Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
4.2 CRITERIOS BAJO LA DISTRIBUCION DE POISSON YEXPONENCIAL PARA LA SELECCIN DEL MODELO
APROPIADODE LNEAS DE ESPERA....................................................................10
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.
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.
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:
Anlisis de
habituales
puede serlo
cantidad de
necesarios.
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
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:
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
12
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,
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.
15
16