REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LAS FUERZAS ARMADAS
EXTENSION BRUSUAL NUCLEO YARACUY












INTEGRANTE
America Pajuelo
Robert Rivada
Victor Rodriguez


JUNIO DE 2014




Modelo de Cola
Un sistema de colas se puede describir como: clientes que llegan buscando un servicio,
esperan si este no es inmediato, y abandonan el sistema una vez han sido atendidos. En algunos casos
se puede admitir que los clientes abandonan el sistema si se cansan de esperar.
El trmino cliente se usa con un sentido general y no implica que sea un ser humano, puede
significar piezas esperando su turno para ser procesadas o una lista de trabajo esperando para imprimir
en una impresora en red.








Figura 1

Aunque la mayor parte de los sistemas se puedan representar como en la figura 1, debe quedar
claro que una representacin detallada exige definir un nmero elevado de parmetros y funciones.
La teora de colas fue originariamente un trabajo prctico. La primera aplicacin de la que se
tiene noticia es del matemtico dans Erlang sobre conversaciones telefnicas en 1909, para el clculo
de tamao de centralitas. Despus se convirti en un concepto terico que consigui un gran
desarrollo, y desde hace unos aos se vuelve a hablar de un concepto aplicado aunque exige un
importante trabajo de anlisis para convertir las frmulas en realidades, o viceversa.

Caractersticas de los sistemas de colas

Seis son las caractersticas bsicas que se deben utilizar para describir adecuadamente un
sistema de colas:
a) Patrn de llegada de los clientes
b) Patrn de servicio de los servidores
c) Disciplina de cola
d) Capacidad del sistema
e) Nmero de canales de servicio
f) Nmero de etapas de servicio
Algunos autores incluyen una sptima caracterstica que es la poblacin de posibles clientes.
2.1.1 Patrn de llegada de los clientes
En situaciones de cola habituales, la llegada es estocstica, es decir la llegada depende de una
Clientes Llegando
Servicio
Clientes
Servidos
Clientes que
Abandona
cierta variable aleatoria, en este caso es necesario conocer la distribucin probabilstica entre dos
llegadas de cliente sucesivas. Adems habra que tener en cuenta si los clientes llegan independiente
o simultneamente. En este segundo caso (es decir, si llegan lotes) habra que definir la distribucin
probabilstica de stos.
Tambin es posible que los clientes sean impacientes. Es decir, que lleguen a la cola y si es
demasiado larga se vayan, o que tras esperar mucho rato en la cola decidan abandonar.
Por ltimo es posible que el patrn de llegada vare con el tiempo. Si se mantiene constante le
llamamos estacionario, si por ejemplo vara con las horas del da es no-estacionario.
2.1.2 Patrones de servicio de los servidores
Los servidores pueden tener un tiempo de servicio variable, en cuyo caso hay que asociarle,
para definirlo, una funcin de probabilidad. Tambin pueden atender en lotes o de modo individual.
El tiempo de servicio tambin puede variar con el nmero de clientes en la cola, trabajando
ms rpido o ms lento, y en este caso se llama patrones de servicio dependientes. Al igual que el
Teora de Colas
Pgina 7 de 66
patrn de llegadas el patrn de servicio puede ser no-estacionario, variando con el tiempo
transcurrido.
2.1.3 Disciplina de cola
La disciplina de cola es la manera en que los clientes se ordenan en el momento de ser servidos
de entre los de la cola. Cuando se piensa en colas se admite que la disciplina de cola normal es FIFO
(atender primero a quien lleg primero) Sin embargo en muchas colas es habitual el uso de la
disciplina LIFO (atender primero al ltimo). Tambin es posible encontrar reglas de secuencia con
prioridades, como por ejemplo secuenciar primero las tareas con menor duracin o segn tipos de
clientes.
En cualquier caso dos son las situaciones generales en las que trabajar. En la primera, llamada
en ingls preemptive, si un cliente llega a la cola con una orden de prioridad superior al cliente que
est siendo atendido, este se retira dando paso al ms importante. Dos nuevos subcasos aparecen: el
cliente retirado ha de volver a empezar, o el cliente retorna donde se haba quedado. La segunda
situacin es la denominada no-preemptive donde el cliente con mayor prioridad espera a que acabe
el que est siendo atendido.
2.1.4 Capacidad del sistema
En algunos sistemas existe una limitacin respecto al nmero de clientes que pueden esperar en
la cola. A estos casos se les denomina situaciones de cola finitas. Esta limitacin puede ser
considerada como una simplificacin en la modelizacin de la impaciencia de los clientes.
2.1.5 Nmero de canales del servicio
Es evidente que es preferible utilizar sistemas multiservidos con una nica lnea de espera para
todos que con una cola por servidor. Por tanto, cuando se habla de canales de servicio paralelos, se
habla generalmente de una cola que alimenta a varios servidores mientras que el caso de colas
independientes se asemeja a mltiples sistemas con slo un servidor.

En la figura 1 se dibuj un sistema mono-canal, en la figura 2 se presenta dos variantes de
sistema multicanal. El primero tiene una sla cola de espera, mientras que el segundo tiene una sola
cola para cada canal.







Figura 2

Etapas de servicio
Un sistema de colas puede ser unietapa o multietapa. En los sistemas multietapa el cliente
puede pasar por un nmero de etapas mayor que uno. Una peluquera es un sistema unietapa, salvo
que haya diferentes servicios (manicura, maquillaje) y cada uno de estos servicios sea desarrollado por
un servidor diferente.
En algunos sistemas multietapa se puede admitir la vuelta atrs o reciclado, esto es habitual
en sistemas productivos como controles de calidad y reprocesos.
Un sistema multietapa se ilustra en la figura.3
Figura 3: Sistema Multietapa con retroalimentacin.









2.1.7 Resumen
Las anteriores caractersticas bastan, de modo general, para describir cualquier proceso.
Evidentemente se puede encontrar una gran cantidad de problemas distintos y, por tanto, antes de
comenzar cualquier anlisis matemtico se debera describir adecuadamente el proceso atendiendo a
las anteriores caractersticas.
Una eleccin equivocada del modelo lleva a unos resultados errneos, y en muchos casos no
analizar adecuadamente nos puede llevar a pensar que el sistema no es posible de modelar.

= Nmero de llegadas por unidad de tiempo
= Nmero de servicios por unidad de tiempo si el servidor est ocupado
c= Nmero de servidores en paralelo
____: Congestin de un sistema con parmetros: (, , c)
c.

N(t): Nmero de clientes en el sistema en el instante t
Nq(t): Nmero de clientes en la cola en en el instante t
Ns(t): Nmero de clientes en servicio en el instante t
Pn(t): Probabilidad que haya n clientes en el sistema en el instante t=Pr{N(t)=n}
N: Nmero de clientes en el sistema en el estado estable
Pn : Probabilidad de que haya n clientes en estado estable Pn=Pr{N=n}
L : Nmero medio de clientes en el sistema
Lq : Nmero medio de clientes en la cola
Tq : Representa el tiempo que un cliente invierte en la cola
S : Representa el tiempo de servicio
T = Tq+S: Representa el tiempo total que un cliente invierte en el sistema
Wq= E[Tq]: Tiempo medio de espera de los clientes en la cola
W=E[T]: Tiempo medio de estancia de los clientes en el sistema
r: nmero medio de clientes que se atienden por trmino medio
Pb: probabilidad de que cualquier servidor est ocupado


2.6 Los procesos de Poisson y la distribucin
exponencial
La mayor parte de los modelos de colas estocsticas asumen que el tiempo entre diferentes
llegadas de clientes siguen una distribucin exponencial. O lo que es lo mismo que el ritmo de llegada
sigue una distribucin de Poisson*.
En esta seccin se vern las caractersticas de una distribucin de Poisson y como se relacionan
con la distribucin exponencial. Posteriormente se analizan las ms importantes propiedades y algunas
generalizaciones al adoptar tal patrn de llegadas. Se cierra el apartado con argumentos que apoyan el
uso de la distribucin de Poisson. Adoptar la distribucin de Poisson implica que la probabilidad de
que lleguen n clientes en un intervalo de tiempo t es:





















El tiempo entre llegadas se define, de este modo, como la probabilidad de que no llegue ningn
cliente:




siendo por tanto una distribucin exponencial.


Modelos de colas simples
El propsito de este apartado es exponer diferentes modelos de colas. No es excesivamente
complicado conocer el origen de las frmulas, y puede ser un ejercicio interesante cuando las
condiciones de partida no son exactamente las aqu consideradas. Sin embargo se ha optado por la
exposicin de los resultados directos ya que se pretende la aplicacin de stos y no su consecucin.
Todos los resultados se obtienen para el estado estable.

El sistema M/M/1
Una cola M/M/1 tiene un nico servidor y las tasas de llegada y de servicio siguen una
distribucin de Poisson, siendo por tanto:

La tasa de llegada es

La tasa de salida es



La probabilidad de que haya n clientes es:


El nmero medio de clientes en la cola es:
Como


De donde
Y aplicando las relaciones fundamentales del apartado 1.5


La cola media cuando el sistema no est vaco es:


Otro resultado interesante es conocer cual es la probabilidad de que haya X o ms elementos en
el sistema.






Aplicando El Sistema M/M/1 en la vida cotidiana.

En la Lnea de carros de la Unefa se atendieron 43 clientes en 2 horas y su media de servicio es de 15
clientes por hora obtener las medidas de desempeo por el mtodo M/M/1.
Para comenzar obtenemos los siguientes datos:
= 15 clientes/hora (media de servicio a los clientes)=0,25/minutos.
= 43 clientes/2 horas (Media de llegadas de los clientes)= 0,35/minutos.

A. Calcularemos el factor desempeo del sistema calculando p.
p= _ = 0,25 Clientes/horas = 0,71= 71%
0,35 Clientes/horas

Esto quiere decir que el sistema esta ocupado un 71% del tiempo, o sea pasa un 29% ocioso.
Es decir de tener 0 cliente en el sistema es cuando el sistema esta vacio y esto puede ocurrir con una
probabilidad de 29%.
B. La probabilidad de tener una cola de ms de 3 clientes.
Usaremos la siguiente formula para calcular la probabilidad:


P^0= 1- _ _ ^0 = (0,28)(0,71)^0=0.28










P^0= 1- _ _ ^1 = (0,28)(0,71)^1=0,1775




P^0= 1- _ _ ^2 = (0,28)(0,71)^3=0,510204081



P^0= 1- _ _ ^3 = (0,28)(0,71)^3=0,364431486

La probabilidad que haya ms de tres clientes en el Sistema, implica que debemos conocer
la Probabilidad que haya cero, uno, dos y tres clientes. La diferencia con 1.
Ser la probabilidad que hayan ms de tres.
P(Ls>3)=1-(P^0P^1+P^2+P^3)=1-(0,1775+0,510204081+0,364431486)=1-0,052135=0.
052135

C. La probabilidad de esperar ms de 30 minutos en la cola.
Primero calcularemos el tiempo promedio que un cliente espera en la cola.

Wq= _ __= 0,25_= 7,14 Minutos ( es el tiempo promedio que un cliente tiene
en
(- ) 0,35(0,35-025) espera en la cola).






D. La probabilidad de esperar ms de 30 minutos en el Sistema.

Aplicando la formula:

P(WS>30)= e^- (1-p)t

P(WS>30)=e^- 0,35(1-071)30=0,047596311=47,5%