17.1 C APA TU L.O+ 17 Sistemas de colas Parte de nuestra vida diaria es la de esperar algtin servicio. Esperamos para entrar a un restat rante, “hacemos cola” en la caja de algtn almacén y “nos formamo: i cn la oficina de correos. Y el fenémeno de Ia espera no es una experiencia que se limite slo a los humanos: los trabajos esperan a ser procesados en una méquina, los aviones vuelan en cfrcu- Jo hasta que la torre de control les da permiso de aterrizar y los automsviles se detienen ante la luz roja de los seméforos. Desafortunadamente no se puede eliminar la espera sin incurrir en gas~ tos desmesurados. De hecho, todo lo que cabe esperar es reducir el impacto desfavorable a ni- veles tolerables. 2POR QUE ESTUDIAR SISTEMAS DE COLAS? El estudio de las Iineas de espera trata de cuantificar el fenémeno de esperar formando colas, mediante medidas representativas de eficiencia, como la longitud promedio de la cola, el tiempo promedio de espera en ella, y la utilizacién promedio de las instalaciones. El ejemplo que sigue demuestra eémo se usan esas medidas para diseffar una instalacin de servicio. Ejemplo 17.1-1 McBurger es un restaurante de comida répida, con tres mostradores de servicio. El gerente ha encargado que se haga un estudio para investigar las quejas por lo lento del servicio. El estu- dio indica la siguiente relacién entre la cantidad de mostradores de servicio y el tiempo de es- pera de los clientes: Cantidad de cajeros 1 2 3 4 5 6 7 ‘Tiempo de espera promedio (min) 16.2 10369 48 29 19 13 ‘Al examinar esos datos se ve que hay un tiempo promedio de espera de 7 minutos para el caso actual de 3 mostradores. El gerente desea reducirlo a unos 3 minutos, resultado que s6lo se puede alcanzar con cinco (0 més) mostradores. 579580 Capitulo 17 Sistemas de colas Costo de clientes que esperan, por Costo total unidad de tiempo Costo Costo de funcionamiento de la instalacién de tnidad de tempo Nivel 6ptimo de servicio FIGURA 17.1 Modelo de decisi6n para linea de espera basado en costo Nivel de servicio Se pueden analizar los resultados del andlisis de colas en el contexto de un modelo de optimizacién de costos, en el que la suma de los costos de ofrecer el servicio y de esperar se reduzcan al minimo. La figura 17.1 representa un modelo caracteristico de costo (en $ por unidad de tiempo), en el que el costo del servicio aumenta al incrementar el nivel del servi- cio. Al mismo tiempo, el costo de esperar disminuye al incrementar el nivel del servicio, El obstéculo principal para implementar los modelos de costo es que se puede dificultar la ob- tencién de un estimado fiable del costo unitario de espera, en especial cuando el comporta- miento humano influye sobre el funcionamiento del caso, Este punto se describiré més en la seccién 17.9. CONJUNTO DE PROBLEMAS 17.14 1. Suponga que al analizar ms el restaurante MeBurger se obtienen los resultados adicionales si- guientes: Cantidad decajeros 1-20-34 SGT Inactividad (%) 0-8) 1282 Ha ‘a) {Cudl es la eficiencia de ta operacién, expresada como porcentaje del tiempo en el que los empleados estén ocupados, cuando la cantidad de cajeros es de cinco? b) El gerente desea mantener el tiempo promedio de espera en unos 3 minutos y, al mismo tiem- po, mantener Ia eficiencia de la instalacién aproximadamente en 90%. ;Se pueden alcanzar estas metas? Explique por qué. 2. Acme Metal Jobshop va a comprar un taladro vertical de usos miiltiples. Hay dos modelos dis- ponibles, A y B, con costos de operacién de $18 y $25 por hora, respectivamente. El modelo A es mas lento que el modelo B. El andlisis de colas de méquinas parecidas indica que cuando se usa A, la cantidad promedio de trabajos en espera es de 4, 30% mayor que el tamaiio de la cola en B. Un trabajo demorado representa una utilidad perdida, que Acme estima ser de $10 por trabajo en espera y por hora. ,Cudl modelo debe comprar Acme?17.2 17.2. Elementos de un modelo de cola. 581 ELEMENTOS DE UN MODELO DE COLA Los actores principales en una Ifnea de espera o cola son el cliente y el servidor. Los clientes se generan en una fuente. Al Ilegar a la instalacién pueden recibir servicio de inmediato, o esperar en una cola o linea de espera, sila instalacién est4 ocupada, Cuando en una instalacién se termi- na un servicio, en forma automdtica se “atrae” a un cliente que espera, si lo hay, de la cola. Si la cola esti vacfa, la instalacién se vuelve inactiva hasta que llega un cliente nuevo. Desde el punto de vista del andlisis de las colas, el proceso de llegada se representa con el tiempo entre llegadas, de los clientes sucesivos, y el servicio se describe con el tiempo de servicio por cada cliente. Por lo general, los tiempos entre Ilegadas y de servicio pueden ser probabilisticos, como en el funcionamiento de una oficina de correos, o determinfsticos, como en la Ilegada de solicitantes a las entrevistas de trabajo. El tamafio de la cola desempeiia un papel en el andlisis de las colas, y puede ser finito, como en el drea de reserva entre dos méquinas consecutivas, o puede ser infinito, como en las instalaciones de pedidos por correo. La disciplina de la cola, que representa el orden en el que se seleccionan los clientes de una cola, es un factor importante en el andlisis de los modelos de colas. La disciplina més co- min es la de primero en Iegar, primero en servirse (PLPS; también FCFS, del inglés first come, first served). Entre otras disciplinas estén diltimo en llegar, primero en servirse (ULPS; también LCFS de last come, first served), y de dar servicio en orden aleatorio (SEOA; tam- bign SIRO, de service in random order). También, los clientes se pueden seleccionar en la co- la con base en cierto orden de prioridad. Por ejemplo, los trabajos urgentes en un taller se procesan antes que los trabajos normales. El comportamiento de los clientes en espera juega un papel en el analisis de las Ii de espera. Los clientes “humanos” se pueden saltar de una cola a otra, tratando de reducir la espera, También pueden rehusar totalmente a la cola por haber esperado demasiado. El disefio de Ia instalacién de servicio puede comprender servidores en paralelo (por ejemplo, el funcionamiento de la oficina de corteos). También, los servidores pueden orde- narse en serie (por ejemplo, cuando los trabajos se procesan en méquinas sucesivas) 0 bien pueden formar una red (por ejemplo, los enrutadores en una red de computadoras). La fuente donde se generan los clientes puede ser finita o infinita. Una fuente finita limi- taa los clientes que llegan al servicio (por ejemplo, las méquinas que piden el servicio de man- tenimiento). También, una fuente infinita es abundante por siempre (por ejemplo, las lamadas que legan a una central telefnica). Las variaciones de los elementos de un caso de colas dan lugar a diversos modelos de co- las, El resto de este capitulo describe ejemplos de esos modelos. CONJUNTO DE PROBLEMAS 17.2A 1, Identifique al cliente y al servidor en cada uno de los casos siguientes: a) Aviones que legan a un aeropuerto, b) Base de taxis donde éstos esperan a que leguen pasajeros. ©) Verificacién de las herramientas en un almacén de un taller de maquinado. 4) Cartas procesadas en una oficina de correos. e) Inscripcién a las clases en una universidad.582 17.3 Capitulo 17 Sistemas de colas 1) Juicios en la corte. g) Funcionamiento de las cajas de un supermercado. hh) Funcionamiento de un estacionamiento. 2. Para cada uno de los casos del problema 1, identifique lo siguiente: a) naturaleza de la fuente (fi- nita 0 infinita), b) naturaleza de los clientes que llegan (individualmente o en grupo), c) clase de tiempo entre Ilegadas (probabilfsticas 0 deterministicas), d) definicién y clase de tiempo de ser- vicio, e) capacidad de la cola (finita 0 infinita) y f) disciplina de la cola, 3. Estudie el sistema siguiente e identifique las situaciones correspondientes de espera. Para cada situaci6n, defina los clientes, el o los servidores, la disciplina de la cola, el tiempo de servicio, la longitud méxima de la cola y la fuente de los clientes. Las 6rdenes de trabajo se reciben en un taller para su procesamiento. Al recibirlas, el super- visor decide si el trabajo es normal o urgente. Algunas érdenes requieren usar una o varias ma- quinas idénticas. Las dems érdenes se procesan en una linea de produccién en dos etapas, y hay dos de ellas disponibles. En cada uno de los dos grupos, se asigna una instalaciGn para manejar os trabajos urgentes. Los trabajos que llegan a una instalacién se procesan en el orden de llegada. Los trabajos terminados se embarcan al llegar, en una zona de embarque con capacidad limitada. Las herramientas afiladas para las distintas méquinas son suministradas en un almacén cen- tral de herramientas. Cuando una méquina se descompone se manda a un reparador, de un grupo de servicio, para arreglarla, Las méquinas que trabajan en pedidos urgentes siempre reciben prio- ridad tanto en la adquisicin de herramientas nuevas del almacén, como en recibir reparaciones. 4, {Cierto 0 falso? a) Un cliente impaciente que espera puede optar por desistir (irse). b) Si se prevé un largo tiempo de espera, un cliente que llega puede optar por rehusar. ©) El cambio de una Iinea de espera a otra se hace para reducir el tiempo de espera. 5. En cada uno de los casos del problema 1, comente sobre 1a posibilidad de que los clientes opten por cambiar de cola, rehusar 0 desistit. PAPEL DE LA DISTRIBUCION EXPONENCIAL En la mayor parte de los casos de colas, la llegada de los clientes se hace en una forma total- mente aleatoria, Aleatoriedad quiere decir que la ocurrencia de un evento (por ejemplo, la Ile- gada de un cliente o la terminacién de un servicio) no esté influido por el tiempo que haya transcurrido desde la ocurrencia del evento anterior. Los tiempos aleatorios entre Hegadas se describen en forma cuantitativa, en los mode- los de colas, con Ia distribucién exponencial, que se define como sigue: fi = de™, 1 > 0 La seccién 12.4.3 muestra que para la distribucién exponencial El hecho de que la distribucién exponencial sea totalmente aleatoria se ilustra con el ejem- plo siguiente: si ahora son las 8:20 A.M. y la tiltima llegada fue a las 8:02 A.M., la probabili-17.3, Papel de la distribucién exponencial 583 dad de que la siguiente Hegada sea a las 8:29 es una funci6n s6lo de las 8:20 a las 8:29, y es totalmente independiente del tiempo que haya transcurrido desde la ocurrencia del tiltimo evento (de las 8:02 a las 8:20). A este resultado se le llama amnesia o falta de memoria de la exponencial. Dada la distribucién exponencial j{¢) que representa el tiempo f entre eventos sucesivos, si Ses el intervalo desde la ocurrencia del ditimo evento, la propiedad de amnesia implica que PU> T+ S\t> S}= Pt > T} Para demostrar este resultado se observa que la exponencial con media }, Plt> Yy=1- P< Yy=e” Asi, Pr>T+S,t>S} Pft>T+S} Pe > T+ Sit> p= So a> 5 ents) -> yar =Pt>T} Ejemplo 17.3-1 ‘Una maquina en servicio tiene una unidad de reserva para sustituirla de inmediato cuando fa- lle. El “tiempo a la falla” (tiempo entre fallas) de la maquina (o de su unidad de reserva) es ex- ponencial, y sucede cada 40 minutos, en promedio. El operador de la maquina dice que ésta “tiene la costumbre” de descomponerse cada noche a eso de las 8:30 PM. Analizar lo que dice el operador, La tasa promedio de fallas de la maquina es 4 = $2 = 1.5 fallas por hora. Asf, la distri- bucién exponencial del tiempo a la falla es fl) = 15e"1>0 En cuanto a lo que dice el operador, ya se sabe que no puede ser correcto, porque se opo- ne al hecho de que el tiempo entre fallas es exponencial y, en consecuencia, es totalmente aleatorio, La probabilidad de que una falla suceda a las 8:30 PM. no se puede usar para respal- dar ni refutar esa afirmacién, porque el valor de esa probabilidad depende de la hora del dia (en relacién con las 8:30 PM.) con la que se calcule. Por ejemplo, si ahora son las 8:20 PM., la probabilidad de que lo que dice el operador sea cierto esta noche es t< HB} =1- = 0.22 P< que es baja. Si en este momento son las 7:00 P-M., la probabilidad de que suceda una falla a las 8:30 PM. aumenta hasta aproximadamente 0.9 (jcomprugbelo!). Estos dos valores extre- ‘mos indican que no se puede analizar la afirmacién del operador con base en estimaciones de probabilidad, y que se debe confiar en las caracterfsticas de la distribucidn exponencial (alea- toriedad total) para refutar la afirmacién.584 Capitulo 17 _ Sistemas de colas CONJUNTO DE PROBLEMAS 17.3A 1. a) Explique lo que entiende de la relaci6n entre Ia frecuencia de Ilegadas 2 y el tiempo prome- dio entre llegadas. ;Cuéles son las unidades que describen cada variable? b) En cada uno de los casos siguientes, determine la frecuencia promedio de llegadas por hora, , y el tiempo promedio entre llegadas, en horas. i) Una llegada cada 10 minutos. ii) Dos legadas cada 6 minutos. iii) La cantidad de llegadas en un periodo de 30 minutos es 10. iv) El intervalo promedio entre las Hegadas sucesivas es 0.5 hora. ©) En cada uno de los casos siguientes, determine la frecuencia promedio de servicio por hora, py el tiempo promedio de servicio en horas. i) Se termina un servicio cada 12 minutos. ii) Hay dos salidas cada 15 minutos. iii) La cantidad de clientes atendidos en un periodo de 30 minutos es de S. iv) El tiempo promedio de servicio es de 0.3 hora. 2. Enel ejemplo 17.3-1, determine lo siguiente: a) La cantidad promedio de fallas en 1 semana, suponiendo que el servicio se ofrece 24 horas por dia y 7 dias por semana. b) La probabilidad de que haya al menos una falla en un periodo de 2 horas. ©) La probabilidad de que la proxima falla no suceda en menos de 3 horas. d) Sino ha sucedido falla en 3 horas después de Ja ultima falla, ,cudl es la probabilidad de que el tiempo entre fallas sea de 4 horas cuando mucho? 3. El tiempo entre llegadas en una dependencia de la State Revenue Office es exponencial, con va- Jor medio de 0.05 hora. La oficina abre a las 8:00 A.M. a) Escriba la distribucién exponencial que describa el tiempo entre llegadas, b) Determine la probabilidad de que no lleguen clientes a la oficina hasta las 8:15 A.M. ©) Son las 8:35 A.M. El tiltimo cliente entré a las 8:26. {Cudl es la probabilidad de que cl si- ‘guiente cliente llegue antes de las 8:38 A.M.? ,Y de que no llegue hasta las 8:40 A.M.” 4) {Cual es la cantidad promedio de clientes que Ilegan entre las 8:10 y las 8:45 A.M. 4, Suponga que el tiempo entre descomposturas de una maquina es exponencial, con promedio de 6 horas. Sila maquina ha trabajado sin fallar durante las dltimas 3 horas, ,cudl es la probabilidad de que continia sin fallar durante la préxima hora? ;De que se descomponga durante la siguien- te 0.5 hora? 5, El tiempo entre Ilegadas a una sala de juego en la sociedad de alumnos es exponencial, con una media de 10 minutos. a) {Cuil es la frecuencia de llegadas por hora? }b) {Cul es la probabilidad de que no leguen alumnos a esa sala durante los 15 minutos si- ‘guientes? ©) {Cuil es la probabilidad de que al menos un alumno visite la sala de juegos durante los proxi- ‘mos 20 minutos? 6. El gerente de un nuevo restaurante de comida répida desea cuantificar el proceso de Ilegadas de clientes, estimando la fracciGn del intervalos de tiempo entre Hegadas que sea a) menor que 2 mi- nutos, b) entre 2 y 3 minutos y c) mas de 3 minutos. Las legadas en restaurantes parecidos tienen una frecuencia de 35 clientes por hora. El tiempo entre Hegadas tiene distribucisn exponencial.17.4 17.4 Modelos con nacimientos y muertes puras 585 7. Ann y Jim, dos empleados en un restaurante de comida répida, juegan lo siguiente, mientras es- peran la legada de clientes: Jim le paga 2 ¢ a Ann siel proximo cliente no llega en menos de | minuto; en caso contrario, Ann le paga 2 ¢ a Jim, Calcule la recompensa promedio de Jim en un periodo de 8 horas. El tiempo entre Hegadas es exponencial, con una media de 1.5 minutos. 8. Suponga que en el problema 7 las reglas de juego son que Jim le paga 2 ¢ a Ann si el cliente si- guiente llega después de 1.5 minutos, y Ann le paga a Jim una cantidad igual si la siguiente Ilegada es en menos de 1 minuto, Para las legadas en el intervalo de 1 a 1.5 minutos, el juego se empata, Determine la recompensa esperada por Jim en un periodo de 8 horas. 9. Enel problema 7, suponga que Ann le paga 2 ¢ a Jim sila siguiente Hegada es en menos de 1 ‘minuto, y 3 ¢ siel tiempo entre llegadas es entre 1 y 1.5 minutos, Ann recibe 5 ¢ de Jim si el tiempo entre llegadas es entre 1.5 y 2 minutos, y 6 ¢ si es mayor que 2 minutos. Determine la recompensa esperada por Ann en un periodo de 8 horas. 10. Siun cliente llega a McBurger Fast-Food Restaurant en menos de 4 minutos después del cliente inmediato anterior, recibiré un descuento del 10%, Si el tiempo entre Ilegadas es entre 4 y 5 mi- rnutos, el descuento es del 6%. Si el tiempo entre Hlegadas es mayor que 5 minutos, el cliente tie- ne 2% de descuento. El tiempo entre egadas es exponencial, con un media de 6 minutos. a) Determine la probabilidad de que un cliente que llega reciba el maximo descuento. ) Determine el descuento promedio a cada cliente que llega. 11. Se sabe que el tiempo entre fallas de un reftigerador Kencore es exponencial, con una media de 9000 horas (més 0 menos 1 afjo de funcionamiento), y la empresa otorga una garantfa de 1 afto con el refrigerador. ;Cudles son las probabilidades de que la garantia cubra una reparacién por descompostura? 12, La U de A administra dos Iineas de autobuses en el campus: roja y verde. La Ifnea roja da servi- cio al campus norte, y la verde al sur, y hay una estacién de trasbordo que enlaza a las dos I{neas. Los autobuses verdes llegan al azar (tiempo exponencial entre Ilegadas) a la estacién de transfe- rencia cada 10 minutos. Los rojos también llegan al azar, cada 7 minutos en promedio, a) ;Cuél es la distribucién de probabilidades de tiempo de espera para que un alumno que llega en la Iinea roja se suba a la linea verde? b) {Cual es la distribuciGn de probabilidades del tiempo de espera para un alumno que Ilega en Ia linea verde se suba ala linea roja? 13. Demuestre que la media y la desviacién estindar de la distribuci6n exponencial son iguales. MODELOS CON NACIMIENTOS Y MUERTES PURAS (RELACION ENTRE LAS DISTRIBUCIONES EXPONENCIAL Y DE POISSON) En esta secciGn se describen dos situaciones en las colas: la primera es un modelo de naci- miento(s) puro(s), en cl que sélo se permiten Ilegadas, y el segundo es el modelo de muer- te(s) pura(s), en el que sdlo se permiten salidas. Un ejemplo del modelo de nacimiento puro es la emisién de los certificados de nacimiento para los recién nacidos. El modelo de muerte pura se puede visualizar con el retiro aleatorio de un articulo en una tienda. La distribuciGn exponencial se usa para describir el tiempo entre Ilegadas en el modelo de nacimiento puro, y el tiempo entre salidas con el modelo de muerte pura. Un producto se- cundario del desarrollo de los dos modelos es la demostracién de la estrecha relacién entre las distribuciones exponencial y de Poisson, en el sentido que una distribucién define en forma automitica a la otra.586 Capitulo 17 Sistemas de colas 17.4.1 Modelo de nacimientos puros Se define pat) = Probabilidad de que no haya llegadas durante un espacio de tiempo ¢ Como el tiempo entre legadas es exponencial, y Ia frecuencia de Hegadas es \ clientes por unidad de tiempo, entonces pol) = P{tiempo entre llegadas = 1} = 1 — P{tiempo entre legadas = 1} =1-(l-e) Lee Para un intervalo suficientemente pequefio h > 0, Mh pity = a1 a OE we = 1— Mh t O08) La distribucién exponencial se basa en la hipétesis que durante un tiempo suficientemente pe- quefio h > 0, puede presentarse cuando mucho una llegada, Asf, cuando ht — 0, yh) = 1 ~ pol) * Mh Este resultado indica que la probabilidad de una llegada durante h es directamente proporcio- nal a h, y que la frecuencia de llegadas \ es la constante de proporcionalidad. Para deducir Ia distribucién de la cantidad de llegadas durante un periodo f, cuando el tiempo entre llegadas es exponencial con promedio j, se define a ,(t) = Probabilidad de n legadas durante ¢ Para una h > 0 suficientemente pequefia, Prlt +h) © pa((L = MA) + Pya(Oh, n> 0 polt + A) © pol) — Mi). n=0 En la primera ecuaci6n se realizan n legadas durante ¢ + A, si hay n Tlegadas durante t y no hay legadas durante h, on — | legadas durante ¢ y una Hegada durante h. No se permite nin- guna otra combinacién porque, segdin la distribucién exponencial, cuando mucho puede ha- ber una Hegada durante un periodo h muy pequefio. La ley de producto de probabilidades se puede aplicar al lado derecho de la ecuacién, porque las liegadas son independientes. Para la segunda ecuacién, slo puede haber cero Hegadas durante ¢ + i sino hay llegadas durante fy durante h. ‘Al rearreglar los términos y tender a los limites cuando h —> 0, se obtiene Pil = Hm 28 PO 9,09 + rp, (> 0 polt + h) ~ pol) h Pott) = lim, 0 = poll), n=0 cen donde p},(t)es la primera derivada de p,(2) con respecto a t.17.4 Modelos con nacimientos y muertes puras 587 La soluci6n de estas ecuaciones en diferencias y diferenciales es Quyte™ nl Pal) =0,1,2, .. Es una distribucién de Poisson, con media E{n|t} = X¢ legadas durante t. Este resultado indica que si el tiempo entre Ilegadas es exponencial con media + la cantidad de legadas durante un periodo t especifico tiene distribucién de Poisson con media Xs. También es cierto lo contrario, Las fuertes relaciones entre las distribuciones exponencial y de Poisson, para una fre- cuencia de ) Hegadas por unidad de tiempo se puede resumir como sigue: Exponencial De Poisson Variable aleatoria Tiempo t ene Negadas Cantidad n de egudas durante -sucesivas un periodo especificado T Intervalo 120 n= 01,2, are Funcién de densidad fO =r 120 pat) =! Tre" n=0,1,2, Valor de la media + unidades de tiempo NT legadas durante T Probabildad acumulada Pus Ay=1—e™ Pra) = pd) + p(T) + +++ + pl) (no haya llegadas durante el periodo A} PU>Ajm eM pd A) = Ejemplo 17.4-1 Los nifios nacen en un estado poco poblado, con una frecuencia de un nacimiento cada 12 minutos. El tiempo entre nacimientos sigue una distribucin exponencial. Determinar lo si- guiente: ) La cantidad promedio de nacimientos por ato. b) La probabilidad de que no haya nacimientos en cualquier dia. ©) La probabilidad de emitir 50 certificados de nacimiento en 3 horas, cuando se emi- tieron 40 certificados durante las primeras 2 horas del petiodo de 3 horas. La tasa diaria de nacimientos se calcula como sigue: n= AX — 129 nacimientosiaia Los nacimientos anuales en el estado son dt = 120 x 365 = 43,800 nacimientos/dia La probabilidad de que no haya nacimientos en algtin dfa se calcula con la distribucién de Poisson: (120. 1 ="! Po(l) = Ce 0588 Capitulo 17 Sistemas de colas Para calcular la probabilidad de emitir 50 certificados en 3 horas, cuando se han emiti- do ya 40 certificados en las 2 primeras horas, equivale a tener 10 (= 50— 40) nacimientos en 1 3-2) hora. Como \ = = 5 nacimientos por hora, entonces (6x 1%! Pid) = Gop = 0.01813 Los céilculos de la distribucién de Poisson, y en realidad de todas las frmulas de colas son tediosos, y requieren manejo especial para asegurar una exactitud de cémputo razonable. Se aconseja entonces usar TORA para hacer esos cilculos. También se puede usar la plantilla Excel chi7PoissonQueues.xls para hacer esos cdlculos. Los datos son los mismos que en TORA. Sin embargo, encontraré el lector que TORA es més c6modo cuando se comparan varios escenarios. Los datos del modelo de nacimiento puro para este ejemplo se capturan en TORA (archi- vo chI7ToraQueuesEx17-4-1) como sigue: Limite del Limite de Lambda = Mu sc sistema la fuente 5 0 0 Infinito Infinito Observe que el elemento de Lambda es Mf = 5 X 1 = 5 nacimientos por dia. La figura 17.2 muestra el resultado cuando se usan TORA y Excel. CONJUNTO DE PROBLEMAS 17.44 1. Enel ejemplo 17.4-1 suponga que el empleado que pasa la informacién de los certificados de nacimiento a la computadora suele esperar hasta que se hayan acumulado 5 certifieados. Calcule la probabilidad de que el empleado capture un nucvo lote en cada hora. 2. Un coleccionista de arte viaja una vez al mes, en promedio, para asistir a subastas. En cada viaje se garantiza una compra. El tiempo entre los viajes tiene distribucién exponencial. Determine lo siguiente: 1a) La probabilidad de que el coleccionista no compre obras de arte en un periodo de 3 meses. b) La probabilidad de que el coleccionista no compre més de 8 obras de arte por afo. ©) Laprobabilidad de que el tiempo entre viajes sucesivos sea mayor que | mes. 3. En un banco, la frecuencia de Hegadas es de 2 clientes por minuto, Determine lo siguiente: a) Lacantidad promedio de llegadas durante 5 minutos. b) La probabilidad de que no haya llegadas durante el proximo 0.5 minuto. ©) La probabilidad de que haya al menos una Hlegada durante el siguiente 0.5 minuto. 4) La probabilidad de que el tiempo entre dos Ilegadas sucesivas sea de 3 minutos, cuando menos, 4. El tiempo entre llegadas al L&J Restaurant es exponencial, con una media de 5 minutos. El res- taurante abre a las 11:00 A.M. Determine lo siguiente: a) La probabilidad de tener 10 legadas al restaurante hasta las 11:12 A.M., si hubo 8 Hlegadas hasta las 11:05 A.M. b) La probabilidad de que Hegue un cliente entre las 11:28 y las 11:33 A.M., si el dltimo cliente Mego alas 11:25 AM. 5, Labiblioteca Springdale Public Library recibe libros de acuerdo con una distribucién de Poisson. con una media de 25 libros diarios. Cada anaquel de la biblioteca contiene 100 libros. Calcule lo siguiente:17.4 Modelos con nacimientos y muertes puras 589 Title: Example 17.4-1, Figure 17.2 Scenariol: Pure Birth Model Lambda = 5.00000 mu = 0.00000 Lambda eff Rho/e = Ls 5.00000 La ws Wa = n Probability pn Cumulative Pn n Probability pn Cumulative Pn o 0.00674 0.00674 8 0.03627 0.96817 1 0.03369 0.04043 10 0.01813 0.98630 2 0.08422 0.12465 aL 0.00824 0.99455 3 0.14037 0.26503 12 0.00343 0.99798 4 0.17547 0.44049 13 0.00132 0.99930 5 0.17547 0.61596 14 0.00047 0.99977 6 0.14622 0.76218 15, 0.00016 0.99993 7 0.10444 0.86663 16 0.00005 0.99998 a 0.06528 0.93191 a7 0.00001 0.99999 ‘ioe S79a7O ‘D.0336807960 (.0s2249575 0 124ns20 195 ‘D.iada7ape08 | _0 2650258163 0 aaoassans ‘0.9681718427 | Daeeana7ar4 ‘0 9046460081 ‘997081 1404 0.0001572464 —0.900089382) ‘00000144627 ‘d.0000040 46) FIGURA 17.2 Probabilidades de Poisson de TORA y Excel del ejemplo 17.4-1 ‘a) La cantidad promedio de anaqueles que se lenardn de libros cada mes (de 30 dias). b) La probabilidad de que se necesiten més de 10 secciones para libros cada mes, si una seccién contiene 5 anaqueles. 6. LaU de A administra dos Ifneas de autobuses en su campus: la roja y la verde, La roja da servi- cio al lado norte y la verde al lado sur, y hay una estaciGn de transbordo que une a las dos. Los autobuses verdes llegan al azar (de acuerdo con una distribucién de Poisson) a la estaciGn de transbordo cada 10 minutos. Los rojos Hegan al azar cada 7 minutos.590 Capitulo 17 _ Sistemas de colas 1a) {Cuil es la probubilidad de que dos autobuses Ileguen a la estacién durante un intervalo de 5 minutos? b) Un alumno, cuyo dormitories vecino a la estacin, tiene una clase dentro de 10 minutos, Cualesquiera de los autobuses lo llevar al edificio de su salon. El viaje en autobas dura 5 minutos, y después tiene que caminar unos 3 minutos para llegar a su sal6n. {Cull es la pro- babilidad de que legue a tiempo a su salén? 7. Demuestre que la media y la varianza de la distribucién de Poisson durante un intervalo ¢ son iguales a t, siendo d la frecuencia de Hegadas. 8. Deduzéa la distribucién de Poisson a partir de las ecuaciones en diferencias y diferenciales del modelo de nacimiento puro. Sugerencia: la soluciGn de Ia ecuacién diferencial general y + ay = 10 es emf bie'’dt + constant 17.4.2 Modelo de muertes puras Enel modelo de muerte(s) pura(s), el sistema comienza con N clientes cuando el tiempo es 0, y no se permiten mas llegadas. Las salidas se hacen con la frecuencia de wt. clientes por unidad de tiempo. Para deducir las ecuaciones en diferencias y diferenciales para la probabilidad p,(0) de nelientes remanentes alas t unidades de tiempo, Se seguirén los argumentos que se usaron en el modelo de nacimientos puros (Secci6n 17.4.1). Entonces, py(t + h) = pr(O(l ~ wh) pat + h) = prl(L — wh) + Pava(nte, 0 0. Eso quiere decir que para n > 0, el estado n s6lo puede cambiar a dos estados posibles: n — | cuando hay una salida con frecuencia p,, yn + 1 cuando hay una llegada con la frecuencia d,. El estado 0 s6lo puede cambiar al estado | cuando hay una Ilegada con la frecuencia ho. Observe que j1p no esti definida, porque no pueden haber salidas si el sistema esté vacfo FIGURA 17.3 Diagrama de transicién en eS oS ey: colas de Poisson Fatt594 Capitulo 17 Sistemas de colas Bajo condiciones de estado estable, para n > 0, las tasas esperadas de flujo de entrada y salida del estado n deben ser iguales. Con base en el hecho que el estado n s6lo puede cambiar alos estados n—1 yn + 1, se obtiene ( Tasa esperada de flujo hacia el nine») = RaaPaoa * BnerPaes De igual manera, (a rr) = Oa + Hla Al igualar las dos frecuencias se obtiene la siguiente ecuacién de balance: XatPaa + Batt Pati = n+ Ba)Pny 1 = 1, 2,-+ En la figura 17.3 se ve que la ecuacién de balance asociada con n = 0 es NoPo = Pi Las ecuaciones de balance se resuelven recursivamente en funcién de py como sigue: para n = 0, = x) Ps (% Po RoPo + BoP2 = (hi + ba)PL Se sustituye p; = (po y se simplifica, para obtener (jcomprucbelo!) m= an), 2 Ve? Se puede demostrar por induccién que, en general = (bethezesho Par ( Bento Ba Po ela El valor de py se determina con la ecuacién Spo Py = 1 Después, para n = 1, Ejemplo 17.5-1 B&K Groceries opera con tres cajas. El gerente usa el siguiente programa para determinar la cantidad de cajeras en operaci6n, en funcidn de la cantidad de clientes en la tienda: Cid. de clientes en ta tienda Ctd. de cajeros funcionando 1a3 1 406 : 2 Mas de 6 317.5 Modelo generalizado de cola de Poisson 595 Los clientes Hegan a las cajas siguiendo una distribucién de Poisson, con una frecuencia media de 10 por hora. El tiempo promedio de atencién a un cliente es exponencial, con 12 mi- nutos de promedio, Calcular la probabilidad p de estado estable de que haya n clientes en las cajas. De la informacién del problema se tiene que dy = = 10 clientes por hora, $2 = 5 clientes por hora, by = 4 2 X 5 = 10 clientes por hora, 3 X 5 = 15 clientes por hora, Entonees, Spo 5)\i0)’Po = 8Po He ENED) = 8G "Do, n= 7,8. Pn El valor de py se determina con la ecuacién Po + pol2 +44+84+84+848 + 8G) +867 +8GPt -- o bien, lo que es igual, pol + 81 + @) + GF + +++} Se aplica la formula de la suma de una serie geométrica: de=7 or) pof 3 + a(; 7 a} =1 En consecuencia, py = &. Conocida py, ya se puede determinar cualesquiera de las probabilidades del problema. Por ejemplo, la probabilidad de que slo haya una caja abierta se calcula como la de que haya entre 1 y 3 clientes en el sistema, esto es Pit pr + ps = (2 + 4 + 8)&) © 0.255 Se puede usar p, para determinar medidas de funcionamiento, o de eficiencia, para el ca- so de B&K. Por ejemplo, Cantidad esperada de cajas vacias p< para obtener ) = ape + rs + Do w+ Me + Ps + 7a * Oy D6 -) = Leaja596 Capitulo 17 Sistemas de colas CONJUNTO DE PROBLEMAS 17.54. 1. Enel ejemplo 17.5-1, determine Jo siguiente: a) La distribucién de probabilidades de la cantidad de cajas abiertas. ‘b) La cantidad promedio de cajas ocupadas. 2. En el modelo de B&K del ejemplo 17.5-1, suponga que el tiempo entre llegadas al drea de cajas es exponencial, con una media de 5 minutos, y que el tiempo de atencién a un cliente también es exponencial, con una media de 10 minutos. Ademés, suponga que B&K tiene una cuarta caja, y que las cajas abren dependiendo de incrementos de dos clientes (en el ejemplo, los incrementos ‘eran de 3 clientes). Determine lo siguiente: a) Las probabilidades p, de estado estable, para toda n. b) La probabilidad de que se necesite una cuarta caja ©) La cantidad promedio de cajas vactas, 3. Enel modelo de B&K del ejemplo 17.5-1, suponga que las tres cajas siempre estin abiertas, y ue el funcionamiento es de tal manera que el cliente pasa a la primera caja desocupada. Calcule lo siguiente: a) La probabilidad de que estén funcionando las tes cajas. ) La probabilidad de que un cliente que Hegue no tenga que esperar. 4._ El First Bank of Springdale tiene un cajero automético que despacha a automovilistas que for- ‘man una linea. Los vehfculos legan siguiendo una distribucién de Poisson, con una frecuencia de 12 por hora, El tiempo necesario para hacer una transaccidn en el cajero es exponencial, con 6 minutos de promedio. En la linea cabe un total de 10 automéviles. Una ver Hena, los automé- viles que lleguen deben irse a otra parte. Calcule lo siguiente: a) La probabilidad de que un vehiculo que Ilegue no pueda usar el cajero, porque la Iinea esti ena, b) La probabilidad de que un vehiculo no pueda usar el cajero inmediatamente al llegar. ©) Lacantidad promedio de vehiculos en la linea. 5. ¢Alguna vez oy6 usted la afirmacién contradictoria de “el lugar esté tan atestado que ya nadie va allf"? Esta afirmacién se puede interpretar como decir que aumenta la oportunidad de rehusar al aumentar a cantidad de clientes que buscan servicio. Una plataforma posible para modelar este caso es decir que la frecuencia de llegadas al sistema disminuye al aumentar la cantidad de clien- tes en el sistema, En forma més espeetfica, examinaremos el caso simplificado del M&M Pool Club, donde Jos clientes suelen llegar en pares para “jugar pool”. La frecuencia normal de llega- das es 6 pares (de personas) por hora. Sin embargo, una vez que la cantidad de pares que estén en el billar es mayor que 8, la frecuencia de Hlegada baja a 5 pares por hora. Se supone que el proceso de Hlegadas sigue una distribucién del Poisson. Cada par juega pool durante un tiempo exponencial, con 30 minutos de promedio. B! billar tiene un total de § mesas y no pueden caber mis de 12 pares en cualquier momento, Calcule lo siguiente: a) La probabilidad de que los clientes comiencen a rehusar. b) La probabilidad de que se estén usando todas las mesas. ©) La cantidad promedio de mesas en uso. 4) La cantidad promedio de pares en espera de que se desocupe una mesa de pool. 6. En una peluqueria se atiende a un cliente cada vez, y tiene tres sillas para los clientes que espe- ran. Si el lugar esté leno, los clientes van a otra parte, Las Hegadas siguen una distribucidn de Poisson con una media de 4 por hora. El tiempo de un corte de pelo es exponencial, con 15 mi- nutos de promedio. Determine lo siguiente:17.6 adas de Poisson 597 17.6 Colas especi a) Las probabilidades de estado estable, b) La cantidad esperada de clientes en la peluqueria. ©) La probabilidad de que los clientes vayan a otra parte por estar lleno el local. 7. Examine un caso de cola con un servidor, en el que las tasas de Ilegada y de servicio son: d= 10—n,n = 0,1,2,3 b= Zt Sn = 1,234 Este caso equivale a reducir la frecuencia de Hegadas y aumentar la rapidez. del servicio a medi- da que aumenta la cantidad n en el sistema, a) Formule el diagrama de transicién, y determine la ecuacién de balance para ¢l sistema. b) Determine las probabilidades de estado estable. 8. En un modelo de cola sélo se permite que haya un cliente en el sistema, Los clientes que llegan y encuentran ocupada la instalaci6n, se van y nunca regresan. Suponga que la distribucién de lle- ‘gadas es de Poisson, con promedio \ por unidad de tiempo, y que el tiempo de servicio es expo- nencial con una media + unidades de tiempo. a) Trace el diagrama de transicién y determine las ecuaciones de balance. b) Determine las probabilidades de estado estable. ©) Determine ta cantidad promedio en el sistema, 9. La demostracién por induccién, para deducir la solucién general del modelo generalizado, se aplica como sigue. Considere Hy, Pe T(t Joo k= 1.2... Se sustituyen p,_, y p, 2 en la ecuaci6n general de diferencias donde intervienen Py Py, ¥ Pq2 Pa ra deducir la ecuacién de p, que se busca. Compruebe este procedimiento. COLAS ESPECIALIZADAS DE POISSON La figura 17.4 muestra el caso especial de colas de Poisson cuando hay ¢ servidores en para- lelo. Un cliente en espera se selecciona de la cola para iniciar su servicio en el primer servidor disponible, La frecuencia de Hegadas al sistema es ) clientes por unidad de tiempo. Todos los, servidores estén en paralelo y son idénticos, lo que quiere decir que la tasa de servicio en cualquier servidor es p. clientes por unidad de tiempo. La cantidad de clientes en el sistema incluye, por definici6n, los que hay en el servicio y los que esperan en la cola. Una notacién c6moda para resumir las caracteristicas de la cola en la figura 17.4 es la que tiene el siguiente formato: (able) : (dlelf) en donde a = Distribucién de las Hegadas +b = Distribucién de las salidas (0 del tiempo de servicio) ¢ = Cantidad de servidores en paralelo (= 1, 2, 4.2) d = Disciplina de la cola598 Capitulo 17 _ Sistemas de colas }+~—_____— Sistema | Le . Instalaci6n_,| oe, de servicio Frecuencia J de salidas Fiecat (iit) Frecuencia recuencia de salidas de llegadas. ——>] is ie |_| Frecuencia de salidas 2 FIGURA 17.4 Esquema de un sistema de cola con c servidores en paralelo ¢ = Cantidad maxima (finita o infinita) admisible en el sistema (en la cola més en servicio) (f= Tamafio de la fuente (finito o infinito) Las notaciones normales o estdndar para representar las distribuciones de llegadas y de salidas (sfmbolos a y b) son: M = Distribucién de Markov (0 de Poisson) de las llegadas 0 de las salidas (0 lo que es igual, distribucién exponencial del tiempo entre llegadas 0 tiempo de servicio) D = Tiempo constante (deterministico) E, = Distribucién de Erlang o gamma del tiempo (0 bien, la suma de distribuciones expo- nenciales independientes) GI = Distribucién general del tiempo entre legadas G = Distribucién general del tiempo de servicio Entre la notacién de disciplinas de cola (simbolo d) estén: PLPS = Primero en llegar, primero en ser servido ULPS = Ultimo en llegar, primero en ser servido SEOA = Servicio en orden aleatorio DG = Disciplina en general (es decir, cualquier tipo de disciplina) Para ilustrar el empleo de la notacién, el modelo (M/D/10) : (DG/20/~) usa llegadas de Poisson (0 tiempo entre llegadas exponencial), tiempo constante de servicio y 10 servidores en paralelo. La disciplina de la cola es DG y hay un limite de 20 clientes en todo el sistema, El tamafio de la fuente desde donde Ilegan los clientes es infinito.17.6.1 17.6 Colas especializadas de Poisson 599 Como nota histérica, los primeros tres elementos de la notacién (a/b/c) fueron inventa- dos por D. G. Kendall en 1953, y en las publicaciones se llaman notacién de Kendall. Des- pués, en 1966, A. M. Lee agregé los simbolos d y e. Yo agregué el dltimo elemento, el sim- bolo f, en 1968. Antes de presentar los detalles de las colas de Poisson especializadas, indicaremos c6- mo se pueden deducir las medidas de eficiencia en estado estable, para el caso de colas gene- ralizadas, a partir de las probabilidades de estado estable p,, descritas en la seccién 17.5. Medidas de desemperio en estado estacionario Las medidas de desempefio, eficiencia o funcionamiento de una cola son L, = Cantidad esperada de clientes en el sistema L, = Cantidad esperada de clientes en la cola W, = Tiempo esperado de espera en el sistema W, = Tiempo esperado de espera en la cola © = Cantidad esperada de servidores ocupados Recuerde que el sistema abarca tanto a la cola como a la instalacién de servicio. Ahora indicaremos cémo se deducen (en forma directa o indirecta) esas medidas a par- tir de la probabilidad p, de estado estable de que haya n en el sistema, En forma especifica, = np > w-op, na Larelacién entre L, y W, (también L, y W,) se llama férmula de Lit L, = de Wy Ly = de Wy L, yes la siguiente: Estas relaciones son vélidas bajo condiciones bastante generales. El parimetro A, es la fre- cuencia efectiva de legada al sistema, Es igual a la tasa (nominal) de llegada \ cuando todos los clientes que Hegan se unen al sistema. En caso contrario, si algunos clientes no se pueden unir porque el sistema estd lleno (por ejemplo, un estacionamiento), entonces dy < . Mas adelante mostraremos cémo determinar hy. ‘También hay una relacién directa entre W, y W,. Por definicién, ‘Tiempo de espera) _ ( Tiempo de espera) , (Tiempo esperado enel sistema promedio en la cola de servicio Esto se traduce a600 Capitulo17 _ Sistemas de colas A continuacién, se puede relacionar L, con Le multiplicando ambos lados de la tiltima ecuacién por A.g y junto con la férmula de Little se obtiene Lene u Por definicién, la diferencia entre la cantidad promedio en el sistema, Ly la cantidad promedio en la cola, L,, debe ser igual a la cantidad promedio de servidores ocupados, c. En- tonces, . et a c=L,-L, Por lo anterior, entonces, Utilizacion de) _ © Ja instalacién ) ~ c Ejemplo 17.6-1 El estacionamiento de visitas de Ozark College se limita s6lo a cinco cajones. Los autombviles que lo usan Hegan siguiendo una distribucién de Poisson con frecuencia de cinco por hora. El tiempo de estacionamiento tiene distribucidn exponencial con 30 minutos de promedio. Las visi- tas que no pueden encontrar un lugar vacio inmediatamente cuando Ilegan pueden esperar provi- sionalmente dentro del estacionamiento hasta que salga un automévil estacionado. Los cajones provisionales slo pueden contener tres vehiculos. Otros vehiculos que no se puedan estacionar ni encontrar un espacio de espera temporal se deben ir a otra parte. Determinar lo siguiente: a) La probabilidad p, de que haya n automdviles en el sistema. b) La frecuencia efectiva de llegada para automéviles que usen en realidad el estacio- namiento. ¢) La cantidad promedio de automéviles en el estacionamiento. 4) El tiempo promedio que espera un automévil hasta que haya un cajén libre dentro del estacionamiento. €) Lacantidad promedio de cajones de estacionamiento ocupados. f) Lautilizacién promedio de ese estacionamiento. Primero se observa que un cajén de estacionamiento funciona como servidor, y entonces el sistema tiene un total de c = 5 servidores en paralelo, También, que la capacidad maxima del sistema es 5 + 3 = 8 automéviles. Se puede calcular la probabilidad p, como caso especial del modelo generalizado de la seccin 17.5. En forma especifica se tiene que dy = 6 automéviles/hora, n = 0, 1, 2,..., 8 __ {n(S) = 2n automéviles/hora, n = 1, 2,...,5 ‘, Ce = 10 automéviles/hora, n = 6, 7, 8 De acuerdo con la seccién 17.5, my Pr =17.6 Colas especializadas de Poisson 601 Fuente A tema FIGURA 17.5 Aerio Relacin entre A, Asi ¥ Areata Osea El valor de p, se calcula sustituyendo p,,n = 1, 2, ... 8, en la siguiente ecuacién: 3.3 Fat BF 36 0 + Pol an Po + py + +pp=l 3B) ntatart at ot ss * sig as) 7 Esto da como resultado p) = 0.04812 (;compruébelo!). A partir de py ya se pueden calcular p, 4p Y los resultados son n 1 2 3 4 5 6 1 8 P. (0.14436 0.21654 0.21654 0.16240 0.09744 0.05847 0403508 0.02105 La tasa efectiva de llegadas Ny, se puede calcular si se observa el esquema de la figura 17.5, donde los clientes llegan desde la fuente con la frecuencia \ automéviles por hora. Un auto que Hega puede entrar al estacionamiento 0 irse a otto lado, con las frecuencias respecti- VAS Nor O Ryerss 10 que significa que d= Ay + Ayeeiao: Un automdvil no podré entrar al esta- cionamiento si ya estan 8 autom@viles en él. Eso quiere decir que la proporcién de vehiculos que no pueden entrar al lote es pg. Entonces, Xpertido = Pg = 6 X 0.02105 = 0.1263 automéviles por hora Aer = A—Aperdido = 6 — 0.1263 = 5.737 automéviles por hora La cantidad promedio de vehiculos en el estacionamiento (los que esperan 0 los que ocu- pan un cajén) es igual a L,, la cantidad promedio en el sistema. Se puede calcular L, a partir de ,, como sigue: L, = Opy + Ip, + + 8ps = 3.1286 automéviles Un automsvil que espera en los cajones provisionales en realidad es uno en una Ifnea de espera. Entonces, su tiempo de espera a que haya un cajén vacio es W,. Para determinar W, se usaré la ecuaci6n 1 Ww, = W,-= " » Ast, 3.1286 W, = 52 = Sg7a7 = 053265 hora W, = 0.53265 — + = 0.03265 hora 2 La cantidad promedio de cajones ocupados es la misma que la cantidad promedio de ser- vidores ocupados, r, Ae _ 58737 _ 9.9368 cajones ti 2602 Capitulo 17 Sistemas de colas De ¢, se obtiene Utilizaci6n de cajones = CONJUNTO DE PROBLEMAS 17.64, 1, Enel ejemplo 17.6-1, haga lo siguiente: a) Caleule L, en forma directa con la formula E4(2 — Pre b) Calcule W, a partir de L, ©) Calcule la cantidad promedio de automéviles que no podrén entrar al estacionamiento duran- te-un periodo de 8 horas. d) Demuestre que la cantidad promedio de cajones vacios es igual a DSi — n)py- 2. Resuelva el ejemplo 17.6 con los datos siguientes: cantidad de cajones de estacionamiento = 6, cantidad de espacios provisionales = 4, \ = 10 automdviles por hora y tiempo aproximado de estacionamiento = 45 minutos. 17.6.2. Modelos con un servidor En esta seccidn se presentan dos modelos para el caso en que hay un solo servidor (¢ = 1). En el primer modelo no se establece limite para la cantidad maxima en el sistema, y en el segun- do se supone un Ifmite finito del sistema. Ambos modelos suponen una fuente de capacidad infinita. Las legadas suceden con la frecuencia de \’clientes por unidad de tiempo, y la tasa de servicio es pi clientes por unidad de tiempo. Los resultados de los dos modelos (y en realidad de todos los modelos restantes de la seccién 17.6) se deducen como casos especiales de! modelo generalizado de la secciGn 17.5. Se usaré la notacién de Kendall para resumir las caracterfsticas de cada caso. Como las deducciones de p, en la seccién 17.5 y de todas las medidas de desempefio en la seccién 17.6.1 son totalmente independientes de determinada disciplina de cola, se usard el simbolo DG (disciplina general) con la notacién. (MIMI) : (DG/oof>0). Con la notacién del modelo generalizado se tiene que » \hon = 0,1,2, Bn = También, Ayr = 2 Y Apeuiso = 0, Porque todos los clientes que Hegan pueden entrar al sistem, Sip = 4 laccuacidn de p, en el modelo generalizado se reduce entonces a Pn = p"Pos N= 0,1, 24... Para determinar el valor de pa se usa la identidad Pil +ptprt..)=1 Suponiendo que p < 1, la serie geométrica tiene la suma finita Po = 1 ~ p, siempre que p < 1 La f6rmula general de p, es entonces la de la siguiente distribucién geométrica:17.6 Colas especializadas de Poisson 603 Pn = (1 ~ pip", n= 1,2, ... (0 <1) La deduccién matemética de p, impone la condicién que p < 10 que X 0 Por lo anterior, w(t) es una distribuci6n exponencial con media W, = Ejemplo 17.6-3 En el modelo del lavado de autos del ejemplo 17.6-2, es razonable suponer que se hace ese servicio con base en una disciplina PLPS. Evaluar la fiabilidad (la “confiabilidad”) de usar W, como estimado del tiempo de espera en el sistema. Una forma de contestar esto es estimar la proporcién de clientes cuyo tiempo de espera es mayor que W,. Ya que W, = gy se obtiene Pe>wp=1-f Y a)dr = eM, = el = 0.368 Asf, con la disciplina PLPS, 37% de los clientes esperaran mas que W,. Esto parece demasia- do, en especial porque el W, actual para el avado de autos ya es alto (0.5 hora). Se nota que la probabilidad calculada (= @ ' = 0.368) es independiente de las tasas \ y 4. para cualquier sistema (M/M/1) : (PLPS/o0/00), lo cual significa que no se puede reducir su valor. Ast, si se diseiia el sistema con base en el W, promedio, se debe esperar que el 36.8% de los clientes de- ban esperar mas que el tiempo promedio de espera. La situacién puede mejorarse de dos maneras: 1) se puede aumentar la tasa de servicio 1, para bajar el valor de W, a un nivel aceptable, o bien 2) se puede seleccionar la rapidez de servi- cio tal que la probabilidad de que el tiempo de espera sea mayor que un valor especificado (por ejemplo 10 minutos) sea menor que un porcentaje razonablemente pequeiio (por ejemplo 10%). El primer método equivale a determinar p, tal que W, < T, y el segundo determinarfa ap resol- viendo la desigualdad P{r > T} < «x, donde el usuario especifica a T y a. CONJUNTO DE PROBLEMAS 17.6C 1, Enel problema 3, conjunto de problemas 17.6b, determine la probabil Columbo tarde mas de 1 semana para resolver un caso criminal. 2. Enel ejemplo 17.6-3 calcule lo siguiente: a) La desviacidn estindar del tiempo de espera 7 en el sistema, b) La probabilidad de que el tiempo de espera en el sistema varie la mitad de una desviacisn es- tandar respecto al valor promedio.