UNIVERSIDAD CATLICA DE CUENCA

UNIDAD ACADMICA DE INGENIERA QUMICA, BIOFARMACIA, INDUSTRIAS Y PRODUCCIN

FACULTAD DE INGENIERA INDUSTRIAL

ASIGNATURA: INVESTIGACIN OPERATIVA 2 TEMA: LA TEORA DE COLAS.

REALIZADO POR: DIANA GUAMANZARA. FERNANDA VZQUEZ.

CURSO: CUARTO DE INGENIERIA INDUSTRIAL

FACILITADOR: ING. MARCO REINOSO. FECHA: 2 DE JULIO DE 2012

INVESTIGACIN OPERATIVA II Pgina 1

NDICE

Contenido

pg.

ndice....II Objetivos.....III Introduccin.4 Marco terico...5 Modelo de canal nico con llegadas de Poisson y tiempo de servicio exponencial aplicado a 1. DEMANDA BAJA............................................................14 2. DEMANDA MEDIA...............................................16 3. DEMANDA ALTA..18 Conclusiones.21 Bibliografa..21

II INVESTIGACIN OPERATIVA II Pgina 2

OBJETIVOS Conocer los diferentes modelos bsicos de colas de espera. Filmar un sistema de colas en tres momentos distintos a) Momento de baja demanda b) Momento de media demanda c) Momento de alta demanda (hora pico) Identificar y aplicar el modelo de colas de espera al video filmado, segn la metodologa expuesta.

III

INVESTIGACIN OPERATIVA II

Pgina 3

INTRODUCCIN

El presente trabajo de investigacin se refiere al tema de teora de las colas que se puede definir como una tcnica matemtica (estadstica y econmico) que tiene como objetivo reducir los tiempos de permanencia en cola de los clientes a niveles soportables o permisibles. El estudio de las colas es importante porque proporciona tanto una base terica del tipo de servicio que podemos esperar de un determinado recurso, como la forma en la cual dicho recurso puede ser diseado para proporcionar un determinado grado de servicio a sus clientes. Existe una variedad de modelos de teora de las colas, pero para realizar este trabajo se utilizo el modelo A: modelo de canal nico con llegadas de Poisson y tiempos de servicio exponencial, en el que las llegadas forman una cola nica que ser atendida en un servidor nico. La teora de colas contiene un gran inters por lo que podemos conocer el comportamiento de las colas por ende podemos optimizar el servicio y reducir los costos de operacin del sistema y aplicarlo, en nuestro caso a la cola de vehculos que son las llegadas y al redondel que es el servidor. Para este trabajo se realiz la grabacin de un video en el Redondel ubicado entre las calles Paseo de los Caaris y Gonzles Surez, el cual fue debidamente observado y con la toma de tiempos pudimos determinar los datos que se necesitaron para realizar la respectiva tabla para el clculo de frmulas que se utilizaron en el modelo A de canal nico con llegadas de Poisson y tiempos de servicio exponencial.

INVESTIGACIN OPERATIVA II

Pgina 4

MARCO TERICO
El matemtico dans Agner Krarup Erlang, trabajador de la Copenhagen Telephone Exchange, public el primer artculo sobre la teora de colas en 1990. Especficamente se preocup del estudio del problema de dimensionamiento de lneas y centrales de conmutacin telefnica para el servicio de llamadas. La teora de colas es el estudio matemtico del comportamiento de lneas de espera. Esta se presenta, cuando los clientes llegan a un lugar demandando un servicio a un servidor, el cual tiene una cierta capacidad de atencin. Si el servidor no est disponible inmediatamente el cliente decide esperar, entonces se forma la cola. Una cola es una lnea de espera y la teora de colas es una coleccin de modelos matemticos que describen sistemas de lnea de espera particulares o sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los tiempos promedio de la lnea de espera para un sistema dado. Modelo de formacin de colas Se forman debido a un desequilibrio temporal entre la demanda del servicio y la capacidad del sistema para suministrarlo. En las formaciones de colas se habla de clientes, tales como mquinas daadas a la espera de ser rehabilitadas. Los clientes pueden esperar en cola debido a que los medios existentes sean inadecuados para satisfacer la demanda delservicio; en este caso, la cola tiende a ser explosiva, es decir, a ser cada vez ms larga a medida que transcurre el tiempo. Los clientes puede que esperen temporalmente, aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados anteriormente estn siendo atendidos. Objetivos Los objetivos de la teora de colas consisten en:

Identificar el nivel ptimo de capacidad del sistema que minimiza el coste del mismo. Evaluar el impacto que las posibles alternativas de modificacin de la capacidad del sistema tendran en el coste total del mismo. Establecer un balance equilibrado (ptimo) entre las consideraciones cuantitativas de costes y las cualitativas de servicio. Prestar atencin al tiempo de permanencia en el sistema o en la cola de espera.

Elementos existentes en la teora de colas o Proceso bsico de colas: Los clientes que requieren un servicio se generan en una fase de entrada. Estos clientes entran al sistema y se unen a una cola. En determinado momento se selecciona un miembro de la cola, para proporcionarle el servicio, mediante alguna regla
INVESTIGACIN OPERATIVA II Pgina 5

conocida como disciplina de servicio. Luego, se lleva a cabo el servicio requerido por el cliente en un mecanismo de servicio, despus de lo cual el cliente sale del sistema de colas. o Fuente de entrada o poblacin potencial: Una caracterstica de la fuente de entrada es su tamao. El tamao es el nmero total de clientes que pueden requerir servicio en determinado momento. Puede suponerse que el tamao es infinito o finito. o Cliente: Es todo individuo de la poblacin potencial que solicita servicio como por ejemplo una lista de trabajo esperando para imprimirse. o Capacidad de la cola: Es el mximo nmero de clientes que pueden estar haciendo cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. o Disciplina de la cola: La disciplina de la cola se refiere al orden en el que se seleccionan sus miembros para recibir el servicio. Por ejemplo, puede ser: FIFO(first in firstout) primero en entrar, primero en salir, segn la cual se atiende primero al cliente que antes haya llegado. LIFO (last in firstout) tambin conocida como pila que consiste en atender primero al cliente que ha llegado el ltimo. RSS (randomselection of service) que selecciona los clientes de manera aleatoria, de acuerdo a algn procedimiento de prioridad o a algn otro orden. ProcessorSharing sirve a los clientes igualmente. La capacidad de la red se comparte entre los clientes y todos experimentan con eficacia el mismo retraso. o Mecanismo de servicio: El mecanismo de servicio consiste en una o ms instalaciones de servicio, cada una de ellas con uno o ms canales paralelos de servicio, llamados servidores. o Redes de colas. Sistema donde existen varias colas y los trabajos fluyen de una a otra. Por ejemplo: las redes de comunicaciones o los sistemas operativos multitarea. o Cola: Una cola se caracteriza por el nmero mximo de clientes que puede admitir. Las colas pueden ser finitas o infinitas. o El proceso de servicio: Define cmo son atendidos los clientes.

INVESTIGACIN OPERATIVA II

Pgina 6

Estructuras tpicas de las colas

Sistemas de colas: una lnea, un servidor

Sistemas de colas: una lnea, mltiples servidores

Sistemas de colas: modelo bsico

Sistema de colas: varias lneas, mltiples servidores

INVESTIGACIN OPERATIVA II

Pgina 7

Sistema de colas: una lnea, servidores secuenciales

El primer sistema que se muestra en la figura, se llama un sistema de un servidor y una cola. El segundo, una lnea con mltiples servidores. El tercer sistema, aqul en que cada servidor tiene una lnea de separacin. El cuarto sistema, es una lnea con servidores en serie. Este modelo puede aplicarse a trabajos ordenador que esperan tiempo de procesador.

Variedad de los modelos de colas Modelo A:Modelo de canal nico con llegadas de poisson y tiempos de servicio exponencial. Es el modelo mscomn en donde las llegadas forman una cola nica que ser atendida en un puesto nico, los supuestos para este modelo son los siguientes: Las llegadas son atendidos FIFO, independientemente de la longitud de la cola Las llegadas son independientes de las llegadas anteriores, pero el numero medio de las llegadas no cambia Las llegadas responden a una distribucin de poisson y proceden de poblacin infinita Los tiempos de servicio varan de un cliente a otro y son independientes uno de otro, pero se conoce su ritmo medio. Los tiempos de servicio siguen una distribucin de probabilidad exponencial negativa. El ritmo se servicio es mas rpido que el ritmo de llegada.

INVESTIGACIN OPERATIVA II

Pgina 8

Tabla 1. Frmulas para el clculo de canal nico.

Modelo B: Modelo de cola de canales mltiples. Existen dos o ms servidores o canales disponibles para atender a los clientes que llegan. Las condiciones son: Los clientes forman una cola nica y luego pasan al primer servidor disponible ejm: las ventanillas de los bancos. Las llegadas obedecen a una distribucin de poisson. Los tiempos de servicio obedecen a una distribucin exponencial negativa El servicio es del tipo FIFO. Todos los servidores funcionan al mismo ritmo. Otros supuestos expuestos anteriormente.

INVESTIGACIN OPERATIVA II

Pgina 9

Tabla 2. Frmulas de clculo para canales mltiples.

Modelo C: Modelo de tiempo de servicio constante Algunos sistemas de colas tiene tiempos de servicio constante en lugar de seguir una distribucin exponencial, cuando los clientes, piezas, productos, maquinas son procesados siguiendo un ciclo fijo propio del sistema de servicio automtico. Dado que los ritmos de servicios son constantes, los valores para Lq,Wq, Ls y Ws, son siempre menores de lo que serian en el modelo A, que tiene ritmos de servicio variables. Las condiciones en las llegadas son similares que para los casos anteriores, no as para el servicio. Las formulas para averiguar las caractersticas de este modelo vienen dadas por:

INVESTIGACIN OPERATIVA II

Pgina 10

Tabla 3. Frmulas de clculo para el servicio constante.

Modelo D: Modelo de poblacin limitada o finita. Cuando hay una poblacin limitada de clientes o elementos potenciales para las instalaciones de servicios, hay que considerar un modelo diferente de colas. Este modelo se utilizara por ejemplo , si consideramos las reparaciones de equipos o maquinas de una fabrica o taller de servicio de mantenimiento que tiene 5 maquinas , este modelo permite considerar cualquier numero de servidores. Este modelo es diferente a los anteriores debido a que ahora existe una relacin de dependencia entre la longitud de la cola y el ritmo de llegada, por ejemplo si una maquina tuviera 5 maquinas y todas estuvieran averiadas y esperando ser reparadas, el ritmo de llegadas caera en cero. En general por tanto a medida que la cola de espera se alarga en este modelo, el ritmo de llegadas de clientes o maquinas se disminuye. Para resolver este tipo de casos con mayor facilidad, se debe acudir a una notacin distinta de los modelos anteriores y para simplificar se han desarrollado tablas de colas finitas que determinan ciertos trminos probabilidades y factores de eficacia.

INVESTIGACIN OPERATIVA II

Pgina 11

Tabla 4. Formulas par el clculo de poblacin limitada o finita.

A continuacin se presenta una parte de las tablas sobre colas infinitas en la que proporciona los datos para una poblacin N=5. Existen tablas de colas finitas para poblaciones de hasta 250 unidades. Para trazar una lnea divisoria entre lo que se considera como poblacin finita e infinita, aunque no hay nada definido, la convencin general es la siguiente. Si el nmero de la cola es una proporcin significativa de la poblacin de llegada, se utiliza un modelo de la cola de poblacin limitada.

INVESTIGACIN OPERATIVA II

Pgina 12

Tabla 5. Tabla colas finitas par una poblacin N=5.

INVESTIGACIN OPERATIVA II

Pgina 13

Para realizar este trabajo de teora de colas se seleccion el modelo A: Modelo de canal nico con llegadas de Poisson y tiempos de servicio exponencial, ya que nuestro ejemplo esta compuesto por un servidor que es el redondel y un canal que es la cola de vehculos, para lo cual tuvimos que observar el sistema en funcionamiento y con la ayuda de un cronometro tomamos los tiempos de numero de llegadas por periodo de tiempo y el nmero de vehculos atendidos por periodo de tiempo, los mismos que fueron recolectados en un registro.

ANLISIS Y CLCULO DE DATOS Modelo de canal nico con llegadas de Poisson y tiempo de servicio exponencial aplicado a: Demanda baja. 1. Nmero medio de llegadas por periodo de tiempo (vehculos por minuto).
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio 7 5 11 7 4 6 40 6,7

2. Nmero medio de vehculos atendidos por periodo de tiempo (vehculos por minuto).
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio 7 5 11 7 4 6 40 6,7

El valor de es igual al valorde, lo que nos indica que el factor de utilizacin (>1) de manera que el sistema se encuentra sobre congestionado la mayor parte del tiempo.
INVESTIGACIN OPERATIVA II Pgina 14

3. Nmero medio de vehculos en el Sistema Ls = Ls = (

)

4. Tiempo medio que un vehculo pasa en el Sistema Ws= 1 / (- ) Ws = 5. Nmero medio de vehculos esperando en el Sistema Lq = 2 / [. (- )] Lq =
( ( ) )

6. Tiempo medio que un vehculo espera en la cola Wq= / [. (- )] Wq =

( )

7. Factor de utilizacin para el sistema

8. Probabilidad de 0 vehculos en el sistema

INVESTIGACIN OPERATIVA II

Pgina 15

La probabilidad de que haya cero vehculos en el sistema es igual a cero, lo que quiere decir que siempre habr por lo menos un vehculo en espera. 9. Probabilidad de ms de k vehculos en el Sistema ( )
Pn>k= (/)^(k+1) 1 1 1 1 1 1

k 0 1 2 3 4 5

Todos los clculos nos dan como resultado divisin para cero o indeterminado, esto sucede por la baja capacidad del servidor. Modelo de canal nico con llegadas de Poisson y tiempo de servicio exponencial aplicado a: Demanda media 1. Nmero medio de llegadas por periodo de tiempo (vehculos por minuto)
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio 12 8 8 9 9 10 56 9,3

INVESTIGACIN OPERATIVA II

Pgina 16

2. Nmero medio de vehculos atendidos por periodo de tiempo (vehculos por minuto)
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio 11 9 8 9 4 12 53 8,8

El valor de es menor al valorde, e igual que en el caso anterior que nos indica que el factor de utilizacin (> 1) de manera que el sistema se encuentra sobre congestionado la mayor parte del tiempo. 3. Nmero medio de vehculos en el Sistema Ls = Ls = (
)

4. Tiempo medio que un vehculo pasa en el Sistema Ws= 1 / (- ) Ws = 5. Nmero medio de vehculos esperando en el Sistema Lq = 2 / [. (- )] Lq =
( ( ) )

6. Tiempo medio que un vehculo espera en la cola Wq= / [. (- )] Wq =

( )

INVESTIGACIN OPERATIVA II

Pgina 17

7. Factor de utilizacin para el sistema

8. Probabilidad de 0 vehculos en el sistema

9. Probabilidad de ms de k vehculos en el Sistema

k 0 1 2 3 4 5 Pn>k= (/)^(k+1) 1,06 1,12 1,19 1,26 1,34 1,42

Los resultados obtenidos en los clculos son negativos como resultado de la baja capacidad del servidor. Modelo de canal nico con llegadas de Poisson y tiempo de servicio exponencial aplicado a: Demanda alta. 1. Nmero medio de llegadas por periodo de tiempo (vehculos por minuto).
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio INVESTIGACIN OPERATIVA II 12 16 9 13 10 7 67 11,2 Pgina 18

2. Nmero medio de vehculos atendidos por periodo de tiempo (vehculos por minuto).
N 1 2 3 4 5 6 t (min) 1 1 1 1 1 1 Total Promedio 10 16 11 8 12 8 65 10,8

El valor de es menor al valor de, e igual que en los casos anteriores esto nos indica que el factor de utilizacin (> 1) de manera que el sistema se encuentra sobre congestionado la mayor parte del tiempo. 3. Nmero medio de vehculos en el Sistema Ls = Ls = (
)

4. Tiempo medio que un vehculo pasa en el Sistema Ws= 1 / (- ) Ws = 5. Nmero medio de vehculos esperando en el Sistema Lq = 2 / [. (- )] Lq =
( ( ) )

6. Tiempo medio que un vehculo espera en la cola Wq= / [. (- )]

INVESTIGACIN OPERATIVA II Pgina 19

Wq =

7. Factor de utilizacin para el sistema

8. Probabilidad de 0 vehculos en el sistema

9. Probabilidad de ms de k vehculos en el Sistema

k 0 1 2 3 4 5 Pn>k= (/)^(k+1) 1,03 1,06 1,09 1,13 1,16 1,19

De igual manera que en el caso de Demanda media los resultados obtenidos en los clculos son negativos como consecuencia de la baja capacidad del servidor.

INVESTIGACIN OPERATIVA II

Pgina 20

CONCLUSIONES Los resultados que se obtuvieron: para el primer caso = , para el segundo y tercer caso > , nos indican que la capacidad del servidor es muy baja, es decir que el ritmo de servicio del redondel a las vehculos es ms lento que el ritmo de llegada de los vehculos al redondel.
Los resultados que arrojan las diferentes frmulas sobre las medidas de desempeo de la lnea de espera son valores cuantitativos que nos permiten evaluar el tipo de servicio, el mismo que no es adecuado como consecuencia de la baja capacidad del servidor pues en el sistema se maneja una tasa mayor a la que el servidor puede atender.

El valor de > 1, nos muestra que en el sistema hay una saturacin por lo que el estado del sistema no es estable, esta inestabilidad no nos permite evaluar adecuadamente el rendimiento del sistema.

INVESTIGACIN OPERATIVA II

Pgina 21

BIBLIOGRAFA

www.investigacin-operaciones.com/Teoria_colas es.Wikipedia.org/wiki. Modelos De Colas de Espera. REINOSO, Marco Gua didctica de Investigacin Operativa 2 EPPEN, G, Investigacin de operaciones, Pearson Educacin, Quinta Edicin, Mxico, 2000

INVESTIGACIN OPERATIVA II

Pgina 22