Académique Documents
Professionnel Documents
Culture Documents
Investigación de Operaciones 2
Catedrático:
Trabajo:
Teoría de Colas
Integrantes:
Sección/Grupo:
2-1
1
Contenido
Ejercicios: .......................................................................................................................... 6
MEDIDAS DE RENDIMIENTO DE ESTADO ESTABLE ..................................................................... 7
(M/M/1):(GD/ ∞/ ∞) .......................................................................................................... 10
Ejercicio de aplicación #1 ................................................................................................ 12
Ejercicio de aplicación #2 ................................................................................................ 13
Ejercicio de aplicación #3 ................................................................................................ 14
(M/M/1): (GD/N/∞) ............................................................................................................ 14
Ejercicio de aplicación #1 ................................................................................................ 15
Ejercicio de aplicación #2 ................................................................................................ 16
Ejercicio de aplicación #3 ................................................................................................ 17
MODELO DE SERVIDORES MULTIPLES ..................................................................................... 18
2
Ejercicio de aplicación #2 ................................................................................................ 36
Ejercicio de aplicación #3 ................................................................................................ 37
FORMULA POLLACZEEK-KHINTCHINE(P-K) ............................................................................... 38
Anexos .................................................................................................................................... 43
3
NOTACIÓN GENERAL DE LA SITUACIÓN GENERAL DE
COLAS O MODELO KENDALL
La cantidad de clientes en el sistema se define para incluir los que están en el
servicio y los que están en la cola. En cuanto a terminología, el estándar en la
Teoría de Colas es el siguiente:
4
La primera característica especifica la naturaleza del proceso de llegada. Se
utilizan las abreviaturas estándar siguientes:
Ek= los tiempos entre llegadas son Erlangs (iid) con parámetro de forma k.
G= los tiempos entre llegadas son (iid) y están regidos por una distribución
general.
5
GD= Disciplina general.
Ejercicios:
6
MEDIDAS DE RENDIMIENTO DE ESTADO ESTABLE
Una vez que se ha determinado la probabilidad p n, de estado estable de n
clientes en el sistema, podemos calcular las medidas de desempeño de estado
estable de líneas de espera en forma directa. Entre las principales medidas de
desempeño que se utilizarán se cuentan:
7
5. Probabilidad de que el servicio se quede vacío
Ejercicio de aplicación #1
Ejercicio de aplicación #2
Solución: La tasa media de llegadas λ es 100 clientes por hora ó 100/60 = 1.67
clientes por min La tasa media de servicio μ es 150 clientes por hora ó 150/60
= 2.5 cliente por minuto
8
Ejercicio de aplicación #3
9
MODELOS DE UN SOLO SERVIDOR
Para el caso de un solo servidor (C=1) se presentarán 2 modelos. El primer
modelo no limita el número en el sistema y el segundo supone un límite finito
del sistema. Ambos modelos suponen una capacidad infinita de la fuente. Las
llegadas ocurren a razón de λ clientes por unidad de tiempo y la tasa de
servicio es μ clientes por unidad de tiempo. Los resultados de estos modelos y
de los que se mostrarán más adelante, son derivados (como pasos especiales)
de los resultados del modelo generalizado, mostrado al inicio del documento.
Se utilizará la notación ampliada de Kendall para caracterizar cada situación.
Debido a que las derivaciones de Pn en las secciones anteriores son
independientes de un modelo de colas específicas, se utilizará el símbolo GD
(disciplina general) con la notación.
(M/M/1):(GD/ ∞/ ∞)
10
Características:
Posee 1 servidor.
No hay límites de capacidad en el sistema.
Los clientes son servidos con la política PEPS y cada arribo espera a ser
servido sin importar la longitud de la línea o cola.
Los arribos son independientes de arribos anteriores, pero el promedio
de arribos no cambia con el tiempo.
Los arribos son descritos mediante la probabilidad de poisson y
proceden de una población muy grande o infinita.
Los tiempos de servicio varían de cliente a cliente y son independientes
entre sí, pero su tasa promedio es conocida
Los tiempos de servicio se representan mediante la distribución de
probabilidad exponencial negativa.
La tasa de servicio es más rápida que la de arribo.
λ ≡ tasa de llegadas.
μ ≡ tasa de servicio.
s ≡ numero de servicios
11
Ejercicio de aplicación #1
Desarrollo:
λ 3
a) ρ = μ = 4 = 0.75 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
𝑃= 0.5781
12
Ejercicio de aplicación #2
El servicio de lavado de autos Mr. Clean está abierto seis días a la semana,
pero el día de trabajo más pesado es siempre el sábado. A partir de datos
históricos, el gerente estima que los coches sucios llegan a una tasa de 22 por
hora, durante todo el sábado. Con una brigada completa trabajando la línea de
lavado a mano, él calcula que los automóviles se pueden lavar a una tasa de
uno cada dos minutos. Se cuenta con una línea de espera con un solo canal,
es decir, los automóviles se lavan de uno en uno cuando les toca su turno.
Supón las llegadas con distribución de Poisson y tiempos exponenciales de
servicio.
Solución:
𝜆 22
𝐿𝑞 = = = 2.75
𝜇 − 𝜆 30 − 22
1 1
𝑤𝑞 = = = 0.09166
𝜇(𝜇 − 𝜆) 30(30 − 22)
1 1
𝑤= = = 0.125
𝜇 − 𝜆 30 − 22
𝜆 22
𝑝𝑜 = 1 − = 1− = 0.2667
𝜇 30
13
Ejercicio de aplicación #3
Desarrollo:
𝜆 2
a) 𝐿𝑠 = 𝜇 −𝜆 = 3−2 = 2 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
1 1
b) 𝑊𝑠 = 𝜇 −𝜆 = 3−2 = 1 𝑜𝑟𝑎
𝜆 2
c) 𝜌 = 𝜇 = 3 = 0.667 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
𝜆2 22
d) 𝐿𝑞 = 𝜇 (𝜇 −𝜆) = 3(3−2) = 1.333 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
(M/M/1): (GD/N/∞)
14
No se permiten nuevas llegadas cuando la cantidad de clientes en el sistema
llega a N. Por lo tanto:
𝑃𝑛𝑛 𝑃𝑜 , 𝑛≤𝑁
𝑃𝑛 =
0, 𝑛 > 𝑁
Esto significa que λ efec es la tasa que importa en este caso. Debido a que los
clientes se pierden cuando hay N en el sistema.
Ejercicio de aplicación #1
Datos:
𝜆=19(3)=1/3
𝜇=1/2
Solución
15
𝜆 1/3
b) 𝜌 = 𝜇 = 1/2 = 2/3
Ejercicio de aplicación #2
Janeth tiene un auto lavado y desea saber cuántos espacios asignar a los
autos que esperan. Janet espera que los clientes lleguen en forma aleatoria
(proceso poisson) con una tasa media de 1 cada 4 minutos, al menos que el
área de espera esté llena, en cuyo caso los autos se irán a otra parte. El tiempo
de lavado de un carro tiene función exponencial con media de 3 minutos.
Compara la fracción de clientes potenciales que se pierden por falta de espacio
de espera si se proporcionan. A)0, b)2, c) 4 espacios además del lugar de
lavado)
𝜆 = 14𝑚𝑖𝑛
1
=3
𝜇
𝜇 = 1/3𝑚𝑖𝑛
1/4
𝜌= = 3/4
1/3
a) Para 0 espacios
1−𝜌
𝑃1 = 𝑛
1 − 𝜌𝑁+1𝜌
3 3
(1 − 4)(4)
𝑃1 = = 0.429
32
1− 4
b) Para 2 espacios
16
3 33
(1 − 4)( 4 )
𝑃3 = = 0.154
34
1− 4
c) Para 4 espacios
3 35
(1 − 4)( 4 )
𝑃5 = = 0.72
36
1− 4
Ejercicio de aplicación #3
Los pacientes llegan a una Clínica según una distribución de Poisson a una
tasa de 30 pacientes por hora. La sala de espera tiene sólo 14 asientos y no da
más cabida, El tiempo de auscultación por paciente es exponencial con tasa
media de 20 pacientes por hora. Determine:
Solución
Para éste modelo no importa que ρ>1, así que ya tenemos el ρ = 1,5 pacientes
esperando, pero uno que debe estar adentro chequeándose con el Dr.
17
P0 = {(1 - ρ ) / ( 1 – ρ N+1) = (1 – 1.5) / ( 1- 1.516) = -05/-655,84008 = 0,000762
18
Canal único, Fases Canales Múltiples, Fase Canales Múltiples, Fases
múltiples única: Múltiples:
19
(M/M/C): (GD/∞/∞)
Esta sección considera tres modelos de colas con varios servidores paralelos.
Los primeros dos modelos son las versiones de varios servidores. El tercer
modelo trata el caso del autoservicio, el cual equivale a tener una cantidad
infinita de servidores paralelos
𝜆𝑛 = 𝜆, 𝑛 ≥ 0
𝑛𝜇, 𝑛 < 𝑐
𝜇𝑛 =
𝑐𝜇, 𝑛 ≥ 𝑐
Así que:
la cual da:
20
Como 𝜆𝑒𝑓= 𝜆, entonces:
𝐿𝑠= 𝐿𝑞+ 𝜌
Ejercicio de aplicación #1
Una pequeña oficina de correos tiene dos ventanillas abiertas. Los clientes
llegan siguiendo una distribución de Poisson con la frecuencia de 1 cada 3
minutos. Sin embargo, solo el 80% de ellos deben ser atendidos en las
ventanillas. El tiempo de servicio por cliente es exponencial, con 5 minutos de
promedio. Así, ese 80% de los clientes que llegan se forman en una cola y
llegan a las ventanillas disponibles en disciplina PLPS
60 60
𝜆= ∗ 0.8 = 16 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑜𝑟𝑎, 𝜇= = 12 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑜𝑟𝑎
3 5
𝜆 16
c=2, 𝜌 = 𝜇 = 12 = 1.3333
𝑛 2
16 16
2 − 1 12 1
𝑝0 == + 12 = 0.20
n = 0 𝑛! 2! 16
1 − 12
2
1
16
𝑝1 = 12 0.2 = 0.2667
1!
𝑝𝑛 ≥2 = 1 − 𝑝0 + 𝑝1 = 1 + 0.4667 = 0.533
La probabilidad es de 53.3%
21
Ejercicio de aplicación #2
Solución.
1
, 𝑛>0
Teniendo 𝜆𝑛=1/2, μ𝑛= 2
1, 𝑛=2
a) Probabilidad
𝑃= (1−𝑒−1/2)= 0.393
(𝜆𝑡)𝑒 −𝜆𝑡 −1
𝑃= = 𝑒 2 = 0.607
0!
22
Probabilidad de una llegada entre 1:00-2:00pm
(𝜆𝑡)𝑒 −𝜆𝑡 1 −1
𝑃= = 𝑒 2 = 0.303
1! 2
𝑃=1−𝑒−1/2−1/2𝑒−1/2=0.4−0.3=0.1
𝑃=𝑒−1=0.368
𝑃=𝑒−1(1/6)=0.846 19
𝑃=𝑒−1(1/60)=0.983
Ejercicio de aplicación #3
Hay dos empresas de taxis que dan servicio a una población. Cada empresa es
dueña de dos taxis, y se sabe que las dos empresas comparten partes iguales
del mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de
cada empresa. El tiempo promedio en el viaje es de 12 minutos. Las llamadas
llegan siguiendo una distribución de Poisson, y el tiempo de viaje es
exponencial. Hace poco, un inversionista compro las dos empresas, y le
interesa consolidarlas en una sola oficina para dar mejor servicio a los clientes.
Analice la propuesta del nuevo dueño.
Solución.
Desde el punto de vista de las colas, los taxis son los servidores y el viaje es el
servicio. Se puede representar a cada empresa como un modelo (M/M/2):
(GD/∞/∞) con un 𝜆=8 llamadas por hora y μ=60/12=5 viajes por taxi por hora. Al
23
consolidarlas se tendrá el modelo (M/M/4): (GD/∞/∞) con 𝜆=2x8=16 llamadas
por hora y μ=5 viajes por taxi por hora.
Una medida adecuada para comparar los modelos es el tiempo promedio que
espera un cliente para un viaje, esto es, 𝑊𝑞
Utilizando los datos para 2 y 4 servidores con las fórmulas de tiempo de espera
se obtiene que el tiempo de espera para un viaje es 0.356 horas (21 minutos)
para el caso de dos empresas
W q=0.356
W q=0.149 20
(M/M/C): (GD/N/∞)
λ, 0 < n < 𝑁
λ𝑛 =
0, 𝑛 > 𝑁
24
Sustituyendo 𝜆𝑛 y μ𝑛 en la expresión general y dado que 𝜌=𝜆 / μ se obtiene:
En donde se tiene:
𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎=𝜆𝑃𝑛
𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎=𝜆−𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎= (1−𝑃𝑛)
Ejercicio de aplicación #1
25
permanente en los carriles, y deben esperar que haya disponible uno de los 30
estacionamientos. Los alumnos de ingreso reciente llegan al estacionamiento
siguiendo una distribución de Poisson, con 20 por hora de promedio. El tiempo
de estacionamiento por automóvil es de 60 minutos en promedio, con 20 por
hora de promedio. El tiempo de estacionamiento por automóvil es de 60
minutos en promedio, pero en realidad tiene una distribución exponencial
𝑃40 =0.00014
𝑃29=0.01248
Ejercicio de aplicación #2
26
hora o más. Por esta razón, parece que la distribución exponencial se adapta
razonablemente bien para representar la distribución de los tiempos de
servicio. Los clientes de Antonio siempre han sido pacientes, pero desde que el
negocio mejoro hay quienes se quejan que la espera es demasiado larga.
Antonio está considerando llevar al negocio a Marcos, su primo, para mejorar el
servicio a los clientes. Suponga que Marcos corta el cabello con la misma
velocidad que Antonio.
Solución.
𝜌 0.5
𝐿= = =1
(1 − 𝜌) 0.5
𝐿𝑞=𝜌𝐿=0.5
27
𝑊𝑞= 𝐿𝑞 / 𝜆 = 0.5 / 1.2 = 0.4167 h𝑜𝑟𝑎
Esto significa decir que antes los clientes esperaban (0.4167) (60)=25 minutos,
en promedio, para pasar a cortarse el cabello.
0.7143
𝐿= = 2.5
1 − 0.7143
𝐿𝑞=𝜌𝐿=(0.7143)(2.5)=1.7857
𝐿 2.5
𝑊= = = 1.458 𝑜𝑟𝑎𝑠
𝜆 1.7143
𝐿𝑞 1.78
𝑊𝑞 = = = 1.0383 𝑜𝑟𝑎
𝜆 1.7143
𝜆 1.7143
𝜌= = = 0.3571
𝜇 (2)(2.4)
−1
0.71432 1
𝑃0 = 1 + 0.7143 + + = 2.111−1 = 0.4737
2! 1 − 0,3572
Por consiguiente
22 0.35713
𝐿𝑞 = (0.4737) = 0.0522
(1 − 0.3571)2 2!
28
𝐿 = 𝐿𝑞 + 𝑐𝜌 = 0.0522 + 0.7143 = 0.7665
𝐿𝑞 0.0522
𝑊𝑞 = = = 0.0384 𝑜𝑟𝑎 (1.82 𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
𝜆 1.7143
1
𝑊 = 𝑊𝑞 + = 0.0304 + 0.4167 = 0.04471 𝑜𝑟𝑎 (27 𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
𝜇
Ejercicio de aplicación #3
En un pequeño taller de ajuste de motores ocupa a tres mecánicos. Cuando los
clientes que llegan ven que el piso del taller está cubierto de trabajos en
espera, van a otra parte. El piso del taller puede dar cabida cuando mucho a 15
segadoras o podadoras, además de las que reciben el servicio. Los clientes
llegan al taller cada 15 minutos en promedio, y un mecánico tarda un promedio
de 30 minutos en terminar cada trabajo. El tiempo entre llegadas y el tiempo de
servicio tienen distribución exponencial.
29
(M/M/∞): (GD/∞/∞)
En este modelo, la cantidad de servidores es ilimitada, porque el cliente
también es un servidor. Un ejemplo característico es hacer la parte escrita de la
prueba de manejo para obtener licencia. Las gasolineras de autoservicio y los
cajeros automáticos no caen en la descripción de este modelo, porque en esos
casos los servidores son las bombas de gasolina y los cajeros En el modelo se
suponen una llegada continua, con las tasas de servicio λ y μ, respectivamente
Y se tiene que:
𝜆𝑛= 𝜆, 𝑛= 0,1,2…
𝑃0 = 𝑒−𝜌
(𝑒 −𝜌 )(𝜌𝑛 )
Pn = , 𝑛 = 0,1,2, ….
𝑛!
Ejercicio de aplicación #1
La planeación de personal es una función importante para muchas empresas.
Veamos el departamento de una compañía con tamaño deseado de personal
igual a 100 puestos. Supongamos que los empleados dejan sus puestos con
una frecuencia o tasa de 3.4 por mes, y que la empresa requiere 4 meses para
llenar las vacantes. El análisis de datos del pasado indica que la cantidad de
empleados que salen de la empresa por mes tiene distribución de Poisson.
¿Cuál es la probabilidad de que haya más de 15 puestos vacantes en cualquier
momento? ¿Cuántos puestos del departamento están ocupados en promedio?
¿Cuántos puestos debe tener la empresa para que las personas que trabajen
en el departamento sean 100 en promedio? Solución.
30
puestos vacantes. Suponiendo que se inicia de inmediato la búsqueda de un
remplazo, el modelo correcto es el de una cantidad infinita de servidores. La
𝜆
cantidad esperada de puestos vacantes es 𝜇
Siendo entonces 𝜆 la tasa con la que dejan sus puestos los empleado, que es
3.4 por mes, y μ la rapidez con la que se llenan los puestos, que es ¼ por mes.
Por consiguiente, la media de la cantidad de puestos vacantes es
𝜆 3.4
= = (3.4)(4) = 13.6
𝜇 1
4
Ejercicio de aplicación #2
Solución.
𝜆
𝑃1 = 𝑃 = 2𝜌0
𝜇 0
𝑃2=2(1) 𝑃𝑜
31
2𝑛
𝑃𝑛 = 𝑃𝑜
𝑛!
∞
𝑝 = 𝑒 2 𝑝0 = 1
𝑛=0 𝑛
𝑃0=𝑒−2
𝑃1=2𝑒−2=0.3
Ejercicio de aplicación #3
A los conductores nuevos se les pide pasar un examen por escrito, antes de
hacer las pruebas de manejo. Los exámenes escritos suelen hacerse en el
departamento de policía de la ciudad. Los registros de la ciudad de Springdale
indican que la cantidad promedio de exámenes escritos es de 100 por día de 8
horas. El tiempo necesario para contestar el examen es de 30 minutos, más o
menos. Sin embargo, la llegada real de los aspirantes y el tiempo que tarda
cada uno en contestar son totalmente aleatorios.
Solución: (M/M/∞):(GD/∞/∞)
32
MODELO DE SERVICIO DE MAQUINAS
(M/M/R): (GD/K/K)
El escenario para este modelo es un taller que incluye un total de K máquinas.
Cada vez que una máquina se avería, se requiere el servicio de una de los R
mecánicos disponibles. La tasa de averías por máquina es λ averías por unidad
de tiempo. Un mecánico dará servicio a las maquinas averiadas a una tasa de
μ máquinas por unidad de tiempo. Se supone que todas las averías y servicios
siguen una distribución de Poisson.
Este modelo difiere de todos los anteriores por tener una fuente finita de
clientes. Podemos ver este punto comprendido que cuando todas las máquinas
en el taller están averiadas, no se generan más demandas en el servicio.
Dada la tasa de averías por máquina λ, la tasa de averías para todo el taller es
proporcional al número de máquinas que funcionan. En términos del modelo de
colas, tener n máquinas en el sistema significa que n máquinas están averiadas
(el sistema son las maquinas averiadas). Así, la tasa de averías para todo el
taller se calcula como:
λn= (K− n) λ, 0 ≤ n ≤ K
𝐾 − 𝑛 𝜆, 0 ≤ 𝑛 ≤ 𝐾
𝜆𝑛 =
0, 𝑛 ≥ 𝐾
𝑛𝜇, 0 ≤ 𝑛 ≤ 𝐾
𝜇𝑛 = 𝑅𝜇, 𝑅 ≤ 𝑛 ≤ 𝐾
0, 𝑛 > 𝐾
33
En este modelo es difícil obtener una forma cerrada para Ls o Lq y por tanto
deben calcularse con las siguientes definiciones básicas:
Ejercicio de aplicación #1
𝜆 2
𝜌= = = 0.8333. Tiempo promedio que permanece ocupado el sistema.
𝜇 2.4
34
1+𝑘 𝜌2 1+5 0.83332
𝐿= + 𝜌 = + 0.8333
2𝑘 1 − 𝜌 2∗5 1 − 0.8333
6 0.83332
= + 0.8333 = 3
10 0.167
1+𝑘 𝜌2
𝐿𝑞 = ;
2𝑘 1 − 𝜌
1+𝐾 𝜌
𝑊𝑞 = ;
2𝐾 𝜇 − 𝜌
1+5 0.8333
𝑊𝑞 = ;
2∗5 2.4 − 2.0
6 0.8333
𝑊𝑞 = ;
10 0.4
1 1
𝑊 = 𝑊𝑞 + = 1.249 +
𝜇 2.4
𝑊𝑠 = 𝑊 − 𝑊𝑞;
𝑊𝑠 = 1.66 − 1.249;
35
𝑊𝑠 = 0.411 𝑜𝑟𝑎 = 25 𝑚𝑖𝑛
Ejercicio de aplicación #2
La empresa Toolco tiene un taller con 22 máquinas en total. Se sabe que cada
máquina se avería con una frecuencia promedio de una vez cada dos horas.
Se necesita un promedio de 12 minutos para terminar una reparación. Tanto el
tiempo entre averías como el tiempo de reparación sigue una distribución
exponencial. A Toolco le interesa determinar la cantidad de mecánicos
necesarios para mantener el taller funcionando uniformemente. Calcular lo
siguiente:
Utilizando
= 4 – (Ls – Lq)
−1
3 22 𝑛 22 22 𝑛! 𝜌𝑛
𝑝0 = 𝜌 +
𝑛=0 𝑛 𝑛 = 𝑅 + 1 𝑛 3! 3𝑛−3
P0 = 0.10779
36
c) Calcule la probabilidad de que la mayoría (más de la mitad) de los
mecánicos estén inactivos para R=3
Ejercicio de aplicación #3
Un operador atiende a 5 máquinas automáticas. Cuando una maquina termina
un lote, el operador la debe restablecer para iniciar el siguiente lote. El tiempo
para terminar un procesamiento de lotes exponencial, con 45 min de promedio.
El tiempo de preparación de la maquina también es exponencial con un
promedio de 8 min.
Ls=1.25041 Maquinas
37
FORMULA POLLACZEEK-KHINTCHINE(P-K)
(M/G/1): (GD/∞/∞)
Esta sección presenta una de las pocas colas no Poisson para la cual hay
disponibles resultados analíticos. Se trata del caso en que el tiempo de
servicio, t, está representado por cualquier distribución de probabilidad con
media E{t} y varianza var{t}. Los resultados del modelo incluyen las medidas de
desempeño básicas Ls, Lq,W s y W q, así como también Po.
Lq= Ls−ρ
W s=Ls / λ
W q= Lq / λ
38
Ejercicio de aplicación #1
Los clientes de un coffee shop siguen un proceso Poisson con tasa media de
30 por hora. El tiempo necesario para que sirvan a un cliente tiene distribución
exponencial con media de 75 segundos.
b) Suponga que sustituyen el coffee shop por una máquina expendedora que
requiere justo 75 segundos de operación por cliente. Encuentre Ls, Lq, Ws y
Wq
a . 𝜆 = 30
3600
𝜇= = 48
75
1
= 0.0208333
𝜇
1
𝜎 = 𝜇 = 0.208333
S=1
Resolviendo:
𝐿𝑞 = 1.04166
1.04166
𝑊𝑞 = = 0.034722.
30
b.
39
𝐿𝑞=0.5208
𝐿𝑠=0.625+0.5208=1.1458
𝑊𝑠=0.01736+0.020833=0.038193
𝑊𝑞=0.5208 / 30 = 0.01736
Ejercicio de aplicación #2
Un servidor de descargas puede atender atender un cliente cada 5 minutos y la
tasa media de llegadas es de 9 clientes/h, desviación estandar= 0 min.
Obtenga las medidas de desempeño deacuerdo al modelo (M/G/1):
Desarrollo:
𝜆 9
𝜌 = 𝜇 = 12 = 0.75 desviación= 0 horas
a) Po=1−ρ=1−0.75=0.25
𝜆 2 𝐸 2 𝑡 + 𝑣𝑎𝑟 𝑡
b) 𝐿𝑠 = 𝜆 ∗ 𝐸 𝑡 + 2(1−𝜆∗𝐸(𝑡))
12
92 12 + 0
1
𝐿𝑠 = 9 ∗ +
12 1
2 1 − 9 ∗ 12
Ls=1.875 clientes
c)
40
Ws=Ls / λ
Ws=1.875 / 9
Ws=0.2083 horas
Ejercicio de aplicación #3
1
42
1 6 +0
𝐿𝑠 = 4 + = 1.333𝑎𝑢𝑡𝑜𝑠
6 4
2 1−6
4
𝐿𝑞=1.333− =0.667 𝑎𝑢𝑡𝑜𝑠
6
1.333
𝑊𝑠= =0.333 𝑜𝑟𝑎𝑠
4
0.667
𝑊𝑞= =0.167 𝑜𝑟𝑎𝑠
4
41
Bibliografía
42
Anexos
Hay dos empresas de taxis que dan servicio a una población. Cada empresa es dueña
de dos taxis, y se sabe que las dos empresas comparten partes iguales del mercado.
Esto se ve porque llegan ocho llamadas por hora a la oficina de cada empresa. El
tiempo promedio en el viaje es de 12 minutos. Las llamadas llegan siguiendo una
distribución de Poisson, y el tiempo de viaje es exponencial. Hace poco, un
inversionista compro las dos empresas, y le interesa consolidarlas en una sola oficina
para dar mejor servicio a los clientes. Analice la propuesta del nuevo dueño.
Solución:
Desde el punto de vista de las colas, los taxis son los servidores y el viaje es el
servicio. Se puede representar a cada empresa como un modelo (M/M/2): (GD/∞/∞)
con un 𝜆=8 llamadas por hora y µ=60/12=5 viajes por taxi por hora. Al consolidarlas se
tendrá el modelo (M/M/4): (GD/∞/∞) con 𝜆=2x8=16 llamadas por hora y µ=5 viajes por
taxi por hora.
Es decir, para la resolución de este problema necesitamos definir dos escenarios con
sus respectivos datos.
Escenario 1:
Escenario 2:
43
Como primer paso, procedemos a abrir lo que es el programa TORA y observaremos
una pantalla como la siguiente
44
Luego se procederá a seleccionar la opción “QUEUING ANALYSIS” como se observa
en la siguiente imagen
45
Como siguiente paso, nos mostrará una pantalla en la cual, se nos solicitará asignarle
un nombre al problema y el número de escenarios que este tendrá. En el caso de este
problema como ya habíamos designado previamente, tenemos dos escenarios.
46
Como podemos observar, se nos muestran campos para dos escenarios diferentes y
cada uno de ellos cuenta con campos para “λ” Tasa de llegada , “µ” (Tasa de salida) y
“c” (Cantidad de servidores).Una vez completados estos campos para ambos
escenarios, procedemos a hacer click en el botón “SOLVE MENU”.
47
Volverá a aparecer una nueva pantalla, similar a la pantalla número 3, en esta
haremos click en el botón “GO TO OUTPUT SCREEN”
48
Al seleccionar el escenario obtenemos los siguientes resultados:
Como podemos observar, el programa nos provee datos como el tiempo de espera en
el sistema (Ws), la cantidad esperada de clientes en cola (Lq), la cantidad de clientes
en el sistema y el tiempo promedio que espera un cliente para un viaje (Wq).
En este caso, nos interesa comparar el valor de Wq para ambos escenarios.
El tiempo de espera para un viaje es 0.356 horas (21 minutos) para el caso de dos
empresas (Escenario 1).
Para el escenario 2, podemos observar que el tiempo de espera para un viaje es 0.149
horas (9 minutos). Por lo tanto la decisión óptima es optar por consolidar las dos
empresas.
49