Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
mx
olguinmurrieta@hotmail.com
Murrieta
FORMA DE EVALUAR
1.- Proyecto Final . 30 %
2.- Examen 30 %
3.- Participacin 20 %
4.- Tareas .. 10 %
5.- Asistencia 10 %
T O T A L --------------------- 100 %
Antecedentes
La teora de las Lneas de Espera se inicia en
1909, con los trabajos de E. K. Erlang. Al
experimentar un problema relacionado con la
congestin del trafico telefnico.
En muchas operaciones se forman Lneas de
Espera para la prestacin de un servicio, como
cuando los clientes esperan en fila para liquidar
sus compras en una tienda de Abarrote; las
maquinas de una fbrica esperan ser reparadas
o los aviones esperan para aterrizar en un
aeropuerto
La caracterstica comn de los anteriores ejemplos
es que un nmero de unidades fsicas (las llegadas)
intentan recibir un servicio de un nmero limitado de
instalaciones (los servidores).
Un problema de Lneas de Espera puede
resolverse mediante formulas analticas o
mediante mtodos de Simulacin
En todos los casos, los clientes esperan cierto
nivel aceptable de servicio, mientras que la
empresa espera poder mantener sus costos al
mnimo.
Las caractersticas que todo problema de
lneas de espera presenta:
Caractersticas
Llegadas
Servidor Fila
LAS LLEGADAS
Se describen por su Distribucin Estadstica, la
cual puede especificarse de dos formas: Nmero
de Llegadas por unidad de tiempo o Tiempo
entre llegadas
Si se supone que las llegadas ocurren con una tasa promedio constante y que son
independientes una de otra.
Entonces se dice que ocurren de acuerdo con la Distribucin de probabilidad de
Poisson. (Tasa de Llegadas; No. Clientes/Periodo).
Si la tasa de llegadas se da por el tiempo que
transcurre entre Llegada y Llegada, se dice
entonces que sigue una Distribucin
Exponencial.
La Distribucin Exponencial y la de Poisson son
equivalentes en cuanto a las suposiciones
fundamentales sobre llegadas. Por lo tanto,
cualquiera de las dos puede usarse para
especificar las llegadas
La tasa de llegadas siempre estar representada por
una variable Discreta, mientras que el tiempo entre
Llegadas se representara por una variable Continua
Una prueba de Bondad de Ajuste se aplica para
verificar si un conjunto de datos se ajusta o no a la
Distribucin terica previamente supuesta
(Distribucin Poisson), en especial la prueba de Ji-
Cuadrada, la cual consiste en contrastar frecuencias
reales u observadas contra las frecuencias tericas
o esperadas o ver si la diferencia existe en
significativa o no, demostrando al mismo tiempo si
los datos se apegan a una Distribucin Poisson o no.
LA FILA
La naturaleza de la fila tambin afecta al tipo de
modelo que se formule. Debe especificarse una
disciplina en la fila para describir como se atienden
las llegadas. Un ejemplo es, Primeros en llegar,
primeros en ser atendidos.
Cuando se describe una Fila, tambin debe
especificarse la longitud de la Lnea de Espera. Un
supuesto es que la Lnea de Espera puede alcanzar
una longitud infinita.
Finalmente, se define el comportamiento que tendr
el Cliente en la Fila. Cunto tiempo estarn
dispuestos a esperar los clientes para ser atendidos
antes de que se retiren de la Fila?
EL SERVIDOR
Existen varias caractersticas del Servicio que afectan al
problema de Lneas de Espera. Una de ellas es la
Distribucin del tiempo de Servicio. Un supuesto comn
esta dado por la distribucin Exponencial.
La segunda caracterstica que debe especificarse esta
dada por el nmero de Servidores. Puede haber uno
solo o varios.
La tasa de Servicio al igual que la de llegadas, debe ser
evaluada para ver si se ajusta a la Distribucin
Exponencial o no, a travs de la Prueba de Kolmogorov-
Smirnov, la cual contrasta una Distribucin de
probabilidad acumulada real contra una terica.
MODELO No 1
(UN SOLO SERVIDOR)
= Tasa media de llegadas
= Tasa media de servicios
1. = =
= tq
Ls
.Tiempo promedio que pasa un cliente en el sistema.
6. tq
( )
Lq
=
= < 1
2. Po
(
(
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
=
=
1
0
.
.
!
1
!
1
1
k
n
k n
k
k
k n
si Po
n n
n
|
.
|
\
|
*
!
1
k n s
3. Pn =
( )( )
si Po
k k
k
k n
|
|
.
|
\
|
*
!
1
k n >
4.
+ =
|
|
.
|
\
|
+ = Lq tq Ls
1
5.
( ) ( ) ( )
Po
k k
Po
K
Lq
k k
*
. ! 1
.
*
1 !
.
2 2
|
|
.
|
\
|
=
|
|
.
|
\
|
=
6.
Ls
tq ts = + =
1
7.
( ) ( )
Lq
Po
k k
tq
k
=
|
|
.
|
\
|
= *
. ! 1
2
Supongamos que un cajero bancario puede atender en
promedio 10 clientes/hr. Adems suponga que los
clientes llegan a la ventanilla a razn de 7 clientes/hr. Se
cree que las llegadas siguen una Distribucin POISSON
y los tiempos de servicio siguen una Distribucin
Exponencial.
a) Bajo condiciones de estado estable Cules son las
caractersticas del sistema?
b) Si los clientes se retiran de la caja siempre que
encuentra 3 clientes de ellos en el sistema Cul es
el porcentaje de clientes que se pierde?
Sistema: Clientes que arriban al banco con un solo cajero (servidor) y
realizan operaciones.
Cliente: Personas que requieren un servicio.
Servidor: Persona que atiende la ventanilla
Servicio: Operaciones Bancarias
No. de Servidores: 1 (uno solo)
= 7 clientes/hr
= 10 clientes/hr
*Condicin: si el cliente encuentra 3 clientes delante de el se retira.
a) caracterstica del sistema
% 70 1 7 . 0
/ 10
/ 7
1 = < = = = < =
hr clientes
hr clientes
(Factor utilizacin)
clientes
hr c
hr c
hr c hr c
hr c
Ls Ls 33 . 2
/ 3
/ 7
/ 7 / 10
/ 7
= =
= =
=
( )
=
2
Lq
( )
( )
clientes Ls 63 . 1
30
49
7 10 10
7
2
= =
=
utos hrs Ts min 20 33 . 0
3
1
7 10
1 1
= = =
=
( ) ( )
utos hrs Tq min 14 23 . 0
7 10 10
7
= =
=
% 30 3 . 0
10
7
1 1 = = = =
cliente
hr c
hr c
hr c hr c
hr c
Ls Ls 1
/ 5 . 0
/ 5 . 0
/ 5 . 0 / 1
/ 5 . 0
= =
= =
=
( )
( )
clientes Lq 5 . 0
25 . 0
25 . 0
5 . 0 1 1
5 . 0
) (
2 2
= =
=
hrs Ts 2
5 . 0
1
5 . 0 1
1 1
= =
=
( ) ( )
hr tq 1
5 . 0
5 . 0
5 . 0 1 1
5 . 0
= =
=
% 50 5 . 0
1
5 . 0
1 1 = = = =
+
(
(
+
(
=
15 2 12
2 12
12
15
! 2
1
12
15
! 1
1
12
15
! 0
1
1
2 1 0
x
x
Po
| | ( )
| |
% 07 . 23 2307 . 0
332 . 4
1
0832 . 2 25 . 2
1
9
24
25 . 1
2
1
25 . 1 1
1
2
= = =
+
=
(
+ +
= Po
( )
( )
( ) ( ) 8011 . 0 2307 . 0 *
2812 .
9765 .
2307 . 0 *
625 . 0 1 ! 2
625 . 0
12
15
2
2
= =
|
.
|
\
|
= Lq
vehiculos Lq Ls 05 . 2 25 . 1 8011 . 0
12
15
8011 . 0 = + = + = + =
min 8 1366 . 0
15
05 . 2
= = = = hrs
Ls
ts
utos hrs
Lq
tq min 2 . 3 0534 . 0
15
8011 . 0
= = = =
K=2 K=3
62.5% 41.66% f.v.
Po 23.07 27.86%
Lq 0.8011 Veh 0.1110 veh.
Ls 2.05 Veh 1.3610 veh.
Ts 8 minutos 5.44 min.
Tq 3.2 minutos 0.44 min.
\
|
=
3. Si
0
Z < Z, entonces se acepta la hiptesis de que los nmeros generados,
provienen de un universo uniforme y se consideran aleatorios. Z se obtiene
de las tablas de una distribucin normal y el nivel de significacin.
Prueba de Kolmogorov-Smirnov.- La cual
consiste en calcular las desviaciones para cada
intervalo, de la probabilidad acumulada real
contra la terica, para posteriormente comparar
la desviacin mxima con la desviacin critica
obtenida de las tablas respectivas.
Si: .,
max crit
D D < se concluye que los nmeros generados provienen de una
distribucin uniforme y los nmeros se pueden considerar aleatorios
NMEROS SEUDO
ALEATORIOS
0.78961 0.05230 0.10699 0.55877 0.14151
0.76086 0.12079 0.27738 0.65726 0.79269
0.80548 0.82654 0.29453 0.20852 0.42989
0.58518 0.98611 0.34488 0.34358 0.11537
0.89898 0.57880 0.67621 0.05010 0.00121
0.28269 0.73059 0.70119 0.18284 0.49962
0.38618 0.76910 0.68334 0.55170 0.10850
0.79982 0.45679 0.21631 0.87616 0.55743
0.58962 0.33216 0.03185 0.61168 0.09264
0.69623 0.17028 0.05475 0.91512 0.76262
0.29931 0.30861 0.83358 0.51781 0.03272
0.57410 0.26593 0.85903 0.43308 0.35286
0.24000 0.65559 0.38507 0.90829 0.94187
0.93655 0.88809 0.81772 0.36982 0.19904
0.54325 0.62400 0.09133 0.41678 0.33954
0.58244 0.85853 0.88752 0.33729 0.15506
0.23949 0.53559 0.33381 0.49383 0.75103
0.19962 0.65002 0.74579 0.79113 0.63453
0.19147 0.40644 0.08128 0.73435 0.22724
0.22287 0.07281 0.64183 0.44267 0.72102
CARACTERSTICAS QUE
DEBEN CUMPLIR:
1. Ser Uniformemente Distribuidos.
2. Ser Estadsticamente Independientes.
3. Ser Reproducibles en un periodo largo, sin
repeticin.
4. Ser Generados a travs de un mtodo rpido.
EJEMPLO 1.
Una empresa que se dedica al servicio de
pesado de vehculos actualmente posee una
sola bscula (servidor). El servicio consiste
bsicamente en pesar las unidades automotrices,
cobrarles y extender la factura correspondiente.
Un estudio de campo arroj que el tiempo de
servicio se comporta de acuerdo a una
distribucin uniforme con tiempos que van de los
2.0 a los 8.5 minutos. Asimismo, encontr que los
vehculos llegan a razn de 9 vehculos por hora
en promedio, y que dicha tasa de llegadas se
ajusta a una distribucin Poisson. Los vehculos
son pesados en el orden en que llegan.
Se pide:
a) Obtener los generadores para cada variable.
b) Construir un modelo que permita simular dicho
sistema como un problema de lneas de espera
y determinar:
El tiempo promedio de espera: E(tq)
El tiempo promedio que pasa un cliente en el sistema:
E(Ts)
La intensidad de trafico:
La probabilidad de que un cliente tenga que esperar P
E
EJEMPLO 2.
A una central de abastos llegan a descargar en
promedio 6 camiones por hora, siguiendo una
distribucin Poisson. El 40% de los camiones que
llegan a dicha central traen carga tipo A, el 35%
trae carga tipo B y el 25% restante trae carga tipo
C.
El tiempo empleado para la descarga de los
camiones se considera que sigue una
distribucin normal cuyos parmetros dependen
del tipo de carga y se proporcionan en la
siguiente tabla:
Tipo de carga Tiempo medio ( ) de descarga
(minutos)
Desviacin estndar () (minutos)
A 25 4
B 32 5
C 18 3