IOP2

Materia:
Investigación de Operaciones 2
Catedrático:
Ing. René Hernán Linares Silva
Trabajo:
Teoría de Colas
Integrantes:
Calderón Pacheco Carolina Yamileth 201502733

Pino Graciano Daniel Armando 201302216
Raymundo Ramírez Karina Elizabeth 201502523
Zelaya Barrera David Adalberto 201301290
Sección/Grupo:
2-1
1
Contenido
NOTACIÓN GENERAL DE LA SITUACIÓN GENERAL DE COLAS O MODELO KENDALL .................... 4
Ejercicios: .......................................................................................................................... 6
MEDIDAS DE RENDIMIENTO DE ESTADO ESTABLE ..................................................................... 7
Ejercicio de aplicación #1 .................................................................................................. 8

MODELOS DE UN SOLO SERVIDOR ............................................................................................ 9
(M/M/1):(GD/ ∞/ ∞) .......................................................................................................... 10
Ejercicio de aplicación #1 ................................................................................................ 12
(M/M/1): (GD/N/∞) ............................................................................................................ 14
MODELO DE SERVIDORES MULTIPLES ..................................................................................... 18
(M/M/C): (GD/∞/∞) ........................................................................................................... 20

(M/M/C): (GD/N/∞) ............................................................................................................ 24
(M/M/∞): (GD/∞/∞) .......................................................................................................... 30
MODELO DE SERVICIO DE MAQUINAS ..................................................................................... 33
(M/M/R): (GD/K/K) ............................................................................................................. 33

2
FORMULA POLLACZEEK-KHINTCHINE(P-K) ............................................................................... 38
(M/G/1): (GD/∞/∞) ............................................................................................................ 38

Bibliografía ............................................................................................................................. 42
Anexos .................................................................................................................................... 43
Ejemplo resuelto con el programa TORA ............................................................................. 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:
La notación de Kendall-lee sirve para caracterizar un sistema de líneas de

espera en el cual todas las llegadas esperan en una sola cola hasta que está
libre uno de los s servidores paralelos idénticos. Luego el primer cliente en la
cola entra al servicio, y así sucesivamente.
Kendall (1951) diseñó la notación siguiente para representar dicho sistema de

líneas de espera. Cada sistema de líneas de espera se describe mediante seis
características: (a.b.c); (d.e.f)
4
La primera característica especifica la naturaleza del proceso de llegada. Se
utilizan las abreviaturas estándar siguientes:
M: los tiempos entre llegadas son variables aleatorias independientes e

idénticamente distribuidas (iid) cuya distribución es exponencial.
D= los tiempos entre llegadas son (iid) deterministas.
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.
La segunda característica especifica la naturaleza de los tiempos de servicio:
M: los tiempos de servicio son iid y están distribuidas exponencialmente.

D= los tiempos de servicio son iid deterministas.
Ek= los tiempos de servicio son Erlangs iid con parámetro de forma k.
G= los tiempos de servicio son iid y están regidos por una distribución general.
La tercera característica es la cantidad de servidores en paralelo.
La cuarta característica es la disciplina del servicio:
FCFS= El primero en llegar, primero en ser atendido.

LCFS= El último en llegar, primero en ser atendido.
SIRO= Servicio en orden aleatorio.
5
GD= Disciplina general.
La quinta característica especifica el número máximo admisible de clientes en

el sistema (incluidos los clientes que están esperando y los que están en el
servicio).
La sexta característica da el tamaño de la población de donde se extraen los

clientes. A menos que la cantidad de clientes potenciales sea del mismo orden
de magnitud que el número de servidores, la población se considera infinita.
En muchos modelos importantes d/e/f es GD/∞/∞. Entonces estas

características generalmente se omiten.
Ejercicios:
 El modelo (M/D/10): (GD/20/∞) utiliza llegadas Poisson (o tiempo entre

llegadas exponencial), tiempo de servicio constante, y 10 servidores
paralelos. La disciplina en colas es GD, y hay un límite de 20 clientes en
todo el sistema. El tamaño de la fuente de donde llegan los clientes es
infinito.
 M/D/3 es equivalente a M/D/3/∞/FIFO y significa que los clientes entran

según una distribución exponencial, se sirven de manera determinista
con tres servidores sin limitación de capacidad en el sistema y siguiendo
una estrategia FIFO de servicio.
 . M / M / s : Modelo donde tanto los tiempos entre llegada como los

tiempo de servicio son exponenciales y se tienen s servidores.
 M / G / 1: Tiempos entre llegada exponenciales, tiempos de servicio

general y 1 sólo servido
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:
Ls = Número Esperado de Clientes en el Sistema
Lq = Número de Clientes Esperados en la Fila
Ws= Tiempo Estimado de Espera en el Sistema
Wq= Tiempo Estimado de Espera en la Fila
C= Numero de servidores ocupados promedio.
Los modelos de colas ayudan a los administradores a tomar “decisiones para

balancear los costos de servicio deseables con los costos de espera en la
línea.”
Los principales factores que se evalúan en estos modelos son:
1. Tiempo promedio que cada cliente u objeto permanece en la cola
2. Longitud de cola promedio
3. Tiempo promedio que cada cliente permanece en el sistema (tiempo de

espera + tiempo de servicio).
4. Número de clientes promedio en el sistema.
7
5. Probabilidad de que el servicio se quede vacío
6. Factor de utilización del sistema
7. Probabilidad de la presencia de un específico número de clientes en el

sistema.
Ejercicio de aplicación #1
Suponga una estación de gasolina 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. La tasa media
de llegadas λ es 45 clientes por hora ó 45/60 = 0.75 clientes por minuto. La
tasa media de servicio μ es 60 clientes por hora ó 60/60 = 1 cliente por minuto.
Suponga un restaurante de comidas rápidas al cual llegan en promedio 100

clientes por hora. Se tiene capacidad para atender en promedio a 150 clientes
por hora. Se sabe que los clientes esperan en promedio 2 minutos en la cola.
Calcule las medidas de desempeño del sistema.
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
Suponga un Call Center el cual atiende en promedio 79 llamadas por minuto Se

tiene capacidad para atender en promedio a 125 llamadas por minuto Se sabe
que los clientes esperan en promedio 7 segundos en la cola. Calcule las
medidas de desempeño del sistema.
Solución: La tasa media de llegadas λ es 79 llamadas por minuto ó 79/60 =

1.32 llamadas por seg. La tasa media de servicio μ es 125 llamadas por minuto
ó 125/60 = 2.08 llamadas por seg.
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/ ∞/ ∞)
Este es el primer modelo a presentar en el caso de un solo servidor, las siglas

(M/M/1) hacen referencia a la notación de Distribución markoviana (o de
Poisson) de llegadas y salidas y el 1 a que es un solo servidor. Las siglas
(GD/∞/∞) hacen referencia a la notación de GD (disciplina general) con límite
del sistema ∞ y límite de fuente ∞.
Puntos a recalcar tenemos:
 λ eefec = λ y λ perdida = 0, porque todos los clientes pueden unirse al

sistema.
 Si, ρ= λ / μ la expresión para pn en el modelo generalizado se reduce a

las siguientes formulas:
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.
Objetivo: dados los siguientes parámetros (se suelen estimar estadísticamente)
 λ ≡ tasa de llegadas.
 μ ≡ tasa de servicio.
 s ≡ numero de servicios
11
A una sucursal de electrodomésticos llega un cliente cada 20 minutos, el

vendedor estrella de la sucursal atiende a los clientes con un factor de 2 por
cada 30 minutos. Mientras son atendidos, los clientes pueden esperar en la
sala de espera. Ayude a determinar:
a) Factor de uso del sistema
b) Probabilidad de que 3 clientes estén en el sistema
c) Tiempo que un cliente permanece en la sala de espera
d) Probabilidad de que por lo menos 2 clientes estén en el sistema
Desarrollo:
Datos: λ= 1/20= 3 clientes/h
μ= 2/30 min= 4 clientes/h
λ 3
a) ρ = μ = 4 = 0.75 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
b) P (3)= (1-0.75)(0.75)3= 0.1055
c) La probabilidad de que por lo menos 2 clientes estén en el sistema es una

probabilidad acumulativa de P=Po+P1+P2, por lo tanto:
𝑃= (1−𝜌)+ (1−𝜌) (𝜌)+ (1−𝜌) (𝜌)2
𝑃= (1−0.75)+ (1−0.75) (0.75)+ (1−0.75) (0.75)2
𝑃= 0.5781
12
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= 22𝑎𝑢𝑡𝑜𝑠/𝑕𝑜𝑟𝑎 𝜇= (0.5min) (60min)= 30 𝑎𝑢𝑡𝑜𝑠/𝑕𝑜𝑟𝑎
A continuación, obtendremos los parámetros operacionales.
El número promedio de automóviles en la línea se definirá de la siguiente

manera:
𝜆 22
𝐿𝑞 = = = 2.75
𝜇 − 𝜆 30 − 22
El tiempo promedio que un automóvil espera antes de ser lavado:
1 1
𝑤𝑞 = = = 0.09166
𝜇(𝜇 − 𝜆) 30(30 − 22)
El tiempo promedio que un automóvil pasa en el sistema de servicio:
1 1
𝑤= = = 0.125
𝜇 − 𝜆 30 − 22
La probabilidad de que no haya automóviles en el sistema:
𝜆 22
𝑝𝑜 = 1 − = 1− = 0.2667
𝜇 30
13
Una doctora pasa un promedio de 20 minutos con sus pacientes, si el tiempo

estimado de llegada de cada cliente es 30 minutos, determine:
a) Número promedio de pacientes en el sistema
b) Tiempo total que consume un paciente en el consultorio
c) Factor de uso del sistema
d) Número promedio de pacientes haciendo fila
Desarrollo:
Datos: λ= 1/0.5= 2 pacientes/h μ=1/20 min= 3 pacientes/h
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/∞)
Este modelo difiere de (M/M/1): (GD/∞/∞) en que hay un límite N en el número

en el sistema (longitud máxima de la cola = N - 1). Los ejemplos son todas
aquellas instalaciones donde el área de servicio está delimitada con una cierta
cantidad de espacio, y no puede haber una cola demasiado extendida.
14
No se permiten nuevas llegadas cuando la cantidad de clientes en el sistema
llega a N. Por lo tanto:
o Se utilizará la misma notación que los modelos anteriormente

mencionados, pero cambiando el resultado del estado estable Pn
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.
En Forester Manufacturing se ha asignado a un técnico el mantenimiento de 3

máquinas. Para cada máquina la distribución de probabilidad de tiempo de
operación antes de descomponerse es exponencial con media de 9 horas. El
tiempo de reparación también tiene distribución exponencial con media de 2
horas.
a) ¿Qué modelos de colas se ajusta a este sistema?
b) ¿Cuál es la fracción de tiempo que el técnico estará ocupado?
Datos:
𝜆=19(3)=1/3
𝜇=1/2
Solución
a) Es un modelo M/M/1 con una población finita de arribos (N=3 máquinas)
15
𝜆 1/3
b) 𝜌 = 𝜇 = 1/2 = 2/3
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
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:
a) La probabilidad de que un paciente no tenga que esperar.
b) La tasa efectiva de llegada.
c) ¿Cuál es el tiempo promedio estimado que un paciente, tarda en la Clínica?
Solución
a) λ=30 y μ =20 por tanto ρ= 30/20 = 1,5
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.
Son N=16, así ya podemos encontrar a P0 y éste viene dado por:
17
P0 = {(1 - ρ ) / ( 1 – ρ N+1) = (1 – 1.5) / ( 1- 1.516) = -05/-655,84008 = 0,000762
Así la probabilidad de que un paciente no Espere es de 0,000762.
b) 𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎 = 𝜆 (1−𝑃𝑁) = 30(1− 0,33384158) =19,98475≈ 20. Exactamente 20

pacientes llegan a la clínica.
c) Debemos hallar a Ws = Ls/ λefectiva pero no se tiene a Ls, procedamos a

encontrarla por aplicación de la fórmula:
𝐿𝑠= { 𝜌[ 1− (𝑁+1)𝜌𝑁 + 𝑁 𝜌𝑁+1] / (1− 𝜌)(1− 𝜌𝑁+1)
Ls= {1,5[ 1- (15+1)1,515 + 15 1,515+1] / (1- 1,5)(1- 1,515+1) =0,65172 de hora,

esto es que en promedio un paciente debe esperar 39 minutos en la clínica.
MODELO DE SERVIDORES MULTIPLES
Dentro de los modelos de teoría de colas que incorporan servidores múltiples,

se pueden identificar las siguientes variantes:
18
Canal único, Fases Canales Múltiples, Fase Canales Múltiples, Fases
múltiples única: Múltiples:
 Un centro de lavado  Las ventanillas de los  Este caso es

de autos ilustra este cajeros en un banco y semejante al anterior,
tipo de estructura, las cajas salvo que se realizan
pues allí se realiza registradoras en dos o más servicios
una serie de almacenes de en secuencia. La
servicios (aspirar, departamentos con admisión de pacientes
mojar, enjabonar, altos volúmenes de en un hospital sigue
lavar, secar, limpiar ventas son ejemplos este patrón, porque
ventanas y de este tipo de por lo general se
estacionar) en una estructura. La sigue en una
secuencia bastante dificultad que plantea secuencia especifica
uniforme. Uno de los este sistema es que el de pasos:
factores críticos en tiempo de servicio  Establecer el contacto
el caso de canal desigual que se inicial en el sitio de
único con servicio asigna a cada cliente admisiones
en serie es la redunda en una  lenar formularios
cantidad de velocidad o flujo  Elaborar etiquetas de
acumulación de desigual en las filas. identificación
elementos que se Como resultado,  Asignar un cuarto
permite frente a algunos clientes son
cada servicio, lo atendidos primero que
cual a su vez otros que
llegaron Llevar al paciente al cuarto
significa filas de antes y hasta cierto Como hay varios servidores
espera separadas. punto se producen disponibles para efectuar
cambios entre las este procedimiento, se puede
filas. procesar a más de un
paciente a la vez.
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
Este modelo se ocupa de c servidores paralelos idénticos. La tasa de llegadas

es de λ y la tasa de servicio por servidor es μ. En esta situación 𝜆𝑒𝑓𝑒𝑐= 𝜆
porque no hay límite en el número presente en el sistema.
El efecto de utilizar c servidores idénticos paralelos es un incremento

proporcional de tasa de servicio de la instalación. En términos del modelo
generalizado 𝜆𝑛 y 𝜇𝑛 se definen por lo tanto como:
𝜆𝑛 = 𝜆, 𝑛 ≥ 0
𝑛𝜇, 𝑛 < 𝑐
𝜇𝑛 =
𝑐𝜇, 𝑛 ≥ 𝑐
Así que:
Si ρ= 𝜆/𝜇 y suponiendo que 𝜌/𝑐 ≤1 el valor de Po se determina a partir de
la cual da:
La expresión para Lq se determina como sigue:
20
Como 𝜆𝑒𝑓= 𝜆, entonces:
𝐿𝑠= 𝐿𝑞+ 𝜌
Los valores de 𝑊𝑠 y 𝑊𝑞 se puede determinar dividiendo 𝐿𝑠 y 𝐿𝑞 entre λ
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
a) ¿Cuál es la probabilidad de que un cliente que llega deba esperar en la fila?
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
Un sistema de colas tiene dos servidores, distribución de tiempos entre

llegadas exponencial con media de 2 horas y distribución de tiempos de
servicio exponencial con media de 2 horas para cada servidor. Lo que es más,
a las 12:00 del día acaba de llegar un cliente. A) ¿Cuál es la probabilidad de
que la siguiente llegada ocurra i) antes de la 1:00pm ii) entre la 1:00 y las
2:00pm, iii) después de las 2:00pm? Suponga que no llegan más clientes antes
de la 1:00pm, ahora, ¿Cuál es la probabilidad de que la siguiente llegada tenga
lugar entre la 1:00 y las 2:00pm? ¿Cuál es la probabilidad de que el número de
llegadas entre la 1:00pm y las 2:00pm, sea i) 0, ii)1, iii) 2 o más? Si ambos
servidores están ocupados a la 1:00pm, ¿Cuál es la probabilidad de que ningún
cliente haya completado su servicio, i) antes de las 2:00pm, ii) antes de la
1:10pm, iii) antes de la 1:01pm?
Solución.
1
, 𝑛>0
Teniendo 𝜆𝑛=1/2, μ𝑛= 2
1, 𝑛=2
a) Probabilidad
Siguiente llegada antes de 1:00pm 𝑃=1−𝑒−1/2=0.393
Siguiente llegada entre 1:00pm-2:00pm 𝑃=(1−𝑒−1𝑥2/2)−(1−𝑒−1/2)=0.238
Siguiente llegada después de 2:00pm 𝑃=(1−𝑒−1𝑥2/2)=0.368
b) Probabilidad siguiente llegada entre 1:00-2:00pm pero no llegadas entre

12:00-1:00pm:
𝑃= (1−𝑒−1/2)= 0.393
c) Probabilidad de no llegada entre 1:00pm y 2:00pm:
(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
Probabilidad de dos o más llegadas entre 1:00-2:00pm
𝑃=1−𝑒−1/2−1/2𝑒−1/2=0.4−0.3=0.1
d) Probabilidad de teléfono no atendido antes de las 2:00pm
𝑃=𝑒−1=0.368
Probabilidad de teléfono no atendido antes de 1:10pm
𝑃=𝑒−1(1/6)=0.846 19
Probabilidad de teléfono no atendido antes de 1:10pm
𝑃=𝑒−1(1/60)=0.983
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
Por lo tanto se tienen dos escenarios en dicho problema:
Dado 𝜆=8, μ=5, numero de servidores c=2 y
𝜆=16, μ=5, numero de servidores c=4.
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
El tiempo de espera para un viaje es 0.149 horas (9 minutos) para el caso de la

fusión. Por lo tanto la decisión óptima es optar por consolidar las dos
empresas.
W q=0.149 20
(M/M/C): (GD/N/∞)
El modelo difiere de (M/M/C): (GD/∞/∞) en el que el límite del sistema es finito

e igual a N. Esto significa que el tamaño de la cola es (N-c). Las tasas de
llegadas y servicio son 𝜆 y μ. La tasa de llegadas efectiva 𝜆𝑒𝑓𝑓 es menor que 𝜆
debido al límite de sistema N.
En términos generales se tiene:
λ, 0 < n < 𝑁
λ𝑛 =
0, 𝑛 > 𝑁
nμ, 0 < 𝑛 < 𝑐

μn =
cμ, 0 < 𝑛 < 𝑁
24
Sustituyendo 𝜆𝑛 y μ𝑛 en la expresión general y dado que 𝜌=𝜆 / μ se obtiene:
En donde se tiene:
Para determinar 𝑊𝑞 y por consiguiente 𝑊𝑠 y 𝐿𝑠, calculamos el valor de 𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎

como:
𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎=𝜆𝑃𝑛
𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎=𝜆−𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎= (1−𝑃𝑛)
Los alumnos de primer ingreso en la U de A se caracterizan porque tratan de

llegar a clase en automóvil. Durante el primer par de semanas del semestre de
otoño, en el campus prevalece una confusión de tráfico porque los alumnos
tratan desesperadamente encontrar estacionamiento. Con una dedicación
extraordinaria esperan pacientemente en los carriles del estacionamiento a que
alguien salga, para poder estacionarse.
Imaginémonos el siguiente escenario específico: el estacionamiento tiene 30

cajones, pero también pueden estacionar en forma permanente en los carriles.
Esos 10 automóviles adicionales no se pueden estacionar en forma
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
a) ¿Cuál es el porcentaje de alumnos que se salen por no caber en el

estacionamiento?
𝑃40 =0.00014
b) ¿Cuál es la probabilidad de que un automóvil que llegue ocupe el único

cajón vacío en el estacionamiento?
𝑃29=0.01248
c) Calcule la cantidad promedio de estacionamientos ocupados
𝐿𝑠−𝐿𝑞= 20.043− 0.46= 20 𝑒𝑠𝑝𝑎𝑐𝑖𝑜𝑠
Estética Antonio es atendida y es propiedad de Antonio Jiménez, peluquero

durante más de 20 años. Antonio no hace citas, de modo que el patrón de
llegada de sus clientes es esencialmente aleatorio. Siempre ha sido más o
menos 1 cliente cada 50 minutos. Hace 2 meses el periódico local público un
artículo sobre Antonio, que hizo que su negocio mejorara bastante. En la
actualidad la tasa de llegada se acerca más a un cliente cada 35 minutos. Para
los cortes de pelo necesita un promedio de 25 minutos, pero esos tiempos
varían mucho, dependiendo de las necesidades del cliente. Un recorte podría
requerir tan solo 5 minutos, pero el champú con estilo podría llevar hasta una
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.
a. ¿Cuánto ha disminuido la calidad del servicio desde que la peluquería tiene

más clientes?
b. ¿Qué mejoría en el desempeño del sistema podrán percibir los clientes

cuando haya un peluquero más?
Solución.
a) Primero se determinan las diversas medidas de desempeño del sistema,

antes de la aparición del artículo periodístico. El tiempo promedio entre
llegadas era 1 de cada 50 minutos, que da una tasa de llegadas igual a
𝜆=60 / 50=1,2 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 h𝑜𝑟𝑎
Cada corte requiere un promedio de 25 minutos, que se traduce en un tiempo

de servicio igual a
μ=60 / 25=2.4 𝑐𝑜𝑟𝑡𝑒𝑠 𝑝𝑜𝑟 h𝑜𝑟𝑎
Por consiguiente, 𝜌=𝜆 / μ=0.5
Esto es, Antonio está ocupado la mitad de su tiempo.
Los valores de las medidas de desempeño son
𝜌 0.5
𝐿= = =1
(1 − 𝜌) 0.5
𝐿𝑞=𝜌𝐿=0.5
𝑊= 𝐿/ 𝜆 = 1 / 1.2= 0.8333 h𝑜𝑟𝑎
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.
Después de la aparición del artículo, la tasa de llegada aumento a 1 cliente

cada 35 minutos. Esto indica que 𝜆 se modificó a 60/35= 1.7143 y 𝜌=0.7143.
Las medidas de desempeño son ahora
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
Es claro que la queja de los clientes es válida. Un cliente debe esperar, en

promedio, más de una hora para ser atendido. De hecho, debido a que la
distribución de 𝑊𝑞 es exponencial, hay muchos que podrían esperar bastante
más.
b. Si se agrega un peluquero más, mejora el desempeño del sistema.
Con dos barberos:
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
Se puede apreciar que al agregar otro peluquero se mejora mucho el

desempeño del sistema. Con un solo peluquero, los clientes podrían más de
una hora para ser atendidos. Integrando al peluquero, este tiempo se reduce a
menos de 2 minutos en promedio.
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…
𝜇𝑛= 𝑛𝜇, 𝑛= 0,1,2…
𝑃0 = 𝑒−𝜌
(𝑒 −𝜌 )(𝜌𝑛 )
Pn = , 𝑛 = 0,1,2, ….
𝑛!
Que es de Poisson con promedio Ls = ρ
Como era de esperar, Lq= Wq= 0, porque es un modelo de autoservicio.
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.
Para determinar la distribución de los puestos ocupados, se modela como un

problema M/M/∞. Cada vez que sale un empleado, su puesto entra a la cola de
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
Por consiguiente, hay
100−36=86.4 𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝑙𝑙𝑒𝑛𝑜𝑠
La probabilidad de que haya más de 15 puestos vacantes es la de una variable

aleatoria de Poisson, con media 13.6, sea mayor que 15. En tanto, la
probabilidad es 0.29 aproximadamente.
También la consecuencia es que si el departamento tuviera 114 plazas y no

100, habría en promedio, 100 puestos ocupados en cualquier momento.
Los clientes llegan a un sistema de colas según un proceso de Poisson con

tasa media de llegadas de 2 clientes/minuto. Los tiempos de servicio tienen una
distribución exponencial con media de 1 minuto. Se tiene un número ilimitado
de servidores por lo que los clientes nunca esperan que comience su servicio.
Calcule las probabilidades de estado estable de que haya justo un cliente en el
sistema.
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
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
En términos del modelo generalizado de colas de Poisson
𝐾 − 𝑛 𝜆, 0 ≤ 𝑛 ≤ 𝐾
𝜆𝑛 =
0, 𝑛 ≥ 𝐾
𝑛𝜇, 0 ≤ 𝑛 ≤ 𝐾
𝜇𝑛 = 𝑅𝜇, 𝑅 ≤ 𝑛 ≤ 𝐾
0, 𝑛 > 𝐾
Del modelo generalizado, entonces se obtiene:
33
En este modelo es difícil obtener una forma cerrada para Ls o Lq y por tanto
deben calcularse con las siguientes definiciones básicas:
En una empresa la reparación de un cierto tipo de maquinaria existente en el

mercado se realiza en 5 operaciones básicas que se efectúan de una manera
secuencial; si le tiempo que se lleva en realizar cada uno de los 5 pasos tiene
una distribución exponencial con media de 5 minutos. Estas máquinas se
descomponen según una distribución Poisson con una razón media de 2
máquinas / hora y en la fábrica solo hay un mecánico que las repara. Calcular
las características de operación de la empresa.
Llegadas Poisson; servicios constantes: λ= 2 máquinas/hora; μ= 2.4

máquinas/hora; K=5; 𝜌=?; P0 =?; Lq=?; W q=?:; W s=?
𝜆 2
𝜌= = = 0.8333. Tiempo promedio que permanece ocupado el sistema.
𝜇 2.4
P0 = 1- 𝜌 = 1-0.8333 = 0.16666. Tiempo promedio que el sistema permanece

ocioso.
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
En promedio la cantidad de máquinas a reparar en la empresa es de 3.
1+𝑘 𝜌2
𝐿𝑞 = ;
2𝑘 1 − 𝜌
1+5 0.83332 6 0.83332

𝐿𝑞 = = = 2.49
2∗5 1 − 0.8333 10 0.167
La cantidad de máquinas promedio en cola es de 2.49
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
𝑊𝑞 = 1.249𝑕 = 1𝑕. 14 𝑚𝑖𝑛.
En promedio las maquinas en la cola antes de ser atendidas permanecen 1

hora 14 minutos.
1 1
𝑊 = 𝑊𝑞 + = 1.249 +
𝜇 2.4
𝑊 = 1.66𝑕. = 1𝑕𝑜𝑟 39 𝑚𝑖𝑛.
En promedio una maquina espera en el sistema antes de ser atendida 1 hora

39 minutos.
𝑊𝑠 = 𝑊 − 𝑊𝑞;
𝑊𝑠 = 1.66 − 1.249;
35
𝑊𝑠 = 0.411 𝑕𝑜𝑟𝑎 = 25 𝑚𝑖𝑛
En promedio el tiempo de un servicio es de 25 minutos.
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:
a) Calcule la cantidad esperada de mecánicos inactivos si R=4
Utilizando
Número de mecánicos inactivos
= 4 – (Ls – Lq)
= 4 – (2.1– 0.11) = 2.01
b) Calcule la probabilidad de que todos los mecánicos estén inactivos para

R=3
−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
P (2 o 3 sin trabajo) = P0 + P1 = 0.34492
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.
ʎ= 60/ 45= 1.33 máquinas/hr μ= 60/8 = 7.5 máquinas / hr R=1 K= 5
A) Determine el promedio de máquinas en espera de ser preparadas o que se

están preparando
Ls=1.25041 Maquinas
B) Determine el tiempo promedio que una maquina está detenida
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.
El modelo no proporciona una expresión de forma cerrada para pn debido a la

incontrolabilidad analítica y λ será la tasa de llegadas a la instalación de un solo
servidor. Se utilizarán fórmulas para su cálculo, entre ellas tenemos:
La probabilidad de que la instalación esté vacía (ociosa) se calcula como
Po= 1−λ* E(t)=1−ρ
Número promedio de unidades esperando en fila:
Lq= Ls−ρ
Número de unidades en el sistema:
Tiempo de una unidad en el sistema:
W s=Ls / λ
Tiempo de espera en fila:
W q= Lq / λ
38
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.
a) Con el modelo M/G/1 encuentre L, Lq, Ws y Wq
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:
(30)2 (0.0208333)2 + (0.625)2

𝐿𝑞 =
2(1 − 0.625)
𝐿𝑞 = 1.04166
𝐿𝑠 = 0.625 + 1.04166 = 1.6667
𝑊𝑠 = 0.034722 + 0.020833 = 0.05555
1.04166
𝑊𝑞 = = 0.034722.
30
b.
(30)2 (0)2 + (0.625)2

𝐿𝑞 =
2(1 − 0.625)
39
𝐿𝑞=0.5208
𝐿𝑠=0.625+0.5208=1.1458
𝑊𝑠=0.01736+0.020833=0.038193
𝑊𝑞=0.5208 / 30 = 0.01736
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):
a) Probabilidad de tener 0 clientes en el sistema
b) Número de clientes en el sistema
c) Tiempo en que un cliente pasa en el sistema
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
En la instalación de lavado de autos Automata los autos llegan según una

distribución de Poisson con una media de 4 autos por hora. Se tiene un nuevo
sistema de modo que el tiempo de servicio de todos los autos es constante e
igual a 10 minutos. ¿ Cómo afecta el nuevo sistema al funcionamiento de la
instalación? Solución:
λefect= 4autos por hora. El tiempo de servicio es constante de modo que

E(t)=10/60=1/6 hora y var(t)=0. Por lo tanto,
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
 Delgado, F. M. (Junio de 2006). La teorias de las colas. Obtenido de Ing.

Fernando Marrero Home Page:
http://fmarrerodelgado.galeon.com/colas.html
 Sabater, J. P. ( 2005). Aplicando Teorı́a de Colas en Dirección de

Operaciones. Valencia, España.
 Taha, H. (2004). Investigación de Operaciones. En H. Taha,

Investigación de Operaciones, 7ma Edición (pág. 593). México:
McGrawhill
 Universidad de las Américas Puebla. (2007). Teorías de Colas o Lineas

de espera. En F. G. Aguilar, Software para dimensionamiento de
troncales para redes (pág. 17). Puebla.
42
Anexos
Ejemplo resuelto con el programa TORA
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:
𝜆=8, µ=5, numero de servidores c=2
Escenario 2:
𝜆=16, µ=5, numero de servidores c=4.
43
Como primer paso, procedemos a abrir lo que es el programa TORA y observaremos
una pantalla como la siguiente
Como siguiente paso, procederemos a dar click en el botón que se encuentra en la

parte inferior de la pantalla
44
Luego se procederá a seleccionar la opción “QUEUING ANALYSIS” como se observa
en la siguiente imagen
Al seleccionar la opción de “QUEUING ANALYSIS”, se nos mostrará una pantalla, en

la cual podremos seleccionar si deseamos nuestros resultados en notación científica o
en decimales y con cuantos de estos deseamos obtenerlos. Luego de seleccionar el
tipo de resultados que deseamos, procederemos a pulsar el botón “GO TO INPUT
SCREEN”.
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.
Después de haber completado los campos anteriores, presionamos “INTRO” y

tendremos como resultado una nueva pantalla en la cual nos mostrará nuevos campos
a ser completados.
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”.
Una vez pulsado este botón, procederemos a seleccionar la opción “SOLVE

PROBLEM”
47
Volverá a aparecer una nueva pantalla, similar a la pantalla número 3, en esta
haremos click en el botón “GO TO OUTPUT SCREEN”
Posteriormente se nos mostrará una pantalla en la cual podremos seleccionar entre el

“escenario 1” y el “escenario 2”.
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

IOP2

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

IOP2

Transféré par

Droits d'auteur :

Formats disponibles

Materia:

Ing. René Hernán Linares Silva

Calderón Pacheco Carolina Yamileth 201502733

NOTACIÓN GENERAL DE LA SITUACIÓN GENERAL DE COLAS O MODELO KENDALL .................... 4

Ejercicio de aplicación #1 .................................................................................................. 8

(M/M/C): (GD/∞/∞) ........................................................................................................... 20

(M/M/R): (GD/K/K) ............................................................................................................. 33

(M/G/1): (GD/∞/∞) ............................................................................................................ 38

Ejemplo resuelto con el programa TORA ............................................................................. 43

La notación de Kendall-lee sirve para caracterizar un sistema de líneas de

Kendall (1951) diseñó la notación siguiente para representar dicho sistema de

M: los tiempos entre llegadas son variables aleatorias independientes e

D= los tiempos entre llegadas son (iid) deterministas.

La segunda característica especifica la naturaleza de los tiempos de servicio:

M: los tiempos de servicio son iid y están distribuidas exponencialmente.

La tercera característica es la cantidad de servidores en paralelo.

La cuarta característica es la disciplina del servicio:

FCFS= El primero en llegar, primero en ser atendido.

La quinta característica especifica el número máximo admisible de clientes en

La sexta característica da el tamaño de la población de donde se extraen los

En muchos modelos importantes d/e/f es GD/∞/∞. Entonces estas

 El modelo (M/D/10): (GD/20/∞) utiliza llegadas Poisson (o tiempo entre

 M/D/3 es equivalente a M/D/3/∞/FIFO y significa que los clientes entran

 . M / M / s : Modelo donde tanto los tiempos entre llegada como los

 M / G / 1: Tiempos entre llegada exponenciales, tiempos de servicio

Ls = Número Esperado de Clientes en el Sistema

Lq = Número de Clientes Esperados en la Fila

Ws= Tiempo Estimado de Espera en el Sistema

Wq= Tiempo Estimado de Espera en la Fila

C= Numero de servidores ocupados promedio.

Los modelos de colas ayudan a los administradores a tomar “decisiones para

Los principales factores que se evalúan en estos modelos son:

1. Tiempo promedio que cada cliente u objeto permanece en la cola

2. Longitud de cola promedio

3. Tiempo promedio que cada cliente permanece en el sistema (tiempo de

4. Número de clientes promedio en el sistema.

6. Factor de utilización del sistema

7. Probabilidad de la presencia de un específico número de clientes en el

Suponga una estación de gasolina a la cual llegan en promedio 45 clientes por

Suponga un restaurante de comidas rápidas al cual llegan en promedio 100

Suponga un Call Center el cual atiende en promedio 79 llamadas por minuto Se

Solución: La tasa media de llegadas λ es 79 llamadas por minuto ó 79/60 =

Este es el primer modelo a presentar en el caso de un solo servidor, las siglas

Puntos a recalcar tenemos:

 λ eefec = λ y λ perdida = 0, porque todos los clientes pueden unirse al

 Si, ρ= λ / μ la expresión para pn en el modelo generalizado se reduce a

Objetivo: dados los siguientes parámetros (se suelen estimar estadísticamente)

A una sucursal de electrodomésticos llega un cliente cada 20 minutos, el

a) Factor de uso del sistema

b) Probabilidad de que 3 clientes estén en el sistema

c) Tiempo que un cliente permanece en la sala de espera

d) Probabilidad de que por lo menos 2 clientes estén en el sistema

Datos: λ= 1/20= 3 clientes/h

μ= 2/30 min= 4 clientes/h

b) P (3)= (1-0.75)(0.75)3= 0.1055

c) La probabilidad de que por lo menos 2 clientes estén en el sistema es una

𝑃= (1−𝜌)+ (1−𝜌) (𝜌)+ (1−𝜌) (𝜌)2

𝑃= (1−0.75)+ (1−0.75) (0.75)+ (1−0.75) (0.75)2

𝜆= 22𝑎𝑢𝑡𝑜𝑠/𝑕𝑜𝑟𝑎 𝜇= (0.5min) (60min)= 30 𝑎𝑢𝑡𝑜𝑠/𝑕𝑜𝑟𝑎

A continuación, obtendremos los parámetros operacionales.

El número promedio de automóviles en la línea se definirá de la siguiente

El tiempo promedio que un automóvil espera antes de ser lavado:

El tiempo promedio que un automóvil pasa en el sistema de servicio: