Está en la página 1de 60

INTRODUCCIN

Las colas son un aspecto de la vida moderna que se encuentran


continuamente

en

las

actividades

diarias.

En

el

contador

de

un

supermercado, accediendo al Metro, en los Bancos, etc., el fenmeno de las


colas surge cuando unos recursos compartidos necesitan ser accedidos para
dar servicio a un elevado nmero de trabajos o clientes. El estudio de las
colas es importante porque proporciona tanto una base terica del tipo de
servicio que podemos esperar de un determinado recurso, como la forma en
la cual dicho recurso puede ser diseado para proporcionar un determinado
grado de servicio a sus clientes.
Debido a lo comentado anteriormente, se plantea como algo muy til el
desarrollo de una herramienta que sea capaz de dar una respuesta sobre las
caractersticas que tiene un determinado modelo de colas. En este trabajo
se aplica la teora de colas. Una Cola es una lnea de espera y la teora de
colas es una coleccin de modelos matemticos que describen sistemas de
lneas de espera particulares o de sistemas de colas. Los modelos sirven
para encontrar el comportamiento de estado estable, como la longitud
promedio de la lnea y el tiempo de espera promedio para un sistema dado.
El problema es determinar qu capacidad o tasa de servicio
proporciona el balance correcto. Esto no es sencillo, ya que el cliente no
llega a un horario fijo, es decir, no se sabe con exactitud en qu momento
llegarn los clientes. Tambin el tiempo de servicio no tiene un horario fijo.
Debido a lo comentado anteriormente, se plantea como algo muy til el
desarrollo de una herramienta que sea capaz de dar una respuesta sobre las
caractersticas que tiene un determinado modelo de colas.

A continuacin se describe el desarrollo del presente trabajo, se


presenta de forma general informacin concerniente al clculo de resistencia
de apoyos mecnicos sometidos a esfuerzo. El trabajo est estructurado en
dos (2) captulos, el Captulo I comprende la contextualizacin del problema.
El Captulo II recoge un conjunto de aportes tericos sobre el tema estudiado
y el desarrollo de los resultados que se arrojaron en la investigacin. Las
conclusiones, recomendaciones y se finaliza con la bibliografa.

CAPTULO I
FORMULACIN DEL ESTUDIO
Planteamiento del Tema
En los problemas de formacin de cola, a menudo se habla de
clientes, tales como personas que esperan la desocupacin de lneas
telefnicas, la espera de mquinas para ser reparadas y los aviones que
esperan aterrizar y estaciones de servicios, tales como mesas en un
restaurante, operarios en un taller de reparacin, pistas en un aeropuerto,
etc. Los problemas de formacin de colas a menudo contienen una velocidad
variable de llegada de clientes que requieren cierto tipo de servicio, y una
velocidad variable de prestacin del servicio en la estacin de servicio.
Cuando se habla de lneas de espera, se refieren a las creadas por
clientes o por las estaciones de servicio. Los clientes pueden esperar en cola
simplemente porque los medios existentes son inadecuados para satisfacer
la demanda de servicio; en este caso, la cola tiende a ser explosiva, es decir,
a ser cada vez ms larga a medida que transcurre el tiempo. Las estaciones
de servicio pueden estar esperando por que los medios existentes son
excesivos en relacin con la demanda de los clientes; en este caso, las
estaciones de servicio podran permanecer ociosas la mayor parte del
tiempo.
Los clientes puede que esperen temporalmente, aunque las
instalaciones de servicio sean adecuadas, por que los clientes llegados
anteriormente estn siendo atendidos. Las estaciones de servicio pueden
3

encontrar temporal cuando, aunque las instalaciones sean adecuadas a largo


plazo, haya una escasez ocasional de demanda debido a un hecho temporal.
Estos dos ltimos casos tipifican una situacin equilibrada que tiende
constantemente hacia el equilibrio, o una situacin estable.
En la teora de la formacin de colas, generalmente se llama sistema a
un grupo de unidades fsicas, integradas de tal modo que pueden operar al
unsono con una serie de operaciones organizadas. La teora de la formacin
de colas busca una solucin al problema de la espera prediciendo primero el
comportamiento del sistema. Pero una solucin al problema de la espera
consiste en no solo en minimizar el tiempo que los clientes pasan en el
sistema, sino tambin en minimizar los costos totales de aquellos que
solicitan el servicio y de quienes lo prestan.
Este tema trata acerca de los clientes cuando llegan y hacen cola el
objetivo de este proceso es determinar cuntos clientes llegan en un
determinado lapso de tiempo, a esto se le llama nacimiento puro. La mayor
parte de los modelos elementales de colas suponen que las entradas
(llegada de clientes) y las salidas (clientes que se van) del sistema ocurren
de acuerdo al proceso de nacimiento y muerte. Este importante proceso de
teora de probabilidad tiene aplicaciones en varias reas. la teora de colas,
el trmino nacimiento se refiere a llegada de un nuevo cliente al sistema de
colas y el trmino muerte se refiere a la salida del cliente servido
La Teora de Colas es una formulacin matemtica para la optimizacin
de sistemas en que interactan dos procesos normalmente aleatorios: un
proceso de llegada de clientes y un proceso de servicio a los clientes, en
los que existen fenmenos de acumulacin de clientes en espera del
servicio, y donde existen reglas definidas (prioridades) para la prestacin
del servicio. La Teora de Colas es una aproximacin matemtica potente
para la optimizacin del problema, y tiene aplicaciones (crecientes) en
sistemas donde las llegadas y el servicio admiten una representacin
matemtica

(probabilstica);

en

problemas

representacin existen otras tcnicas.


4

que

no

admiten

esta

En este trabajo se tratar sobre la teora de colas ya que a menudo es


deseable tomar decisiones respecto de una situacin de teora de cola una
situacin de cola, y se caracteriza por el flujo de clientes que arriban a una o
ms estaciones en las que se efecta el servicio. Al arribo del cliente, ste
puede ser atendido inmediatamente o puede tener que esperar hasta que el
servicio est disponible; el tiempo en la cual se atiende a cada cliente puede
ser fijo o aleatorio, dependiendo del tipo de servicio. En la vida diaria hay
muchos ejemplos que se adaptan a esta situacin: autos arribando a una
estacin de servicio, o a un peaje; personas arribando al cajero automtico;
mquinas que fallan y que requieren ser reparadas; etc.
Para ello se ha desarrollado la Teora de Cola o de la Lnea de Espera
que se basa en describir el arribo o la partida y/o servicio) por distribuciones
de probabilidad apropiadas. Usando teora de probabilidad se derivan las
caractersticas operativas del problema, como ser tiempo de espera hasta
que el servicio del cliente sea completado, porcentaje de tiempo desocupado
por servicio. A lo expuesto anteriormente se encuentra necesario la
propuesta para Estudiar y aplicar los modelos y algoritmos de lneas de
espera, identificando y analizando los problemas donde se involucran los
modelos de lneas de espera y utilizarlos para encontrar su solucin, en
sistemas de produccin o de servicios adecuado
Objetivos de la Investigacin
Objetivo General
Estudio y aplicacin de un modelo de lneas de espera con la finalidad
de determinar una capacidad de servicio apropiada
Objetivos Especficos
1. Identificar cules son las caractersticas bsicas de una lnea de espera,
5

usar las formulas para cada uno de sus modelos.


2. Ejemplificar cada caso especfico y resolver problemas.
3. Establecer las conclusiones para cada modelo estudiado, de manera
accesible para futuros investigadores de este tema.
Importancia
En la mayora de los procesos que se presentan en las empresas de
manufactura y de servicio, aparecen las lneas de espera. Esto debido a que
casi siempre, la capacidad de servicio (en algn momento) es menor que la
capacidad demandada. Este proceso de generacin de lneas de espera,
trae consigo diferentes tipos de inconvenientes que se reflejan a corto y
mediano plazo.
Por tal motivo, se cuenta con un conjunto de modelos matemticos que
se enmarcan en el rea de La Teora de Colas. Estos modelos buscan
encontrar el equilibrio entre el nmero de unidades que se encuentran en la
lnea de espera y la cantidad de servidores que satisfagan la demanda de
servicio.
La teora de colas es un conjunto de modelos matemticos que
describen sistemas de lneas de espera particulares. El objetivo principal es
encontrar el estado estable del sistema y determinar una capacidad de
servicio apropiada que garantice un equilibrio entre el factor cuantitativo
(referente a costos del sistema) y el factor cualitativo (referente a la
satisfaccin del cliente por el servicio)

CAPTULO II
DESARROLLO DEL TEMA
Bases Tericas de la Investigacin
Teora de Cola

La teora de colas es el estudio matemtico del comportamiento de


lneas de espera. Esta se presenta, cuando los clientes llegan a un lugar
demandando un servicio a un servidor, el cual tiene una cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente y el cliente decide
esperar, entonces se forma la lnea de espera.
Una cola es una lnea de espera y la teora de colas es una coleccin
de modelos matemticos que describen sistemas de lnea de espera
particulares o sistemas de colas. Los modelos sirven para encontrar un buen
compromiso entre costos del sistema y los tiempos promedio de la lnea de
espera para un sistema dado.
Los sistemas de colas son modelos de sistemas que proporcionan
servicio. Como modelo, pueden representar cualquier sistema en donde los
trabajos o clientes llegan buscando un servicio de algn tipo y salen despus
de que dicho servicio haya sido atendido. Se pueden modelar los sistemas
de este tipo tanto como colas sencillas o como un sistema de colas
interconectadas formando una red de colas. El modelo de colas sencillo

puede usarse para representar una situacin tpica en la cual los clientes
llegan, esperan si los servidores estn ocupados, son servidos por un
servidor disponible y se marchan cuando se obtiene el servicio requerido.
Con frecuencia, las empresas deben tomar decisiones respecto al
caudal de servicios que debe estar preparada para ofrecer. Pero, por otro
lado, carecer de la capacidad de servicio suficiente causa colas
excesivamente largas en ciertos momentos. Cuando los clientes tienen que
esperar en una cola para recibir sus servicios, estn pagando un coste, en
tiempo, ms alto del que esperaban. Las lneas de espera largas tambin
son costosas por tanto para la empresa ya que producen prdida de prestigio
y prdida de clientes. El problema es determinar qu capacidad o tasa de
servicio proporciona el balance correcto.
La teora de las colas en si no resuelve directamente el problema, pero
contribuye con la informacin vital que se requiere para tomar las decisiones
concernientes prediciendo algunas caractersticas sobre la lnea de espera:
probabilidad de que se formen, el tiempo de espera promedio.

Caractersticas

Las siguientes caractersticas se aplican a los sistemas de colas:


1. Una poblacin de clientes, que es el conjunto de los clientes posibles.
2. Un proceso de llegada, que es la forma en que llegan los clientes de
esa poblacin.
3. Un proceso de colas, que est conformado por la manera que los
clientes esperan para ser atendidos y la disciplina de colas, que es la
8

forma en que son elegidos para proporcionarles el servicio.


4. Un proceso de servicios, que es la forma y la rapidez con la que es
atendido el cliente
5. Proceso de salida, que son de los siguientes dos tipos:
a.

Los elementos abandonan completamente el sistema despus de


ser atendidos, lo que tiene como resultado un sistema de colas de
un paso. Por ejemplo los clientes de un banco esperan en una sola
fila, son atendidos por uno de los tres cajeros y, despus que son
atendidos abandonan el sistema.

b.

Los productos, ya que son procesados en una estacin de trabajo,


son trasladados a alguna otra parte para someterlos a otro tipo de
proceso, lo que tiene como resultado una red de colas. Por ejemplo,
los productos primero son procesados en la estacin de trabajo A y
despus son enviadas a la estacin de trabajo B o C. Los productos
terminados en ambas estaciones, B y C, luego son procesados en
la estacin D, antes de abandonar el sistema.

Elementos que Conforman la Teora de Colas


Proceso Bsico de Colas: Los clientes que requieren un servicio se
generan en una fase de entrada. Estos clientes entran al sistema y se unen a
una cola. En determinado momento se selecciona un miembro de la cola,
para proporcionarle el servicio, mediante alguna regla conocida como
disciplina de servicio. Luego, se lleva a cabo el servicio requerido por el
cliente en un mecanismo de servicio, despus de lo cual el cliente sale del
sistema de colas.

Fuente de Entrada o Poblacin Potencial: Es un conjunto de


individuos (no necesariamente seres vivos) que pueden llegar a solicitar el
servicio en cuestin. Podemos considerarla finita o infinita. Aunque el caso
de infinitud no es realista, s permite (por extrao que parezca) resolver de
forma ms sencilla muchas situaciones en las que, en realidad, la poblacin
es finita pero muy grande. Dicha suposicin de infinitud no resulta restrictiva
cuando, an siendo finita la poblacin potencial, su nmero de elementos es
tan grande que el nmero de individuos que ya estn solicitando el citado
servicio prcticamente no afecta a la frecuencia con la que la poblacin
potencial genera nuevas peticiones de servicio.
Cliente: Es todo individuo de la poblacin potencial que solicita
servicio. Suponiendo que los tiempos de llegada de clientes consecutivos
son 0<t1<t2<..., ser importante conocer el patrn de probabilidad segn el
cual la fuente de entrada genera clientes. Lo ms habitual es tomar como
referencia los tiempos entre las llegadas de dos clientes consecutivos:
T{k} = tk - tk-1, fijando su distribucin de probabilidad. Normalmente, cuando
la poblacin potencial es infinita se supone que la distribucin de
probabilidad de los Tk (que ser la llamada distribucin de los tiempos entre
llegadas) no depende del nmero de clientes que estn en espera de
completar su servicio, mientras que en el caso de que la fuente de entrada
sea finita, la distribucin de los Tk variar segn el nmero de clientes en
proceso de ser atendidos.
Capacidad de la Cola: Es el mximo nmero de clientes que pueden
estar haciendo cola (antes de comenzar a ser servidos). De nuevo, puede
suponerse finita o infinita. Lo ms sencillo, a efectos de simplicidad en los
clculos, es suponerla infinita. Aunque es obvio que en la mayor parte de los
casos reales la capacidad de la cola es finita, no es una gran restriccin el
suponerla infinita si es extremadamente improbable que no puedan entrar
clientes a la cola por haberse llegado a ese nmero lmite en la misma.
10

Disciplina de la Cola: Es el modo en el que los clientes son


seleccionados para ser servidos. Las disciplinas ms habituales son:
1. La disciplina FIFO (first in first out), tambin llamada FCFS (first come
first served): segn la cual se atiende primero al cliente que antes haya
llegado.
2. La disciplina LIFO (last in first out), tambin conocida como LCFS (last
come first served) o pila: que consiste en atender primero al cliente que
ha llegado el ltimo.
3. La RSS (random selection of service), o SIRO (service in random
order), que selecciona a los clientes de forma aleatoria.
Mecanismo de Servicio: Es el procedimiento por el cual se da servicio a
los clientes que lo solicitan. Para determinar totalmente el mecanismo de servicio
debemos conocer el nmero de servidores de dicho mecanismo (si dicho nmero
fuese aleatorio, la distribucin de probabilidad del mismo) y la distribucin de
probabilidad del tiempo que le lleva a cada servidor dar un servicio. En caso de
que los servidores tengan distinta destreza para dar el servicio, se debe
especificar la distribucin del tiempo de servicio para cada uno.

Figura 1. Mecanismo de Servicio


La Cola: Propiamente dicha, es el conjunto de clientes que hacen
espera, es decir los clientes que ya han solicitado el servicio pero que an no
han pasado al mecanismo de servicio.

11

El Sistema de la Cola: Es el conjunto formado por la cola y el


mecanismo de servicio, junto con la disciplina de la cola, que es lo que nos
indica el criterio de qu cliente de la cola elegir para pasar al mecanismo de
servicio. Estos elementos pueden verse ms claramente en la siguiente
figura:

Figura 2. El Sistema de la Cola


Un modelo de sistema de colas debe especificar la distribucin de
probabilidad de los tiempos de servicio para cada servidor.
Distribucin de los tiempos de servicio y llegada en un sistema de cola

Aunque a veces se sabe exactamente cundo se van a producir las


llegadas al sistema, en general el tiempo que transcurre entre dos llegadas
consecutivas se modela mediante una variable aleatoria. En particular,
cuando la fuente es infinita se supone que las unidades que van llegando al
sistema dan lugar a un proceso estocstico llamado de conteo; si todos los
tiempos entre llegadas son variables aleatorias independientes idnticamente
distribuidas, se dice que es un proceso de renovacin. Usualmente, el
proceso que se utiliza es un proceso de Poisson.
Cuando la fuente es finita se suele asumir que la probabilidad de que
se produzca una llegada en un intervalo de tiempo es proporcional al tamao
12

de la fuente en ese instante.


Se llama capacidad del servicio al nmero de clientes que pueden ser
servidos simultneamente. Si la capacidad es uno, se dice que hay un solo
servidor (o que el sistema es monocanal) y si hay ms de un servidor,
multicanal. El tiempo que el servidor necesita para atender la demanda de un
cliente (tiempo de servicio) puede ser constante o aleatorio.

Parmetros de la teora de cola

- n = Tasa media de llegadas de nuevos clientes cuando hay n clientes en el


sistema (nmero promedio de llegadas por unidad de tiempo).
- 1/ = Tiempo promedio entre llegadas.
- n = Tasa media de servicio de nuevos clientes cuando hay n clientes en el
sistema (nmero promedio de clientes al cual puede dar servicio la
instalacin en una unidad de tiempo, suponiendo que no hay escasez de
clientes).
- 1/ = Tiempo promedio servicio.
- Lq = Nmero esperado de clientes en la cola (excluye los clientes que estn
en servicio).
- L = Nmero esperado de clientes que se atienden y/o esperan en el
sistema.
- Wq = Tiempo estimado que emplea un cliente esperando en la cola.

13

- W = Tiempo estimado que emplea un cliente esperando ms el que emplea


siendo atendido (tiempo esperado en el sistema).
- Po = Probabilidad de encontrar el sistema vaco u ocioso.
- Pn = Probabilidad de encontrar exactamente n clientes en el sistema.
- = Fraccin esperada de tiempo que los servidores individuales estn
ocupados.

La Distribucin de Poisson
Esta distribucin es muy frecuente en los problemas relacionados con
la investigacin operativa, sobre todo en el rea de la gestin de colas. Suele
describir, por ejemplo, la llegada de pacientes a un ambulatorio, las llamadas
a una central telefnica, la llegada de coches a un tnel de lavado, etc. Todos
estos casos pueden ser descritos por una variable aleatoria discreta que
tiene valores no-negativos enteros.
La Distribucin Exponencial
La distribucin de Poisson describe las llegadas por unidad de tiempo
y la distribucin exponencial estudia el tiempo entre cada una de estas
llegadas. Si las llegadas son de Poisson, el tiempo entre ellas es
exponencial. La distribucin de Poisson es discreta, mientras que la
distribucin exponencial es continua, porque el tiempo entre llegadas no
tiene por qu ser un nmero entero.
Esta distribucin se usa mucho para describir el tiempo entre eventos,
especficamente, la variable aleatoria que representa el tiempo necesario
para servir a la llegada. Un ejemplo tpico puede ser el tiempo que un mdico
14

dedica a un paciente.

Modelos de la teora de cola

1. Modelo de la Cola Infinita, Fuente Infinita y una Unidad de Servicio.


Para este modelo se considera lo siguiente:
a. Las llegadas son aleatorias y provienen de una distribucin de
probabilidad de Poisson o de Markov.
b. Se supone que el tiempo de servicio es tambin una variable aleatoria
que sigue una distribucin exponencial o de Markov. Se supone
adems que los tiempos de servicios son independientes entre s e
independientes del proceso de llegada.
c. Slo hay una unidad de servicio.
d. La disciplina de cola se basa en el principio FIFO (primero en llegar
primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar los
efectos de las condiciones iniciales.

n :

para n = 0,1,2,3,.

<

n : para n = 1,2,3, ..

15

Probabilidad de encontrar exactamente n clientes en el sistema:


n
P n=
Po , n 0

()

Probabilidad de encontrar el sistema vacio:

( )

Po=1

Factor de utilizacin:
=

Nmero estimado de clientes que esperan ser atendidos:


2

( )
Lq =
()

Nmero estimado de clientes en el sistema, ya sea esperado en la cola


y/o siendo atendidos:
L=

Tiempo estimado que emplea un cliente esperando en la cola:

W q=

( )
16

Tiempo estimado que emplea un cliente en el sistema:

W=

Probabilidad de que el tiempo empleado (T) exceda a un valor particular


t:
a) Incluyendo el tiempo de servicio.
t

P (T >t )=e( ) , t 0
b) Excluyendo el tiempo de servicio.
( )
e
,t 0

()

P ( T q >t ) =

2. Modelo de la Cola Infinita, Fuente Infinita y una Unidad de Servicio


Mltiple.

Para este modelo de considera lo siguiente:


a. Las llegadas son aleatorias y provienen de una distribucin de
probabilidad de Poisson o de Markov.
b. Se supone que el tiempo de servicio es tambin una variable
aleatoria que sigue una distribucin exponencial o de Markov. Se
supone adems que los tiempos de servicios son independientes
entre s e independiente del proceso de llegada.
c. Hay varias unidades de servicio.

17

d. La disciplina de cola se basa en el principio FIFO (primero en llegar


primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar
los efectos de las condiciones iniciales.

n :

para n = 0,1,2,3,.

< S

n= n para n=1,2,3, .. , S
S para n=S , S +1, ..

S : nmero de unidades de servicio.

Probabilidad de encontrar exactamente n clientes en el sistema:

n Po ,0 n S 2

n!
Pn =

Probabilidad de encontrar el sistema vacio:

18

P o=

1
S 1

n=0

[ ]
n

[ ]

S
1 []
1 [ ]
+
n ! [ ] S ! [ ] S

Factor de utilizacin:

Nmero estimado de clientes que esperan ser atendidos:

( /)S ( / S )
Lq =
Po
S !(1( /S ))2

Nmero estimado de clientes en el sistema, ya sea esperado en la cola


y/o siendo atendidos:

]( )

( /)

L=
P +
L=Lq +( / )
2 o

( S1 ) !( S )

Tiempo estimado que emplea un cliente esperando en la cola:

W q=

Tiempo estimado que emplea un cliente en el sistema:

W=

( /)S
Po W q=Lq /
( S1 ) !(S )2

]( )

( /)S
1
P +
W =W q +(1/)
2 o

( S1 ) ! ( S )

Probabilidad de que el tiempo empleado (T) exceda a un valor particular t:


Incluyendo el tiempo de servicio.

19

P (T >t )=et

S
1e t(S 1(/ ))
1+
S ! ( 1 ) S1( /)
Po

()
(

1e
Cuando S1 =0 ,

S1

()

( ))

t S1

()

debe sustituirse por t.

P (T >t )=[ 1P ( T =0 ) ] eS(1 )t


S 1

P (T =0 )= P n
n=0

3. Modelo de la Cola Finita, Fuente Infinita y una Unidad de Servicio.

Para este modelo de considera lo siguiente:

a. Las llegadas son aleatorias y provienen de una distribucin de


probabilidad de Poisson o de Markov.
b. Se supone que el tiempo de servicio es tambin una variable aleatoria
que sigue una distribucin exponencial o de Markov. Se supone
adems que los tiempos de servicios son independientes entre s e
independiente del proceso de llegada.
c. Hay una unidad de servicio.
d. La disciplina de cola se basa en el principio FIFO (primero en llegar
primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar los
20

efectos de las condiciones iniciales.


f. No se permite que el nmero de clientes exceda un nmero especificado
(M). A cualquier cliente que llega cuando la cola est llena se le niega la
entrada al sistema y este cliente lo deja para siempre.

n = para n=0,1,2,3, .., M1


0 para n M

para n = 1,2,3,.
n=

M : nmero mximo de clientes en el sistema.

Probabilidad de encontrar exactamente n clientes en el sistema:

1( /)
P o , para n=0,1,2, . , M , si >
1( / ) M+1
P n=

, para n=0,1,2,3, , M , si
=1, L=M /2
M +1

()

Probabilidad de encontrar el sistema vacio:

P o=

1( )
si >
1( )M +1

Factor de utilizacin:

Nmero estimado de clientes en el sistema, ya sea esperando en la


21

cola y/o atendidos:

n Pn=

( M+ 1 ) ( / )M +1
( /)

1( / )
1( /) M+1
M

L=
n=0

Nmero estimado de clientes que esperan ser atendidos:

Lq=L(1P o)

Tiempo estimado que emplea un cliente esperando en la cola:

W q=

Lq
, = efectiva
e e

M1

e = Pn= ( 1P M )=(1P o)
n=0

Tiempo estimado que emplea un cliente en el sistema:

W =L / e

4. Modelo de la Cola Finita, Fuente Infinita y una Unidad de Servicio


Mltiple.

Para este modelo de considera lo siguiente:

a. Las llegadas son aleatorias y provienen de una distribucin de


probabilidad de Poisson o de Markov.

22

b. Se supone que el tiempo de servicio es tambin una variable aleatoria


que sigue una distribucin exponencial o de Markov. Se supone
adems que los tiempos de servicios son independientes entre s e
independiente del proceso de llegada.
c. Hay varias unidades de servicio.
d. La disciplina de cola se basa en el principio FIFO (primero en llegar
primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar los
efectos de las condiciones iniciales.
f. No se permite que el nmero de clientes exceda un nmero especificado
(M). A cualquier cliente que llega cuando la cola est llena se le niega la
entrada al sistema y este cliente lo deja para siempre.

n= n para n=1,2,3, .. , S
S para n=S , S +1, ..

n =

para n = 0,1,2,3,.

M: nmero mximo de clientes en el sistema.

SM

Probabilidad de encontrar exactamente n clientes en el sistema:

23

P n=

P , para n=1,2, ., S
n! o

()

Po , para n=S , S+ 1, .. , M
S ! Sn S
0 para n> M

()

Probabilidad de encontrar el sistema vacio:


1

P o=

1+
n=1

( /) ( /)

+
+
n!
S!
S
n=S +1

nS

( )

Factor de utilizacin:

=
S

Nmero estimado de clientes que esperan ser atendidos:


S

P ( /)
Lq = o
[1 MS ( M S ) M S (1)]
2
S !(1 )

Nmero estimado de clientes en el sistema, ya sea esperando en la


cola y/o atendidos:
Pn
S 1

1
n=0

n Pn + Lq +S
S 1

L=
n=0

Tiempo estimado que emplea un cliente esperando en la cola:

W q=

Lq
, = efectiva
e e

24

M 1

e = Pn= ( 1P M )=(1P o)
n=0

Tiempo estimado que emplea un cliente en el sistema:


W =L / e

5. Modelo de la Cola Finita, Fuente Finita y una Unidad de Servicio.

Para este modelo de considera lo siguiente:


a. Las llegadas son aleatorias y provienen de una distribucin de
probabilidad de Poisson o de Markov.
b. Se supone que el tiempo de servicio es tambin una variable aleatoria
que sigue una distribucin exponencial o de Markov. Se supone
adems que los tiempos de servicios son independientes entre s e
independiente del proceso de llegada.
c. Hay una unidad de servicio.
d. La disciplina de cola se basa en el principio FIFO (primero en llegar
primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar los
efectos de las condiciones iniciales.
f. No se permite que el nmero de clientes exceda un nmero
especificado (M). A cualquier cliente que llega cuando la cola est llena
se le niega la entrada al sistema y este cliente lo deja para siempre.

25

n = ( M n) para n=0,1,2,3, .. , M
0 para n M

para n = 1,2,3,.
n=

M: nmero mximo de clientes en el sistema.

Probabilidad de encontrar exactamente n clientes en el sistema:

P n=

M ! (/ )n
P , para n=1,2, , M
(M n! ) o

Probabilidad de encontrar el sistema vacio:


1

P o=

n=0

Nmero estimado de clientes que esperan ser atendidos:

Lq=M

M ! ( /)
(M n)!

+
(1P o)

Nmero estimado de clientes en el sistema, ya sea esperando en la


cola y/o siendo atendidos:

L=M (1Po )

L= n Pn =Lq +(1P o)
n=0

Tiempo estimado que emplea un cliente esperando en la cola:


26

W q=

Lq
, = efectiva
e e

e = ( M L)

Tiempo estimado que emplea un cliente en el sistema:


W =L / e

6. Modelo de la Cola Finita, Fuente Finita y una Unidad de Servicio


Mltiple.

Para este modelo de considera lo siguiente:

a. Las llegadas son aleatorias y provienen de una distribucin de


probabilidad de Poisson o de Markov.
b. Se supone que el tiempo de servicio es tambin una variable aleatoria
que sigue una distribucin exponencial o de Markov. Se supone
adems que los tiempos de servicios son independientes entre s e
independiente del proceso de llegada.
c. Hay varias unidades de servicio.
d. La disciplina de cola se basa en el principio FIFO (primero en llegar
primero en salir) y no hay un lmite para el tamao de la cola.
e. Las tasas de llegadas y de servicio no cambian con el tiempo. El
proceso ha estado en operacin el tiempo suficiente para eliminar los
27

efectos de las condiciones iniciales.


f. No se permite que el nmero de clientes exceda un nmero
especificado (M). A cualquier cliente que llega cuando la cola est llena
se le niega la entrada al sistema y este cliente lo deja para siempre.

n= n para n=1,2,3, .. , S
S para n=S , S +1, ..

n = ( Mn) para n=0,1,2,3, .. , M


0 para n M

M: nmero mximo de clientes en el sistema.

SM

Probabilidad de encontrar exactamente n clientes en el sistema:

P , para 0 n S
(M n)n ! o
P n=
n
M!

Po , para S n M
( M n ) ! S ! Sn S
0 para n>M

M!

()

()

Probabilidad de encontrar el sistema vacio:


1

P o=
S 1

n=0

] [

n
n
M
!
M

(M n)n! n=S ( M n ) ! S ! Sn S
M!

()

()

28

Nmero estimado de clientes que esperan ser atendidos:


M

Lq= (nS)P n
n= S

Nmero estimado de clientes en el sistema, ya sea esperando en la


cola y/o siendo atendidos:
S 1

S 1

n=0

n=0

L= n P n=Lq +(1 P n)

Tiempo estimado que emplea un cliente esperando en la cola:

W q=

Lq
, = efectiva
e e

e = ( M L)

Tiempo estimado que emplea un cliente en el sistema:


W =L / e

Identificacin de las Caractersticas Bsicas de Una Lnea de Espera


Como la mayor parte de las tcnicas matemticas, la teora de lneas de
espera tiene su propio conjunto de trminos. El de disciplina de la lnea de
espera se refiere a la condicin en que se escogen las llegadas para recibir
servicio. En esta seccin el procedimiento consiste en que las llegadas
ocupan su lugar en la lnea de espera, a base de que el que llega primero
queda en primer lugar.
Las llegadas pueden ser uniformes durante cierto periodo, o pueden ser
aleatorias. La tasa de llegadas puede tomar la forma de empleados que
llegan a la caseta de herramientas de la empresa, o en otras condiciones

29

podran representar el nmero de clientes que esperan para comer.


Generalmente, la tasa de llegada se expresa como tasa de llegada por
unidad de tiempo. Si es aleatoria los clientes no llegan en un orden o patrn
lgico en el transcurso del tiempo, lo que representa la mayor parte de los
casos en el mundo de los negocios. En las situaciones en que las llegadas
se distribuyen en forma aleatoria puede utilizarse su promedio si se registra
durante un periodo suficientemente prolongado.
La tasa de servicio se ocupa de la forma en que las instalaciones de
servicio pueden manejar las demandas de llegada, y se expresa como una
tasa por unidad de tiempo. Por ejemplo, la tasa de servicio podra indicar el
nmero de pedidos que el departamento de piezas de repuesto procesa por
hora. Tambin el tiempo de servicio puede ser uniforme o distribuido en
forma aleatoria. En los problemas de negocios se encontraran ms casos de
tasa uniforme de servicio que de tasa uniforme de llegada.
Aplicaciones de la Teora de Lneas de Espera
La teora de las lneas de espera se ha aplicado a una gran variedad de
situaciones de negocios. Una breve descripcin de algunas aplicaciones ser
de gran ayuda para sugerir problemas a los que pueda aplicarse la teora.
Una gran cadena de supermercados ha utilizado las lneas de espera para
determinar el nmero de estaciones de control que se requieren para lograr
un funcionamiento continuo y econmico de sus almacenes, a diversas horas
del da. Otro uso de esta teora consiste en analizar las demoras en las
casetas de peaje de puentes y tneles. Un estudio de esta ndole se refiere
al nmero y programacin de las casetas de peaje requeridas sobre una
base de veinticuatro horas, a fin de reducir al mnimo los costos en
determinado nivel de servicio. Otras reas relacionadas con un cliente, serian
las lneas de espera de restaurantes y cafeteras, expendios de gasolina,
oficinas de lneas areas, almacenes de departamentos y la programacin de
los pacientes en las clnicas. En todos los casos, los clientes esperan cierto
30

nivel aceptable de servicio, mientras que la empresa espera poder mantener


sus costos al mnimo.
La teora de las lneas de espera no solo es aplicable a los
establecimientos de ventas a] menudeo o mayoreo, sino que las empresas
manufacturaras tambin la usan extensamente. Una aplicacin muy popular
de la teora de las lneas de espera es el rea de las casetas de
herramientas. Los sobrestantes se quejan constantemente de que sus
hombres tienen que esperar mucho tiempo en las filas para recibir
herramientas y piezas. Aunque se presiona a los gerentes de fabrica para
que reduzcan los gastos generales de administracin, e! aumento de
empleados puede reducir realmente los gastos generales de manufactura,
porque el personal de la fabrica puede trabajar en vez de esperar en una fila.
Otro problema que ha resuelto con xito la teora de las lneas de
espera. Es la determinacin adecuada del nmero de muelles que se
requieren cuando se construyen instalaciones terminales para barcos y
camiones. Como tanto los costos de los muelles como los de las demoras
pueden ser considerables, ya que los primeros disminuyen mientras
aumentan los segundos, o viceversa, es muy conveniente construir el
numero de muelles que reduzcan al mnimo la suma de esos dos costos,
Varias

empresas

manufactureras

han

atacado

el

problema

descomposturas y reparaciones de sus maquinas, utilizando

de

la misma

teora, El problema se refiere a una batera de maquinas que se


descomponen individualmente en diferentes pocas. En realidad, las
mquinas que se descomponen forman una lnea de espera para su
reparacin por el personal de mantenimiento. Es conveniente emplear el
personal de reparaciones necesario para disminuir al mnimo la suma del
costo de la perdida de produccin causada por el tiempo de espera y del
costo de los mecnicos.
La teora de las lneas de espera se ha extendido para estudiar un plan
de incentivos de salarios. Por ejemplo, se haba asignado cierto personal de
31

lnea de produccin para manejar dos maquinas, mientras que a otros se les
haba asignado para manejar. Cuatro maquinas. Como. Todas las mquinas
son Iguales, los trabajadores reciben el mismo salario bsico, pero la
gratificacin de incentivo por la produccin sobre la cuota, es de la mitad por
unidad para los operadores con cuatro maquinas que para los que tienen
dos: maquinas.
Superficialmente ese arreglo parece equitativo. No obstante, un; estudio
de las condiciones reales revela que aunque cada una de las dos mquinas
que maneja un solo hombre estaran ociosas alrededor del 12 por ciento de
su tiempo programado, cada una de las cuatro maquinas manejadas j por un
solo individuo estaran ociosas alrededor del 16 por ciento de su tiempo
programado. El problema es que dos (o ms) mquinas pueden
descomponerse a la vez en el grupo de cuatro maquinas, lo que
generalmente no ocurre con el grupo de dos maquinas. El individuo que
maneja el, grupo de cuatro maquinas tiene que trabajar a mayor eficiencia
que el que j maneja un grupo de dos maquinas, a fin de ganar el mismo
incentivo. El problema se resolvera pagando a los operadores de las
bateras de cuatro maquinas un salario bsico mayor, determinado
bsicamente empleando las probabilidades calculadas con la teora de las
lneas de espera.
Las reas anteriores no agotan en modo alguno las posibles
aplicaciones de la teora de las lneas de espera, que pueden extenderse
para incluir la i dotacin de personal de las operaciones de oficina, y el
equilibrio del flujo de materiales en un taller de tareas. Esa teora puede tener
una influencia bien definida en el desafo de un sistema de inventario y de
control de produccin.
Tiempos Uniformes de Llegaba y de Servicio
El manejo apropiado de los tiempos uniformes de llegada y de servicio,
en trminos de costo mnimo, puede demostrarse con un ejemplo. Una
32

empresa manufacturera maneja muchas casetas de herramientas dentro de


una de sus grandes fbricas. Actualmente, el grupo de anlisis de sistemas
tiene en observacin una de esas casetas atendida por un trabajador, los
maquinistas llegan a solicitar servicio a una tasa uniforme de 10 por hora
mientras que se observa que el encargado de la caseta de herramienta
atiende sus peticiones a una tasa uniforme de 7 1/2 por hora. Seria?
lucrativo para la empresa aumentar el nmero de encargados si se les paga
a razn de $3.00 por hora, y se paga a los maquinistas a razn de $4.QO
hora? Esas cuotas incluyen los beneficios marginales.
Inicialmente, el problema se calcula sobre una base de 4 horas, porque
el personal del taller trabaja de las 8 a. m. a las 12, y luego sale a almorzar
Los resultados finales se calculan sobre una base de 8 horas. En vista de
esos datos tasa uniforme de llegada de 10 por hora (uno cada 6 minutes) y
una tasa uniforme de servicio de 7 1/2 por hora (uno cada 8 minutos) el
problema puede resolverse empleando la formula de la suma de una serie
aritmtica. Si el primer hombre llega a las 8 a. m. no tiene tiempo de espera.
Antes de dar servicio al que llego primero, el que liego en segundo lugar se
convierte en el primero que espera en la fila, y su tiempo de espera es de 2
minutos (8 minutos 6 minutos), antes de que se le de servicio.
Una vez que conocemos el tiempo de espera del primer maquinista, es
necesario calcular el tiempo de espera del ltimo hombre en nuestras 4
horas inciales. Como llegan 40 maquinistas (10 hombres por hora X 4 ho ras), y el primero no espera, debemos calcular el tiempo de espera de los
treinta y nueve restantes, o sea que 39 maquinistas multiplicados por 2
minutos son igual a 78 minutos. Como el aumento del tiempo de espera para
cada maquinista adicional es lineal, podemos promediar el tiempo de espera
del segundo y del cuadragsimo. El promedio del tiempo de espera de cada
maquinista es igual a 2 minutos ms 78 minutos, dividido entre 2, 6 40
minutos. (La probabilidad de que los que lleguen al ltimo no espere en la
fila, porque se acerca la hora del almuerzo, no se ha considerado aqu,
aunque normalmente lo ser.) El examen de los datos indica que el costo se
33

reduce al mnimo empleando dos encargados. En contraste con las tasas


uniformes, la mayor parte de los problemas de los negocios se ocupa de
tasas aleatorias de llegada y de servicio, cuya solucin requiere un proceso
diferente, que constituir el tema del resto de esta seccin.
Teora de Lneas de Espera de Un Solo Canal
En la ltima seccin, se estudio las tasas uniformes de llegada y de
servicio, y ahora estudiaremos las tasas aleatorias de llegada y de servicio
en un problema de lneas de espera de un solo canal (una sola estacin). No
trataremos aquellos casos en los que la capacidad de las instalaciones de
servicio es mayor que el promedio de las demandas de las entradas, porque
esta condicin da por resultado que no haya lneas de espera. En vez de ello
nos ocuparemos de un problema de lneas de espera de un solo canal, en el
que hay una lnea de espera que resulta de tiempos aleatorios de llegada y
de servicio. Vale la pena notar que los modelos de lneas de espera pueden
usarse para eliminar un exceso de trabajadores, cuando la instalacin de
servicio es mayor que las demandas de servicio.
La forma en que llegan las unidades es aleatoria, si no puede
predecirse exactamente cuando llegara cierta unidad.
Ejemplificacin de cada caso especfico y resolver problemas.
Modelos de Poisson
Proceso De Nacimiento Puro Y Muerte Pura
En esta seccin se considerarn dos procesos especiales. En el primer
proceso, los clientes llegan y nunca parten y en el segundo proceso los
clientes se retiran de un abasto inicial. En ambos casos los procesos de
llegada y retiro ocurren de manera aleatoria. Las dos situaciones se
34

denominan proceso de nacimiento puro y proceso de muerte pura.


Modelo De Nacimiento Puro
Considere la situacin de emitir actas de nacimiento para bebes recin
nacidos. Estas actas se guardan normalmente en una oficina central de
Registro Civil. Hay razones para creer que el nacimiento de bebes y, por ello,
la emisin de las actas correspondientes es un proceso completamente
aleatorio que se puede describir por medio de una distribucin de Poisson.
Suponiendo que es la tasa con que se emiten las actas de nacimiento, el
proceso de nacimiento puro de tener n arribos o llegadas (acta de
nacimiento) durante el periodo de tiempo

t se puede describir con la

siguiente distribucin de Poisson:


, n=0,1,2,. (Nacimiento puro)
Donde

es la tasa de llegadas por unidad de tiempo, con el nmero

esperado de llegadas durante t igual a t.


Ejemplo 1
Suponga que los nacimientos en un pas estn separados en el tiempo, de
acuerdo con una distribucin exponencial, presentndose un nacimiento
cada 7 minutos en promedio.
Como el tiempo promedio entre arribos (entre nacimientos) es de 7 minutos,
la tasa de nacimiento en el pas se calcula como:

El nmero de nacimientos en el pas por ao est dado por


t = 205.7x365 = 75080 nacimientos/ao
La probabilidad de ningn nacimiento en cualquier da es
35

Suponga que nos interesa la probabilidad de emitir 45 actas de nacimiento al


final de un periodo de 3 horas, si se pudieron emitir 35 actas en las primeras
2 horas.
Observamos que debido a que los nacimientos ocurren segn un proceso de
Poisson, la probabilidad requeridas reduce a tener 45-35=10 nacimientos en
una hora ( =3-2). Dado =60/7=8.57 nacimientos/hora, obtenemos

Modelo De Muerte Pura


Considere la situacin de almacenar N unidades de artculo al inicio de
la semana, para satisfacer la demanda de los clientes durante la semana. Si
suponemos que la demanda se presenta a una tasa de unidades por da y
que el proceso de demanda es completamente aleatorio, la probabilidad
asociada de tener n artculos en el almacn despus de un tiempo t, la da la
siguiente distribucin truncada de Poisson:

n = 1,2,N
(Muerte pura)
Ejemplo 2
Al inicio de la semana, se almacenan 15 unidades de un artculo de
inventario para utilizarse durante la semana. Solo se hacen retiros del
almacenamiento durante los primeros 6 das (la empresa est cerrada los
domingos) y sigue una distribucin de Poisson con la media de 3

36

unidades/da. Cuando el nivel de existencia llega a 5 unidades, se coloca un


nuevo pedido de 15 unidades para ser entregado al principio de la semana
entrante. Debido a la naturaleza del artculo, se desechan todas las unidades
que sobran al final de la semana
Se puede analizar esta situacin en varias formas. Primero,
reconocemos que la tasa de clculo es = 3 unidades por da. Supngase
que nos interesa determinar la probabilidad de tener 5 unidades (el nivel de
nuevo pedido) al da t; es decir,

t= 1,2,,6
Como ejemplo ilustrativo

de los clculos, tenemos los siguientes

resultados utilizando el programa TORA t=3, 6, 9., y 18


t (das)

p5(t)

0.0008 0.0413

12

0.1186

0.1048

15
0.0486

18
0.015

Obsrvese que p5(t) representa la probabilidad de hacer un nuevo


pedido el da t. Esta probabilidad llega a su nivel mximo en t=3 y despus
disminuye conforme transcurre la semana. Si nos interesa la probabilidad de
hacer un nuevo pedido para el da t, debemos determinar la probabilidad de
tener cinco unidades o menos el da t; esto es,
Pn<=5 (t) = p0(t)+p1(t)+..+p5(t)
Usando TORA nuevamente obtenemos

t (das)

12

15

18

pn<=5(t)

0.0011

0.0839 0.4126

0.7576

0.9301

0.9847

Podemos advertir en la tabla que la probabilidad de hacer el pedido


para el da t aumente montonamente con t.
37

Otra informacin, que es importante al analizar la situacin, es


determinar el nmero promedio de unidades de inventario que se
desecharan el fin de semana.
=
Esto se hace calculando el nmero esperado de unidades para el da 6; es
decir, La tabla que sigue presenta un resumen de las operaciones dado
t=18

N
pn(6)

10

0.792. 0.0655 . 0.0509 . 0.0368 . 0.0245 . 0.015 .0.0083 . 0.0042. 0.0018. 0.0007 . 0.0002. 0.0001

Y pn(6) ~= 0 para n = 12,13,14 y 15. Por lo tanto, al calcular el promedio,


obtenemos
= 0.5537 unidad
Esto indica que, en promedio, se desechar menos de una unidad al trmino
de cada semana.
Ejercicio 1
Determine en el ejemplo 2
a.

La probabilidad de que se agote la existencia despus de tres das.

b.

La probabilidad de que se retirar una unidad de inventario al termino


del cuarto da dado que la ultima unidad fue retirada al cabo del tercer
da

c.

La probabilidad de que el tiempo restante hasta que se retire la


siguiente unidad sea cuando mucho un da, dado que el ltimo retiro
ocurre un da antes.

d.

El inventario promedio que se mantiene en existencia al termino del


segundo da

e.

11

La probabilidad de que no ocurran retiros durante el primer da


38

Una Cola, Un Servidor Y Poblacin Finita


El sistema que se analiz en la seccin anterior supone que el nmero
de clientes que requieren servicio en un periodo de tiempo determinado es
infinito. Este caso no corresponde a la realidad ya que una poblacin es, por
regla, de tamao finito. Este caso no corresponde a la realidad ya que una
poblacin es, por regla, de tamao finito. Esta consideracin, en vez de
simplificar el desarrollo de frmulas que describen cuantitativamente al
sistema, lo complica. Por ello, se refiere trabajar con el supuesto de
poblacin infinita y no con el real.
Suponiendo que una poblacin finita de m elementos (o<m<)
requiriera servicios de un sistema similar al de la seccin anterior, las series
infinitas analizadas se convierten en series finitas y generan de manera
anloga los siguientes resultados.
Si m es la poblacin que pudiera requerir un servicio determinado y n (n
< m) elementos de esa poblacin piden ese servicio, entonces P 0 (t) se
calcula mediante el uso simultneo de las ecuaciones 3.20 y 3.21,
determinadas a continuacin:
n

P n(t)
m!
=

P0 (t) ( mn ) !
P 0 (t ) =

n=0

Una vez conocida

Po

L=m

(3.20)

1
P n(t)
P0 (t)

(3.21)

(t) se calcula L, W, Ts, Tw de:


+
(1P0 ( t ))

W =L+ ( 1P0 ( t ) )

(3.22)
(3.23)

39

s=

L
(1P0 )
T

T w =T s+

(3.24)

(3.25)

Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:


n

Pn (t )=P0 ( t )

(3.26)

m!

( mn ) !

Ejemplo 3.
Suponga que en la flota de Aeromxico existen cuatro aviones del tipo
jumbo 747. Se ha venido observando el comportamiento de estos aviones
desde 1971 y, en especial, las fallas de las turbinas. Los datos indican que
las fallas de cualquier turbina de cualquier avin es una variable aleatoria y
que el tiempo promedio entre dos fallas consecutivas de cualquier avin es
de un ao. El tiempo promedio de revisin y compostura de la falla de la
turbina es de 45 das (un octavo de ao). Solamente se tienes un equipo
humano de expertos para dar servicios y se proporciona servicio bajo la
poltica de primero que entra al taller, primero que se le sirve. Durante el
periodo de mantenimiento el avin no vuela. Describa cuantitativamente al
sistema de espera.

91 Pn ( t )=1
n=0

P n(t )
P ( t ) =1
P0 (t ) n=0 n

P0 (t )

n=0

Pn (t )
P0 (t )

Si se toma como unidad de tiempo un ao, entonces


40

1
1 1
=1, =1, = , m=4 .

8
1
= = <1 , se aplica los conceptos anteriores. Se calcula la
8

Como

expresin 3.20 para n = 0, 1, 2, 3, 4 y m = 4, donde n es el nmero de


aviones que esperan compostura y m es la flota de jumbos 747 de
Aeromxico.

m!
( mn ) !

4!
=1
4!

4!
=4
3!

4!
=12
2!

4!
=24
1!

4!
=24
0!

1 0
=1.0000
8

1 1
=0.12500
8

1 2
=0.01563
8

1 3
=0.00195
8

1 4
=0.00024
8

P n(t )
m!
=

P0 (t ) ( mn ) !
1.00000
0.50000
0.18750
0.04688
0.00576

P (t)

Pn (t) =1.74024

Tabla 1

n=0

Por lo tanto, y de acuerdo con 3.21, se tiene:


P0 (t ) =

n=0

1
1
=
=0.57463
Pn (t) 1.74024
P0 (t)

Que significa que existe un 5704% de probabilidad de que no se encuentre


ningn avin jumbo 747 en el sistema de compostura de turbinas en el
tiempo t.
La probabilidad de que se encuentre un avin en mantenimiento y otro en
espera es:
41

1 2
0.57463=0.11
8
4!
P2 ( t )=

( 42 ) !
El nmero promedio de aviones de aviones que esperan servicio en 1 ao es
de:
L=4

( 1+8 )
( 10.57463 )=.017 aviones
1

Mientras que el nmero promedio de aviones en el sistema (esperando en la


cola y en el taller) es:
W =0.17+ ( 10.57463 )=0.60 aviones
El tiempo promedio de espera en la cola para recibir servicio es:
T s=

0.17
=0.05 de ao
8(10.57463)

O sea aproximadamente 18 das, mientras que el tiempo promedio en el


sistema (espera ms servicio) es de:
1
T w =0.05+ =0.175 de ao
8
O sea casi 64 das:
Qu representa esto en costo?
Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos,
de 2 mil cuando est en tierra y de 5 mil cuando est en mantenimiento. Se
supone que estos aviones vuelan, en promedio, 14 horas por da y por cada
mil horas de vuelo se les proporcionara mantenimiento preventivo
(independiente de las composturas de falla de turbina) que dura en promedio
100 horas. Se supone que el sueldo mensual del personal especializado de
reparacin es de 200 mil pesos y el costo mensual del equipo de reparacin
(luz, depreciacin, seguros, etc.,) es de 125 mil pesos.
El costo de la espera para componer las fallas de la turbina de un avin
es, por lo tanto, la suma de los siguientes costos:
a) Tiempo muerto del avin mientras espera y le reparan la turbina, (T w).
42

b) Tiempo muerto de la tripulacin cuando el avin se encuentra en el


taller por compostura de turbinas.
c) Tiempo de reparacin de la turbina (sin incluir refacciones), es decir T w
Ts.
Como la unidad de tiempo es un ao, se deben convertir todos los
costos unitarios a costo por ao.
En un ao (365 das) el avin vuela:
365

dias
horas
horas
14
=5110
ao
dias
ao
Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno,

para un total de 500

horas
ao

de servicio de mantenimiento. Si en un ao

existen 8760 horas, lo anterior quiere decir que:


8760 (5110 + 500) = 3150

horas
ao

Estar parado el avin en tierra. Entonces el costo total anual para cada
avin ser de:
(5110

horas de vuelo
pes os
10,000
) + (500
ao
hora de vuelo
* 5000

pesos
) + (3150
hora de mantenimiento

horas de mantenimiento
ao

horas en tierra
2000
ao
59.9

pesos
)=
hora en tierra

millones de pesos
aoavion
Si un avin de este tipo pasa T w = 0.175 de ao (64 das), en el sistema
de compostura de turbinas, el costo asociado a este tiempo muerto es:
(59.9

millones de pesos
) (0.175 aos) = 10.48
aoavion

millones de pesos
avion

El sueldo mensual de una tripulacin es de 400 mil pesos (4.8 millones


de pesos por ao); por lo tanto, el costo del tiempo muerto de la tripulacin
asociado a la compostura de una turbina ser:
43

T w ( 4.8 )
=
aviones
numero de
ao

0.21

millones de pesos
ao
4 aviones

( 0.175 aos ) 4.8

millones de pesos
avion

La nmina mensual del equipo de reparacin ms sus costos


mensuales suman 325 mil pesos (3.9 millones de pesos por ao). Por lo
tanto, el costo del tiempo de reparacin por avin, sin tomar en cuenta
refacciones es:
millones de pesos
( T wT s ) ao 3.9 aoavion = ( 0.1750.05 )( 3.9 )

0.49

millones de pesos
avion

El costo total de tener a un avin en el sistema de compostura es:


(10.48 + 0.21 + 0.49) = 11.58

millones de pesos
avion

Este resultado motiva las siguientes preguntas: Conviene aumentar el


equipo especializado de reparacin de turbinas a 2 o 3? Si es as, En
cunto disminuira el costo de la espera por avin en el sistema? A cunto
aumenta el costo del equipo de reparacin? Cul es un buen punto de
equilibrio?
Una Cola-Servidores Mltiples En Paralelo-Poblacin Infinita
Se supone un sistema con una sola cola, a la cual puede llegar un
nmero infinito de clientes en espera de recibir un mismo servicio por parte
de S(S>1) servidores en paralelo. La poltica del sistema es que sirve a los
clientes en el orden de su llegada; el servicio lo proporciona el primer
servidor que se haya desocupado al principio y se irn ocupando en forma
progresiva (primero el servidor 1, despus el 2 y as sucesivamente) en la
medida que vayan llegando los clientes.

44

El nmero promedio de llegadas por unidad de tiempo es y se supone


que este tiene una distribucin de poisson.
El nmero promedio de servicios

de cada servidor por unidad de

tiempo es el mismo y se denota por . Se supone que este nmero tiene una
distribucin exponencial negativa.
Se observa que cuando el nmero de elementos en la cola y en las
estaciones de servicio, m, es mayor que el nmero de servidores, S, (m > S),
la probabilidad de que algn cliente abandone el sistema (despus de recibir
su servicio) en el intervalo de tiempo t es S t. En caso contrario (S > m),
dicha probabilidad es m t.
Esta observacin incorporada en la expresin 3.3 origina:

Pm ( t+ t )=P m ( t ) (1 t ) ( 1S t ) + Pm +1 ( t )( S t ) ( 1 t ) + Pm 1 ( t )( t ) ( 1S t ) + Pm ( t )( t ) (
(3.27)
En la expresin anterior

Pm1 ( t )

no tiene sentido cuando m = O, por

lo que una vez agrupados los trminos se obtiene:


t 2
t 2 + P0 ( t ) S
2
t + P1 ( t ) ( S t )P1 ( t ) S
Po ( t+ t )=P o ( t )Po ( t )( t ) Po ( t ) S t + Po ( t ) S
Restando en ambos lados PQ (t) y dividiendo entre A t, se tiene
PO ( t + t )PO ( t )
=P0 ( t ) P0 ( t ) S + P0 ( t ) S t + P1 ( t ) S t P0 ( t ) S t
t
Tomando el lmite cuando

tiende a cero genera

[ P0 ( t ) + tP 0 ( t ) ]
=P 0 ( t ) P0 ( t ) S + P 1 ( t ) S =0
t
t 0
lim

Por lo que
P1 ( t )=P0 ( t )( 1+

)
S

(3.28)

45

El lmite, cuando

tiende a cero, de la expresin general 3.27, para m =

1, genera
P1 (t + t )P1 ( t )
t
d P1 (t )
[]=
=0
dt
lim
t0

P2 ( t ) =

P ( t )+ P 1 ( t )
P (t)
S 1
S 0

(3.29)

Substituyendo 3.28 en 3.29


2

P2 ( t )=P0 ( t )

(3.30)

Generalizando 3.30 para un valor m 1 cualquiera se obtiene


m

m 1

Pm ( t )=P 0 ( t )
que se puede reescribir:
m
para m> S

P0 ( t )
Pm ( t ) =

S S [ ms ]

(3.31)

Para el caso en que m < S, se sigue el mismo razonamiento cambiando el


trmino S t

de 3.27 por m t, para obtener

46

m
para m< S

P0 ( t )
Pm ( t ) =

(3.32)

Una frmula explcita de

P 0 (t )

se genera despejando este trmino de

Pm ( t )=1

, arrojando la expresin:

m=0

P0 (t )= s1

P m ( t ) + Pm ( t )

m=1

(3.33)

m=s

Combinando 3.33 con 3.31 y 3.32 y tomando el lmite cuando m tiende


a infinito, se construye despus de un buen ejercicio algebraico (que aqu se
omite) la expresin final para

P 0 (t )

s
s

1
( s )
m 1
+

s
s1
1

m
m=0
P 0 ( t )=

dada por

(3.34)

El largo de la cola L, lo dar la expresin

L=

m= s+1

( ms ) Pm ( t )

Que una vez desarrollada, utilizando 3.31 y agrupando trminos, genera la


frmula

47

s 2

( s1 ) !

L=

(3.35)

El nmero de elementos en el sistema W, es igual a


W=L+

(3.36)

El tiempo de espera en la cola Ts es:


T S=

(3.37)

Mientras que el tiempo de espera en el sistema, Tw


T w =T S +

(3.38)

As como en el caso de un servidor se supone que

<1

(para que no se

formen colas de tamao infinito), en el caso de servidores mltiples se


requiere que se cumpla la condicin

<1 , la cual se puede re-escribir


S

como

<S

Se puede demostrar que


P { T S> h } =[ 1 p { T S=0 } ] es (1 p) h
Donde
S 1

P { T S=0 }= P n
n=0

48

1+ PO
Z
P { T w >Z }=e
Ejemplo 3.
Suponga que en el cruce fronterizo de Mxico y Estados Unidos,
localizado entre las poblaciones de Piedras Negras, Coahuila, y Eagle Pass,
Texas, existe un puente sobre el Ro Bravo con dos lneas de trfico, una en
direccin de Mxico a Estados Unidos y la otra en sentido contrario. La lnea
de trfico de Estados Unidos a Mxico, se bifurca a 5 garitas de inspeccin
migratoria y aduanera.
Suponga que las llegadas de automviles tienen una distribucin de
Poisson con igual a 15 llegadas por hora, mientras que el nmero de
servicios tiene una distribucin exponencial negativa con igual a
8 servicios por hora.
Por decreto gubernamental, no existe prioridad de trato, as que las
garitas migratorias y aduaneras proporcionan servicio en la medida que se
desocupan, y se atiende en primer trmino al primer automvil de la cola y
as sucesivamente.
Se describe en forma cuantitativa al sistema de garitas migratorias y
aduaneras.
Primero se corrobora que el parmetro

<1
S

, queriendo decir que

en el puente internacional de Piedras Negras no se formar una cola infinita


de automviles o, en trminos ms reales, que esta cola no tiende a crecer
sin freno:

15 15
=
= =0.375<1
S 5 (8) 40

49

S 5

5
m 1
+

5
4
1

m
m=0
15
= =1.875 y PO =
8

Se tiene

40
( 4015
)

1.875 5 +

5
1
1.875 3 +
4
1
2
1.875 +
3
1
1
1.875 +
2
1
1.875 0+
1
1

1.875 4 +

1+1.875+1.7578+1.0986+0.515+0.193 ( 1.6 )

6.55521=0.1526

Lo anterior implica que existe un 15% de probabilidades de que, al


llegar un automvil cualquiera a la garita internacional de Piedras Negras, en
el tiempo t las 5 estaciones de servicio se encuentren vacas, y no exista
ningn automvil esperando este servicio.
Por lo tanto, no se forma una cola hasta que m > 6, como se verifica en
la tabla 3.
El largo de la cola, L es:

50

S 2

( S1 ) !

L=
s

1.875 0.1526

2
4015

4
( 15 ) ( 8 )

El nmero de elementos en el sistema, W, es:

W =L+ =0.0283+1.875=1.9033 autom viles

El tiempo promedio de espera en la cola, Ts es:


L 0.0283
Ts= =
=0.0019 de hora

15

Tamao de la
cola

Garitas
desocupadas

0
1
2
3
4
5
6
7
8

0
0
0
0
0
0
1
2
3

5
4
3
2
1
0
0
0
0

51

Nmero de
automviles a los
cuales se les est
dando servicio
0
1
2
3
4
5
5
5
5

Pm (t)+,*
0.152
0.286**
0.267
0.167
0.078
0.029***
0.011****
0.004
0.001

1.875 0.1526 para m s


1
+ Pm ( t ) =

m
m

1.875 0.1526 para m>5


1
Pm ( t ) =

5 5(m 5 )
P 1 ( t )=

1
(1.875 ) 0.1526=0.2861
1

1.875 5 0.1526=0.0295
1
P s ( t )=

5 50
1.875 6 0.1526=0.0111
1
P6 ( t ) =

1
55
o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:
T w =T S +

1
0.0019+ =0.1269 de hora
8
Aproximadamente 7 minutos con 36 segundos.
Ejemplo 3.
El Director General de Egresos, el Lcdo. A. Uslero, experto en sistemas,
sospecha que se puede lograr un considerable ahorro econmico, si en vez
de 5 garitas funcionan 2, y que esto no causa graves problemas al turismo.
Estar en lo cierto?
Se calcula

P0 (t )

15
=
=0.9375<1
S 2(8)

52

15
= =1.875
8
2 2
(
)1
2
m 1
+

2
1
1

m
m=0
P0 ( t ) =
16
) 1
1615
1
1.875 1+
2
1
1.875 0+
1
1

1.875 2 (

1+1.875+28.13 1

311=0.03226

Es decir, existe un 3% de probabilidades de que al llegar un automvil


cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 2
garitas se encuentren vacas y no hay automviles esperando por un
servicio.
No se forma una cola hasta que m > 3, tal como se aprecia en la
siguiente tabla.

Tamao de la
cola

Garitas
desocupadas

0
1
2

0
0
0

2
1
0
53

Nmero de
automviles a los
cuales se les est
dando servicio
0
1
2

Pm (t) + ,*
0.03226
0.06048
0.05670

3
4
5

1
2
3

0
2
0
2
0
2
m
1.875 0.03226, para m 2
1
+ P m ( t )=

0.05316
0.04984
0.046725

1.875 0.03226, para m>2


1
Pm ( t ) =

2 2(m2 )
Establecer las conclusiones para cada modelo estudiado, de manera
accesible para futuros investigadores de este tema
EJERCICIOS:
El modelo simple de teora de colas que se ha definido, se basa en las
siguientes suposiciones:
a) Un solo prestador del servicio y una sola fase.
b) Distribucin de llegadas de poisson donde = tasa de promedio de
llegadas.
c) Tiempo de servicio exponencial en donde = tasa de promedio del servicio.
d) Disciplina de colas de servicio primero a quien llega primero; todas las
llegadas esperan en lnea hasta que se les da servicio y existe la
posibilidad de una longitud infinita en la cola.
A partir de estas suposiciones se pueden derivar las siguientes
estadsticas de desempeo:

P0 = 1-
Pn = P0
L =

Ls = / ( )

54

W =

)
W = 1 / ( )
Ejemplo:
Suponga que un cajero bancario puede atender a los clientes a una
velocidad promedio de diez clientes por hora ( = 10). Adems, suponga que
los clientes llegan a la ventanilla del cajero a una tasa promedio de 7 por
hora ( = 7). Se considera que las llegadas siguen la distribucin
exponencial. En la condicin uniforme el sistema de colas tendr las
siguientes caractersticas de desempeo.
= 7 / 10, el prestador del servicio trabajara el 70% del tiempo.
P0 = 1- 7 / 10 = 0.3; 30% del tiempo no habr clientes en el sistema
(ni en la cola, ni recibiendo servicio).
Pn = 0.3 (7 / 10)n, una frmula para descubrir la posibilidad de que n
se encuentre en el sistema en cualquier momento dado: n = 1, 2, 3,.......; P1
= 0.21, P2 = 0.147; P3 = 0.1029; etc.
L =

72

= 1.63; en promedio 1.63 clientes estarn en la cola.


10 (10 - 7)

L = 7 / (10 - 7) = 2.33; en promedio 2.33 clientes estarn en el


sistema (en la cola y en servicio).
W = 7

= 0.233; el cliente pasa un promedio de 0.233 horas

esperando en la 10 (10 - 7) cola.


W = 1 / (10 - 7) = 0.333; el cliente pasa un promedio de 0.333
horas en el sistema (en la cola en servicio).
Si los clientes se alejan del cajero siempre que existan 3 o ms
clientes antes que ellos en el sistema, la proporcin de clientes perdida es:
1- (P0 - P1 - P2 - P3).
= 1- (0.3 - 0.21 - 0.147 - 0.1029) = 0.2401

55

En este caso se perder el 24% de los clientes debido a que la


espera es demasiado larga.
Ahora es posible evaluar el desempeo del sistema de colas. El
administrador tendr que tomar en consideracin el tiempo perdido del prestador
del servicio ( 30% ), el tiempo que espera el cliente ( 0.233 horas ) y la longitud
de la lnea que se forma ( 1.63 clientes). Si este rendimiento es inaceptable se
puede colocar un segundo prestador del servicio o hacer otros cambios en las
caractersticas de las llegadas, de la cola o del portador de los servicios.
Ejemplo:
Frente a una ventanilla del Banco Estatal se presentan 560 personas
diarias (jornada de 8 horas); el cajero puede dar servicio a 100 personas como
promedio por hora. Con la hiptesis de llegadas Poissonianas y servicios
exponenciales, encontrar el factor promedio de utilizacin del sistema, el tiempo
ocioso promedio en el sistema, la probabilidad que haya 3 clientes en el
sistema, el nmero promedio de personas en el sistema, la cantidad promedio
de clientes en la cola, el tiempo promedio que permanece una persona en el
sistema, el tiempo promedio de un cliente en la fila, el tiempo promedio que
tarda un servicio, la probabilidad que existan 4 personas.

56

Ws = W Wq ; Ws = 2 min 1,4 min; Ws = 0,6 min En promedio el tiempo


que tarda un servicio corresponde a ,6 minutos.

Ejemplo:
En una empresa la reparacin de un cierto tipo de maquinaria
existente en el mercado se realiza en 5 operaciones bsicas que se efectan
de una manera secuencial; si le tiempo que se lleva en realizar cada uno de
los 5 pasos tiene una distribucin exponencial con media de 5 minutos. Estas
mquinas se descomponen segn una distribucin Poisson con una razn
media de 2 mquinas / hora y en la fbrica solo hay un mecnico que las
repara. Calcular las caractersticas de operacin de la empresa.

57

Ws = W - Wq; Ws = 1.66 - 1.249; Ws = 0.411 hor = 25 min En promedio el


tiempo de un servicio es de 25 minutos

CONCLUSIN

La teora de las colas es el estudio matemtico de las colas o lneas


de espera. La formacin de colas es, por supuesto, un fenmeno comn que
ocurre siempre que la demanda efectiva de un servicio excede a la oferta
efectiva.

Los sistemas de colas son muy comunes en la sociedad. La


58

adecuacin de estos sistemas puede tener un efecto importante sobre la


calidad de vida y la productividad.

Para estudiar estos sistemas, la teora de colas formula modelos


matemticos que representan su operacin y despus usa estos modelos
para obtener medidas de desempeo. Este anlisis proporciona informacin
vital para disear de manera efectiva sistemas de colas que logren un
balance apropiado entre el costo de proporcionar el servicio y el costo
asociado con la espera por ese servicio.

59

BIBLIOGRAFA
La Teora de Colas (2015). http://www.wikilearning.com/monografia/la_teoria
_teoria_de_colas/15124-2
Teora
de
Colas.
Proceso,
Modelos
de
Poisson.
(2005).
http://www.mitecnologico.com/TeoriaDeColasProceso_ModelosPoisson
Anlisis
de
Teora
de
Colas.
(2008).
usac.edu.gt/estadistica/analisis/teoriacolas.html

http://sitios.ingenieria-

Lineas
de
Esperas
(2000).
http://www.mitecnologico.com/Main/LineasDeEsperaIntroduccion
Marcano de R. Julia (2010). Gua Electiva II. Teora de Cola.
Prawda Witenberg J. (2000). Mtodos y Modelos de Investigacin de
Operaciones Vol 2, Limusa Noriega Editores.
Thierauf, Robert J. (2009).
Operaciones. LIMUSA.

Toma

de

Decisiones Investigacin

de

Hamdy A. Taha (2006). Investigacin de Operaciones 5ta Edicin Alfaomega.


Wayne L. y WInston Thomson Investigacin de Operaciones aplicaciones y
algoritmos 4ta Edicin.

60