TECNOL

GICO
NACIONA TECNOLOGICO DE
INSTITUTO
L DECERRO AZUL
MEXICO
SUBDIRECCIN ACADEMICA
INGENIERIA EN GESTIN EMPRESARIAL
MATERIA: INVESTIGACION DE OPERACIONES
CLAVE: GEF-0924
UNIDAD 4
LINEAS DE ESPERA.
CATEDRATICO
M.C. IVAN ESTEBAN RAMOS.
PRESENTA:
RAMIREZ CRUZ HEIDI

13500418

CERR AZUL, VER., MAYO 2015

UNIDAD 4 LINEAS DE ESPERA

4.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE ESPERA......................3
4.1.1 UN SERVIDOR, UNA COLA.........................................................................5
1

4.1.2 N SERVIDORES, UNA COLA.......................................................................7

4.1.3 N SERVIDORES, N COLAS.........................................................................9

4.2 CRITERIOS BAJO LA DISTRIBUCION DE POISSON YEXPONENCIAL PARA LA SELECCIN DEL MODELO
APROPIADODE LNEAS DE ESPERA....................................................................10

4.3 APLICACION DE MODELOS DE DECISION EN LINEAS DE ESPERA..................13

4.4 INFERENCIA DE RESULTADOS.......................................................................15

4.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE ESPERA.

Los modelos de lnea de espera consisten en frmulas y relaciones matemticas que pueden usarse para
determinar las caractersticas operativas (medidas de desempeo) para una cola.
Las
caractersticas
operativas
de
inters
incluyen
las
siguientes:
Probabilidad
de
que
no
haya
unidades
o
clientes
en
el
sistema
Cantidad
promedio
de
unidades
en
la
lnea
de
espera
Cantidad promedio de unidades en el sistema (la cantidad de unidades en la lnea de espera ms la
cantidad
de
unidades
que
se
estn
atendiendo)
Tiempo
promedio
que
pasa
una
unidad
en
la
lnea
de
espera
2

Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera ms el tiempo de servicio)
Probabilidad
que
tiene
una
unidad
que
llega
de
esperar
por
el
servicio.
Los gerentes que tienen dicha informacin son ms capaces de tomar decisiones que equilibren los
niveles de servicio deseables con el costo de proporcionar dicho servicio.
La teora de colas es el estudio de los sistemas de lneas de espera en sus distintas modalidades. El
estudio de estos modelos sirve para determinar la forma ms efectiva de gestionar un sistema de colas.

Demasiada capacidad de servicio => Excesivos gastos

Poca capacidad de servicio => Mal servicio

Objetivo:
Encontrar un balance adecuado entre el coste del servicio y los tiempos de espera.
Fuente de entrada:
(Poblacin de clientes potenciales). Se dice que es limitada o ilimitada segn si su tamao es finito o
infinito. Usualmente se asume que es ilimitada (el caso finito es ms difcil analticamente)
Clientes:
Entran al sistema cada cierto tiempo y se unen a una cola. Se debe especificar el patrn estadstico
mediante el cual los clientes entran al sistema.
Proceso de llegada:
La suposicin habitual es que los clientes acceden al sistema segn un proceso de Poisson, lo que
significa que los clientes que llegan en un intervalo determinado de tiempo siguen una distribucin
Poisson, con tasa media fija y sin importar cuntos clientes ya estn en el sistema. Una suposicin
equivalente es que los tiempos entre dos llegadas consecutivas (tiempo entre llegadas) es exponencial.
Cola:
Cuando los clientes entran al sistema se unen a una cola. La cola es donde los clientes esperan a ser
servidos. Una cola se caracteriza por el nmero mximo permisible de clientes que puede admitir. La
suposicin de una cola infinita es ms fcil de manejar analticamente que la de una cola finita. Tambin
pueden considerarse otras suposiciones acerca del comportamiento de los clientes cuando llegan al
sistema, como por ejemplo que un cliente rehse acceder al servicio porque la cola es demasiado larga.
Disciplina de la cola:
En un determinado momento se selecciona un miembro de la cola, mediante alguna regla conocida como
disciplina de servicio. La disciplina deservicio se refiere al orden en el que se seleccionan los clientes de
la cola para recibir el servicio.
FIFO (ms comn)
Aleatorio
LIFO
Sistema de prioridades
Mecanismo de servicio:

Cuando un cliente es tomado de la cola, accede al mecanismo de servicio, que consiste en una
secuencia de instalaciones deservicio en serie que el cliente debe pasar para completar el servicio. Cada
instalacin de servicio estar formada por varios canales de servicio paralelos, llamados servidores. Se
debe especificar el nmero de instalaciones de servicio en serie y el nmero de servidores paralelos en
cada una de ellas. Los modelos ms comunes suponen una nica instalacin con uno o varios servidores
disponibles.
Proceso de servicio:
En cada instalacin, el tiempo que transcurre desde el inicio del servicio hasta su fin en dicha instalacin
se llama tiempo de servicio. El modelo de colas debe especificar la distribucin de probabilidad del
tiempo de servicio dcada servidor, y quizs de cada tipo de cliente, aunque lo comn es que todos los
servidores sigan la misma distribucin. La suposicin ms habitual es que este tiempo de servicio es
exponencial. Otras distribuciones de servicio importantes son la degenerada y la Erlang.

4.1.1 UN SERVIDOR, UNA COLA.

Todos nosotros hemos pasado mucho tiempo esperando en una cola, ejemplos de ellos son los bancos,
restaurantes, hospitales, pizzeras, etc. Las lneas de espera trata de cuantificar el fenmeno de espera
formando colas mediante medidas representativas de eficiencia, como la longitud promedio de la cola, el
tiempo promedio de espera en ella y la utilizacin promedio de las instalaciones. La teora de lneas de
espera o tambin llamada teora de colas es un conjunto de modelos matemticos que describen
sistemas de lneas de espera particulares. El origen de la Teora de Colas est en el esfuerzo de Agner
Kraup Erlang en1909 para analizar la congestin de trfico telefnico con el objetivo de cumplir la
demanda incierta de servicios en el sistema telefnico de Copenhague. El objetivo es encontrar el estado
estable del sistema y determinar una capacidad de servicio apropiada. Un sistema de colas puede
dividirse en dos componentes principales:
o La cola
o La instalacin del servicio.
El proceso entre llegadas
El proceso entre de entrada se denomina por lo regular, proceso de llegadas. Las llegadas se llaman
clientes. En todos los modelos que se estudian se supone que no ms de una llegada ocurre en un
instante dado. En el caso de un restaurante es una suposicin irreal. Si hay ms de una llegada en un
instante dado se dice que se permiten las llegas en masa. Las llegadas pueden ser:
o Personas
o Automviles
o Maquinas que requieren reparacin, etc.
Se supone por lo comn que el nmero de clientes presentes en el sistema no afecta el proceso de
llegadas. Hay dos situaciones comunes en las cuales el proceso de llegadas podra depender de la
cantidad de clientes presentes. La primera se presenta cuando se extrae de una pequea poblacin su
ponga que hay solo cuatro barcos en un astillero, si los cuatro barcos estn en reparacin entonces
ningn barco puede estropearse en un futuro cercano, por otro lado silos cuatro barcos estn navegando
4

existe una probabilidad muy alta de una descompostura en un futuro cercano. Los modelos en los cuales
las llegadas se toman de una pequea poblacin reciben el nombre de modelos de origen finito. Otra
situacin en la cual el proceso de llegadas depende de la cantidad de clientes presentes ocurre cuando la
razn a la cual llegan los clientes a cierta instalacin disminuye cuando esta est llena. El nmero
esperado de llegadas por unidad de tiempo se llama tasa media del legadas ( ). El tiempo esperado
entre llegadas es 1/.
Adems es necesario estimar la distribucin de probabilidad de los tiempos entre llegadas, generalmente
se supone una distribucin exponencial, esto depende del comportamiento de las llegadas. La
distribucin exponencial supone una mayor probabilidad para tiempos entre llegadas pequeos, en
general se considera que las llegadas son aleatorias, la ltima llegada no influye en la probabilidad de
llegada de la siguiente. La cola el nmero de clientes en la cola es el nmero de clientes que esperan el
servicio, el nmero de clientes en el sistema es el nmero de clientes que esperan en la cola ms el
nmero de clientes que actualmente reciben el servicio. La capacidad de la cola es el nmero mximo de
clientes que pueden estar en la cola, generalmente se supone que la cola es infinita, aunque tambin la
cola puede ser finita. Para describir por completo un sistema de lneas de espera, se debe
describir tambin la disciplina de las lneas de espera y el modo en el cual los clientes forman las lneas
de espera. La disciplina de las lneas de espera explica el mtodo usado para determinar el orden con el
cual se atienden a los clientes. La disciplina ms comn es primero en llegar primero en ser atendido
(PEPS) o sus siglas en ingls (FCFS), en el cual se atienden en el orden en que llegan. En la disciplina
del (LCFS) el ltimo en llegar y el primero en ser servido o UEPS, un ejemplo claro de esta disciplina es
en el elevador.
El SIRO, el servicio en orden aleatorio, cuando una persona que llama a una aerolnea se le hace
esperar, la suerte determina con frecuencia quien ser la siguiente persona en ser atendida por un
operador. Se considera por ultimo las disciplinas de prioridad en las colas. Una disciplina de prioridad
clasifica cada llegada en una categora, cada categora recibe luego un nivel de prioridad y dentro de
cada nivel de prioridad los clientes entran en el servicio de acuerdo al FCFC. Las disciplinas de prioridad
se usan a menudo en salas de urgencia con el objeto de determinar el orden en el cual los pacientes
reciben atencin. Servicio El servicio puede ser brindado por un servidor o por servidores mltiples, el
tiempo de servicio vara de cliente a cliente, el tiempo esperado de servicio depende de la tasa media de
servicio ().El tiempo esperado de servicio equivale a 1/.
Para representar todo lo mencionado aqu se encuentran unos modelos bsicos de los sistemas de colas.
Ejemplo:

4.1.2 N SERVIDORES, UNA COLA.

Una LNEA de espera con canales mltiples consiste en dos o ms canales deservicio que se supone son
idnticos desde el punto de vista de su capacidad. En el sistema de canales mltiples, las unidades que
llegan esperan en una sola LNEA y luego pasan al primer canal disponible para ser servidas. La
operacin de un solo canal de Burger Dome puede expandirse a un sistema de dos canales al abrir un
segundo canal de servicio. La siguiente figura muestra un diagrama de la lnea de espera de dos canales
de Burger Dome.

Anlisis de
habituales
puede serlo
cantidad de
necesarios.

costo Una de las decisiones

en el uso de este modelo
el de definir la
servidores
Por
ejemplo,
la
cantidad
de
ascensores en un
edificio, la cantidad
de
escritorios para un
equipo de
trabajo,
etc.
La
decisin se
deber basar en una
Relacin
entre dos costos bsicos: el
costo
de
proveer servidores
adicionales versus el costo de demorar o no prestar el servicio. Se asume que el costo de demorar el
6

servicio es un monto definido por cliente, por unidad de tiempo insumida en el sistema. Si bien es
relativamente sencillo conocer el costo de un servidor, el costo de hacer esperar a un cliente puede
resultar, a veces, intangible y generalmente difcil de establecer.
Hay que aclarar que los costos por la espera existen y en ciertos casos pueden ser muy significativos, por
lo que deben ser estimados, si es que se desea realmente disear un sistema de colas inteligente y
controlable. Los costos a los que nos acabamos de referir deben estar presentados por unidad de tiempo,
a los efectos de realizar clculos comparables. Si por ejemplo, el costo de un servidor consiste en el
salario que debe pagarse a quien lo atiende, deber anualizarse, para incluir aguinaldo, vacaciones, etc.,
y luego convertirlo en la misma unidad de tiempo que se use para determinar el tiempo de servicio o de
espera.
Si se define: Cd = Costo de demora por cliente por unidad de tiempo Cs = Costo por unidad de tiempo
para agregar otro servidor L = Nmero promedio en el sistema El costo total por unidad de tiempo para
una estacin con c servidores es:
L Cd + c Cs
A medida que c aumenta, la capacidad adicional incrementar la velocidad delservicio
y
L
ir
disminuyendo. Por consiguiente, una informacin til que debe brindar el sistema es el nmero de
servidores que minimice el costo total.
En el caso que la sala de espera tenga una capacidad limitada,
surgen
otros
anlisis
posibles. As,se relacionan el costo de servidores adicionales versus el costo de perder elnegocio
con
clientes que se retiran antes de ser atendidos, ms el costo de la demora para Los clientes atendidos
Definiendo:
Cr = Costo de no brindar el servicio a un cliente A = Tasa de llegadas P = Probabilidad que un cliente se
vaya de la cola sin ser atendido El costo total ser
L Cd + c Cs + p A Cr

4.1.3 N SERVIDORES, N COLAS.

El tercer sistema, en que cada servidor tiene una lnea separada, es caracterstico de los bancos y las
tiendas de autoservicio. Para este tipo de servicio pueden separarse los servidores y tratarlos como
sistemas independientes de un servidor y una cola. Esto sera vlido slo si hubiera muy pocos
intercambios entre las colas. Cuando el intercambio es sencillo y ocurre con frecuencia, como dentro de
un banco, la separacin no sera vlida.

4.2 CRITERIOS BAJO LA DISTRIBUCION DE POISSON YEXPONENCIAL PARA LA

SELECCIN DEL MODELO APROPIADODE LNEAS DE ESPERA.
Sistemas de colas: las llegadas - distribucin de Poisson. La distribucin de Poisson es una distribucin
de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Propiedades. La funcin de
masa de la distribucin de Poisson es:
8

Donde:
K= es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el
evento suceda precisamente k veces).
= es un parmetro positivo que representa el nmero de veces que se espera que ocurra el fenmeno
durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4 veces por
minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un intervalo de 10
minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40.
E= es la base de los logaritmos naturales (e = 2,71828...)Tanto el valor esperado como la varianza de una
variable aleatoria con distribucin de Poisson son iguales a . Los momentos de orden superior son
polinomios de Touchard en cuyos coeficientes tienen una interpretacin combinatoria. De hecho,
cuando el valor esperado de la distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el nsimo momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual a, el mayor
de los enteros menores que (los smbolos representan la funcin parte entera). Cuando es un entero
positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor esperado es:

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles. La divergencia
Kullback-Leibler desde una variable aleatoria de Poisson de parmetro 0 a otra de parmetro es:

Intervalo de confianza
Un criterio fcil y rpido para calcular un intervalo de confianza aproximada de , se propone en Guerrero
(2012).
Dada una serie de eventos k (al menos el 15 -20) en un periodo de tiempo T, los lmites del intervalo de
confianza para la frecuencia vienen dadas por:

Entonces los lmites del parmetro estn dadas por:

Sumas de variables aleatorias de Poisson. La suma de variables aleatorias de Poisson independientes es

otra variable aleatoria de Poisson cuyo parmetro es la suma de los parmetros de las originales. Dicho
de otra manera, si

Son N variables aleatorias de Poisson independientes, entonces

Distribucin
Exponencial.
Supngase que para
cada valor t > 0, que
representa el tiempo, el nmero de sucesos de cierto fenmeno aleatorio sigue una distribucin de
Poisson de parmetro
t. Entonces, los
tiempos discurridos
entre dos sucesos sucesivos sigue la
distribucin
exponencial.

10

A continuacin, las frmulas que pueden usarse para determinar las caractersticas operativas de estado
estable
para
una
lnea
de
espera
de
un
solo
canal.
El objetivo de las frmulas es mostrar cmo se puede dar informacin acerca de las caractersticas
operativas de la lnea de espera.

11

4.3 APLICACION DE MODELOS DE DECISION EN LINEAS DE ESPERA.

La teora de colas requiere de un estudio matemtico del comportamiento de lneas de espera. Estas se
presentan cuando "clientes" llegan a un "lugar" demandando un servicio al "servidor", el cual tiene cierta
capacidad de atencin. Si el servidor no est disponible inmediatamente y el cliente decide esperar,
entonces se forma en la "lnea de espera".
El problema es determinar qu capacidad o tasa de servicio proporciona elbalance correcto. Esto no es
sencillo, ya que un cliente no llega a un horario fijo, es decir, no se sabe con exactitud en qu momento
llegarn los clientes. Tambin el tiempo de servicio no tiene un horario fijo. Las llegadas se describen por
su distribucin estadstica. Si las llegadas ocurren con una tasa promedio y que son independientes una
de otra, entonces ocurren de acuerdo con una distribucin de probabilidades de tipo "poisson.
Una cola es una lnea de espera y la teora de colas es una coleccin de modelos matemticos que
describen sistemas de lneas de espera particulares o de sistemas de colas. Los modelos sirven para
encontrar un buen compromiso entre costes del sistema y los tiempos promedio de la lnea de espera
para un sistema dado.
Con frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios que debe estar
preparada para ofrecer. Sin embargo, muchas veces es imposible predecir con exactitud cundo llegarn
los clientes que demandan el servicio y/o cuanto tiempo ser necesario para dar ese servicio; es por eso
que esas decisiones implican dilemas que hay que resolver con informacin escasa. La teora de colas
requiere de un estudio matemtico del comportamiento de lneas de espera. Estas se presentan cuando
"clientes" llegan a un "lugar" demandando un servicio al "servidor", el cual tiene cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente y el cliente decide esperar, entonces se forma
en la "lnea de espera".
Objetivos de la teora de colas. Dada la funcin de costes anterior, los objetivos de la teora de colas
consisten en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el coste global del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la capacidad del sistema
tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones cuantitativas de costes y
las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en la cola: la paciencia de
los clientes depende del tipo de servicio especfico considerado y eso puede hacer que un cliente
abandone el sistema.

12

4.4 INFERENCIA DE RESULTADOS.

Inferencia es la accin y efecto de inferir (deducir algo, sacar una consecuencia de otra cosa, conducir a
un resultado). La inferencia surge a partir de una evaluacin mental entre distintas expresiones que, al
ser relacionadas como abstracciones, permiten trazar una implicacin lgica. Al partir de hiptesis o
argumentos, es posible inferir una conclusin (que puede resultar verdadera o falsa).
Por ejemplo:
Todava no recib la confirmacin oficial por parte de la empresa, lo que te digo es slo una inferencia
ma, Cada vez que juega la seleccin, Mariana falta al trabajo: mi inferencia es que maana vamos a
estar solos en la oficina, No podemos guiarnos por inferencias, sino que tenemos que aguardar a que
los sucesos se confirmen antes de tomar una decisin. El silogismo es una forma esencial de inferencia.
13

Se trata de una forma de razonamiento deductivo que se forma por dos proposiciones (premisas) y una
conclusin.
Esta conclusin es la inferencia que necesariamente se deduce de las dos premisas. La veracidad de la
conclusin depender de las leyes que regulan la relacin entre las premisas comparadas.
La garanta de verdad del nuevo juicio es la lgica, que deber establecer distintas clasificaciones de las
premisas. No todas las inferencias ofrecen conclusiones verdaderas. Es posible afirmar que todos los
perros son animales peludos de cuatro patas, pero no se puede inferir que todos los animales peludos
con cuatro patas son perros.
Las inferencias suelen generarse a partir de un anlisis de caractersticas y probabilidades. Si alguien
hace referencia a un animal de cuatro patas, peludo y que mueve la cola, puedo inferir que lo ms
probable
es
que
est
haciendo
referencia
a
un
perro.
Ejemplo
Supermercado
Imagnese un supermercado grande con muchas cajas de salidas. Supngase que los clientes llegan
para que les marquen su cuenta con una tasa de 90 por hora y que hay 10 cajas en operacin. Si hay
poco intercambio entre las lneas, puede tratarse este problema como 10 sistemas separados de una
sola lnea, cada uno con una llegada de 9 clientes por hora. Para una tasa de servicio de 12por hora:
Dado: A= 9 clientes por hora B= 12 clientes por hora

Explicacin
Entonces,

para este ejemplo, el cliente

promedio espera 15 minutos
antes
de ser servido. En promedio, hay un poco ms de
2 clientes en la lnea
o 3 en el sistema. El proceso completo lleva un promedio de 20 minutos.
La caja est ocupada el 75% del tiempo. Y finalmente, el 32% del tiempo habr cuatro personas o ms
en el sistema.

14

Ejemplo con Modelo de un servidor: El departamento para caballeros de un gran almacn tiene a un
sastre para ajustes a la medida. Parece que el nmero de clientes que solicitan ajustes sigue una
distribucin de poisson con una tasa media de llegadas de 24 por hora, los ajustes se realizaron con un
orden de primero que llega, primero en atenderse y los clientes siempre desean esperar ya que las
modificaciones
son gratis. Aparentemente el tiempo que tarda para realizar el ajuste, se distribuyen
exponencialmente con una media de 2 minutos.

A. Cul es el nmero promedio de clientes en la sala de espera?

3.2 unidades en promedio
B. Cunto tiempo de permanencia en el sistema debera de planear un cliente?
16hrs en promedio = 10 minutos
C. Qu % de tiempo permanece ocioso el sastre?
2 = 20%
D. Cul es la probabilidad de que un cliente espere los servicios del sastre ms de 10 minutos?
2.17456

15

16