Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo 14 Teoria de Colas
Capitulo 14 Teoria de Colas
1
CAPITULO 14
TEORA DE COLAS
Las COLAS (LNEAS DE ESPERA) son realidades que
podemos observar diariamente:
Personas esperando para realizar sus pagos ante
una caja en un supermercado o un banco,
Ordenes de Trabajo esperando ser ejecutadas en
una fbrica,
Vehculos esperando (incluso barcos o
camiones) para ser decargados,
Mquinas daadas a la espera de una reparacin.
Se generan Lneas de Espera como resultado de un
desequilibrio temporal entre la demanda del
servicio y la capacidad del sistema para
suministrar el servicio.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 2
TEORA DE COLAS
Las COLAS (LNEAS DE ESPERA) son realidades que
pueden causar problemas:
Los barcos o camiones en espera de ser descargados
pueden retrazar los envios siguientes programados,
Un trabajo de manufactura esperando su proceso
demasiado tiempo puede perturbar la produccion
subsecuente,
Aviones esperando aterrizar o despegar pueden
desorganizar la programacion de vuelos,
Una cuadrilla de trabajo esperando que una Gra se
desocupe para atender el montaje de un ensamble
estructural.
Al generarse Lineas de Espera, el retraso en el servicio
puede ocasionar atrasos en la produccion, mayores
costos, insatisfaccion e incluso perdidas de clientes.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 3
TEORA DE COLAS
La TEORA DE COLAS es el estudio de la espera en las
distintas modalidades.
Usa los Modelos de Colas, para representar los tipos
de sistemas de lneas de espera (sistemas que involucran
algun tipo de cola), que se presentan en la prctica.
Aprovecha los Modelos de Colas, para determinar como
debemos hacer operarar un sistema de colas de la manera
ms efectiva y/o eficiente.
Usa la Teora de Probilidades, para representar
caractersticas de algunos componentes del modelo.
Desarrolla frmulas para cada modelo, las que nos
indican cual debe ser el desempeo del sistema estudiado,
la cantidad promedio de espera que ocurrir bajo una
gama de circunstancias.
A
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 4
TEORA DE COLAS
Los Modelos de Colas permiten analizar sistemas de
colas, considerando que:
Proporcionar demasiada capacidad de servicio
para operar el sistema implica costos excesivos.
Proporcionar poca capacidad de servicio para
operar el sistema implica insatisfaccin del cliente por
la demora, atrasos de otras actividades o trabajos,
mayores costos y otros efectos negativos.
Nos permiten encontrar el balance apropiado
entre el costo del servicio y la cantidad de espera.
Son muy tiles para determinar como debemos
hacer operarar un sistema de colas de la manera
mas efectiva.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 5
TEORA DE COLAS
Los Modelos de Lneas de Espera son de gran
utilidad tanto en las reas de Manufactura como en las
de Servicio.
Los Anlisis de Colas relacionan:
la longitud de la lnea de espera,
el promedio de tiempo de espera
y otros factores como:
la conducta de los usuarios a la llegada y en la
cola,
Los Anlisis de Colas ayudan a entender el
comportamiento de estos sistemas de servicio
(actividades de mantenimiento de maquinaria, el
control de las operaciones en planta, actividades de
construccion de una nueva planta industrial o de
construccion de un edificio, etc.).
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 6
TEORA DE COLAS
Desde la perspectiva de la Investigacin de Operaciones, una
cuadrilla en espera de una gra, los barcos que esperan ser
descargados por una gra, o las mquinas daadas esperando
reparacin, tienen mucho en comn.
Ambos (gente y mquinas) requieren de recursos humanos y
recursos materiales como equipos para que las actividades
subsiguientes no se detengan, para que se los cure o se los
haga funcionar nuevamente.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 7
TEORA DE COLAS
Costos de Servicio y Costos de Espera
El Trueque. Los Administradores de operaciones reconocen
el equilibrio que debe haber entre el COSTO DE
proporcionar buen SERVICIO y el COSTO del tiempo DE
ESPERA del cliente o de la mquina que deben ser atendidos.
Los Administradores desean que las colas sean lo
suficientemente cortas con la finalidad de que los clientes
no se irriten e incluso se retiren sin llegar a utilizar el
servicio o lo usen pero no retornen ms.
Sin embargo los Administradores contemplan tener una
longitud de cola razonable en espera, que sea balanceada,
para obtener ahorros significativos en el COSTO DEL
SERVICIO
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 8
TEORA DE COLAS
Equilibrio entre Costos de Espera y Costos de Servicio
Nivel ptimo de Servicio
Nivel de Servicio
Costo por TIEMPO
DE ESPERA
Costo por proporcionar
el SERVICIO
Costo
Costo
Total
Mnimo
COSTO TOTAL
ESPERADO
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 9
TEORA DE COLAS
Costos de Servicio vs Nivel de Servicio
Los COSTOS DE SERVICIO se incrementan si se mejora el
NIVEL DE SERVICIO. Los Administradores de ciertos
centros de servicio pueden variar su capacidad teniendo
personal o mquinas adicionales que son asignadas a
incrementar la atencin cuando crecen excesivamente los
clientes.
En supermercados se habilitan cajas adicionales cuando
es necesario.
En bancos y puntos de chequeo de aeropuertos, se
contrata personal adicional para atender en ciertas
pocas del da o del ao.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 10
TEORA DE COLAS
Cuando el servicio mejora, disminuye el costo de tiempo
perdido en las lneas de espera.
Este costo puede reflejar prdida de productividad de los
operarios que estn esperando que compongan sus equipos o
puede ser simplemente un estimado de los clientes perdidos
a causa de mal servicio y colas muy largas.
En ciertos servicios (Aeropuertos, Bancos, y otros) el costo
de la espera puede ser intolerablemente alto.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 11
TEORA DE COLAS
COLAS MAS USUALES
Carga y descarga Barcos Muelle
Reparacin Mquinas daadas Mantenimiento
Llamadas en espera Clientes Telfono
Efectuar montaje de
estructuras
Requerimientos de
gra
Construccin
Proceso de datos Programas a ser
corridos
Sistema de Cmputo
Consulta Pacientes Consultorio Medico
Pago de peaje Vehculos Peaje
Pago en cajas Compradores Supermercado
SERVICIO LLEGADAS EN COLA SITIO
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 12
TEORA DE COLAS
Caractersticas de una LNEA DE ESPERA
Una cola de espera est compuesta de tres elementos:
1. Llegadas o arribos o ingresos al sistema
2. Disciplina en la cola o lnea de espera
3. Mecanismo de Servicio o instalacin
Estos tres componentes tienen ciertas caractersticas que
deben ser examinadas antes de desarrollar el aspecto
matemtico de los modelos de cola.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 13
TEORA DE COLAS
Caractersticas de una LNEA DE ESPERA
1. CARACTERSTICAS DE LAS LLEGADAS O ARRIBOS:
La fuente de ingreso que genera los arribos o clientes para
el servicio tiene tres caractersticas principales:
a. Tamao de la poblacin que arriba
b. Patrn de llegada a la cola
c. Comportamiento de las llegadas.
1.a.Tamao de la Poblacin:
El tamao de la poblacin puede ser:
infinito (ilimitado) o
limitado (finito).
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 14
TEORA DE COLAS
Caractersticas de una LNEA DE ESPERA
1. CARACTERSTICAS DE ARRIBO:
1.a. Tamao de la Poblacin:
Infinito (ilimitado): Cuando el nmero de clientes o
arribos en un momento dado es una pequea parte de los
arribos potenciales. Para propsitos prcticos
poblaciones ilimitadas pueden considerarse a los
vehculos que se acercan a un caseta de peaje, los
aficionados a un partido del mundial de Ftbol, clientes
en un supermercado.
LA MAYORA DE LOS MODELOS ASUME ARRIBO
INFINITO.
Poblacin de arribo limitada o finita: cuando se tienen muy
pocos servidores y el servicio es restringido. Ej.: los
pacientes en un consultorio mdico
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 15
TEORA DE COLAS
Caractersticas de una LNEA DE ESPERA
1. CARACTERSTICAS DE ARRIBO:
1.b. Patrn de arribo al sistema:
Los clientes arriban a ser atendidos de una manera
programada (un paciente cada 15 minutos) o de una
manera aleatoria.
Se consideran que los arribos son aleatorios cuando stos
son independientes de otros y su ocurrencia no puede ser
predecida exactamente.
Frecuentemente en problemas de colas, el nmero de
arribos por unidad de tiempo pueden ser estimados por
medio de la Distribucin de Poisson que es una
distribucin discreta de probabilidad.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 16
TEORA DE COLAS
Caractersticas de una LNEA DE ESPERA
1. CARACTERSTICAS DE LLEGADAS (ARRIBO):
DISTRIBUCION DE POISSON:
P(x) = Probabilidad de x llegadas(arribos)
.x= nmero de llegadas(arribos) por unidad de tiempo
= tasa o cantidad promedio de llegadas(arribos)
.e = 2.71828
( ) ,... 4 , 3 , 2 , 1 , 0 _
!
= =
x para
x
e
x P
x
=
+
= =
= =
= =
=
=
=
1
servicio) de tiempo espera de (tiempo
sistema el en permanece unidad una que promedio Tiempo
sistema del n utilizaci de Factor
sistema el en (clientes) unidades de promedio Nmero
sistema el en unidades de nmero
tiempo de perodo por servidos cosas o gente de promedio Nmero
tiempo de perodo por arribos de promedio Nmero
S
S
S S
W
W
L L
n
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 52
FRMULAS PARA COLAS
MODELO A: SISTEMA SIMPLE O M/M/1
( )
( )
( )
( )
1
2
sistema el en estn unidades k" " de ms que de ad Probabilid
1 1
vaca) est servicio de unidad (la sistema el en unidades cero de ad Probabilid
1 1
sistema el en estn clientes " n " que de ad Probabilid
cola la en espera unidad una que promedio Tiempo
cola la en unidades de promedio Nmero
+
|
|
\
|
=
= =
= =
= =
=
|
|
\
|
|
|
\
|
=
= =
=
= =
=
= =
k
k n
k n
o
o
n
n
n
n
S q
S q
P
P
P
P
P
P
W W
L L
+
|
\
|
=
=
|
|
\
|
+
(
(
|
|
\
|
=
= =
=
=
=
=
=
Po
M M
L
L
M
M
M
M n
P
P
M
M
S
s
M
M n
n
n
o
o
2
1
0
.!. 1
: sistema el en unidades o personas de promedio nmero
para
!
1
!
1
1
sistema el en unidades o personas CERO existan que de ad Probabilid
canal cada en servicio de promedio tasa
arribo de promedio tasa
abiertos canales de nmero
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 54
FRMULAS PARA COLAS
MODELO B: SISTEMA MULTICANAL O
M/M/S
( ) ( )
q
S q
q
S S q
q
S
M
S
s
L
W W
W
L L L
L
L
Po
M M
W
W
= =
=
=
= =
= =
= +
|
\
|
=
=
=
1
servicio por esperando cola la en da tar
se unidad o persona una que promedio Tiempo
servicio de espera en cola, o lnea la en unidades o personas de promedio Nmero
1
! 1
) (atendida) servida siendo y cola la (en
sistema, el en permanece unidad una que promedio Tiempo
2
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 55
FRMULAS PARA COLAS
MODELO C: SERVICIO CONSTANTE O
MODELO M/D/1
( )
( )
1
sistema, el en espera de promedio Tiempo
sistema, el en clientes de promedio Nmero
2
cola, la en espera de promedio Tiempo
2
cola, la de promedio Longitud
2
+ =
+ =
=
q S
q S
q
q
W W
L L
W
L
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 56
FRMULAS PARA COLAS
MODELO D: POBLACIN LIMITADA
servicio de Factor
cola la en espera unidad una que promedio Tiempo
unidad la a atencin de ntos requerimie entre servicio Tiempode
promedio servicio de Tiempo
s potenciale clientes de Nmero
servicio de canales de Nmero
servicio el esperando unidades de promedio Nmero
servicio de sector el en o cola en estn no que unidades de promedio Nmero
servidas siendo unidades de promedio Nmero
eficiencia de Factor
cola la en esperar que tenga unidad una que de ad Probabilid
: NOTACIN
=
=
=
=
=
=
=
=
=
=
=
X
W
U
T
N
M
L
J
H
F
D
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 57
FMULAS PARA COLAS
MODELO D: POBLACIN LIMITADA
( )
( ) ( )
( )
H L J N
FNX H
X NF J
XF
F T
L N
U T L
W
F N L
U T
T
X
+ + =
=
=
+
=
=
+
=
... .......... Poblacin la de Cuanta
servido siendo promedio Nmero
1 ento funcionami en promedio Nmero
1
........ espera de promedio Tiempo
1 ........ espera en promedio Nmero
... .......... .......... Servicio de Factor
: FRMULAS
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 58
El Modelo Bsico o Simple.
Supongamos estamos en una empresa donde tenemos una
sola copiadora y las personas arriban para sacar copias
segn su turno de llegada y entonces tienen que hacer su
cola en una sola fila.
Los trabajos varan desde sacar una copia de una pagina
hasta sacar 100 copias de un informe de 25 paginas.
Este tipo de sistema de denomina cola de espera con un
solo servidor (o de un canal).
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 59
El Modelo Bsico o Simple.
Nos hacemos las siguientes preguntas:
Cantidad de personas en el sistema
Numero de personas en la fila
Tiempo de espera
Tiempo de espera en la fila
Hacemos las siguientes suposiciones del modelo bsico:
Proceso de llegadas
Proceso de servicio
Tamao de la lnea de espera
Disciplina de la lnea de espera
Horizonte de tiempo
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 60
Proceso de llegadas, modelo bsico:
Como no conocemos con certeza el tiempo entre dos llegadas,
arribos o tareas, le especificamos una distribucin de
probabilidad.
En el modelo bsico se utiliza la distribucin exponencial.
Esta distribucin queda completamente identificada con el
parmetro (tasa media de llegadas), o sea cuantas veces se
presenta en promedio durante un periodo dado.
Sea = 0.05 tareas/minuto es decir arriban 5 tareas cada
100 minutos o una tarea cada 20 minutos.
tiempo medio entre tareas = tiempo promedio entre 2 arribos
= 1/ , en el caso de la distribucin exponencial.
Luego tiempo promedio = 1/ = 1/0.05 = 20minutos.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 61
Proceso de servicio, modelo bsico:
En el modelo bsico, el tiempo de servicio es el que
ocupa concluir una tarea.
Se maneja tambin con la distribucin exponencial.
El parmetro de esta distribucin exponencial se llama
= Tasa promedio de servicios en tareas por minuto o
nmero promedio de servicios por mnuto
Por tanto T sera en promedio el numero de tareas que
se atenderan durante un perioo de T minutos.
Si por ejemplo tenemos que = 0.10 tareas/minuto es
decir se completa una tarea en 10 minutos como
promedio.
Luego el tiempo medio o promedio de servicio es 10,
puesto que 1/ = 1/0.10 = 10
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 62
Tamao, disciplina y horizonte
Tamao de la lnea de espera: Infinita, no hay limite.
Disciplina en la lnea de espera: el primero en llegar el
primero en salir.
Horizonte del tiempo: Continuamente, luego es Infinito.
Si suponemos tiempo de arribo entre tareas es de 20
minutos,
luego 1/ = 20 minutos, implica =0.05, o sea llegan
tareas a razon de 1 cada 5 minutos segn la distribuion
exponencial.
Similarmente, si suponemos tiempo promedio para
terminar una tarea es de 10 minuto (tiempo de servicio),
entonces puesto que 1/ = 1/0.10 entonces luego =
0.10 y se atenderan treas a razon de 0.10 por minuto
cuando al maquina este trabajando.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 63
Tamao, disciplina y horizonte
Si suponemos tiempo de arribo entre tareas es de 20
minutos,
luego 1/ = 20 minutos, implica =0.05, o sea llegan
tareas a razn de 1 cada 5 minutos segn la distribuion
exponencial.
Similarmente, si suponemos tiempo promedio para
terminar una tarea es de 10 minuto (tiempo de
servicio), entonces puesto que 1/ = 1/0.10 entonces
luego = 0.10 y se atendern tres a razn de 0.10 por
minuto cuando al maquina este trabajando.
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 64
El problema existente
El problema existente es un sistema, el cual queremos estudiar para
convertirlo en un sistema mejor o mas eficiente.
Para esto nos ayudaran los Modelos de Colas y la teora de Colas.
Una Nave Industrial, consistente en una construccin de
estructuras metlicas industriales pesadas de acero, integrada por
sub-ensambles estructurales cuyo montaje es apoyado con una gra-
camin de 30 ton con pluma hidrulica telescpica de 20 m de
alcance.
Se observa que el gruero ha estado trabajando muchas horas de
sobretiempo, lo cual puede causar accidentes personales adems de
atrasar la entrega de la obra segn el cronograma contractual
Al respecto se desea analizar alternativas de alquilar mas gruas con
implicancias en los tiempos y en los costos:
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 65
Recopilacin de datos:
Se conocen los datos de los tiempos entre arribos de los
requerimientos del servicio de gra segn el cuadro
mostrado (average Inter arival time = 3.55h).
Al respecto, el tiempo promedio de montaje de un
subensamble es de 5 horas, lo cual se ha utilizado en el
cronograma.
Por lo tanto: Si suponemos tiempo de arribo entre tareas
es de 3.55 horas = 213 minutos,
luego 1/ = 213 minutos, implica =0.00469
Similarmente: Si conocemos que el tiempo promedio para
culminar una tarea es de 5 horas = 300 minutos,
luego 1/ = 300 minutos, implica =0.00333
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 66
Propuesta de solucion:
Con 1 gra:
Mean waiting time = AS/(A-S) = (5*3.55)/(5 3.55)=12.24 h
Intensidad de trafico = S / A = 3.55 / 5 = 71% ocupado
Wq = tiempo promedio de espera en cola = / (-)
Wq = 0.00469/0.00469(0.00469 -0.00333)
Wq = 0.00469/0.0000063784 =735.294 minutos
= 12.25 horas
= Factor de utilizacin del servicio o Intensidad de trafico.
= / = 0.00333/0.00469 =71%
Con 3 gras:
=3.14 horas tiempo promedio de espera
1.67/3.55 =0.47 = 47% intensidad de trfico
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 67
Propuesta de solucion:
Con 3 gras, estamos en un modelo multicanal B: MMS
Wq =Lq/
Lq = Ls ( / )
Ls = ( ( ( / )^M)Po / (M-1)! (M-1) ^2) ) + ( / )
Wq = tiempo promedio de espera en cola = X horas
= Factor de utilizacin del servicio o Intensidad de trafico
= / = = %
Luego, con 3 gras:
tiempo promedio de espera =
intensidad de trfico =
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 68
Problema prpuesto:
Al respecto analizar la siguientes alternativas con implicancias en
los tiempos y en los costos:
Costos de alquilar ms gras (para tener 3 gras en obra)
Costos de no alquilar gra adicional, no hacer nada y asumir los
costos
Penalidad
Hh perdidas
Costos financieros por renovar carta fianza, demora en
cobranza de valorizaciones)
Costo de oportunidad
Trabajar 24 horas, con 3 turnos, 3 grueros, una sola gra
Pagos por personal adicional
Alquiler grupo electrgeno (iluminacin)
Gastos de seguridad un guardian adicional
agosto de 2009 Mg. Ing. Juan C. Ubillus C. 69
Bibliografa
Juan C. Ubillus C. Apuntes de Clase de la asignatura: Investigacin
de Operaciones. FIC. Dpt. Acadmico de Contruccin. Universidad
Nacional de Ingeniera. Pre Grado. Lima. Per.
Juan C. Ubillus C. Modelos y Anlisis de Decisisones. FIC.
Universidad Nacional Ingeniera, Seccin de Post Grado. Lima.
Per.
Render,B y R.M. Stair. Quantitative Analysis for Management. 5ta.
Ed. Boston: Allyn & Bacon.
Frederick S. Hillier y Gerald J. Lieberman. Introduction to
operations resarch. Stanford University. Ed. McGraw-Hill.
Gould, Eppen and Schmidt. Investigacin de Operaciones en la
Ciencia Administrativa. Ed. Prentice Hall.
Sasieni,Yaspan, Friedman. Investigacin de Operaciones. Ed. Limusa.