TABLA DE CONTENIDO

TEORIA DE COLAS O LINEA DE ESPERA........................................................................................................1

1.1
1.2
1.3

INTRODUCCION .........................................................................................................................................1
DEFINICION DE TERMINOS.........................................................................................................................3
ANALISIS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL SIMPLE.......................................5
1.3.1
MODELO MATEMATICO: POBLACION INFINITA CANAL SIMPLE .........................................5
1.3.2
EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL SIMPLE .......6
1.3.2.1
1.3.2.2
1.3.2.3

1.4

ANALISIS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL MULTIPLE.................................10

1.4.1
MODELO MATEMATICO: POBLACION INFINITA CANAL MULTIPLE..................................10
1.4.2
EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL MULTIPLE 11
1.4.2.1
1.4.2.2
1.4.2.3

1.5

Ejemplo 1 .................................................................................................................................................... 7
Ejemplo 2 .................................................................................................................................................... 8
Ejemplo 3 .................................................................................................................................................... 9

Ejemplo 1 .................................................................................................................................................. 11
Ejemplo 2 .................................................................................................................................................. 13
Ejemplo 3 .................................................................................................................................................. 14

ANALISIS DE PROBLEMAS DE COLAS CON POBLACION FINITA ................................................................15

1.5.1
MODELO MATEMATICO: POBLACION FINITA CANAL SIMPLE ...........................................15
1.5.2
MODELO MATEMATICO: POBLACION FINITA CANAL MULTIPLE......................................16
1.5.3
EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION FINITA .....................................17
1.5.3.1
1.5.3.2

Ejemplo 1 .................................................................................................................................................. 17
Ejemplo 2 .................................................................................................................................................. 20

TECNICAS DE SIMULACION

1 TEORIA DE COLAS O LINEA DE ESPERA

1.1 INTRODUCCION

De todos los conceptos tratados con las tcnicas bsicas de investigacin operacional, la teora
de colas aparece como la de mayor aplicacin potencial y sin embargo es quizs la ms difcil
de aplicar. Todos los negocios, gobierno, industria, escuelas, hospitales, tienen problemas de
colas (sistemas de servicios).
El objetivo principal de analizar estos tipos de sistemas es el de obtener su mximo
rendimiento.
Sistema de Colas: Es un sistema en el que los elementos (o usuarios) intentan utilizar un
recurso, para lo que llegan a un punto de servicio, esperan a que les corresponda el uso del
mismo (en una cola), utilizan dicho recurso y abandonan el sistema.
Se pueden considerar varios tipos de problemas de gestin relacionados con los sistemas de
colas, estos son:

Problemas de anlisis: Se precisa conocer si, dado un sistema, ste est funcionando
correctamente.

Problemas de diseo: Se quieren disear las caractersticas de un sistema que satisfaga

un objetivo o meta global.

Un sistema de colas puede ser descrito en funcin de seis partes:

1. Proceso de llegada: Un proceso estocstico que describe cmo llegan los elementos al
sistema desde el medio ambiente.
2. Proceso de servicio: Un proceso estocstico que describe la longitud del tiempo que
un servidor dedicar a una tarea.
3. El nmero de servidores y sus tasas de servicio.
4. La disciplina de la cola: Las reglas mediante las cuales se decide qu trabajo o trabajos
sern atendidos. Dependiendo de si el servicio es interrumpible o no, esto se puede dar
en el momento de finalizacin de un servicio o durante el propio tiempo de servicio.
5. Capacidad del sitio de espera.
6. Poblacin de posibles usuarios.

TECNICAS DE SIMULACION
Existe una forma de representar los diferentes tipos de problemas de colas existentes, llamada
Notacin de Kendal A/B/c/n/p, en donde:
A y B representan la distribucin de llegadas y servicios respectivamente, c el nmero de
servidores, n la capacidad del sitio de espera y p la poblacin. Si n y p no aparecen se
suponen ambos (infinito).

Proceso de llegadas: El smbolo A describe la distribucin con los tiempos entre

llegadas:
o D = tiempos fijos entre llegadas.
o M = tiempos entre llegadas aleatorios con distribucin exponencial.
o G = tiempos entre llegadas aleatorios con una distribucin general (distinta de
la exponencial).

Proceso de servicio: El smbolo B describe la distribucin con los tiempos de servicio:

o D = tiempos de servicio fijos.
o M = tiempos de servicio aleatorios con distribucin exponencial.
o G = tiempos de servicio aleatorios con una distribucin general (distinta de la
exponencial).

En la figura 2.1 se muestra los componentes de un sistema de colas.

Figura 1.1 Componentes de un sistema de colas

Los clientes llegan a la cola y esperan hasta que les proporcionen el servicio, o si el sistema
est vaco, el cliente que llega puede ser atendido inmediatamente. Despus de que el servicio
es realizado el cliente abandona el sistema.
La tasa a la cual llegan los clientes para ser atendidos se denomina tasa de servicio
(lambda). Como su nombre lo indica, esta es una tasa cuyas unidades son clientes por unidad
de tiempo (c/hora, c/da, etc.). La tasa a la cual cada unidad de servicio puede atender al
cliente se denomina tasa de servicio (mu) y est definida tambin en clientes por unidad de
tiempo (c/hora, c/da, etc.).

TECNICAS DE SIMULACION
La tasa de servicio representa la mxima capacidad de servicio suponiendo que la unidad de
servicio no esta ociosa. Estas tasas son valores promedios que normalmente se representan
con la distribucin de Poisson.
Normalmente se debe encontrar la tasa de servicio adecuada para la tasa de llegada de los
clientes.
En la figura 2.2 se muestran los tipos de colas existentes.

Figura 1.2 Tipos de colas

1.2 DEFINICION DE TERMINOS

Cliente: Unidad que llega requiriendo la realizacin de algn servicio, pueden ser
personas, maquinas, partes, etc.

Cola (lnea de espera): Nmero de clientes que esperan ser atendidos.

Canal de servicio: Es el proceso o sistema que est efectuando el servicio para el

cliente. Este puede ser simple o multicanal. El smbolo k indicar el nmero de canales
de servicios.

TECNICAS DE SIMULACION

Tasa de llegada: Tasa (clientes por periodo de tiempo) a la cual llegan clientes para
ser atendidos. El valor medio de esta tasa es.

Tasa de Servicio: Tasa (clientes por unidad de tiempo) a la cual un canal de servicio
puede suministrar el servicio requerido por el cliente. El valor medio de esta tasa es.

Prioridad: Mtodo de decidir cul ser el prximo cliente atendido. La suposicin

ms frecuente es FIFO.

Tamao de la Poblacin: Tamao del grupo que proporciona los clientes. Si hay
unos pocos clientes potenciales, la poblacin es finita. Si hay un gran nmero de
clientes potenciales, por ejemplo entre 30 y 50, o ms, generalmente se dice que la
poblacin es infinita. Otra regla emprica es, la poblacin es infinita cuando la
poblacin es lo suficientemente grande como para significar que la llegada de un
cliente no afecta apreciablemente la probabilidad de otra llegada.

Distribucin de Tasa de Llegada: Es la distribucin de la tasa de llagada de los

clientes al sistema de servicio. La suposicin ms frecuente es la distribucin de
Poisson y tiempos entre llegadas exponenciales.

Distribucin de Tasa de Servicio: Es la distribucin de la tasa de servicio de los

canales de servicios. La suposicin ms frecuente es la distribucin de Poisson y
tiempos de servicio exponenciales.

Lq, nmero esperado de clientes en la cola: Nmero estimado de clientes que esperan
ser atendidos.

L, nmero esperado de clientes en el sistema: Nmero estimado de clientes ya sea

esperando en la lnea y/o siendo atendidos.

Wq, tiempo esperado en la cola: Tiempo estimado que emplea un cliente esperando en
lnea.

W, tiempo esperado en el sistema: Tiempo estimado que emplea un cliente esperando

ms el que emplea siendo atendido, Wq + 1/.

Ln, nmero esperado en la cola no vaca: El nmero promedio o nmero estimado de

clientes que esperan en la lnea excluyendo aquellos periodos en los cuales la lnea
esta vaca.

Wn, tiempo estimado de espera en una cola no vaca: Tiempo estimado que un cliente
espera en una lnea en el caso de que decida esperar. Es el valor promedio de los
tiempos de espera de todos los clientes que entran a la cola cuando el canal de servicio
est ocupado. Los clientes que llegan cuando el canal est vaci tienen un tiempo de
espera cero, y estos valores no se promedian en Wn.

TECNICAS DE SIMULACION
Usando estos trminos podemos definir los siguientes modelos de problemas de colas:
Modelos de Colas
Tamao de la Poblacin
Nmero de Canales

Infinita
Simple

Finita

Mltiple

Simple

Mltiple

Realmente el modelo del canal simple es un caso especial del modelo multicanal. Adems de
esta simple subdivisin la distribucin de tiempos de llegada y/o tiempos de servicio puede
variarse para dar lugar a un rbol an ms grande. Aunque es este texto slo se trata la
distribucin de Poisson, otros tipos comunes son la distribucin de Erlang y las de perodos
fijos o constantes. La inclusin de estas dos distribuciones aumenta el conjunto de cuatro
modelos hasta doce.

1.3 ANALISIS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL

SIMPLE

1.3.1 MODELO MATEMATICO: POBLACION INFINITA CANAL SIMPLE

Segn la Notacin de Kendal podemos denotar al modelo de la siguiente manera: M/M/1.

Quizs el modelo de colas ms fcil de resolver es el de una cola de canal simple que da
servicio a una poblacin infinita. Existen algunas ecuaciones bsicas que pueden usarse para
analizar esta clase de problemas.
1. La probabilidad de hallar el sistema ocupado o utilizacin del sistema:

donde, = utilizacin del sistema

= tasa de llegada, unidades/periodo de tiempo
= tasa de servicio, unidades/periodo de tiempo
Las siguientes ecuaciones son vlidas slo cuando / < 1 (condicin de estabilidad del
sistema).
2. La probabilidad P0 de hallar el sistema vaco u ocioso:

P0 1

TECNICAS DE SIMULACION
3. La probabilidad Pn de hallar exactamente n clientes en el sistema:
n

Pn P0 , considere que:

P
n0

4. El nmero esperado Lq de clientes en la cola:

Lq

2
( )

5. El nmero esperado L de clientes en el sistema:

6. El tiempo esperado Wq en la cola por los clientes:

Wq

( )

7. El tiempo promedio esperado W en el sistema por los clientes:

W

8. El nmero esperado Ln de clientes en la cola no vaca:

Ln

9. El tiempo esperado Wn en la cola para colas no vacas por los clientes:

Wn

1.3.2 EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION INFINITA

CANAL SIMPLE

A continuacin se muestran algunos ejemplos de problemas de colas con poblacin infinita

canal simple.

TECNICAS DE SIMULACION
1.3.2.1 Ejemplo 1
Una mquina duplicadora para uso de oficina es utilizada y manejada por el personal de la
oficina que necesita obtener copias, principalmente secretarias. Puesto que el trabajo que debe
duplicarse vara en magnitud (nmero de pginas del original) y en el nmero de copias
requeridas, la tasa de servicio est aleatoriamente distribuida, pero se aproxima a una
distribucin de Poisson, que tiene una tasa media de servicio de 10 trabajos por hora.
Generalmente los requerimientos de utilizacin son aleatorios durante las 8 horas de trabajo
diario pero llegan a una tasa de 5 por hora. Algunas personas han observado que
ocasionalmente se forma una lnea de espera y han objetado la poltica de mantener una sola
unidad. Si el tiempo de una secretaria est evaluado en $ 3.50, haga un anlisis para
determinar:
a. Utilizacin de equipo.
b. Porcentaje de tiempo que una llegada tiene que esperar.
c. Tiempo promedio en el sistema.
d. Costo promedio ocasionado por esperar y hacer funcionar la mquina.
Resolucin:

La tasa de llegada es 5 por hora, y la tasa de servicio es 10 por hora.

a. La utilizacin de equipo es .

0,50
10

Por lo tanto el equipo se utiliza un 50 % del tiempo.

b. El porcentaje de tiempo que una persona que llega tiene que esperar es
simplemente el porcentaje de tiempo que el equipo est ocupado, esto es, 50 %.
c. El tiempo promedio W en el sistema es:

1
1
1

0,20 h / c
10 5 5

En promedio cada persona que llega gasta 0,20 horas esperando y procesando el
trabajo.

TECNICAS DE SIMULACION
d. El costo promedio es:
Costo por da = Nmero de trabajos procesados por da costo promedio por
trabajo
Costo promedio por trabajo = Tiempo promedio por trabajo * $/hora
= W($3,50/hora)
= 0,20(3,50)
Costo por da = 8(5)(0,20)(3,50) = $28 por da
1.3.2.2 Ejemplo 2
Una refinera distribuye sus productos mediante camiones que se cargan en el terminal de
carga. Se cargan camiones de la compaa y camiones de distribuidores independientes. Las
compaas independientes se quejan de que algunas veces deben esperar en la lnea y perder
dinero por mantener esperando al conductor y al camin. Ellos han solicitado a la refinera
disponer de un segundo terminal de carga o descontar un precio equivalente al tiempo de
espera. Se han acumulado los siguientes datos.
Tasa promedio de llegada (para todos los camiones) = 2c/hora
Tasa promedio de servicio = 3c/hora.
El 30% de todos los camiones son independientes. Suponiendo que estas tasas aleatorias tiene
una distribucin de Poisson, determinar:
a. La probabilidad que un camin tenga que esperar.
b. El tiempo de espera de un camin.
c. El tiempo estimado que los camiones independientes esperan por da.
Resolucin:
a. La probabilidad de que un camin tenga que esperar por servicio es el factor de
utilizacin.

2
0,66
3

b. El tiempo de espera de un camin es:

Wn

1
1
1

1h / c
32 1

TECNICAS DE SIMULACION
c. El tiempo total estimado que los camiones independientes esperan por da es:
Camiones por da * % de independientes * Wn = (2*8)(0,30)(0,67)(1) = 3,2 h/da.
Este resultado se puede obtener por otro camino:
Tiempo esperado = Camiones/da * % independientes * tiempo estimado de
espera/camin

2

3,2 h / c
16(0,3)
(2 * 8)(0,3Wq ) 16(0,3)

3(3 2)
1.3.2.3 Ejemplo 3
Una gra desplaza objetos de una mquina a otra y se utiliza cada vez que la mquina requiere
carga o descarga. La demanda de servicios es aleatoria. Los datos tomados del registro de
tiempos entre llamadas de servicio siguen una distribucin exponencial, con una media de una
llamada cada 30 minutos. De manera semejante, el tiempo real de servicio de carga o descarga
toma un promedio de 10 minutos. Si el tiempo de mquina est evaluado en $8,50 por hora,
cunto vale el tiempo perdido por da?
Resolucin:
En primer lugar se deben ordenar los valores de y . Ambos son tasas, esto es, unidades por
perodo de tiempo, mientras que los datos estn dados en funcin de tiempo por unidad. Si
una llamada para solicitar servicio ocurre cada 30 minutos en promedio, esto es una tasa de
dos llamadas por hora. Anlogamente, si se emplean 10 minutos para atender un cliente como
promedio, la tasa de servicio es de 6 por hora. Por lo tanto = 6 unidades/hora. Tambin
puede demostrarse que si los tiempos de servicio (o tiempos de llegada) estn distribuidos
exponencialmente, la situacin es equivalente a una distribucin de Poisson que tiene como
base la tasa de servicio (o de llegada).
El tiempo perdido por mquina es el tiempo promedio W del sistema.

1
1
1

0,25 horas / llamada

62 4

La demanda diaria de servicio, suponiendo un da de 8 horas, es 8 veces la demanda por hora.

Demanda diaria = 8 = 8(2) = 16 llamadas para solicitar servicio/da.
Puesto que cada llamada requiere un tiempo de paralizacin promedio de 0,25 horas,
Costo total/da= ($8,50/hora)(0,25 horas/llamada)(16 llamadas/da) = $34/da

TECNICAS DE SIMULACION

1.4 ANALISIS DE PROBLEMAS DE COLAS CON POBLACION INFINITA CANAL

MULTIPLE

1.4.1 MODELO MATEMATICO: POBLACION INFINITA CANAL MULTIPLE

Segn la Notacin de Kendal podemos denotar al modelo de la siguiente manera: M/M/k.

Se puede deducir expresiones semejantes para el tiempo en el sistema, etc., para un problema
de cola multicanal siempre y cuando se suponga una poblacin infinita. Realmente estas
ecuaciones son ms generales que las dadas en el problema de canal simple ya que ellas
pueden reducirse al caso de canal simple haciendo k = 1 y simplificando. Condicin de
estabilidad: /(k) < 1. Enseguida se presentan las ecuaciones bsicas:
1. La probabilidad P0 de hallar vaco el sistema:
P0

1
n
n k 1
1

n 0 n!

1
k

k! k

Donde k = nmero de canales de servicio.

= tasa de llega de clientes.
= tasa de servicio de un canal simple (se supone que todos los son iguales).
2. La probabilidad Pn de hallar exactamente n clientes en el sistema:
n

P0
Para n = 0,1, 2,, k
n!

Pn

1
Pn
k! k n k

P0 Para n k

3. La probabilidad Pk de que una unidad que llega tenga que esperar (probabilidad de que
haya k o ms unidades en el sistema):

Pk

k!

k
k

P 0 , considere:

k 1

n0

n0

nk

Pn 1 Pn Pn y

P
nk

Pk

4. El nmero esperado L de clientes en el sistema:

P0
2

k 1! k
k

10

TECNICAS DE SIMULACION
5. El nmero esperado Lq de clientes en la cola:

P0
Lq
k 1 ! k 2
k

6. El tiempo esperado Wq en la cola por los clientes:

P0
k 1! k 2
k

Wq

7. El tiempo esperado W en el sistema por los clientes:

P0
1

2
k 1!k
k

1.4.2 EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION INFINITA

CANAL MULTIPLE

A continuacin se muestran algunos ejemplos de problemas de colas con poblacin infinita

canal mltiple.
1.4.2.1 Ejemplo 1
Se ha objetado la situacin presentada en el ejemplo de la mquina duplicadora del epgrafe
2.3.2.1 debido al resultado del ltimo anlisis. Se est considerando la posibilidad de instalar
dos mquinas o arrendar una mquina ms grande. Enseguida se resumen los datos:

Mquina pequea
Mquina grande

Tasa de servicio ,
por hora
10
15

Costo diario de
arrendamiento
$5
$10

Resolucin:
El costo total diario es el costo de arrendamiento ms el costo del tiempo perdido. Por lo
tanto, el costo total de una mquina pequea se puede determinar a partir de los clculos
anteriores:
CT = (1 pequea) = $5 (arrendamiento) + $28 (tiempo) = $ 33 diarios.
El costo de una mquina grande es:
W grande

1
1
1

0.10 h / m
15 5 10

11

TECNICAS DE SIMULACION
CT (grande) = $10 (arrendamiento) + (8*5)(0,10)(3,50) = $24 por da.
El costo de dos mquinas pequeas seria:
Para calcular el tiempo en el sistema de dos mquinas pequeas, primero se calcula P 0 usando
la ecuacin:
P

1
n k 1
1

n !
n0

P0

P0

k !

k
k

1
n 1
n
1 5

n 0 n! 10

1 5 2(10)

2! 10 2(10) 5
1

1
0 , 5 0 1 0 , 5 1 1 0 , 5 2 20
0!
1
2
15

P0

1
0 , 600
1 0 , 5 0 ,167

Po = 0.60
El tiempo esperado W en el sistema es:

P0
k 1 ! k
k

Sustituyendo tenemos que: W = 0.107

Por lo tanto, el costo total diario es la suma del costo de arrendamiento ms el costo del
tiempo perdido:
CT = 2 (5) + (8*5)(0,107)(3,50) = $24,98 por da
Esto indica que sera ligeramente menos costoso utilizar una mquina ms grande.
Si la ventaja de colocar las dos mquinas en diferentes lugares disminuye el tiempo para
llegar a cada mquina, probablemente sea mejor arrendar dos mquinas pequeas.

12

TECNICAS DE SIMULACION
1.4.2.2 Ejemplo 2
Repetir el ejemplo de la refinera explicado en el epgrafe 2.3.2.2 usando dos canales de igual
tamao.
Resolucin:
a. La probabilidad de que un camin tenga que esperar es igual a la probabilidad Pk
de encontrar ya dos o ms camiones en el sistema.
P0

1
n 1
n
1 2

n 0 n! 3

1 2
2 (3)

2! 3 2 ( 3 ) 2

P0

2 1
6
2
1 0 , 67

3 2
62

0 ,50

1 2
2 3
0 , 50 0 ,16

2! 3 2 3 2
2

Pk P2

La probabilidad de que un camin tenga que esperar es 0,16.

b. El tiempo de espera de un camin es:
P0
k 1 ! k
k

2
3
0 , 50
3

0 , 042
2
12 (3 ) 2

Se observa que Wq es el tiempo estimado que un camin tiene que esperar.

Esta no es una probabilidad condicional como W n, por lo tanto debe dividirse
por la probabilidad de que un camin tenga realmente que esperar.
W

Pk

0 , 042
0 ,16

0 , 2625

c. El tiempo total estimado que los camiones independientes tienen que esperar
diariamente es:
Tiempo Total = (2*8)(0,3)(0,16)(0,2625) = 0,202 horas/da
Tiempo Total = 16(0,3 Wq) = 16(0,3)(0,042) = 0.202 horas/da

13

TECNICAS DE SIMULACION
1.4.2.3 Ejemplo 3
Una compaa telefnica est planeando la instalacin de casillas telefnicas en un nuevo
aeropuerto. Se ha establecido la estrategia de que una persona no tenga que esperar ms del 10
porciento de las veces que intente usar un telfono. Se estima que la demanda de uso tiene una
distribucin de Poisson con un promedio de 30 por hora. La llamada telefnica promedio
tiene una distribucin exponencial con un tiempo medio de 5 minutos. Cuntas casillas
telefnicas se deben instalar?
Resolucin:
Pk < 0.10,

= 30c/h,

= 12c/h
1
5

60

Cuando k = 2, 2=24, deben instalarse por lo menos tres telfonos para satisfacer la demanda
de servicio y la condicin de estabilidad del sistema.
Ensayar con k = 5:
P0

1
n 5 1
n
1 30

n 0 n! 12

1 30
5 (12 )

5! 12 5 (12 ) 30

1
0,0801
2,5 2,5 2,54 1 5 60
1 2,5

2,5
2!
3!
4! 5!
30

Pk P5

1
512
2 ,5 5
0 ,0801 0 ,13
5!
512 30

Esto da una probabilidad de 0,13 de que un cliente tenga que esperar.

Ensayar con k = 6:
Po = 0.08162
Pk = P6 = 0.047

P6 < 0.10

Por tanto si se instalan 6 telfonos la probabilidad de que un cliente tenga que esperar es
0,047. Ya que este valor es menor que 0.10, este es el nmero mnimo que satisface la poltica
de la compaa.

14

TECNICAS DE SIMULACION

1.5 ANALISIS DE PROBLEMAS DE COLAS CON POBLACION FINITA

En algunos casos, el nmero de clientes potenciales es pequeo. Si este valor es tan pequeo
que la llegada de un cliente para ser atendido o la terminacin de un simple servicio afecta la
probabilidad de futuras llegadas, entonces la suposicin de una poblacin infinita no es vlida.
Por ejemplo, si un operador atiende tres mquinas y cada una requiere atencin a intervalos
aleatorios, las maquinas (clientes) provienen de una poblacin finita. Evidentemente la
probabilidad de llegada de un cliente vara con un cambio de una sola llegada (el cliente
reingresa a la poblacin). Como regla emprica, si la poblacin es menor que 30 deben usarse
las ecuaciones correspondientes a una poblacin finita.
Aunque los conceptos son iguales a los usados con una poblacin infinita algunos trminos y
ecuaciones requeridos en el anlisis son diferentes. Estos clculos requieren considerable
tiempo, pero si se dispone de un computador esta operacin no requiere de un tiempo grande.
La probabilidad de una llegada vara segn el nmero de clientes disponibles para entrar al
sistema. Si se define M como la poblacin total de clientes y n como el nmero de clientes
que ya estn en el sistema de cola, cualquier llegada debe provenir de los M-n que an no
estn en el sistema. Por tanto, conociendo la probabilidad de una llegada individual es posible
expresar la probabilidad de una llegada. Si 1/ es el tiempo entre requerimientos de servicio
de una unidad, esto es, el tiempo medio entre llegada de un cliente dado, entonces es la
probabilidad de que un cliente requiera servicio durante el perodo de tiempo t. Se observa
nuevamente que esto supone que la probabilidad es independiente del perodo de tiempo y por
lo tanto que tiene una distribucin de Poisson. Si es la probabilidad de que una unidad
determinada requiera servicio y hay Mn clientes que no estn en el sistema de cola, entonces
la probabilidad de que un cliente requiera de servicio es (M n) . Se observa que esto
todava no es importante. A continuacin se presentan las ecuaciones de estos problemas.
1.5.1 MODELO MATEMATICO: POBLACION FINITA CANAL SIMPLE

Segn la Notacin de Kendal podemos denotar al modelo de la siguiente manera:

M/M/1/M/M.
1. La probabilidad P0 de hallar vaco el sistema:

P0

1
M ! n

n 0 M n !

nM

Donde M es el nmero de clientes en la poblacin (tamao de la poblacin).

2. La probabilidad Pn de hallar n clientes en el sistema:

M!

Pn
M n !

P0 , considere que:

P
n 0

15

TECNICAS DE SIMULACION
3. El nmero esperado L de clientes en el sistema:

nM

nP
n0

1 P0

4. El nmero esperado Lq de clientes en la cola:

Lq M

1 P0

1.5.2 MODELO MATEMATICO: POBLACION FINITA CANAL MULTIPLE

Segn la Notacin de Kendal podemos denotar al modelo de la siguiente manera:

M/M/k/M/M.
En este caso se supone que el nmero k de canales es mayor que 1, por lo tanto 1 < k M.
1. La probabilidad P0 de hallar vaco el sistema:
P0

1
n k 1

n0

M !

M n ! n !
n

n M

nk

M !

M n ! k ! k

nk

2. La probabilidad Pn de hallar n clientes en el sistema:

Donde 0 n k
Pn P0

M !
M n ! n !

M!
M n ! k ! k n k

Donde k n M

Pn P0

Observe que n no puede ser mayor que M.

M

considere que:

P
n 0

16

TECNICAS DE SIMULACION
3. El nmero esperado L de clientes en el sistema:

n k 1

nP

n0

n M

n
nk

k Pn k 1

Pn

n k 1

n0

4. El nmero esperado Lq de clientes en la cola:

Lq

nM

n k P
nk

La aplicacin de estas ecuaciones a problemas de colas es semejante a la del caso de

poblacin infinita. Algunos problemas requieren una formulacin ligeramente diferente ya
que el propsito puede ser la determinacin del tamao ptimo de una poblacin, en lugar de
la tasa de servicio o del nmero de canales.
1.5.3 EJEMPLOS DE PROBLEMAS DE COLAS CON POBLACION FINITA

1.5.3.1 Ejemplo 1
Un mecnico atiende cuatro mquinas, para cada una, el tiempo medio entre requerimientos
de servicio es 10 horas y se supone que tiene una distribucin exponencial. El tiempo de
reparacin tiende a seguir la misma distribucin y tiene un tiempo medio de 2 horas. Cuando
una mquina queda en reparacin, el tiempo perdido tiene un valor de $20 por hora. El
servicio del mecnico cuesta $50 diarios.
a. Cul es el nmero esperado de mquinas en operacin?
b. Cul es el costo esperado del tiempo perdido por da?
c. Sera conveniente tener dos mecnicos para que cada uno atendiera slo dos
mquinas?
Resolucin:
a. Para calcular el nmero esperado de mquinas en operacin, primero se determina y
.

1
10

0 .1 ,

1
2

0 ,5

17

TECNICAS DE SIMULACION
Ahora se calcula P0:
P

1
n 4

n 0

4!
4 n

0 ,1

! 0 ,5

0 .4

El nmero esperado de mquinas que no funcionan en el sistema es:

L 4

0,5
(1 0,4) 4 3 1
0,1

El nmero esperado de mquinas que funcionan es: M-L = 4-1 = 3.

b. El costo esperado del tiempo perdido por da se encuentra como se indica a
continuacin. Si se supone un da de 8 horas el tiempo total perdido es:
8 x Nmero esperado de mquinas que no funcionan = 8 (1) = 8 horas/da
Costo = ($20/hora) (8horas/da) = $160/da.
c. Comparar con el caso en el cual dos mecnicos atienden dos mquinas cada uno.
Comparar ahora con M = 2.
Esto supone que cada mecnico y sus mquinas constituyen un sistema separado
independiente.
Determinar P0:

P0

1
1

0,68
2
1 2(0,2) 2(1)( 0,2)
1,48

El nmero esperado de mquinas en el sistema (por mecnico) es:

L 2

0 ,5
1 0 , 68 0 , 4
0 ,1

El tiempo perdido esperado por mecnico es:

(8)(0,4) = 3,2 horas/da
Tiempo total perdido/da = 2(3,2) = 6,4 horas/da
Costo total = 2($50/hombre) + (6,4 horas/da)($20/da)
= 100 + 128 = $228/da
Puesto que 228 > 160 + 50, no se justifica emplear dos hombres de la forma planteada.

18

TECNICAS DE SIMULACION
Como ejercicio puede compararse lo anterior con un sistema similar pero que tenga cuatro
clientes (mquinas) y dos canales (mecnicos).
M = 4, k = 2
P0

1
n 2 1

n 0

4!
0 ,1

(
4

n
)!
n
!
0 ,5

n 4

n 2

4!

(
4

n
)! 2 ! 2

n 2

0 ,1

0 ,5

1
1

0 , 48
4!
4!
4!
4!
4!
2
,
09
0
1
2
3
4
0,2
0,2
0,2
0,2
0,2
4!0!
3!1!
2!2!2 0
1!2!2
0!2!2

Ahora se determina el nmero esperado L de clientes en el sistema:

n k 1

nP

n0

n 2 1

n0

n M

n
nk

k Pn k 1

Pn

n k 1

n0

n4
n 2 1

nPn ( n 2 ) Pn 2 1 Pn
n2
n0

L = 0P0 + 1P1 + (2 - 2)P2 + (3 2)P3 + (4 - 2)P4 + 2(1 - P0 P1)

Esto significa que deben calcularse P1, P2, P3 y P4.
Se observa que para P1 y P2, n k,

M!

Pn P0
( M n )! n!

P1 0,48
P2 0, 48

4! 1
0,2 0,38
3!1!

4!
0, 2 2 0,12
2!2!

Para P3 y P4, k n M,

M !
P n P0
( M n )! k ! k
P3 0 , 48

nk

4!
0 , 2 3 0 , 02
1!2 !2 1

19

TECNICAS DE SIMULACION

P4 0,48

4!
0,2 4 0,002
2
0!2!2

Por tanto:
L = 0(0,48) + 1(0,38) + 0(0,12) + 1(0,02) + 2(0) + 2(1 0,48 0,38)
L = 0 + 0,38 + 0 + 0,02 + 0 + 2,28
L = 0,68
El tiempo perdido por da de 8 horas es 8(0,68) = 5,44 horas/da
Costo total = (2 hombres)(50) + ($20/hora)(5,44) = 100 + 108,80 = $208,80/da
Esta variante es la menos costosa de todas. Debe esperarse que sea superior a dos sistemas
separados de dos mquinas por mecnico puesto que los mecnicos se utilizan mejor.
1.5.3.2 Ejemplo 2
Una compaa ha decidido utilizar subestaciones localizadas en la regin de mercadeo para
atender sus camiones de reparto. El vicepresidente de mercadeo desea que los requerimientos
de servicio y mantenimiento no interfieran al servicio de entrega. Puesto que los camiones
operan 24 horas, pueden llegar a solicitar servicio en cualquier momento pero generalmente lo
requieren cada 8 horas. Los procedimientos de mantenimiento requieren una estacin con
capacidad para atender 10 camiones durante un perodo de 8 horas. El tiempo entre llegadas
se aproxima a una distribucin de Poisson. El vicepresidente ha solicitado que slo la mitad
de los camiones que llegan estn obligados a esperar servicio. Por cuntos camiones debe
responder cada estacin?
Resolucin:
Determinar M tal que P0 0,50.
Sea M = 4
P0

1
n M

n 0

P0

M !
( M n )!

1
0

4! 1
4! 1
4! 1
4! 1
4! 1

( 4 0 )! 10
3! 10
2! 10
1! 10
0! 10

0 , 647

20

TECNICAS DE SIMULACION
Sea M = 5
P0 0,56

Sea M = 6
P0 0,485

M = 5 da lugar al mximo tamao de poblacin con P0 0,5.

21