Está en la página 1de 15

TEORÍA DE COLAS

SEMANA 9
5
INTRODUCCIÓN A LA TEORÍA DE COLAS

JUSTIFICACIÓN
Las colas o líneas de espera hacen parte de muchos de los sistemas del mundo
moderno. Nosotros mismos requerimos estar físicamente en una cola cuando
vamos al banco, al cine, en un peaje, en Transmilenio, etc. Estas colas o esperas
aparecen en el sistema porque, por lo general, el número de personas que
llega al sistema es mayor al número de personas que se pueden atender al
tiempo, lo que hace que deban esperar.
Un modelo de colas es un sistema al cual llegan entidades de cualquier tipo
como clientes, personas, componentes, materiales, etc. Luego pasan por un
proceso de servicio en el que demandan cierta capacidad de un recurso y
finalmente dejan el sistema.
Dentro de las preguntas que nos podemos plantear en un modelo de colas
están las siguientes:

1. ¿Cuál es el número promedio de clientes en cola?


2. ¿Cuál es el tiempo promedio que un cliente gasta en cola?
3. ¿Cuántos clientes son atendidos o cuántos clientes pueden perderse por
limitaciones de la capacidad de la cola?
4. ¿Qué tan ocupados están los servidores?

OBJETIVOS PARA LA UTILIZACIÓN DE UN SISTEMA DE COLAS


1. Identificar el nivel óptimo de capacidad de los recursos del sistema de tal
manera que se minimicen los costos.
2. Establecer un equilibrio entre calidad de servicio y el costo global del sistema.
3. Analizar el comportamiento del sistema bajo diferentes escenarios de
capacidad del sistema.

DESCRIPCIÓN DEL SISTEMA


Aspectos que describen un sistema de colas:
1. Tiempos de arribos: nosotros asumimos que los clientes llegan uno a la vez
y que los tiempos entre arribos son i.i.d. (independientes e idénticamente
distribuidos). Los tiempos entre los arribos son representados por los
símbolos según su distribución (Notación de Kendall).
2. Tiempos de servicio: nosotros asumimos que los tiempos de servicio de
clientes sucesivos son i.i.d. Los tiempos de servicio son representados de la
misma forma que los tiempos entre arribos, según su distribución.
3. Numero de servidores: nosotros asumimos que todos los servidores son
idénticos y que cualquier cliente puede ser atendido por cualquier
servidor.

2
4. Capacidad del sistema: consiste en el número máximo de clientes, entes,
etc., que se pueden tener en el sistema. Por ejemplo, si un área de
producción está compuesta por una máquina que puede procesar dos
componentes simultáneamente y además se pueden almacenar 10
componentes antes de ser procesados, entonces podríamos modelar el
sistema de producción como un modelo de colas con capacidad de 12
componentes.
5. Notación de Kendall: los sistemas de espera se pueden identificar según
los siguientes símbolos:
A/B/C/D
A. Distribución de probabilidad del tiempo entre arribos.
Puede tomar los siguientes valores según la distribución:
M – Distribución Exponencial.
G – Distribución General.
D – Determinística.
Ek – Earlang con k fases.

B. Distribución de probabilidad del tiempo de servicio.


Puede tomar los siguientes valores según la distribución:
a. M – Distribución Exponencial.
b. G – Distribución General.
c. D – Determinística.
d. Ek – Earlang con k fases.

C. Número de servidores.

D. Capacidad de la cola.

NOTACIÓN

λ: tasa de llegada de clientes.


μ: tasa de servicio.
L: número esperado de clientes en el sistema en estado estable.
W: tiempo esperado que gasta el cliente en el sistema en estado estable.
Lq: número esperado de clientes en cola en estado estable. Longitud esperada
de la cola.
Wq: tiempo esperado que gasta el cliente en cola en estado estable.

SISTEMAS
Para el modelamiento de cada sistema, las líneas de espera pueden modelarse
como procesos estocásticos en los cuales la variable aleatoria se define como
el número de entidades en el sistema en un momento dado. El conjunto de

3
valores que puede tomar dicha variable es {0, 1, 2,…, k} y cada uno de esos
valores (estados) tienen asociada una probabilidad de ocurrencia.
Dado que estos sistemas de colas van a ser modelados como procesos
estocásticos y dichos procesos (no todos, pero sí los que se van a tratar en el
curso) manejan distribuciones exponenciales para describir los diferentes
aspectos de un sistema determinado, las cadenas de Markov nos brindan la
base de cálculo necesaria para describir y analizar elementos importantes de
cada sistema.
Dentro de los sistemas de colas a modelar se encuentran los siguientes modelos:

Sistema de Colas M/M/1


Siguiendo la notación de Kendall, este sistema presenta distribuciones
exponenciales tanto en los tiempos entre arribos como en los tiempos de
servicio. Además nos dice que hay un solo servidor atendiendo las entidades
que ingresan al sistema.
El primer paso para modelar un sistema de colas es definir el sistema como un
proceso estocástico en tiempo continuo, en donde la variable del sistema de
colas se define en función del tiempo de la siguiente manera:
X(t): # de entidades en el sistema en el tiempo t.
y para las líneas de espera representan el número de clientes, piezas, etc., del
sistema.
La notación X(t) también puede ser representada como el estado del sistema
en el tiempo “t”. Por ejemplo, para un ejercicio particular de un sistema de
colas, el estado del sistema en el tiempo “t” puede ser “X(t) = 2”, lo cual puede
ser interpretado como la existencia de dos entidades en el sistema en el tiempo
t, o puede ser interpretado como que hay dos clientes en una tienda de
electrodomésticos el día lunes.
Por notación “S” será definida como el conjunto de posibles estados del sistema.
Por ejemplo, “0” puede indicar que hay cero clientes en el sistema, “1” que solo
hay 1 y así sucesivamente.
S = {0, 1, 2, 3, 4, …}
Los puntos suspensivos (…) indican que se puede tener un número infinito de
entidades en el sistema. Es decir, un modelo M/M/1 es lo mismo que tener un
modelo M/M/1/∞.
Grafo:
La siguiente imagen corresponde a la representación gráfica de un sistema
M/M/1. Cada elipse corresponde a un estado del sistema con su respectivo
valor. Las tasas con las que se pasa de un estado al siguiente o al anterior están
señaladas en cada arco y representadas por y respectivamente.

4
Gráfica 1. Grafo general de tasas del sistema M/M/1

𝛌 𝛌 𝛌

0 1 2 …
𝛍 𝛍 𝛍
Fuente: Elaboración Propia

Formulación: primero debemos comprobar que el sistema se encuentre en


estado estable. Para esto, la tasa de arribos debe ser menor que la tasa de
servicio ; de lo contrario el sistema estaría recibiendo más entidades de las que
puede despachar y llegaría a un punto en el que estallaría.
Si ⁄ , entonces el sistema está en estado estable
Donde es la utilización del sistema.
Tratado como un proceso de Markov de nacimiento y muerte, las
probabilidades de ocurrencia de cada estado en el largo plazo serían dadas
por:
Sea Pi la probabilidad de que el sistema se encuentre en el estado i cuando el
mismo esté en estado estable.

0.
( )
1. ( )
( )
( )

( )( ) ( )

( ) ( ) ( )

( )
2. ( )
( )
( )

( )( ) ( )( )

( ) ( ) ( )

5
( )
De forma general tenemos entonces:

( )
Añadimos la ecuación de balance

∑ ∑ [( ) ]

Ahora podemos calcular los indicadores

[ ] ∑[ ( ) ( )]

( )

( )

Ejemplo 1. Suponga que todos los dueños de automóviles llenan sus tanques
cuando estos están exactamente por la mitad. En este momento, un promedio
de 7.5 clientes por hora llegan a una estación de gasolina de único dispensador.
Toma un promedio de 4 minutos tanquear cada automóvil. Asuma que los
tiempos entre arribos y los tiempos de servicio se comportan exponenciales.
Para la situación planteada, calcule L y W.
Suponga que se produce una escasez de gasolina y los clientes entran en
pánico. Para modelar este fenómeno, suponga que todos los dueños de
automóviles compran gasolina cuando sus tanques están exactamente ¾ de
llenos. Como cada cliente ahora está llenando con menos gasolina el tanque
durante cada visita a la estación, asumimos que el tiempo de servicio promedio
se ha reducido a 3.33 minutos. ¿Cuánto afectó el pánico de los clientes a L y
W?

Definimos las tasas asegurándonos que tengan las mismas unidades.



⁄ ⁄ ⁄
Primero hallamos el número esperado de automóviles en la estación de
gasolina, es decir L.

6
Ahora calculamos el tiempo promedio que dura

Para analizar el fenómeno del pánico, hallamos L y W con los nuevos valores.

Dado que ahora los clientes duran menos tiempo en la estación de gasolina, el
número esperado de clientes en la estación en un instante cualquiera en el
largo plazo es menor; de igual manera, el tiempo promedio que dura cada
cliente disminuye.

Ejemplo 2. En el aeropuerto El Dorado se está estudiando la posibilidad de


instalar sistemas de escáner corporal para los viajeros de los vuelos
internacionales. Actualmente llegan al puente internacional, en promedio, 60
pasajeros por hora y un sistema de escáner tarda aproximadamente 144
segundos por pasajero (asuma una distribución exponencial para este tiempo).
Cada sistema de escáner tiene una vida útil de 5 años y un costo de
US$ 1.825.000.
Debido a los horarios asignados a los vuelos internacionales se sabe que los
pasajeros sólo llegan entre las 4:00 am y la media noche, es decir, 20 de las 24
horas del día, y se puede asumir que los tiempos entre arribos se comportan
como variables aleatorias exponenciales.
Adicionalmente, la gerencia administrativa del aeropuerto ha determinado que
cada hora de espera de un pasajero le puede costar US$ 20. El gerente quiere
determinar el número de sistemas de escáner corporal que debe adquirir para
atender a la totalidad de los pasajeros y que minimice los costos. Asuma que si
existe más de un sistema de escáner un pasajero elige entrar a cualquiera de
ellos con la misma probabilidad.

⁄ ⁄ ⁄

7
Definimos los costos asociados a la operación del escáner:

( ⁄ ) [ ( )]

Ahora evaluamos las tasas de utilización con el fin de descartar sistemas


inestables:

Note que, si se compra un escáner adicional, se crea una fila nueva para dicho
escáner y por lo tanto un sistema nuevo. Cada escáner representa entonces un
sistema M/M/1 que atiende a una porción equitativa de los pasajeros que
arriban.
Para evaluar los costos, calculamos Lq en cada escenario y comparamos los
costos totales:

⁄ ⁄ ⁄

( )

[ ( )] ⁄

⁄ ⁄ ⁄

( )

8
[ ( )] ⁄

⁄ ⁄

( )

[ ( )] ⁄

El costo asociado es menor cuando se tienen 4 sistemas de escáner y los


pasajeros que llegan se distribuyen equitativamente entre estos, cada uno con
una tasa promedio de arribos de 15 pasajeros por hora.

Sistema de Colas M/M/1/1


Este sistema en particular nos permite analizar casos donde sólo se puede servir
a una entidad y virtualmente no existe cola en el sistema, ya que la capacidad
de la fila es 1 y es la misma entidad que está ocupando al servidor. Sólo
tendríamos 2 estados entonces: hay una entidad o no hay ninguna entidad.
Luego, el modelo es el siguiente:
X(t): # de entidades en el sistema en el tiempo t.
S = {0, 1}
Grafo:

Gráfico 2. Grafo general de tasas del sistema M/M/1/1

0 1

Fuente: Elaboración Propia

Formulación:
Para hallar las probabilidades de ambos estados debemos entender cuándo
ocurre cada uno de ellos. Una de las formas de analizarlos es viéndolos como 2
variables (eventos) independientes que llamaremos:

A. tiempo de servicio de una entidad en el sistema. Exp(1/ ).


B. tiempo entre una llegada y otra de una entidad al sistema. Exp(1/ ).

La probabilidad de que una entidad llegue al sistema y pueda ser atendida es


la misma de que no haya ninguna entidad en el sistema, o lo que es lo mismo,
la probabilidad de que el servidor esté desocupado. Para que esto se cumpla,

9
el tiempo de servicio de la entidad anterior (A) debe ser menor al tiempo de
llegada de la entidad entrante (B). Luego, la probabilidad de que no haya
ninguna entidad en el sistema en estado estable corresponde a la probabilidad
de que la variable A sea menor que la variable B.
( )

Condicionando A, tenemos:
∫ ( | )

∫ ( )

( )

Usando la ecuación de balance obtenemos el complemento

Ahora podemos calcular los indicadores


[ ]

Recordando la Ley de Little podemos hallar W.

( )

Teniendo en cuenta que la tasa de arribos dada no corresponde realmente a la


tasa de entrada al sistema, debemos hallar una tasa efectiva de arribos que
involucre la probabilidad de entrar en el sistema. La nueva tasa sería entonces:

10
Luego, con la nueva tasa podemos encontrar un W efectivo que muestre el
tiempo efectivo promedio de la entidad en el sistema (el cual ya conocemos
porque tenemos ).

Ejemplo 1. Imagine una máquina cafetera de autoservicio cuyo contenedor se


agota en un tiempo promedio de 40 horas. El empleado encargado de
reabastecer la máquina no puede instalar un nuevo contenedor lleno sino
hasta que este se haya desocupado completamente. El empleado revisa en
promedio una vez cada 2 días si el contenedor debe ser reemplazado y, de no
ser necesario, lo revisa hasta su próxima visita. Asuma que tanto los tiempos
entre visitas del empleado como los tiempos de agotamiento del contenedor se
distribuyen exponencialmente. Teniendo en cuenta que el empleado no tiene
que cambiar el contenedor en todas sus visitas, ¿Cuál es la frecuencia con que
la máquina es reabastecida por el empleado?
Primero definimos las tasas de tal manera que se evalúen en las mismas
unidades:

⁄ ⁄
⁄ ⁄ ⁄

Para hallar la frecuencia con que se reabastece la máquina se debe considerar


la tasa efectiva de visitas en las que el empleado no pierde el viaje y hace el
cambio de contenedor respectivo.
Antes de calcular la tasa efectiva debemos encontrar la probabilidad de que el
contenedor se encuentre vacío:

Ahora sí podemos calcular la tasa efectiva de visitas del empleado que


reabastece la máquina:

( ) ⁄

Ejemplo 2. Suponga que en la biblioteca del Poli hay 10 libros de Programación


Estocástica pero nueve de ellos están en inglés. Los estudiantes de ingeniería
llegan a la biblioteca a retirar la versión en español pero, si no la encuentran,

11
consultarán la versión en inglés sin problema. En promedio, un estudiante
demora en devolver el libro un día. Por otro lado, los estudiantes de
Programación Estocástica arriban a la biblioteca a una tasa promedio de 3
estudiantes por día. Asumiendo tiempos exponenciales, calcule la probabilidad
de que un estudiante de PE llegue a la biblioteca y pueda retirar el libro en
español.

Primero la definición de tasas:


⁄ ⁄

Si un estudiante llega a la biblioteca y logra retirar el único libro que hay en la


versión hispana significa que nadie más lo estaba ocupando, es decir, el
sistema estaba desocupado. El único recurso o servidor (el libro) estaba
disponible. Para hallar la probabilidad de que el sistema esté vacío, calculamos:

Sistema de Colas M/M/1/k


Esto modelo conserva la restricción de capacidad del sistema anterior, pero
ahora, esta capacidad es de un número finito k. Esto significa que el número de
entidades que pueden estar en el sistema al mismo tiempo no puede exceder a
k.
X(t): # de entidades en el sistema en el tiempo t.
S = {0, 1, 2, 3, 4,…, k-1, k}
Grafo:

Gráfica 3. Grafo general de tasas del sistema M/M/1/k

0 1 2
… k

Fuente: Elaboración Propia

Formulación:
Ya conocemos que es un proceso de nacimiento y muerte con parámetros y
respectivamente. Además conocemos que ⁄ . Luego podemos decir
que…

12
∑ {

Por lo tanto, las probabilidades de cada estado con capacidad finita k serán:

( )
{

Ahora podemos hallar con qué probabilidad encontraremos al servidor ocioso

( )

Y la probabilidad de que una entidad llegue al sistema y no logre entrar porque


este llegó a su capacidad máxima.

( )

Calculando las medidas de desempeño tenemos:

( )

Como vimos en el sistema anterior, la tasa de arribos no corresponde a la tasa


de entrada al sistema, por lo que debemos calcularla teniendo en cuenta la
probabilidad de bloqueo.

( ( ))

De tal forma que siguiendo la Ley de Little encontramos el tiempo promedio


que una entidad gasta en el sistema.

⁄( ⁄
( ))

13
Ejemplo 1. Un único barbero atiene una barbería que tiene en total 10 puestos.
Los tiempos entre arribos se distribuyen exponencialmente con una tasa
promedio de 20 clientes por hora. Aquellos clientes que lleguen y encuentren la
barbería llena no se molestarán en entrar. El barbero toma en promedio 12
minutos para atender cada cliente. Los tiempos de atención también se
distribuyen exponencialmente.

En promedio, ¿cuántos clientes por hora, entran a la barbería?


En promedio, ¿cuánto va a tardar en la barbería un cliente que entre?
Definimos las tasas.


⁄ ⁄ ⁄

Para hallar la tasa efectiva de arribos, primero debemos calcular la


probabilidad de bloqueo.


Ahora sí calculamos la tasa de arribos efectiva.

( ) ⁄

Para poder encontrar el W, primero debemos calcular el número esperado de


clientes en la barbería.

( )

Y finalmente podemos hallar el tiempo promedio que dura un cliente en la


barbería luego de entrar.

Ejemplo 2. Una máquina puede producir determinadas piezas, una a la vez. Los
tiempos de producción se distribuyen exponencialmente con media 1h. y son
independientes. Cada vez que una pieza es producida es llevada a un
almacén, donde se mantiene hasta que un cliente la requiere. Este almacén
tiene una capacidad de hasta 10 piezas. Si el almacén está lleno, la máquina
es apagada y sólo vuelve a producir hasta que el almacén pueda almacenar

14
al menos una pieza. La pieza es demanda por los clientes de acuerdo a un PP
con una tasa de 20 piezas/día. Calcule la cantidad promedio de piezas que se
espera tenga el sistema en estado estable y el tiempo promedio que estas
duran en inventario antes de ser demandadas por el cliente.
Primero la definición de parámetros:

⁄ ⁄

El número esperado de piezas en el sistema está definido como:

⁄ ( )( ⁄ ) ( ⁄ )
⁄ ( ⁄ )

Ahora, para poder encontrar W, debemos calcular la tasa efectiva de


producción, es decir, la tasa que cuenta los tiempos en que la máquina está
apagada porque el almacén se encuentra lleno.
Para hallar la tasa efectiva de arribos, primero debemos calcular la
probabilidad de bloqueo.


( ⁄ )
( ⁄ )

Ahora sí calculamos la tasa de arribos efectiva.

( ) ⁄

Finalmente podemos hallar el tiempo promedio que dura una pieza en el


sistema antes de ser demandada:

15