Vous êtes sur la page 1sur 76

1

Investigacin Operativa 2
Captulo 3: Teora de colas
P f Mi l M j P t Profesor: Miguel Meja Puente
NDICE
1. Terminologa para las lneas de espera.
2. Modelado de procesos de llegada y servicio.
3 P d i i t t 3. Procesos de nacimiento y muerte.
4. Modelo de colas con poblacin infinita.
5. Anlisis econmico de los modelos de cola
6. Modelo de colas con capacidad limitada.
7. Modelo de colas con servidores infinitos.
8. Modelo de colas con poblacin finita.
9 Redes de colas
2
9. Redes de colas
10. Modelos de colas con distribucin no exponencial
11. Modelos de colas con disciplina de prioridades
2
1.1 Centro emisor
1. Terminologa para las lneas de
espera (1)
1.2 Servicio
1.3 Proceso de espera
1.4 Leyes de llegada y servicio
3
Las lneas de espera, filas de espera o colas de
espera, son realidades cotidianas:
1. Terminologa para las lneas de
espera (2)
espera, son realidades cotidianas:
Personas esperando para realizar sus transacciones
ante una caja en un banco,
Estudiantes esperando por obtener copias en la
fotocopiadora,
Vehculos esperando pagar en una estacin de peaje
o continuar su camino en un semforo en rojo
4
o continuar su camino, en un semforo en rojo,
Mquinas daadas a la espera de ser rehabilitadas.
3
Los Modelos de Lneas de Espera son de gran utilidad
tanto en las reas de Manufactura como en las de
S i i
1. Terminologa para las lneas de
espera (3)
Servicio.
Los Anlisis de Colas relacionan:
la longitud de la lnea de espera.
el tiempo promedio de espera.
y otros factores como:
la conducta de los usuarios a la llegada y en la cola.
5
Los Anlisis de Colas ayudan a entender el
comportamiento de estos sistemas de servicio (la
atencin de los cajeros de un banco, actividades de
mantenimiento y reparacin de maquinaria, el control de
las operaciones en planta, etc.).
Desde la perspectiva de la Investigacin de
Operaciones, los pacientes que esperan ser
1. Terminologa para las lneas de
espera (4)
Operaciones, los pacientes que esperan ser
atendidos por el odontlogo o las prensas
daadas esperando reparacin, tienen mucho en
comn.
Ambos (gente y mquinas) requieren de recursos
6
Ambos (gente y mquinas) requieren de recursos
humanos y recursos materiales como equipos
para que se los cure o se los haga funcionar
nuevamente.
4
1. Terminologa para las lneas de
espera (5)
Situacin Clientes Servidores Servicio S tuac C e tes Se do es Se c o
Espera de
clientes en un
supermercado
Clientes que
esperan para
pagar
Cajas
registradoras
Cobro de la
compra
Automviles en
un taller
Automviles
averiados
Mecnicos o
equipos de
mecnicos
Reparacin del
automvil
7
Servicio de
mantenimiento
Mquinas
averiadas o en
mantenimiento
Unidades o
equipos de
mantenimiento
Reparacin de la
mquina
1. Terminologa para las lneas de
espera (6)
8
5
Todas estas situaciones pueden ser analizadas
d l d l d Di h
1. Terminologa para las lneas de
espera (7)
como un modelo de lneas de espera. Dicho
sistema abarca:
Los clientes que estn recibiendo servicio en ese
momento.
Los clientes que estn esperando recibir servicio
en la fila.
L id i i t l i i
9
Los servidores que suministran el servicio.
Un sistema de lneas de espera se tipifica por:
El t i d l li t i
1. Terminologa para las lneas de
espera (8)
El centro emisor de los clientes a servir.
Las caractersticas del servicio.
Las condiciones en las que se desarrolla el proceso
de espera en la fila.
Las leyes de llegada y de servicio que gobiernan el
sistema de colas.
10
6
El centro emisor tiene tres atributos:
Centro emisor
El centro emisor tiene tres atributos:
Patrn de llegada o de arribo.
Tamao de la poblacin.
Comportamiento de las llegadas.
11
Centro emisor:
patrn de llegada o de arribo (1)
Esttico Dinmico
Llegadas Llegadas Control
Control
j id
Patrn de
llegada
12
Cita Precio
Aceptar/Rechazar
Renuncia Abandona
aleatorias con
tasa constante
aleatorias con
tasa variable
ejercido por el
establecimiento
ejercido por
el cliente
7
Los clientes arriban para ser atendidos de una
manera programada o de una manera aleatoria.
Centro emisor:
patrn de llegada o de arribo (2)
Se consideran que los arribos son aleatorios
cuando stos son independientes de otros y su
ocurrencia no puede ser predecida exactamente.
F t t l d ib id d
13
Frecuentemente el nmero de arribos por unidad
de tiempo puede ser estimado por medio de la
Distribucin de Poisson.
La tasa de llegadas aleatoria sigue una ley de
probabilidad denominada ley de llegada
Centro emisor:
patrn de llegada o de arribo (3)
probabilidad, denominada ley de llegada.
En ocasiones, puede ser ms conveniente definir
la ley de llegada por los tiempos entre llegadas.
En un caso general, la tasa media de llegadas al
sistema puede ser funcin de los n clientes que se
14
sistema puede ser funcin de los n clientes que se
encuentran en el interior del sistema y se
representa por
n
.
8
Centro emisor:
tamao de la poblacin (1)
Poblacin
Sub-
poblaciones
Grupos
homogneos
15
Finita Infinita Finita Infinita
Poblacin infinita o ilimitada.- cuando el
Centro emisor:
tamao de la poblacin (2)
Poblacin infinita o ilimitada. cuando el
nmero de clientes o arribos en un momento
dado es una pequea parte de los arribos
potenciales.
Ejemplos.-
vehculos que pasan por una caseta de peaje;
16
vehculos que pasan por una caseta de peaje;
clientes de un supermercado.
9
Poblacin finita o limitada.- cuando se tienen
muy pocos servidores y el servicio es
Centro emisor:
tamao de la poblacin (3)
muy pocos servidores y el servicio es
restringido.
Ejemplos.-
pacientes hospitalizados en un pabelln de una
clnica; mquinas fotocopiadoras que esperan
ibi t i i t
17
recibir mantenimiento en una empresa.
La mayora de los modelos de colas asume que
los clientes son personas pacientes o sea que
Centro emisor:
comportamiento de las llegadas
los clientes son personas pacientes, o sea que
esperan en la cola hasta ser servidos. En la
prctica, la gente se aburre. Aquellas personas
que se impacientan por la espera, se retiran de la
cola sin iniciar su transaccin.

18
Esta situacin sirve para acentuar la necesidad
de estudiar los sistemas de colas y el anlisis de
las lneas de espera, ya que un cliente no servido
es un cliente perdido y hace mala propaganda de
ese negocio.
10
En el servicio son importantes:
La configuracin del sistema de servicio
Servicio
La configuracin del sistema de servicio.
El patrn del tiempo de servicio.
19
Los sistemas de servicio se clasifican en funcin
Servicio:
configuracin del sistema de servicio (1)
Los sistemas de servicio se clasifican en funcin
de:
El nmero de canales (servidores).
El nmero de fases (nmero de paradas que
deben hacerse durante el servicio).
20
11
Segn el nmero de canales
Servicio:
configuracin del sistema de servicio (2)
Segn el nmero de canales
Sistema de cola de un solo canal
Sistema de cola multicanal
Segn el nmero de fases
Sistema de cola de una sola fase
Sistema de colas multifase
21
Sistema de colas multifase
Llegadas
Unidades
servidas
Di iti
Cola
Sistema de servicio
Sistema de un canal, una fase
g
Dispositivo
de servicio
Lnea de espera de
Barcos en
el mar
Sistema de descarga de barcos
Barcos
vacos
22
Baha
los barcos
12
Llegadas
Unidades
servidas Cola
Sistema de servicio
Sistema de un canal, varias fases
Coches y
comida
Llegadas servidas
Dispositivo
de servicio
Cola
Coches en cola
Coches en
el rea
Ventanilla de servicio a automviles de McDonalds
Dispositivo
de servicio
23
co da Coches en cola
Pago Recojo
Unidades
Sistema de servicio
Sistema de varios canales, una fase
Llegadas
servidas
Dispositivo
de servicio
Cola
Dispositivo
de servicio
24
Ejemplo: los clientes del banco esperan en una nica cola para
ser atendidos en alguna de las diferentes ventanillas.
13
Unidades
servidas
Sistema de servicio
Sistema de varios canales, varias fases
Dispositivo
de servicio
Llegadas
servidas
Dispositivo
de servicio
Cola
Dispositivo
de servicio
Dispositivo
de servicio
25
Ejemplo: en una lavandera, los clientes utilizan una de las
diferentes lavadoras y despus, una de las diferentes secadoras.
Los patrones de tiempos de servicio son
similares a los patrones de tiempo de llegada.
Servicio:
patrn del tiempo de servicio
similares a los patrones de tiempo de llegada.
Pueden ser constantes o aleatorios.
Si el tiempo de servicio es constante, toma la
misma cantidad de tiempo atender a cada
cliente. Es comn con servicios dados por
medio de mquinas. Ejemplo.- lavadora
26
q j p
automtica de carros.
14
Filas mltiples Fila nica
Proceso de espera (1)
Con ticket
Entrada
27
3 4
8
2
6 10
12
11
5
7
9
Los procesos de espera son controlados a travs
de una atencin con una cola o con colas
l l
Proceso de espera (2)
mltiples.
Tambin, es comn incorporar el uso de ticket.
Esta prctica es comn, si se desea evitar que el
cliente haga cola parado (zona de espera con
asientos) o si se desea diferenciar a los
28
asientos), o si se desea diferenciar a los
clientes, para atenderlos ms rpido.
15
Las caractersticas de las filas de espera
Proceso de espera (3)
Las caractersticas de las filas de espera
son:
Longitud de la cola.
Disciplina de la cola.
29
Cola limitada es aquella que por consideraciones
fsicas no puede incrementarse a tamaos
Proceso de espera:
longitud de la cola (1)
fsicas no puede incrementarse a tamaos
mayores. Ejemplo.- una peluquera que tiene
pocos peluqueros y sillas para atender.
Cola ilimitada es aquella que tiene un tamao no
restringido. Ejemplo.- una caseta de peaje que
30
g j p p j q
atiende a los vehculos que transitan por una
carretera.
16
Mediante modelos de cola limitada podemos
Proceso de espera:
longitud de la cola (2)
Mediante modelos de cola limitada podemos
representar:
El comportamiento de los clientes que al observar
una larga cola abandonan las instalaciones.
Ejemplo.- cines.
Negocios con capacidad limitada. Ejemplo.- un
31
taller de reparacin de automviles.
Disciplina
de la
Proceso de espera:
disciplina de la cola (1)
de la
cola
Esttica
(PEPS)
Dinmica
Seleccin basada
Seleccin basada
32
en el estado de la
cola
en atributos del
cliente
Nmero de
clientes
esperando
Turno rotatorio
Prioridad Preferente
Tiempo de pro-
ceso ms corto
17
La mayora de los sistemas usan la regla PEPS
Proceso de espera:
disciplina de la cola (2)
y g
(Primero en Entrar Primero en Salir). Ejemplo.-
las cajas rpidas en los supermercados.
No siempre se emplea la regla PEPS. Ejemplo.-
rea de emergencia de un hospital, donde la
33
g p ,
atencin depende de la gravedad de las lesiones
de la persona que arrib por auxilio mdico.
Proceso de espera:
disciplina de la cola (3)
En muchos sistemas de colas se establece un
sistema de prioridades. Ejemplo.- en un
aeropuerto internacional, las autorizacin
para el despegue o aterrizaje dependen de la
torre de control.
34
18
Para definir un sistema de prioridades es
Proceso de espera:
disciplina de la cola (4)
necesario:
Definir varios grupos de clientes a servir.
Cada cliente que llegue al sistema debe
asignarse a uno de los grupos establecidos.
Establecer prioridades.
35
Existen dos tipos de prioridades:
Sin interrupcin.
Con interrupcin.
Prioridad sin interrupcin o no adquirida
Proceso de espera:
disciplina de la cola (5)
Prioridad sin interrupcin o no adquirida
En primer lugar, se atendern los clientes del
primer grupo que tiene la prioridad ms alta.
Slo cuando no haya ningn cliente de ese
grupo por atender, se pasar a atender a los
clientes del segundo grupo, y as
36
g g p , y
sucesivamente.
19
Prioridad con interrupcin o adquirida
Proceso de espera:
disciplina de la cola (6)
Si se estn atendiendo clientes de grupos de
determinadas prioridades y llega un cliente de
un grupo de prioridad ms alta, se interrumpe el
servicio del cliente de baja prioridad para
atender a la de alta. Una vez atendida sta, se
sigue sirviendo al cliente de baja prioridad si no
37
sigue sirviendo al cliente de baja prioridad, si no
llegan ms clientes de prioridad ms alta.
Se aplica a las leyes de probabilidad que
cumplen la propiedad markoviana
Leyes de llegada y servicio (1)
cumplen la propiedad markoviana.
Dicha propiedad consiste en que la probabilidad
de que ocurra un evento (llegada de un evento
o finalizacin de un servicio) es slo funcin del
momento presente esto es del estado actual del
38
momento presente, esto es del estado actual del
sistema.
20
Leyes de llegada y servicio (2)
Cuando esto sucede, tenemos que:
La tasa de eventos por unidad de tiempo seguir
una ley de Poisson de media .
El tiempo transcurrido entre dos eventos seguir
una ley exponencial de media 1/.
39
Para las llegadas, tendremos que = y para los
servicios tendremos = (para un servidor) La
Leyes de llegada y servicio (3)
servicios tendremos = (para un servidor). La
mayora de los modelos de colas asumen una ley
de llegadas de tipo Poisson.
Cuando las leyes de probabilidad de las tasas de
llegada y de servicio son Poisson, entonces el
40
sistema puede ser representado mediante un
proceso de nacimiento y muerte.
21
2.1 Modelado del proceso de llegada.
2. Modelado de procesos de llegada y
servicio
2.2 Propiedad de la carencia de
memoria.
2.3 Relacin entre la distribucin Poisson
y la distribucin exponencial.
2.4 Distribucin Erlang.
41
2.4 Distribucin Erlang.
2.5 Modelado del proceso de servicio.
2.6 Notacin Kendall-Lee.
Definamos t
i
como el tiempo en el cual llega el i-
simo cliente. Al modelar el proceso de llegadas,
suponemos que las T
i
variables continuas,
l t i i d di t d it l
Modelado del proceso de llegada (1)
aleatorias e independientes descritas por la
variable aleatoria A.
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
42
del momento del da o del da de la semana.
Esta es la suposicin de los tiempos estacionarios
entre llegadas.
22
La suposicin de los tiempos estacionarios entre
llegadas es a menudo irreal, pero podramos
Modelado del proceso de llegada (2)
g , p p
aproximarnos con frecuencia a la realidad
descomponiendo la duracin del da en segmentos.
Un tiempo entre llegadas negativo es imposible.
Todo esto nos permite escribir:
43
p
Definimos 1/ como el tiempo medio o promedio
entre llegadas.

= > =
c
0 c
a(t)dt c) P(A y a(t)dt c) P(A

=
0
ta(t)dt

1
Definimos como la tasa de llegadas, la cual
tiene unidades de llegada por hora.
Modelado del proceso de llegada (3)
Un aspecto importante es cmo escoger A de tal
manera que refleje la realidad y siga siendo
manejable desde el punto de vista del clculo.
La eleccin ms comn para A es la distribucin
44
p
exponencial.
Una distribucin exponencial con parmetro
tiene una densidad
a(t) = e
-t.
23
Podemos demostrar que el tiempo medio o
promedio entre llegadas est dado por:
Modelado del proceso de llegada (4)
Debido al hecho de que var A = E(A
2
) E(A)
2
,
podemos demostrar que:
( )
1
A

1
E(A) =
45
( )
2

A var =
Propiedad de la carencia de memoria de
la distribucin exponencial (1)
Lema 1: Si A tiene una distribucin
exponencial, entonces para todos los valores
no negativos de t y h,
h) P(A t) A | h t P(A > = + >
46
24
Por razones que son naturales, una densidad que
ti f l i ti l i d d d
Propiedad de la carencia de memoria de
la distribucin exponencial (2)
satisface la ecuacin tiene la propiedad de
carencia de memoria.
La propiedad de carencia de memoria de la
distribucin exponencial es importante porque
i li i l di ib i
47
implica que si queremos conocer la distribucin
de probabilidad del tiempo hasta la llegada
siguiente, entonces no importa cunto tiempo ha
transcurrido desde la ltima llegada.
l ll d l l
Relacin entre la distribucin Poisson y
la distribucin exponencial (1)
Si los tiempos entre llegadas son exponenciales, la
distribucin de probabilidad de la cantidad de
llegadas que suceden en cualquier intervalo de
duracin t est por el importante teorema
siguiente.
48
25
Relacin entre la distribucin Poisson y
la distribucin exponencial (2)
Teorema 1: Los tiempos entre llegadas son
exponenciales, con parmetro si y slo si la
cantidad de llegadas en un intervalo de
duracin t sigue una distribucin Poisson con
parmetro t
49
parmetro t.
Una variable discreta aleatoria N tiene una
Relacin entre la distribucin Poisson y
la distribucin exponencial (3)
Una variable discreta aleatoria N tiene una
distribucin de Poisson con parmetro si, para
n=0,1,2,
Qu suposiciones se requieren para que los
0,1,2,...) (n
n!
e
n) P(N
n
= = =

50
Qu suposiciones se requieren para que los
tiempos entre llegadas sean exponenciales?
26
Considere las dos siguientes suposiciones:
ll d d fi id i l d i
Relacin entre la distribucin Poisson y
la distribucin exponencial (4)
Las llegadas definidas en intervalos de tiempos que
no se traslapan son independientes.
Para t pequeas, la probabilidad de que se
presente una llegada entre los tiempos t y t +t es
t+o(t), donde o(t) se refiere a cualquier
cantidad que satisfaga
51
0
t
t) o(
lim
0 t
=

Relacin entre la distribucin Poisson y


la distribucin exponencial (5)
Teorema 2: Si las suposiciones 1 y 2 se
sostienen, entonces Nt sigue una distribucin
Poisson con parmetro t, y los tiempos entre
llegadas son exponenciales con parmetro ; es
decir, a(t) = e
-t
.
52
, ( )
27
Distribucin de Poisson para nmero de llegadas/hora (vista de arriba)
Relacin entre la distribucin Poisson y
la distribucin exponencial (6)
Intervalo de
1 2 0 1 una hora
Llegada Llegada Llegada Llegada
62 min.
40 min.
53
123 min.
Distribucin exponencial de tiempo entre llegadas en minutos (vista de abajo)
Si los tiempos entre llegadas no parecen ser
exponenciales, entonces se modelan, con frecuencia, con
la distribucin Erlang.
Distribucin Erlang (1)
Una distribucin Erlang es una variable aleatoria continua
(llmela T) cuya funcin de densidad f(t) se especifica
mediante dos parmetros: un parmetro de
proporcionalidad R y un parmetro de forma k (k debe
ser un entero positivo).
Dados los valores de R y k, la distribucin Erlang tiene la
54
y , g
funcin de densidad de probabilidad siguiente:
0) (t
1)! (k
e R(Rt)
f(t)
Rt 1 k

=

28
Si se aplica la integracin por partes podemos
Distribucin Erlang (2)
Si se aplica la integracin por partes, podemos
demostrar que si T es una distribucin Erlang con
parmetro de proporcionalidad R y parmetro de
forma k, entonces:
2
k
var(T) y
k
E(T) = =
55
2
R
( ) y
R
( )
Supongamos que los tiempos de servicio de clientes
distintos son variables aleatorias independientes, y que
cada tiempo de se icio pa a cada no de los clientes
Modelado del proceso de servicio (1)
cada tiempo de servicio para cada uno de los clientes
est regido por una variable aleatoria S cuya funcin de
densidad es s(t).
Sea 1/ el tiempo de servicio medio de un cliente.
La variable 1/ tiene unidades de horas por cliente de
56
La variable 1/ tiene unidades de horas por cliente, de
modo que tiene unidades de clientes por hora. Por
esta razn, a se le llama tasa de servicio.
29
Infortunadamente, los tiempos de servicio reales
podran no ser consistentes con la propiedad de

Modelado del proceso de servicio (2)


prdida de memoria.
Por esta razn, suponemos con frecuencia, que s(t) es
una distribucin Erlang con parmetro de forma k y
parmetro de proporcionalidad k.
l ll d d
57
A veces los tiempos entre llegadas o de servicio se
pueden modelar como si tuvieran varianza cero; en
este caso los tiempos entre llegadas o de servicio se
consideran como deterministas.
Kendall (1951) propuso una notacin para
Notacin Kendall-Lee (1)
( ) p p p
sistemas de colas que ha sido adoptado
universalmente.
Esta notacin est basada en el formato
siguiente:
58
g
(1/2/3:4/5/6)
30
La primera caracterstica especifica la ley de
llegada y el valor medio de la tasa de llegadas
Notacin Kendall-Lee (2)
llegada y el valor medio de la tasa de llegadas
cuando hay n clientes en el sistema
n
.
Los tiempos entre llegadas son variables
aleatorias independientes e idnticamente
distribuidas y regidos por una Distribucin
i l (M) d t i ti (D) E l
59
exponencial (M), determinstica (D), Erlang con
parmetro de forma K (E
k
) o general (G).
La segunda caracterstica especifica la ley de
servicio y el valor medio de la tasa de servicios
Notacin Kendall-Lee (3)
y
cuando hay n clientes en el sistema
n
.
Los tiempos entre llegadas son variables
aleatorias independientes e idnticamente
distribuidas y regidos por una Distribucin
exponencial (M) determinstica (D) Erlang con
60
exponencial (M), determinstica (D), Erlang con
parmetro de forma K (E
k
) o general (G).
31
Notacin Kendall-Lee (4)
La tercera caracterstica especifica el nmero de
servidores en paralelo (s).
61
La cuarta caracterstica describe la disciplina de
la cola (PEPS UEPS SOA DG)
Notacin Kendall-Lee (5)
la cola (PEPS, UEPS, SOA, DG).
PEPS (Primero en Entrar Primero en Salir)
UEPS (ltimo en Entrar Primero en Salir)
SOA (Servicio en Orden Aleatorio)
DG (Disciplina General)
62
DG (Disciplina General)
32
Notacin Kendall-Lee (6)
La quinta caracterstica especifica el tamao
mximo permitido del sistema de colas (c).
El tamao mximo del sistema de colas es
infinito () si el modelo es de cola infinita.
63
L t t ti l t d l t
Notacin Kendall-Lee (7)
La sexta caracterstica es el tamao del centro
emisor (k).
El tamao del centro emisor es infinito () si el
modelo es de poblacin infinita.
64
33
Ej l (M/M/1 DG/ / ) i ifi i
Notacin Kendall-Lee (8)
Ejemplo.- (M/M/1 : DG//) significa un nico
servidor, capacidad de cola ilimitada y llegadas
de una poblacin infinita. Los tiempos entre
llegadas y los tiempos de servicio son
distribuidos exponencialmente. La disciplina de la
cola es General.
65
3. Procesos de nacimiento y muerte (1)
3.1 Leyes de movimiento para los
d i i t t procesos de nacimiento-muerte
66
34
Definimos el nmero de clientes presentes en un
sistema de lneas de espera como el estado del
3. Procesos de nacimiento y muerte (2)
p
sistema de lneas de espera en el tiempo t.
Denominaremos a P
j
como estado estable o
probabilidad de equilibrio, del estado j.
67
El comportamiento de P
ij
(t) antes de alcanzar en
forma aproximada el estado estable se llama
comportamiento transitorio del sistema de lneas de
espera.
3. Procesos de nacimiento y muerte (3)
Un proceso de nacimiento-muerte es un proceso
estocstico de tiempo continuo para el cual el
estado del sistema, en cualquier momento, es
un entero no negativo.
68
35
Ley 1 Con probabilidad t+o(t) un
Leyes de movimiento para los procesos
de nacimiento-muerte (1)
Ley 1.- Con probabilidad
j
t+o(t), un
nacimiento ocurre entre el tiempo t y el tiempo
t+t. Un nacimiento incrementa el estado del
sistema en 1, hasta j+1. La variable
j
es
llamada tasa de nacimientos en el estado j. en
muchos sistemas de lneas de espera, un
nacimiento es simplemente una llegada.
69
Ley 2 - Con probabilidad t+o(t) una muerte
Leyes de movimiento para los procesos
de nacimiento-muerte (2)
Ley 2. Con probabilidad
j
t+o(t), una muerte
ocurre entre el tiempo t y el tiempo t + t. Una
muerte decrementa el estado del sistema en 1,
hasta j-1. La variable
j
es llamada tasa de
mortalidad en el estado j. En muchos sistemas de
lneas de espera, una muerte es la finalizacin de
un servicio. Obsrvese que debe cumplirse
0
=
0 o podra presentarse un estado negativo
70
0 o podra presentarse un estado negativo.
36
Leyes de movimiento para los procesos
de nacimiento-muerte (3)
Ley 3.- Los nacimientos y las muertes son
independientes entre s.
71
Leyes de movimiento para los procesos
de nacimiento-muerte (4)
72
37
Relacin de la distribucin exponencial con
los procesos de nacimiento-muerte
La mayor parte de los sistemas de lneas de
espera con tiempos entre llegadas exponenciales
y tiempos de servicios exponenciales se podran
modelar como si fueran procesos de nacimiento-
muerte.
73
Mostraremos como las P
j
se podran determinar para un
proceso arbitrario de nacimiento-muerte.
Derivacin de las probabilidades de estado
estable (1)
p
La clave es relacionar (para t pequeas) P
ij
(t+t) con
P
ij
(t).
,...) 2 , 1 ( ) (
1 1 1 1
= + = +
+ +
j P P P
j j j j j j j

=
74
Las ecuaciones de arriba son llamadas ecuaciones de
balance de flujo, o ecuaciones de conservacin del flujo,
para un proceso nacimiento-muerte.
0 0 1 1
=
38
Obtenemos las ecuaciones de balance de flujo para
d i i t t
Derivacin de las probabilidades de estado
estable (2)
un proceso de nacimiento-muerte:
3 3 1 1 2 2 2
2 2 0 0 1 1 1
1 1 0 0
) ( ) i (
) ( ) 2 (
) ( ) 1 (
) 0 (
+ = + =
+ = + =
= =
P P P i j
P P P j
P P P j
P P j




M
75
1 1 1 1
) ( ) ecuacin (
+ +
+ = +
j j j j j j j
P P P sima j
Sea:
Derivacin de las probabilidades de estado
estable (3)
Entonces:
,...) 2 , 1 (
...
...
3 2 1
1 2 1 0
= =

j C
j
j
j


,...) 2 , 1 (
0
= = j C P P
j j
76
,...) 2 , 1 (
0
j C P P
j j
39
Si es finita, podemos resolver para P
0
:
=
=
j
j
j
C
1
=
j
P
0
1
Solucin de las ecuaciones de balance de
flujo (1)
Se puede demostrar que si es infinita,
entonces, no existe distribucin de estado
estable.

=
=
+
j
j
j
C
1
0
1

=
=
j
j
j
C
1
77
La razn ms comn para que no exista el
estado estable es que la tasa de llegadas es
por lo menos igual a la tasa mxima a la cual
los clientes pueden ser atendidos.
Una vez obtenidas las probabilidades de los diferentes
estados, podemos calcular:
Solucin de las ecuaciones de balance de
flujo (2)
estados, podemos calcular:
El nmero promedio de clientes en el sistema:
L =
n=0,
n P
n
La longitud promedio de cola:
L = (n s) P
78
L
q
=
n=s,
(n-s) P
n
El nmero de servidores s representa el nmero de
clientes que pueden estar en servicio y no en la cola al
mismo tiempo.
40
Adems, usando las frmulas de Little obtenemos:
Solucin de las ecuaciones de balance de
flujo (3)
El tiempo promedio que cada cliente permanece en el
sistema:
W = L /
p
El tiempo promedio que cada cliente permanece en la
cola:
79
W
q
= L
q
/
p
Otras frmulas son:
Solucin de las ecuaciones de balance de
flujo (4)
El tiempo promedio de permanencia en el servicio:
W
s
= L
s
/
p
La relacin entre los tiempos es: W = W
q
+ W
s
(L = L
q
+
L
s
)
El factor de utilizacin:
80
El factor de utilizacin:
=
p
/s
41
El promedio de las tasas de llegada para todos los
estados ponde ada po la p obabilidad de cada
Solucin de las ecuaciones de balance de
flujo (5)
estados, ponderada por la probabilidad de cada
estado:

p
=
j=0,

j
P
j
Cuando
j
= para todos los estados posibles del
sistema, tendremos:
p
=
81
4. Modelo de colas con poblacin
infinita
4.1 Modelo de colas con poblacin
infinita y un servidor
4.2 Modelo de colas con poblacin
infinita y varios servidores
82
42
Los parmetros del modelo son:
Llegadas Poisson = para n = 0 1 2
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (1)
Llegadas Poisson
n
para n 0, 1, 2, ... ,
Servicio Exponencial
n
= para n = 1, 2, 3, ... ,
83
El factor de utilizacin del servidor: = /
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (2)

Si > 1 entonces se forma una cola infinita.
Si < 1 entonces el sistema de colas alcanzar la condicin
de estado estable.
84
C
n
=
i=1,n
(
i-1
/
i
) = (/)
n
=
n
para n = 1, 2, 3, ... ,
43
L b bilid d d h ll l i t
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (3)
La probabilidad de hallar el sistema vaco, es:
P
0
= [1 +
n=1,
C
n
]
-1
= [1 +
n=1,

n
]
-1
= [
n=0,

n
]
-1
= 1
La probabilidad de hallar n clientes en el sistema, es:
P
n
= C
n
P
0
= (1 )
n
para n = 1, 2, 3, ... ,
La probabilidad de hallar el sistema ocupado, es:
P(n 1) = 1 P
0
=
85
La probabilidad de hallar k o ms clientes en el sistema, es:
P(n k) =
k
para k = 1, 2, 3, ... ,
El nmero promedio de clientes en el sistema, es:
L = / ( )
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (4)
( )
El nmero promedio de clientes en la cola, es:
L
q
=
2
/ [ ( )]
El tiempo promedio que espera un cliente en el sistema, es:
W = 1 / ( )
86
El tiempo promedio que espera un cliente en la cola, es:
W
q
= / [ ( )]
44
Problema 3.1
La cola rpida del Supermercado Don Lucho atiende slo
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (5)
La cola rpida del Supermercado Don Lucho atiende slo
clientes con 10 artculos o menos, y como resultado, es mucho
ms veloz para estos clientes que las colas normales. El gerente
ha estudiado esta cola y ha determinado que los clientes llegan
de acuerdo a un proceso Poisson con tasa media de 30 por hora
y que, el tiempo necesario para que un cliente sea atendido
tiene una distribucin Exponencial con media de 1 minuto.
a) Hallar los alores de
87
a) Hallar los valores de y .
b) En promedio, a cuntos clientes se est atendiendo o estn
esperando?
c) En promedio, cunto debe esperar un cliente antes de poder
retirarse?
Problema 3.2
En el mostrador de libros de la biblioteca de la Universidad de
Huaura los estudiantes que se retiran deben abrir sus mochilas
Modelo de colas con poblacin infinita y un
servidor - M/M/1:DG// (6)
Huaura, los estudiantes que se retiran deben abrir sus mochilas,
maletines, bolsas, portafolios, etc., para que el vigilante
verifique si no hay robos de libros, revistas o documentos. El
tiempo que se requiere para hacer esta verificacin tiene una
distribucin Exponencial con media de 1 minuto. Se ha
determinado que los estudiantes llegan de acuerdo a un proceso
Poisson con tasa media de 20 por hora.
88
a) Hallar los valores de y .
b) Qu tiempo le llevar a un estudiante pasar por la revisin?
c) En promedio, cuntos estudiantes se encuentran esperando en la
cola en cualquier momento?
d) Durante qu fraccin de tiempo estar libre el vigilante que revisa
las bolsas para poder dedicarse a estudiar?
45
Los parmetros del modelo son:
Llegadas Poisson
n
= para n = 0, 1, 2, ... ,
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (1)
g
n
p , , , ,
Servicio Exponencial
n
= n para n = 1, 2, 3, ... , s-1

n
= s para n = s, s+1, s+2 , ... ,
89
El factor de utilizacin del servidor: = /s
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (2)
Si > 1 entonces se forma una cola infinita.
Si < 1 entonces el sistema de colas alcanzar la condicin de
estado estable.
90
C
n
= (/)
n
/ n! para n = 1, 2, 3, ... , s-1
C
n
= (/)
n
/ (s! s
n-s
) para n = s, s+1, s+2, ... ,
46
La probabilidad de hallar el sistema vaco, es:
P { [ (/ )) / !] [((/ )) / ( ! (1 ))] }
1
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (3)
P
0
= { [
n=0, s-1
(/))
n
/ n!] + [((/))
s
/ (s! (1 ))] }
-1
La probabilidad de hallar n clientes en el sistema, es:
P
n
= [(/)
n
/ n!] P
0
para n = 1, 2, 3, ..., s-1
P
n
= [(/)
n
/ (s! s
n-s
)] P
0
para n = s, s+1, s+2, ...,
91
La probabilidad de hallar el sistema ocupado, es:
P(n s) = (/)
s
P
0
/ [s!(1 )]
El nmero promedio de clientes en la cola, es:
L = { (s)
s
/ [(1 )
2
s!] } P
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (4)
L
q
= { (s)
s
/ [(1 )
2
s!] } P
0
El nmero promedio de clientes en el sistema, es:
L = L
q
+ s
El tiempo promedio que espera un cliente en la cola, es:
W = L /
92
W
q
L
q
/
El tiempo promedio que espera un cliente en el sistema, es:
W= L /
47
Problema 3.3
El autocinema Miramar tiene tres taquillas, cada una de las cuales atiende
una cola de clientes Los automviles llegan al autocinema de acuerdo a un
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (5)
una cola de clientes. Los automviles llegan al autocinema de acuerdo a un
proceso Poisson con tasa media de 90 por hora y cada taquilla tiene un
tiempo de atencin de acuerdo a una distribucin Exponencial con media
de 1.5 minutos.
a) Qu tipo de modelo de colas es ste?
b) Cul es la probabilidad de que, si consideramos una sola de las taquillas, se
encuentre desocupada? Cul es la probabilidad de que se est atendiendo a tres
automviles?
c) Cul es el nmero promedio de automviles en cada una de las taquillas?
93
c) Cul es el nmero promedio de automviles en cada una de las taquillas?
d) Cul es el tiempo promedio que un automvil espera antes de llegar a la taquilla?
e) Si el autocinema decide utilizar una sola cola para la venta de todos los boletos en
las tres taquillas, qu caracterstica de operacin esperara usted que cambiara
ms?
Problema 3.4
Un laboratorio de la ciudad est planeando ofrecer un servicio al pblico en
general. Este servicio consistir en dar informacin mdica sobre diversos
Modelo de colas con poblacin infinita y
varios servidores - M/M/s:DG// (6)
general. Este servicio consistir en dar informacin mdica sobre diversos
temas a las personas que marquen el nmero de informacin. Las llamadas
telefnicas se realizan de acuerdo a un proceso Poisson con tasa media de
40 por hora. Una operadora de la central telefnica contestar a las
personas que llamen e intentar responder sus preguntas. El tiempo de
atencin de la operadora se ajusta a una distribucin Exponencial con
media de 6 minutos. El laboratorio desea que la probabilidad de que las
personas que llamen encuentren ocupada la lnea telefnica sea a lo ms
94
personas que llamen encuentren ocupada la lnea telefnica, sea a lo ms
0.1%. Para ello se ha decidido aumentar el nmero de las lneas de la
central telefnica. Se supone que habr una operadora por lnea telefnica.
Calcule el nmero de lneas telefnicas necesarias para alcanzar el nivel de
atencin deseado.
48
Debe existir un equilibrio entre el COSTO DE
proporcionar un buen SERVICIO y el COSTO del tiempo
DE ESPERA del cliente o de la mquina que deben ser
5. Anlisis econmico de los modelos
de cola (1)
DE ESPERA del cliente o de la mquina que deben ser
atendidos.
Lo deseable es que las colas sean lo suficientemente
cortas con la finalidad de que los clientes no se irriten e
incluso se retiren sin llegar a utilizar el servicio o lo usen
pero no retornen ms.
95
Sin embargo, se debe evaluar la longitud en la fila de
espera, para obtener ahorros significativos en el COSTO
DEL SERVICIO.
Equilibrio entre
C t d C t d i i
5. Anlisis econmico de los modelos
de cola (2)
Costos de espera y Costos de servicio
Costo por proporcionar el
SERVICIO
Costo
Costo
Total
Mnimo
COSTO TOTAL
ESPERADO
96
Nivel ptimo de Servicio
Nivel de Servicio
Costo por TIEMPO
DE ESPERA
49
Los costos de servicios se incrementan si se mejora el
nivel de servicio Un centro de servicio puede variar su
5. Anlisis econmico de los modelos
de cola (3)
nivel de servicio. Un centro de servicio puede variar su
capacidad teniendo personal o mquinas adicionales que
son asignadas para incrementar la atencin cuando
crecen excesivamente los clientes.
En supermercados se habilitan cajas adicionales
cuando es necesario.
E b t d h d t
97
En bancos y puntos de chequeo de aeropuertos, se
contrata personal adicional para atender en ciertas
pocas del da o del ao.
Cuando el servicio mejora, disminuye el costo de tiempo
did l fil d
5. Anlisis econmico de los modelos
de cola (4)
perdido en las filas de espera.
Este costo puede reflejar prdida de productividad de los
empleados que estn esperando que compongan sus
equipos o puede ser simplemente un estimado de los
clientes perdidos a causa de mal servicio y colas muy
largas.
98
largas.
En ciertos servicios el costo de la espera puede ser
intolerablemente alto.
50
5. Anlisis econmico de los modelos
de cola (5)
Costo de servicio = E(CS)
Costo horario de un servidor = c
s
Nmero de servidores = s
E(CS) ( )( )
99
E(CS) = (c
s
)(s)
5. Anlisis econmico de los modelos
de cola (6)
Costos de espera = E(CE)
Costo horario de un cliente espera en la cola =
c
e
Tamao esperado de la cola = L
q
E(CE) = (c )(L )
100
E(CE) (c
e
)(L
q
)
51
Problema 3.5
La compaa arrendadora de automviles LimaCar opera su propia
5. Anlisis econmico de los modelos
de cola (7)
p p p p
instalacin de lavado y limpieza de automviles para prepararlos para su
renta. Los automviles llegan a la instalacin de limpieza de acuerdo a un
proceso Poisson con tasa media de 5 por da. La compaa ha determinado
que los automviles pueden limpiarse a un ritmo de 2n por da, en donde n
es el nmero de personas que trabajan en un automvil. Este procedimiento
de lavado se ajusta a la distribucin Exponencial. La compaa les paga a
101
sus trabajadores I/.30.00 por da y ha determinado que el costo por un
automvil que no est disponible para rentarlo es de I/.25.00 por da.
a) Calcule el nmero de empleados que deben contratarse en la instalacin de lavado,
para que produzca el menor costo?
b) Calcule los valores de P
0
, P
n
, L, L
q
, W y W
q
para el nmero de empleados que
eligi.
Problema 3.5 (continuacin)
Ahora, LimaCar est considerando aadir un taller de lavado para
5. Anlisis econmico de los modelos
de cola (8)
, p
incrementar su negocio. La nueva tasa media de llegadas es de 8
automviles por da, en tanto que la tasa de lavado para cada taller ser la
misma. La compaa ha determinado que el costo adicional de las nuevas
instalaciones es I/.50.00 por da.
c) Bajo estas nuevas condiciones, determine si la compaa LimaCar debe aadir la
instalacin adicional o no.
102
d) Calcule los valores de P
0
, P
n
, L, L
q
, W y W
q
para el plan que tenga el menor costo.
52
6. Modelo de colas con capacidad
limitada
6.1 Modelo de colas con capacidad
limitada, poblacin infinita y un
servidor
6.2 Modelo de colas con capacidad
103
limitada, poblacin infinita y varios
servidores
Los parmetros del modelo son:
Ll d P i 0 1 2 1
Modelo de colas con capacidad limitada, poblacin
infinita y un servidor - M/M/1:DG/c/ (1)
Llegadas Poisson
n
= para n = 0, 1, 2, ... , c-1
Servicio Exponencial
n
= para n = 1, 2, 3, ... , c
104
53
El factor de utilizacin del servidor: /
Modelo de colas con capacidad limitada, poblacin
infinita y un servidor - M/M/1:DG/c/ (2)
El factor de utilizacin del servidor:
p
/
Si =
p
/ 1 entonces el sistema de colas alcanzar la condicin
de estado estable.
C
n
= (/)
n
=
n
para n = 1, 2, 3, ... , c
105
C
n
= 0 para n = k+1, k+2, ... ,
La probabilidad de hallar el sistema vaco es:
Modelo de colas con capacidad limitada, poblacin
infinita y un servidor - M/M/1:DG/c/ (3)
La probabilidad de hallar el sistema vaco, es:
P
0
= (1 ) / (1
c+1
)
La probabilidad de hallar n clientes en el sistema, es:
P
n
= [(1 ) / (1
c+1
)]
n
para n = 1, 2, 3, ..., c
106
La tasa media de llegadas al sistema, es:

p
= (1 P
c
)
54
El nmero promedio de clientes en el sistema, es:
L = [ / (1 )] [ (c+1)
c+1
/ (1
c+1
)]
Modelo de colas con capacidad limitada, poblacin
infinita y un servidor - M/M/1:DG/c/ (4)
[ ( )] [ ( ) ( )]
El nmero promedio de clientes en la cola, es:
L
q
= L (1 P
0
)
El tiempo promedio que espera un cliente en la cola, es:
W
q
= L
q
/ [ (1 P
c
)]
107
q q
El tiempo promedio que espera un cliente en el sistema, es:
W= L / [ (1 P
c
)]
Para = 1:
Modelo de colas con capacidad limitada, poblacin
infinita y un servidor - M/M/1:DG/c/ (5)
La probabilidad de hallar n clientes en el sistema, es:
P
n
= 1 / (c + 1) para n = 0, 1, 2, 3, ..., c
El nmero promedio de clientes en el sistema, es:
L = c/2
108
L c/2
Las dems frmulas siguen siendo vlidas.
55
Los parmetros del modelo son:
Llegadas Poisson = para n = 0 1 2 c-1
Modelo de colas con capacidad limitada, poblacin
infinita y varios servidores - M/M/s:DG/c/ (1)
Llegadas Poisson
n
para n 0, 1, 2, ... , c 1
Servicio Exponencial
n
= c para n = 1, 2, 3, ... , s-1

n
= s para n = s, s+1, s+2, ..., c
109
El factor de utilizacin del servidor: /s
Modelo de colas con capacidad limitada, poblacin
infinita y varios servidores - M/M/s:DG/c/ (2)
El factor de utilizacin del servidor:
p
/s
Si =
p
/s 1 entonces el sistema de colas alcanzar la
condicin de estado estable.
C
n
= (/)
n
/ n! para n = 1, 2, 3, ... , s-1
110
C
n
= (/)
n
/ [s! s
n-s
] para n = s, s+1, s+2, ... , c
C
n
= 0 para n = c+1, c+2, ... ,
56
La probabilidad de hallar el sistema vaco, es:
Modelo de colas con capacidad limitada, poblacin
infinita y varios servidores - M/M/s:DG/c/ (3)
p ,
P
0
= { 1 + [
n=1, s-1
(/))
n
/ n!] + [(/))
s
/ s!]
n=s, c
)
n-s
}
-1
La probabilidad de hallar n clientes en el sistema, es:
P
n
= [(/)
n
/ n!] P
0
para n = 1, 2, 3, ..., s-1
P
n
= [(/)
n
/ (s! s
n-s
)] P
0
para n = s, s+1, s+2, ..., c
111
La tasa media de llegadas al sistema, es:

p
= (1 P
c
)
El nmero promedio de clientes en la cola, es:
Modelo de colas con capacidad limitada, poblacin
infinita y varios servidores - M/M/s:DG/c/ (4)
L
q
= [P
0
(/)
s
/ [s! (1 )
2
]] [1
c-s
(c s)
c-s
(1 )]
El nmero promedio de clientes en el sistema, es:
L =
n=0,s-1
n P
n
+ L
q
+ s(1
n=0,s-1
P
n
)
El tiempo promedio que espera un cliente en el sistema, es:
W L / [ (1 P )]
112
W= L / [ (1 P
c
)]
El tiempo promedio que espera un cliente en la cola, es:
W
q
= L
q
/ [ (1 P
c
)]
57
Los parmetros del modelo son:
7. Modelo de colas con servidores
infinitos - M/M/:DG// (1)
Llegadas Poisson
n
= para n = 0, 1, 2, ...,
Servicio Exponencial
n
= para n = 1, 2, 3, ...,
113
La probabilidad de hallar n clientes en el sistema, es:
7. Modelo de colas con servidores
infinitos - M/M/:DG// (2)
La probabilidad de hallar n clientes en el sistema, es:
P
n
= (/)
n
e
-/
/ n! para n = 0, 1, 2, 3, ... ,
El nmero promedio de clientes en el sistema, es:
L = /
El tiempo promedio que espera un cliente en el sistema,
114
es:
W = 1/
58
8. Modelo de colas con poblacin finita
8.1 Modelo de colas con poblacin finita y
un servidor
8.2 Modelo de colas con poblacin finita y
varios servidores
115
Los parmetros del modelo son:
Modelo de colas con poblacin finita y un
servidor - M/M/1:DG/k/k (1)
Llegadas Poisson
n
= (k n) para n = 0, 1, 2, ..., k-1
Servicio Exponencial
n
= para n = 1, 2, 3, ..., k
116
59
C
n
= k! (/)
n
/ (k n)! para n = 1, 2, 3, ..., k
Modelo de colas con poblacin finita y un
servidor - M/M/1:DG/k/k (2)
n
( ) ( ) p , , , ,
La probabilidad de hallar el sistema vaco, es:
P
0
= [
n=0,k
k! (/)
n
/ (k n)! ]
-1
La probabilidad de hallar n clientes en el sistema, es:
P
n
= k! (/)
n
P
0
/ (k n)! para n = 1, 2, 3, ..., k
117
La tasa media de llegadas al sistema, es:

p
= (k L)
El nmero promedio de clientes en el sistema, es:
Modelo de colas con poblacin finita y un
servidor - M/M/1:DG/k/k (3)
L = k (1 P
0
) /
El nmero promedio de clientes en la cola, es:
L
q
= k ( + ) (1 P
0
) /
El tiempo promedio que pasa un cliente en el sistema, es:
W L / [(k L)]
118
W= L / [(k L)]
El tiempo promedio que pasa un cliente en la cola, es:
W
q
= L
q
/ [(k L)]
60
Los parmetros del modelo son:
Ll d P i (k ) 0 1 2 k 1
Modelo de colas con poblacin finita y
varios servidores - M/M/s:DG/k/k (1)
Llegadas Poisson
n
= (k n) para n = 0, 1, 2, ..., k-1
Servicio Exponencial
n
= n para n = 1, 2, 3, ..., s-1

n
= s para n = s, s+1, s+2, ..., k
119
C
n
= k! (/)
n
/ (k n)! n! para n = 1, 2, 3, ..., s-1
Modelo de colas con poblacin finita y
varios servidores - M/M/s:DG/k/k (2)
C
n
= k! (/)
n
/ (k n)! s! s
n-s
para n = s, s+1, s+2, ..., k
La probabilidad de hallar el sistema vaco, es:
P
0
= {
n=0,s-1
(/)
n
k! / [(k n)! n!]
+
n=s,k
(/))
n
k! / [(k n)! s! s
(n-s)
]}
-1
La probabilidad de hallar n clientes en el sistema, es:
P k! (/ )
n
P / [(k )! !] 1 2 3 1
120
P
n
= k! (/)
n
P
0
/ [(k n)! n!] para n = 1, 2, 3, ..., s-1
P
n
= k! (/)
n
P
0
/ [(k n)! s! s
n-s
] para n = s, s+1, s+2, ..., k
La tasa media de llegadas al sistema, es:

p
= (k L)
61
El nmero promedio de clientes en el sistema, es:
L =
n=0,s-1
n P
n
+
n=s,k
(n s) P
n
+ s (1
n=0,s-1
P
n
)
Modelo de colas con poblacin finita y
varios servidores - M/M/s:DG/k/k (3)
, , ,
El nmero promedio de clientes en la cola, es:
L
q
=
n=s,k
(n s) P
n
El tiempo promedio que pasa un cliente en el sistema, es:
W L / [(k L)]
121
W= L / [(k L)]
El tiempo promedio que pasa un cliente en la cola, es:
W
q
= L
q
/ [(k L)]
9. Redes de colas
9.1 Modelo de colas en serie
9.2 Redes abiertas
9.3 Redes cerradas
122
62
En los modelos de lneas de espera tratados hasta
este momento, un tiempo de servicio completo al
cliente transcurre en un solo servidor
Modelo de colas en serie (1)
cliente transcurre en un solo servidor.
En muchas situaciones el servicio no se completa
hasta que el cliente ha sido atendido por ms de
un servidor.
123
Un sistema como este se denomina modelo de
colas de k etapas en serie.
Teorema.- Si (1) los tiempos de espera entre
llegadas para un sistema de lneas de espera
Modelo de colas en serie (2)
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
124
llegadas a cada etapa del sistema de lneas de
espera son exponenciales con tasa .
63
Las redes abiertas de lneas de espera son una
generalizacin de las lneas de espera en serie.
Suponga que la estacin j consiste de s
Redes abiertas (1)
Suponga que la estacin j consiste de s
j
servidores exponenciales, cada operando a una
tasa
j
.
Se supone que los clientes llegan a la estacin j
desde afuera del sistema de colas a una tasa r
j
.
125
Tambin se supone que estos tiempos entre
llegadas se apegan a una distribucin
exponencial.
Una vez que se completa el servicio de la
estacin i un cliente se forma en la cola de la
Redes abiertas (2)
estacin i, un cliente se forma en la cola de la
estacin j con probabilidad p
ij
y termina el
servicio con probabilidad

=
=

k j
j
ij
p
1
1
126
j
64
Definamos
j
, la tasa a la cual los clientes llegan
a la estacin j.
Redes abiertas (3)

1
,
2
,
k
se pueden determinar al resolver el
siguiente sistema de ecuaciones lineales:
Esto se infiere porque una fraccin p
ij
de las
llegadas a la estacin i llegarn luego a la
) ,..., 2 , 1 (
1
k j p r
k i
i
i ij j j
= + =

=
=

127
llegadas
i
a la estacin i llegarn luego a la
estacin j.
Suponga que s
i

j
>
j
se cumple para todas las
estaciones.
Entonces, se puede demostrar que la distribucin
de probabilidad del nmero de clientes presentes
en la estacin j y el nmero de clientes esperados
Redes abiertas (4)
en la estacin j y el nmero de clientes esperados
en la estacin j se puede determinar si se trata a la
estacin j como un sistema (M/M/s
j
:DG//) con
tasa de llegadas
j
y tasa de servicio
j
.
Si para alguna j s entonces no existe
128
Si para alguna j, s
j

j

j
, entonces no existe
distribucin de estado estable de los clientes.
65
Observar que la cantidad de clientes presentes en
cada estacin es una variable aleatoria
independiente.
Redes abiertas (5)
independiente.
Es decir, conocer la cantidad de personas en todas
las estaciones que no son la estacin j no nos dice
nada respecto a la distribucin del nmero de
personas en la estacin j.
129
Este resultado no se cumple en el caso de que no
sean exponenciales los tiempos entre llegadas o
los tiempos de servicio.
Para determinar L, el nmero esperado de
clientes en el sistema de colas, sume el nmero
d d li d i
Redes abiertas (6)
esperado de clientes presentes en cada estacin.
Para determinar W, el tiempo promedio que un
cliente pasa en el sistema, aplique la frmula L =
W a todo el sistema.
130
Aqu = r
1
+ r
2
+ + r
k
porque representa la
cantidad promedio de clientes por unidad de
tiempo que llega al sistema.
66

1
= 40
s
1
= 1
r
1
= 10
p 0 5
p
32

3
= 0.5
3
(1 - p
12
- p
13
)
1
= 0.2
1
p
13

1
= 0.3
1

2
= 50
s
2
= 1
r
2
= 15
p
12

1
= 0.5
1
p
23

2
= 0.2
2
(1 p
21
p
23
)
2
= 0.5
2
p
21

2
= 0.3
2
131

3
= 30
s
3
= 1
r
3
= 3
(1 p
31
p
32
)
3
= 0.1
3 p
31

3
= 0.4
3
Sistema de ecuaciones:

1
= r
1
+ p
21

2
+ p
31

3
= 10 + 0.3
2
+ 0.4
3

2
= r
2
+ p
12

1
+ p
32

3
= 15 + 0.5
1
+ 0.5
3

3
= r
3
+ p
13

1
+ p
23

2
= 3 + 0.3
1
+ 0.2
2
Solucin:

1
= 30 clientes / hora

2
= 40 clientes / hora

3
= 20 clientes / hora
132
L
1
= 3 clientes
L
2
= 4 clientes
L
3
= 2 clientes
W = (L
1
+ L
2
+ L
3
) / (r
1
+ r
2
+ r
3
)
W = (9 / 28)*60 = 19 minutos
67
Para una red de computadoras ocupada, sera
conveniente suponer que tan pronto como un
trabajo deja el sistema, otro trabajo llega a
reemplazarlo
Redes cerradas (1)
reemplazarlo.
Sistemas donde hay una cantidad de trabajos
presente, se podra modelar como redes cerradas
de lneas de espera.
133
Como la cantidad de trabajos en el sistema
siempre es constante, la distribucin de trabajos
en servidores distintos no puede ser
independiente.
El algoritmo de Buzen puede ser usado para
determinar probabilidades de estado estable para
redes cerradas de lneas de espera.
Redes cerradas (2)
Sea
j
igual a la tasa de llegadas para el servidor
j.
Como no hay llegadas externas, podramos hacer
d l 0 b l l d i
134
todas las r
j
=0 y obtener los valores de
j
a partir
de la ecuacin usada en el caso de las redes
abiertas.
Esto es,

=
=
= =
s i
i
ij i j
s j P
1
) ,... 2 , 1 (
68
Como los trabajos nunca dejan el sistema, por
cada I,
1
1
=

=
=
s j
j
ij
P
Redes cerradas (3)
Este hecho causa que la ecuacin en la
diapositiva anterior no tenga solucin nica.
Por fortuna, podemos usar cualquier solucin para
obtener las probabilidades de estado estable.
1

= j
ij
135
Si definimos entonces determinamos, para
cualquier estado n su probabilidad de estado
estable
N
(n) a partir de la siguiente ecuacin
i
i
i
p

=
) (
) (
2 1
2 1
N G
s
n
n
n n
N

L
= n
Aqu

=
s
n n n
N G
2 1
) (
Redes cerradas (4)
Aqu,
El algoritmo de Buzen proporciona una manera
eficaz para determinar (en una hoja de clculo) G(N).
Una vez que tenemos las probabilidades de estado
estable calc lamos con facilidad otros medidas de

=
N
S n
n
N G L
2 1
) (
136
estable, calculamos con facilidad otros medidas de
efectividad .
69
10. Modelos de colas con distribucin de
servicio no exponencial
10.1Modelo de colas con distribucin de
servicio general
10.2 Modelo de colas con distribucin de
servicio determinstica
137
10.3 Modelo de colas con distribucin de
servicio Erlang
Llegadas Poisson con media 1/
Modelo de colas con distribucin de
servicio general - M/G/1:DG// (1)
Servicio con media 1/ y varianza
2
El factor de utilizacin del servidor: = / < 1
La probabilidad de hallar el sistema vaco, es:
138
P
0
= 1
70
El nmero promedio de clientes en la cola, es:
L = [
2

2
+
2
] / [2 (1 )]
Modelo de colas con distribucin de
servicio general - M/G/1:DG// (2)
L
q
[ + ] / [2 (1 )]
El nmero promedio de clientes en el sistema, es:
L = + L
q
El tiempo promedio que espera un cliente en la cola, es:
W
q
= L
q
/
El tiempo promedio que espera un cliente en el sistema, es:
139
p p q p ,
W= W
q
+ 1/
Llegadas Poisson con media 1 /
Modelo de colas con distribucin de
servicio determinstica - M/D/1:DG// (1)
g
Servicio con media 1/ y varianza
2
= 0
El factor de utilizacin del servidor: = / < 1
La probabilidad de hallar el sistema vaco, es:
140
P
0
= 1
71
El nmero promedio de clientes en la cola, es:
L = [
2
] / [2 (1 )]
Modelo de colas con distribucin de
servicio determinstica - M/D/1:DG// (2)
L
q
[ ] / [2 (1 )]
El nmero promedio de clientes en el sistema, es:
L = + L
q
El tiempo promedio que espera un cliente en la cola, es:
W
q
= L
q
/
El tiempo promedio que espera un cliente en el sistema, es:
141
p p q p ,
W= W
q
+ 1/
Llegadas Poisson con media 1 /
Modelo de colas con distribucin de
servicio Erlang - M/E
k
/1:DG// (1)
Servicio con media 1/ y varianza
2
= 1 / (k
2
)
El factor de utilizacin del servidor: = / < 1
La probabilidad de hallar el sistema vaco, es:
142
P
0
= 1
72
El nmero promedio de clientes en la cola, es:
L = [(1 + k) / 2k] [
2
] / [ ( )]
Modelo de colas con distribucin de
servicio Erlang - M/E
k
/1:DG// (2)
L
q
[(1 + k) / 2k] [ ] / [ ( )]
El nmero promedio de clientes en el sistema, es:
L = + L
q
El tiempo promedio que espera un cliente en la cola, es:
W
q
= L
q
/
El tiempo promedio que espera un cliente en el sistema, es:
143
p p q p ,
W= W
q
+ 1/
Problema 3.6
El jefe de la oficina de admisin de una Escuela de Negocios
Modelo de colas con distribucin de
servicio Erlang - M/E
k
/1:DG// (3)
El jefe de la oficina de admisin de una Escuela de Negocios,
maneja solicitudes de ingreso a la Maestra en Administracin de
Negocios sobre la base de que el primero que llega es el primero
que se atiende. Estas solicitudes llegan de acuerdo a un proceso
Poisson con tasa media de 5 por da. La distribucin de
probabilidad en los tiempos de servicio es tal que la desviacin
estndar es 1/10 de da y la media es 1/9 de da. Cul es el tiempo
144
y p
promedio que una solicitud espera para ser procesada? En
promedio, cuntas solicitudes estn en espera de ser procesadas
en cualquier momento?
73
11. Modelos de colas con disciplina de
prioridades
11.1Modelo de colas con prioridad
adquirida
11.2 Modelo de colas sin prioridad
adquirida
145
Modelo de colas con prioridad
adquirida (1)
Llegadas Poisson
i
para la prioridad de clase i (i = 1, 2, 3, ..., N)
Servicio Exponencial Servicio Exponencial
Nmero de servidores en paralelo s
=
n=1, N

i
Las siguientes ecuaciones son vlidas slo cuando
146
Las siguientes ecuaciones son vlidas slo cuando
= / s < 1
74
El tiempo promedio que pasa un cliente de la clase de prioridad k
en la cola es:
Modelo de colas con prioridad
adquirida (2)
en la cola, es:
W
qk
= 1 / (AB
k-1
B
k
) para k = 1, 2, 3, ..., N
Donde:
A= s! [(s - )/(s)
s
] (
j=0,s-1
(s )
j
/ j!) + s
B
0
= 1
147
B
0
1
B
k
= 1 - (
i=1,k

i
) / s para k = 1, 2, 3, ..., N
El tiempo promedio que pasa un cliente de la clase de prioridad k
en el sistema es:
Modelo de colas con prioridad
adquirida (3)
en el sistema, es:
W
k
= W
qk
+ 1 / para k = 1, 2, 3, ..., N
El nmero promedio de clientes de la clase de prioridad k en el
sistema, es:
L
k
=
k
W
k
para k = 1, 2, 3, ..., N
El nmero promedio de clientes de la clase de prioridad k en la
148
p p
cola, es:
L
qk
=
k
W
qk
para k = 1, 2, 3, ..., N
75
Llegadas Poisson
i
para la prioridad de clase i (i = 1, 2, 3, ..., N)
S i i E i l
Modelo de colas sin prioridad
adquirida (1)
Servicio Exponencial
Nmero de servidores en paralelo s
=
n=1, N

i
Las siguientes ecuaciones son vlidas slo cuando
149
Las siguientes ecuaciones son vlidas slo cuando
= / s < 1
El tiempo promedio que pasa un cliente de la clase de prioridad k
Modelo de colas sin prioridad
adquirida (2)
El tiempo promedio que pasa un cliente de la clase de prioridad k
en el sistema, es:
W
k
= 1 / ( B
k-1
B
k
) para k = 1, 2, 3, ..., N
Donde:
B
0
= 1
150
B
k
= 1 - (
i=1,k

i
) / s para k = 1, 2, 3, ..., N
76
El tiempo promedio que pasa un cliente de la clase de prioridad k
en la cola es:
Modelo de colas sin prioridad
adquirida (3)
en la cola, es:
W
qk
= W
k
- 1 / para k = 1, 2, 3, ..., N
El nmero promedio de clientes de la clase de prioridad k en el
sistema, es:
L
k
=
k
W
k
para k = 1, 2, 3, ..., N
El nmero promedio de clientes de la clase de prioridad k en la
151
p p
cola, es:
L
qk
=
k
W
qk
para k = 1, 2, 3, ..., N