Integrantes:

Lpez, Rita
Madrid, Mairn
Medina, Manuel
2014-02-24
Page 2
Page 3
Historia de los Modelos de Cola y Lnea de Espera
En 1909 Erlang experiment con la demanda
fluctuante en el trfico telefnico
En 1917 public un informe acerca de los
retrasos causados por el equipo de marcado
automtico
Al final de la Segunda Guerra Mundial, los
primeros trabajos de Erlang se extendieron hacia
problemas ms generales y hacia aplicaciones
de negocios de las colas de espera
Agner Krarup Erlang
Page 4
Costos de Lneas de Espera
El objetivo del anlisis de colas es encontrar el mejor nivel de servicio
para una organizacin
Los administradores deben manejar el equilibrio entre el costo de dar un
buen servicio y el costo del tiempo de espera del cliente. Esto ltimo
podra ser difcil de cuantificar
El costo total esperado es la suma de los costos de servicio ms los
costos de espera
El objetivo es encontrar el nivel de servicio que minimice el costo total
esperado
Page 5
Caso de ejemplo
La compaa Three Rivers Shipping, opera una enorme instalacin
portuaria ubicada en el ro Ohio cerca de Pittsburgh. Aproximadamente
cinco barcos llegan a descargar sus cargamentos de acero y minerales,
durante cada turno de trabajo de 12 horas.
Cada hora que un barco permanece ocioso esperando en la fila para
descargar cuesta mucho dinero a la empresa, aproximadamente $1,000
por hora. Por su experiencia, la gerencia estima que si una cuadrilla de
estibadores est de turno para manejar el trabajo de descarga, cada
barco esperar un promedio de siete horas para descargar. Si dos
cuadrillas estn trabajando, el tiempo de espera promedio disminuye a 4
horas; para tres cuadrillas, es de 3 horas; y cuando hay cuatro cuadrillas
de estibadores, es de solo 2 horas. Sin embargo, cada cuadrilla adicional
de estibadores tambin es una propuesta cara, debido a los contratos
del sindicato
Page 6
Costos de Lneas de Espera
Page 7
Page 8
Caractersticas de Llegadas
TAMAO DE LA POBLACIN POTENCIAL
Ilimitados: Cuando el nmero de llegadas disponibles en cualquier momento
es nicamente una pequea parte de las llegadas potenciales
Limitados: Llegadas finitas
PATRN DE LLEGADAS AL SISTEMA
Las llegadas son aleatorias cuando son independientes entre s y no pueden
predecirse con exactitud
La distribucin de probabilidad de Poisson se utiliza en muchos modelos de
colas para representar patrones de llegadas
COMPORTAMIENTO DE LAS LLEGADAS
La mayora de los modelos de colas suponen que un cliente que llega es un
cliente paciente
Los conceptos de eludir y rehusar
Page 9
Caractersticas de las Lneas de Espera
La longitud de la fila puede ser limitada o ilimitada
Disciplina de colas, regla con la cual los clientes que estn en la lnea van
a recibir el servicio
La mayora de los modelos de colas usan la regla de PEPS.
Evidentemente esto no es adecuado en todos los sistemas de servicios,
sobre todo en aquellos donde se enfrentan emergencias
Page 10
Caractersticas de las Instalaciones de Servicio
Page 11
Caractersticas de las Instalaciones de Servicio
Page 12
Identificacin de Modelos Usando Notacin de Kendall
La notacin de Kendall bsica de tres smbolos tiene la
forma:
Distribucin de llegadas/Distribucin de tiempos de
servicio/Nmero de canales de servicio abiertos
Las siguientes letras se utilizan comnmente en la
notacin de Kendall:
M = distribucin de Poisson del nmero de ocurrencias (o
tiempos exponenciales)
D = tasa constante (determinstica)
G = distribucin general con media y varianza conocidas
Page 13
Page 14
7 condiciones del modelo M/M/1
Punto 1
Las llegadas se atienden sobre una base de PEPS. (FIFO)
Punto 2
Cada llegada espera ser atendida independientemente de la longitud de la
fila, es decir no se elude ni se rehsa.
Punto 3
Las llegadas son independientes de las llegadas anteriores, pero su numero
promedio (la tasa de llegadas) no cambia a lo largo del tiempo.
Punto 4
Las llegadas se describen con una distribucion de probabilidad de Poison y
provienen de una poblacion infinita o muy grande
Punto 5
Los tiempos de servicio tambin varan de un cliente al siguiente y son
independientes entre s, pero se conoce su tasa promedio
Punto 6
Los tiempos de servicio ocurren de acuerdo con una distribucin de
probabilidad exponencial negativa
Punto 7
La tasa de servicio promedio es mayor que la tasa de llegadas promedio.
Distrubucin de Poisson
Distrubucin de Exponencial
negativa
M/M/1
Page 15
Ecuaciones del Modelo M/M/1
Sea:
=
=
1. El numero promedio de clientes o unidades en el sistema, L, es
decir, el nmero en la fila mas el numero que se est atendiendo:
=


2. El tiempo promedio que un cliente pasa en el sistema, W, es decir,
el tiempo que pasa en la fila ms el tiempo en que se le atiende:
=
1

3. El nmero promedio de clientes en la cola, L
q
:

Page 16
Ecuaciones del Modelo M/M/1
4. El tiempo promedio que pasa un cliente esperando en la cola, W
q
:
5. El factor de utilizacin del sistema, , es decir, la probabilidad de
que se est utilizando la instalacin de servicio:
=

6. Porcentaje de tiempo ocioso, P

0
, es decir, la probabilidad de que
nadie est en el sistema:

=


7. La probabilidad de que el nmero de clientes en el sistema sea
mayor que k, P
n>k

>
=

+1
Page 17
Costos en el Modelo M/M/1
1. El Costo total del servicio es:
2. Cuando el costo de tiempo de espera se basa en el tiempo en el
sistema, el costo de espera es:
=

4. El costo total del sistema de colas

=

3. Cuando el costo de tiempo de espera se basa en el tiempo en la

cola, el costo de espera es:
=

= +
Page 18
Caso de ejemplo
El taller de silenciadores de Arnold en New Orleans,
consta de un mecanica, Reid Blank, que es capaz de
instalar nuevos silenciadores a una tasa promedio de 3
por hora, o aproximadamente 1 cada 20 min. Los clientes
que necesitan el servicio llegan al taller a un promedio de
2 por hora. El dueo, siente que cumple con las 7
condiciones del sistema M/M/1, por lo cual decide hacer
los clculos.
Arnold estima que el Costo del tiempo de espera de los
cleintes, en trminos de insatisfaccin de estos y la
prdida de buena volunda, es de $50 por hora. Al
mecanico Blank se le paga $15 por hora (costo de
servicio)
=
=

= $15

= $50
Page 19
Clculos para el problema
Page 20
Calculos para el problema
Page 21
Calculos de Costos para el problema
1. El Costo total de espera diario (basado en el tiempo en la cola) es:
2. El Costo total del servicio diario es:
3. El Costo total diario del sistema de colas es:
Page 22
USO DE EXCEL QM
Page 23
Page 24
Ecuaciones del Modelo M/M/m
Sea:
=
=
1. El numero promedio de clientes o unidades en el sistema, L, es
decir, el nmero en la fila mas el numero que se est atendiendo:
2. El tiempo promedio que un cliente pasa en el sistema, W, es decir,
el tiempo que pasa en la fila ms el tiempo en que se le atiende:
=
=
L

Page 25
Ecuaciones del Modelo M/M/m
Sea:
3. El nmero promedio de clientes en la cola, L
q
:

4. El tiempo promedio que pasa un cliente esperando en la cola, W

q
:

=
1

5. El factor de utilizacin del sistema, , es decir, la probabilidad de

que se est utilizando la instalacin de servicio:
=


6. Porcentaje de tiempo ocioso, P
0
, es decir, la probabilidad de que
nadie est en el sistema:
Page 26
Caso de ejemplo
Arnold encuentra que con un costo minimo despues
impuestos puede abrir un segundo sitio de atencion en el
taller, en el cual se pueden instalar silenciadores.
Contratria un segundo trabajador el cual instalaria
silenciadores a 3 por hora. Los clientes seguiran llegando
a 2 por hora. Y esperarian en una solaa fila hasta que uno
de los dos mecanicos se desocupara.
=
=

= $15

= $50
m =
Page 27
Calculos para el problema
1. Probabilidad de cero autos en el sistema:
2. Numero promedio de carros en el sistema:
3. Tiempo promedio que un auto pasa dentro del sistema:
Page 28
Calculos para el problema
4. Numero promedio de autos en la cola:
5. Tiempo promedio que un auto se encuentra dentro de la cola:
7. Costo total diario del servicio:
6. Costo de espera total diario:
= ()

= . $
= $.
8. Costo total diario del sistema de colas:
Page 29
USO DE EXCEL QM
Page 30
Page 31
Las tasas de servicio
constantes aceleran el
proceso en comparacin con
los tiempos de servicio
exponencialmente distribuidos
con el mismo valor de
m
.
Algunos sistemas
tienen tiempos de
servicio constante
EJEMPLO:
Lavado Automtico de
Autos.
Juegos en Parque de
Diversiones.
CLIENTES O EQUIPOS
CICLO FIJO
Modelo del Tiempo de Servicio Constante
Page 32
1. Longitud Promedio de La Cola:
2. Tiempo de Espera Promedio en la Cola:
3. Numero Promedio de Clientes en el Sistema:
4. Tiempo promedio en el Sistema:
Ecuaciones para el Modelo del Tiempo de Servicio Constante
Page 33
Caso de ejemplo
La compaa Garca-Golding Recycling recolecta y compacta
latas de aluminio y botellas de vidrio en la ciudad de Nueva York.
Los conductores de sus camiones, quienes llegan a descargar
dichos materiales para su reciclaje, esperan actualmente un
promedio de 15 minutos antes de vaciar sus cargas. El costo del
salario del conductor y el tiempo inactivo del camin mientras
estn en la cola se valor en $60 por hora. Se puede comprar un
nuevo compactador automtico, que procesara las cargas delos
camiones a una tasa constante de 12 vehculos por hora (es
decir,5 minutos por camin). Los camiones llegan de acuerdo
con una distribucin de Poisson a una tasa promedio de 8 por
hora. Si se utiliza el nuevo compactador, su costo se amortizara
a una tasa de $3 por camin descargado. En verano un becario
de una universidad local hizo el siguiente anlisis para evaluar
los costos en comparacin con los beneficios de dicha compra:
Page 34
Anlisis de Costos para el Ejemplo de Reciclaje
Page 35
Anlisis de Costos para el Ejemplo de Reciclaje
Page 36
Page 37
1.Solamente hay un servidor.
2.La poblacin de unidades que buscan servicio
es finita.
3.Las llegadas siguen una distribucin de
Poisson y los tiempos de servicio se distribuyen
exponencialmente.
4.Los clientes son atendidos con base en el
principio de primero en llegar, primero en ser
atendido..
Poblacin limitada de
clientes potenciales
para una instalacin
de servicio
EJEMPLO:
Reparaciones del
equipo de una fabrica.
Mantenimiento de una
flota.
Administracin de Sala
de Hospital.
MODELO DIFERENTE
DE COLAS
Modelo del Tiempo de Servicio Constante
Page 38
1. Probabilidad de que el sistema este vaco:
2. Longitud promedio de La Cola:
3. Numero Promedio de Clientes (Unidades) dentro del Sistema
4. Tiempo de espera promedio en la Cola:
Ecuaciones para el Modelo de Poblacin Finita
5. Tiempo promedio en el sistema:
6. Probabilidad de n unidades en el sistema:
Page 39
Caso de ejemplo
Los registros existentes indican que cada una de las
cinco impresoras planas de alta velocidad del
Departamento de Comercio de Estados Unidos en
Washington, D.C., necesitan reparacin despus de
aproximadamente 20 horas de uso. Se ha determinado
que las descomposturas tienen distribucin de Poisson.
El nico tcnico que est de turno puede dar servicio a
una impresora en un promedio dedos horas, siguiendo
una distribucin exponencial
Page 40
Modelo de Poblacin Finita
Page 41
Modelo de Poblacin Finita. Departamento de Comercio
Page 42