Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 2 Lineas de Espera: 7º Semestre Grupo: A Investigacion de Operaciones Inc-1019 Profesor: Gomez Ku Ricardo
Unidad 2 Lineas de Espera: 7º Semestre Grupo: A Investigacion de Operaciones Inc-1019 Profesor: Gomez Ku Ricardo
INGENIERA INDUSTRIAL
7 SEMESTRE
GRUPO: A
TRABAJO DOCUMENTAL
UNIDAD 2 LINEAS DE ESPERA NOMBRE ELIO IGNACIO COCOM MOO MARA GUADALUPE YAM UICAB EUGENIO EVERARDO CHI CAHUN JOSE LUIS DZIB DZUL
MATRCULA CALIFICACIN DE LA EXPOSICIN CALIFICACIN DEL DOCUMENTAL
1749
1706
1721
1730
CAPITULO II INTRODUCCIN............................................................................................................ 4
CAPITULO III 2. LINEAS DE ESPERA 2.1 INTRODUCCION Y TERMINOLOGIA, NOTACION Y CASOS DE APLICACION. . .6 2.2 PROCESO DE NACIMIENTO Y MUERTE (MODELOS POISSON) .......................10 2.4 POBLACION FINITA UN SERVIDOR, COLA FINITA.............................................14 2.5 POBLACIN INFINITA SERVIDORES MLTIPLES, COLA INFINITA..................20 CONCLUSIN............................................................................................................... 29 BIBLIOGRAFIA............................................................................................................. 31
Otro problema que ha resuelto con xito la teora de las lneas de espera. es la determinacin adecuada del numero de muelles que se requieren cuando se construyen instalaciones terminales para barcos y camiones. como tanto los costos de los muelles como los de las demoras pueden ser considerables, ya que los primeros disminuyen mientras aumentan los segundos, o viceversa, es muy conveniente construir el numero de muelles que reduzcan al mnimo la suma de esos dos costos, Varias empresas manufactureras han atacado el problema de descomposturas y reparaciones de sus maquinas, utilizando la misma teora, El problema se refiere a una batera de maquinas que se descomponen individual-' mente en diferentes pocas. En realidad, las maquinas que se descomponen forman una lnea de espera para su reparacin por el personal de mantenimiento. Es conveniente emplear el personal de reparaciones necesario para
INGENIERIA INDUSTRIAL 7A |INVESTIGACIN DE OPERACIONES 2
7
Inicialmente, el problema se calcula sobre una base de 4 horas, porque el personal del taller trabaja de las 8 a. m. a las 12, y luego sale a almorzar Los resultados finales se calculan sobre una base de 8 horas. En vista de esos datos tasa uniforme de llegada de 10 por hora (uno cada 6 minutes) y una tasa uniforme de servicio de 7 1/2 por hora (uno cada 8 minutos)-' el problema puede resolverse empleando la formula de la suma de una serie aritmtica. Si el primer hombre llega a las 8 a. m. no tiene tiempo de espera. Antes de dar servicio al que llego primero, el que liego en segundo lugar se convierte en el primero que espera en la fila, y su tiempo de espera es de 2 minutos (8 minutos 6 minutos), antes de que se le de servicio. Una vez que conocemos el tiempo de espera del primer maquinista, es necesario calcular el tiempo de espera del ultimo hombre en nuestras 4 horas inciales. Como llegan 40 maquinistas (10 hombres por hora X 4 horas), y el primero no espera, debemos calcular el tiempo de espera de los treinta y nueve restantes, o sea que 39 maquinistas multiplicados por 2 minutos son igual a 78 minutos. Como el aumento del tiempo de espera para cada maquinista adicional es lineal, podemos promediar el tiempo de espera del segundo y del cuadragsimo. El promedio del tiempo de espera de cada maquinista es igual a 2 minutos ms 78 minutos, dividido entre 2, 6 40 minutos, lo que se resume en la tabla 14-1. (La probabilidad de que los que lleguen al ltimo no espere en la fila, porque se acerca la hora del almuerzo, no se ha considerado aqu, aunque normalmente lo ser.) El examen de los datos indica que el costo se reduce al mnimo empleando dos encargados. En contraste con las tasas uniformes, la mayor parte de los problemas de los negocios se ocupa de tasas aleatorias de llegada y de servicio, cuya solucin requiere un proceso diferente, que constituir el tema del resto de este capitulo.
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL En la ltima seccin, estudiamos las tasas uniformes de llegada y de servicio, y ahora estudiaremos las tasas aleatorias de llegada y de servicio en un problema de lneas de espera de un solo canal (una sola estacin). No trataremos aquellos casos en los que la capacidad de las instalaciones de servicio es mayor que el
INGENIERIA INDUSTRIAL 7A |INVESTIGACIN DE OPERACIONES 2
9
p n (t ) =
Donde es la tasa de llegadas por unidad de tiempo, con el nmero esperado de llegadas durante t igual a t.
Ejemplo 15.3-1
10
El nmero de nacimientos en el pas por ao est dado por t = 205.7x365 = 75080 nacimientos/ao La probabilidad de ningn nacimiento en cualquier da es
po =
Suponga que nos interesa la probabilidad de emitir 45 actas de nacimiento al final de un periodo de 3 horas, si se pudieron emitir 35 actas en las primeras 2 horas. Observamos que debido a que los nacimientos ocurren segn un proceso de Poisson, la probabilidad requeridas reduce a tener 45-35=10 nacimientos en una hora ( =3-2). Dado =60/7=8.57 nacimientos/hora, obtenemos
p10 (19) =
MODELO DE MUERTE PURA Considere la situacin de almacenar N unidades de artculo al inicio de la semana, para satisfacer la demanda de los clientes durante la semana. Si suponemos que la demanda se presenta a una tasa de unidades por da y que el proceso de demanda es completamente aleatorio, la probabilidad asociada de tener n artculos en el almacn despus de un tiempo t, la da la siguiente distribucin truncada de Poisson: p n (t ) = ( t ) N n e t , ( N n)!
N
n = 1,2,N
p 0 (t ) = 1 p n (t )
n =1
(Muerte pura)
11
Como ejemplo ilustrativo de los clculos, tenemos los siguientes resultados utilizando el programa TORA t=3, 6, 9., y 18 t (das) 1 2 3 4 5 6
t p5(t)
3 0.0008
6 0.0413
9 0.1186
12 0.1048
15 0.0486
18 0.015
Obsrvese que p5(t) representa la probabilidad de hacer un nuevo pedido el da t. Esta probabilidad llega a su nivel mximo en t=3 y despus disminuye conforme transcurre la semana. Si nos interesa la probabilidad de hacer un nuevo pedido para el da t, debemos determinar la probabilidad de tener cinco unidades o menos el da t; esto es, Pn<=5 (t) = p0(t)+p1(t)+..+p5(t) Usando TORA nuevamente obtenemos t (das) 1 2 3 4 5 6
12
Podemos advertir en la tabla que la probabilidad de hacer el pedido para el da t aumente montonamente con t. Otra informacin, que es importante al analizar la situacin, es determinar el nmero promedio de unidades de inventario que se desecharan el fin de semana.
E {n t = 6
}=
np
n =0
15
(6)
Esto se hace calculando el nmero esperado de unidades para el da 6; es decir, La tabla que sigue presenta un resumen de las operaciones dado t=18
N 0 1 2 3 4 5 6 7 8 9 10 11
pn(6)
0.792
0.0655
0.0509
0.0368
0.0245
0.015
0.0083
0.0042
0.0018
0.0007
0.0002
0.0001
} = 0.5537 unidad
Esto indica que, en promedio, se desechar menos de una unidad al trmino de cada semana.
Ejercicio 15.3-2 Determine en el ejemplo 15.3-2 A) La probabilidad de que se agote la existencia despus de tres das. B) La probabilidad de que se retirar una unidad de inventario al termino del cuarto da dado que la ultima unidad fue retirada al cabo del tercer da
13
(3.20)
(3.21)
14
(3.22)
(3.23)
(3.24)
(3.25)
(3.26)
Ejemplo 3.2. Suponga que en la flota de Aeromxico existen cuatro aviones del tipo jumbo 747. Se ha venido observando el comportamiento de estos aviones desde 1971 y, en especial, las fallas de las turbinas. Los datos indican que las fallas de cualquier turbina de cualquier avin es una variable aleatoria y que el tiempo promedio entre dos fallas consecutivas de cualquier avin es de un ao. El tiempo promedio de revisin y compostura de la falla de la turbina es de 45 das (un octavo de ao). Solamente se tienes un equipo humano de expertos para dar servicios y se proporciona servicio bajo la poltica de primero que entra al taller, primero que se le sirve. Durante el periodo de mantenimiento el avin no vuela. Describa cuantitativamente al sistema de espera.
15
Como
para n = 0, 1, 2, 3, 4 y m = 4, donde n es el nmero de aviones que esperan compostura y m es la flota de jumbos 747 de Aeromxico. n m
0 1
4 4
1.00000 0.50000
2 3
4 4
0.18750 0.04688
0.00576
16
Tabla 3.2
Que significa que existe un 5704% de probabilidad de que no se encuentre ningn avin jumbo 747 en el sistema de compostura de turbinas en el tiempo t. La probabilidad de que se encuentre un avin en mantenimiento y otro en espera es:
Mientras que el nmero promedio de aviones en el sistema (esperando en la cola y en el taller) es:
O sea aproximadamente 18 das, mientras que el tiempo promedio en el sistema (espera ms servicio) es de:
17
O sea casi 64 das: Qu representa esto en costo? Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos, de 2 mil cuando est en tierra y de 5 mil cuando est en mantenimiento. Se supone que estos aviones vuelan, en promedio, 14 horas por da y por cada mil horas de vuelo se les proporcionara mantenimiento preventivo (independiente de las composturas de falla de turbina) que dura en promedio 100 horas. Se supone que el sueldo mensual del personal especializado de reparacin es de 200 mil pesos y el costo mensual del equipo de reparacin (luz, depreciacin, seguros, etc.,) es de 125 mil pesos. El costo de la espera para componer las fallas de la turbina de un avin es, por lo tanto, la suma de los siguientes costos: a) Tiempo muerto del avin mientras espera y le reparan la turbina, (Tw). b) Tiempo muerto de la tripulacin cuando el avin se encuentra en el taller por compostura de turbinas. c) Tiempo de reparacin de la turbina (sin incluir refacciones), es decir Tw Ts. Como la unidad de tiempo es un ao, se deben convertir todos los costos unitarios a costo por ao. En un ao (365 das) el avin vuela:
18
500
Estar parado el avin en tierra. Entonces el costo total anual para cada avin ser de:
(5110
) + (500
* 5000
) + (3150
2000
) = 59.9
Si un avin de este tipo pasa Tw = 0.175 de ao (64 das), en el sistema de compostura de turbinas, el costo asociado a este tiempo muerto es:
(59.9
19
La nmina mensual del equipo de reparacin ms sus costos mensuales suman 325 mil pesos (3.9 millones de pesos por ao). Por lo tanto, el costo del tiempo de reparacin por avin, sin tomar en cuenta refacciones es:
Este resultado motiva las siguientes preguntas: Conviene aumentar el equipo especializado de reparacin de turbinas a 2 o 3? Si es as, En cunto disminuira el costo de la espera por avin en el sistema? A cunto aumenta el costo del equipo de reparacin? Cul es un buen punto de equilibrio?
2.5
UNA
COLA-SERVIDORES
MULTIPLES
EN
PARALELO-
POBLACION INFINITA
Se supone un sistema con una sola cola, a la cual puede llegar un nmero infinito de clientes en espera de recibir un mismo servicio por parte de S(S>1) servidores en
20
El nmero promedio de llegadas por unidad de tiempo es y se supone que este tiene una distribucin de poisson. El nmero promedio de servicios de cada servidor por unidad de tiempo es el mismo y se denota por . Se supone que este nmero tiene una distribucin exponencial negativa. Se observa que cuando el nmero de elementos en la cola y en las estaciones de servicio, m, es mayor que el nmero de servidores, S, (m > S), la probabilidad de que algn cliente abandone el sistema (despus de recibir su servicio) en el intervalo de tiempo t es S t. En caso contrario (S > m), dicha probabilidad es m t. Esta observacin incorporada en la expresin 3.3 origina:
(3.27) En la expresin anterior agrupados los trminos se obtiene: no tiene sentido cuando m = O, por lo que una vez
Por lo que
21
(3.28)
El lmite, cuando
(3.30)
(3.31)
Para el caso en que m < S, se sigue el mismo razonamiento cambiando el trmino de 3.27 por m t, para obtener
(3.32)
22
(3.33)
Combinando 3.33 con 3.31 y 3.32 y tomando el lmite cuando m tiende a infinito, se construye despus de un buen ejercicio algebraico (que aqu se omite) la expresin final para dada por
Que una vez desarrollada, utilizando 3.31 y agrupando trminos, genera la frmula
23
(3.38)
de tamao infinito), en el caso de servidores mltiples se requiere que se cumpla la condicin , la cual se puede reescribir como
Donde
Ejemplo 3.3. Suponga que en el cruce fronterizo de Mxico y Estados Unidos, localizado entre las poblaciones de Piedras Negras, Coahuila, y Eagle Pass, Texas, existe un puente sobre el Ro Bravo con dos lneas de trfico, una en direccin de Mxico a Estados Unidos y la otra en sentido contrario. La lnea de trfico de Estados Unidos a Mxico, se bifurca a 5 garitas de inspeccin migratoria y aduanera. Suponga que las llegadas de automviles tienen una distribucin de Poisson con igual a 15 llegadas por hora, mientras que el nmero de servicios tiene una distribucin exponencial negativa con igual a 8 servicios por hora. Por decreto gubernamental, no existe prioridad de trato, as que las garitas migratorias y aduaneras proporcionan servicio en la medida que se desocupan, y se atiende en primer trmino al primer automvil de la cola y as sucesivamente. Se describe en forma cuantitativa al sistema de garitas migratorias y aduaneras.
24
internacional de Piedras Negras no se formar una cola infinita de automviles o, en trminos ms reales, que esta cola no tiende a crecer sin freno:
Se tiene
Lo anterior implica que existe un 15% de probabilidades de que, al llegar un automvil cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 5 estaciones de servicio se encuentren vacas, y no exista ningn automvil esperando este servicio. Por lo tanto, no se forma una cola hasta que m > 6, como se verifica en la tabla 3.3. El largo de la cola, L es:
25
Tamao de la cola
Garitas desocupada s
Pm (t)+,*
se les est dando servicio 0 1 2 3 4 5 6 7 8 0 0 0 0 0 0 1 2 3 5 4 3 2 1 0 0 0 0 0 1 2 3 4 5 5 5 5 0.152 0.286** 0.267 0.167 0.078 0.029*** 0.011**** 0.004 0.001
26
o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:
Aproximadamente 7 minutos con 36 segundos. Ejemplo 3.4. El Director General de Egresos, el Lie. A. Uslero, experto en sistemas, sospecha que se puede lograr un considerable ahorro econmico, si en vez de 5 garitas funcionan 2, y que esto no causa graves problemas al turismo. Estar en lo cierto? Se calcula
27
Es decir, existe un 3% de probabilidades de que al llegar un automvil cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 2 garitas se encuentren vacas y no hay automviles esperando por un servicio.
No se forma una cola hasta que m > 3, tal como se aprecia en la siguiente tabla. M Tamao de la cola Garitas desocupadas Nmero de automviles a los cuales se les est dando servicio 0 1 2 3 4 5 0 0 0 1 2 3 2 1 0 0 0 0 0 1 2 2 2 2 0.03226 0.06048 0.05670 0.05316 0.04984 0.046725 Pm (t) + ,*
Tabla 3.4
28
Mientras que el nmero de elementos en el sistema, W, es: W=L+ = 13.61 + 1.875 = 15.49 automviles El tiempo promedio de espera en la cola, TS, es:
O sea casi 55 minutos, mientras que el tiempo dentro del sistema, Tw, es:
O sea, casi 62 minutos. As, por un lado, la medida de reducir de 5 a 2 garitas podra ahorrarle al pas el salario y el mantenimiento de 3 garitas, por el otro provocara prdidas en turismo, ya que, en promedio cada automvil que cruce por ese puerto fronterizo, esperar ms de una hora por trmites.
29
CONCLUSION
Los sistemas de colas son muy comunes en la sociedad. La adecuacin de estos sistemas puede tener un efecto importante sobre la calidad de vida y la productividad. Para estudiar estos sistemas, la teora de colas formula modelos matemticos que representan su operacin y despus usa estos modelos para obtener medidas de desempeo que realmente ayudan mucha para el desarrollo de una empresa o compaa reduciendo el tiempo en que esperan los clientes, y optimizando la eficiencia del equipo trabajador. Este anlisis proporciona informacin vital para disear de manera prctica sistemas de colas que logren un balance apropiado entre el costo de proporcionar el servicio y el costo asociado con la espera por ese servicio. La teora de colas es el estudio matemtico de las lneas de espera (o colas) permitiendo el anlisis de varios procesos relacionados como: la llegada al final de la cola, la espera en la cola, o tambin matemtica etc. La teora de colas generalmente es considerada una rama de investigacin operativa porque sus resultados a menudo son aplicables en una amplia variedad de situaciones como: negocios, comercio, industria, ingenieras, transporte y telecomunicaciones. En el contexto de la informtica y de las nuevas tecnologas estas situaciones de espera son ms frecuentes. As, por ejemplo, los procesos enviados a un servidor para ejecucin forman colas de espera mientras no son atendidos, la informacin solicitada, a travs de Internet, a un servidor Web puede recibirse con demora debido a la congestin en la red, tambin se puede recibir la seal de lnea de la que depende nuestro telfono mvil ocupada si la central est colapsada en ese momento, etc. En conclusin tenemos que la Teora de Cola no es una tcnica de optimizacin, sino una herramienta que utiliza frmulas analticas, limitadas por suposiciones matemticas. No se asemejan a una situacin real, pero da una primer aproximacin a un problema y a bajo costo, que brindan informacin sobre el comportamiento de lneas de espera; estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio a un "servidor" el
30
31
METODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES DR. JUAN PRAWDA WITENBERG VOL 2, LIMUSA NORIEGA EDITORES. TOMA DE DECISIONES INVESTIGACIN DE OPERACIONES ROBERT J. THIERAUF, LIMUSA. INVESTIGACIN DE OPERACIONES 5TA EDICION HAMDY A. TAHA ALFAOMEGA. INVESTIGACION DE OPERACIONES APLICACIONES Y ALGORITMOS 4TA EDICION WAYNE L. WINSTON THOMSON.
32