2011

Investigacin de Operaciones II

Laura Orellana

Universidad Centroamericana Jos Simen Caas Departamento de Operaciones y Sistemas

Contenido

Teora de lneas de espera (Teora de colas) ........................................................................................... 1 Elementos de un modelo de colas ........................................................................................................ 1 Notacin Kendall-Lee ............................................................................................................................ 3 Modelo de procesos de llegada ............................................................................................................ 3 Modelo de procesos de servicio ........................................................................................................... 7 Modelo generalizado de Cola de Poisson ........................................................................................... 8 Medidas de desempeo en estado estacionario ............................................................................... 11 Sistema de lneas de espera MM1GD .......................................................................................... 12 Sistema de lneas de espera MM1GDK .......................................................................................... 15 Sistema de lneas de espera MMCGD.......................................................................................... 17 Sistema de lneas de espera MMCGDK.......................................................................................... 19 Modelo de autoservicio MMGD ............................................................................................ 19 Sistema de lneas de espera MMRGDKK , R K (Modelo de reparacin de mquinas) ........... 21 Sistema de lneas de espera no Poissonianos ................................................................................... 22 Modelo MG1GD (Distribucin de servicio general) .............................................................. 22 Lneas de espera exponenciales en serie ........................................................................................... 24 Redes de colas ....................................................................................................................................... 26 Parmetros de una red de colas.................................................................................................... 26 Redes de Jackson .............................................................................................................................. 26

Teora de lneas de espera (Teora de colas) Nace a principios de 1900 por A. K Erlang en su estudio en una compaa de telfonos. La teora de colas es el estudio de la espera en las distintas modalidades. En los modelos de colas se busca determinar los indicadores de desempeo del sistema en estudio y tambin sealar la cantidad promedio de espera que ocurrir en diversas la circunstancias. Los modelos de lnea de espera son muy tiles para determinar cmo operar un sistema de colas de la manera ms eficaz. Proporcionar demasiada capacidad de servicio (cajeros en un banco) implica costos excesivos; pero si banco) no se cuenta con suficiente capacidad de servicio surgen esperas excesivas la idea es encontrar un balance entre el costo de servicio y la cantidad de espera. Por qu?

Las filas se forman por un desequilibrio temporal entre la demanda de un servicio y la capacidad del sistema para suministrarlo. (Krajewski, Ritzman y Malhotra) Elementos de un modelo de colas

Poblacin

Llegadas de la poblacin

Cola

Instalacin de servicio

Llegadas al sistema Dentro del sistema Salidas del sistema

Poblacin Fuente de entrada: consiste en la poblacin de la cual se originan los clientes que se estudiaran en el sistema. La fuente puede ser finita o infinita. Si el nmero potencial de nuevos clientes para el sistema resulta afectado notablemente por el nmero de clientes que ya se encuentran en el sistema, se dice que esa fuente de insumos es finita. Llegadas de la poblacin El comportamiento de los clientes: los clientes pueden ser pacientes o impacientes, los clientes impacientes suelen evitar (no entrar al sistema), cambiarse de una cola a otra o renunciar (salir del sistema sin ser atendido). Tiempo entre llegadas: es el proceso de llegada de los clientes al sistema. Cola Cola: es el lugar en el cual los clientes esperan ser atendidos en el sistema. La cola puede ser finita (# de maquinas esperando ser reparadas en un taller) infinita (# de cartas esperando ser entregadas en el correo). Disciplina de la cola: se refiere al orden con el cual los clientes son seleccionados de la cola para recibir servicio. Entre las ms importantes se encuentran: o FIFO (First In First Out) o LIFO (Last In First Out) o SIRO (Service In Random Order) o Por prioridades Servicio Mecanismo de servicio: consiste en una ms estaciones de servicio (fases), cada una de ellas con uno o ms canales de servicio paralelos, llamados servidores.

Tiempo de servicio: es el proceso de servicio que se presta a los clientes. Ambos tiempos pueden ser probabilsticos, como la llegada de clientes a un banco, determinanticos como el tiempo disponible para la solucin de un parcial.

Notacin Kendall-Lee Kendall en 1951 diseo la notacin siguiente para representar sistemas de lneas de espera: A/B/C:D/E/F A: Naturaleza de los tiempos de proceso de llegada. B: Naturaleza de los tiempos de servicio. C: Cantidad de servidores en paralelo. D: Disciplina de la lnea de espera. E: Mximo nmero de clientes en el sistema. F: Tamao de la fuente. Modelo de procesos de llegada Supondremos que la mayor parte de llegadas de clientes a un sistema ocurrirn en un instante dado. Definamos ti como el tiempo en el cual llega el i-simo cliente.

Para i 1, definimos Ti = ti+1 ti como el i-simo tiempo entre llegadas. Por lo tanto T1=8-3=5 y T2=15-8=7. Al modelar el proceso de llegadas, supondremos que las Ti son variables continuas, aleatorias e independientes descritas por las variable aleatoria A. La suposicin de independencia significa que el valor de T2 no afecta a otra Ti, la suposicin de que cada tiempo entre llegadas est regido por la misma variable aleatoria, implica que la distribucin de llegadas es independiente del momento del da o del da de la semana. Esta es la suposicin de los tiempos estacionarios entre llegadas. Debido a fenmenos como las horas pico, esta suposicin es a menudo irreal. Pero si se divide el da en tres segmentos: un segmento de horas pico por la maana, un segmento a medioda y otro por la noche, se puede decir que cada uno de estos segmentos es estacionario. Por ltimo, la suposicin de que cada Ti es continua, es por lo regular una buena aproximacin de la realidad. Por ejemplo, el tiempo entre llegadas no necesariamente es de 1 o 2 minutos, puede ser 1.784 minutos. Si suponemos que la variable aleatoria A tiene una funcin de densidad f(t), para t pequeos se puede decir que: Como el tiempo no puede ser negativo, se puede decir que: y

El tiempo promedio de una variable aleatoria es:

En la mayor parte de aplicaciones de lneas de espera, un aspecto importante es cmo obtener A de tal manera que refleje la realidad y siga siendo manejable desde el punto de vista matemtico. La eleccin ms comn es la distribucin exponencial. Distribucin Exponencial La distribucin exponencial con parmetro tiene una funcin de densidad f(t) disminuye con rapidez para t pequeas. Esto significa que son improbables los tiempos entre llegadas muy grandes. Para saber el tiempo medio entre llegadas de A se calcula:

1 Por tanto podemos definir a el tiempo medio o promedio entre llegadas y ser la tasa de llegadas promedio,

en unidades de llegada por unidad de tiempo. Papel de la distribucin exponencial Se tienen una serie de propiedades que hacen de la distribucin exponencial una funcin idnea para teora de colas. Entre las ms importantes se tienen: Propiedad 1. Falta o carencia de memoria Esta propiedad se establece como: cumple con esta propiedad.

. Ninguna otra funcin de densidad

Pero qu significa? Suponga que nos advierten que no ha habido llegada alguna en las ltimas t horas (es decir A t) y nos preguntan Cul es la probabilidad de que no haya llegadas durante las siguientes t horas? (es decir ). Entonces por la falta de memoria se concluye que esta probabilidad no depende del valor de t y para todos los valores de t esta probabilidad es 1 .

Propiedad 2. Relacin entre la Distribucin Poisson y la Distribucin Exponencial Esta propiedad est relacionada con la distribucin de probabilidad del nmero de veces que ocurre este evento en un periodo dado. Sea N(t) el numero de ocurrencias en el tiempo t (t 0), donde el tiempo 0 es el instante en el que comienza la cuenta, la propiedad dice que:
!

, para n=0, 1, 2,

Es decir N(t) tiene una distribucin Poisson con parmetro t. Por ejemplo, para n=0 0 Que es exactamente la probabilidad que se obtuvo a partir de la distribucin exponencial para que ocurra el primer evento despus de un tiempo t. La media de la distribucin Poisson es: de manera que el nmero esperado de eventos por unidad de tiempo es . Por lo tanto se dice que es la tasa media a la que ocurren los eventos. Esta propiedad es til para describir el comportamiento probabilstico de las llegadas cuando los tiempos entre llegadas siguen una distribucin exponencial con parmetro y en consecuencia, las llegadas ocurren de acuerdo a un proceso de entradas Poisson con parmetro . Algunas veces se dice que las llegadas ocurren aleatoriamente, lo que significa que suceden de acuerdo con un proceso de entradas Poisson. Distribucin Erlang Si los tiempos entre llegadas no parecen ser exponenciales, entonces se modelan con frecuencia, con la distribucin Erlang. Esta es una funcin que se especifica con dos parmetros: un parmetro de proporcionalidad R y un parmetro de forma K (entero positivo). La distribucin Erlang se define como: 1 ! Integrando por partes se obtiene Se puede analizar el caso para el cual k varia, la distribucin Erlang toma diversas formas. Si Si y k=1 la distribucin Erlang es similar es una distribucin Exponencial, a medida que k aumenta, la distribucin Erlang se comporta mas como una distribucin normal. Para valores extremadamente grandes de k, la distribucin se aproxima a una variable aleatoria con varianza cero (tiempo constante entre llegadas). Ejemplos 1) El tiempo entre llegadas en una dependencia de la Oficina Estatal es exponencial, con valor medio de 0.05 hora. La oficina abre a las 8:00 A.M. a) Escriba la distribucin exponencial que describa el tiempo entre llegadas. 0

Dado que el tiempo promedio entre llegadas de los clientes es La distribucin

0.05 llegadas tiene un parmetro

20

exponencial que describe el tiempo entre y se puede definir de la siguiente manera 20

b) Determine la probabilidad de que no lleguen clientes a la oficina hasta las 8:15 A.M. La probabilidad de que no llegue cliente a la oficina en los prximos 15 minutos es igual a la probabilidad de que el tiempo entre llegadas sea mayor a de hora, as: 0.25
.

0.25

20

0.25

0.25

Esta probabilidad tambin se puede calcular a partir de la distribucin Poisson como la probabilidad de n = 0. 0.25 0 20 0.25 0.25 0
.

0!

c)

Son las 8:35 A.M. El ltimo cliente entr a las 8:26. Cul es la probabilidad de que el siguiente cliente llegue antes de las 8:38 A.M.? Y de que no llegue hasta las 8:40 A.M.? La probabilidad de que llegue antes de las 8:38 es independiente de la hora a la cual llego el anterior por la carencia de memoria, as que la probabilidad buscada es igual a la probabilidad de un tiempo entre llegada menor o igual a 3 minutos (de 8:35 a 8:38) 0.05
.

20

O que existe al menos una ocurrencia en los prximos 3 minutos 0.05 0.05 1 1 1 1 20 0.05 0.05 0! 0 1

La probabilidad de que no llegue hasta las 8:40, es la probabilidad de un tiempo entre llegada mayor a 10 minutos (0.167 hora) o la probabilidad de ningn cliente en ese tiempo. 0.167 0 20 0.167
. .

0!

d) Cul es la cantidad promedio de clientes que llegan entre las 8:10 y las 8:45 A.M.? La cantidad promedio de clientes por unidad de tiempo es , por tanto para un periodo de 35 minutos en promedio se esperan 20 0.58 11.6

2) Se sabe que el tiempo entre fallas de un refrigerador es exponencial, con una media de 9000 horas (ms o menos 1 ao de funcionamiento), y la empresa otorga una garanta de 1 ao con el refrigerador. Cules son las probabilidades de que la garanta cubra una reparacin por descompostura? Dado que el tiempo entre fallas tiene un promedio de 9000

Se busca la probabilidad de una ocurrencia en un periodo de tiempo de 9000 horas o que el tiempo entre llegadas supere este tiempo. 1 9000 9000

9000 O su equivalente 9000 Modelo de procesos de servicio 1

0! 1 1

1 9000

Suponga que los tiempos de servicio de clientes distintos son variables aleatorias independientes, y que cada tiempo de servicio est regido por una variable aleatoria S cuya funcin de densidad es S(t). Calculando el tiempo de servicio medio de un cliente.

Las unidades de la variable

es el tiempo de servicio promedio por cliente, de modo que las unidades de se le llama tasa de servicio.

son

clientes por unidad de tiempo. Por esta razn a

Observe que si los tiempos de servicio siguen una distribucin exponencial servicio medio de un cliente ser .

, entonces el tiempo de

Modelo generalizado de Cola de Poisson 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 suficientemente largo. En donde se suponen que las frecuencias tanto de llegada como de salida dependen del estado, y eso quiere decir que dependen de la cantidad de clientes en la instalacin de servicio. Se define 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
n.

Las probabilidades se calculan usando el diagrama de frecuencias de transicin La distribucin exponencial se basa en la hiptesis que durante un tiempo suficientemente pequeo h > 0, puede presentarse cuando mucho una llegada.

Bajo estas condiciones tenemos que:

Al igualar las dos frecuencias se obtiene la siguiente ecuacin de balance:

Las ecuaciones de balance se resuelven recursivamente en funcin de p0 como sigue: Para n = 0

Para n = 1 Sustituyendo para P1

Y se puede demostrar por induccin que, en general: El valor de P0 se determina con Ejemplo 1 , 1, 2,

Usted est realizando un anlisis sobre la industria de elaboracin de zapatos de vestir para nios, en el municipio de Jicalapa en La Libertad. La tasa (por ao) a la cual las zapateras ingresan a la industria est dada por p, que es igual al precio de reparacin de un par de zapatos en dlares, y se define con la funcin p = Max (0, 2 0.5F), donde F = cantidad de zapateras en Jicalapa. Durante un ao determinado, la probabilidad de que una zapatera fracase es 1/(1+p). Genere un modelo de nacimiento muerte de esta situacin. a) Estime el promedio de zapateras en Jicalapa en el estado estable. Sea: 1 1 0, 2 0.5

Calculando los valores de y

en el estado estable: Estado 0 1 2 3 4 2 1.5 1 0.5 0 2/5 2/3 1

Planteando el diagrama de transicin

A partir de ah podemos plantear las probabilidades de estado estable: 9

2 0.4 2 0.4 2 0.4 2 0.4 5 0.092 0.46 0.138 0.207 0.103

1.5 0.5 1.5 0.5 1.5 0.5 1.5

1 0.67 1 0.67 2.25

0.5 1 1.125 1 0.092

Para determinar el nmero promedio de zapateras en estado estable procedemos a calcular un promedio ponderado: n 0 1 2 3 4 Pn 0.092 0.46 0.138 0.207 0.103 nPn 0 0.46 0.276 0.621 0.412 1.76 2

b) En qu fraccin de tiempo habr ms de 2 zapateras? 2 0.31

En una fraccin de tiempo del 31% habr ms de 2 zapateras.

10

Medidas de desempeo en estado estacionario Ls = cantidad esperada de clientes en el sistema Lq = cantidad esperada de clientes en cola Ws = tiempo esperado de espera en el sistema Wq = tiempo esperado de espera en cola = cantidad esperada de servidores ocupados Formula de Little

La tasa efectiva es igual a la nominal cuando todos los clientes que llegan se unen al sistema, es decir cuando no existe cantidad finita admisible en el sistema. 1

11

Sistema de lneas de espera MM1GD Para analizar las propiedades de este sistema de cola, utilizaremos los siguientes parmetros: 1, 2, 1, 2, Se sabe que: , ,, 1 Entonces definimos a tenemos: 1 Para que la serie Entonces: 1 1 1 entonces se debe cumplir que 1 1 1 1. como la intensidad de trfico del sistema de lneas de espera, sustituyendo 1 en 2

converja, se debe de cumplir que 0 1 0 0 1

Para Pn ser:

1 1

Como

para que haya un estado estable. Es fcil ver porque.

A partir de la ecuacin 4 se deducen las medidas de desempeo de la siguiente forma: Cantidad esperada de clientes en el sistema (Ls) 1 Observe que: 2 Si obtenemos: Al restar 2 3 3 1 1

Por lo tanto:

12

1 1

Cantidad esperada de clientes en cola (Lq) Interesa conocer la cantidad esperada de personas en la cola. Observe que si estn presentes 0 1 cliente en el sistema, entonces nadie est en la cola, pero si n personas estn presentes (n1) habr n-1 en la lnea de espera. Si estamos en estado estable. 1 1 1 Los tiempos esperados de espera en el sistema y en cola se pueden deducir utilizando las formulas de Little. Se puede determinar la distribucin del tiempo de espera en el sistema , bajo los supuestos de que una disciplina FIFO, definiendo: ... Como el tiempo de espera de un cliente dado que hay n clientes en el sistema. Se sabe que An+1 tiene una distribucin Erlang. Entonces se puede deducir que y

Se puede concluir entonces que tiene una distribucin exponencial con parmetro Utilizando un anlisis similar se puede deducir que:

Donde q es igual al tiempo de espera en cola. Ejemplo La tienda de abarrotes Elas tiene una caja de salida con un cajero de tiempo completo los clientes llegan al azar con una tasa media de 30 por hora. La distribucin del tiempo de servicio es exponencial con media de 1.5 minutos. Esta situacin causa una cola larga ocasional esta situacin causa una cola larga ocasional y quejas de los clientes. Como no hay lugar para otra caja, el gerente piensa en contratar a otra persona que ayude a empacar los vveres y reduzca el tiempo esperado de servicio a un minuto, todava con distribucin exponencial.

13

El gerente quiere que el porcentaje de tiempo que hay ms de 2 clientes en la caja fuera menor a 25% a) Use las formulas del modelo MM1 para calcular Ls, Ws, Lq, Wq, P0, P1 y P2 de la operacin actual. Cul es la probabilidad de que haya ms de 2 clientes en la caja? 30 3 40

40 30 1

30 40 40 30 30 0.075 2.75 1 1 1 2 1

30

0.1

0.075

0.75 0.25 0.75 0.25 0.1888 0.75 0.25 0.141 0.42 Existe un 42% de probabilidad de que haya ms de 2 clientes

b) Repita el literal anterior para la alternativa de ayuda. 30 60 30 1 1 60

30 60 60 30 30 0.0167 0.5 1 1 1 2 1

30

0.033 0.0167

0.5 0.5 0.5 0.5 0.25 0.5 0.5 0.125 0.125 Existe un 12.5% de probabilidad de que haya ms de 2 clientes

14

Sistema de lneas de espera MM1GDK 0 1, 2, 1, 2, , 1

Existir el estado estable incluso cuando , porque el sistema rechazara cuando se encuentre lleno.

1 1 1 En caso de que 0,1,2, ,

, se puede calcular la cantidad esperada de clientes en el sistema como: 1 1 1

Ejemplos 1) Los pacientes llegan al consultorio de un doctor siguiendo una distribucin de Poisson, con la frecuencia de 20 pacientes por hora. La sala de espera no tiene lugar ms que para 14 pacientes. El tiempo de consulta por paciente es exponencial, con promedio de 8 minutos. a) Cul es la probabilidad de que no espere un paciente que llega? Sea: K = 15 20 7.5 2.667 Un paciente no espera siempre que no haya cliente, por tanto 1 1 1 1 2.67 2.67 2.5 10

b) Cul es la probabilidad de que un paciente que llega encuentre un asiento vaco en la sala? La probabilidad de que haya un asiento vacio es la probabilidad de 14 clientes en el sistema

15

1 1 c)

1 2.67 2.67 1 2.67

0.23

Cul es el tiempo total esperado que pasa un paciente en el consultorio?

2) Las probabilidades pn de que haya n clientes en un sistema MM1:GD5 se ven en la tabla siguiente: n pn 0 0.399 1 0.249 2 0.156 3 0.097 4 0.061 5 0.03

La frecuencia de llegada es 5 clientes por hora. La rapidez del servicio siguiente: a) La probabilidad de que un cliente que llega pueda entrar al sistema.

es 8 clientes por hora. Calcule lo

Un cliente que llega podr entrar al sistema siempre que haya menos de 5 clientes, 1 0.97 Existe un 97% de probabilidad de que un cliente que llega pueda entrar al sistema. b) La frecuencia con la que los clientes que llegan no pueden entrar al sistema. La tasa de llegadas perdidas = c) La cantidad esperada en el sistema. Dado que , se puede calcular la cantidad esperada de clientes en el sistema como: 1 5 1 8 1 1 1 5 0.03 0.15 /

5 8

5 8

5 8

5 8

16

Sistema de lneas de espera MMCGD Supondremos que solo existe una cola de clientes que esperan ser atendidos en uno de los servidores en paralelo. Si hay j c clientes, entonces los j clientes estn en servicio, si j c clientes estn en presentes, entonces c servidores estn ocupados y j c clientes estn haciendo cola. Si se modela como un proceso de nacimiento muerte, el proceso ser:

1, 2, 1, 2, 1, 2, Se define a , siempre que < 1. Sustituyendo en la Pn, se obtienen las probabilidades de estado estable: ! ! 1 ! 1

1,2, ,

, 1, ! Se puede demostrar que la probabilidad de estado estable de que todos los servidores estn ocupados est dada por: ! 1 Y la cantidad esperada de clientes en el sistema y de clientes en cola se define de la siguiente forma: 1

Ejercicios
1) La compaa People's Software acaba de abrir un centro de asistencia tcnica por telfono para su nuevo software. Dos tcnicos toman las llamadas, y el tiempo requerido para responder a las preguntas del cliente tiene distribucin exponencial con media de 8 minutos. Las llamadas llegan segn un proceso Poisson con tasa media llamadas se ponen en espera hasta que est disponible una lnea. de 10 por hora. Se espera que el ao prximo la tasa media de llamadas disminuya a 5 por hora, por lo que el plan es reducir el nmero de tcnicos a uno. a) Suponga que seguir en 7.5 llamadas por hora el siguiente ao, y determine Ls, Lq, Ws y Wq de ambos sistemas (actual y en un ao). Para cada medida de desempeo, qu sistema da el menor valor? 2) Imagine un banco con dos cajeros. Un promedio de 80 clientes por hora llega al banco, y esperan en una sola cola que se desocupe algn cajero. El tiempo promedio que se requiere para atender a un cliente es 1.2 minutos. Suponga que los tiempos entre llegadas y los tiempos de servicio son exponenciales.

17

Determine. a) Nmero esperado de clientes presentes en el banco. b) Tiempo esperado que un cliente pasa en el banco. c) Fraccin de tiempo que un cajero en particular est desocupado.

18

Sistema de lneas de espera MMCGDK 0 1, 2, 1

1, 2, 1, 2,

Ejercicio Eat & Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar cabida cuando mucho a cinco automviles, incluyendo los que llenan el tanque. Los que llegan cuando el carril est lleno van a otra parte. La distribucin de los vehculos que llegan es de Poisson, con promedio de 20 por hora. El tiempo para llenar y pagar las compras es exponencial, con 6 minutos de promedio. Determine lo siguiente: a) El porcentaje de automviles que llenaran el tanque en otro lado. b) El porcentaje de tiempo en el que se usa la bomba. c) La utilizacin porcentual de las dos bombas. d) La probabilidad de que un automvil que llegue no reciba servicio de inmediato, si no que se forme en la cola. e) La capacidad del carril que asegure que, en promedio no haya ms del 10% de los vehculos que llegan se vayan a otra parte. f) La capacidad del carril que asegure que, en promedio, la probabilidad de que las dos bombas estn inactivas sea 0.05 o menos.

Modelo de autoservicio MMGD

1, 2, 1, 2, Asi: ! 2!

Entonces: 1

El resultado es:

! Que es Poisson con promedio Ls=. Como es de esperar Lq = Wq = 0 porque es modelo de autoservicio.

19

Ejercicio A los conductores nuevos se les pide pasar un examen por escrito, antes de hacer las pruebas de manejo. Los exmenes escritos suelen hacerse en el departamento de polica de la ciudad. Los registros de la ciudad de Springdale indican que la cantidad promedio de exmenes escritos es de 100 por da de 8 horas. El tiempo necesario para contestar el examen es de 30 minutos, ms o menos. Sin embargo, la llegada real de los aspirantes y el tiempo que tarda cada uno en contestar son totalmente aleatorios. Determine lo siguiente: a) La cantidad promedio de asientos que debe tener el departamento de polica en el saln de exmenes. b) La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos que hay en el saln de exmenes. c) La probabilidad de que en un da no se haga examen alguno.

20

Sistema de lneas de espera MMRGDKK , R K (Modelo de reparacin de mquinas) Es un modelo de origen finito, el cual consiste en tener K mquinas y R personas que las repararn. El tiempo en que una mquina permanece en buenas condiciones sigue una distribucin exponencial con tasa . Siempre que una mquina se descompone, se enva a un centro de reparacin que consta de R personas. Para un modelo de K=5 y R=2: Estado = numero de maquinas en malas condiciones
5 0 1 2 4 2 2 3 3 2 2 4 2 5

1, 2, , 1, 0, 1, ,

2, ,

Se definir a: Ls = cantidad esperada de maquinas descompuestas Lq = cantidad esperada de maquinas que esperan servicio Ws = tiempo esperado que una maquina pasa descompuesta Wq = tiempo esperado que una maquina pasa esperando servicio Ejercicio Despus de esperar mucho, el matrimonio Newborn fue recompensado con quntuples (quintillizos), dos nios y tres nias, gracias a las maravillas del progreso de la medicina. Durante los cinco primeros meses, la vida de los bebes transcurra en dos estados: despiertos (llorando, principalmente) dormidos. Segn los Newborn las actividades despierto-dormido de los bebes nunca coinciden. En lugar de ello, el panorama parece ser totalmente aleatorio. De hecho la seora Newborn que es experta en estadstica cree que el tiempo que llora cada bebe es exponencial con 30 minutos de promedio. El tiempo durante el cual duerme cada bebe tambin es exponencial, con una media de 2 horas. Determine: a) La cantidad promedio de bebes despiertos en cualquier momento. b) La probabilidad de que todos los bebes estn dormidos. c) La probabilidad de que los Newborn estn atareados porque haya ms bebes despiertos (y llorando) que dormidos.

21

Sistema de lneas de espera no Poissonianos

Modelo MG1GD (Distribucin de servicio general) Formula de Pollazeck-Khintchin

En este modelo las llegadas se comportan de acuerdo a una distribucin exponencial con parmetro portan y los tiempos de servicio poseen una media y varianza . Si se puede demostrar que:

Ejemplo El seor Smith tiene su propia empresa que est en el negocio de pintar casas, teniendo una demanda de 10 trabajos cada mes; los trabajos segn una distribucin de Poisson, adems los clientes suelen esperar lo que sea distribucin necesario dado que el Sr. Smith garantiza sus trabajos. Las dimensiones de los trabajos suelen oscilar (uniformente) entre 200 y 350 metros cuadrados de superficie por pintar. El equipo de trabajo del Sr. Smith es trabajo capaz de pintar 100 metros cuadrados por da. Encuentre lo siguiente: a) El nmero de trabajos que se tienen pendientes b) El tiempo que usted debe esperar para que el Sr. Smith pinte su casa Modelo M/G/1:FIFO/N/ Datos explcitos del problema:

Datos implcitos del problema: Haciendo la conversin de metros cuadrados a das, duracin del trabajo:

22

350

1 100

3.5 0.36364 3.5 2 12 / 0.1875

1 2.75

3.5 2

2.75

Literal a) Dando solucin a partir de la informacin anterior y aplicando las frmulas pertinentes:

2 1
1 3

,
2

1 2.75 2 1
1 3 0.1875
2

2.75

1 3

5.65278
Literal b)

1 3 0.36364

2.75

5.65278

4.73612

4.73612 1/3

14.2084

23

Lneas de espera exponenciales en serie Los modelos anteriores son muy tiles al analizar sistemas de lneas de espera con un servicio nico o en paralelo, como se muestra en la figura.

Para el estudio de sistemas de lneas de espera en serie o de k etapas, como se muestra en la figura, en donde un cliente despus de completar el servicio en la etapa 1, contina el servicio en la etapa 2 y as sucesivamente hasta que se completa el servicio en la etapa k.

Se puede establecer que: 1) Los tiempos de llegadas para un sistema de lneas de espera en serie son exponenciales con tasa , 2) Los tiempos de servicio por cada servidor de la etapa i son exponenciales y 3) Cada etapa tiene una sala de espera de capacidad infinita, Entonces los tiempos entre llegadas para las llegadas a cada etapa del sistema de lneas de espera son exponenciales con tasa . Para que este resultado sea valido es sumamente necesario que cada etapa tenga capacidad infinita o en su defecto < cj j. Dicho resultado implica que cada etapa puede analizarse como un sistema MMCGD. La probabilidad conjunta de n1 clientes en la instalacin 1, n2 clientes en la instalacin 2, etc., es, entonces, el producto de las probabilidades individuales obtenidas a partir de las ecuaciones del modelo MMC. Esta probabilidad conjunta se puede expresar as: , , , , } Solucin en forma de producto

24

Ejercicio Considere un sistema de colas infinitas en serie, donde cada instalacin de servicio tiene un servidor. Todos los tiempos de servicio son independientes y tienen distribucin exponencial con media de 3 minutos en la instalacin 1 y de 4 minutos en la instalacin 2. La instalacin 1 tiene entradas Poisson con tasa media de 10 por hora. a. Encuentre la distribucin de estado estable del nmero de clientes en la instalacin 1 y despus en la 2. Muestre la forma de solucin de producto de la distribucin conjunta del nmero en las respectivas instalaciones. b. Cul es la probabilidad de que ambos servidores estn desocupados? c. Encuentre el nmero total esperado de clientes en el sistema y el tiempo total de espera esperado total de un cliente.

25

Redes de colas Parmetros de una red de colas La fuente exterior se llama a los clientes que no vienen de otra cola de la red. Cada instalacin i tiene Ci servidores. Los clientes llegan a la instalacin con tasa i. La instalacin i da servicio segn una tasa i. La probabilidad de ir del nodo i al nodo j est dada por pij. La probabilidad qi es la de salir del sistema desde el nodo i.

Redes de Jackson Una red de Jackson es un sistema de m instalaciones de servicio en donde la instalacin i (i = 1, 2,...,m) tiene: 1. 2. 3. Una cola infinita Clientes que llegan de afuera del sistema segn un proceso de entrada Poisson con parmetro ai Ci servidores con distribucin exponencial de tiempos de servicio con parmetro i.

Un cliente que deja la instalacin i se encamina despus a la instalacin j (j= 1, 2,,m) con probabilidad pij o sale del sistema con probabilidad 1 Cualquier red de este tipo tendr la siguiente propiedad. En condiciones de estado estable, cada instalacin j (j = 1, 2, . . ., m) de una red de Jackson se comporta como si fuera un sistema de colas MMC independiente con tasa de llegadas

Donde Redes abiertas o cerradas? Si qi 0 y ai 0, la red se dice que es abierta. Si qi = 0 y ai = 0, la red se dice que es cerrada. Ejemplo: 1. Considere dos servidores. Un promedio de ocho clientes por hora llega desde fuera al servidor 1 y un promedio de 17 clientes por hora llega desde fuera al servidor 2. Los tiempos entre llegadas son exponenciales. El servidor 1 es capaz de atender a una tasa exponencial de 20 clientes por hora, y el servidor 2 atiende a una tasa exponencial de 30 clientes por hora. Despus de completar el servicio en el servidor 1, la mitad de los clientes sale del sistema, y la mitad se dirige al servidor 2. Despus de finalizar el servicio en el servidor 2, de los clientes completan sus trmites y 1/4 regresa al servidor 1.

26

a.

Qu fraccin del tiempo el servidor 1 est desocupado?

sta es una red abierta de lneas de espera con a1 = 8 clientes/hora y a2 = 17 clientes/hora. Asimismo, p12 = 0.5, p21 = 0.25 y p11 = p22 = 0. Podemos determinar l y 2 al resolver l = 8 + 0.252 y 2 = 17 + 0.51. As se llega a l = 14 clientes/hora y 2 = 24 clientes/hora. Se podra tratar al servidor 1 como un sistema MM1 con = 14 clientes/hora y = 20 clientes/hora. Entonces, p0 = 1 = 1 0.7 = 0.3. Por lo tanto, el servidor 1 est desocupado 30% del tiempo. b. Determine el nmero esperado de clientes en cada servidor. Para el servidor 1
. .

2.33 y para el servidor 2

. .

c.

Encuentre el tiempo promedio que pasa un cliente en el sistema.

.

Para el servidor 1

0.167 y para el servidor 2

0.166 por tanto en promedio

un cliente pasa en el sistema 0.33 h d. Qu tanto cambiaran las respuestas de (1) a (3) si el servidor 2 pudiera atender slo un promedio de 20 clientes por hora? En este caso, C22 = 20 < 2, de modo que no existe estado estable. Ejercicios 1. Considere un sistema de colas que consta de tres estaciones en serie. Cada estacin consisten en un solo servidor, el cual puede procesar un promedio de 20 trabajos por hora (los tiempos de proceso en cada estacin son exponenciales). Un promedio de 10 trabajos por hora (los tiempos entre llegadas son exponenciales) llega a la estacin 1. Cuando un trabajo completa el servicio en la estacin 2, hay .1 de probabilidad de que regresar a la estacin 1 y .9 de probabilidad de que pasar a la estacin 3. Cuando un trabajo completa su servicio en la estacin 3 hay .2 de probabilidad de que regresar a la estacin 2 y .8 de que dejar el sistema. Todos los trabajos que completan su servicio en la estacin 1 pasan inmediatamente a la estacin 2. e. f. g. 2. Encuentre la fraccin de tiempo en que el servidor est ocupado. Estime la cantidad esperada de trabajos en el sistema. Estime el tiempo promedio que un trabajo pasa en el sistema.

En promedio llegan 10 trabajos por hora a un taller. Los tiempos entre llegadas de los trabajos son exponenciales. Se requiere un tiempo promedio de 10/3 minutos (bajo distribucin exponencial) para finalizar un trabajo. Un tercio de tdos los trabajos terminados requieren, infortunadamente, ser retrabajados. Por lo tanto, hay una probabilidad de 1/3 de que un trabajo terminado debe esperar en la cola para ser trabajado de nuevo. En el estado estable, cuntos trabajos esperara uno encontrar en el taller? Cul sera la respuesta si un trabajo se termina, en promedio, en cinco minutos?

27