Fasciculo 8 PDF

Fascículo
Investigación de
Operaciones
Semestre 6
Investigación de operaciones
Semestre 6
Tabla de contenido Página
Introducción 1
Conceptos previos 1
Mapa conceptual Fascículo 8 2
Logros 2
Teoría de colas (Líneas de espera) 2
Sistemas de líneas de espera 4
Terminología y estructura 6
Terminología 6
Estructura 7
Patrones de llegada 8
Patrones de servicio 8
Distribución exponencial 9
Proceso de Poisson 10
Notación Kendall-Lee 12
Modelo M/M/1 13
Aplicaciones 14
Actividad de trabajo colaborativo 17
Resumen 17
Bibliografía recomendada 18
Seguimiento al autoaprendizaje 19
Créditos: 3
Tipo de asignatura: Teórico – Práctica
Semestre 6
Copyright©2008 FUNDICIÓN UNIVERSITARIA SAN MARTÍN

Facultad de Universidad Abierta y a Distancia,
“Educación a Través de Escenarios Múltiples”
Bogotá, D.C.
Prohibida la reproducción total o parcial sin autorización

por escrito del Presidente de la Fundación.
La redacción de este fascículo estuvo a cargo de

JUAN CASTRO ORDOÑEZ
Docente tutor – Programa de Ingeniería de Sistemas a Distancia.
Sede Bogotá, D.C.
Corrección de estilo
Adriana Valencia Rodríguez
Diseño gráfico y diagramación a cargo de

SANTIAGO BECERRA SÁENZ
ORLANDO DÍAZ CÁRDENAS
Impreso en: GRÁFICAS SAN MARTÍN

Calle 61A No. 14-18 - Tels.: 2350298 - 2359825
Bogotá, D.C., Marzo de 2012
Semestre 6
Investigación de operaciones 1
Introducción
El ser humano siempre ha estado preocupado por disminuir el tiempo de
espera de una persona en una fila, es el reto de una empresa en aras de
prestar un mejor servicio o mejorar el plan de producción en serie. Hoy en
día, todo se puede modelar como un sistema de colas, las cuales deben
ser vistas como clientes que llegan a una estación de servicio y por medio
de operadores o servidores desean ser atendidos. Los clientes que se so-
meten a largas filas en un banco para ser atendidos, los pacientes quienes
esperan en una sala de emergencias, los aviones que esperan para aterri-
zar, máquinas que paran mientras son reparadas, las piezas que esperan
a ser procesadas, en fin, se podrían citar cientos de ejemplos asociados a
una línea de espera. La modelación matemática, propuesta por el esta-
dounidense A. K. Erlang en 1909, permitió analizar la congestión del tráfi-
co telefónico. Para un tomador de decisiones gerenciales resulta indispen-
sable su conocimiento manejo de la teoría de colas.
Conceptos previos
Para el buen desarrollo de éste fascículo y en general del aprendizaje de la
Investigación de Operaciones, se debe tener en cuenta lo aprendido sobre
temas como:
 Variables discretas y continuas.
 Función de probabilidades.
 Distribución de probabilidad.
 Función de densidad de probabilidad.
 Función exponencial.
 Teoría de la decisión.
En consecuencia, responda las siguientes preguntas:

1. Dé tres ejemplos de variables continuas.
2. Dé tres ejemplo de variables discretas.
Fascículo No. 8 Investigacion de

Semestre 6 operaciones
3. ¿Qué es una función de probabilidades?

4. ¿Qué es una función de densidad de probabilidades?
5. Defina: a) Distribución de probabilidad; b) Función exponencial.
Mapa conceptual – Fascículo 8
Logros
Al finalizar el estudio de este fascículo, el estudiante:
 Identifica y usa la terminología de una línea de espera.

 Aplica fórmulas para la solución a un modelo de colas.
Teoría de colas (Líneas de espera)

Hacer fila para lograr un servicio se ha vuelto tan común y desgastante que
el tiempo que se pierde mientras se hacen acaba con la paciencia hasta
Fascículo No. 8
Investigación de
operaciones 2 Semestre 6
de las personas más tranquilas. La mayoría anhela el día en que se les

ponga fin. Es tal la preocupación por el asunto que muchas empresas no
ahorra esfuerzos por encontrar una salida a tan molesta práctica. Por for-
tuna, hoy en día cualquier fila se puede modelar como un sistema de co-
las.
La modelación matemática surgió gracias al estadounidense Agner Krarup

Erlang en 1909, al observar y analizar la congestión del tráfico telefónico
que se presentaba en Copenhague. Hoy, la teoría de colas, se ha generali-
zado a tal punto que resulta indispensable e imprescindible para cualquier
gerente que tome decisiones.
8.1
En su lugar de trabajo, enumere 5 actividades que se pueden modelar

con un sistema de líneas de espera.
La teoría de colas se aplica frente a la demanda de un servicio y supone un Una cola se forma cuando el
tiempo que transcurre para
ejercicio matemático que permita minimizar el tiempo transcurrido entre atender un cliente es mucho
mayor que el tiempo en llegar
atender uno u otro cliente. el siguiente cliente.
Si bien tener demasiados servidores genera un costo muy elevado que las
empresas no están dispuestas a asumir, no tener la capacidad de servicio
suficiente, puede degenerar en otros costos asociados por la demora en la
cola (pérdida de tiempo valioso para el cliente) Entonces, lo ideal tener un
balance entre estos, el costo de servicio y el costo asociado por la espera.
La figura 8.1, es un modelo de decisión de una línea de espera, basado en
los anteriores costos y cuyo objetivo es minimizarlos.
Fascículo No. 8
Semestre 6 3 Investigacion de
operaciones
Figura 8.1.
Modelo de decisión de un sistema de líneas de espera basado en costos.
Fuente:
HAMDY A. Taha, INVESTIGACIÓN DE OPERACIONES, 7a. edición, Ed. PEARSON, México 2004, pág. 580.
Sistemas de líneas de espera

Un sistema de líneas de espera es un conjunto conformado por clientes,
servidores y un orden tanto de llegada como de atención de los clientes.
Los clientes y los servidores también son un conjunto.
En la figura 8.2, se pueden apreciar diferentes sistemas de líneas de espe-

ra. El normal, en donde hay un solo servidor y los clientes hacen la fila para
ser atendidos, figura 8.2 a); o, también se puede encontrar varios servido-
res y una sola fila, figura 8.2 b). De la misma manera, los hay en donde a
cada servidor se le ocasiona una fila, es decir, un sistema en paralelo, figu-
ra 8.2 c). Por último, un cliente puede llegar al sistema de línea de espera y
pasar por varios servidores para concluir con su servicio. Por lo general, en
cada uno de estos servidores se hace fila y necesariamente el cliente debe
pasar por dos o más. A este sistema se le llama en serie, figura 8.2 d).
Fascículo No. 8
Investigación de
Figura 8.2.
Sistemas de líneas de espera.
Fuente:
BRONSON Richard, INVESTIGACIÓN DE OPERACIONES, Ed. Mc Graw Hill, México 1983, pág. 263.
Fascículo No. 8
operaciones
8.2
Dé 2 ejemplos de cada uno de los sistemas de línea de espera de la fi-

gura 8.2.
Un modelo de sistema de líneas de espera, responde a las siguientes pre-

guntas:
1. ¿Cuánto tiempo está desocupado el servidor?
2. ¿Cuál es la cantidad de clientes esperada en una cola?
3. ¿Cuál es el tiempo que puede pasar un cliente en una cola?
4. ¿Cuáles son las distribuciones de probabilidad de las preguntas 2 y 3?
5. ¿Cuántos servidores se deben tener para que haya un servicio eficiente?
Uun sistema de líneas de espera se puede ver como un proceso de naci-

miento-muerte así:
Nacimiento: cuando un cliente entra al sistema.
Muerte: Cuando un cliente sale del sistema.
Terminología y estructura
Terminología
Aunque ya se han nombrado anteriormente, los elementos principales de
una línea de espera son el cliente y los servidores. Los clientes siempre
provienen de una fuente (figura 8.2), que puede ser finita o infinita. Puede
suceder que al llegar al servidor o instalación, sea atendido o esperar en
una fila o cola. Es de anotar, cuando una instalación termina la atención de
un servicio, el siguiente cliente quien se encuentra en la fila pasa al servi-
dor para ser atendido. Sino hay clientes este servidor queda inactivo u
ocioso, hasta la llegada de un cliente. Según lo anterior, en el análisis de
colas son primordiales, los patrones de llegada (tiempo entre llegadas) y
los patrones de servicio (tiempo de servicio) los cuales se analizarán,
más adelante.
Fascículo No. 8
Investigación de
Ahora, se definirán otros términos requeridos en el análisis de las líneas de

espera.
Tamaño de la Cola: es el número máximo admisible de clientes quienes

pueden estar en el sistema. Es la capacidad del sistema y, puede ser
tanto en el servicio como en la línea de espera. La capacidad puede ser
infinita o finita.
Disciplina de la cola: tiene que ver en la forma en que los clientes son
atendidos en la fila. La más común es que el primer cliente quien entra a la
fila sea el primero en ser atendido, esto es, servicio según el orden de lle-
gada, disciplina FIFO. También las hay LIFO, último cliente en entrar sea el
primero en ser atendido. Las SIRO, si el servicio es en orden aleatorio. De
otro modo, las puede haber de acuerdo a ciertas prioridades (GD).
8.3
Dé dos ejemplos de cada una de las disciplinas de colas mencionadas

anteriormente.
Número de servidores: tanto el número como su distribución (mecanis- Los componentes caracterís-
ticos de un sistema de colas
mo de servicio), es importante en un sistema de líneas de espera, ver figu- son: los clientes, los servido-
res, tiempo de llegadas de
ra 8.2. los clientes, tiempo de servi-
cio de los servidores, la ca-
pacidad del sistema, la dis-
Estructura ciplina de la cola y la canti-
dad de servidores.
Diferentes estructuras de un sistema de líneas de espera han sido mostra-
das en la figura 8.2. La figura 8.3, representa otras características de la es-
tructura, que han sido descritas anteriormente en la terminología.
Fascículo No. 8
operaciones
Figura 8.3.
Estructura de un sistema de líneas de espera.
Fuente:
Patrones de llegada
También enominados tiempo entre llegadas y denotada por λ, cuando el
patrón de llegada es consecutivo a la instalación que ofrece el servicio.
Este patrón puede ser determinístico (conocerse exactamente) o proba-
bilístico; es decir, una variable aleatoria con distribución conocida. Es im-
portante decir, que los clientes pueden llegar de uno en uno o por grupos.
Los patrones de llegada pueden depender incluso del estado de la cola
(número de clientes en cola) o no. En este caso, pueden haber rechazo
(se decide no tomar la cola por su tamaño) o un abandono (el cliente des-
pués de estar en la fila, se retira, por el tiempo de espera).
Patrones de servicio
Nombrados de manera general como tiempo de servicio y denotada por
µ, es el tiempo que dura un servidor en atender un cliente. Igual que el an-
terior patrón, este patrón puede ser determinístico (conocerse exactamen-
te) o probabilístico; es decir, una variable aleatoria con distribución cono-
cida. los patrones de servicio pueden depender del estado de la cola
(número de clientes en cola) o no. De igual manera, es relevante saber si
un servidor atiende totalmente a un cliente, figuras 8.2 a) a la c), o si el
cliente requiere de una secuencia de servidores, figura 8.2 d).
Fascículo No. 8
Investigación de
Como su nombre lo indica, la teoría de colas estudia el compor-

tamiento de los sistemas de colas mediante modelos matemáti-
cos para obtener medidas de rendimiento. Esto con el fin de apo-
yar al tomador de decisiones en aras de mejorar la productividad
de la empresa y de satisfacer el cliente, quien por lo general, se
logra con un balance entre el costo de servir y el costo de esperar.
Se puede apreciar claramente que tanto en los patrones de llegada como

de servicio, en la mayor parte de los casos es básicamente probabilístico;
entonces, se tiene variable aleatoria con distribución probabilística conoci-
da. La aleatoriedad en estos patrones se basa en que un evento ocurre sin
estar influido por el tiempo de ocurrencia del evento anterior. Para esto las
más adecuadas y estudiadas son la distribución exponencial y la distri-
bución de Poisson o proceso de Poisson.
Distribución exponencial
Los tiempos aleatorios de ocurrencia se describen en forma cuantitativa
mediante la distribución exponencial, figura 8.4 y se define:
Figura 8.4.
Distribución exponencial y su fdp.
Fuente:
Con esperanza, varianza y P(t≤T):
Fascículo No. 8
operaciones
En donde:
λ es la tasa de llegadas (llegadas/hora), y,
1/λ: tiempo promedio entre llegadas (horas/llegada),
T: tiempo dado.
La carencia de memoria de Carencia de memoria de la distribución exponencial. Esta propiedad de

la distribución exponencial,
es una propiedad soportada la distribución exponencial se basa en que un evento ocurre sin estar in-
en que un evento ocurre sin
estar influido por el tiempo de fluido por el tiempo de ocurrencia del evento anterior.
ocurrencia del evento ante-
rior.
Visto de otra forma, la distribución exponencial es utilizada para describir el
tiempo entre llegadas en un nacimiento puro y el tiempo entre salidas de
una muerte pura.
Proceso de Poisson
Otra hipótesis de llegada de clientes es que llegan de acuerdo a un proce-
so Poisson, es decir, el número de clientes en cualquier momento dado
tiene una distribución Poisson, figura 8.5. El proceso de llegadas al sistema
es totalmente aleatorio, pero con una tasa promedio conocida.
Figura 8.5.
Distribución de Poisson y su fdp.
Fuente:
El autor.
Fascículo No. 8
Investigación de
La función de densidad de probabilidad de Poisson es:
Con media y varianza:
Existe una estrecha relación entre la distribución exponencial y la de Pois-

son, puesto que una define automáticamente la otra.
Teorema1. Los tiempos entre llegadas son exponenciales, con parámetro

λ, si y sólo si, la cantidad de llegadas en un intervalo de duración t sigue
una distribución Poisson con parámetro λt.
Entonces, este teorema establece:
Con media y varianza:
Siendo Nt: cantidad de llegadas que ocurre en un intervalo tiempo t cual-

quiera.
La distribución exponencial ha desempeñado un papel fundamen-

tal en la modelización de las líneas de espera, para representar
los tiempos tanto de arribos como de servicio, debido a la aleato-
riedad de los mismos y a su pérdida de memoria. Con la distribu-
ción de Poisson, son un excelente complemento para la solución
de este tipo de problemas.
1
WINSTON Wayne L., Investigación de operaciones: Aplicaciones y algoritmos, 4ª edición, Ed. Thomson, Méxi-
co 2005, pág. 1055.
Fascículo No. 8
operaciones
Notación Kendall-Lee-Taha
Es una notación estándar (Kendall, 1951), para especificar las seis (6) ca-
racterísticas de un sistema de línea de espera. La notación es: 1/2/3/4/5/6,
donde:
1=Distribución del patrón de llegadas y puede ser:

D=Determinístico,
M=Distribución exponencial,
Ek=Distribución Erlang tipo k (k=1, 2, …),
G=Cualquier otra distribución.
2=Distribución del patrón de servicio y pueden ser los mismos de 1.
3=Número de servidores en paralelo (1, 2, 3, …, ∞).
4=Disciplina de la cola y puede ser:

FIFO, LIFO, SIRO y GD; descritas preliminarmente.
5=Capacidad del sistema (finita o infinita).
6=Tamaño de la fuente (finito o infinito).
En muchos modelos 4/5/6 es DG/∞/∞ respectivamente, por lo tanto, a me-

nudo se omite.
8.4
Escriba tres ejemplos con la notación completa de Kendall-Lee-Taha,

descrita anteriormente.
De todos los modelos posibles que se pueden hacer según la notación de

Kendall-Lee-Taha, se tratará el modelo con tiempo de llegadas y tiempo de
servicio exponenciales con un solo servidor.
Fascículo No. 8
Investigación de
Modelo M/M/1
Una cola tiene las siguientes medidas de desempeño, eficiencia o funcio-
namiento:
L ≡ número promedio de clientes en el sistema.

Lq ≡ Longitud promedio de la cola.
W ≡ tiempo promedio que un cliente permanece en el sistema.
Wq ≡ tiempo promedio que un cliente espera en la cola.
W(t) ≡ probabilidad de que un cliente permanezca más de t unidades de
tiempo en el sistema.
Wq(t) ≡ probabilidad de que un cliente permanezca más de t unidades de
tiempo en la cola.
Las primeras cuatro medidas se obtienen de:
Y, de la relación entre L y W, llamada la fórmula de Little, y es:
Para el modelo M/M/1, , obteniendo:
Fascículo No. 8
operaciones
Donde:
; es el factor de utilización o intensidad de tránsito.
Si , se tiene:
;en donde,
Pn = probabilidad de estado estable.
8.5
Concrete qué pasa en estos tres casos:
Aplicaciones
A) Un cajero de un almacén atiende a los clientes quienes llegan en forma
aleatoria a una tasa de 4 por hora. Halle a) la media; b) la varianza; c) la
probabilidad de que un cliente sea atendido en menos de 15 minutos; y
d) la probabilidad de que un cliente se demore por lo menos 15 minutos
en caja.
a) , reduciendo a minutos, se tiene:

, entonces:
b)
c) T=15
Hay una probabilidad del 63.2%, que un cliente sea atendido en menos de
15 minutos.
Fascículo No. 8
Investigación de
d)
Existe una probabilidad del 36.8% que un cliente se demore más de 15

minutos en caja.
B) Para A), que las llegadas son Poisson, determine: a) Calcule la media y
la varianza b) La probabilidad que lleguen 5 clientes en una hora; c) La
probabilidad que lleguen 2 clientes entre las 9:30 y 10:00 de la mañana.
a)
b)
Hay una probabilidad del 15.6% que lleguen 5 clientes en una hora.
c)
Existe una probabilidad del 27% que lleguen 2 clientes en una media hora
del día.
C) Un restaurante especializado en bocadillos tiene una ventanilla desde la

cual da servicio a los automovilistas en su vehículo. Llegan en promedio
40 clientes por hora a la ventanilla. Se requiere 1 minuto en promedio
atender a un cliente. Suponga que los tiempos entre llegadas y de ser-
vicio son exponenciales. (Winston, problema 4, pág. 1082)
Fascículo No. 8
operaciones
a. ¿Cuántos clientes están en la cola, en promedio?

b. ¿Cuánto tiempo, en promedio pasa un cliente en el restaurante (desde
el tiempo de llegada hasta que el tiempo de servicio se completa)?
c. ¿En qué fracción de tiempo hay más de tres automóviles esperando
servicio [esto comprende el automóvil (si acaso alguno) en la ventani-
lla]?
Datos:
a. ¿Cuántos clientes están en la cola en promedio?
b. ¿Cuánto tiempo en promedio pasa un cliente en el restaurante (desde el

tiempo de llegada hasta que el tiempo de servicio se completa)?
c. ¿En qué fracción de tiempo hay más de tres automóviles esperando

servicio [esto comprende el automóvil (si acaso alguno) en la ventani-
lla]?
Cuando
Fascículo No. 8
Investigación de
Defina y dé un ejemplo de cada uno de los siguientes conceptos:
1. Distribución Erlang.
2. Cadena de Markov (Proceso markoviano).
3. Modelo de nacimientos puros.
4. Modelo de muertes puras.
5. Modelo M/M/1/GD/c/∞.
Lo primero que hay que decir es que los sistemas de colas predominan en
todo el universo. El efecto de un modelo matemático de estos sistemas
debe redundar en la calidad de vida de las personas (clientes) y en la pro-
ductividad de las empresas. Todos los modelos de líneas de espera se
pueden representar mediante la notación de Kendall-Lee-Taha que es:
1/2/3/4/5/6. El 1, representa la tasa de llegadas de los clientes al sistema
(λ); el 2, tasa de servicio al cliente por el operador del sistema (µ); el 3, es
la cantidad de servidores en paralelo; el 4, la disciplina de la cola (FIFO,
LIFO, SIRO o GD); el 5, la capacidad del sistema (finita o infinita); y, el 6,
tamaño de la fuente (finito o infinito). Mediante la fórmula de Little, se re-
suelve fácilmente un modelo M/M/1. Pero, es gracias a la distribución ex-
ponencial, que se pueden resolver todos estos modelos.
A la teoría de colas o de líneas de espera, se debe la efectividad con que

se han resuelto muchos problemas tanto para los clientes como para las
empresas. Ahora, se deja la invitación a seguir en esta línea, mediante la
simulación de eventos discretos. Terma de gran aplicación en la industria y
de excelente oportunidad para los ingenieros de sistemas de aprender
nuevos software como el ProModel y su debida programación.
Fascículo No. 8
operaciones
BRONSON Richard, INVESTIGACIÓN DE OPERACIONES, Ed. Mc Graw

Hill, México 1983.
HAMDY A. Taha, INVESTIGACIÓN DE OPERACIONES, 7a. edición, Ed.
PEARSON, México 2004. Texto guía.
HILLIER Frederick, LIEBERMAN Gerarld J., Introducción a la Investigación
de Operaciones, 3a. edición, Ed. Mc Graw Hill, México l982.
MOSKOWITZ Herbert, WRIGHT Gordon P., Investigación de operaciones,
Ed. Prentice Hall, México 1982.
WINSTON Wayne L., Investigación de operaciones: Aplicaciones y algorit-
mos, 4ª edición, Ed. Thomson, México 2005. Texto guía.
Fascículo No. 8
Investigación de
Seguimientoal autoaprendizaje
Investigación de operaciones - Fascículo No. 8

Nombre_______________________________________________________
Apellidos ________________________________ Fecha: _________________
Ciudad___________________________________Semestre: _______________
Con el fin de evaluar su proceso de autoaprendizaje, encuentre dos casos de

aplicación de los siguientes temas:
1. Distribución exponencial.
2. Distribución de Poisson.
3. Modelo M/M/1.
Fascículo No. 8
operaciones

Fasciculo 8 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

Fasciculo 8 PDF

Cargado por

Copyright:

Formatos disponibles

Fascículo

Tabla de contenido Página

Copyright©2008 FUNDICIÓN UNIVERSITARIA SAN MARTÍN

Prohibida la reproducción total o parcial sin autorización

La redacción de este fascículo estuvo a cargo de

Diseño gráfico y diagramación a cargo de

Impreso en: GRÁFICAS SAN MARTÍN

En consecuencia, responda las siguientes preguntas:

Fascículo No. 8 Investigacion de

3. ¿Qué es una función de probabilidades?

Mapa conceptual – Fascículo 8

Al finalizar el estudio de este fascículo, el estudiante:

 Identifica y usa la terminología de una línea de espera.

Teoría de colas (Líneas de espera)

de las personas más tranquilas. La mayoría anhela el día en que se les

La modelación matemática surgió gracias al estadounidense Agner Krarup

En su lugar de trabajo, enumere 5 actividades que se pueden modelar

Sistemas de líneas de espera

En la figura 8.2, se pueden apreciar diferentes sistemas de líneas de espe-

Dé 2 ejemplos de cada uno de los sistemas de línea de espera de la fi-

Un modelo de sistema de líneas de espera, responde a las siguientes pre-

Uun sistema de líneas de espera se puede ver como un proceso de naci-

Ahora, se definirán otros términos requeridos en el análisis de las líneas de

Tamaño de la Cola: es el número máximo admisible de clientes quienes

Dé dos ejemplos de cada una de las disciplinas de colas mencionadas

Como su nombre lo indica, la teoría de colas estudia el compor-

Se puede apreciar claramente que tanto en los patrones de llegada como

Con esperanza, varianza y P(t≤T):

La carencia de memoria de Carencia de memoria de la distribución exponencial. Esta propiedad de

La función de densidad de probabilidad de Poisson es:

Con media y varianza:

Existe una estrecha relación entre la distribución exponencial y la de Pois-

Teorema1. Los tiempos entre llegadas son exponenciales, con parámetro

Entonces, este teorema establece:

Con media y varianza:

Siendo Nt: cantidad de llegadas que ocurre en un intervalo tiempo t cual-

La distribución exponencial ha desempeñado un papel fundamen-

1=Distribución del patrón de llegadas y puede ser:

2=Distribución del patrón de servicio y pueden ser los mismos de 1.

3=Número de servidores en paralelo (1, 2, 3, …, ∞).

4=Disciplina de la cola y puede ser:

5=Capacidad del sistema (finita o infinita).

6=Tamaño de la fuente (finito o infinito).

En muchos modelos 4/5/6 es DG/∞/∞ respectivamente, por lo tanto, a me-

Escriba tres ejemplos con la notación completa de Kendall-Lee-Taha,

De todos los modelos posibles que se pueden hacer según la notación de

L ≡ número promedio de clientes en el sistema.

Las primeras cuatro medidas se obtienen de:

Y, de la relación entre L y W, llamada la fórmula de Little, y es:

Para el modelo M/M/1, , obteniendo:

Concrete qué pasa en estos tres casos:

a) , reduciendo a minutos, se tiene:

Existe una probabilidad del 36.8% que un cliente se demore más de 15

C) Un restaurante especializado en bocadillos tiene una ventanilla desde la

a. ¿Cuántos clientes están en la cola, en promedio?

a. ¿Cuántos clientes están en la cola en promedio?

b. ¿Cuánto tiempo en promedio pasa un cliente en el restaurante (desde el

c. ¿En qué fracción de tiempo hay más de tres automóviles esperando

Defina y dé un ejemplo de cada uno de los siguientes conceptos:

A la teoría de colas o de líneas de espera, se debe la efectividad con que

BRONSON Richard, INVESTIGACIÓN DE OPERACIONES, Ed. Mc Graw

Investigación de operaciones - Fascículo No. 8

Con el fin de evaluar su proceso de autoaprendizaje, encuentre dos casos de