Teorias de Colas Investigacion de Operaciones LL PDF

UNIVERSIDAD DR.
JOS MATAS
DELGADO
FACULTAD DE INGENIERA
INVESTIGACIN DE OPERACIONES II
ING. RENE HERNN LINARES SILVA
SECCIN 2-2 CICLO 01-2016
INVESTIGACIN BIBLIOGRFICA
SISTEMAS DE COLAS
Integrantes de grupo:
Escalante Membreo Jaime Rolando 2012-02821

Grijalva Barrientos Andrs Armando 2009-01557
Machuca Flores Edgar Rolando 2006-02453
Fecha de Entrega jueves 11 de Febrero de 2016

INTRODUCCIN
La teora de 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.
Con frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios
que debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible
predecir con exactitud cundo llegarn los clientes que demandan el servicio y/o cuanto
tiempo ser necesario para dar ese servicio; es por eso que esas decisiones implican
dilemas que hay que resolver con informacin escasa. Estar preparados para ofrecer todo
servicio que se nos solicite en cualquier momento puede implicar mantener recursos
ociosos y costos excesivos. 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 nuestros 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.
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.
Pero si utilizamos el concepto de "clientes internos" en la organizacin de la empresa,

asocindolo a la teora de colas, nos estaremos aproximando al modelo de organizacin
empresarial "just in time" en el que se trata de minimizar el costo asociado a la ociosidad
de recursos en la cadena productiva.
INVESTIGACION DE OPERACIONES II
1
NDICE
Pgs.
INTRODUCCIN 1
OBJETIVOS 3
SISTEMAS DE COLAS 4
NOTACIN GENERAL DE LA SITUACIN GENERAL DE COLAS 5

MEDIDAS DE RENDIMIENTO DE ESTADO ESTABLE 7
EJEMPLOS 8
MODELOS DE UN SOLO SERVIDOR 10
MODELOS DE UN SOLO SERVIDOR (M/M/1) : (GD//) 11
EJEMPLOS 12
MODELO DE UN SOLO SERVIDOR (M/M/1) : (GD/N/) 15
EJEMPLOS 16
MODELOS DE SERVIDORES MULTIPLES 19
MODELO DE SERVIDORES MULTIPLES (M/M/c) : (GD//) 19
EJEMPLOS 20
MODELO DE SERVIDORES MULTIPLES (M/M/c) : (GD/N/) 24
EJEMPLOS 25
MODELO DE SERVIDORES MULTIPLES (M/M/) : (GD//) 28
EJEMPLOS 29
MODELO DE SERVICIO DE MAQUINAS (M/M/R) : (GD/K/K) 32
EJEMPLOS 33
FORMULA POLLACZEEK-KHINTCHINE (P-K) (M/G/1) : (GD//) 36
EJEMPLOS 37
CONCLUSIONES 39
BIBLIOGRAFA 40
ANEXOS 41
2
OBJETIVOS
General:
Realizar una investigacin bibliogrfica sobre Teora de colas y

determinar cmo ayuda este sistema a mejorar el rendimiento en
diferentes campos de operaciones industriales.
Especifico:
Identificar los diferentes modelos empleados al estudio de colas.

Establecer criterios bsicos sobre el sistema de colas.
Conocer los mtodos matemticos utilizados en la resolucin de
problemas de sistemas de colas.
Evaluar cada modelo con el fin de resolver diferentes tipos de
problemas.
3
SISTEMAS DE COLAS
Una cola o lnea de espera es el efecto resultante en un sistema, cuando la demanda de

un servicio supera la capacidad de proporcionar dicho servicio. La teora de colas es un
conjunto de modelos matemticos que describen sistemas particulares de lneas de
espera.
Tanto el ritmo de llegadas al sistema por unidad de tiempo, como el tiempo de servicio,
son variables con un patrn aleatorio, de tal forma que se hace necesaria la utilizacin
de modelos estocsticos que permitan el estudio de este tipo de sistemas.
La teora de colas es la rama de la investigacin operativa que estudia las listas de

espera (retardo/congestin).
Un sistema de colas est formado por un origen de usuario, una cola de espera y
posibilidades de servicio con uno o varios servidores paralelos idnticos.
La red de colas es un conjunto de sistemas de colas conectados entre s.
Parmetros bsicos de un sistema de colas:

Tasa de demanda
Capacidad (tasa de servicio)
Tiempos de demanda entre llegadas
Tiempos de servicio capacidad
Disciplina de la cola
Estos modelos se usarn para responder preguntas como las siguientes:

Cunto tiempo est ocioso cada servidor?
Cul es el nmero esperado de clientes presentes en la cola?
Cul es el tiempo previsto que un cliente debe pasar en la cola?
Cul es la distribucin de probabilidad del tiempo de espera de un cliente?
Cul es la distribucin de probabilidad de la cantidad de clientes presentes en la
cola?
4
NOTACIN GENERAL DE LA SITUACIN GENERAL
DE COLAS
La cantidad de clientes en el sistema se define para incluir los que estn en el servicio y
los que estn en la cola.
En cuanto a terminologa, el estndar en la Teora de Colas es el siguiente.
Estado del sistema = Nmero de clientes en el sistema

Longitud de la cola = Nmero de clientes que esperan servicio
N(t) = nmero de clientes en el sistema de colas en el tiempo t

probabilidad de que exactamente n clientes estn en el sistema en el
Pn (t) =
tiempo
c s = servidores paralelos
tasa media de llegadas de nuevos clientes cuando hay n clientes en el
n =
sistema por unidad de tiempo
tasa media de clientes en todo el sistema cuando hay n clientes en el
n =
sistema por unidad de tiempo (tasa combinada de todos los servidores)
Cuando estas tasas medias son constantes para toda n, pasan a denominarse y
n = *c para n c

= tiempo esperado entre llegadas

= tiempo esperado de servicio

= = Factor de utilizacin de la instalacin del servicio

Representacin esquemtica de un sistema de colas con c servidores paralelos:
5
La figura ilustra la situacin de colas de Poisson especializadas con c servidores
paralelos. Se selecciona un cliente de la cola para iniciar el servicio con el primer servidor
disponible. La tasa de llegadas al sistema es de clientes por unidad de tiempo.
Todos los servidores paralelos son idnticos, es decir que la tasa de servicio de cualquier
servidor es de m clientes por unidad de tiempo. La cantidad de clientes en el sistema se
define para incluir los que estn en el servicio y los que estn en la cola.
Una notacin conveniente para resumir las caractersticas de la situacin de colas de la

figura se da mediante el siguiente formato:
(a/b/c) : (d/e/f)
Notacin de Kendall
Donde:
a = Distribucin de las llegadas
b = Distribucin de las salidas (tiempo de servicio)
c = Cantidad de servidores paralelos (= 1,2,,)
d = Disciplina en las colas
Nmero mximo (finito o infinito) permitido en el sistema (haciendo cola
e =
o en servicio)
f = Tamao de la fuente solicitante (finita o infinita)
La notacin estndar para representar las distribuciones de las llegadas y salidas

(smbolos a y b) es:
Distribucin markoviana (o de Poisson) de llegadas y salidas (o de forma
M = equivalente distribucin exponencial del tiempo entre llegadas y de
servicio)
D = Tiempo constante (determinstico)
Distribucin Erlang o gama del tiempo (o de forma equivalente, la suma
Ek =
de distribuciones exponenciales independientes)
GI = Distribucin general (genrica) del tiempo entre llegadas
G = Distribucin general (genrica) del tiempo de servicio
La notacin para la disciplina en colas (smbolo d) incluye

FCFS = Primero en llegar, primero en ser servido
LCFS = ltimo en llegar, primero en ser servido
SIRO = Servicio en orden aleatorio
GD = Disciplina general (es decir, cualquier tipo de disciplina)
Para ilustrar el uso de la notacin, el modelo (M/D/10): (GD/20/) utiliza llegadas Poisson
(o tiempo entre llegadas exponencial), tiempo de servicio constante, y 10 servidores
paralelos. La disciplina en colas es GD, y hay un lmite de 20 clientes en todo el sistema.
El tamao de la fuente de donde llegan los clientes es infinito.
6
MEDIDAS DE RENDIMIENTO DE ESTADO ESTABLE
Las medidas de desempeo ms comnmente utilizadas en una situacin de colas son:
Ls = Cantidad esperada de clientes en un sistema
Ls effecWs
effec
L s Lq

Lq = Cantidad esperada de clientes en una cola
Lq effecWq
Wq = Tiempo de espera anticipado en la cola

Ws = Tiempo de espera en el sistema
1
Ws Wq

c = Cantidad esperada de servidores ocupados

La diferencia entre la cantidad promedio en el sistema, L s, y la cantidad promedio en la
cola, Lq debe ser igual al promedio de servidores ocupados. Por lo tanto:
effec
c L s Lq

Se deduce que
c
Uso de la instalacin
c
= Factor de utilizacin de la instalacin del servicio
= ; <
= ; < , n = 0, 1, 2,
7
EJEMPLO 01
Suponga una estacin de gasolina a la cual llegan en promedio 45 clientes por hora.
Se tiene capacidad para atender en promedio a 60 clientes por hora.
Se sabe que los clientes esperan en promedio 3 minutos en la cola.
Solucin:
La tasa media de llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto
La tasa media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto
Wq 3 min
1 1
Ws Wq 3 4 min
1
Ls Ws 0.75 4 3 clientes
Lq Wq 0.75 3 2.25 clientes
El factor de utilizacin del sistema si se mantuviera un servidor es

= / = 0.75/1 = 0.75 = 75%
Con dos servidores (s = 2):

= /s = 0.75/(2*1) = 0.75/2 = 37.5%
EJEMPLO 02
Suponga un restaurante de comidas rpidas al cual llegan en promedio 100 clientes por
hora.
Se tiene capacidad para atender en promedio a 150 clientes por hora.
Se sabe que los clientes esperan en promedio 2 minutos en la cola.
Calcule las medidas de desempeo del sistema.
Solucin:
La tasa media de llegadas es 100 clientes por hora o 100/60 = 1.67 clientes por min
La tasa media de servicio es 150 clientes por hora o 150/60 = 2.5 cliente por minuto
Wq 2 min
1 1
W s Wq 2 5.5 min
2.5
Ls Ws 1.67 5.5 9.185clientes
Lq Wq 1.67 2 3.34 clientes
8
= / = 1.67/2.5 = 0.668 = 66.8%

= /s = 1.67/(2*2.5) = 0.334 = 33.4%
EJEMPLO 03
Suponga un Call Center el cual atiende en promedio 79 llamadas por minuto

Se tiene capacidad para atender en promedio a 125 llamadas por minuto
Se sabe que los clientes esperan en promedio 7 segundos en la cola.
Calcule las medidas de desempeo del sistema.
Solucin:
La tasa media de llegadas es 79 llamadas por minuto o 79/60 = 1.32 llamadas por seg
La tasa media de servicio es 125 llamadas por minuto o 125/60 = 2.08 llamadas por
seg
Wq 7 seg
1 1
Ws Wq 7 7.48seg
2.08
Ls Ws 1.32 7.48 9.87 llamadas
Lq Wq 1.32 7 9.24 llamadas

= / = 1.32/2.08 = 0.635 = 63.5%

= /s = 1.32/(2*2.08) = 0.317 = 31.7%
9
MODELOS DE UN SOLO SERVIDOR
Este modelo se trata solo de un servidor es decir c=1. Se hablaran de dos casos posibles:
El primer caso no limita el nmero mximo en el sistema (M/M/1) : (GD//)

El segundo caso supone un numero finito en el sistema (M/M/1) : (GD/N/)
Ambos modelos suponen una capacidad infinita de la fuente es decir que siempre ser
abundante. En ambos las llegadas ocurren a razn de clientes por unidad de tiempo y
con una tasa de servicio de clientes por unidad de tiempo.
Los resultados de los dos modelos (y de hecho de todos los modelos restantes en la se
derivan como casos especiales de los resultados del modelo generalizado.
Se utilizar la notacin ampliada de Kendall para caracterizar cada situacin.
10
MODELOS DE UN SOLO SERVIDOR (M/M/1) : (GD//)
Partiendo del modelo general, se tiene:

=
=
Como el nmero mximo permitido en el sistema es finito
= =
Las medidas de desempeo ms comnmente utilizadas en una situacin de colas son:

Ls
1

2
Lq W q
1

1
Wq WS
(1 )
Ws = Tiempo de espera en el sistema

1
Ws

c = Cantidad esperada de servidores ocupados

c L s Lq
= Factor de utilizacin de la instalacin del servicio

=/
= ; <
= ( ) ^ ; < , = , , ,
11
EJEMPLO 01
Un restaurante de comida rpida tiene una ventanilla para servicio en su auto. Los autos
llegan segn una distribucin de Poisson a razn de 2 cada 5 minutos. El espacio enfrente
de la ventanilla puede acomodar a lo sumo 10 autos, incluso el que se est atendiendo.
Los dems autos pueden esperar afuera de este espacio si es necesario. El tiempo de
servicio por cliente es exponencial, con una media de 1.5 minutos. Determine lo siguiente:
Solucin: (M/M/1) : (GD//)

= = . autos/min
= . autos/minutos
= = . autos/min
.
= . = . ( cumple la condicin < 1 por lo tanto el sistema puede operar en
condiciones de estado estable)
c Lmite del sistema Lmite de la fuente

0.4 0.666 1 Infinito Infinito
a) La probabilidad de que la ventanilla este ociosa.

Po = 1
Po = 1 0.60
Po = 0.4 40%
b) La cantidad estimada de clientes que esperan ser atendidos


= ()
= 0.9 autos
c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido

= = .
( )
d) La probabilidad de que la lnea de espera exceda la capacidad de 10 espacios

Probabilidad Probabilidad
n Probabilidad Pn n Probabilidad Pn
Acumulada Acumulada
0 0.4000 0.4000 6 0.0186 0.9720
1 0.2400 0.6400 7 0.0112 0.9832
2 0.1440 0.7840 8 0.0067 0.9899
3 0.0864 0.8704 9 0.0040 0.9939
4 0.0518 0.9222 10 0.0024 0.9963
5 0.0311 0.9533
P 11 = 1 - P10 = 1 - 0.9963 = 0.0036 para que la lnea exceda de espacio
12
EJEMPLO 02
John Macko estudia en la U de Ozark. Realiza trabajos peculiares para complementar

sus ingresos. Las solicitudes para que realice un trabajo llegan cada 5 das, pero el tiempo
entre solicitudes es exponencial. El tiempo para terminar un trabajo tambin es
exponencial con media de 4 das.

La tasa media de llegadas =1/5 trabajos/da
La tasa media de servicio =1/4 trabajos/da
=/ = (1/5)/(1/4) = 0.8
a) Cul es la probabilidad de que John se quede sin trabajos?

Tomando en cuenta que si:
<1 Po = 1
Po = 1
Po = 1 - 0.8
Po = 0.2 o 20%
b) Si John gana aproximadamente $50 por trabajo, cul es su ingreso mensual

promedio?
Considerando que le pagan despus del trabajo realizado. es la tasa promedio de
trabajo realizado entonces:
es la tasa promedio de trabajo = (30dias) * (1/4 trabajos / das) * ($50)
es la tasa promedio de trabajo = $375 en 1 mes si la tasa de trabajo de entrada y

salida se mantiene constante
c) Si al final del semestre John decide subcontratar los trabajos pendientes a $40
cada uno, cunto, en promedio, debe esperar que le paguen?
Lq = Cantidad esperada de trabajos en cola

= ()
= 3.2 trabajos
Si se pagara $40 por cada trabajo en cola (3.2 trabajos) se pagara $128 en promedio
13
EJEMPLO 03
Durante aos, el detective Columbo, del Departamento de Polica de Fayetteville, ha

tenido un xito fenomenal al resolver todos los casos criminales. Es slo cuestin de
tiempo antes de que cualquier caso se resuelva. Columbo admite que el tiempo por caso
es totalmente aleatorio, pero, en promedio, cada investigacin le lleva
aproximadamente una semana y media. Los crmenes en el tranquilo Fayetteville no son
muy comunes. Ocurren al azar a razn de un crimen por mes (4 semanas). El detective
Columbo est solicitando que un asistente comparta la pesada carga de trabajo. Analice
la peticin de Columbo, en particular desde la perspectiva de los siguientes puntos:

La tasa media de llegadas =1/4 crimen/semana
La tasa media de servicio =1/1.5 crimen/semana
=/ = (1/4)/(1/1.5) = 0.38
a) El promedio de casos en espera de ser investigados

Lq = Cantidad esperada de trabajos en cola

= ()
= 0.23 casos en espera de ser investigados
b) El porcentaje del tiempo que el detective permanece ocupado

=
Po = 0.62
Pn = 1 Po
Pn = 0.38 38% de 1 semana
c) El tiempo promedio necesario para resolver un caso

T1 WS Wq
1
T1
(1 )
1 0.38
T1 =1.5
1 1 1
(1 0.38)
1 .5 4 1 .5
Solucin 1 caso en 1.5 semanas
14
MODELO DE UN SOLO SERVIDOR (M/M/1) : (GD/N/)
Este modelo difiere de (M/M/1):(GD//) en que hay un lmite N en el nmero en el

sistema (longitud mxima de la cola = N - 1). Algunos ejemplos incluyen situaciones de
manufactura en las que una mquina puede tener un espacio intermedio limitado y una
ventanilla de servicio en su coche en un restaurante de comida rpida. No se permiten
nuevas llegadas cuando la cantidad de clientes en el sistema llega a N. Por lo tanto:
No se permiten nuevas llegadas cuando la cantidad de clientes en el sistema llega a N.
Por lo tanto
= ; n = 0, 1,., N-1
= ; n = N, N+1
= ; n = 0, 1, 2,

Utilizando = el modelo generalizado:

= ;
+

= ; =
+
= ;
= ; >

= +

El valor de = no tiene que ser menor que 1 en este modelo, porque el limite N controla
las llegadas al sistema. Esto significa que es la tasa que importa en este caso.
=
= = ( ) se dice entonces <

[(+) ++ ]
= siempre que p sea distinto de 1
()(+ )
15
EJEMPLO 01
Los pacientes llegan a la clnica de un mdico de acuerdo con una distribucin de Poisson
a razn de 20 pacientes por hora. La sala de espera no puede acomodar ms de 14
pacientes. El tiempo de consulta por paciente es exponencial, con una media de 8
minutos
Solucin: (M/M/1):(GD/15/)
= 20 pacientes/hora
= 7.5 pacientes/hora
20
= 7.5 = 2.666 , N=14+1=15
(1)
15 = = 0.6249
1+1
= = 12.498
= (1 15 ) = 7.5
[1(+1) ++1 ]
= = 14.3997
(1)(1+1 )

= = 1.9199

1
= = 1.7866
= 7.5(1.7866) = 13.3997
Probabilidad Probabilidad
n Probabilidad n n Probabilidad n
Acumulada Acumulada
0 0 0 8 0.00065 0.00103
1 0 0 9 0.00174 0.00277
2 0 0 10 0.00463 0.0074
3 0 0.00001 11 0.01236 0.01976
4 0.00001 0.00002 12 0.03296 0.05272
5 0.00003 0.00005 13 0.08789 0.14061
6 0.00009 0.00014 14 0.23438 0.37499
7 0.00024 0.00038 15 0.625 0.99999
a) Cul es la probabilidad de que un paciente que llegue no espere?

= que un paciente que llegue no espere.
b) Cul es la probabilidad de que un paciente que llegue encuentre un asiento en la

sala?
= + + + + = . que un paciente que llegue encuentre
asiento.
16
c) Cul es el tiempo total esperado que un paciente pasa en la clnica?
= . horas que pasa un paciente esperando en la clnica.
EJEMPLO 02
En una peluquera hay un peluquero y un total de 10 asientos. Los tiempos de llegada

tienen distribucin exponencial, y llega un promedio de 20 clientes posibles por hora. Los
que llegan cuando la peluquera est llena no entran. El peluquero tarda un promedio de
12 minutos en atender a cada cliente. Los tiempos de corte de pelo tienen distribucin
exponencial.
a) En promedio Cuntos cortes de pelo har el peluquero?
Una fraccin de P10 de las llegas encuentra que la peluquera est llena. Por lo tanto,
entrar a ella un promedio de (1-P10) por hora. Todos los clientes que desean que se les
corte el cabello, y por lo tanto, el peluquero har un promedio de (1-P10) cortes por hora.
N = 10 , = 20 clientes por hora y = 5 clientes/hora.
Entonces = 20/5 = 4
1
= +1

1
donde n = 1,2,....m
Sustituyendo datos P10 = 0.75
As, los cortes de pelo son en promedio 20(1-0.75) = 5 cortes/hora.
b) En promedio Cunto tiempo pasar un cliente en la peluquera, cuando entra?

Para calcular W = Ls/((1-Pn))
[1 ( + 1) + +1 ]
=
(1 )(1 +1 )
4[1 (10 + 1)410 + 10410+1 ]

= = 9.67
(1 4)(1 1010+1 )
W = 9.67 / (20(1-0.75)) = 1.93 horas
17
EJEMPLO 03
Una instalacin de servicio consiste de una persona que puede atender un promedio de
2 clientes/h. Los tiempos de servicio son exponenciales. Llega un promedio de 3 clientes
por hora, y se supone que los tiempos entre llegadas son exponenciales. La capacidad
del sistema es de 3 clientes.
=3clientes/hora
=2clientes/hora
N=3
p=3/2=1.5
a) En promedio, Cuntos clientes potenciales entran al sistema cada hora?
1
= +1

1
1 1.5
3 = 3+1
1.53 = 0.4154
1 1.5
= (1-Pm) = (1-P3) = 3(1-0.4154) = 1.75 clientes por hora.
b) Cul es la probabilidad de quien atiende est ocupado?

La probabilidad que este ocupado es Pocupado = 1-Po
1
0 =
1 +1
1 1.5
0 = = 0.123
1 1.54
Por lo tanto que este ocupado es 1-0.123 = 0.876
Estar ocupado el 87.6% del tiempo
18
MODELOS DE SERVIDORES MULTIPLES
Esta seccin considera tres modelos de colas con varios servidores paralelos. Los
primeros dos modelos son las versiones de varios servidores. El tercer modelo trata el
caso del autoservicio, el cual equivale a tener una cantidad infinita de servidores
paralelos.
MODELO DE SERVIDORES MULTIPLES
(M/M/c) : (GD//)
Este modelo se ocupa de c servidores paralelos idnticos. La tasa de llegadas es y la

tasa de servicio por servidor es . En esta situacin efec = porque no hay lmite en el
nmero presente en el sistema.
El efecto de utilizar c servidores idnticos paralelos es un incremento proporcional de

tasa de servicio de la instalacin. En trminos del modelo generalizado n y n se definen
por lo tanto como:
As que:

Si = y suponiendo que el valor de Po se determina a partir de
= = la

cual da:
19
La expresin para Lq se determina como sigue:
Como = , entonces:
= +
Los valores de y se pueden determinar dividiendo y entre
EJEMPLO 01
Una pequea oficina de correos tiene dos ventanillas abiertas. Los clientes llegan
siguiendo una distribucin de Poisson con la frecuencia de 1 cada 3 minutos. Sin
embargo, solo el 80% de ellos deben ser atendidos en las ventanillas. El tiempo de
servicio por cliente es exponencial, con 5 minutos de promedio. As, ese 80% de los
clientes que llegan se forman en una cola y llegan a las ventanillas disponibles en
disciplina PLPS.
Solucin: (M/M/2):(GD//)

= . = , = =

= , = = = .
a) Cul es la probabilidad de que un cliente que llega deba esperar en la fila ( )?

()
= ( ) + = .
! !
=

{ ( )}

()
= (. ) = .
!
= ( + ) = . = .
La probabilidad es de 53.3%
b) Cul es la probabilidad de que las dos ventanillas estn vacas?

= .
La probabilidad es de 20%
20
c) Cul es la longitud promedio de la cola?

= (. ) = .

( )! ( )

1 cliente
d) Sera posible ofrecer un servicio razonable solo con una ventanilla? Explique por
qu.
No, porque es mayor que . Por lo tanto el mnimo de ventanas que puede haber en la

oficina de correos debe ser mayor o igual a = = = . , es decir que el nmero
de ventanas actuales es el correcto.
EJEMPLO 02
Determine el mnimo de servidores paralelos necesarios en cada una de las siguientes

situaciones (llegadas/salidas Poisson) que garantice que la operacin de la situacin de
colas ser estable (es decir, que la longitud de la cola no crezca de forma indefinida):
a) Los clientes llegan cada 5 minutos y son atendidos a razn de 10 clientes por hora.
=0.2 clientes / min
=10 clientes / hora 0.17 clientes / min
p=0.2/0.17=1.18

Si = y suponiendo que

.
Se necesita de 1 servidor
b) El tiempo entre llegadas promedio es de 2 minutos, y el tiempo de servicio

promedio es de 6 minutos.
=0.5 clientes / min
=0.17 clientes / min
p=0.5/0.17=2.97


.
Se necesita de 3 servidores
c) La tasa de llegadas es de 30 clientes por hora, y la tasa de servicios por servidor

es de 40 clientes por hora.
21
=30 clientes / hora
=40 clientes / hora
p=30/40=0.75


.
Se necesita de 1 servidor
EJEMPLO 03
Un banco tiene dos cajeros. Llegan al banco con un promedio de 80 clientes por hora y
esperan en una sola cola para que los atiendan. El tiempo promedio que se necesita para
atender a un cliente es 1.2 minutos. Suponga que los tiempos entre llegadas y los de
servicio son exponenciales. Calcular.
Solucin: (M/M/2):(GD//)
k: nmero de servidores
k = 2 cajeros
= 80 clientes / hora
= 1/1.2 cliente / minutos
Al realizar la conversin
= 50 clientes / hora
a) Nmero esperado de clientes en el banco.
El nmero esperado de clientes en el sistema es Ls

() ( )

= 2
0 + ( )
( 1)! ( )
para encontrar Ls hay tener primero

1
0 =

( ) ()
[1
=0 ]+[ ]
! !
22
esta ecuacin puede ser dividida en dos partes
1
=
+

80 0
1 ( ) 80 1
( ) ( ) 1 1.6
= = 50 + 50 = + = 2.6
! 0! 1! 1 1
=0

( ) 80 2
( ) (50 2)
= = 50 + = 6.4
! 2! (50 2) 80
1 1 1
0 = = = = 0.1111
+ 2.6 + 6.4 9
teniendo Po buscar Ls
80 2
(80 50) ( ) 80
= 50 0.111 + ( ) = 4.4416
(2 1)! (2 50 80)2 50
Ls= 4.44 clientes. Esta cantidad de clientes se encuentran en el banco en promedio.
b) Tiempo esperado que pasa un cliente en el banco
El tiempo esperado que pasa el cliente en el banco seria Ws

4.44
= = = 0.055
80
Un cliente pasa en el banco un promedio de Ws = 3.33 minutos.
c) La fraccin del tiempo que determinado cajero est desocupado.
El tiempo que el cajero est desocupado se define como la probabilidad de 0.

Po = 0.1111 = 11.11% del tiempo estar desocupado.
23
(M/M/c) : (GD/N/)
Este modelo difiere del (M/M/c):(DG//) en que el lmite del sistema es finito, igual a N.
Eso quiere decir que el tamao mximo de la cola es N-c.
Las tasas de llegada y de servicio son y . La frecuencia efectiva de llegadas es

menor que , a causa del lmite N del sistema.
En trminos del modelo generalizado y para el modelo actual se define como

sigue:
, 0 <
= {
0,
, 0 <
= {
,
Sustituyendo y en la ecuacin general del modelo de colas de Poisson

generalizado, y observando que = , se obtiene:

0 , 0<
= { !

,
! 0
En donde:
1
1 +1
(1 ( )
)
( + ) , 1
! ! (1 )
0 =
=0
1
1

( + ( + 1)) , =1
! !
{ =0

A continuacin se calcula Lq para el caso en que 1 como sigue:

+1 +1
= {1 ( ) ( + 1) (1 ) ( ) } 0
( 1)! ( )2

Se puede demostrar que para = 1, se reduce a

24
( )( + 1)
= 0 , =1
2!
Para determinar , y en consecuencia y , se calcula el valor de como sigue:
=
= = (1 )
EJEMPLO 01
En un pequeo taller de ajuste de motores ocupa a tres mecnicos. Cuando los clientes
que llegan ven que el piso del taller est cubierto de trabajos en espera, van a otra parte.
El piso del taller puede dar cabida cuando mucho a 15 segadoras o podadoras, adems
de las que reciben el servicio. Los clientes llegan al taller cada 15 minutos en promedio,
y un mecnico tarda un promedio de 30 minutos en terminar cada trabajo. El tiempo entre
llegadas y el tiempo de servicio tienen distribucin exponencial.
C=3 N=18

= = = =

== =

a) Cantidad promedio de mecnicos sin trabajo
Numero de mecnicos que no estn trabajando = c (Ls- Lq)

+
() ( () )

= ( ) + = .
!
= ! ( )
{ }
()
= . = .
!
= ( . ) = .
+
= { { ( ) ( + ) ( ) ( ) }} . = .
! ( )
= . + . = .
# de mecnicos no trabajando = 3 - (1.8771-0.8774) = 2.0003
25
b) Porcin del trabajo que va a la competencia en un da de 10 horas, por la
capacidad limitada del taller.
= = . = .
En un da de 10 horas se pierden: 10x0.0014=0.014 trabajos.
c) La probabilidad de que el siguiente cliente que llegue reciba servicio.

= = ! . +
= ! . =0.9998
d) La probabilidad de que al menos un mecnico este sin trabajo.

= . = .
!
=
e) La cantidad promedio de segadoras o podadoras que esperan servicio.

= .
Esperan servicio 0.8774 segadoras o podadoras
..
f) Productividad del taller=
= = .

La productividad es de 33.32%
EJEMPLO 02
Eat y Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar cabida
cuando muchos a 5 automviles, incluyendo los que llenan el tanque. Los que llegan
cuando el carril est lleno van a otra parte. La distribucin de los vehculos que llegan es
de Poisson, con promedio de 20 por hora. El tiempo para llegar y pagar las compras es
exponencial, con 6 min de promedio. Determine lo siguiente:
C=2 N=5 = 20 v/h = 10v/h p=2 p/c = 1
a) La utilizacin porcentual de las dos bombas.

2.7271.091
% utilizacin =100( )= ( )x 100% = 81.8%
2
b) La probabilidad de que un automvil que llegue no reciba servicio de inmediato,

sino que se forme encola.
= 2 + 3 + 4 = 0.54546 = 54.54%
26
EJEMPLO 03
Los alumnos de primer ingreso en la U de A se caracterizan porque tratan de llegar a

clase en automvil. Durante el primer par de semanas del semestre de otoo, en el
campus prevalece una confusin de trfico porque los alumnos tratan desesperadamente
encontrar estacionamiento. Con una dedicacin extraordinaria esperan pacientemente en
los carriles del estacionamiento a que alguien salga, para poder estacionarse.
Imaginmonos el siguiente escenario especfico: el estacionamiento tiene 30 cajones,
pero tambin pueden estacionar en forma permanente en los carriles. Esos 10
automviles adicionales no se pueden estacionar en forma permanente en los carriles, y
deben esperar que haya disponible uno de los 30 estacionamientos. Los alumnos de
ingreso reciente llegan al estacionamiento siguiendo una distribucin de Poisson, con 20
por hora de promedio. El tiempo de estacionamiento por automvil es de 60 minutos en
promedio, con 20 por hora de promedio. El tiempo de estacionamiento por automvil es
de 60 minutos en promedio, pero en realidad tiene una distribucin exponencial.
a) Cul es el porcentaje de alumnos que se salen por no caber en el

estacionamiento?
40 = 0.00014
b) Cul es la probabilidad de que un automvil que llegue ocupe el nico cajn vacio
en el estacionamiento?
29 = 0.01248
c) Calcule la cantidad promedio de estacionamientos ocupados

= 20.043 0.46 = 20
27
(M/M/) : (GD//)
En este modelo, la cantidad de servidores es ilimitada, porque el cliente tambin es un

servidor.
Un ejemplo caracterstico es hacer la parte escrita de la prueba de manejo para obtener

licencia.
Las gasolineras de autoservicio y los cajeros automticos no caen en la descripcin de

este modelo, porque en esos casos los servidores son las bombas de gasolina y los
cajeros
En el modelo se supone una llegada continua, con las tasas de servicio y ,

respectivamente.
Y se tiene que:
0 =

= , = 0, 1, 2,
!
Que es de Poisson con promedio = .
Como era de esperar, = = 0, porque es un modelo de autoservicio.
28
EJEMPLO 01
A los conductores nuevos se les pide pasar un examen por escrito, antes de hacer las
pruebas de manejo. Los exmenes escritos suelen hacerse en el departamento de polica
de la ciudad. Los registros de la ciudad de Springdale indican que la cantidad promedio
de exmenes escritos es de 100 por da de 8 horas. El tiempo necesario para contestar
el examen es de 30 minutos, ms o menos. Sin embargo, la llegada real de los aspirantes
y el tiempo que tarda cada uno en contestar son totalmente aleatorios.
Solucin: (M/M/):(GD//)

= = .

= =

a) La cantidad promedio de asientos que debe tener el departamento de polica en el
saln de exmenes.
.
= = . .

b) La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos

que hay en el saln de exmenes.

. .
= = .
!
=
c) La probabilidad de que un da no se haga examen alguno.

. .
= = = .
!
EJEMPLO 02
Un inversionista invierte $1000 al mes, en promedio, en el mercado de valores. Debido a

que el inversionista debe esperar una buena oportunidad para comprar, el tiempo real
de compra es aleatorio. El inversionista suele conservar los valores durante unos 3 aos
en promedio pero los vende al azar cuando se le presenta una buena oportunidad para
vender. Aunque al inversionista se le suele reconocer como un astuto corredor del
mercado de valores, la experiencia pasada indica que alrededor de 25% de los valores
declinan a 20% al ao, aproximadamente. El 75% restante aumenta de valor a razn de
12% al ao. Estime el capital accionario del inversionista (a largo plazo) promedio en el
mercado de valores.
Esta situacin se puede tratar como un modelo (M/M/c):(GD/N//) porque, para todos
los propsitos prcticos, el inversionista no tiene que esperar en lnea para comprar o
29
vender sus valores. El tiempo promedio entre colocaciones de pedidos es de 1 mes, lo
que da = 12 valores por ao. La tasa de venta de los valores es valor por ao. Puede
obtener los resultados del modelo con los siguientes datos de entrada:
= 1/3 valor por ao. Puede obtener los resultados del modelo con los siguientes datos
de entrada:
EJEMPLO 03
Un inversionista coloca $1000 mensuales en ciertos ttulos en el mercado de valores.

Como debe esperar una buena oportunidad de compra, el tiempo real de la compra es
totalmente independiente. El inversionista suele conservar los ttulos durante un promedio
de 3 aos, pero los vende al azar cuando se presenta la oportunidad de vender,. Aunque
en general se reconoce al inversionista como hbil en el manejo de valores, la experiencia
indica que 25% de los ttulos bajan ms o menos el 20% anual. El 75% restante se aprecia
con una rapidez aproximada de 12% por ao. Calcule lo siguiente:
30
a) La probabilidad de que el inversionista venda todo
0 =
0 = 36 = 2.311016
P0 = 0
b) La probabilidad de que el inversionista sea propietario de ms de 10 ttulos.

36 369
= = 0.999993
9!
Pn 10 = 1 Pn 9 = 1
c) La probabilidad de que el inversionista posea entre 10 y 40 ttulos, inclusive.

Pn 40 Pn 10 = 0.7771 0.13787
Pn 40 Pn 10 = 0.63923
31
MODELO DE SERVICIO DE MAQUINAS
(M/M/R) : (GD/K/K)
El entorno para este modelo es de un taller con K maquinas. Cuando se descompone

una mquina, se llama a un mecnico para hacer la reparacin. La frecuencia es La
frecuencia es descomposturas por mquina y por unidad de tiempo, y un mecnico las
repara a una tasa de maquinas por unidad de tiempo. Se supone que todas las
descomposturas y los servicios siguen una distribucin de Poisson.
Este modelo se diferencia de todos los anteriores por tener una fuente finita de clientes.
Eso se puede visualizar si se considera que cuando todas las maquinas del taller estn
descompuestas, no se pueden generar ms llamadas o solicitudes de servicio. En
esencia, solo las maquinas que estn funcionando se pueden descomponer, por lo que
tienen el potencial de generar llamadas de servicio.
Dado que la frecuencia de descomposturas por maquina es , la frecuencia de

descomposturas en todo el taller es proporcional a la cantidad de mquinas que estn
funcionando. Tambin, si se tienen n maquinas en el sistema quiere decir que n mquinas
estn descompuestas (el sistema es las maquinas descompuestas, no el taller).
Entonces, la frecuencia de descomposturas en todo el taller es:
= ( ) , 0
En trminos del modelo generalizado de colas de poisson
( ) , 0 <
= {
0 ,
, 0<
= {
,
Entonces, para el modelo generalizado se puede obtener

0 , 0

= {
!
,
! 0
1

!
0 = ( + )
!
=0 =+1
32
En este modelo es difcil obtener una forma cerrada de Ls, y en consecuencia se debe
calcular a partir de la siguiente definicin bsica:
= {( )} = ( )

=
=0
1
=

EJEMPLO 01
Un operador atiende a 5 mquinas automticas. Cuando una maquina termina un lote, el

operador la debe restablecer para iniciar el siguiente lote. El tiempo para terminar un
procesamiento de lote es exponencial, con 45 min de promedio. El tiempo de preparacin
de la maquina tambin es exponencial con un promedio de 8 min.
= 60/45 = 1.33 maquinas/hr = 60/8 = 7.5 maquinas/hr R=1 K=5
(M/M/1) : (GD/5/5)
= 1.33333 = 7.5
= 4.99945 = 0.17778
Probabilidad Prob.
n
acumulada
0 0.33341 0.33341
1 0.29637 0.62978
2 0.21075 0.84053
3 0.11240 0.95293
4 0.03996 0.99290
5 0.00710 1.00000
33
a) Determine el promedio de mquinas en espera de ser preparadas o que se estn
preparando.

=
=0
= (0 0.33341) + (1 0.29637) + (2 0.21075) + (3 0.11240) + (4 0.03996)
+ (5 0.00710)
= 1.25041
b) Calcule la probabilidad de que todas las mquinas estn funcionando.
0 = 0.33341
c) Determine el tiempo promedio que una mquina est detenida.
= ( ) = 1.3333(5 1.25041) = 4.99945
1.25041
= = = 0.25
4.99945
EJEMPLO 02
Kleen All es una compaa de servicios que realiza varios trabajos peculiares, como
jardinera, poda de rboles y pintura de casas. Los 4 empleados de la compaa salen de
la oficina con la primera asignacin del da. Despus de completar una asignacin, el
empleado llama a la oficina para pedir instrucciones para el siguiente trabajo que se va a
realizar. El tiempo para completar una asignacin es exponencial con una media de 45
minutos. El tiempo de viaje entre los trabajos tambin es exponencial con una media de
20 minutos.
= 60/45 = 1.33 maquinas/hr = 60/20 = 3 /hr R=4 K=4
(M/M/4) : (GD/4/4)
= 1.33333 = 3.0
Probabilidad Prob.
n
acumulada
0 0.22972 0.22972
1 0.40839 0.63811
2 0.27226 0.91037
3 0.08067 0.99104
4 0.00896 1.00000
34
a) Determine el promedio de empleados que viajan entre los trabajos.

=
=0
= (0 0.22972) + (1 0.40839) + (2 0.27226) + (3 0.08067) + (4 0.00896)
= 1.23076
b) Calcule la probabilidad de que ningn empleado ande en camino.

0 = 0.22922
EJEMPLO 03
Toolco tiene un taller con 22 mquinas en total. Se sabe que cada mquina se
descompone con una frecuencia promedio de una vez cada dos horas. Se necesita un
promedio de 12 minutos para terminar una reparacin. Tanto el tiempo entre
descomposturas como el tiempo de reparacin sigue una distribucin exponencial. A
Toolco le interesa determinar la cantidad de mecnicos necesarios para mantener el taller
funcionando uniformemente. Calcular lo siguiente:
a) Calcule la cantidad esperada de clientes sin trabajo si R=4
b) Calcule la probabilidad de que todos los mecnicos estn sin trabajo para R=3
c) Calcule la probabilidad de que la mayora (ms de la mitad) de los mecnicos estn
sin trabajo para R=3
a) N de mecnicos sin trabajo

=4 (Ls Lq)
=4 (2.1 0.11) = 2.01
b) P0 = 0.10779
c) R = 3
P(2 o 3 sin trabajo) = P0 + P1 = 0.34492
35
FORMULA POLLACZEEK-KHINTCHINE (P-K)
(M/G/1) : (GD//)
Los modelos de cola en que las llegadas y las salidas no siguen la distribucin de poisson
son complicados. En general, en esos casos se aconseja usar la simulacin como mtodo
alternativo para analizarlos
Esta es una de las pocas colas que no son de poisson, para la cual se dispone de
resultados. Es para el caso en el que el tiempo de servicio t se representa por una
distribucin de probabilidades con media E(t) y varianza var(t). Entre los resultados del
modelo estn las medidas bsicas de desempeo , , . El modelo no
proporciona una ecuacin cerrada para debido a que no se puede manejar en forma
analtica.
Sea la frecuencia de llegadas a la instalacin con un servidor. Dada E(t) y var(t) de la

distribucin del tiempo de servicio, y como E(t)<1, se puede demostrar, mediante
complicados anlisis de probabilidades y cadenas de Markov, que
2 ( 2 {} + {})
= {} + , {} < 1
2(1 {})
La probabilidad que la instalacin este vaca (sin trabajar) se calcula con
0 = 1 {} = 1
Como = , las medidas restantes de desempeo (Lq, Ws y Wq) se pueden obtener a

partir de Ls
1 1
= = =
(1 )
1
= =
(1 )
2
= =
1
= =
36
EJEMPLO 01
Layson Roofing Inc. instala techos de tejas en casas nuevas y viejas en Arkansas. Los
clientes potenciales solicitan el servicio al azar a razn de nueve trabajos por mes de 30
das y se les pone en una lista de espera para ser procesados sobre la base de FCFS.
Los tamaos de las casas varan, pero es bastante razonable suponer que las reas del
techo estn uniformemente distribuidas entre 150 y 300 metros cuadrados. Por lo comn,
la cuadrilla de trabajo puede completar 75 cuadrados al da. Determine lo siguiente:
a) Los trabajos de techado pendientes promedio de Layson.
9
= = 0.3 /
30
1
{} = = 3.333 3

4
var{} = = 0.333
12
2 ( 2 {} + {})
= {} + , {} < 1
2(1 {})
(0.3)2 ((3.333)2 + 0.333)

= (0.3 3.333) + = 5.14
2(1 (0.3 3.333))
b) El tiempo promedio que un cliente espera hasta que se completa el trabajo de
techado.
5.14
= = = 17.16 17
0.3
EJEMPLO 02
Un auto lavado puede atender un auto cada 12 minutos y la tasa media de llegadas es
de 9 autos/hora, = 2 min.
Obtener las medidas de desempeo de acuerdo al modelo M/G/1, adems la probabilidad
de tener cero clientes en el sistema y la probabilidad de que un cliente tena que esperar
por el servicio.
9
= = = 0.75
12
2
= = 0.033
60
2 2 + 2 92 0.0332 + 0.752
= = = 1.31
2(1 ) 2(1 0.75)
37
= + = 1.31 + 0.75 = 2.06

= = 0.145 = 8.7

1
= + = 0.228 = 13.7

0 = 1 = 0.25
= = 0.75
EJEMPLO 03
BDI Inc. Instala cmaras de seguridad en residenciales nuevas en Buenos Aires. Los
clientes potenciales solicitan el servicio al azar a razn de 15 trabajos por mes de 30 das
y se les pone en una lista de espera para ser procesados sobre la base de FCFS. Los
tamaos de las casas varan, pero es bastante razonable suponer que en el permetro
donde habra que ubicar las cmaras uniformemente distribuidas estara entre 150 y 300
metros cuadrados. Por lo comn, el equipo tcnico de instalacin puede completar 75
cuadrados al da. Determine lo siguiente:
a) Los trabajos de instalacin pendientes promedio de BDI.
7
= = 0.23 /
30
1
{} = = 4.2863 4

4
var{} = = 0.333
12
2 ( 2 {} + {})
= {} + , {} < 1
2(1 {})
(0.23)2 ((4)2 + 0.333)

= (0.23 4) + = 6.32
2(1 (0.23 4))
b) El tiempo promedio que un cliente espera hasta que se completa el trabajo de

instalacin.
6.32
= = = 27.48 17
0.23
38
CONCLUSIONES
Los modelos de colas implican siempre aproximaciones a la realidad y una

simplificacin de sta.
Los resultados permiten apreciar el orden de importancia, los cambios con

relacin a un punto de referencia y las tendencias ms probables.
Resultados "cerrados" limitados casi siempre a situaciones de estado

estacionario" y obtenidos sobre todo (aunque no exclusivamente) para su
aplicacin a sistemas de nacimiento y muerte y de fase.
Proporciona algunas cotas tiles para sistemas ms generales en estado

estacionario.
39
BIBLIOGRAFA
Frederick S. Hillier y Gerald J. Lieberman _ INTRODUCCIN A LA INVESTIGACIN DE

OPERACIONES _ 9edicin _ Mxico _ McGRAW-HILL/INTERAMERICANA
EDITORES, S.A. DE C.V. _ 2010
Hamdy A. Taha _ INVESTIGACIN DE OPERACIONES _ 9edicin _ Hamdy A. Taha _

Mxico _ Pearson Educacin de Mxico, S.A. de C.V. _ 2012
Eppen G.D. _ INVESTIGACIN DE OPERACIONES EN LA CIENCIA ADMINISTRATIVA

_ 5edicin _ Mxico _ PRENTICE-HALL _ 2000
Frederick S. Hillier _ MTODOS CUANTITATIVOS PARA ADMINISTRACIN _ 3

edicin _ Mxico _ McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.V. _ 2008
http://cdigital.dgb.uanl.mx/la/1020151198/1020151198.PDF
https://jrvargas.files.wordpress.com/2009/01/5-teoria-de-colas.pdf
http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
40
ANEXOS
41

Teorias de Colas Investigacion de Operaciones LL PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teorias de Colas Investigacion de Operaciones LL PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DR.

SECCIN 2-2 CICLO 01-2016

Escalante Membreo Jaime Rolando 2012-02821

Fecha de Entrega jueves 11 de Febrero de 2016

La teora de colas es el estudio matemtico de las colas o lneas de espera. La formacin

La teora de las colas en si no resuelve directamente el problema, pero contribuye con la

Pero si utilizamos el concepto de "clientes internos" en la organizacin de la empresa,

NOTACIN GENERAL DE LA SITUACIN GENERAL DE COLAS 5

Realizar una investigacin bibliogrfica sobre Teora de colas y

Identificar los diferentes modelos empleados al estudio de colas.

Una cola o lnea de espera es el efecto resultante en un sistema, cuando la demanda de

La teora de colas es la rama de la investigacin operativa que estudia las listas de

Parmetros bsicos de un sistema de colas:

Estos modelos se usarn para responder preguntas como las siguientes:

Estado del sistema = Nmero de clientes en el sistema

N(t) = nmero de clientes en el sistema de colas en el tiempo t

Representacin esquemtica de un sistema de colas con c servidores paralelos:

Una notacin conveniente para resumir las caractersticas de la situacin de colas de la

La notacin estndar para representar las distribuciones de las llegadas y salidas

La notacin para la disciplina en colas (smbolo d) incluye

Las medidas de desempeo ms comnmente utilizadas en una situacin de colas son:

Ls = Cantidad esperada de clientes en un sistema

Lq = Cantidad esperada de clientes en una cola

Wq = Tiempo de espera anticipado en la cola

c = Cantidad esperada de servidores ocupados

El factor de utilizacin del sistema si se mantuviera un servidor es

Con dos servidores (s = 2):

Con dos servidores (s = 2):

Suponga un Call Center el cual atiende en promedio 79 llamadas por minuto

El factor de utilizacin del sistema si se mantuviera un servidor es

Con dos servidores (s = 2):

El primer caso no limita el nmero mximo en el sistema (M/M/1) : (GD//)

Partiendo del modelo general, se tiene:

Ls = Cantidad esperada de clientes en un sistema

Lq = Cantidad esperada de clientes en una cola

Wq = Tiempo de espera anticipado en la cola

Ws = Tiempo de espera en el sistema

c = Cantidad esperada de servidores ocupados

= Factor de utilizacin de la instalacin del servicio

Solucin: (M/M/1) : (GD//)

c Lmite del sistema Lmite de la fuente

a) La probabilidad de que la ventanilla este ociosa.

b) La cantidad estimada de clientes que esperan ser atendidos

d) La probabilidad de que la lnea de espera exceda la capacidad de 10 espacios

P 11 = 1 - P10 = 1 - 0.9963 = 0.0036 para que la lnea exceda de espacio

John Macko estudia en la U de Ozark. Realiza trabajos peculiares para complementar

Solucin: (M/M/1) : (GD//)

a) Cul es la probabilidad de que John se quede sin trabajos?

b) Si John gana aproximadamente $50 por trabajo, cul es su ingreso mensual

es la tasa promedio de trabajo = $375 en 1 mes si la tasa de trabajo de entrada y

Durante aos, el detective Columbo, del Departamento de Polica de Fayetteville, ha

Solucin: (M/M/1) : (GD//)

a) El promedio de casos en espera de ser investigados

b) El porcentaje del tiempo que el detective permanece ocupado

c) El tiempo promedio necesario para resolver un caso

Este modelo difiere de (M/M/1):(GD//) en que hay un lmite N en el nmero en el

Ls = Cantidad esperada de clientes en un sistema

a) Cul es la probabilidad de que un paciente que llegue no espere?

b) Cul es la probabilidad de que un paciente que llegue encuentre un asiento en la

En una peluquera hay un peluquero y un total de 10 asientos. Los tiempos de llegada

b) En promedio Cunto tiempo pasar un cliente en la peluquera, cuando entra?

4[1 (10 + 1)410 + 10410+1 ]

W = 9.67 / (20(1-0.75)) = 1.93 horas