INSTITUTO TECNOLÓGICO DE CERRO

AZUL

CARRERA: INGENIERÍA EN GESTION EMPRESARIAL

MATERIA: INVESTIGACIÓN DE OPERACIONES

GRUPO: BW41

ALUMNA: LIZARY CERVERA HERRERA

UNIDAD 4 LÍNEAS DE ESPERA

PROFESOR: M.C. IVAN ESTEBAN RAMOS

 ÍNDICE

UNIDAD 4 LÍNEAS DE ESPERA. ....................................................... 3

4.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE

ESPERA ............................................................................................. 3

4.1.1 UN SERVIDOR, UNA COLA. ............................................... 5

4.1.2 N SERVIDORES, UNA COLA. ............................................. 8

4.1.3 N SERVIDORES, N COLAS. ...............................................10

4.2 CRITERIOS BAJO LA DISTRIBUCION DE

POISSONYEXPONENCIAL PARA LA SELECCIÓN DEL MODELO
APROPIADODE LÍNEAS DE ESPERA. ............................................12

4.3 APLICACION DE MODELOS DE DECISION EN LINEAS DE

ESPERA.............................................................................................14

4.4 INFERENCIA DE RESULTADOS. ...............................................16

EJEMPLOS DE PROBLEMAS ..........................................................18

2
UNIDAD 4 LÍNEAS DE ESPERA.

Las "colas" son un aspecto de nuestra vida moderna que normalmente podemos
encontrar en nuestras actividades diarias.

Como ejemplos podríamos mencionar: el contador de un supermercado,

accediendo al Metro, en los Bancos, etc., este fenómeno de las colas surge
cuando unos recursos compartidos necesitan ser accedidos para dar servicio a un
elevado número de trabajos o clientes.

El estudio de las colas es de suma importancia ya que proporciona tanto una base
teórica del tipo de servicio que podemos esperar de un determinado recurso, como
la forma en la cual dicho recurso puede ser diseñado para proporcionar un
determinado grado de servicio a sus clientes.

Debido a lo comentado anteriormente, se plantea como algo muy útil el desarrollo

de una herramienta que sea capaz de dar una respuesta sobre las características
que tiene un determinado modelo de colas.

La teoría de colas es el estudio matemático del comportamiento de líneas de

espera. Esta se presenta, cuando los "clientes" llegan a un "lugar" demandando un
servicio a un "servidor", el cual tiene una cierta capacidad de atención. Si el
servidor no está disponible inmediatamente y el cliente decide esperar, entonces
se forma la línea de espera.

Una cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de línea de espera particulares o sistemas
de colas. Los modelos sirven para encontrar un buen compromiso entre costes del
sistema y los tiempos promedio de la línea de espera para un sistema dado.

4.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE

ESPERA

La teoría de colas es el estudio de los sistemas de líneas de espera en sus

distintas modalidades. El estudio de estos modelos sirve para determinar la forma
más efectiva de gestionar un sistema de colas

 Demasiada capacidad de servicio => Excesivos gastos

 Poca capacidad de servicio => Mal servicio

3
Objetivo: Encontrar un balance adecuado entre el coste del servicio y los tiempos
de espera.

Fuente de entrada: (población de clientes potenciales). Se dice que es limitada o

ilimitada según si su tamaño es finito o infinito. Usualmente se asume que es
ilimitada (el caso finito es más difícil analíticamente)

Clientes: entran al sistema cada cierto tiempo y se unen a una cola. Se debe
especificar el patrón estadístico mediante el cual los clientes entran al sistema.

Proceso de llegada: La suposición habitual es que los clientes acceden al sistema

según un proceso de Poisson, lo que significa que los clientes que llegan en un
intervalo determinado de tiempo siguen una distribución Poisson, con tasa media
fija y sin importar cuántos clientes ya están en el sistema. Una suposición
equivalente es que los tiempos entre dos llegadas consecutivas (tiempo entre
llegadas) es exponencial.

Cola: cuando los clientes entran al sistema se unen a una cola. La cola es donde
los clientes esperan a ser servidos. Una cola se caracteriza por el número máximo
permisible de clientes que puede admitir. La suposición de una cola infinita es más
fácil de manejar analíticamente que la de una cola finita. También pueden
considerarse otras suposiciones acerca del comportamiento de los clientes cuando
llegan al sistema, como por ejemplo que un cliente rehúse acceder al servicio
porque la cola es demasiado larga.

Disciplina de la cola: En un determinado momento se selecciona un miembro de la

cola, mediante alguna regla conocida como disciplina de servicio. La disciplina
deservicio se refiere al orden en el que se seleccionan los clientes de la cola para
recibir el servicio.

 FIFO (más común)

 Aleatorio
 LIFO
 Sistema de prioridades

Mecanismo de servicio: cuando un cliente es tomado de la cola, accede al

mecanismo de servicio, que consiste en una secuencia de instalaciones
deservicio en serie que el cliente debe pasar para completar el servicio. Cada
instalación de servicio estará formada por varios canales de servicio paralelos,
llamados servidores. Se debe especificar el número de instalaciones de servicio
en serie y el número de servidores paralelos en cada una de ellas. Los modelos
más comunes suponen una única instalación con uno o varios servidores
disponibles.

4
Proceso de servicio: En cada instalación, el tiempo que transcurre desde el inicio
del servicio hasta su fin en dicha instalación se llama tiempo de servicio. El
modelo de colas debe especificar la distribución de probabilidad del tiempo de
servicio de cada servidor, y quizás de cada tipo de cliente, aunque lo común es
que todos los servidores sigan la misma distribución. La suposición más habitual
es que este tiempo de servicio es exponencial. Otras distribuciones de servicio
importantes son la degenerada y la Erlang.

4.1.1 UN SERVIDOR, UNA COLA.

Todos nosotros hemos pasado mucho tiempo esperando en una cola, ejemplos
de ellos son los bancos, restaurantes, hospitales, pizzerías, etc.

Las líneas de espera trata de cuantificar el fenómeno de espera formando colas

mediante medidas representativas de eficiencia, como la longitud promedio de la
cola, el tiempo promedio de espera en ella y la utilización promedio de las
instalaciones.

La teoría de líneas de espera o también llamada teoría de colas es un conjunto de

modelos matemáticos que describen sistemas de líneas de espera particulares.

El origen de la Teoría de Colas está en el esfuerzo de Agner Kraup Erlang

en1909 para analizar la congestión de tráfico telefónico con el objetivo de cumplir
la demanda incierta de servicios en el sistema telefónico de Copenhague.

El objetivo es encontrar el estado estable del sistema y determinar una capacidad

de servicio apropiada.

Un sistema de colas puede dividirse en dos componentes principales:

 La cola
 La instalación del servicio

El proceso entre llegadas:

El proceso entre de entrada se denomina por lo regular, proceso de llegadas. Las

llegadas se llaman clientes. En todos los modelos que se estudian se supone que
no más de una llegada ocurre en un instante dado. En el caso de un restaurante

5
es una suposición irreal. Si hay más de una llegada en un instante dado se dice
que se permiten las llegas en masa. Las llegadas pueden ser:

 Personas
 Automóviles
 Maquinas que requieren reparación, etc.

Se supone por lo común que el número de clientes presentes en el sistema no

afecta el proceso de llegadas. Hay dos situaciones comunes en las cuales el
proceso de llegadas podría depender de la cantidad de clientes presentes.

La primera se presenta cuando se extrae de una pequeña población su ponga que

hay solo cuatro barcos en un astillero, si los cuatro barcos están en reparación
entonces ningún barco puede estropearse en un futuro cercano, por otro lado silos
cuatro barcos están navegando existe una probabilidad muy alta de una
descompostura en un futuro cercano. Los modelos en los cuales las llegadas se
toman de una pequeña población reciben el nombre de modelos de origen finito.

Otra situación en la cual el proceso de llegadas depende de la cantidad de clientes

presentes ocurre cuando la razón a la cual llegan los clientes a cierta instalación
disminuye cuando esta está llena.

El número esperado de llegadas por unidad de tiempo se llama tasa media de

llegadas (λ). El tiempo esperado entre llegadas es 1/λ.

Además es necesario estimar la distribución de probabilidad de los tiempos entre

llegadas, generalmente se supone una distribución exponencial, esto depende del
comportamiento de las llegadas.

La distribución exponencial supone una mayor probabilidad para tiempos entre

llegadas pequeños, en general se considera que las llegadas son aleatorias, la
última llegada no influye en la probabilidad de llegada de la siguiente.

La cola:

El número de clientes en la cola es el número de clientes que esperan el servicio,

el número de clientes en el sistema es el número de clientes que esperan en la
cola más el número de clientes que actualmente reciben el servicio.

La capacidad de la cola es el número máximo de clientes que pueden estar en la

cola, generalmente se supone que la cola es infinita, aunque también la cola
puede ser finita.

6
Para describir por completo un sistema de líneas de espera, se debe describir
también la disciplina de las líneas de espera y el modo en el cual los clientes
forman las líneas de espera. La disciplina de las líneas de espera explica el
método usado para determinar el orden con el cual se atienden a los clientes. La
disciplina más común es primero en llegar primero en ser atendido (PEPS) o sus
siglas en inglés (FCFS), en el cual se atienden en el orden en que llegan.

En la disciplina del (LCFS) el último en llegar y el primero en ser servido o UEPS,

un ejemplo claro de esta disciplina es en el elevador.

El SIRO, el servicio en orden aleatorio, cuando una persona que llama a una
aerolínea se le hace esperar, la suerte determina con frecuencia quien será la
siguiente persona en ser atendida por un operador.

Se considera por ultimo las disciplinas de prioridad en las colas. Una disciplina de
prioridad clasifica cada llegada en una categoría, cada categoría recibe luego un
nivel de prioridad y dentro de cada nivel de prioridad los clientes entran en el
servicio de acuerdo al FCFC. Las disciplinas de prioridad se usan a menudo en
salas de urgencia con el objeto de determinar el orden en el cual los pacientes
reciben atención.

Servicio:

El servicio puede ser brindado por un servidor o por servidores múltiples, el tiempo
de servicio varía de cliente a cliente, el tiempo esperado de servicio depende de la
tasa media de servicio (µ).El tiempo esperado de servicio equivale a 1/µ.

Para representar todo lo mencionado aquí se encuentran unos modelos básicos

de los sistemas de colas.

Ejemplo:

7
4.1.2 N SERVIDORES, UNA COLA.

Una línea de espera con canales múltiples consiste en dos o más canales
deservicio que se supone son idénticos desde el punto de vista de su capacidad.
En el sistema de canales múltiples, las unidades que llegan esperan en una sola
línea y luego pasan al primer canal disponible para ser servidas. La operación de
un solo canal de Burger Dome puede expandirse a un sistema de dos canales al
abrir un segundo canal de servicio. La siguiente figura muestra un diagrama de la
línea de espera de dos canales de Burger Dome.

Salida

Salida

Salida
Llegada
Cola

Múltiples canales

8
Análisis de costo:

Una de las decisiones habituales en el uso de este modelo puede serlo el de

definir la cantidad de servidores necesarios. Por ejemplo, la cantidad de
ascensores en un edificio, la cantidad de escritorios para un equipo de trabajo, etc.

La decisión se deberá basar en una relación entre dos costos básicos: el costo de
proveer servidores adicionales versus el costo de demorar o no prestar el servicio.
Se asume que el costo de demorar el servicio es un monto definido por cliente, por
unidad de tiempo insumida en el sistema. Si bien es relativamente sencillo conocer
el costo de un servidor, el costo de hacer esperar a un cliente puede resultar, a
veces, intangible y generalmente difícil de establecer. Hay que aclarar que los
costos por la espera existen y en ciertos casos pueden ser muy significativos, por
lo que deben ser estimados, si es que se desea realmente diseñar un sistema de
colas inteligente y controlable.

Los costos a los que nos acabamos de referir deben estar presentados por unidad
de tiempo, a los efectos de realizar cálculos comparables. Si por ejemplo, el costo
de un servidor consiste en el salario que debe pagarse a quien lo atiende, deberá
anualizarse, para incluir aguinaldo, vacaciones, etc., y luego convertirlo en la
misma unidad de tiempo que se use para determinar el tiempo de servicio o de
espera.

Si se define:

Cd = Costo de demora por cliente por unidad de tiempo

Cs = Costo por unidad de tiempo para agregar otro servidor
L = Número promedio en el sistema

El costo total por unidad de tiempo para una estación con c servidores es:

L Cd + c Cs

A medida que c aumenta, la capacidad adicional incrementará la velocidad del

servicio y L irá disminuyendo. Por consiguiente, una información útil que debe
brindar el sistema es el número de servidores que minimice el costo total.

En el caso que la sala de espera tenga una capacidad limitada, surgen otros
análisis posibles.

Así, se relacionan el costo de servidores adicionales versus el costo de perder el

negocio con clientes que se retiran antes de ser atendidos, más el costo de la
demora para los clientes atendidos

9
Definiendo:

Cr = Costo de no brindar el servicio a un cliente

A = Tasa de llegadas
P = Probabilidad que un cliente se vaya de la cola sin ser atendido

El costo total será L Cd + c Cs + p A Cr

4.1.3 N SERVIDORES, N COLAS.

El tercer sistema, en que cada servidor tiene una línea separada, es característico
de los bancos y las tiendas de autoservicio. Para este tipo de servicio pueden
separarse los servidores y tratarlos como sistemas independientes de un servidor
y una cola. Esto sería válido sólo si hubiera muy pocos intercambios entre las
colas. Cuando el intercambio es sencillo y ocurre con frecuencia, como dentro de
un banco, la separación no sería válida.

10
NOMENCLATURA

S = número de servidores
n= número de clientes en el sistema
N =número máximo de clientes permitidos en el sistema
A,,t =flujo de clientes que entran cuando hay n clientes en el sistema
u,7l =capacidad del servidor cuando hay n clientes en el sistema.
E(t)= tiempo promedio de proceso por cliente
V(t)= variancia del tiempo de proceso
E(á) = tiempo promedio entre llegadas
V(a) = variancia del tiempo entre llegadas
CQ = coeficiente cuadrado de variación del flujo de clientes que entran al sistema
CS`= coeficiente cuadrado de variación del tiempo de servicio
Cp = coeficiente cuadrado de variación del flujo de clientes que salen del sistema
PIJ probabilidad de que el sistema cambie de un estado i a un estado y después
de un intervalo de tiempo.
Pn= probabilidad en estado estable de que existan n clientes en el sistema
L = número promedio de clientes en el sistema
Lq = número promedio de clientes en la fila
W = tiempo promedio de permanencia en el sistema
Wq= tiempo promedio de permanencia en la fila
p =utilización promedio del servicio
Ct = costo total promedio del sistema de líneas de espera por unidad de tiempo.
Ce= costo promedio de servicio por cliente por unidad de tiempo
Cq = costo promedio de espera por cliente por unidad de tiempo

11
4.2 CRITERIOS BAJO LA DISTRIBUCION DE POISSONY
EXPONENCIAL PARA LA SELECCIÓN DEL MODELO
APROPIADODE LÍNEAS DE ESPERA.

Sistemas de colas: las llegadas - distribución de poisson

La distribución de Poisson es una distribución de probabilidad discreta que

expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que
ocurra un determinado número de eventos durante cierto periodo de tiempo.

Propiedades. La función de masa de la distribución de Poisson es:

𝑒 −𝜆 𝜆𝑘
𝑓(𝑘; 𝜆) =
𝑘!
Dónde:

K ⟶ es el número de ocurrencias del evento o fenómeno (la función nos da la

probabilidad de que el evento suceda precisamente k veces).

λ ⟶ es un parámetro positivo que representa el número de veces que se espera

que ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el suceso
estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en la
probabilidad de que ocurra k veces dentro de un intervalo de 10 minutos,
usaremos un modelo de distribución de Poisson con λ = 10×4 = 40.

e ⟶ es la base de los logaritmos naturales (e = 2,71828...)

Tanto el valor esperado como la varianza de una variable aleatoria con distribución
de Poisson son iguales a λ. Los momentos de orden superior son polinomios de
Touchard en λ cuyos coeficientes tienen una interpretación combinatoria. De
hecho, cuando el valor esperado de la distribución de Poisson es 1, entonces
según la fórmula de Dobinski, el n-ésimo momento iguala al número de particiones
de tamaño n.

La moda de una variable aleatoria de distribución de Poisson con un λ no entero

es igual a, el mayor de los enteros menores que λ (los símbolos representan la
función parte entera). Cuando λ es un entero positivo, las modas son λ y λ − 1. La
función generadora de momentos de la distribución de Poisson con valor esperado
λ es:

12
 ∞ ∞
𝜆𝑘 𝑒 𝑡𝑋 𝑡
𝐸(𝑒 𝑡𝑋 )
= ∑𝑒 𝑡𝑋
𝑓(𝑘; 𝜆) = ∑𝑒 𝑡𝑋
= 𝑒 𝜆(𝑒 −1)
𝑘!
𝑘=0 𝑘=0

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles. La divergencia Kullback-Leibler desde una variable aleatoria de Poisson
de parámetro 𝜆0 a otra de parámetro λ es

𝜆0 𝜆0 𝜆0
𝐷𝐾𝐿 (𝜆‖𝜆0 ) = 𝜆 (1 − + log )
𝜆 𝜆 𝜆

Intervalo de confianza

Un criterio fácil y rápido para calcular un intervalo de confianza aproximada de λ,

se propone en Guerriero (2012). Dada una serie de eventos k (al menos el 15 -20)
en un periodo de tiempo T, los límites del intervalo de confianza para la frecuencia
vienen dadas por:

1.96 𝑘
𝐹𝑙𝑜𝑤 = (1 − )
√𝑘 − 1 𝑇
1.96 𝑘
𝐹𝑢𝑝𝑝 = (1 + )
√𝑘 − 1 𝑇

Entonces los límites del parámetro λ están dadas por:

𝜆𝑙𝑜𝑤 = 𝐹𝑙𝑜𝑤 𝑇 ; 𝜆𝑢𝑝𝑝 = 𝐹𝑢𝑝𝑝 𝑇

Sumas de variables aleatorias de Poisson

La suma de variables aleatorias de Poisson independientes es otra variable

aleatoria de Poisson cuyo parámetro es la suma de los parámetros de las
originales. Dicho de otra manera, si 𝑋𝑖 ~ 𝑃𝑜𝑖(𝜆𝑖 ), 𝑖 = 1, … , 𝑁

Son N variables aleatorias de poisson independientes entonces

13
 𝑁 𝑁

𝑌 = ∑ 𝑥𝑖 ~𝑃𝑜𝑖 (∑ 𝜆𝑖 )
𝑖=1 𝑖=1

Sistema de colas: Distribución binomial

La distribución de Poisson es el caso límite de la distribución binomial. De hecho,

si los parámetros n y 𝜃 de una distribución binomial tienden a infinito y a cero de
manera que λ = 𝑛𝜃 se mantenga constante, la distribución límite obtenida es de
Poisson.

Aproximación normal

Como consecuencia del teorema central del límite, para valores grandes de λ, una
variable aleatoria de Poisson X puede aproximarse por otra normal dado que el
𝑋−𝜆
cociente 𝑦 = converge a una distribución normal de media nula y varianza 1.
√𝜆

Distribución exponencial

Supóngase que para cada valor t > 0, que representa el tiempo, el número de
sucesos de cierto fenómeno aleatorio sigue una distribución de Poisson de
parámetro λt. Entonces, los tiempos discurridos entre dos sucesos sucesivos sigue
la distribución exponencial.

4.3 APLICACION DE MODELOS DE DECISION EN LINEAS DE

ESPERA.

La teoría de colas requiere de un estudio matemático del comportamiento de

líneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de atención.
Si el servidor no está disponible inmediatamente y el cliente decide esperar,
entonces se forma en la "línea de espera".

El problema es determinar qué capacidad o tasa de servicio proporciona el

balance correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo,
es decir, no se sabe con exactitud en qué momento llegarán los clientes. También
el tiempo de servicio no tiene un horario fijo.

14
Las llegadas se describen por su distribución estadística. Si las llegadas ocurren
con una tasa promedio y que son independientes una de otra, entonces ocurren
de acuerdo con una distribución de probabilidades de tipo "poisson”.

Una cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de líneas de espera particulares o de
sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre
costes del sistema y los tiempos promedio de la línea de espera para un sistema
dado.

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 cuándo llegarán los clientes que demandan el
servicio y/o cuanto tiempo será necesario para dar ese servicio; es por eso que
esas decisiones implican dilemas que hay que resolver con información escasa.
La teoría de colas requiere de un estudio matemático del comportamiento de
líneas de espera.

Estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio

al "servidor", el cual tiene cierta capacidad de atención. Si el servidor no está
disponible inmediatamente y el cliente decide esperar, entonces se forma en la
"línea de espera".

Objetivos de la teoría de colas

Dada la función de costes anterior, los objetivos de la teoría de colas consisten en:

 Identificar el nivel óptimo de capacidad del sistema que minimiza el coste

global del mismo.
 Evaluar el impacto que las posibles alternativas de modificación de la
capacidad del sistema tendrían en el coste total del mismo.
 Establecer un balance equilibrado (“óptimo”) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
 Hay que prestar atención al tiempo de permanencia en el sistema o en la
cola: la “paciencia” de los clientes depende del tipo de servicio específico
considerado y eso puede hacer que un cliente “abandone” el sistema.

15
4.4 INFERENCIA DE RESULTADOS.

Inferencia es la acción y efecto de inferir (deducir algo, sacar una consecuencia de

otra cosa, conducir a un resultado). La inferencia surge a partir de una evaluación
mental entre distintas expresiones que, al ser relacionadas como abstracciones,
permiten trazar una implicación lógica.

Al partir de hipótesis o argumentos, es posible inferir una conclusión (que puede

resultar verdadera o falsa). Por ejemplo: “Todavía no recibí la confirmación oficial
por parte de la empresa, lo que te digo es sólo una inferencia mía”, “Cada vez que
juega la selección, Mariana falta al trabajo: mi inferencia es que mañana vamos a
estar solos en la oficina”, “No podemos guiarnos por inferencias, sino que tenemos
que aguardar a que los sucesos se confirmen antes de tomar una decisión”.

El silogismo es una forma esencial de inferencia. Se trata de una forma de

razonamiento deductivo que se forma por dos proposiciones (premisas) y una
conclusión. Esta conclusión es la inferencia que necesariamente se deduce de las
dos premisas.

La veracidad de la conclusión dependerá de las leyes que regulan la relación entre

las premisas comparadas. La garantía de verdad del nuevo juicio es la lógica, que
deberá establecer distintas clasificaciones de las premisas.

No todas las inferencias ofrecen conclusiones verdaderas. Es posible afirmar que

todos los perros son animales peludos de cuatro patas, pero no se puede inferir
que todos los animales peludos con cuatro patas son perros.

Las inferencias suelen generarse a partir de un análisis de características y

probabilidades. Si alguien hace referencia a un animal de cuatro patas, peludo y
que mueve la cola, puedo inferir que lo más probable es que esté haciendo
referencia a un perro.

Ejemplo: Supermercado

Imagínese un supermercado grande con muchas cajas de salidas. Supóngase que

los clientes llegan para que les marquen su cuenta con una tasa de 90 por hora y
que hay 10 cajas en operación. Si hay poco intercambio entre las líneas, puede
tratarse este problema como 10 sistemas separados de una sola línea, cada uno
con una llegada de 9 clientes por hora. Para una tasa de servicio de 12 por hora:

Dado: A= 9 clientes por hora y B= 12 clientes por hora

16
 𝐴2 92
𝐿𝑞 = = = 2.25 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝑠(𝑠 − 𝐴) 12(12 − 9)

𝐿𝑞 𝐴 9
𝑊𝑞 = = = 0.25 ℎ𝑜𝑟𝑎𝑠 𝑜 15 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝐴 𝑠(𝑠 − 𝐴) 12(12 − 9)

𝐴 𝐴 9
𝐿𝑠 = 𝐿𝑞 + = = = 3 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝑆 𝑆−𝐴 12 − 9
1 1
𝑊𝑠 = = = 0.33 ℎ𝑜𝑟𝑎𝑠 𝑜 20 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑆−𝐴 12 − 9
𝐴 9
𝑈= = = 0.75 𝑜 75%
𝑆 12
𝐴𝑛+1 93+1
𝑃(𝐿𝑠 > 𝑛) = = = 0.32
𝑆 12

Explicación

Entonces, para este ejemplo, el cliente promedio espera 15 minutos antes de ser
servido. En promedio, hay un poco más de 2 clientes en la línea o 3 en el sistema.
El proceso completo lleva un promedio de 20 minutos. La caja está ocupada el
75% del tiempo. Y finalmente, el 32% del tiempo habrá cuatro personas o más en
el sistema.

Ejemplo con Modelo de un servidor:

El departamento para caballeros de un gran almacén tiene a un sastre para

ajustes a la medida. Parece que el número de clientes que solicitan ajustes sigue
una distribución de poisson con una tasa media de llegadas de 24 por hora, los
ajustes se realizaron con un orden de primero que llega, primero en atenderse y
los clientes siempre desean esperar ya que las modificaciones son gratis.
Aparentemente el tiempo que tarda para realizar el ajuste, se distribuye
exponencialmente con una media de 2 minutos.

a) ¿Cuál es el número promedio de clientes en la sala de espera?

b) ¿Cuánto tiempo de permanencia en el sistema debería de planear un
cliente?
c) ¿Qué % de tiempo permanece ocioso el sastre?

17
 d) ¿Cuál es la probabilidad de que un cliente espere los servicios del sastre
más de 10 minutos?

A = 24 clientes/hora
ts = 2 minutos/clientes
S = 30 clientes hora
𝐴2 242
a) 𝐿𝑞 = = = 3.2 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
𝑠(𝑠−𝐴) 30(30−24)
1 1
b) 𝑊𝑠 = = = 0.16 ℎ𝑜𝑟𝑎𝑠 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑜 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑆−𝐴 30−24
𝐴 24
c) 𝑃𝑜 = 1 − 𝑢, 𝑢 = = = 0.8, 𝑃𝑜 = 1 − 𝑢 = 1 − 0.8 = 0.2 𝑜 20%
𝑆 30
d) 𝑤𝑞(𝑡) = 𝑢𝜆−𝑡/𝑤𝑠 = 0.8(2.7182)−1 = 2.17456

EJEMPLOS DE PROBLEMAS

Problema 1:

Un lava carros puede atender un auto cada 5 minutos y la tasa media de llegadas
es de 9 autos por hora. Obtenga las medidas de desempeño de acuerdo con el
modelo M/M/1.

Además la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener

una cola de más de 3 clientes y la probabilidad de esperar más de 30 minutos en
la cola y en el sistema.

Solución: Se conoce la siguiente información:

λ= 9 clientes/hora (media de servicio a los clientes) = 0.15 clientes/minutos

µ= 0.2 clientes/minutos (media de llegada de los clientes)

a) Vamos a calcular el factor de desempeño del sistema calculando ρ.

𝜆 0.15 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑚𝑖𝑛𝑖𝑡𝑜𝑠
𝑃= = = 𝑜. 75 = 75%. El sistema está
𝜇 0.20 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠/𝑚𝑖𝑛𝑢𝑡𝑜𝑠
ocupado el 75% del tiempo. O sea pasa un 25% ocioso. Es decir la
probabilidad de tener 0 clientes en el sistema es cuando el sistema está
vacío y eso puede ocurrir con una probabilidad del 25%. Su cálculo puede

18
 𝜆 𝜆 0 0.15
hacerse directamente con la fórmula: 𝑃𝑜 = (1 − ) ( ) = (1 − )=
𝜇 𝜇 0.20
0.25 = 25%

b) La probabilidad de tener una cola de más de 3 clientes

𝜆 𝜆 0
𝑃0 = (1 − ) ( ) = (0.25)(0.75)0 = 0.25
𝜇 𝜇
𝜆 𝜆 1
𝑃 = (1 − ) ( ) = (0.25)(0.75)1 = 0.1875
1
𝜇 𝜇
𝜆 𝜆 2
𝑃 = (1 − ) ( ) = (0.25)(0.75)2 = 0.1406
2
𝜇 𝜇
𝜆 𝜆 3
𝑃 = (1 − ) ( ) = (0.25)(0.75)3 = 0.1055
3
𝜇 𝜇
La probabilidad que haya más de tres clientes en el Sistema, implica que
debemos conocer la Probabilidad que haya cero, uno, dos y tres clientes.
La diferencia con 1. Será la probabilidad que hayan más de tres.
𝑃(𝐿𝑠 > 3) = 1 − (𝑃0 + 𝑃1 + 𝑃2 + 𝑃3 ) = 1 − (0.25 + 0.1875 + 0.1406 + 0.1055)
= 1 − 0.6836 = 0.3164
c) La probabilidad de esperar más de 30 minutos en la cola. Primero
calcularemos el tiempo promedio que un cliente espera en la cola.
𝜆 0.15 0.15
𝑊𝑞 = = = = 15 minutos (es el tiempo promedio
𝜇(𝜇−𝜆) 0.20(0.20−0.15) 0.01
que un cliente tiene que esperar en la cola).

Ahora vamos a calcular tiempo (t) de espera sea mayor de 30 minutos.

(𝑊𝑞 > 𝑡)=𝑝𝑒 −𝜇(1−𝑝)𝑡 Vamos aplicar esta ecuación para calcular dicha
probabilidad.
P(𝑊𝑞 > 30) = 𝑝𝑒 −𝜇(1−𝑝)𝑡 = (0.75)𝑒 −0.2(1−0.75)30 = (0.75)𝑒 −1.5 =
(0.75)(0.2231) = 0.167 = 16.7%. Como se puede ver la probabilidad
es baja.

d) La probabilidad de esperar más de 30 minutos en el Sistema.

P(𝑊𝑠 > t) = 𝑒 −𝜇(1−𝑝)𝑡 Vamos aplicar esta ecuación para calcular dicha
probabilidad.
P(𝑊𝑠 > 30) = 𝑒 −𝜇(1−𝑝)𝑡 = 𝑒 −0.2(1−0.75)30 = 𝑒 −1.5 = 0.2231 = 22.31%.
Como se puede ver la probabilidad es baja pero es más alta que la
probabilidad de que el tiempo promedio que un cliente espere más de 30
minutos en la cola.

19
Problema 2:

Un promedio de 10 automóviles por hora llegan a un cajero con un solo servidor

que proporciona servicio sin que uno descienda del automóvil. Suponga que el
tiempo de servicio promedio por cada cliente es 4 minutos, y que tanto los tiempos
entre llegadas y los tiempos de servicios son exponenciales. Conteste las
preguntas siguientes:

a) ¿Cuál es la probabilidad que el cajero esté ocioso?

b) ¿Cuál es el número promedio de automóviles que están en la cola del
cajero? (se considera que un automóvil que está siendo atendido no está
en la cola esperando)
c) ¿Cuál es la cantidad promedio de tiempo que un cliente pasa en el
estacionamiento del banco, (incluyendo el tiempo de servicio)?
d) ¿Cuántos clientes atenderá en promedio el cajero por hora?

Solución: Se conoce la siguiente información:

λ= 10 clientes/hora (media de llegada de los clientes) = 1/6 clientes/minutos

µ= 1 clientes/4minutos (media de servicio de los clientes)=1/4 cliente/minuto

𝜆 1/6 2
a) Por lo tanto 𝑃 = = = = 66.67% factor de utilización del sistema.
𝜇 1/4 6
Es decir que el sistema permanece ocioso el 33.33%.
b) ¿Cuál es el número promedio de automóviles que están en la cola del
cajero?
𝜆 1/6 4
𝐿𝑞 = = 1 1 = = 1.333 Puede haber 2 autos en la cola
𝜇(𝜇−𝜆) 1/4(4−6) 6

c) ¿Cuál es la cantidad promedio de tiempo que un cliente pasa en el

estacionamiento del banco (incluyendo el tiempo de servicio)?
Nos preguntan por el tiempo promedio que el cliente pasa en el sistema 𝑊𝑠 .
1 1 1
𝑊𝑠 = =1 1 = 1 = 12 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑝𝑎𝑠𝑎 𝑒𝑙 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎.
𝜇−𝜆 −
4 6 12
d) ¿Cuántos clientes atenderá en promedio el cajero por hora?
Si el cajero siempre estuviera ocupado, atendería un promedio de μ=15
clientes por hora. Según la solución encontrada en el inciso a (1/4*60=15),
el cajero está ocupado 2/3 del tiempo. Por tanto dentro de cada hora, el
cajero atenderá un promedio de (2/3)(15)= 10 clientes. Esto es ρ*µ= 2/3 *
15 = 10 clientes.

20
Fuentes:
http://es.scribd.com/doc/141477763/Unidad-4-Linea-de-Espera#scribd

https://jrvargas.files.wordpress.com/2009/01/problemas-resueltos-de-teorc3ada-
de-colas.pdf

21