Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teora de Colas.
Pgina 1 de 66
Teora de Colas
Contenido
1.
Introduccin .............................................................................................................................. 5
2.
2.1.1
2.1.2
2.1.3
2.1.4
2.1.5
2.1.6
2.1.7
2.2
2.2.1
NOMENCLATURA .......................................................................... 8
2.3
2.4
2.4.1
2.5
2.6
2.6.1
PROPIEDADES DEL PATRN DE LLEGADAS (O SERVICIO) POISSONEXPONENCIAL ............................................................................................ 14
2.6.2
GENERALIZACIONES AL PROCESO POISSON-EXPONENCIAL15
2.7
2.8
2.8.1
2.8.2
3.
3.2
3.3
3.4
3.5
Teora de Colas
3.6
3.7
3.8
3.8.1
3.8.2
3.9
3.9.1
3.9.2
3.9.3
3.10
3.10.1
3.10.2
4.
M/G/1 .............................................................................................. 30
G/G/1 .............................................................................................. 30
G/G/C .............................................................................................. 31
Otras fuentes de variabilidad en el tiempo de servicio. ...................................................... 31
4.1
Introduccin .................................................................................................................... 33
4.2
4.3
4.4
4.4.1
6.
Series y Redes.......................................................................................................................... 33
4.3.1
5.
Simulacin............................................................................................................................... 41
5.1
5.2
5.3
5.4
Problemas ................................................................................................................................ 44
6.1
6.2
6.3
6.4
Coordinacin de transmisiones......................................................................................... 45
6.5
Teora de Colas
6.6
6.7
6.8
Lavadero de Coches......................................................................................................... 46
6.9
6.10
6.11
Cursos OnLine................................................................................................................. 48
6.12
6.13
6.14
6.15
6.16
6.17
6.18
6.19
6.20
Mantemiento ................................................................................................................... 51
6.21
6.22
6.23
6.24
6.25
Juguetes KP ..................................................................................................................... 58
6.26
6.27
6.28
Automatismos JCP......................................................................................................... 66
Pgina 4 de 66
Teora de Colas
1. Introduccin
Todos hemos experimentado en alguna ocasin la sensacin de estar perdiendo el tiempo al
esperar en una cola. El fenmeno de las colas nos parece natural: esperamos en el coche al estar en un
tapn, o un semforo mal regulado, o en un peaje; esperamos en el telfono a que nos atienda un
operador y en la cola de un supermercado para pagar....
Generalmente como clientes no queremos esperar, los gestores de los citados servicios no quieren
que esperemos.... Por qu hay que esperar?
La respuesta es casi siempre simple, en algn momento la capacidad de servicio ha sido (o es)
menor que la capacidad demandada. Esta limitacin se puede eliminar invirtiendo en elementos que
aumenten la capacidad. En estos casos la pregunta es: Compensa invertir?
La teora de colas intenta responder a estas preguntas utilizando mtodos matemticos analticos.
servicio
clientes
servidos
clientes que
abandonan
Pgina 5 de 66
Teora de Colas
2.1
Seis son las caractersticas bsicas que se deben utilizar para describir adecuadamente un
sistema de colas:
a)
Disciplina de cola
f)
Algunos autores incluyen una sptima caracterstica que es la poblacin de posibles clientes.
2.1.1
2.1.2
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
Pgina 6 de 66
Teora de Colas
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
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
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.
Pgina 7 de 66
Teora de Colas
Fig. 2 Sistemas de cola multicanal
Se asume que en cualquiera de los dos casos, los mecanismos de servicio operan de manera
independiente.
2.1.6
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
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.
2.2
Notacin bsica
2.2.1
Nomenclatura
Teora de Colas
c= Nmero de servidores en paralelo
Con el paso del tiempo se ha implantado una notacin para representar los problemas de colas
que consta de 5 smbolos separados por barras.
A / B / X /Y / Z
A: indica la distribucin de tiempo entre llegadas consecutivas
B: alude al patrn de servicio de servidores
X: es el nmero de canales de servicio
Y: es la restriccin en la capacidad del sistema
Z: es la disciplina de cola
Pgina 9 de 66
Teora de Colas
En la tabla 1 se presenta un resumen de los smbolos ms utilizados.
Caracterstica
Distribucin de tiempos de
llegada (A)
Distribucin de tiempos de
servicio (B)
Nmero de servidores
Disciplina de cola
Smbolo
M
D
Ek
Hk
PH
G
1,2,...,
FIFO
LIFO
RSS
PR
GD
Explicacin
Exponencial
Determinista
Erlang tipo-k (k=1,2,...)
Mezcla de k exponenciales
Tipo fase
General
Servir al primero que llega
El ltimo que llega se sirve
primero
Seleccin aleatoria de servicio
Prioridad
Disciplina general
2.3
La tarea de un analista de colas puede ser de dos tipo: a) establecer mecanismos para medir la
efectividad del sistema o b) disear un sistema ptimo (de acuerdo a algn criterio).
Disear eficientemente consiste, bsicamente, en definir un sistema cuyo coste (de diseo y de
operacin) se justifique por el servicio que da. Dicho servicio se puede evaluar mediante el coste de
no darlo. De este modo al disear se pretende minimizar unos supuestos costes totales.
A partir de los datos que nos suministra la teora de colas se puede obtener la informacin
necesaria para definir el nmero de asientos necesarios en una sala de espera, o la estructura de etapas
de un proceso de atencin al cliente.
Pgina 10 de 66
Teora de Colas
En cualquier caso, para poder tomar decisiones hacen falta datos que la teora de colas puede
dar en alguno de los siguientes tres aspectos:
a)
2.4
Se presentan en este apartado algunos resultados y relaciones para problemas G/G/1 o G/G/c.
Estos resultados son vlidos para cualquier problema de colas y por tanto sern utilizados en el
resto de desarrollo.
2.4.1
Resultados y relaciones
L En n p n
n 0
n c P
Lq E n q
n c 1
Little, en su famosa frmula, establece una relacin entre la longitud de la cola y el tiempo de
espera:
L= W
Lq = Wq
El tiempo de estancia de un cliente en el sistema se relaciona con el tiempo de espera de un
cliente en la cola,
W Wq
Pgina 11 de 66
Teora de Colas
El nmero de clientes que por trmino medio se estn atendiendo en cualquier momento es:
r L Lq W Wq
L Lq n p n (n 1) p n p n 1 p 0
n 1
n 1
n 1
pb
i 1
q
Wq(i ) S ( i ) T (i )
si Wq(i ) S ( i ) T (i ) 0
si Wq(i ) S (i ) T (i ) 0
donde S(i) es el tiempo de servicio del cliente i, y T(i) es el tiempo que transcurre desde la
llegada del cliente y hasta la llegada del cliente (i+1)
2.5
A priori se puede pensar que el mtodo ms adecuado para recoger datos al analizar un sistema
es establecer una plantilla y recoger los datos sobre el sistema cada cierto tiempo. Esta tcnica es
orientada al tiempo
Es mejor, sin embargo, utilizar una tcnica de recogida de informacin asociada a eventos.
La informacin se recoge cuando algo ocurre
En una cola convencional los nicos datos a recoger son:
a) cada cunto llega un cliente
b) cunto se tarda en servir a cada cliente
No es necesario recoger ms informacin para, a partir de las relaciones expuestas en el
apartado anterior, definir cualquier medida de efectividad.
Ejemplo
Pgina 12 de 66
Teora de Colas
Sea un sistema G/G/1. Sean los siguientes datos de entrada:
i
Tiempo entre llegadas entre i+1 e i
Tiempo de servicio al cliente
1 2 3 4 5 6 7 8 9 10 11 12
2 1 3 1 1 4 2 5 1 2 2 1 3 6 2 1 1 4 2 5 1 1 3
0
1
2
3
5
6
7
8
11
12
13
14
15
19
20
21
24
26
27
28
31
Entrada/sa Tiempo en
Tiempo en
Tiem- Tiemp Tamao de Clientes en
lida
que el cliente que el cliente po en o en el
colas
el sistema
del cliente
i entra en
i sale del
la cola sistem despus de despus de
i
servicio
servicio
a
t
t
1-E
0
1
0
1
0
1
1-S
0
0
2-E
2
5
0
3
0
1
3-E
5
11
2
8
1
2
2-S
0
1
4-E
11
13
5
7
1
2
5-E
13
14
6
7
2
3
6-A
14
15
6
7
3
4
3-D
2
3
7-A
15
19
3
7
3
4
4-D
2
3
8-A;5-D
19
21
5
7
2
3
6-D
1
2
P-A;7-D
21
26
2
7
1
2
10-A
26
27
6
7
2
3
8-D
1
2
11-A
27
28
3
4
2
3
12-A;9-D
28
31
2
5
2
3
10-D
1
2
11-D
0
1
12-D
0
0
12
clientes por unidad de tiempo
31
12
clientes por unidad de tiempo
30
40
12
70
12
Pgina 13 de 66
Teora de Colas
12 70 70
31 12 31
12 40 40
Lq W q
31 12 31
L W
2.6
Los
procesos
de
Poisson
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:
p n (t )
(t ) n t
e
n!
El tiempo entre llegadas se define, de este modo, como la probabilidad de que no llegue ningn
cliente:
p 0 ( t ) e t
siendo por tanto una distribucin exponencial.
2.6.1
Exponencial
El uso de este patrn de llegada (o de servicio) tiene, entre otras las siguientes propiedades:
P1 El nmero de llegadas en intervalos de tiempo no superpuestos es estadsticamente
independiente
Es habitual tambin admitir que el ritmo de atencin de cliente cuando el servidor est ocupado tiene
una distribucin de Poisson y la duracin de la atencin al cliente una distribucin exponencial.
Pgina 14 de 66
Teora de Colas
P2 La probabilidad de que una llegada ocurra entre el tiempo t y t+t es t+o(t), donde
es la tasa de llegada y o(t) cumple lim
t o
o ( t )
0 . De hecho o(t) se podra entender
t
(t s) (t s )
P (t s )
e
n
t , s 0, t s
n!
P4 Si el nmero de llegadas sigue una distribucin de Poisson el tiempo entre llegadas sigue
una distribucin exponencial de media (1/) y al contrario
Pn (t )
(t ) n t
e Po (t ) e t
n!
k!
Tk
P6 Para conocer los datos que definen un proceso de Poisson solo es necesario conocer el
nmero medio de llegadas
P7 Amnesia de la Distribucin exponencial: La probabilidad de que falten t unidades para
que llegue el siguiente cliente es independiente de cuanto tiempo llevamos sin que llegue
ningn cliente.
Pr T 1 / T t 0 Pr 0 T t1 t 0
2.6.2
a) Variabilidad de
Se puede admitir que vare con el tiempo. En este caso
t
Pn (t ) e m ( t )
(m(t )) n
, m(t ) (s )ds
n!
o
b) Llegadas mltiples
Pgina 15 de 66
Teora de Colas
Se puede admitir que en cada evento de llegada aparezcan i clientes, donde:
n
i 1
Pr N (t ) m e
(t ) k ( k )
cm
k!
(k )
2.7
estacionario
Un proceso estocstico es la abstraccin matemtica de un proceso emprico, cuyo desarrollo
est gobernado por alguna ley de probabilidad.
Desde el punto de vista de la teora de probabilidades, un proceso estocstico se define como
una familia de variables aleatorias {X(t),t T} definidas sobre un horizonte T. X(t) es el estado del
sistema.
Se dice que un proceso estocstico {X(t),t=0,1,...} es un proceso de Markov si, para cualquier
conjunto de n instantes t1<t2<...<tn, la distribucin de X(t) depende nicamente del valor de X(tn-1). Es
decir:
Dada la situacin presente, el futuro es independiente del pasado y el proceso carece
de memoria
Una cola, con proceso de llegada Poisson-Exponencial de media , y con proceso de servicio
Poisson-Exponencial de media , se puede modelizar como una cadena de Markov continua, donde
en cada intervalo infinitesimal de tiempo puede ocurrir un nacimiento (llegada) o una muerte (salida)
Pr n n 1 en (t , t t ) n t o(t )
n0
Pr n n 1 en (t , t t ) n t o(t )
n 1
Pgina 16 de 66
Teora de Colas
n-1
n+1
n Pn n Pn n1 Pn 1 n 1 Pn1
n 0
En el origen
0 P0 1 P1
De las anteriores ecuaciones se puede extraer que:
n
Pn P0
i 1
i 1
i
y dado que
n
P 1
i
i 0
se puede calcular
P0
1
n 1 i 1
i 1
i
2.8
Otras distribuciones.
No todas las llegadas ni todos los servicios se pueden simular mediante una poisson/exponencial.
Existen otras distribuciones que se ajustan mejor a otros procesos reales.
Pgina 17 de 66
Teora de Colas
En la prctica se puede considerar que son necesarios tres elementos:
a)
Conocer todas las distribuciones para tener un conocimiento claro de las posibilidades de
caracterizacin una determinada distribucin.
Ser capaz de calcular la media y la desviacin tpica de un proceso en funcin de una muestra.
2.8.1
2.8.2
Cuando las ocurrencias pueden tomar valores dentro de un rango continuo las distribuciones son
de tipo continuo. En teora de colas son especialmente adecuadas para representar intervalos de
tiempo.
Pgina 18 de 66
Teora de Colas
La Continua Uniforme toma valores equiprobables en un determinado rango [a,b]. La media de
esa funcin es (a+b)/2 y la varianza es (b-a)^2/12
La exponencial (o negativa exponencial) es la complementaria de la distribucin de Poisson. Su
media es 1/ y la varianza es 1/^2
La Erlang[k,] es una distribucin que es la suma de k exponenciales de media /k. La media de
dicha distribucin es y la varianza es ^2/k.
De hecho la distribucin Erlang es una parte de una clase ms amplia que son las distribuciones
gamma. Cada funcin gamma es definida por dos parmetros y . La media es y la varianza es
^2
La distribucin Weibull permite describir la rutprua de
La distribucin Normal
La distribucin logNormal
Continua-Uniforme
Exponencial
Erlang
Gamma
Weibull
Normal
LogNormal
Pgina 19 de 66
Teora de Colas
3.1
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 a(t)= e-t
La tasa de salida es a(t)=e.t
La probabilidad de que haya n clientes es:
Pn 1 - n con
n 0
n 0
n 0
L En n p n (1 ) n n (1 ) n n 1
Como
n 1
( n )
n0
1
1
1
(1 ) 2
De donde
L
1
W
Lq
2
( )
Wq
Pgina 20 de 66
Teora de Colas
La cola media cuando el sistema no est vaco es:
L'q E q
N q 0
Otro resultado interesante es conocer cual es la probabilidad de que haya X o ms elementos en
el sistema.
P (n X ) X
3.2
Un sistema con servidores en paralelo se caracteriza porque hay ms de un servidor que ejecuta la
misma funcin con la misma eficiencia.
Se define r
Cuando se consideran c servidores en paralelo, las tasas de llegada y de servicio pasan a ser:
a ( t ) e t
b ( t ) n e nt
donde
n
n
c
1 n c
nc
n P0 1 nc
Pn n!n
c n cc! n P0 nc
Siendo la probabilidad de que el sistema est vaco:
c 1 r n
rc
P0
n 0 n! c! (1 )
r
1
c
Teora de Colas
Lq
rc
P0
c!(1 ) 2
Lq
rc
Wq
c!(c )(1 ) 2
P0
Y por tanto,
W Wq
1 1
rc
c!(c )(1 ) 2
P0
rc
L r
2
c!(1 )
P0
Para facilitar el clculo de Lq se ha considerado interesante incluir el siguiente baco que relaciona
Pgina 22 de 66
Teora de Colas
3.3
capacidad M/M/c/K
En algunos sistemas la cola no puede albergar a un nmero indefinido de clientes. En este caso
se dice que el sistema es de capacidad limitada. El lmite lo fija el parmetro K que incluye a los
servidores. Las probabilidades de cada estado del sistema
n
n P0
Pn n!n
c ncc! n P0
c 1 r n r c 1 K c1
n! c! 1
P0 nc10 n c
1
r r
n! c! ( K c 1)
n0
1 n c
cn K
1
1
P0 r c
Lq
1 K c 1 (1 )( K c 1) K c
2
c!(1 )
L Lq r (1 PK )
L
(1 PK )
Wq
L
1
(1 PK )
Para facilitar el clculo de Lq se ha considerado interesante incluir los siguientes bacos que
relacionan el valor de con Lq para distintos valores de K-c.
Pgina 23 de 66
Teora de Colas
Pgina 24 de 66
Teora de Colas
3.4
Existe un caso especial de la cola con lmite de capacidad y es cuando este lmite coincide con
el nmero de servidores. Es decir, no se puede generar cola.
Esta situacin da lugar a la distribucin de probabilidad conocida como Erlang.
La probabilidad de que haya n elementos en el sistema.
/ n
Pn
n!
( / ) i
i!
i 0
c
rc
Pc
c! , r
ri
i 0 i!
c
Lo sorprendente de esta frmula es que es vlida, independientemente del tipo de distribucin del
servicio y por tanto es vlida para M/G/C/C
Pgina 25 de 66
Teora de Colas
Los valores ms relevantes son:
L r (1 PC )
3.5
L
(1 PC )
Pn
r n e r
n!
3.6
n0
Hasta ahora se ha asumido que la poblacin que alimenta a la cola es infinita. Tambin se
puede trabajar con la suposicin de colas finitas. stas estn compuestas de un nmero M limitado de
clientes, que en caso de entrar en el sistema tendra un tiempo de servicio medio de .
Y la probabilidad de que un cliente fuera del sistema entre en el periodo t y t+t es:
n t o(t )
Con las anteriores suposiciones
n (0M n )
0n M
n M
n cn
0 n c
nc
Pgina 26 de 66
Teora de Colas
r P
c n! c! r
Pn
M
n
M
n
1 n c
nc
c 1
P
P
n
0
n 0
cnM
P0
r n! r
c c!
M
n
n c
n c
L nPn
Lq L r ( M L )
n 1
3.7
L
( M L)
Wq
Lq
( M L)
En ocasiones el tiempo de atencin a los clientes puede variar dependiendo del tamao de la
cola
n 1
1 n k
n k
Asumiendo que la llegada de clientes sigue una distribucin de Poisson de media , se puede
decir que:
n P
0n k
Pn 1k 10 n k 1
1
P0 n k
1 k k 1 1
1
1
1 1 1
P0
1
k
1
1 1, 1
1 1, 1
Pgina 27 de 66
Teora de Colas
1 (k 1) 1k k 1k 1 1k 1 k (k 1)
L P0 1
2
2
(
1
)
(
1
)
1
Lq L (1 P0 )
3.8
Wq
Lq
Se dice que los clientes son impacientes si tienden a unirse a la cola slo si no es demasiado
larga, o si el tiempo que creen que les queda por esperar es suficientemente corto. Un tercer tipo de
impaciente es el que va cambiando de cola entre colas paralelas.
La literatura nicamente considera los dos primero tipos de clientes impacientes: los que no se
unen a la cola o las que la abandonan antes de tiempo
3.8.1
El cliente que no se une a la cola lo hace porque ya hay demasiados clientes antes. Si para
todos los clientes demasiados fuera la misma cantidad (k) el problema sera M/M/c/K. Sin embargo
lo normal es que k no sea constante para cada cliente. Por tanto la modelizacin es un poco diferente.
Se puede asumir para ello que el ratio de llegada , se ve afectado por una serie montona decreciente
tal que
n bn
0 bn 1 bn 1
En este caso
n
Pn P0 ( ) n bi 1
i 1
3.8.2
Se puede asumir que este tipo de clientes tiene una cierta probabilidad de irse si hay n clientes
en la cola r(n), donde
r(0)=r(1)=0
Este nuevo proceso tiene un ratio de salida
n r (n)
Por tanto
Pgina 28 de 66
Teora de Colas
n
Pn P0
i 1
n
i 1
bi 1
P0 n
i
i 1 r (i )
donde
P0 1 n
n 1
i 1
bi 1
r (i )
Pgina 29 de 66
Teora de Colas
3.9
Todos los desarrollos anteriores se basan en que las entradas y el servicio se distribuyen mediante
procesos que siguen una distribucin de Poisson/Exponencial.
Pero, y si no siguen dichos procesos?
3.9.1
M/G/1
Los clientes, en este modelo, siguen llegando con una distribucin de Poisson de media , pero
asumimos que son atendidos por un proceso ms general de duracin media 1/ y de desviacin tpica
.
En 1932 Pollaczek y Khintchine desarrollaron la frmula denominada P-K que permite evaluar
la longitud de la cola media.
2
2 2
2 1
De la anterior relacin se extrae directamente el tiempo de estancia en cola.
2
2 2
Wq
2 1
(Curry y Feldman, 2010) proponen una modificacin de la frmula que es bastante interesante
(adems de exacta) pues proporciona una relacin directa entre las colas M/M/1 y las colas M/G/1
permitiendo utilizar tablas ya conocidas.
1 2 z
Wq M G 1
2
Es de destacar que
3.9.2
Wq M M 1
Cuando la entrada tampoco sigue una distribucin exponencial se puede utilizar la aproximacin
de difusin Kingman para calcular el valor del tiempo de espera en cola en funcin de los coeficientes
Pgina 30 de 66
Teora de Colas
de variacin al cuadrado de la entrada y de la salida. De hecho esta es una aproximacin que adems
es siempre una cota superior.
2 e2 2 s2
Wq G G 1
2
Wq M M 1
2 e2 2 s2 1
Wq G G 1
1
Existen otras aproximaciones como la de Kraemer y Langenbach que mejoran la calidad del
resultado. En cualquier caso es interesante notar el efecto que tiene la variabilidad (ya sea a la entrada
o a la salida) en el tiempo de estancia en cola.
3.9.3
G/G/c
2 e2 2 s2
Wq G G c
2
2c 2 1 1
c 1
Disponibilidad de operarios.
Pgina 31 de 66
Teora de Colas
E[ Fi ]
E[ Fi ] E[ Ri ]
A partir de esta definicin Hopp and Spearman desarrollan la expresin para el tiempo de servicio
efectivo y su coeficiente de variacin asociado
E Te
E[Ta ]
a
1 C R a 1 a E[ R ]
C C Te C
2
e
2
s
E TS
A partir de estos valores es posible calcular los tiempos de espera utilizando la aproximacin al
problema M/G/1 ya expresada anteriormente con la siguiente formulacin.
Wq
Ca2 Ce2 e
2
1 e
E Te
En esta frmula hay que destacar que la tasa de utilizacin efectiva viene afectada por la
disponibilidad del recurso tras eliminar el tiempo que est parado.
a
3.10.2 Interaccin hombre mquina.
Hasta este momento siempre se ha considerado que slo un recurso (o conjunto de los mismos) era
limitador de la capacidad de la mquina. Podra ser que tuviramos que considerar que hay dos
recursos asociados a la utilizacin de la mquina: por ejemplo la mquina misma y un operario que le
haga la preparacin antes de empezar a ejecutar.
Desafortunadamente para este caso tan habitual no hay una solucin general y habra que recurrir a
diagramas de estado para calcular todos los parmetros bsicos.
Pgina 32 de 66
Teora de Colas
En ese caso la codificacin de cada uno de los estados es bsica para obtener e interpretar algn
resultado.
La propuesta de Curry y Feldman para un sistema con dos mquinas idnticas y un operador es
que cada estado lo representa una tripleta (n,i,j) donde n es el nmero de trabajos en el sistema, i y j
son el estado de cada una de las mquinas, pudiendo ser 0;s;p. 0 indica que la mquina est vaca y
parada, s indica que la mquina est sometida a un setup y p indica que la mquina est en
produccin.
4. Series y Redes
4.1
Introduccin
En este captulo se realiza una introduccin al tema de las redes de colas. Esta es un rea de
gran inters investigador y de aplicacin, con problemas muy complicados de plantear y de resolver.
Por este motivo se presenta nicamente una introduccin de los conceptos bsicos aunque su
aplicabilidad en el modelado de sistemas de fabricacin es ms que evidente.
Las Redes de Colas se pueden describir como un grupo de nodos (sean k), en el que cada nodo
representa una instalacin de servicio.
Dicha instalacin puede constar de ci servidores (i=,1...k) En el caso ms general los clientes
pueden entrar en cualquier nodo y, despus de moverse por la red, pueden salir en cualquier nodo.
Dentro de las Redes de Colas, se pondr especial inters en las denominadas Redes de
Jakcson. Estas tienen las siguientes caractersticas:
1.
2.
Los tiempos de servicio en cada nodo y son independientes y siguen una distribucin
negativa exponencial con parmetro i, que podra ser dependiente del estado
3.
4.
Si aadimos las caractersticas i y ri,0 para todo i estamos en el caso de las Redes de Jackson
cerradas Si no se da el caso anterior el problema se denomina de Redes de Jackson abiertas
Se consideran tres tipo de redes de Jackson:
a)
Teora de Colas
b)
c)
En cualquier caso las primeras son una variante reducida de las segundas.
Pgina 34 de 66
Teora de Colas
4.2
Colas en serie
ri
0
i 1
rij 1
0
j i 1 1 i k 1
ik
j0
en los dems casos
i 1
..
.
Figura 6: Sistema en serie.
Los clientes entran en el nodo 1 y salen en el nodo k, despus de pasar por cada uno de los
nodos.
Consideraremos nicamente el caso de capacidad infinita de almacn entre cada etapa de la
serie. Dado que no existe limitacin en la capacidad, cada estacin puede analizarse de modo
separado.
Por tanto es necesario entender como salen los clientes de la primera etapa dada las
caractersticas de la entrada y de la etapa de servicio (i, i, ci)
Se
puede demostrar que la salida de los clientes de un sistema M/M/c/ tienen una
distribucin idntica a la de la entrada, es decir Poisson con media . Por tanto una serie se compone
de k M/M/ci/ colas independientes, siempre que la entrada sea Poisson, el servicio sea exponencial
y no haya restricciones de capacidad.
La probabilidad de que en un instante dado haya n1 clientes en la etapa 1, n2 en la etapa 2... n k
en la etapa k es simplemente
Pn1,n2...nk=Pn1Pn2....Pnk
Pgina 35 de 66
Teora de Colas
4.3
b)
c)
De cada etapa i un cliente se mueve a otra etapa con probabilidad r ij, y al exterior con
probabilidad ri,0
ri , 0
ri ,0
ri , j
ri , 0
ri ,0
ri , 0
i i j r ji
j 1
de donde
y por tanto
( I R ) 1
Definiendo i
i
La probabilidad de que en el estado estacionario haya n i clientes en el
ci i
Pn1n 2n 3... nk
r i
i
Poi
a i ( ni )
donde
ri
i
i
ni ci
ni !
a (ni ) ni ci
ci ci ni ci
Po ,i /
Poi
ri i
1
a i ( ni )
concretamente si ci=1 i
Pgina 36 de 66
Teora de Colas
n
nk
Cada etapa se comporta de modo independiente. Esto no significa que se comporte como
Poisson, aunque el comportamiento del valor medio permite considerar cada cola como una M/M/1
independiente. As pues:
Li
i
1 i
Wi
Li
i
4.3.1
Es una generalizacin bastante evidente que cada cliente tenga una matriz de ruta R(t), siendo
t=1...n el tipo de cliente.
Para abordar este problema en primer lugar hay que resolver las ecuaciones de trfico de
modo separado
( t ) (t ) ( I R (t ) ) 1
A partir del resultado anterior
n
( t )
t 1
Todos los resultados anteriores son ahora aplicables. Adems la presencia media de un cliente
de tipo t se puede calcular como:
Li
4.4
(t)
i
i
(1)
( 2)
(t)
... i
( n)
Li
Si ri=0 y ri,0=0 para todo i, tenemos un sistema de colas cerradas lo que es equivalente a un
sistema con N clientes continuamente viajando a travs de la red.
Pgina 37 de 66
Teora de Colas
ri,j
i i i j r ji j r ji j
j 1
j 1
Como estas ecuaciones son redundantes es posible asignar un valor cualquiera a cualquier i
(por ejemplo 1=1). Las probabilidades en el estado estacionario son:
Pn1n2 ...n k
donde G ( N )
1
1n1 2n 2 ... knk
G(N )
n1
1
n1 n 2 ...nk N
2n 2 ... knk
Pn1n2 ... n k
k
in(i )
1
G( N )
i 1 a i ( n i )
Donde
ni ci
ni !
a i ( ni ) ni ci
ci ci ! ni ci
in (i )
n1 n 2 ... nk N i 1 a i ( n i )
k
G( N )
4.4.1
El mtodo anterior de analizar las redes de colas cerradas de Jackson tiene un coste
computacional elevado. Fundamentalmente debido a la coste de calcular G(N)
Pgina 38 de 66
Teora de Colas
El mtodo del Anlisis del Valor Medio (MVA), que se explica en este apartado, no requiere
calcular G(N) reduciendo de este modo el citado coste computacional. Este mtodo se basa en que la
frmula de Little es aplicable a travs de toda la red.
Sea
Wi ( N )
1 Li ( N 1)
i
donde
Wi(N)=
i=
vi v j r ji
j 01
Dado que la anterior relacin es redundante porque la red es cerrada, establecemos vl=1 y
resolvemos para los otros nodos.
Definimos Pi(n,N) como la probabilidad marginal de que en el nodo i hayan n clientes si en la
red cerrada hay N clientes
En general
Pi (n, N )
i ( N )
Pi (n 1, N 1)
i ( n) i
donde
i ( n)
j ci
ai ( n)
a1 (n 1) j ci
Pgina 39 de 66
Teora de Colas
vi v j r ji asumiendo vl=1
j 1
Paso 3.2
l ( n)
c1 2
1
(1 Li (n 1) (ci 1 j ) pi ( j , n 1) i
ci i
j 0
con vl 1
v W ( n)
i
i 1
Paso 3.3
i ( n) l ( n ) v i
i, i l
i
i ( n)
Pi ( j 1, n 1)
i ( j ) i
i 1..k , j 1..n
Pgina 40 de 66
Teora de Colas
5. Simulacin
Algunos problemas no se pueden resolver mediante mtodos analticos. Entre otras razones
podran citarse la existencia de patrones no normalizados de entrada y de servicio, una gran
complejidad del sistema a modelar o la naturaleza de la disciplina de cola.
Adems , en ocasiones, los resultados analticos son para un estado estacionario que nunca se
alcanza, porque el sistema se interrumpe antes de abandonar el estado transitorio.
En estos casos el anlisis de las colas mediante simulacin puede ser una buena tcnica para
encontrar el resultado.
Hay que destacar, en cualquier caso que, si existen los modelos analticos, stos se deberan
utilizar. Aunque la simulacin permite resolver, o aproximar la resolucin, de muchos problemas
intratables no es la panacea dado que resolver mediante simulacin es equiparable a realizar una
experimentacin. Por tanto hay que utilizar todas las herramientas asociadas al diseo y anlisis de
experimentos: Recogida y Anlisis de Datos, realizacin de la experimentacin, anlisis y consistencia
de resultados, etc.
Otro de los defectos del uso de la simulacin frente a los mtodos analticos, se presenta cuando el
objetivo es el diseo de un sistema y no su evaluacin. En ese caso el anlisis por simulacin no
permite utilizar tcnicas de optimizacin convencionales, aunque hay que admitir que algunas
herramientas de simulacin incorporan tcnicas de optimizacin estocstica para resolver este tipo de
problemas
5.1
Cuatro son los elementos a tener en cuenta al abordar un modelo de simulacin de teora de colas,
supuesto diseado el modelo fsico:
a)
b) Simulacin.
c)
Teora de Colas
Adems la validacin del modelo es una exigencia que muchas veces se olvida al realizar modelos, q
consiste en comprobar que el sistema reacciona como lo hace la realidad.
5.2
5.3
Anlisis de Resultados
Alcanzar conclusiones vlidas a partir de los resultados requiere un gran y cuidadoso esfuerzo.
Cuando se simulan sistemas estocsticos, no es posible extraer conclusiones a partir de una nica
simulacin que por naturaleza es estadstica.
Por tanto para obtener conclusiones es necesario disear y ejecutar experimentos de una manera
lgica y comprehensiva.
Existen dos tipos de modelos de simulacin: continuos o interrumpidos. Un modelo interrumpido
simulara por ejemplo un banco que abre a las 8:00 y cierra a las 14:00, vaciando la cola al final del
servicio. Sin embargo un modelo continuo se podra asociar a un sistema productivo donde el trabajo
con el que se acaba un da, es con el que se comienza al da siguiente. En este ltimo caso es cuando
interesan los resultados en el estado estacionario.
En los sistemas que conducen a modelos interrumpidos el estado estacionario es generalmente
irrelevante. Lo que importa es el valor medio calculable al recoger un cierto nmero de resultados,
admitiendo siempre que lo que se obtiene es un valor medio estimado en un intervalo de confianza.
En los sistemas que conducen a modelos continuos el problema es un poco ms complicado,
porque hay que eliminar de las muestras el estado transitorio, aunque la definicin de estado
transitorio exigira el reconocimiento del estado estable y por tanto del estado transitorio.
Pgina 42 de 66
Teora de Colas
Los ms importantes paquetes de simulacin llevan incorporado herramientas que realizan estos
ejercicios mediante los cuales se pueden calcular los anteriormente citados intervalos de confianza.
5.4
Pgina 43 de 66
Teora de Colas
6. Problemas
6.1 Encargado de Bibliotecas
Un estudiante trabaja como encargado de una biblioteca por las noches y es el nico en el mostrador
durante todo su turno de trabajo. Las llegadas al mostrador siguen una distribucin de Poisson con una
media de 8 por hora. Cada usuario de la biblioteca es atendido de uno en uno, y el tiempo de servicio
sigue una distribucin exponencial con una media de 5 minutos.
a)
Cul es el tiempo medio que un cliente pasa en la biblioteca hasta que le han
atendido?
d) Cul es el tiempo medio que un cliente pasa en la cola esperando a que le atiendan?
e)
Pgina 44 de 66
Teora de Colas
segn una distribucin de Poisson con una media de 60 por hora y el tiempo en que un cliente es servido
vara segn una distribucin exponencial de media 150 segundos. Asumiendo el estado permanente del
sistema, cul es el tiempo medio de estancia del cliente en el restaurante hasta que ha sido atendido? El
gerente de Panis ha credo ahora que es preferible una nica cola para distribuir finalmente a los tres
servidores y por tanto las barreras son eliminadas. cul es el tiempo de espera de este modo?
Pgina 45 de 66
Teora de Colas
cuntos camiones habr por trmino medio habr en cualquiera de los dos sistemas?
b)
Cunto tiempo pasar cada camin en el taller en cualquiera de los dos sistemas?
c)
El encargado estima que cada minuto que un camin pasa en el taller reduce los
beneficios en 2 euros. Se sabe que el sistema de dos camiones en paralelo tiene un
coste de un euro por minuto. Qu debera costar el segundo sistema para que no haya
diferencia econmica entre los dos?
Teora de Colas
Pgina 47 de 66
Teora de Colas
Pgina 48 de 66
Teora de Colas
Pgina 49 de 66
Teora de Colas
b)
Si se pone una caja ms que el mnimo requerido, cul es el tiempo medio de espera
en la cola? Cunta gente habr en cajas? cunta gente habr en todo el
supermercado?
Pgina 50 de 66
Teora de Colas
6.20 Mantemiento
Se desea que dos mquinas estn operativas el mximo tiempo posible. La mquina se rompe de
acuerdo con una exponencial de media . Una vez rota, una maquina tiene una probabilidad r12 de ser
reparada localmente por un responsable de mantenimiento que trabaja con una media de tiempo de 2.
Con probabilidad 1- r12 la mquina debe ser reparada por un especialista, que tambin trabaja segn
una exponencial de media 3. Despus de una reparacin local, existe una probabilidad r23 de que la
mquina requiera un servicio especial. Despus del servicio con el especialista la mquina siempre se
pone a trabajar. Se desea saber cmo se distribuyen los tiempos de estancia de las mquinas en
reparacin.
Teora de Colas
abandona el restaurante. Se tarda 4 minutos en servir los rollitos y 5 minutos en servir el pollo frito, el
tiempo de servicio es exponencial. Cunta gente hay por trmino medio en el restaurante? Cul es el
tiempo medio de espera en cada ventanilla? Si alguien quiere los dos mens Cunto tiempo pasa en
el restaurante?
Sobre el caso anterior Qu porcentaje de tiempo slo hay una mquina trabajando?
Y ninguna? Qu ocurre con los almacenes durante este tiempo que hay menos de
dos mquinas trabajando?
Pgina 52 de 66
Teora de Colas
g) Sobre el caso anterior Qu opinin le merece que vaya uno de los trabajadores de la
tercera seccin a ayudar al mecnico cuando haya dos o ms mquinas estropeadas?
Debe sustentar la opinin con datos, suponga para ello que el trabajador de la tercera
seccin se comporta como un mecnico ms, cuando trabaja como tal.
h) (1 punto) Cul sera en el caso anterior la probabilidad de que hubiera ms de una
mquina estropeada?
Resolucin
a) Cul es el nmero de puertas que habr en cada etapa, incluyendo las puertas en las
mquinas y las que estn siendo procesadas por los operarios?
En la primera etapa se tiene un problema M/M/1 (=208,33 puertas/da; =220
puertas/da) L1=17,85 puertas.
En la segunda etapa se tiene un problema M/M/2 (=208,33 puertas/da; =140
puertas/da) L1=3,33 puertas.
En la tercera etapa se tiene un problema M/M/3 (=208,33 puertas/da; 1/=5
minutos/puerta) L1=3,55 puertas.
b) En que afectara al sistema anterior que en la etapa segunda se colocara un limitador
de capacidad, mediante el cual no se aceptaran al almacn previo a dicha etapa ms
de 5 puertas?
En primer lugar el sistema dejara de ser una serie de colas convencional porque se
limita la capacidad de una de ellas. Esta sera una cola M/M2/7 Pero para saber cmo
afectara lo mejor es saber el porcentaje de veces que el almacn estara lleno
P(n=7)=4,1%. Por tanto durante un 3,8% de las ocasiones la primera etapa no podra
trabajar al estar bloqueado el sistema posterior, dado que la primera etapa trabaja al 95%,
la probabilidad de que el bloqueo del sistema afecte a la produccin total es alta.
c) Si en el sistema original el tiempo medio de entrega de una puerta es de 5 das.
Cuntas puertas hay?
El nmero de puertas en el sistema el L=W=10417 puertas
d) Suponga que en el sistema original la demanda de puertas asciende a 70000
puertas/ao. Si se opta por no comprar una mquina nueva en la primera etapa,
Cuntas horas extra al da debe trabajar la primera mquina? En qu afectara dicho
cambio a los plazos de entrega? Cmo se comportaran los almacenes?
70000 puertas al ao son 291,67 puertas al da. Por tanto habra que trabajar 2,6 horas
ms al da. El almacn anterior a la primera etapa aumentara en 71 puertas cada da, y se
reducira en la misma cantidad cada noche(o cuando se hagan las horas extra), pasando a
Pgina 53 de 66
Teora de Colas
aumentar el almacn en la siguiente etapa. Los siguientes almacenes prcticamente no lo
notaran. La cola media, dependera de cuantas horas extra se trabajaran cada noche,
puesto que si slo se trabajara lo estrictamente imprescindible la cola sera infinita.
e) Suponga que en la segunda etapa, no hay dos si no tres mquinas. Dichas mquinas
tardan en estropearse 3 das desde que se arreglan y un mecnico tarda de media 5
horas en arreglarlas cada vez. Slo se dispone de un mecnico. Tiene este sistema
suficiente capacidad para hacer frente a la demanda?
Este es un sistema con fuente finita. El nmero de mquinas que estarn siendo
reparadas por trmino medio es de 0,67. Por tanto se tienen 2,33 mquinas trabajando, y
por tanto es ms que suficiente ya que 2,33*140>208.
f)
(1 punto) Sobre el caso anterior Qu porcentaje de tiempo slo hay una mquina
trabajando? Y ninguna? Qu ocurre con los almacenes durante este tiempo que hay
menos de dos mquinas trabajando?
Slo hay una mquina trabajando cuando hay dos estropeadas P2=13,4%
No hay ninguna trabajando si todas estn estropeadas P3=2,7%
Cuando hay menos de dos mquinas trabajando el nivel de almacn antes de la
Pgina 54 de 66
Teora de Colas
0,56536
P0
409
0,35335
P1
256
0,07361
P2
512
0,00766
P3
824
Pgina 55 de 66
Teora de Colas
de las
Modele el problema segn teora de colas, estableciendo los parmetros bsicos, asumiendo
tiempos promedio exponenciales.
Cul es el tiempo promedio previsto de entrega de una puerta? Si le dicen que el tiempo de
entrega promedio es de 5 das. A qu puede ser debido?. Proponga un mecanismo de
correccin.
f)
Cual ser el efecto sobre la cantidad de puertas en la primera etapa si en lugar de dos equipos de
trabajo con tiempos de ciclo como los citados se establece un nico equipo ms eficiente con un
tiempo de ciclo de 9 minutos por unidad.
Pgina 56 de 66
Teora de Colas
exponencial). Disponemos de 2 equipos de mantenimiento en nuestra empresa, que pueden poner en
funcionamiento la mquina de nuevo en un tiempo promedio de 1 hora.
g) Modele la situacin de la 3 etapa segn cadenas de Markov, para el caso expuesto.
h) Cul es la probabilidad de que no haya ninguna mquina disponible?
Solucin:
El problema propuesto es una serie de colas con una entrada =386 puertas/da.
a)
La primera etapa es una cola M/M/2 con =386 puertas/da. y =22,5 puertas/da
La segunda etapa es una cola M/M/1 con =386 puertas/da. y =40,9 puertas/da
La tercera etapa es una cola M/M/1 con =386 puertas/da. y =45 puertas/da
La cuarta etapa es una cola M/M/ con =386 puertas/da. y =25 puertas/da
b) L1= 6,53
c)
L= W
LT=31,14 puertas
El tiempo que tardar ser el de salir la primera 0,806 das ms el que tardan en salir las 29
restantes. 0,806 + 29/ =0,806+0,751=1,557 das = 11,68 horas
f) Si en realidad tardan 5 das en salir, es porque en el sistema hay puertas de ms. La cantidad de
puertas que hay es L=(W-29/)=162 puertas de ms.
Pgina 57 de 66
Teora de Colas
6.25 Juguetes KP
Una empresa de transformados plsticos tiene 4 secciones (A,B,C,D). Los productos que fabrica se
pueden clasificar en 5 categoras, con demandas anuales diferentes.
Los productos de categora 1 tienen una demanda anual de alrededor de 500 unidades, y sus
especificaciones los harn circular por la seccin A, luego la seccin B y por ltimo la seccin C.
Los productos de categora 2 tienen una demanda anual de alrededor de 3000 unidades, y sus
especificaciones los harn circular por la seccin A, luego la seccin B y por ltimo la seccin D.
Los productos de categora 3 tienen una demanda anual de alrededor de 2000 unidades, y sus
especificaciones los harn circular por la seccin B y la seccin D.
Los productos de categora 4 tienen una demanda anual de alrededor de 2000 unidades, y sus
especificaciones los harn circular por la seccin A y la seccin C.
Los productos de categora 5 tienen una demanda anual de alrededor de 1000 unidades, y sus
especificaciones los harn circular por la seccin B y la seccin C.
Sabiendo que el ritmo de produccin por hora en una mquina de tipo A es de 2 unidades, el de B
es de 2 unidades, el de C es de 4 unidades y el de D es de 2 unidades por hora. Sabiendo que el ao
tiene 220 das laborables de 8 horas cada uno y asumiendo tiempos de servicio exponenciales.
Preguntas
a)
b)
c)
d)
e)
Suponga que en la seccin B hacen falta dos mquinas. La experiencia con esas mquinas
indica que requieren un cierto mantenimiento con distribucin exponencial con media cada 5
das y que el tiempo que dura dicho mantenimiento se distribuye exponencialmente con
media de 1 da. Cuntas mquinas hacen falta para que haya al menos dos mquinas
funcionando el 90% del tiempo?.
f)
Pgina 58 de 66
Teora de Colas
El problema es una red de Jackson abierta con 4 nodos.
A=5500 u/a B=3000 u/a
A =5500 u/a
B =3000 u/a
rAB=0,64
rBC=0,23
rAC=0,36
rBD=0,77
rC0=1
rAB
3500
0,64
5500
rAC
rD0=1
2000
1500
5000
0,36 rBC
0,23 rBD
0,77
5500
6500
6500
5500
5500
3520
3000
6500
3520
3500
7040
5000
3520
Nodo
Nmero de
Mquinas
Para calcular el tiempo esperado medio en el sistema es necesario conocer la cola en cada nodo:
Nodo
Nm
Mq
5500
5500
3520
0.781
4.01
Pgina 59 de 66
Teora de Colas
3000
6500
3520
0.923
12.51
3500
7040
0.497
0.988
5000
3520
0.710
2.86
L
i
10
220
r P
c n! c! r
Pn
M
n
M
n
1 n c
n c
c 1
P
P
n
0
n 0
cnM
P0
r n! r
c c!
M
n
n c
n c
con M=3
p0
0.530
p1
0.318
p2
0.127
p3
0.025
Lo que indica que la probabilidad de que haya 0 1 mquina siendo reparada es 0.848
Haciendo los clculos para M=4
Con M=4
Pgina 60 de 66
Teora de Colas
P0
0.398
P1
0.319
P2
0.191
P3
0.076
P4
0.015
Lo que indica que slo en el 9.1% de los casos 3 4 mquinas estarn reparndose y por tanto se
cumplir la restriccin impuesta.
El nmero de mquinas que habr en funcionamiento en un sistema con 4 mquinas es de
M
np
4 0.99 3mquinas
Pgina 61 de 66
Teora de Colas
Cuntas llamadas habra en promedio en la seccin que atiende llamadas de tipo 3 si pusieran
los operadores estrictamente necesarios?
d) Cuntas llamadas habra en promedio en la seccin que atiende llamadas de tipo 3 si pusieran
uno ms de los operadores estrictamente necesarios?
e)
Cul es tiempo medio que un cliente estara en el sistema si pusiera los operadores
estrictamente necesarios?
f)
Cul es tiempo medio que un cliente estara en el sistema si pusiera en cada seccin uno ms de
los operadores estrictamente necesarios?
g) Se le plantea una nueva alternativa. Consiste en hacer que todos los operadores atiendan todas
las llamadas, aunque en ese caso el tiempo de atencin de cada llamada es el doble del indicado
ms arriba para cada tipo. En este caso no hace falta discriminador. Cuntos operadores hacen
falta?
h) En el caso anterior, Cul es el tiempo medio de estancia en el sistema?
Si disponemos 12 operadores el tiempo medio de estancia en el sistema es de 0,25 horas.
Resolucin
a)
Teora de Colas
0, 21
0 0,395 0,395
0
0
0, 0333 0,0167
R
0 0, 0333
0,0167
0,025 0,025
0
1 (20)
rE,1=0,395
r2,1=0,0333
r1,2=0,0333
100
E(180)
rE,2=0,395
r3,2=0,025
(20)
r1,3=0,01666
r1,2=0,0166
r3,2=0,025
rE,3=0,21
(12)
Cuntas llamadas habra en promedio en la seccin que atiende llamadas de tipo 3 si pusieran
los operadores estrictamente necesarios?
El valor de Lq=12,46 y el valor de L=14,33
d) Cuntas llamadas habra en promedio en la seccin que atiende llamadas de tipo 3 si pusieran
uno ms de los operadores estrictamente necesarios?
Con 3 operadores L=2,5
e)
Cul es tiempo medio que un cliente estara en el sistema si pusiera los operadores
estrictamente necesarios?
W
f)
0, 21horas
E 1 2 3
100 0 0 0
Cul es tiempo medio que un cliente estara en el sistema si pusiera en cada seccin uno ms de
los operadores estrictamente necesarios?
LE L1 L2 L3 1, 25 2, 28 2, 28 2,5
0, 08horas
E 1 2 3
100 0 0 0
g) Se le plantea una nueva alternativa. Consiste en hacer que todos los operadores atiendan todas
las llamadas, aunque en ese caso el tiempo de atencin de cada llamada es el doble del indicado
ms arriba para cada tipo. En este caso no hace falta discriminador. Cuntos operadores hacen
falta?
Si se considera que todas las llamadas se atienden del mismo modo, hay que calcular el
nuevo tiempo medio de atencin al cliente. De este modo queda
Pgina 63 de 66
Teora de Colas
Teora de Colas
Los que han de pagar tendrn que hacer 6 colas para pagar en 30 cajas (cada cola alimenta a 5
cajas). En cada caja tardarn en promedio 92 segundos en atenderles.
Tras pagar queda la ltima cola donde cada cliente pasa de modo individual, y pasan todos: los que
acaban de comprar y los que venan con ticket precomprado, por el detector de comidas y bebidas.
Estos son 12 carriles en paralelo, cada uno con su propia cola, que tardan 5 segundos en dejar pasar a
cada cliente.
a)
b)
c)
d)
e)
f)
g)
h)
Si cada coche mide 4 metros, cuantos metros de carretera hacen falta para que quepan en
promedio todos los coches que se pondrn en cola delante de las cajas de aparcamiento.
Cunto tiempo se tarda en hacer la cola para aparcar el coche, una vez haya pagado el
aparcamiento?
Cunto tiempo tardaremos en conseguir nuestra entrada desde que hemos aparcado el coche,
considerando que tarda 5 minutos desde que aparca hasta que llega a la cola?
Cunta gente habr como usted haciendo cola para pagar?
Cunto tiempo tardaremos en entrar en el parque desde que aparcamos?.
qu ocurrir en el sistema de cajas si el tiempo de atencin en la caja de compra de entradas el
tiempo medio de atencin es de 100 segundos?
qu repercusin tendra en la cola posterior dicha alteracin?
Con las condiciones de e, cul es la repercusin de aadir un carril adicional de venta de
entradas?
Pgina 65 de 66
Teora de Colas
T ra n s
Se trata de definir la capacidad mnima que han de tener las 5 mesas de rodillos, para que el
sistema no se bloquee. Para ello
a)
Definir el problema segn una red de colas de varios productos (suponer que las colas
inicialmente no tienen lmite en la capacidad). Definir la matriz de transicin para cada producto.
Cul ser la cola promedio en cada una de las mesas suponiendo que no tienen lmite de
capacidad?
d) Cmo afectara al sistema que el transportador eligiera para extraer, en cada ocasin, el
producto en cabecera de la mesa de rodillos con ms productos?
e)
Cmo cree que afectar a la mquina que alimenta a la mesa 3 que sta tuviera una limitacin
de 10 unidades?. Y si fuera de 5 unidades?
Pgina 66 de 66