Modelos de Líneas de Espera

Elementos Básicos

Cliente Llegan al sistema (instalación)

Servidor Prestación de servicio al cliente

Sistema

servidor
Llegada de Cliente sale
Clientes después de ser servido
Línea de espera o cola

Motivación

Quien no ha tenido experiencia respecto:

1. Clientes que esperan ser atendidos en las cajas de un banco, supermercado, restaurante.
2. Automóviles que esperan avanzar en una luz de semáforo.
3. Pacientes que esperan ser atendidos en un consultorio, clínica, hospital.
4. Aviones que esperan para despegar en un aeropuerto.
5. Máquinas descompuestas que esperan ser reparadas por el técnico.
6. Programas que esperan ser procesados por un computador, etc.

Factores importantes

1. Distribución de la llegadas de los clientes (individualidad o masiva).-

Llegan individualmente y se atienden individualmente,
Llegan en grupos y/o se atienden en grupos,
Frecuencia de llegadas (distribución de Poisson)
2. Distribución del tiempo del servicio (individual o masivo).- Duración del servicio
(distribución exponencial).

Otros factores

1. Disciplina del servicio.- Como se elige a los clientes de la línea de espera (FIFO, LIFO,
SIRO (orden aleatorio), por prioridad). En las líneas de espera con prioridad, los clientes
tienen prioridad en la atención.

Curso: IO2
Prof. Rosa Delgadillo
 2. Diseño de la instalación del servicio (estaciones en serie, paralelo o en red).
- Cuando el diseño incluye más de un servidor, ejemplo las cajas de un banco
Línea
de espera con servidores en paralelo.
- El diseño de la instalación comprende un número de estaciones en serie por la que pasa
el cliente antes de completar su servicio. (ejm. Procesamiento de un producto).
Líneas
de espera en serie.
- Un diseño general que incluye estaciones de procesamiento en serie y en paralelo.

Líneas de espera en red.

Finita
3. Tamaño de la línea de espera admisible
Infinita

4. La naturaleza de la fuente que genera las llegada de clientes solicitando servicio (fuente
de llamada)
Finito de clientes
Genera un número
Infinito de clientes (muchos clientes)

Existe una fuente finita cuando una llegada afecta la tasa de llegada de nuevos clientes.

5. Conducta del cliente (humanos)

- Cambiarse (de fila)
- Eludir
- Renunciar

Clasificación de Kendall

(a/b/c) : (d/e/f)

a = Distribución de llegadas
b = Distribución de tiempo de servicio (o salidas)
c = Número de servidores en paralelo (c = 1,2,……∞)
d = Disciplina de servicios (LIFO, FIFO, SIRO, c/prioridad)
e = Número máximo admitido en el sistema (L.E + en servicio) L.E = línea de espera
f = Tamaño de la fuente

Notación estándar que reemplaza a los símbolos: a y b

M = distribución de llegadas o salidas de Poisson, y distribución de tiempo entre llegada o de

tiempo de servicios la exponencial
D = Número de llegadas o tiempo de servicio es constante o determinístico.
G= Número de llegadas o tiempo de servicio tiene distribución general con media y varianza
conocida.
Curso: IO2
Prof. Rosa Delgadillo
Distribución del proceso de llegadas o arribos ( Distribución Poisson)

El proceso de llegadas en un modelo de líneas de espera influencia en la determinación de la

distribución de probabilidad del número de arribos en un determinado lapso de tiempo.
Las llegadas normalmente ocurren de manera aleatoria, en muchos casos de líneas de espera.
Cada llegada es independiente de otra llegada, y no es posible pronosticar el momento en el que
va a ocurrir; en estos casos la distribución de Poisson ofrece una buena descripción
(aproximación) para la distribución de las llegadas o arribos.

Entonces utilizando la función de probabilidad de Poisson, se define la probabilidad de x

llegadas en un tiempo específico (t) sea dado por

λ x e −λ
P( x) = para x = 0,1,2.....
x!

en donde

x = Número de llegadas en el periodo (o intervalo de tiempo)

λ = Número promedio de llegadas por periodo
e = 2.71828

Ejemplo 1:

Suponga que la tasa promedio de arribos de clientes a una pizzería es de 45 clientes por hora,
entonces en un minuto el número promedio de llegadas de clientes será de λ = 45/60 = 0.75
llegadas por minuto.

Se utiliza Poisson para calcular la probabilidad de x llegadas durante un lapso de un minuto.

λ x e −λ 0.75 x e −0.75
P( x) = = .
x! x!

de la tabla e −0.75 = 0.4724,

Así, las probabilidades de 0,1, y 2 llegadas por minuto son:

0.75 0 e −0.75
P ( x = 0) = = e − 0.75 = 0.4724
0!

Curso: IO2
Prof. Rosa Delgadillo
 0.751 e −0.75
P( x = 1) = = 0.75 e −0.75 = 0.3543
1!

0.75 2 e −0.75
P( x = 2) = = 0.28125 e − 0.75 = 0.1329
2!

de donde la probabilidad de que no haya llegadas en un lapso de 1 minuto es 0.4724, la

probabilidad de que haya exactamente una llegada es de 0.3543, y de haya exactamente 2
llegadas es de 0.1329.

En la práctica se debe de verificar para un periodo (horas, días, semanas), si los arribos siguen
una distribución de Poisson.

Distribución del Tiempo de Servicio (Distribución Exponencial)

Es el tiempo que el cliente deja transcurrir en la instalación una vez que se inicia el servicio.
Los tiempos de servicio no son constantes
La distribución de probabilidad exponencial es la que proporciona (más se ajusta) una buena
aproximación de los tiempos de servicio

Entonces, la probabilidad de que el tiempo de servicio sea menor o igual a un tiempo o duración
está dada por:

P(tiempo de servicio ≤ t ) = 1 − e − µt

donde:

µ = número promedio de unidades que pueden ser atendidas por periodo

Ejemplo 2:

Suponga que de los estudios hechos en la pizzería, el proceso de recepción y atención de las
órdenes, efectuado por el único empleado que atiende y también prepara las pizzas; procesa en
promedio 60 órdenes de clientes por hora.

Entonces en un minuto, la tasa promedio de servicio es: µ =60/60 =1, esto es atiende un cliente
por minuto.

Curso: IO2
Prof. Rosa Delgadillo
Por tanto es posible calcular la probabilidad de procesar una orden en ½ minuto o menos, en un
minuto o menos, en 2 minutos o menos. Así

P(tiempo de servicio ≤ 0.5) = 1 − e −1( 0.5) = 1 − 0.6065 = 0.3935

P(tiempo de servicio ≤ 1.0) = 1 − e −1(1.0) = 1 − 0.3679 = 0.6321

P(tiempo de servicio ≤ 2.0) = 1 − e −1(02.0) = 1 − 0.1353 = 0.8647

De donde se puede concluir que existe una probabilidad de 0.3935 de que se pueda procesar una
orden en 1/2min o menos; existe una probabilidad de 0.6321 de procesar una orden en un
minuto o menos y existe una probabilidad de 0.8647 de que se pueda procesar una orden en 2
minutos o menos.

1. Modelos de Líneas de espera de 1 solo canal con llegadas Poisson y tiempos de servicio
exponencial (M/M/1)

Suposiciones:

La línea de espera tiene 1 solo canal

Patrón de llegadas con distribución Poisson
Tiempo de servicio con distribución exponencial
Disciplina del servicio FIFO

Características de Operación

Las fórmulas que se emplean para determinar las características de operación del estado estable
son:
λ = Número promedio de llegadas por periodo (tasa promedio de llegadas)
µ = Número promedio de servicios por periodo (tasa promedio de servicio)

1) Probabilidad de que no haya unidades en el sistema

λ
P0 = 1 −
µ

2) Número promedio de unidades en la fila de espera (tamaño de la fila)

λ2
Lq =
µ (µ − λ )

3) Número promedio de unidades en el sistema (tamaño total)

Curso: IO2
Prof. Rosa Delgadillo
 λ
L = Lq +
µ

4) Tiempo de espera promedio que una unidad pasa en la línea de espera

Lq
Wq =
λ

5) Tiempo promedio que una unidad pasa en el sistema

1
W = Wq +
µ

6) Probabilidad de que una unidad que llega tenga que esperar para obtener servicio

λ
Pw =
µ

7) Probabilidad de que haya n unidades en el sistema.

n
λ
Pn =   p 0
µ

λ
donde = factor de utilización de la instalación (servicio). Este proporciona la probabilidad
µ
de que la instalación de servicio este ocupada.

Estas formulas del 1 al 7 solo se aplican cuando µ > λ ;

esto es, la tasa promedio de servicio > tasa promedio de llegadas;
λ
o sea, cuando < 1 ; en caso contrario la cola crece sin limite, pues el servicio no tiene
µ
capacidad para manejar las unidades que llegan.

Ejemplo 3:

En el problema de la Pizzería, la tasa promedio de llegadas es de λ = 0.75 clientes por minuto y

la tasa de servicio es µ = 1 , clientes por minuto,

µ>λ

Aplicando las fórmulas se obtiene:

Curso: IO2
Prof. Rosa Delgadillo
 λ 0.75
P0 = 1 − = 1− = 0.25
µ 1

λ2 0.75 2
Lq = = = 2.25 clientes
µ ( µ − λ ) 1(1 − 0.75)

λ 0.75
L = Lq + = 2.25 + =3 clientes
µ 1

Lq 2.25
Wq = = = 3 minutos
λ 0.75

1 1
W = Wq + = 3 + = 4 minutos
µ 1

λ 0.75
Pw = = = 0.75
µ 1

En el ejemplo visto se observa que:

- Los clientes esperan en promedio 3 min. antes de ser atendidos (esto es, antes de solicitar su
pedido)
- Además el número promedio de clientes que esperan en la cola es de 2.25
- y el 75% de los clientes esperan

esto son indicadores que muestran que debe hacerse algo para mejorar la eficiencia de operación
de la línea de espera.

Mejorar el desempeño de la línea de espera, generalmente se concentra en mejorar la tasa de

servicio, de dos maneras:

1) Aumentar la tasa promedio de servicio ( µ )

2) Añadir canales paralelos de servicio de manera que sea posible atender a más unidades a la
vez.

En el primer caso: Aumentar la tasa promedio de servicio

Ejemplo 4:

Suponga que para el problema de la pizzería, el servicio se descompone en 2 personas:

Una persona que recepciona y entrega el pedido y una persona que prepare o atienda el pedido

Suponga ahora que la tasa de servicio se incrementa de 60 a 75 clientes por hora.

Ahora en base a minutos la tasa promedio es µ = 75 / 60 = 1.25 , como λ = 0.75 , se puede obtener:

Curso: IO2
Prof. Rosa Delgadillo
Probabilidad de que el sistema este desocupado

λ 0.75
P0 = 1 − =1− = 0.4
µ 1.25

Promedio de clientes que esperan en la cola y promedio de clientes que están en el sistema

λ2 0.75 2 0.5625
Lq = = = = 0.9 clientes
µ ( µ − λ ) 1.25(1.25 − 0.75) 0.625

λ
L = Lq + = 0.9 + 0.6 = 1.5 clientes
µ
Tiempo promedio en la cola y en el sistema

Lq
Wq = = 1.2 minutos
λ

1
W = Wq + = 1.2 + 0.8 = 2 minutos
µ

Probabilidad de que un cliente que llegue tenga que esperar

λ 0.75
Pw = = = 0.6
µ 1.25

Probabilidad de que haya 1 persona en el sistema

1
λ
P1 =   P0 = (0.6) x(0.4) = 0.24
µ

Se observa que hay una mejora pues un cliente pasa solo 2 minutos en el sistema y que 60% de
clientes esperan

En el segundo caso: Añadir otro canal

2. Modelo de líneas de espera de canales múltiples con llegadas Poisson y tiempo de

servicios exponenciales (M/M/2)

Suposiciones
- la línea de espera tiene 2 ó más canales (instalaciones de servicio)
- el patrón de llegada es de distribución de Poisson

Curso: IO2
Prof. Rosa Delgadillo
- el tiempo de servicio de cada canal sigue una distribución exponencial
- la tasa promedio de servicio µ , es la misma para todos los canales
- Las unidades que llegan aguardan en una sola línea de espera y después pasan al primer canal
libre para obtener servicio.
- la disciplina del servicio es FIFO.

Características de operación

λ = tasa promedio de llegadas al sistema

µ = tasa promedio de servicio para cada canal
k = número de canales

k µ = tasa promedio de servicio para el sistema de canales múltiples

la condición de aplicabilidad de las formulas que siguen es:

kµ > λ

1) Probabilidad de que no haya unidades en el sistema

1
P0 = k −1
(λ / µ )
n
(λ / µ ) k  kµ 
∑
n=0
n!
+
k!
 
 kµ − λ 

2) Número promedio de unidades en la fila de espera (tamaño de la fila)

(λ / µ ) k λµ
Lq = P0
(k − 1)! (kµ − λ ) 2

3) Número promedio de unidades en el sistema (tamaño total)

λ
L = Lq +
µ
4) Tiempo de espera promedio que una unidad pasa en la línea de espera

Lq
Wq =
λ
5) Tiempo de espera promedio que una unidad pasa en el sistema

1
W = Wq +
µ

Curso: IO2
Prof. Rosa Delgadillo
6) Probabilidad de que una unidad que llega tenga que esperar para obtener servicio

k
1 λ  kµ 
Pw =     P0
k!  µ   kµ − λ 

7) Probabilidad de que haya n unidades en el sistema.

(λ / µ ) n
Pn = p0 para n≤k
n!

(λ / µ ) n
Pn = p0 para n>k
k! k ( n − k )

Ejemplo 5:

Para el problema de la pizzería, suponga que se abre otro servicio de atención al cliente de
forma que se puede atender en forma simultánea a 2 clientes; y que se tiene una sola línea de
espera, en donde el cliente que sigue utiliza el primer servicio que esta disponible.

Veamos k = 2 canales
λ = 0.75
µ =1

Aplicando las formulas se tiene:

1
P0 = k −1
= 0.4545
(λ / µ )
n
(λ / µ ) k  kµ 
∑
n=0
n!
+
k!
 
 kµ − λ 

(0.75 / 1) 2 0.75(1)
Lq = 0.4545 = 0.1227 clientes
(2 − 1)!(2(1) − 0.75) 2

λ
L = Lq + = 0.1227 + 0.75 / 1 = 0.8727 clientes
µ

Lq 0.1227
Wq = = = 0.16 minutos
λ 0.75

Curso: IO2
Prof. Rosa Delgadillo
 1
W = Wq + = 0.16 + 1 = 1.16 minutos
µ

k
1  0.75   2(1) 
Pw =    (0.4545) = 0.2045
2!  1   2 − 0.75 

En comparación con la línea de espera de un solo canal, las ventajas son obvias, por ejemplo de
tiempo que pasa un cliente en el sistema de 4 minutos pasa a 1.16 minutos, la probabilidad de
que un cliente que llega tenga que esperar para ser atendido pasa de 0.75 a 0.2045.

Relación general para los modelos de línea de espera

Las principales características de operación que interesan en las líneas de espera son:

El número promedio de unidades en la línea de espera, el número de unidades en el sistema, el

tiempo promedio que cada unidad pasa en la línea de espera y el tiempo promedio que cada
unidad pasa en el sistema, esto es: Lq , L, Wq , W

Ecuaciones de Flujo de Little

John D.C. Little muestra que estas cuatro características están relacionadas en forma general y
se aplican a diversos modelos de líneas de espera, independientemente.

Una ecuación general es:

El número promedio de unidades en el sistema = tasa promedio de llegadas x tiempo promedio

que una unidad pasa en el sistema.

L = λW

igualmente,

El número promedio de unidades en la cola = tasa promedio de llegadas x tiempo promedio que
una unidad pasa en la cola (línea de espera)

Lq = λ W q

de donde :

Lq
Wq =
λ
Curso: IO2
Prof. Rosa Delgadillo
Otra, ecuación general es:

El tiempo promedio que una unidad esta en el sistema = al tiempo promedio en espera (en cola)
+ el tiempo promedio de servicio

1
W = Wq +
µ

λ
de donde : L = Lq +
µ

La importancia de las ecuaciones de Little es que se aplican a cualquier modelo de espera

independientemente de si las llegadas siguen una distribución poisson o no y si los tiempos de
servicio siguen una distribución exponencial o no.

Ejemplo 6:

Suponga que en una tienda de abarrotes, los clientes llegan siguiendo una distribución de Poisson
con una tasa promedio de 24 clientes por hora, y los tiempos de servicio siguen una distribución
normal con tasa promedio de servicio de 30 clientes por hora. Un estudio de los tiempos
efectivos mostró que los clientes en promedio pasan 4.5 minutos en la tienda. Determine
L q , L, y W q

Como µ = 30 clientes por hora, y λ = 20 clientes por hora entonces µ = 30 / 60 = 0.5 clientes
por minuto y λ = 20 / 60 = 0.4 clientes por minuto.
Aplicando las ecuaciones de Little se tiene:

1 1
Wq = W − = 4.5 − = 2.5 minutos
µ 0.5

L = λ W = 0.4(4.5) = 1.8 clientes

Lq = λ Wq = 0.4(2.5) = 1 cliente

Análisis económico de líneas de espera

Con frecuencia las decisiones sobre el diseño de líneas de espera, como la determinación del
número de canales, se basan en una evaluación subjetiva de las características de la línea, por
ejemplo decidir un tiempo promedio de espera (1 minuto o más), un promedio de clientes (2 ó
más) en el sistema.

Curso: IO2
Prof. Rosa Delgadillo
En algunos casos es deseable intentar definir el costo de operación de las líneas de espera y
después tomar decisiones respecto al diseño del sistema.

Un modelo de costo total, incluye el costo de espera y el costo de ofrecer el servicio

CT = C w L + C s k

donde:

C w = Costo de la espera por periodo para cada unidad

C s = Costo del servicio por periodo para cada canal
L = Número promedio de unidades en el sistema
k = Número de canales
CT = costo total por periodo

El costo de la espera es difícil estimar, no obstante si se ignora y se permite grandes colas, es

probable que en determinado tiempo los clientes se marchen a otro lugar, lo que ocasiona
pérdidas de ventas, que se puede considerar un costo de oportunidad perdido. En organizaciones
estatales no se contempla este costo, en consecuencia se tiene grandes colas en los procesos, en
los clientes, en el servicio en general.

El costo del servicio es más fácil de determinar, los salarios, los costos directos, prestaciones,
etc.

Costo total

costo
total Costo de servicio
por
hora

Costo de espera

k
número de canales

Ejemplo 7:

En el caso de la pizzería, si el Cs = s/ 7 x hora y Cw= s/ 10 x hora

En el modelos de 1 canal: sabemos que L = 3

Curso: IO2
Prof. Rosa Delgadillo
 CT = 10x3 + 7 x1 = s/ 37 x hora

En el modelo de 2 canales : L = 0.8727

 CT = 10x (0.8727) + 7 x 2 = 22.73 x hora.

Por tanto, para la pizzería es más económico un sistema con dos canales.

3. Modelos de líneas de espera con un solo canal con llegadas Poisson y tiempos de servicio
arbitrarios (M/G/1)

Suposiciones:

La línea de espera tiene 1 solo canal

Patrón de llegadas con distribución Poisson
Tiempo de servicio con distribución cualquiera
Disciplina del servicio FIFO

Características de Operación

Las fórmulas que se emplean para determinar las características de operación del estado estable
son:
λ = Tasa promedio de llegadas
µ = Tasa promedio de servicio
1 / µ = Tiempo promedio de servicio
σ = Desviación estándar del tiempo de servicio

1) Probabilidad de que no haya unidades en el sistema

λ
P0 = 1 −
µ

2) Número promedio de unidades en la fila de espera (tamaño de la fila)

λ 2 σ 2 + (λ / µ ) 2
Lq =
2(1 − λ / µ )

3) Número promedio de unidades en el sistema (tamaño total)

λ
L = Lq +
µ

4) Tiempo de espera promedio que una unidad pasa en la línea de espera

Curso: IO2
Prof. Rosa Delgadillo
 Lq
Wq =
λ

5) Tiempo promedio que una unidad pasa en el sistema

1
W = Wq +
µ

6) Probabilidad de que una unidad que llega tenga que esperar para obtener servicio

λ
Pw =
µ

Ejemplo 8:

Una tienda de especialidades de un centro comercial conocido, durante la tarde es atendida por
un empleado. La llegada de los clientes a la tienda son aleatorios y la tasa promedio de llegada es
de 21 clientes x hora. Un estudio del proceso muestra que el tiempo promedio del servicio es de
2 min por cliente, con una desviación estándar de 1.2 min. Determine los valores de las
características principales de operación del sistema.

Como el tiempo promedio de servicio es de 2 minutos por cliente, entonces la tasa promedio de
servicio es µ = 1 / 2 = 0.5 clientes por minuto.
Y como λ = 21 clientes por hora , entonces λ = 21/60 = 0.35 clientes por minuto,

Con lo que:

λ 0.35
P0 = 1 − = 1− = 0.30
µ 0.5

(0.35) 2 (1.2) 2 + (0.35 / 0.5) 2

Lq = = 1.11 clientes
2(1 − 0.35 / 0.5)

λ 0.35
L = Lq + = 1.11 + = 1.81 clientes
µ 0.5

Lq 1.1107
Wq = = = 3.17 minutos
λ 0.35

1 1
W = Wq + = 3.17 + = 5.17 minutos
µ 0.5

λ 0.35
Pw = = = 0.7
µ 0.5
Curso: IO2
Prof. Rosa Delgadillo
Observe que las ecuaciones de L,Wq ,W , son las mismas de las ecuaciones de Little.

4. Modelos de líneas de espera con un solo canal con llegadas Poisson y tiempos de servicio
constante (M/D/1)

Este tipo de modelo se presenta en la producción y manufactura, pues los tiempos de servicio en
algunos casos son controlados por máquinas.

Solamente cambia la ecuación referente a Lq, pues la desviación es cero.

(λ / µ ) 2
Lq =
2(1 − λ / µ )

las otras ecuaciones L,Wq ,W , P0 se mantienen.

5. Modelos de canales múltiples con llegadas poisson, tiempos de servicios arbitrarios y sin
linea de espera (M/G/k)

Suposiciones:

Sistema con k canales

Patrón de llegada Poisson
Tiempos de servicio cualquier distribución de probabilidad
Tasa promedio de servicio es la misma para todos los canales
Una unidad ingresa al sistema, solo si se dispone de cuando menos 1 canal de los k canales; esto
es las llegadas no ingresan son bloqueadas si no hay disponibilidad.

Características de Operación

El problema a resolver es ¿Cuantos canales o empleados se deben utilizar?

Este tipo de modelo de líneas de espera se presenta en sistemas de líneas telefónicas u otros
sistemas de comunicaciones. Las llegadas son las llamadas y los canales son el Número de
líneas telefónicas o comunicación disponibles.

Se aborda el problema de elegir el mejor número de canales calculando las probabilidades de

estado estable de que exactamente j de los k canales estén ocupados.

Esto es,
(λ / µ ) j / j!
Pj = k

∑ (λ / µ )
i =0
i
/ i!

donde:

Curso: IO2
Prof. Rosa Delgadillo
λ = Tasa promedio de llegadas
µ = Tasa promedio de servicio para cada canal
k = Número de canales en el sistema
P j = Probabilidad de que exactamente j de los k canales estén ocupados para j = 0,1,…k

Pk es la probabilidad de que los k canales estén ocupados, esto es, es el porcentaje de llegadas
que quedan bloqueadas y que no se permite el acceso al sistema.

Otra característica de operación que interesa es el número promedio de unidades que se

encuentran en el sistema, observe que esto es el número de canales ocupados.

λ
L= (1 − Pk )
µ

Ejemplo 9:

Una compañía utiliza un sistema telefónico de pedidos para sus productos (software para
computadoras). Los clientes hacen pedidos utilizando un número telefónico gratuito de la
compañía. Suponga que la tasa de llegadas es de 12 por hora. El tiempo de proceso de un pedido
telefónico varia de uno a otro, sin embargo se espera que el representante de ventas, maneje un
promedio de 6 por hora, en el momento el número telefónico tiene 3 canales internos (líneas)
cada uno de ellos operado por un representante de ventas, las llamadas gratuitas se transfiere
automáticamente a alguna de las líneas (canales abiertas) si las hay, en otro caso, las personas
obtienen una señal de ocupado. No siempre las personas (clientes) vuelven a llamar, lo que
significa que puede ser una venta pérdida. La compañía desea saber el porcentaje de personas
(clientes) que reciben la señal de ocupado, pues su meta es atender un 90% de las llamadas
¿Cuántas líneas telefónicas y cuantos representantes de venta debe emplear?

Según el problema se tiene un número telefónico con 3 líneas, entonces P3 es la probabilidad que
las tres líneas estén ocupadas, y por tanto al cliente que hace una llamada se le excluye (rechaza
o bloquea)

Por tanto esta probabilidad, dado λ = 12 por hora y µ = 6 por hora, es:

(12 / 6) 3 / 3! (12 / 6) 3 / 6 1.3333

Pj = = = = 0.2105
3
(12 / 6) / 1 + (12 / 6) / 1 + (12 / 6) / 2 + (12 / 6) / 6 6.3333
0 1 2 3

∑ (12 / 6)
i =0
i
/ i!

Esto es el 21% de las llamadas que llegan se bloquean (excluyen), solo el 79% se atienden.

Si se amplia a 4 líneas (canales) se tendrá:

Curso: IO2
Prof. Rosa Delgadillo
 (12 / 6) 4 / 24 0.6667
P4 = = = 0.0952
(12 / 6) / 1 + (12 / 6) / 1 + (12 / 6) / 2 + (12 / 6) / 6 + (12 / 6) / 24
0 1 2 3 4
7

Por lo que solamente se bloquean (pierden) 9.52%, esto es el 90.48% de las llamadas son
atendidas.

Ahora, el número promedio de llamadas en el sistema (4 canales o líneas telefónicas), y por tanto
el número de líneas o representantes de venta que estarán ocupados es:

λ 12
L= (1 − P4 ) = (1 − 0.0952) = 1.81
µ 6

Por lo que aunque en promedio menos de 2 líneas estarán ocupadas, se requiere un sistema de 4
líneas para ofrecer una capacidad de manejar cuando menos 90% de las llamadas.

6. Modelos de líneas de espera con población demandante finitas (M/M/1)

En los modelos anteriores que se han mostrado los clientes que llegan al sistema para ser
atendidos puede ser ilimitado; en este modelo se tiene que el número de clientes que podrían
arribar al sistema es limitado.
En esta situación la tasa promedio de llegadas al sistema cambia dependiendo del número de
unidades que se encuentra en el sistema. Entonces se utiliza λ para indicar las llegadas promedio
con base en las unidades individuales. Se supone que todas las unidades tienen la misma tasa de
llegada. Se aplica a problemas tales como reparación de equipos o máquinas en una instalación.

Suposiciones:

Sistema de un solo canal

La población de las unidades es finita
Todas las unidades tienen la misma tasa de llegada

Características de Operación

λ = Tasa promedio de llegadas para cada unidad

µ = Tasa promedio de servicio
N = Tamaño de la población

1) Probabilidad de que no haya unidades en el sistema

1
P0 = n
N
N!  λ 
∑  
n = 0 ( N − n)!  µ 

Curso: IO2
Prof. Rosa Delgadillo
2) Número promedio de unidades en la fila de espera (tamaño de la fila)

λ+µ
Lq = N − (1 − P0 )
λ

3) Número promedio de unidades en el sistema (tamaño total)

L = Lq + (1 − P0 )

4) Tiempo de espera promedio que una unidad pasa en la línea de espera

Lq
Wq =
( N − L)λ

5) Tiempo promedio que una unidad pasa en el sistema

1
W = Wq +
µ

6) Probabilidad de que haya n unidades en el sistema.

n
N!  λ 
Pn =   p0 para n = 0,1,...., N
( N − n)!  µ 

Ejemplo 10:

Una empresa tiene un grupo de 6 máquinas idénticas que operan un promedio de 20 horas entre
paradas por descompostura; así la tasa de llegada promedio de llegada o solicitud de reparación
para cada máquina es λ = 1 / 20 = 0.05 máquinas por hora. Como las descomposturas ocurren al
azar la distribución que se le aproxima es de Poisson para el proceso de llegadas de las máquinas
averiadas. Un operario es el que proporciona el servicio de reparación para las 6 máquinas. El
tiempo de servicio sigue una distribución exponencial con tiempo promedio de 2 horas por
máquina, esto es µ = 1 / 2 = 0.5 máquina por hora. Se pide hallar las caracteristicas de operación
del sistema.

Dado que λ = 0.05 y µ = 0.5 y N=6, se tiene:

Curso: IO2
Prof. Rosa Delgadillo
 1
P0 = n
= 0.4845
6
6!  0.05 
∑  
n = 0 (6 − n)!  0.5 

0.05 + 0.5
Lq = 6 − (1 − 0.4845) = 0.3295 máquinas
0.05

L = 0.3295 + (1 − 0.4845) = 0.845 máquinas

0.3295
Wq = = 1.28 horas
(6 − 0.845)0.05

1
W = 1.28 + = 3.28 horas
0.5

Curso: IO2
Prof. Rosa Delgadillo