INVESTIGACIÓN

OPERATIVA II
TEORÍA DE COLA

2015
Introducción
 La teoría de colas es un conjunto de modelos
matemáticos que describen sistemas de líneas
de espera particulares.
 El objetivo es encontrar el estado estable del
sistema y determinar una capacidad de servicio
apropiada.
 Permite estudiar el comportamiento de un
sistema de colas a lo largo del tiempo
La gran mayoría de los modelos que se usan en teoría de colas están
basados en el proceso de nacimiento y muerte.

Situación Llegada a la cola Proceso de servicio

Supermercado Clientes Cobro de compras en la caja
Peaje Automóviles Cobro del peaje
Consulta medico Pacientes Tratamiento médico
Computador Programas a ser procesados Ejecutar programas
Compañía telefónica Clientes que llaman Equipos para dirigir llamadas
Banco Clientes Atención cajero
Mantenimiento de maquinaria Máquinas averiadas Arreglo de máquinas
Puerto Barcos Carga y descarga
Elementos de un sistema de colas

- El Sistema: Cola(s)+Servidor(es)
- La Cola: clientes que esperan
- El Centro de servicio: uno o más servidores
- La Fuente: Población de clientes que llegan al sistema
- La Salida: Destino de los clientes atendidos
Proceso de llegada:
Representa la forma en que las llegadas ocurren. La suposición normal es
que los clientes se generan de acuerdo con un proceso de Poisson. Esto
equivale a decir que el tiempo entre llegadas sucesivas tiene distribución de
probabilidad exponencial.

Proceso de atención:
Representa la forma en que el servicio es entregado. Lo usual es
caracterizarlo mediante el tiempo necesario para completar el servicio. La
distribución más usada para los tiempos de servicio es la exponencial y otras
tales como determinística o degenerada y la Erlang.

Número de servidores:
Un sistema puede tener un solo servidor o varios en paralelo.

Capacidad del Sistema:

Un sistema de atención puede tener una capacidad infinita, es decir el tamaño
de la cola puede crecer indefinidamente, o bien tener capacidad finita en cuyo
caso la cola está acotada.
 Modelo básico
Estructuras de un sistema de colas

Sistema de colas

Llegadas Un Salidas
Cola servidor

una línea, un servidor

 Estructuras de un sistema de colas:
una línea, múltiples servidores

Sistema de colas
Salidas
Servidor

Llegadas Salidas
Cola Servidor

Salidas
Servidor
 ….varias líneas, múltiples servidores

Sistema de colas
Salidas
Cola Servidor

Llegadas Salidas
Cola Servidor

Salidas
Cola Servidor
Estructuras típicas de colas: una línea,
servidores secuenciales
Sistema de colas
Llegadas
Cola

Servidor

Cola

Salidas
Servidor
Población o Fuente
Es el origen de las entidades que requieren algún servicio,
pueden ser:

Finitas:
 Su número se puede contar.
 Por ejemplo el número que máquinas a ser atendidas por
un servicio de mantenimiento.

Infinitas:
 Su número no se puede contar o su número es muy
grande en relación a la capacidad de servicio.
 Por ejemplo piezas que llegan a una máquina para ser
procesadas, número de carros que se atienden en un grifo.
Proceso de llegadas
Se refiere a la forma cómo las llegadas ocurren al sistema de
colas. Puede ser:

Determinístico. Regla pre-fijada. Ejemplo plan de

mantenimiento preventivo.

 Probabilístico. No se sabe cuando va ha suceder el

evento, solo se puede determinar el tiempo medio de ellos o
la distribución de probabilidad del tiempo entre eventos.
La suposición normal es que los clientes se generan de
acuerdo con un proceso de Poisson. Esto equivale a decir
que el tiempo entre llegadas sucesivas tiene distribución de
probabilidad exponencial.
…Proceso de llegadas
Exponencial. Distribución de probabilidad
del tiempo entre eventos (llegadas).
Poisson. Distribución de probabilidad del
número de eventos (λ) en un intervalo T

λ: Tasa media
de llegadas por
unidad de
tiempo
…las llegadas
 El tiempo que transcurre entre dos llegadas sucesivas
en el sistema de colas se llama tiempo entre llegadas
 El número esperado de llegadas por unidad de tiempo
se llama tasa media de llegadas ().
 El tiempo medio esperado entre llegadas es 1/

 Por ejemplo, si la tasa media de llegadas es  = 20

clientes por hora, entonces el tiempo esperado entre
llegadas es 1/ = 1/20 = 0.05 horas o 3 minutos
Distribución de llegadas
 La distribución de Poisson se utiliza con mucha frecuencia
para describir el patrón de las llegadas a un sistema de
colas
k e  
Su forma algebraica es: P( k ) 
k!
 Donde:
 P(k) : probabilidad de k llegadas por unidad de tiempo
  : tasa media de llegadas
Características de la Cola

El tamaño de las colas pueden ser finitas o infinitas.

 Cola finita. Existe restricción para el tamaño de la cola,

ejemplo la cola de un almacén intermedio entre dos
máquina, si se llena se debe de detener la operación de
la primera cola.

 Cola infinita. No hay restricción para el tamaño de la cola.

Se considera que es infinita si es que tiene gran
capacidad.
Características de la Cola
 Si cuando el cliente llega no hay nadie en la cola, pasa a
recibir el servicio.
 Si no, se une a la cola.
 Es importante señalar que la cola no incluye a quien está
recibiendo el servicio.
 Las llegadas van a la instalación del servicio de acuerdo
con la disciplina de la cola.
 Generalmente ésta es: primero en llegar, primero en ser
servido, pero puede haber otras reglas o colas con
prioridades
 La capacidad de la cola es el número máximo de clientes
que pueden estar en la cola. Generalmente se supone que
la cola es infinita, aunque también la cola puede ser finita.

Las colas pueden ser únicas o múltiples:

El servicio
 Es necesario seleccionar una distribución de probabilidad
para los tiempos de servicio
 Hay dos distribuciones que representarían puntos
extremos:
 La distribución exponencial (=media)
 Tiempos de servicio constantes (=0)
 Una distribución intermedia es la distribución Erlang
Esta distribución posee un parámetro de forma k que
determina su desviación estándar:

1
 media
k
El servicio
 Si k = 1, entonces la distribución Erlang es igual a la
exponencial
 Si k = ∞, entonces la distribución Erlang es igual a la
distribución degenerada con tiempos constantes
 La forma de la distribución Erlang varía de acuerdo con
k
El servicio
 El servicio puede ser brindado por un servidor o por servidores
múltiples
 El tiempo de servicio varía de cliente a cliente
 El tiempo esperado de servicio depende de la tasa media de
servicio ().
 El tiempo esperado de servicio equivale a 1/

Ej. Pr ejemplo, si la tasa media de servicio es de 25 clientes por hora

entonces el tiempo esperado de servicio es 1/ = 1/25 = 0.04 horas,
o 2.4 minutos
Las distribuciones que utilizaremos son:
M: Distribución exponencial
D: distribución degenerada (tiempos constantes)
Ek: distribución Erlang
G: distribución general

M/M/s Modelo donde tanto los tiempos entre llegada

como los tiempos de servicio son exponenciales y se tienen
“s” servidores
M/G/1 Tiempos entre llegada exponenciales, tiempos de
servicio general y 1 sólo servidor.
La Distribución Exponencial

Las características operativas de los sistemas de colas están

determinadas en gran parte por dos propiedades estadísticas:

Distribución de los tiempos entre llegadas. La distribución

exponencial supone una mayor probabilidad para tiempos
entre llegadas pequeños. En general, se considera que las
llegadas son aleatorias. La última llegada no influye en la
probabilidad de llegada de la siguiente.

Distribución de los tiempos de servicio

Suponga que una variable aleatoria T representa ya sea los tiempos entre llegadas
o los tiempos de servicio. Se dice que esta variable tiene distribución exponencial
con parámetro α si su función densidad de probabilidad es:

e t para t0


f T (t )  
0 para t0



P T t   1  e t

P T t   et
donde el valor esperado y la varianza son:

1
E (T )  Var (T ) 
1
 2
Propiedad 1
fT es una función estrictamente decreciente de t (t≥0)

P(0  T  t )  P(t  T  t  t )

Propiedad 2
Falta de memoria. En otras palabras, la distribución de probabilidades del
tiempo que falta hasta que ocurra el evento siempre es la misma.

P(T  t  t / T  t )  P(T  t )
Propiedad 3
El mínimo de varias variables aleatorias exponenciales independientes tiene una
distribución exponencial. Sean T1, T2,…..Tn variables aleatorias exponenciales
independientes con parámetros α1 , α 2, …. α n respectivamente.
Sea: U=Min{T1, T2, …..Tn }

P{U>t} = exp(Σαt)

U tiene distribución exponencial con parámetro α = Σαi

Por tanto:
•El tiempo entre llegadas del sistema de colas U, tiene distribución exponencial
con parámetro α = Σαi
•El tiempo de servicio del sistema de colas tiene distribución exponencial con
parámetro α = nμ
Propiedad 4
Suponga que el tiempo entre dos ocurrencias sucesivas tiene distribución
exponencial con parámetro α. Entonces si X(t) es el número de ocurrencias en el
tiempo t (t≥0), en donde el tiempo cero es el instante en el que comienza la
cuenta, se tiene:

(t ) n e t
PX (t )  n  
n!

para n= 0,1, 2… tiene distribución Poisson con parámetro αt

La media de la distribución Poisson es:

EX (t )   t
Resumen de parámetros
Tasa de llegadas λ Número medio de clientes que llegan al
sistema por unidad de tiempo
Tiempo medio entre llegadas 1/λ
Tasa de entradas o de llegada λef Número medio de clientes que entran al
sistema por unidad de tiempo
Tasa de servicio µ Número medio de clientes que son
atendidos por un servidor por unidad de
tiempo
Tiempo esperado medio de servicio 1/µ
Tasa de servicio del sistema µef Número medio de clientes que son
atendidos por unidad de tiempo
Numero de servidores s
Capacidad del sistema k
Factor de utilización ρ= λ/ µ
 MODELOS DE SISTEMAS DE COLAS

La formulación matemática de una línea de espera permite en general

responder a preguntas relacionadas con la operación de estos
sistemas como por ejemplo:

¿Cuál es el número de entidades en la cola en un instante cualquiera?

¿Cuál es el tiempo esperado que una entidad permanece en el
sistema?
¿Qué fracción del tiempo permanece desocupado el servidor?
¿Cuál es el número mínimo de servidores necesarios para que al
menos el 95% de las entidades permanezca no más de 12 minutos en
el sistema?
Modelos de Colas Especializados
Sea:

n : Número de clientes en el sistema (cola y servicio).

n : Tasa de llegada de clientes dados n en el sistema.
n : Tasa de salida de clientes dados n en el sistema.
Pn: Probabilidad de estado estable de n clientes en el sistema.

  n  1 n  2 ....... 0 
Pn    P0
  n  n 1 
 .......  1 
Modelos de Colas Especializados
Sea:
n : Número de clientes en el sistema (cola y servicio).
n : Tasa de llegada de clientes dados n en el sistema.
n : Tasa de salida de clientes dados n en el sistema.
Pn: Probabilidad de estado estable de n clientes en el sistema.

  n  1 n  2 ....... 0 
Pn    P0
  n  n 1 
 .......  1 

El valor de P0 se determina por: P
n 0
n 1

1
P0  
  n  1....... 0 Pn  n  1 Pn  1
1  n
n  1  n .......  1
 Desempeño del sistema de colas

 Para evaluar el desempeño se busca conocer dos

factores principales:

1. El número de clientes que esperan en la cola

2. El tiempo que los clientes esperan en la cola y en el

sistema
 MEDIDAS DE DESEMPEÑO
SERVICIO

 
Tasa de

llegada COLA 

Las medidas de desempeño más comúnmente usadas son:

L : Número esperado de clientes en el sistema.
Lq : Número esperado de clientes en la cola.
W : Tiempo promedio en el sistema.
Wq : Tiempo promedio en la cola.
s : Número esperado de servidores ocupados.
ef : Tasa de llegada efectiva al sistema.
Fórmula de Little
 
 (n  s) P

L   nPn Lq  n ef    n Pn
n 0 nc 1
n 0

1  ef  ef
W  Wq  L  Lq  s  L  Lq 
  
Modelo M/M/1:

M : Llegada de Poisson (  )
M : Tiempo servicio exp(  )
1 : Servidor

n =  n = 0, 1, ....
n =  n = 0, 1, ....

n
    2
Pn    P0 Po  L  Lq 
    (    )
Las ecuaciones anteriores son válidas solo si λ < μ. Si λ ≥ μ, la solución
anterior no sirve, en este caso la cola “explota” y crece sin límite.

1 1
P(W  t )  e   (1  ) t
para t  0 E (W )  
 (1   )   
donde ρ=λ/μ. El tiempo de espera en el sistema tiene distribución exponencial con
parámetro μ(1-ρ)

P(Wq  t )  e (1  )t para t 0 P(Wq  0)  P0  1   para t 0


Wq 
    
P( Lq  n)   n 1

El tiempo de espera en la cola (Wq) no tiene distribución exponencial.

EJERCICIO 1:

Los Clientes Llegan a una tienda según una distribución de Poisson con tasa
media de llegada de 24[clientes/hrs], aparentemente el tiempo que toma en
atender un cliente se distribuye exponencialmente con media de 2 [min].

a) ¿Cuál es el número promedio de clientes en la tienda?

b) ¿Cuanto tiempo de permanencia en la tienda debería pasar un cliente?
c) ¿Qué porcentaje del tiempo permanece ocioso el vendedor de la tienda?
d) ¿Qué porcentaje del tiempo hay 3 clientes en la tienda?

Solución:

Modelo M/M/1
Llegada poisson P (λ=24 [clientes/hrs]

Tiempo de servicio exp=1/µ=2 [min/clientes]*1[hrs]/60[min]=1/30[hrs/clientes]

µ=30[clientes/hrs]
a) L= λ/( µ- λ)= 24[clientes/hrs] / ((30-24)[clientes/hrs)
L= 4 [clientes]

b) W=L/ λ = 4[clientes] / 24 [clientes/hrs]

W=1/6[hrs] = 10[min]

c) Esta ocioso el vendedor cuando no hay clientes

Po = (µ- λ) / µ = (30-24) [clientes/hrs] / 30[clientes/hrs] = 0,2

Po =20% del tiempo el vendedor esta ocioso

d) P3 = [(λ/µ)^n]*Po= [(24/30)^3]*0,2 = 0,1024

P3 = 10,24% del tiempo hay 3 clientes en la tienda
EJERCICIO 2:

Un lavacar puede atender un auto cada 5 minutos y la tasa media de llegadas

es de 9 autos por hora.

a) Obtenga las medidas de desempeño de acuerdo con el modelo M/M/1

b) La probabilidad de tener 0 clientes en el sistema
c) La probabilidad de tener una cola de más de 3 clientes
d) La probabilidad de esperar más de 30 min. en la cola y en el sistema
 9
a)   9,   12,    0.75
12
 2
Ls   3 autos Lq   2.25 autos
   (   )
1
Ws   0.33 hrs  20 min
 

Wq   0.25 hrs  15 min
 (   )
 
b) P0   0.25

c) P ( Lq  3)   31  0.32
d) P(Ws  0,5)  e   (1  ) t  0.223
P (Wq  0,5)  e   (1  ) t  0.167
 EJERCICIO 3:

En un servicio de fotocopiado llegan 5 clientes cada hora y el operador de la

fotocopiadora puede atenderlos a una tasa de 6 clientes cada hora.

Determine:
a) Cantidad de clientes en el sistema.
b) Tiempo total que esperan los clientes en el sistema.
c) Cantidad de personas formados en la fila.
d) Tiempo en el cual los clientes esperan en la fila
e) Porcentaje de uso del servidor.
f) Porcentaje de tiempo en el cual el servidor esta ocioso.
g) Probabilidad de que se encuentren dos clientes en el sistema.
 Solución:

λ =5 (clientes/hora) Como µ ˃ λ son válidas las fórmulas.

µ =6 (clientes/hora)

 5
a) L    5 (clientes)
  65

 1 hora 
1 1 1
b) E (W )   
 (1   )    6  5

2 (5) 2
 4.166 clientes 
25
c) Lq   
 (   ) 66  5 6
 
  0,83 horas 
5 5
Wq  
     66  5
d)
6

e) ρ=λ/μ = 5/6 =0,83 =83,3 %

f) P(Wq  0)  P0  1    1  0,83  0,16  16% para t0

n n
      5
2
 5
g) Pn    P0    1      6  1  6   0,1157  11,57%
        
EJERCICIO 4:
Una doctora pasa en promedio 20 minutos con sus pacientes, si el tiempo
estimado de espera en la fila es de 30 minutos.

Determine:

a)Número promedio de llegadas al sistema.

b)Tiempo promedio que pase un cliente en todo el sistema.
c)Factor de uso del sistema.
d)Número de personas en el sistema.
e)Número de personas en la fila.
f)Probabilidad que no haya ningún cliente en el sistema.
g)Probabilidad de que haya 3 ó menos personas en el sistema.
Solución:

µ = 1/ 20 = 0,05 (clientes/minutos)
Wq= 30 (minutos)

 
Wq    30
a) λ =?
     0,050,05   
  300,050,05     1,50,5     0,075  1,5
2,5  0,075
 clientes 
  0,03  
 hora 

 50 minutos 
1 1 1
b) E (W )   
 (1   )    0,05  0,03
c) ρ=λ/μ = 0,03/0,05 =0,6 =60 %

 0,03
d) L    1,5 (clientes)
  0,05  0,03

2 (0,03) 2
Lq    0,9 clientes 
e)  (   ) 0,050,05  0,03

f) P(Wq  0)  P0  1    1  0,6  0,4  40% para t0

 n n
    
g) Pn    P0    1     P3  P2  P1  P0
    

    0,03   0,03   0,03   0,03  

n n 3 2 1
  
Pn    P0    1     1  0,05   0,05    0,05    0,05   0,4  0,8704  87,04%
             
Modelo M/M/s

M : Llegada de Poisson (  )
M : Tiempo servicio exp(  )
s : Servidores
Po  1

 s 1 (  ) n ( )S  
   

 n 0 n!

S!(1   ) 
s
 S 

s S 1

 P0 
    P0 
 
Lq   ( n  s ) Pn      
  2
 
2
n 1 s! (1 )
S  1! S    
 

S
 1 L
P0    W  Wq  
     
L  Lq   
 S  1!S    
2
Lq
Wq 

EJERCICIO1 :

El Banco Departamental desea operar una nueva sucursal; luego de realizados

los estudios el Banco considera que con 4 servidores es suficiente. Los clientes
llegan en promedio a una tasa de 20 por hora de acuerdo a una distribución
Poisson y se sabe que se requieren en promedio 2 minutos para atender a
cada cliente con una distribución aproximadamente exponencial. Calcular las
estadísticas de operación del Banco.

Solución:

Modelo M/M/S

Llegadas Poisson: = 20 [clientes/hora]

Servicios exponenciales: =1/2[clientes/min] = 30 [clientes/hora]
S = 4 servidores
 P0= 0,5133

En promedio el 51,33 % del tiempo el Sistema permanece improductivo.

a) ρs =1-P0= 1- 0,5133 = 0,4867 (Factor de utilización del sistema)

El 48,67% del tiempo, el sistema permanece ocupado.


 
20
Factor de utilizació n de cada servidor 
b) s 4 * 30  0,16666666667
Cada servidor tiene una utilización del 16,67% del tiempo.

 
S
P0 
  
4
0,5133 20 * 0,16666666667
c) Lq     30  0,001014
s!(1   ) 2 4!1  0,16666666667 2

La cantidad de clientes promedio en la cola es de 0,001014 personas.

 
d ) L  Lq   0,001014  0,6666666667  0,6676806667

En promedio 0,6676806667 clientes se encuentran en al sistema.

Lq
 0,0000507 horas 
0,001014
e) Wq  
 20
El tiempo promedio de un cliente en la cola es de 0,0000507 horas.

f ) W  Wq   0,0000507  0,03333333  0,03338403 horas 

1


En promedio una persona permanece en el sistema 0,03338403 horas.

EJERCICIO 2:

En un hospital llegan 10 clientes cada hora y un solo servidor puede atender 8

Clientes cada hora, si se colocan 2 servidores.

Determine:

a)P0 ; b) L ; c) W ; d) Lq ; e) Wq

SOLUCIÓN:

λ= 10 (clientes/hora)
µ = 8 (clientes/hora)
S = 2 (servidores)
SOLUCIÓN:

a)
Po  1
 1 (10 ) n (10 ) 2 
 8  8 
 n 0 n! 2!(1  10 ) 
 16 

1
Po   0,2307
 
0 1 2
 10   10   10 
       
 8   8   8   1 
0! 1! 2!   10  
1   
  16  
 2
 10 
b) 0,230710 * 8 
L  8  10
  2,051 (clientes )
1!2 * 8  10 2
8

 0,2051 horas 
2,051
c) W 
10


Lq   (n  s) Pn 
0,2307 10 8

3

 0,80128 clientes 
 
d) 2
n 1 1! 2  10
8
Lq
 0,080128 clientes 
0,80128
e) Wq  
 10
Modelo M/M/1/k

M : Llegada de Poisson (  )
M : Tiempo servicio exp(  )
1 : Servidor
k : Capacidad del sistema

1 1 
P0  
K
1   K 1
 ( )
n 0
n
 k
 ( K  1)  K 1
L   nPn   Lq  L  (1  P0 )
n0 1  1   K 1

L Lq
W  Wq 
 
 K 1
   n Pn   Pn   (1  PK )
n 0 n 0
EJERCICIO:

Frente a una ventanilla del Banco Estatal se presentan 560 personas diarias
(jornada de 8 horas); el cajero puede dar servicio a 100 personas como
promedio por hora. Además el Banco tiene una capacidad máxima para 10
personas. Con llegadas de Poisson y servicios exponenciales, encontrar:

a) el factor promedio de utilización del sistema

b) el tiempo ocioso promedio en el sistema
c) la probabilidad que haya 3 clientes en el sistema,
d) el número promedio de personas en el sistema
e) la cantidad promedio de clientes en la cola
f) el tiempo promedio que permanece una persona en el sistema
g) el tiempo promedio de un cliente en la fila
h) el tiempo promedio que tarda un servicio,
i) la probabilidad que existan más de 3 personas en el sistema.
Modelo M/M/1/K

Llegadas Poisson; λ=560[clientes/día]*1/8[día/hrs]=70[clientes/hora]

Servicios exponenciales; µ=100[clientes/hora]
Servidores:1
Capacidad: 10

a)

Por lo tanto el 70% del tiempo el sistema se encuentra ocupado

1  1  0,7
b) P0    0,306
1   K 1 1  0,711
Por lo tanto el 30% del tiempo el sistema se encuentra ocioso

(1   ) (1  0.7)
c) Pn  *  n
 * 0.7 3
 0,1049
1  k 1
1  0.7 11

Existe una probabilidad del 10,49% de que hallan 3 clientes en el sistema

 (K  1) *  K 1 0,7 (11) * 0.711

d) L   K 1
  11
 2,11
  (K  1) *  K 1 0,7 (11) * 0.711
d) L      2,11
1  1   K 1 1  0,7 1  0.711

En promedio 2,11 clientes se encuentran en el sistema

e) Lq  L  (1  P0 )  2,11  (1  0.306)  1,42

La cantidad de clientes promedio en la cola es de 1,42 personas

(1   ) (1  0.7)
Pn  *  n
 * 0.710  0.0086452
1  k 1
1  0 .7 11

f)    (1  PK )  70 * (1  0.0086452)  69,39
L 2,11
W    0.0304[horas ]  1,82[min utos ]
 69,39
En promedio una persona permanece en el sistema es de 1,82 minutos

Lq 1,42
g) Wq    0.02046[horas ]  1,22[min utos ]
 69 ,39
El tiempo de espera promedio de un cliente es de 1,22 minutos
 1
1
h) E (  )  
 0.01[horas / cliente]  0,6[min utos / cliente]
 100
El tiempo que demora en prestar servicio a un cliente es de 0,6 minutos

P(n  k)  1  P(n  k)  1  (P3  P2  P1  P0 )

i)  (1  0.7) 
 1  * (0.7 3
 0.7 2
 0.7 1
)  0,306   0.2248
 1  0.7 11


La probabilidad de que en cierto momento hallan más de 3 clientes en el sistema

es de 22,48%.
Modelo M/M/s/k

M : Llegada de Poisson (  )
M : Tiempo servicio exp(  )
s : Servidores
k : Capacidad del sistema
 P0  1
  s ( /  ) n ( /  ) s K
  
n s

 servidor       
s  n0 n! s! n s 1  s  

 sistema  1  Po

P0 ( /  ) s 
 s1 
 
s 1
L   nPn  Lq  s1   Pn  Lq  1   K s
 ( K  s )  K s
(1   )
n 0  n 0  s!(1   ) 2

 K 1
L Lq    n Pn   Pn   (1  PK )
W  Wq 
  n 0 n 0
Ejercicio:

En una pequeña sucursal del Banco Chile se presentan en promedio 70

clientes por hora. El banco tiene 2 cajeros y cada uno puede dar servicio
a 40 personas por hora en promedio. Además el Banco tiene una
capacidad máxima para 10 personas. Con llegadas de Poisson y servicios
exponenciales, encontrar:

a) el tiempo ocioso promedio en el sistema

b) el factor promedio de utilización del sistema
c) la probabilidad que haya 3 clientes en el sistema
d) el número promedio de personas en el sistema
e) la cantidad promedio de clientes en la cola
f) el tiempo promedio que permanece una persona en el sistema
g) el tiempo promedio de un cliente en la fila
h) el tiempo promedio que tarda un servicio
i) la probabilidad que existan más de 7 personas en el sistema.
 Modelo M/M/2/K
Llegadas Poisson; λ= 70[clientes/hora]
Servicios exponenciales; µ=40[clientes/hora]
Servidores:2
Capacidad: 10

1 1
 s ( /  ) n ( /  )s K
  
n s
  2 (70 / 40) n (70 / 40) 2 10
 70 
n 2

a) P0              
n 0 n ! s! n s 1  s   n 0 n ! 2! n  2 1  2 * 40  

1
P0 
 
0 1 2 2
1.75 1.75 1.75 1.75
   0.8751  0.875 2  0.875 3  0.875 4  0.875 5  0.875 6  0.875 7  0.875 8
0! 1! 2! 2!

P0  0.0884  8,84%

Por lo tanto el 8,84% del tiempo el sistema se encuentra ocioso

b)El factor de utilización:

  1 P0  1 0.0884  0,9116  91,16%

Por lo tanto, el 91,16% del tiempo el sistema se encuentra ocupado

c) Pn  ( / n )s * P0  (70 / 40
n 3
)
32
* 0.0884  0.1184  11,84%
s!*s 2!*2
Existe una probabilidad del 11,84% de hallar a 3 clientes en el sistema

s 1
 s 1  1  1

L   nPn  Lq  s1   Pn    nPn  2.371  21   Pn 
n 0  n 0  n 0  n 0 
(70 / 40)1  (70 / 40)1 
d) L  1* * 0.0884  2.371  2 * 1  0.0884  * 0.0884 
1!*  1!* 
L  4,0395

En promedio 4,04 clientes se encuentran en el sistema

 P0 ( /  )s 
Lq 
s! (1   ) 2
1  K s
 ( K  s )  K s

(1   ) 
2
 70   70 
0.0884 *   *  
40   80    70   70   70 
8 8

e) Lq   * 1     8 *   * 1  
     
2
 70   80 80 80
2!*1  
 80 
Lq  2.371
La cantidad de clientes promedio en la cola es de 2,371 personas

( /  ) n (70 / 40 )10
Pn  * P0  * 0.0884  0.04651
s!*s n s 2!*2 8
f)    (1  PK )  70 * (1  0.04651)  66,74
L 4,0395
W    0.06053[horas ]  3,63[min utos ]
 66,74
En promedio una persona permanece en el sistema es de 3,63 minutos

Lq 2,371
g) Wq    0.03556[horas ]  2,13[min utos ]
 66 ,74
El tiempo de espera promedio de un cliente es de 2,13 minutos
 1
1
h) E (  )  
 0.025[horas / cliente]  1,5[min utos / cliente]
 40
El tiempo que demora en prestar servicio a un cliente es de 1,5 minutos

P(n  k)  P (N  7)  (P8  P9  P10 )

i) 0.0884  (70 / 40)10 (70 / 40)9 (70 / 40)8 
P (N  7 )  *  8
 7
 6
  0.1604  16,04%
2!  2 2 2 

La probabilidad de que en cierto momento hallan más de 7 clientes en el sistema es de

16,04%.
Modelo M/G/1

M : Llegada de Poisson (  )
G : cualquier distribución. Tiempos servicio independiente, con la misma
distribución de probabilidades. (, σ )
1 : Servidor

2 2   2 L    Lq Lq W  Wq 
1
Lq  Wq  
2(1   ) 
EJERCICIO:

A un taller llegan los pedidos de reparaciones en forma de distribución

Poisson a un promedio de 4 [clientes/hora]. El operario que los inspecciona
para diagnosticar las reparaciones a hacer efectúa dicha actividad en una
forma normal; en promedio tal inspección le toma 6 minutos. Realizando la
evaluación de tiempos y movimientos se encontró que el tiempo de servicio
normalmente distribuido tiene una = 0.125. Calcular las características de
operación del sistema.

Modelo M/G/1

Llegadas Poisson λ= 4 [clientes/hora]

Servicios arbitrarios µ= 10 clientes / hora

Por lo tanto el 40% del tiempo el sistema se encuentra ocupado

Por lo tanto el 60% del tiempo el sistema se encuentra ocioso

La cantidad de clientes promedio en la cola es de 1,8 personas

2,2

En promedio 2,2 clientes se encuentran en el sistema

El tiempo de espera promedio de un cliente es de 27 minutos

  0,55 horas   33 minutos 
1 1
W  Wq   0,45 
 10

En promedio una persona permanece en el sistema 33 minutos

 Modelo M/D/s

M : Llegada de Poisson (  )
D : Distribución degenerada. Supone tiempos servicio iguales a una constante
fija
s : Servidores

Si solo se tiene un servidor, el modelo M/D/1 es un caso especial del modelo M/G/1,
en donde σ2 =0 y Lq se reduce a:

2
Lq 
2(1   )

En donde a partir de este valor de Lq se pueden obtener L, Wq, y W.

Para M/D/s por lo complejo del modelo se disponen de gráficas para L.
EJERCICIO:

El Banco Nova ha decidido instalar un cajero automático de atención a

automovilistas para las personas que deseen hacer un solo depósito; el
fabricante le ha informado al Banco que en estos casos el tiempo de servicio
es constante con 7,5 minutos. Para determinar las características de
operación de este nuevo sistema se han evaluado las llegadas de los
automóviles y se ha encontrado que se comportan en forma de distribución
Poisson a una llegada de 4 [automóviles/hora]. Encontrar la congestión en el
sistema.

Modelo M/D/S
Llegadas Poisson: = 4 [autos/hora]
Servicios constantes: = 1/7,5 [autos/min]= 8 [autos/hora]
S=1
En promedio el tiempo que permanece ocupado el sistema es del 50%.

El tiempo promedio que el sistema permanece ocioso es el 0,5%.

La cantidad de vehículos en promedio en la cola es de 0,25.

En promedio la cantidad de vehículos en el sistema es de 0,75.

 
 0,0625horas   3,75min utos
0,5
Wq  
2 *     2 * 8  4

En promedio los vehículos en la cola permanecen 3,75 minutos

 0,0625   0,1875horas   11,25min utos

1 1
W  Wq 
 8

En promedio un vehículo permanece en el sistema 11,25 minutos

Modelo M/EK/s

M : Llegada de Poisson (  )
D : Distribución Erlang
s : Servidores
La función de densidad de probabilidad para la distribución Erlang es:

(  ) k k 1 kt
f (t )  t e para t≥0
(k  1)!

En donde μ y k son parámetros estrictamente positivos y k es además entero. Su

media y desviación estándar son:

1 1
media  desviación estándart 
 k
Considere M/Ek/1, que es justo el caso especial del modelo M/G/1 en donde los
tiempos de servicio tienen una distribución Erlang con parámetro de forma = k,
aplicando esta fórmula se llega a:

2 /( k ) 2   2 1  k 2
Lq  
2(1   ) 2k  (   )

1 k 
Wq 
2k  (    )

1 L  W
W  Wq 

EJERCICIO:

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 el 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.

Modelo M/EK/S

Llegadas Poisson: = 2 [maquinas/hora]

Servicios constantes: = 1/5 [maquinas/min] = 12 [maquinas/hora]
K=5
S=1
  2
   0.1667
 12

En promedio el tiempo que permanece ocupado el sistema es del 16,67%.

P0  1    1  0.1667  0.8333
El tiempo promedio que el sistema permanece ocioso es el 83,33%.

 1  k      1  5   0,1667 
Wq    *     *   0,010[horas ]  0.6[min utos ]
 2k        2 * 5   12  2 
En promedio las maquinas en la cola antes de ser atendidas permanecen 0,6 minutos

1 1
W  Wq   0.010   0.0933[horas ]  5,6[min utos ]
 12

En promedio una maquina permanece en el sistema es de 5,6 minutos.

L  W  2 * 0.0933  0.1866
En promedio la cantidad de maquinas a reparar en la empresa es de 0.1866

Lq  Wq  2 * 0.010  0.020

La cantidad de maquinas en promedio en la cola es de 0.20
Costos de espera:

Para evaluar un sistema de colas en el que usted controla el número de

servidores o su tasa de servicio, se necesitan las siguientes estimaciones de costo
y medidas de rendimiento:

Cs : Costo por servidor por unidad de tiempo.

Cq : Costo por unidad de tiempo por cliente esperando en el sistema.
Ls : Número promedio de clientes en el sistema.

Costo servidores = Cs x s
Costo espera = Cq x Ls
 EJERCICIO :

La empresa Steco recibe 40 llamadas por hora transcurrida y un operador puede

despachar 30 llamadas cada hora. La administración estima que le cuesta 20 (U$S)
mantener a un cliente esperando y paga a 12 (U$S) la hora laborada a un operador.

Determine el costo por usar dos operadores:

S= 2 servidores
λ = 40 (llamadas / hora)
µ = 30 (llamadas / hora)
Usando un modelo M/M/s
 SOLUCIÓN:

1
Po   0,2
 
0 1 2
4 4 4
       
3  3  3  1 
0! 1! 2!  2
1   
 3

Lq 
 3
0,2 4
3

 1,066 clientes 

1! 2  4
3

2

 U $S   U $S 
CT  1,066 * 20   2 * 12 
 hora   hora 
 U $S 
CT  21,32  24  45,32 
 hora 
 EJERCICIO :
La Empresa Cat debe tomar una decisión con respecto a su política de contratar
un Mecánico para reparar las máquinas que se descomponen con una tasa
promedio de 4 por hora, de acuerdo a una distribución de Poisson. El tiempo
improductivo de cualquiera de las máquinas esta costando $10,00 por hora a la
compañía. La Empresa debe contratar dos tipos distintos de Mecánicos, uno lento,
pero menos costoso ($2,50 la hora) y el otro rápido, pero mas costoso ($4,50 la
hora). El Mecánico lento puede reparar las máquinas con una tasa promedio de 6
por hora, mientras que el Mecánico rápido puede repararlas exponencialmente a
razón de 8 por hora. Basándose en los datos anteriores, ¿Cuál Mecánico debe
contratarse?
 SOLUCIÓN:

Costo del tiempo Improductivo = $ 10,00 por Hora por Máquina

Se tiene 2 mecánicos:

Mecánico 1 Costo $ 2,50 la hora

Servicio 6 [maquinas/hora]

Mecánico 2 Costo $ 4,50 la hora

Servicio 8 [maquinas/hora]

Turnos de 8 horas
¿Cual se elige?
Modelo M/M/1
De acuerdo a lo anterior E (CT)2 < E (CT)1, por lo tanto se elige al Mecánico Rápido