TEMA 3

LOS FENOMENOS DE CONGESTIN

Prof. Antonio Olmedo Narbona
Dpto. Economa y Administracin de Empresas
1
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Contenidos
TEORA DE COLAS
Introduccin
Estructura bsica de una cola
Sistemas de colas
Notacin Kendall
Modelos de colas
Anlisis econmico de las colas

MODELO GENERALIZADO
Modelo generalizado
Ecuacin de Little, medidas del rendimiento

TAXONOMIA
Modelo bsico
Modelos de colas con un servidor (M/M/1, M/G/1,M/D/1)
Modelos de colas con s servidores (M/M/S,MG/S)

2
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S
Las colas
Todos hemos experimentado en alguna ocasin la sensacin de
estar perdiendo el tiempo al esperar en una cola. El fenmeno de
las colas nos parece natural: esperamos en el coche al estar en un
tapn, o un semforo mal regulado, o en un peaje; esperamos en el
telfono a que nos atienda un operador y en la cola de un
supermercado para pagar....
La respuesta es casi siempre simple, en algn momento la
capacidad de servicio ha sido (o es) menor que la capacidad
demandada.
Generalmente esta limitacin se puede eliminar invirtiendo en
elementos que aumenten la capacidad. En estos casos la pregunta
es: Compensa invertir?

La teora de colas intenta responder a estas preguntas utilizando
anlisis matemticos detallados
3
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S
Las colas
Las colas de espera estn presentes en todas partes:
En un banco
Cajas en un supermercado
Gasolineras
N de gras de descarga en un puerto.
Aeropuertos
Semforos.
Sistema de mantenimiento.
Sistemas de transmisin de datos
4
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Las colas
En general, a nadie le gusta esperar
No siempre quienes esperan servicios son nicamente
personas, sino actividades productivas, mquinas,
equipo, etc
Cuando la paciencia llega a su lmite, la gente se va a
otro lugar
Sin embargo, un servicio muy rpido tendra un costo
muy elevado
Es necesario encontrar un balance adecuado


5
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S
Teora de colas
La teora de colas es un conjunto de modelos
matemticos que describen sistemas de colas
particulares
El estudio de colas determina las medidas del
funcionamiento de una situacin de colas, incluyendo el
tiempo de espera y la longitud promedio, entre otras
El objetivo es encontrar el estado estable del sistema y
determinar una capacidad de servicio apropiada

6
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S
Teora de colas
Existen muchos sistemas de colas distintos
Algunos modelos son muy especiales
Otros se ajustan a modelos ms generales
Se estudiarn ahora algunos modelos comunes
Otros se pueden tratar a travs de la simulacin
7
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Los clientes que requieren un servicio se
generan a lo largo del tiempo en una fuente
de entrada

Estos clientes entran al sistema y con ellos se
forma una cola

En determinado momento, se selecciona un
miembro de la cola para darle servicio,
mediante alguna regla conocida como
disciplina de cola

Se proporciona al cliente seleccionado el
servicio mediante el mecanismo del mismo

El cliente servido sale del sistema
Fuente de
entrada
Cola
Mecanismo
de servicio
Servidor
Clientes
S
I
S
T
E
M
A

D
E

C
O
L
A
S

Clientes
servidos
8
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Llegadas
Sistema de colas
Cola Servicio
Disciplina
de la cola
Salidas
9
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Los clientes, usuarios o llegadas pueden ser:
Personas
Automviles
Mquinas que requieren reparacin
Documentos
Cualquier artculo entre muchos tipos de artculos
..
10
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas: fuente de
entrada
Su principal caracterstica es su tamao, es decir, el
nmero total de clientes que podra solicitar servicio. A
estos se les llama poblacin de entrada
La poblacin de entrada puede ser finita o infinita
La llegada de clientes se representa por el tiempo entre
llegadas y es de carcter probabilstica
Generalmente, la suposicin de que la poblacin es
infinita facilita algunos clculos
Hay que tener en cuenta el patrn estadstico mediante
el cual se generan los clientes en el tiempo, es decir el
n de llegadas en un periodo
11
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas: llegadas



En situaciones de cola habituales, la llegada es estocstica, es decir
la llegada depende de una cierta variable aleatoria, en este caso es
necesario conocer la distribucin probabilstica entre dos llegadas de
cliente sucesivas. Adems habra que tener en cuenta si los clientes
llegan independiente o simultneamente. En este segundo caso (es
decir, si llegan lotes) habra que definir la distribucin probabilstica de
stos.

Tambin es posible que los clientes sean impacientes. Es decir, que
lleguen a la cola y si es demasiado larga se vayan, o que tras esperar
mucho rato en la cola decidan abandonar.

Por ltimo es posible que el patrn de llegada vare con el tiempo. Si
se mantiene constante le llamamos estacionario, si por ejemplo vara
con las horas del da es no-estacionario.
12
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas: llegadas
Al tiempo que transcurre entre dos llegadas consecutivas
se le denomina tiempo entre llegadas
Los tiempos de llegada entre los clientes se distribuyen
de manera exponencial

Se define como (distribucin exponencial)
= Nmero de llegadas por unidad de tiempo (tasa)
Esta suposicin supone que los tiempos de llegada son
completamente aleatorios, lo que implica olvido.
La distribucin exponencial supone una mayor
probabilidad para tiempos entre llegadas pequeos


0 , ) ( >

= t
t
e t f

13
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Las llegadas
Media Tiempo
0
P(t)
Distribucin exponencial
Tiempo de llegadas entre clientes
14
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Las llegadas
DISTRIBUCIN EXPONENCIAL


Adems es necesario estimar la distribucin de probabilidad de los
tiempos entre llegadas
La forma algebraica de la distribucin exponencial es:





Donde t representa una cantidad expresada en unidades de tiempo
(horas, minutos, etc.) y
la tasa de llegadas (usuarios/tiempo)

t
t t
e t servicio de tiempo P
e dt P

= s
= s
}
1 ) (
| e t) servicio de tiempo (
0
t
0
t -
0 , ) ( >

= t
t
e t f

15
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Las llegadas
Distribucin de Poisson

Cuando el tiempo entre llegadas tiene una distribucin exponencial,
el nmero de llegadas en un periodo tiene una distribucin de
Poisson

Es una distribucin discreta empleada con mucha frecuencia para
describir el patrn de las llegadas a un sistema de colas

Para tasas medias de llegadas pequeas es asimtrica y se hace
ms simtrica y se aproxima a la binomial para tasas de llegadas
altas

16
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Sistemas de colas: llegadas
Distribucin de Poisson
Su forma algebraica es (con media t llegadas durante t) :




Donde:
P(t) : probabilidad de k llegadas por unidad de tiempo
: tasa media de llegadas
e = 2,7182818
El tiempo entre llegadas se define como la probabilidad de que no llegue
ningn cliente

!
) (
) (
n
e t
t P
t n
n

=
Llegadas por unidad de tiempo
0
P
Es una distribucin discreta empleada con mucha frecuencia
para describir el patrn de las llegadas a un sistema de colas
t
o
e t P

= ) (
17
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Propiedades del patrn de llegadas o servicio
Poisson-Exponencial
El uso de este patrn de llegada (o de servicio) tiene, entre otras las
siguientes propiedades:

P1 El nmero de llegadas en intervalos de tiempo no superpuestos es
estadsticamente independiente

P2 La probabilidad de que una llegada ocurra entre el tiempo t y t+t
es t+o(t), donde es la tasa de llegada y o(t) cumple

P3 La distribucin estadstica del nmero de llegadas en intervalos de
tiempo iguales es estadsticamente equivalente



18
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Propiedades del patrn de llegadas o servicio
Poisson-Exponencial
P4 Si el nmero de llegadas sigue una distribucin de Poisson el
tiempo entre llegadas sigue una distribucin exponencial de media
(1/) y al contrario

P5 Si el proceso de llegada es Poisson, los tiempos de llegada son
completamente aleatorios con una funcin de probabilidad
uniforme sobre el periodo analizado.

P6 Para conocer los datos que definen un proceso de Poisson solo es
necesario conocer el nmero medio de llegadas

P7 Amnesia de la Distribucin exponencial: La probabilidad de que
falten t unidades para que llegue el siguiente cliente es
independiente de cuanto tiempo llevamos sin que llegue ningn
cliente.
19
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Las llegadas
El tiempo que transcurre entre dos llegadas sucesivas
en el sistema de colas se llama tiempo entre llegadas
El tiempo entre llegadas tiende a ser muy variable
El nmero esperado de llegadas por unidad de tiempo
se llama tasa media de llegadas ()
El tiempo esperado entre llegadas es 1/
Por ejemplo, si la tasa media de llegadas es = 20
clientes por hora
Entonces el tiempo esperado entre llegadas es 1/ =
1/20 = 0.05 horas o 3 minutos

22
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Fuente de entrada (revisin)
La suposicin usual es que esto ocurre mediante un proceso Poisson, es
decir, el nmero de clientes que llega hasta un determinado momento tiene
una distribucin Poisson

Esta suposicin corresponde con la situacin en que las llegadas ocurren de
manera aleatoria, pero con una tasa media fija y sin importar cuntos clientes
ya estn ah (lo cual equivale a suponer que el tamao de la fuente de
entrada es infinito)

Tambin debe especificarse cualquier supuesto inusual sobre el
comportamiento de los clientes, por ejemplo, si s pierden clientes cuando la
fila es muy larga

23
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
La cola
Es el lugar donde los clientes esperan antes de recibir el servicio

Puede ser de longitud finita o infinita, generalmente se supone esto ltimo

Si cuando el cliente llega no hay nadie en la cola, pasa de una vez a recibir
el servicio, si no, se une a la cola

La cola no incluye a quien est recibiendo el servicio

Tiempo de espera. Tiempo transcurrido desde que el cliente entra en el
sistema hasta que empieza recibir los servicios (W
q
)




24
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
La cola
El nmero de clientes en la cola es el nmero de clientes
que esperan el servicio (L
q
)

El nmero de clientes en el sistema es el nmero de
clientes que esperan en la cola ms el nmero de clientes
que actualmente reciben el servicio (L
s
= L
q
+N)

La capacidad de la cola es el nmero mximo de clientes
que pueden estar en la cola


25
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
Disciplina de cola
Se refiere al mtodo por el cual se seleccionan los
miembros de la cola para darle servicio
Primero en entrar, primero en salir (first in, first out;
FIFO) (first come, first served; FCFS) (PEPS)
ltimo en entrar, primero en salir (last in, first out;
LIFO) (last come, first served; LCFS)
Reparto equitativo entre todas las tareas (round
robin; RR)
Por jerarqua o prioridad

26
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
El servicio
El servicio puede ser brindado por un servidor o por
servidores mltiples
El tiempo de servicio vara de cliente a cliente
El tiempo esperado de servicio (W
s
) depende de la tasa
media de servicio ()
Es necesario seleccionar una distribucin de
probabilidad para los tiempos de servicio
Hay dos distribuciones que representaran puntos
extremos:
La distribucin exponencial (o=media)
Tiempos de servicio constantes (o=0)


27
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
El servicio
Es necesario seleccionar una distribucin de probabilidad
para los tiempos de servicio
Hay otras distribuciones que representaran puntos
intermedios:
La distribucin exponencial (o=media)
Tiempos de servicio constantes (o=0)
Una distribucin intermedia es la distribucin Erlang.
Esta distribucin posee un parmetro de forma k que
determina su desviacin estndar:


media
k
1
= o
28
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estructura bsica de los modelos de colas
El servicio
Si k = 1, entonces la distribucin Erlang es igual a la
exponencial
Si k = , entonces la distribucin Erlang es igual a la
distribucin degenerada con tiempos constantes
La forma de la distribucin Erlang vara de acuerdo con k


Tasa media de servicio (p.ejemplo 25 clientes por hora)
El tiempo esperado de servicio equivale a 1/
Entonces el tiempo esperado de servicio es 1/ = 1/25 =
0.04 horas, o 2.4 minutos

29
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Media Tiempo
0
P(t)
k =
k =1
k =2
k =8
Distribucin Desviacin
estndar
Constante 0
Erlang, k = 1 media
Erlang, k = 2
Erlang, k = 4 1/2 media
Erlang, k = 8
Erlang, k = 16 1/4 media
Erlang, cualquier k
Estructura bsica de los modelos de colas
El servicio Distribucin de Erlang
media
k
1
= o
30
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Sistemas de colas: una lnea, un servidor
Llegadas
Sistema de colas
Cola Servidor
Salidas
31
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Sistemas de colas : una lnea, mltiples servidores
Llegadas
Sistema de colas
Cola
Servidor
Salidas
Servidor
Servidor
Salidas
Salidas
32
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Sistemas de colas : varias lneas, mltiples servidores
Llegadas
Sistema de colas
Cola
Servidor
Salidas
Servidor
Servidor
Salidas
Salidas
Cola
Cola
33
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Sistemas de colas : una lnea, servidores secuenciales
Llegadas
Sistema de colas
Cola
Servidor
Salidas
Cola
Servidor
34
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Notacin Kendall
La notacin utilizada para describir las caractersticas de
un sistema de colas es la propuesta por David G.
Kendall, a mediados del s. XX:
(A/B/c):(d/e/f)
A = Distribucin de los tiempos de llegada
B = Distribucin de los tiempos de servicio
c = Nmero de servidores
d = Disciplina de la cola
LIFO = ltima entrada, primera salida.
FIFO = Primera entrada, primera salida.
SIRO = Servicio aleatorio.
URG = Orden en funcin de la urgencia de ser atendido.
DG = Disciplina general.
NPRP : Disciplina de no prioridad.
PRP : Disciplina de prioridad.

CONTINUA..
35
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Notacin Kendall
(A/B/c):(d/e/f)
e = Nmero mximo de clientes permitido en el sistema
f = Tamao de la fuente

Los valores comunes para A y B son:
M = Distribucin exponencial entre llegadas (de Poisson).
D = Tiempo entre llegadas determinista o constante.
E
k
= Distribucin de Erlang o gamma de la distribucin de tiempo
entre llegadas.
G = Distribucin de salidas general ( tiempo de servicio).
GI = Distribucin de llegadas general independiente( tiempo
entre llegadas).

36
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Notacin Kendall
Cuando se omiten (d/e/f)
(A/B/c):(d/e/f)
A = Distribucin de los tiempos de llegada
B = Distribucin de los tiempos de servicio
c = Nmero de servidores
d = Disciplina de la cola FIFO o G
e = Nmero mximo de clientes permitido en el
sistema: Infinito ()
f = Tamao de la fuente: Infinito ()

Ejemplo
Un sistema M / M / 1 indica un sistema con tiempos
de llegada Markovianos (exponenciales) que tiene un
nico servidor
Es el modelo de cola ms simple
37
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Notacin Kendall
Ejemplos

La cola de un multicine en el que existen varias ventanillas para
adquirir el ticket. (M , M, s)(FIFO , N , )

Una clnica dental en la que solo hay un dentista y un nmero N
limitado de sillas en la sala de espera. (M ,M , 1)(PRP , N , )

La eleccin de productos en un supermercado ,donde se pueden
elegir los productos sin esperar ninguna cola.(M , M, )(DG , , )

Una compaa de alquiler de automviles en el que se tienen 5
servidores y mucho tiempo de espera, ya que existe mucha
demanda. Pero esta compaa no puede hacer frente a una inversin
para poner ms servidores y toma la decisin de confeccionar una
lista con un nmero de clientes a los que pueden ofrecer su servicio
en una jornada. (D , D, 5)(DG , N , )
38
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Estado del sistema de colas
Estado del sistema, el nmero de clientes presentes en
el sistemas.
En principio el sistema est en un estado inicial
Se supone que el sistema de colas llega a una
condicin de estado estable (nivel de operacin)
Existen otras condiciones anormales (horas pico, etc.)
Lo que interesa es el estado estable
Llegada de clientes
Transitorio Estable
T
i
e
m
p
o

d
e

e
s
p
e
r
a

39
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo generalizado de colas
0 1 2
n-1 n n+1
Las llegadas y salidas con base en Poisson -> los tiempos entre llegadas y
de servicio siguen una distribucin exponencial.

El modelo generalizado supone que las tasas de llegadas y salida son
dependientes del estado -> dependen del n de usuarios en las instalaciones

n = Nmero de usuarios en el sistema (cola+servicio)

n
= Tasa de llegada de usuarios dado n en el sistema

n
= Tasa de salida de usuarios dados n en el sistema
p
n
= Probabilidad de estado estable de n clientes en el sistemas

n-1

n

0

1

n+1

n

1

40
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo generalizado de colas
0 1 2
n-1 n n+1
En condiciones estables, para n>0, las tasas esperadas de flujo de entrada y salida de
un estado n deben ser iguales, n puede cambiar a n-1 o n+1
Tasa esperada de flujo de
entrada hacia el estado n
=
n-1
p
n-1
+
n+1
p
n+1

Tasa esperada de flujo de
salida en el estado n
= (
n
+
n
)p
n

para n=0 ->
0
p
0
=
1
p
1
;
0
1
0
1
p p
|
|
.
|

\
|
=

n-1
p
n-1
+
n+1
p
n+1
= (
n
+
n
)p
n
; n=1,2,..


para n=1 ;
0
p
0
+
2
p
2
= (
1
+
1
)p
n
; sustituimos p
1
y simplificamos


0
1
0
2
2
1
p p
|
|
|
.
|

\
|
=

,.. 2 , 1 ;
1
1
2 1
0
1
0
1
0
...
...
=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
[
=
n p
i
i
p
n n
n n
p
n
n
n

=
=
0 n
1 por determina se
p p
n 0

n-1

n

0

1

n+1

n

1

41
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

0 1 2
n-1 n n+1
Calculamos ahora el valor de p
0


=
= +
=
=
1 n
1
0 n
1 por determina se
p p p p
n 0 n 0

n-1

n

0

1

n+1

n

1

1
1
0
1
0
1
1
1
1
1 1
1

=
=
(
(
(
(

=
|
|
|
|
.
|

\
|
|
|
|
|
.
|

\
|

+ =
(
(
(
(

=
|
|
|
|
.
|

\
|
|
|
|
|
.
|

\
|

+ =
|
|
|
|
.
|

\
|
|
|
|
|
.
|

\
|

+
[
[
= [
1 n
; comn factor Sacando
1 n

p
p 1 p
0
0
1 n
0
n
n
n
n
n
n
i
i
p
i
i
p
i
i

42
Modelo generalizado de colas
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Factor de utilizacin del sistema
Dada la tasa media de llegadas y la tasa media de
servicio , se define el factor de utilizacin del sistema .

Se requiere que < 1

Su frmula, con un servidor y con s servidores,
respectivamente, es:

s
= =
43
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Anlisis econmico de un sistema de colas
La utilizacin de un servidor supone un coste.

Cuando el nmero de servidores es pequeo respecto al
nmero de clientes que se atienden, la ocupacin de los
servidores es mayor y, por lo tanto, se obtiene una mayor
rentabilidad. Podramos concluir entonces que cuantos menos
servidores mejor.

Si hay pocos servidores, los clientes tendrn que esperar ms
tiempo. El coste de espera generalmente lo asume el cliente,
pero se asocia con calidad de servicio. Es frecuente que si la
espera excede en una cantidad de tiempo determinada muchos
clientes se pierdan. As pues, hay que buscar un equilibrio entre
ocupacin del servidor y tiempo de espera del cliente.
44
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Anlisis econmico de un sistema de colas
Coste
Tasa de servicio
Tasa ptima de servicio
Coste de espera
Coste del servicio
Coste total
La calidad del servicio se refleja en el coste de espera del cliente. Cuanto menor
sea ste mejor ser la calidad. El nmero de servidores es el coste del servicio.
Mientras que ste es un coste para el proveedor del servicio, el coste de espera
repercute en quien lo recibe. Lo que se pretende encontrar es el nivel de servicio que
minimice el coste total. En este coste total se incluye tanto el coste de espera como el
coste de servicio
45
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Anlisis econmico de un sistema de colas
1. Coste de espera: Es el coste para el cliente al esperar
Representa el costo de oportunidad del tiempo
perdido
Un sistema con un bajo costo de espera es una
fuente importante de competitividad

2. Coste de servicio: Es el coste de operacin del servicio
brindado
Es ms fcil de estimar
El objetivo de un sistema de colas es encontrar el
sistema del costo total mnimo


46
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelos de una cola y un servidor
M/M/1: Un servidor con llegadas de Poisson y tiempos de
servicio exponenciales

M/G/1: Un servidor con tiempos entre llegadas
exponenciales y una distribucin general de tiempos de
servicio
M/D/1: Un servidor con tiempos entre llegadas
exponenciales y una distribucin determinista de tiempos
de servicio

47
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

MODELO BSICO
M/M/1/FIFO//
0 y ; do consideran ,.. 2 , 1 ;
1
1
2 1
0 i i 0
1
0
1
0
...
...
= = = =
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
[
=

n p
i
i
p
n n
n n
p
n
i
n
llamamos ; ..... ;
2
2
;
0 0 2 0 1

=
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
= p
n
n
p p p p p
n
1 0 para ) 1 (
1
1 1
1
1
do sustituyen 1
1
1
1 .... ; por ndo multiplica .... 1
1 ....) 1 (
0 n
1
0
1
0 0 0
3 2 3 2
3 2
0
n
p
< s =
|
|
|
.
|

\
|

=
= =

= = + + + = + + + + =
= + + + +
=
=
[

n
n
n
i
n
p p
p p p
p
i
i
S
S S S S S
p
La suma de las probabilidades de que el
sistema est en cualquier estado posible es
1
48
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

MODELO BSICO
M/M/1/FIFO//
sistema el en clientes de medio n el es este

valor con para infinita serie una es

P
P
servicio) ( cola sistema el en clientes de medio n del
n
n

= =

= + + + + s
+ + + =
+ + + = =
= = =
= =
+

=
1
) 1 (
) 1 ( ' ) 1 (
) 1 (
'
1
) 1 ( '
1
' '
1
.. 1
....; 3 2 '
) 1 ( ) 1 (
) 1 ( ) 1 (
2
2
4 3 2
4
3 2
1
1 1 1
0
3 2
S L
S S S S
S' S'
n S
n n n L
P
L Clculo
s
n
n
n
n n
n n
s
n
s
L
s
Valor el nmero de clientes
presentes en cada estado posible por la
probalibidad de que el sistema est en ese
estado
49
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

MODELO BSICO
M/M/1/FIFO//

=
= =
= =
=
= =
=

=
1 1
) 1 (
1 1 1
Re
) 1 (
) 1 (
1
0
;
2
0
1
1 1 1
do sustituyen que

P do sustituyen P j
P P 1 es sistema del posibles estados los todos de ades probabilid las de
P P j P 1) - ( j 1) - ( j habr entonces clientes, j hay Si
esperando cliente un hay solo
servicio recibido ha no an que sistema el en presentes que clientes de medio nmero el es
cola la en esperando clientes de medio n del
o j
1 j
o j
j j j
q
q
s
q s
j
j j j
q
q
q
L L cordemos
L L P Si
L L L
La
L
L Si
L Clculo
50
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

FORMULA DE LITTEL
RELACION ENTRE LONGITUD ESPERADA DE LA COLA Y EL
TIEMPO MEDIO DE ESPERA
Ejemplo 1. Por razones vinculadas con el control de calidad, se necesita
saber la cantidad L de personas que en un instante determinado del da
estn transitando sobre cierta escalera mecnica. Para plantear la cuestin
de la manera ms sencilla posible, vamos a suponer en primer trmino que
el flujo de personas que llega a su boca de entrada es constante durante un
largo perodo de tiempo: por ejemplo, durante una hora. Adems,
aceptaremos que una vez en la escalera, los pasajeros no caminarn sobre
la misma, tal como lo sugieren las normas de seguridad para este tipo de
transporte. As expuesto, el problema se resuelve con sencillez.

En efecto, basta con determinar la cantidad de personas que llegan a la
boca de la escalera por segundo, a la que denominamos tasa de llegada
(), y considerar adems la cantidad de segundos W que tarda un escaln
desde la boca de entrada hasta la boca de salida. Las tres cantidades
estarn ligadas de manera exacta mediante la ecuacin siguiente: L =W :
(L
q
= W
q
y L
s
= W
s
)



Si entran cuatro personas por segundo (= 4) y cada una permanece 40
segundos en la escalera (T = 40) entonces, en cualquier instante, habr W
= 160 personas en la escalera.
51
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

MODELO BSICO
M/M/1/FIFO//
) 1 (
1
W
1
W W
) 1 (
1
W L
W L
1
1
que Re
espera de medio tiempo el y cola de esperada Longitud entre Relacin
W L Little de flujo de Ecuacin
q q
s s
q q
2

= = + =

= = =
=

=
=
=
s s
s
s
q
s
W
L
W
L
L cordemos
servicio el en empleado medio tiempo es
52
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

MODELO BSICO
M/M/1/FIFO//
Factor de utilizacin del sistema o trfico = /

Nmero esperado de clientes en el sistema
S
S
W L
1

=
Nmero esperado de clientes en la cola

Tiempo esperado de espera en el sistema


1 1
) 1 (
1
+ =

= Wq WS
Tiempo esperado de espera en la cola
) ( ) 1 (

= q W
Probabilidad de que no haya ningn elemento en el sistema

= = 1 1 0 P
Probabilidad de que haya n elementos en el sistema
n n
n
n P P
|
|
.
|

\
|
|
|
.
|

\
|
=
|
|
.
|

\
|
= =

1 ) 1 ( 0
Wq L
q

) ( 1
2 2

=
53
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Ejemplo 1
Supongamos una gasolinera 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
Calcular las medidas del rendimiento la cola

54
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Ejemplo 1
Modelo M/M/1/DG//
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
clientes W L
clientes W L
W W
W
q q
s s
q s
q
25 . 2 3 75 . 0 cola la en clientes de N
3 4 75 . 0 sistema el en clientes de N
min 4
1
1
3
1
sistema el en espera de Tiempo
min 3 cola la en espera de Tiempo
= = =
= = =
= + = + =
=

55
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Ejemplo2
Una sucursal bancaria tiene una persona atendiendo al
pblico, un cajero. Llegan 15 clientes a la hora siguiendo
una distribucin de Poisson . El tiempo medio que tarda
cada cliente en la ventanilla son 3 minutos siguiendo
una distribucin exponencial. Al director le interesa
saber los siguiente:
N medio de clientes esperando
N medio de clientes presentes en la sucursal
Tiempo de espera del cliente para ser atendido
Tiempo que pasa el cliente en la sucursal
Cunto tiempo dispone el cajero para realizar otras
tareas.
56
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Ejemplo 2
Modelo M/M/1/DG//
es 15 clientes/hora
es 1/3 minuto x 60 minutos = 20 clientes/hora
= / = 15/20 = 0.75
N de clientes esperado en la cola

N de clientes en la sucursal

Tiempo que espera el cliente para ser atendido


Tiempo medio que pasa el cliente en la sucursal


Tiempo libre del cajero

25 . 2
75 . 0 1
75 . 0
1
2 2
=

q
L
3
75 . 0 1
75 . 0
1
=

S
L
(9minutos) 15 . 0
15
25 . 2
horas
L
Wq Wq L
q
q
= = = =

minutos) (12 2 . 0
15
3
horas
L
Ws Ws L
s
s
= = = =

libre tiempo % 25 25 . 0 75 . 0 1 1 0 = = = P
57
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Probabilidades como medidas del desempeo
Beneficios:
Permiten evaluar escenarios
Permite establecer metas
Notacin:
P
n
: probabilidad de tener n clientes en el sistema
P(W
s
>t) : probabilidad de clientes espere en el
sistema ms de un tiempo t
{ }
t
t
s
s
dt t W P
W
) 1 (
0
e
) 1 (
1
1
) 1 (
1




=

= >

=
}
58
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
Formulario
1 , 0
) (
) (
) (
) 1 ( ) 1 (
) (
1
:
) (
:
) 1 (
) 1 (
1
0
2
< >
= >
= >
= >
= =

=

=


+

t
e t W P P
e t W P P
n L P P
P P
W W Tiempos
L L Tamaos
t
q
t
s
n
s
n
n
q s
q s
cola la en t tiempo un de mas espera cliente un que de d robabilida
sistema el en t tiempo un de ms espera cliente un que de d robabilida
elementos n de ms haya sistemas el en que de d robabilida



59
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
Ejemplo 3
Un tren de lavado automtico puede atender un automvil
cada 10 minutos y la tasa media de llegadas es de 4
automviles por hora. Los coches que llegan se pueden
estacionar en la calle
El gerente quiere disear un estacionamiento. Para ello
desea que un coche que llega encuentre espacio al
menos el 90% de las veces.

60
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
ejemplo 3

p
1- p
expresin la usando
0.91221 5 n y 0.86831 4 n que observamos , n para acumulados valores los Calculando
sistema el en coches n hay si ocasiones de 90% el en espacio encuentra coche Un
sistema el en 1 n es espacios tener iento estacionam de espacios los son

0
0
n
n
n
n
n
q s
q s
p
p
p p p p
n n
hrs W hrs W
clientes L clientes L
estable Sistema

.
) 1 (
9 . 0 .........
min 8 . 19 33 . 0
) (
min 30 50 . 0
1
33 . 1
) (
2
66 . 0
6
4
, 6
10
60
, 4
2 1 0
2
=

=
=

= =
> + + +
+
= =

= = =

=
=

= =

=
= = = = =
n Pn Pn Aculumulado
1 0,22222 0,55556
2 0,14815 0,70370
3 0,09877 0,80247
4 0,06584 0,86831
5 0,04390 0,91221
6 0,02926 0,94147
7 0,01951 0,96098
8 0,01301 0,97399
9 0,00867 0,98266
10 0,00578 0,98844
11 0,00385 0,99229
61
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
ejemplo 3
coches 5 para espacio logaritmos tomando

ndo simplifica
( 1-
1-
1-
truncada geometrica serie Suma
) ( 1 ( 1-
te directamen Calculando
sistema el en coches n hay si ocasiones de 90% el en espacio encuentra coche Un
sistema el en 1 n es espacios n tener iento estacionam de espacios los son n

: te directamen ndo desarrolla ejercicio, anterior el r desarrolla podra se Tambin
1 n
1 n
1 n
2
= >
s
>

> + + + +
)
`

=
> + + +
> + + +
+
= =

= = =

=
=

= =

=
= = = = =
+
+
+
679 . 4 1
667 . 0 ln
1 . 0 ln
1 . 0
9 . 0 )
9 . 0 ) ...
) 1 (
9 . 0 .........
9 . 0 .........
min 8 . 19 33 . 0
) (
min 30 50 . 0
1
33 . 1
) (
2
66 . 0
6
4
, 6
10
60
, 4
2 1 0
2 1 0
2
n
p
p p p p
p p p p
hrs W hrs W
clientes L clientes L
estable Sistema
n
n
n
n
n
q s
q s

62
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
ejemplo 4
Un tren de lavado automtico puede atender un automvil
cada 5 minutos y la tasa media de llegadas es de 9
automviles por hora
a. Obtenga las medidas de desempeo de acuerdo con el
modelo M/M/1
b. Adems la probabilidad de tener 0 clientes en el sistema,
la probabilidad de tener una cola de ms de 3 clientes y
la probabilidad de esperar ms de 30 min. en la cola y en
el sistema
63
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1
ejemplo 4
17 . 0 ) 60 / 30 (
22 . 0 ) 60 / 30 ( )
32 . 0 ) 3 ( )
25 . 0 ) 1 ( )
min 15 25 . 0
) (
min 20 33 . 0
1
25 . 2
) (
3
75 . 0
12
9
, 12 , 9
) 1 (
) 1 (
1 3
0
0
2
= = >
= = >
= = >
= =
= =

=
= =

=
=

= =

=
= = = =


+
t
q
t
s
s
q
s
q s
e W P
e W P c
L P b
P a
hrs W
hrs W
clientes L clientes L

64
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
Este sistema tiene en comn con el anterior:
La llegada de clientes sigue una distribucin de Poisson de
parmetro A (es decir, el intervalo de tiempo entre llegadas
sigue una distribucin exponencial negativa con tiempo medio
de 1/).
El servicio de atencin al cliente sigue una distribucin
exponencial con tiempo medio 1/.
Hay un solo servidor.
La poblacin origen es infinita.

La diferencia es que se trata de un sistema que tiene una
capacidad limitada. Es decir, el nmero mximo de clientes en
el sistema es N. Debido a esto, los clientes que llegan al
sistema cuando est saturado (o lo que es lo mismo, cuando
hay ya N clientes en el sistema) se pierden
65
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
La tasa de llegadas es igual , siempre < 1
Cuando el estado es N, la capacidad del sistema ha llegado a
su tope y no puede entrar ningn cliente ms. Por la misma
razn, nunca existir un estado superior a N, no puede darse
porque no caben en el sistema.
Para calcular el tiempo empleado en el sistema aplicamos la
frmula de Little, pero utilizaremos la tasa de llegada real. As
pues, consideraremos que cuando el sistema est en estado N,
no puede entrar ningn cliente porque se halla completo. Es
decir, no caben ms. Por eso, en lugar de utilizar se utiliza (1 -
P
N
. As, descontamos la tasa de llegadas durante el porcentaje
de tiempo en el que no se producen entradas, esto es, mientras
que el sistema est en estado N. Esto ocurre con una
probabilidad P
N
.
66
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
El valor de (/) necesita no ser < 1, puesto que las llegadas estn
controladas por N del sistema.
Interesa conocer las tasa efectiva
efectiva.

perdida
= P
N

efectiva
= -
perdida
=

(1-P
N
)

Fuente
Sistema

perdida

efectiva

Una vez que el nmero de elementos en el sistema alcanza N , no se
permiten ms llegadas
67
0 1 2
N-1 N




M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
1
1
1
1 .
1
1
1
1
1
1
1
1
1
1 1
,... 1 , 0
0
2
0 0
1
0
1
0
1
0
1
0
0 0
+
= = = + + +
= = = = =
=

= =
=

= =

= s
= =
= =

+ =
=
=



= =
+
+
+
=
+
=
=

=
N
P P P P
P P
P
P
P Pn
N N para
para
n o
n
o
N
n
o
n
N
n
n
n
N
n n
N
N
N
n
N
n
N
n
n
N
n
o
n
n
n
n
1) ( N .. ( 1
; P P P 1 de caso el Para
1 para P P
1 para P
1 finita serie
; finito es N
0,1,...... n para
n
0,1,2,. n
0 0 n
n n
0

Una vez que el nmero de elementos en el sistema alcanza N , no se permiten

ms llegadas
68
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
1
) 1 ( ) 1 ( ) 1 (
) 1 (
) 1 (
) 1 (
) 1 ( ) 1 ( ) 1 (
1
) 1 (
1
1
1
1
1
1
1
) (
1
1
) (
1
1
1
1
L
1
1 1
1
1
1
1
0 0
0
1
1
1
0
1
0
1
0
s
2 2

|
|
.
|

\
|

= <

=
=
+
+ +
+
+
+
+
= =
=
+

=
+
=
+
=

N
N N N N
N
s
N
N
s
N
n
N
n
n
N
n
n
N
n
N
s
n n
n
N
n
N
s
n
N
n
N
s
N
n
n
N N
L
derivando
d
d
L
d
d
L
rollando do y desar sustituyen
n
d
d
n L n L
nP

para finita serie una es

69
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
2
) 1 (
2
) 1 (
1
) 1 (
1
1
) 1 ( ) 1 (
) 1 (
) 1 (
1
) 1 ( ) 1 ( ) 1 (
) 1 (
) 1 (
1
1
1
1
1
2
2
+
= = =
=

+
=
|
|
.
|

\
|

+
+
+
+
+
N N N
L
N
L
N
L
N
L
s
N
s
N
N
s
N
N N
s
N
N
0
n que puesto 1 para
1 para
operando y trminos o Reordenand

( )

P - 1
- L - L L
N
s s q

=
efectiva
( )
N
s s
s
P - 1
L

L
W

=
efectiva
( )
N
q q
q
P - 1
L L
W

=
efectiva

efectiva

efectiva

70
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
ejemplo 5
Una gasolinera dispone de un nico servidor. Est situada
en una calle muy transitada y ms bien estrecha. La
situacin es tal que slo puede haber tres coches esperando
a ser atendidos (si llega uno ms no se le permite esperar
porque dificultara el trfico de la calle). El tiempo medio que
se emplea en poner gasolina a un vehculo son 2 minutos. El
nmero medio de clientes que llegan es de 20 coches por
hora.
Calcule:
1. La probabilidad de que el surtidor est vaco.
2. Nmero medio de coches presentes en la gasolinera.
3. Tiempo que emplea un coche desde que llega hasta que
est listo para irse.
71
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1/DG/N/
ejemplo 5
72
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/G/1
Se trata de un sistema similar al anterior en el que la llegada sigue
una distribucin de Poisson de parmetro ( es decir, el tiempo
entre una llegada y la siguiente sigue una distribucin exponencial)
En cambio, el tiempo empleado en el servicio no sigue una
distribucin exponencial sino una distribucin genrica con una
media E(t)= 1/ y una varianza var(t)=
2
.
Como el tiempo de servicio no sigue una distribucin exponencial,
no son aplicables las formulas empleadas en el caso anterior,
denominadas de nacimiento y muerte. Aqu aplicaremos
emplearemos el anlisis de las cadenas de Markov, la llamada
frmula de Pollaczek-Khintchine (P-K) donde E(t)<1.
73

) 1 ( 2
2 2 2

+
=
q
L
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/G/1

o
= =
=
+ = + =
=
=
+ = + =
= =

+
=
1
1
) (
) ( 1
1
1
) 1 ( 2
0
0
2 2 2
P t E si
t E P
L
W W W
L
W
L L L
W
L
q
q servicio
q
q
q q
servicio
q

sistema el en elemento ningn haya no que de ad Probabilid
sistema el en a permanenci de Tiempo
W servicio el en a permanenci de Tiempo
cola la en a permanenci de Tiempo
L sistema el en elementos n
L servicio el en elementos n
Pollaczek de formula cola la en elementos n
servicio
servicio
servicio
74
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/G/1
ejemplo 6
Un tren de lavado automtico puede atender un automvil
cada 5 minutos de media y una desviacin tpica es 2 . La
tasa media de llegadas es de 9 automviles/hora.
Obtenga las medidas de desempeo de acuerdo con el
modelo M/G/1
Adems la probabilidad de tener 0 clientes en el sistema y
la probabilidad de que un cliente tenga que esperar por el
servicio
75
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/G/1
ejemplo 6
75 . 0 25 . 0 1
min 7 . 8 145 . 0
min 7 . 13 228 . 0
1
31 . 1
) 1 ( 2
06 . 2 75 . 31 . 1
0
2 2 2
= = = =
= = =
= = + =
=

+
=
= + = + =

o

w
q
q
q s
q
q s
P P
hrs
L
W
hrs W W
clientes L
clientes L L
76
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/D/1
Sistema de lneas de espera con llegadas aleatorias, tiempo de
servicio constante, una lnea de servicio y una lnea de espera.
En este modelo los tiempos de servicio son determinsticos, este es
un caso especial de la situacin M / G / 1 que se analiz con
anterioridad, en donde la varianza es igual a cero. En este caso se
puede conocer el numero de unidades que estn esperando a ser
atendidas (Lq), a travs de la siguiente ecuacin:



Todas las dems caractersticas de operacin pueden determinarse
a partir de este valor. Si utilizamos Lq podemos determinar el valor
de L, por medio de la siguiente ecuacin:
) 1 ( 2 ) 1 ( 2
2
2
2 2 2

= =

+
= Lq L
q
0 si
+ = + =
q q
L L L L
servicio
L
77
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/D/1
1 Para
1
) 1 ( 2
2
<
+ = =
=
+ =

=

q
q
q
q
q
W
L
W
L
W
L L
L
78
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/D/1
ejemplo 7
Un tren de lavado automtico puede atender un automvil
cada 5 min.
La tasa media de llegadas es de 9 automviles/hora.
Obtenga las medidas de desempeo de acuerdo con el
modelo M/D/1
79
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/D/1
ejemplo
min 5 . 12 21 . 0
1
min 5 . 7 125 . 0
125 . 1
) 1 ( 2
875 . 1
2
= = + =
= = =
=

=
= =
hrs W W
hrs
L
W
clientes L
clientes W L
q
q
q
q
s

80
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/G/1
ejercicio
A un supermercado llegan en promedio 80 clientes por hora
que son atendidos entre sus 5 cajas.
Cada caja puede atender en promedio a un cliente cada 3
minutos. Suponga o = 5 min
Obtenga las medidas de desempeo de acuerdo con el
modelo M/G/1
Adems la probabilidad de tener 0 clientes en el sistema y la
probabilidad de que un cliente tenga que esperar por el
servicio
81
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/D/1
ejercicio
A un supermercado llegan en promedio 80 clientes por hora
que son atendidos entre sus 5 cajas.
Cada caja puede atender en promedio a un cliente cada 3
minutos.
Obtenga las medidas de desempeo de acuerdo con el
modelo M/D/1
82
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelos de varios servidores
M/M/s: s servidores con llegadas de Poisson y tiempos
de servicio exponenciales
M/D/s: s servidores con tiempos entre llegadas
exponenciales y una distribucin degenerada de tiempos
de servicio
M/E
k
/s: s servidores con tiempos entre llegadas
exponenciales y una distribucin Erlang de tiempos de
servicio
83
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo (M, M, s):(DG, , )
En este modelo los clientes llegan siguiendo uan distribucin
de Poisson con una tasa y un mximo de s clientes pueden
ser atendidos simultneamente.

La tasa de servicio por servidor activo es tambin de Poisson
e igual a .

El nmero de elementos del sistema, as como el tamao de
la fuente emisora es infinito.

El efecto ltimo de usar s servidores paralelos es acelerar la
tasa de servicios al permitir servicios simultneos.
84
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo (M, M, s):(DG, , )
Si el nmero de clientes en el sistema n es menor o igual s,
, habr n servidores funcionando y ningn cliente esperando
Si hay n>s clientes en el sistema, los s servidores estarn
funcionando y (n-s) clientes esperando.

Siempre que hay n clientes habr el mnimo nmero entre
n y s servidores ocupados.
Tasa de servicio de la instalacin es s. o si es n menor
que s, la tasa de servicio es igual a n.
Tasa de llegada
n
= , para n > 0
Tasa de servicio
n
= n, para n s s

n
= s, para n > s
85
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

M/M/s, varios servidores
0
0
2
1
0
2
1
0
0
0
0
0
0
!
1
1
1
;
) ( )! 1 ( ) ( )! 1 (
.. ) (
!
1
1
!
1
,
!
,
!
1
P
s
s
s
P
W W
L
W
L L L L L
L W W L
P
s s
P
s s
P s n L
n
s
s
P
s n si P
s s
P
s n si P
n
P
P P
s
w
q s
q
q
q q servicio q s
servicio servicio servicio servicio
s s
n
s n
q
s
n
n s
s n
n
n
n
n
n
i
n
i
i
|
|
.
|

\
|

=
+ = =
+ + + =
= = = =

=

= =
+
|
|
|
|
.
|

\
|

> =

s =
=
+
=

ocupados esten servidores los todas que de d Probablida

sistema el en cola la en a permanenci de Tiempo

sistema el en
; como
ndo.. desarrolla cola la en elementos de n
sistema el en elemento ningn haya no que de Probalidad

ocupado este sistema el que ad Probabilid
o
sistema el en elementos n haya que de ad Probabilid
efectiva
Si n s no hay clientes en la cola
86
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s
ejemplo 8
El telfono directo de ayuda al cliente para ordenadores NTI-
Computer es atendido por un tcnico. Reciben, aleatoriamente, 5
llamadas por hora y siguiendo una distribucin de Poisson. Se
resuelven 7 por hora, siguiendo una distribucin exponencial. El
director del Dpto. ha recibido numerosas quejas sobre el tiempo de
espera al telfono directo.
El director del Dpto. desea determinar el tiempo medio espera de
los clientes antes de que el tcnico conteste a sus llamadas. Si el
tiempo de medio de espera es ms de 5 minutos, desea determinar
el n de tcnicos para reducir el tiempo de espera el tiempo de
espera a 2 minutos o menos.


88
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s
ejemplo 8
, tasa de llegada 5 5
, tasa de servicio 7 7
N de servidores 1 2

, utilizacin 71.43% 35.71%
P(0), probabilidad de que no haya nadie 0.2857 0.4737
Lq, longitud de la cola 1.7857 0.1044
L, longitud del sistema 2.5000 0.8187
Wq, tiempo de espera en la cola 0.3571 0.0209
Wq, tiempo de espera en la cola en minutos 21.4` 1.254`
W, tiempo de espera en el sistema 0.5000 0.1637
Probabilidad de espera del cliente 0.7143 0.1880
89
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s
ejemplo 9
A un supermercado llegan en promedio 80 clientes por hora que
son atendidos entre sus 5 cajas. Cada caja puede atender en
promedio a un cliente cada 3 minutos
Obtenga las medidas de desempeo de acuerdo con el modelo
M/M/s. Adems la probabilidad de tener 2 clientes en el sistema
, utilizacin 80,00%
P(0), probabilidad que el sistema est vaco 0,0130
Lq, longitud esperada de la cola 2,2165
Ls, nmero esperado en el sistema 6,2165
Wq, tiempo esperado en la cola 0,0277 horas
Ws, tiempo total esperado en el sistema 0,0777 horas
Pw, Probabilidad que un cliente espere 0,5541
P(2) Probabilidad que haya 2 usuarios 0,1039

90
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/ :G//
Modelo autoservicio
El nmero de servidores es ilimitado porque el cliente tambin es un
servidor por tanto siempre hay un servidor disponible para cada
llegada. Todo el tiempo que pasa el cliente en el sistema es su
tiempo de servicio.
El modelo generalizado es:



L

1

cola hay No
cola hay No
espera de tiempo hay no ;

0,1,2.... n n y
1
E( S) sistema el en empleado tiempo del medio
llegadas entre tiempo del medio Valor
s
n

= = = =
=
+ + +
= = = =
=
=
=
=

= = =
=
=

=

=

s
n n
n
o
n
o
n
n
n
n
n
n
n
q
q
S
n
W
n
e
P
n
P
e
P P
n
P P
n
P
P
n
P
W
L
W
Valor
A E
! !
1
...
! 2
1
1
!
1
!
1
!
0
0
1
1
) (
0
0
2
0
1
0 0
0
91
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/ :G//
ejemplo 10
Una academia de idiomas sabe que cada semana se
matriculan 2 nuevos alumnos. El tiempo medio que el
alumno permanece en la academia son 10 semanas.
Cul es el nmero medio de alumnos en la
academia?Cul es la probabilidad de que haya
exactamente 10?



6
10 20
0 10 86 . 5
! 10
20
! !
20 10 2
1

= = = =
= = = =
=
=
e
n
e
P
n
P
alumnos L
n n
n
s

semanas 10
ana alumno/sem 2
92
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s:G/N/, s N
cola de espera finita
Este modelo se diferencia del genrico en el que se fija un lmite N
sobre la capacidad del sistema ( el tamao de la cola ser N-s).
Las tasas de llegada y de servicio son y . La frecuencia efectiva
de llegas
efectiva
es menor que por causa de N
Los clientes buscan servicio, si todos los servidores estn ocupados
se les niega el servicio
En trminos del modelo generalizado

s s
< s
=

>
< s
=
= =
=
|
|
|
|
.
|

\
|

|
|
|
.
|

\
|

=
=
N n s para
n 0 para
N n para
N n 0 para

s
s n
p
n p
i
i
p
n n
n n
p
n
n
n
n
n
n
n
0
1
,.. 2 , 1 ;
1
1
2 1
0
0
1
0
1
0
...
...
93
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s:G/N/, s N
cola de espera finita
N n s
s! s
Po Pn
s n 0
n!
Po Pn
s - n
n
n
s s
|
|
.
|

\
|

=
s s
|
|
.
|

\
|

=
( )

1 -
1 - S
0 n
s n
1 - s
1 s N
s
n
1
s
, 1 s - N
s! n!
1
s
,
1 -
s
- 1 !
s
1
n!
Po
0 n

(
(
(
(

|
.
|

\
|

|
.
|

\
|

=
=
|
|
|
|
.
|

\
| +
=
s
( ) ( )
( )
( )( )
|
.
|

\
|
+ + =

=
+
=
(
(

|
.
|

\
|

|
.
|

\
|
+
|
.
|

\
|

=


=

=
+
+
1
0
1
0
0
1
1
0
1
1 ,
! 2
1
1 , 1 1 1
! 1
s
n
n
s
n
q n s
s
s N s N
s
q
P s L nP L
s
s
s N s N
P
s
s s
s N
s s s
P
L

perdida
= P
N

efectiva
= -
perdida
=

(1-P
N
)
Para el clculo de W
q
utilizar
efectiva
y para W
s,
L
s

94
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s:G/N/
ejemplo 11
Una centralita telefnica de 4 lneas, recibe 16 llamada por hora con una
duracin promedio de 12 minutos, dispone de un buffer de espera de 6
clientes. Determinar la probabilidad de que estn ocupadas exactamente 2
, utilizacin 77,14%
P(0), probabilidad que el sistema est vaco 0,0312
Lq, longitud esperada de la cola 1,1542
Ls, nmero esperado en el sistema 4,2398
Wq, tiempo esperado en la cola 0,0748
Ws, tiempo total esperado en el sistema 0,2748
Pw, Probabilidad que un cliente espere 0,5387
P(2) Probabilidad que haya 2 usuarios 0,0357

95
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/k:G/k/
cola de espera finita
) 1 (
!
!
0
j
s
k
k
j
P
Nmero
k
j

|
|
.
|

\
|
=
=

N
( carga) ocupados servidores de promedio
P
s disponible servidores s dados ocupados, servidores j haya que de ad Probabilid
j
96
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/k:G/k/
ejemplo 12
i
P P
k
j
i i
s
k
k
j

1
5 4 3 2 1 0
2
2
0
j


% 4 . 3 034 . 0
5 4 3 2 1
10
4 3 2 1
10
3 2 1
10
2 1
10
1
10
! 0
10
1 2
10
P

!
!
P
s disponible servidores s dados ocupados, servidores j haya que de ad Probabilid

=
=
=

+

+

+

+ +

=
=

Una centralita telefnica de 5 lneas, recibe 1 llamada por minuto con una
duracin promedio de 10 minutos, dispone de un buffer de espera de 6
clientes. Determinar la probabilidad de que estn ocupadas exactamente 2
97
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1:G/N/N
servicio de mquinas
Este modelo es un ejemplo de una fuente de llamadas finitas, en el
que se dispone de un nmero de servidores para dar servicio a un
total de N mquinas.
La tasa de avera por mquina es
La tasa de reparacin de los mecnicos ser
La tasa de avera para todo el taller es proporcional al n de mquinas que
funcionan (n). La tasa de avera para el taller
n
=(N-n)

>
s s
s s
=

>
s s
=
n n
n
s n
n N
mecnico solo un para
K n para 0
N n s para N
n 0 para
K n para 0
N n 0 para , ) (
98
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/1:G/N/N
servicio de mquinas
Este modelo es un ejemplo de una fuente de llamadas finitas, en el
que se dispone de 1 servidor para dar servicio a un total de N
clientes.
;
1
) ( ;
) (
Po) - (1 Po) - (1 L ndo desarrolla
)! (
!
)! (
!

)! (
!
1
)! (
!
do sustituyen 1
)! (
!
ndo desarrolla
,.. 2 , 1 ;
1
1
2 1
0
s
1
0
n
n
1
0
n
0
0
n
0
n
0
0
1
0
1
0
...
..... ) 2 ( ) 1 (
...
...

+ =
=

=
+
= =
(

=
(

= =

=
|
|
|
.
|

\
|
=
=
|
|
|
.
|

\
|

|
|
|
.
|

\
|

[
=
=

= = =
=
Wq Ws
Ls N
L N
L
Wq
N L N np L
n N
N
n N
N
p
n N
N
P Po
n N
N
p
Po
n N
N
p p p
n p
i
i
p
n n
n n
p
efectiva
s
q
q
N
n
n
S
N
n
n
N
n
N
n
N
n
n
n
n
n
n
n
N N N
99
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s:G/N/N; s<N
servicio de mquinas
Este modelo es un ejemplo de una fuente de llamadas finitas, en el
que se dispone de s servidores para dar servicio a un total de N
clientes. Como estos servidores, son los nicos que pueden atender
ese servicio, el nmero mximo de posibles clientes tiene que ser N.
( )
( )
) ( ;
s). disponible tcnicos (de s desocupado servidores de esperado nmero el representa s
1 ,
1
1 ), (
;
1 , 1
1
1
1 ,
!
!
0
;
!
!
_
0
0
1
0
0
1
0 1
0
K
0 n
Ls N
L
W
s
P
N
s s s n
L
s P N
s P s n
L
N n s P
s s
n
n
N
s n P
n
N
P
s s
n
n
N
n
N
P
efectiva
efectiva
q
q
c
n nP S
n
N
s n
q
s n
n
n
n
s
n
N
s n
s n
n
n
= =

> +
=

=
|
|
.
|

\
|
+
>
=

s s
|
|
.
|

\
|
s s
|
|
.
|

\
|
=

|
|
.
|

\
|
+
|
|
.
|

\
|
=
=
=
+ =

= + =

)! ( !
!
n N n
N
n
N

=
|
|
.
|

\
|
100
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Modelo M/M/s:G/N/N; s<K
ejemplo 12
La empresa Talleres MiguelB mantiene un taller que contiene 22
mquinas. Se sabe que cada mquina se avera cada dos horas, en
promedio. Se requiere de un promedio de 12 minutos para terminar
una reparacin. Tanto el tiempo entre averas como el de reparacin
siguen una distribucin exponencial. Talleres MiguelB est interesada
en determinar el nmero de mecnicos necesarios para mantener el
taller funcionando uniformemente.
.. continua.. s
L
de
dad productivi
de
dad productivi
s
= = =

=
|
|
.
|

\
|
=
|
|
.
|

\
|
5 horas; por averias 1/2
mquinas las
s disponible Mquinas
averiadas Mquinas - s disponible Mquinas
mquinas las
......; 3 , 2 , 1
100
22
22
100
101
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

Tasa de llegada 0.5 0.5 0.5 0.5
Tasa de servicio 5 5 5 5
N de mecnicos 1 2 3 4
N de mquinas 22 22 22 22
Utilizacin 100,01% 88,16% 65,11% 49,75%
P(0), probabilidad que el sistema est vaco 0,0004 0,0564 0,1078 0,1199
Lq, longitud esperada de la cola 11,009 2,6046 0,5127 0,1102
L, nmero esperado en el sistema 12,009 4,3678 2,4661 2,1002
Wq, tiempo esperado en la cola 2,2037 0,2954 0,0525 0,0111
W, tiempo total esperado en el sistema 2,4038 0,4954 0,2525 0,2111
Probabilidad que un cliente espere 0,9996 0,8196 0,4061 0,1545
Productividad de las mquinas 45.44 80.15 88.79 90.45
Incremento 34.71 8.64 1.66
Modelo M/M/s:G/N/N; s<K
ejemplo 12
102
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

103
Colas exponenciales en serie
Salidas
Servidor
Servidor
Servidor
Servidor
Servidor
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

104
Colas exponenciales en serie
Teorema de descomposicin de Jackson
Si en un sistema de las en serie se cumple que:
1. el tiempo de llegada sigue una distribucin exponencial negativa de
parmetro ,

2. los tiempos de servicio en cada etapa i siguen distribuciones
exponenciales.
3. entre una etapa y la siguiente existe espacio suficiente como para albergar
indos los clientes, de manera que se puede considerar de capacidad
infinita, entonces el tiempo de llegada a cada etapa del sistema es
exponencial de parmetro

Lo que nos dice este teorema es que si en cada etapa existe la capacidad
suficiente como para atender a los clientes que llegan (es decir, la tasa de
servicio es superior a la tasa de llegadas), se podr atender a todos los
clientes a la velocidad a la que llegan (que es ). Por lo tanto, una vez que son
atendidos en la etapa 1 pasan a la etapa 2 con una tasa de llegadas , y as
sucesivamente en cada una de las k etapas. La consecuencia prctica es que
los clculos en cada etapa se hacen como si fuera sistema independiente de
capacidad infinita.
M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

105
Colas exponenciales en serie
Ejemplo
Sea un proceso que tiene dos etapas. En la primera se hace el montaje con
una tasa de 30 productos hora. Para esta primera fase hay un solo servidor.
En segunda fase hay tres servidores que hacen el proceso de pintado a una
tasa de 111 productos hora cada una. Cada producto tiene que pasar por uno
de los tres servidores nicamente nicamente. El proceso se recoge en la
figura.
Al sistemas llegan 26 productos por hora. Se desea saber el nmero de
productos presentes en el proceso (longitud media del sistema total)
Servidor2
Servidor3
Servidor4
Servidor1

2

capacidad tiene fase
capacidad tiene fase


2
36 12 3 3
26
1
30
26
2
2 2
1
1
s
)
`

= = =
=
s
)
`

=
=

M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

106
Colas exponenciales en serie
Ejemplo
Servidor2
Servidor3
Servidor4
Servidor1

2

productos 10.03 3.53 6.5 L
3.39 sistema el en
cola la en elementos de n
sistema el en elementos haya no que de d Probablida
y

30
2
1
= + =
= +

+ =

=
=
+
|
|
.
|

\
|

=
= =
= =
=

=
= =

=
h P
s s
h
do sustituyen L L
P
s s
h
L
n
h
s
h
P
s
h Definimos
M M
L
M M
s
q s
s
q
s
n
n s
S
2
0
2
1
0
0
) ( !
) ( !
0861 . 0
! 1
1
!
1
12 26
3 / /
5 . 6
26 30
26
1
26
1 / /

M
O
D
E
L
A
D
O

Y

S
I
M
U
L
A
C
I

N

D
E

S
I
S
T
E
M
A
S

I
N
D
U
S
T
R
I
A
L
E
S

107
Sistemas de colas abiertas
Servidor
Salidas
Servidor
Servidor
Servidor
Servidor
Servidor
Servidor
Servidor
Servidor

=
=
=
+ =
k
i
i
k
j
ji j i i
r sistemas egadas del obal de ll La tasa gl
p r
1
1