2011

Investigación de Operaciones II

Laura Orellana

Universidad Centroamericana
“José Simeón Cañas”
Departamento de Operaciones
y Sistemas
Contenido

Teoría de líneas de espera (Teoría de colas) ........................................................................................... 1

Elementos de un modelo de colas ........................................................................................................ 1
Notación Kendall-Lee ............................................................................................................................ 3
Modelo de procesos de llegada ............................................................................................................ 3
Modelo de procesos de servicio ........................................................................................................... 7
Modelo generalizado de Cola de Poisson ........................................................................................... 8
Medidas de desempeño en estado estacionario ............................................................................... 11
Sistema de líneas de espera MM1GD∞∞ .......................................................................................... 12
Sistema de líneas de espera MM1GDK∞ .......................................................................................... 15
Sistema de líneas de espera MMCGD∞∞.......................................................................................... 17
Sistema de líneas de espera MMCGDK∞.......................................................................................... 19
Modelo de autoservicio MM∞GD∞∞ ............................................................................................ 19
Sistema de líneas de espera MMRGDKK , R ≤ K (Modelo de reparación de máquinas) ........... 21
Sistema de líneas de espera no Poissonianos ................................................................................... 22
Modelo MG1GD∞∞ (Distribución de servicio general) .............................................................. 22
Líneas de espera exponenciales en serie ........................................................................................... 24
Redes de colas ....................................................................................................................................... 26
Parámetros de una red de colas.................................................................................................... 26
Redes de Jackson .............................................................................................................................. 26
Teoría de líneas de espera (Teoría de colas)

Nace a principios de 1900 por A. K Erlang en su estudio en una compañía de teléfonos. La teoría de colas es el
estudio de la espera en las distintas modalidades. En los modelos de colas se busca determinar los indicadores
de desempeño del sistema en estudio y también señalar lla
a cantidad promedio de espera que ocurrirá en diversas
circunstancias.

Los modelos de línea de espera son muy útiles para determinar cómo operar un sistema de colas de la manera
más eficaz. Proporcionar demasiada capacidad de servicio (cajeros en un banco
banco)) implica costos excesivos; pero si
no se cuenta con suficiente capacidad de servicio surgen esperas excesivas la idea es encontrar un balance entre
el costo de servicio y la cantidad de espera.

¿Por qué?

Las filas se forman por un desequilibrio temporal entre la demanda de un servicio y la capacidad del sistema
para suministrarlo. (Krajewski, Ritzman y Malhotra)

Elementos de un modelo de colas

Población Llegadas de la Cola Instalación

población de servicio

Llegadas al sistema Dentro del sistema Salidas del sistema

1
Población
• Fuente de entrada: consiste en la población de la cual se originan los clientes que se estudiaran en el sistema.
La fuente puede ser finita o infinita.
Si el número potencial de nuevos clientes para el sistema resulta afectado notablemente por el número de clientes que ya
se encuentran en el sistema, se dice que esa fuente de insumos es finita.

Llegadas de la población
• El comportamiento de los clientes: los clientes pueden ser pacientes o impacientes, los clientes impacientes
suelen “evitar” (no entrar al sistema), “cambiarse” de una cola a otra o “renunciar” (salir del sistema sin ser
atendido).
• Tiempo entre llegadas: es el proceso de llegada de los clientes al sistema.

Cola
• Cola: es el lugar en el cual los clientes esperan ser atendidos en el sistema.
La cola puede ser finita (# de maquinas esperando ser reparadas en un taller) ó infinita (# de cartas
esperando ser entregadas en el correo).
• Disciplina de la cola: se refiere al orden con el cual los clientes son seleccionados de la cola para recibir
servicio. Entre las más importantes se encuentran:
o FIFO (First In First Out)
o LIFO (Last In First Out)
o SIRO (Service In Random Order)
o Por prioridades

Servicio
• Mecanismo de servicio: consiste en una ó más estaciones de servicio (fases), cada una de ellas con uno o más
canales de servicio paralelos, llamados “servidores”.

2
• Tiempo de servicio: es el proceso de servicio que se presta a los clientes.
Ambos tiempos pueden ser probabilísticos, como la llegada de clientes a un banco, ó determinanticos como
el tiempo disponible para la solución de un parcial.

Notación Kendall-Lee

Kendall en 1951 diseño la notación siguiente para representar sistemas de líneas de espera:
A/B/C:D/E/F
A: Naturaleza de los tiempos de proceso de llegada.
B: Naturaleza de los tiempos de servicio.
C: Cantidad de servidores en paralelo.
D: Disciplina de la línea de espera.
E: Máximo número de clientes en el sistema.
F: Tamaño de la fuente.

Modelo de procesos de llegada

Supondremos que la mayor parte de llegadas de clientes a un sistema ocurrirán en un instante dado. Definamos
ti como el tiempo en el cual llega el i-ésimo cliente.

Para i ≥ 1, definimos Ti = ti+1 – ti como el i-ésimo tiempo entre llegadas. Por lo tanto T1=8-3=5 y T2=15-8=7. Al
modelar el proceso de llegadas, supondremos que las Ti son variables continuas, aleatorias e independientes
descritas por las variable aleatoria A.

La suposición de independencia significa que el valor de T2 no afecta a otra Ti, la suposición de que cada tiempo
entre llegadas está regido por la misma variable aleatoria, implica que la distribución de llegadas es
independiente del momento del día o del día de la semana. Esta es la suposición de los tiempos estacionarios
entre llegadas. Debido a fenómenos como las horas pico, esta suposición es a menudo irreal. Pero si se divide el
día en tres segmentos: un segmento de horas pico por la mañana, un segmento a mediodía y otro por la noche,
se puede decir que cada uno de estos segmentos es estacionario.
Por último, la suposición de que cada Ti es continua, es por lo regular una buena aproximación de la realidad.
Por ejemplo, el tiempo entre llegadas no necesariamente es de 1 o 2 minutos, puede ser 1.784 minutos.

Si suponemos que la variable aleatoria A tiene una función de densidad f(t), para ∆t pequeños se puede decir
que:

      ∆
∆

Como el tiempo no puede ser negativo, se puede decir que:

 

    
 y
    


3
El tiempo promedio de una variable aleatoria es:


   



En la mayor parte de aplicaciones de líneas de espera, un aspecto importante es cómo obtener A de tal manera
que refleje la realidad y siga siendo manejable desde el punto de vista matemático. La elección más común es la
distribución exponencial.

Distribución Exponencial

La distribución exponencial con parámetro λ tiene una función de densidad

    f(t) disminuye con
rapidez para t pequeñas. Esto significa que son improbables los tiempos entre llegadas muy grandes.

Para saber el tiempo medio entre llegadas de A se calcula:



   



1
      



Por tanto podemos definir a el tiempo medio o promedio entre llegadas y λ será la tasa de llegadas promedio,

en unidades de llegada por unidad de tiempo.

Papel de la distribución exponencial

Se tienen una serie de propiedades que hacen de la distribución exponencial una función idónea para teoría de
colas. Entre las más importantes se tienen:

Propiedad 1. Falta o carencia de memoria

Esta propiedad se establece como:
    ∆ |    
  ∆ . Ninguna otra función de densidad
cumple con esta propiedad.

Pero qué significa?

Suponga que nos advierten que no ha habido llegada alguna en las últimas t horas (es decir A ≥ t) y nos
preguntan ¿Cuál es la probabilidad de que no haya llegadas durante las siguientes ∆t horas? (es decir    
∆). Entonces por la falta de memoria se concluye que esta probabilidad no depende del valor de t y para todos

los valores de t esta probabilidad es
  ∆   1         .

Propiedad 2. Relación entre la Distribución Poisson y la Distribución Exponencial

Esta propiedad está relacionada con la distribución de probabilidad del número de veces que ocurre este evento
en un periodo dado.

Sea N(t) el numero de ocurrencias en el tiempo t (t ≥ 0), donde el tiempo 0 es el instante en el que comienza la
cuenta, la propiedad dice que:
# $ %&'

!  "  , para n=0, 1, 2,…
(!

4
Es decir N(t) tiene una distribución Poisson con parámetro λt. Por ejemplo, para n=0

!  0   

Que es exactamente la probabilidad que se obtuvo a partir de la distribución exponencial para que ocurra el
primer evento después de un tiempo t.

La media de la distribución Poisson es: +!,   de manera que el número esperado de eventos por unidad
de tiempo es λ. Por lo tanto se dice que λ es la tasa media a la que ocurren los eventos.

Esta propiedad es útil para describir el comportamiento probabilístico de las llegadas cuando los tiempos entre
llegadas siguen una distribución exponencial con parámetro λ y en consecuencia, las llegadas ocurren de
acuerdo a un proceso de entradas Poisson con parámetro λ.

Algunas veces se dice que las llegadas ocurren “aleatoriamente”, lo que significa que suceden de acuerdo con un
proceso de entradas Poisson.

Distribución Erlang

Si los tiempos entre llegadas no parecen ser exponenciales, entonces se modelan con frecuencia, con la
distribución Erlang.

Esta es una función que se especifica con dos parámetros: un parámetro de proporcionalidad “R” y un
parámetro de forma “K” (entero positivo).

La distribución Erlang se define como:

--.  /

   1 0
0  1!

.
Integrando por partes se obtiene  
/

Se puede analizar el caso para el cual k varia, la distribución Erlang toma diversas formas.


Si -  0 2  


Si -  0 y k=1 la distribución Erlang es similar es una distribución Exponencial, a medida que k aumenta, la
distribución Erlang se comporta mas como una distribución normal. Para valores extremadamente grandes de k,
la distribución se aproxima a una variable aleatoria con varianza cero (tiempo constante entre llegadas).

Ejemplos

1) El tiempo entre llegadas en una dependencia de la Oficina Estatal es exponencial, con valor medio de 0.05
hora. La oficina abre a las 8:00 A.M.

a) Escriba la distribución exponencial que describa el tiempo entre llegadas.

5
 
Dado que el tiempo promedio entre llegadas de los clientes es  0.05 5678


La distribución exponencial que describe el tiempo entre llegadas tiene un parámetro

20 :;"< =67 5678 y se ´puede definir de la siguiente manera

  20 >

b) Determine la probabilidad de que no lleguen clientes a la oficina hasta las 8:15 A.M.

La probabilidad de que no llegue cliente a la oficina en los próximos 15 minutos es igual a la

probabilidad de que el tiempo entre llegadas sea mayor a ¼ de hora, así:

  0.25  1 
 ? 0.25
.>@

  0.25  1   20 >   1  +1   >.>@ ,


  0.25   @

Esta probabilidad también se puede calcular a partir de la distribución Poisson como la probabilidad de
n = 0.

A200.25B  >.>@

!0.25  0 
0!

!0.25  0   @

c) Son las 8:35 A.M. El último cliente entró a las 8:26. ¿Cuál es la probabilidad de que el siguiente cliente
llegue antes de las 8:38 A.M.? ¿Y de que no llegue hasta las 8:40 A.M.?

La probabilidad de que llegue antes de las 8:38 es independiente de la hora a la cual llego el anterior por
la “carencia de memoria”, así que la probabilidad buscada es igual a la probabilidad de un tiempo entre
llegada menor o igual a 3 minutos (de 8:35 a 8:38)

.@

 ? 0.05   20 >   1   


O que existe al menos una ocurrencia en los próximos 3 minutos

!0.05 1 1  1 
!0.05  0
A200.05B  >.@

!0.05 1 1  1   1   
0!

La probabilidad de que no llegue hasta las 8:40, es la probabilidad de un tiempo entre llegada mayor a
10 minutos (0.167 hora) o la probabilidad de ningún cliente en ese tiempo.

A200.167B  >.EF

!0.167  0    G.GH
0!

6
 d) ¿Cuál es la cantidad promedio de clientes que llegan entre las 8:10 y las 8:45 A.M.?

La cantidad promedio de clientes por unidad de tiempo es λ, por tanto para un periodo de 35 minutos
IJ$($K
en promedio se esperan   20 0.58 5678  11.6 :;"<
LMNO

2) Se sabe que el tiempo entre fallas de un refrigerador es exponencial, con una media de 9000 horas (más o
menos 1 año de funcionamiento), y la empresa otorga una garantía de 1 año con el refrigerador. ¿Cuáles son
las probabilidades de que la garantía cubra una reparación por descompostura?


Dado que el tiempo entre fallas tiene un promedio de  9000 5678


Se busca la probabilidad de una ocurrencia en un periodo de tiempo de 9000 horas o que el tiempo entre
llegadas supere este tiempo.

1  
RS T 9000U  SVTV

!9000  0  9000   
0!
O su equivalente

V
1 
V

  9000  1    V   1  1       
 9000

Modelo de procesos de servicio

Suponga que los tiempos de servicio de clientes distintos son variables aleatorias independientes, y que cada
tiempo de servicio está regido por una variable aleatoria S cuya función de densidad es S(t).

Calculando el tiempo de servicio medio de un cliente.


1
 W 
X



Las unidades de la variable es el tiempo de servicio promedio por cliente, de modo que las unidades de µ son
Y
clientes por unidad de tiempo. Por esta razón a µ se le llama tasa de servicio.

Observe que si los tiempos de servicio siguen una distribución exponencial W  X Y , entonces el tiempo de

servicio medio de un cliente será .
Y

7
Modelo generalizado de Cola de Poisson

El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo, o de estado estable, de la
cola, que se alcanza después de que el sistema ha estado funcionando durante un tiempo suficientemente largo.

En donde se suponen que las frecuencias tanto de llegada como de salida dependen del estado, y eso quiere
decir que dependen de la cantidad de clientes en la instalación de servicio.

Se define lo siguiente:
n = cantidad de clientes en el sistema
λn = frecuencia de llegada cuando hay n clientes en el sistema
µn = frecuencia de salida cuando hay n clientes en el sistema
Pn = probabilidad de estado estable de que haya n clientes en el sistema

El modelo generalizado define a pn como función de λn y µn.

Las probabilidades se calculan usando el diagrama de frecuencias de transición

La distribución exponencial se basa en la hipótesis que durante un tiempo suficientemente pequeño h > 0, puede
presentarse cuando mucho una llegada.

Bajo estas condiciones tenemos que:

Z8<8 <=788 
:[\6 58;8 : <86 "  (
(  X(]
(]

Z8<8 <=788 
:[\6 < : <86 "  (
(  X(
(  (  X( 
(

Al igualar las dos frecuencias se obtiene la siguiente ecuación de balance:

(
(  X(]
(]  (  X( 
(

Las ecuaciones de balance se resuelven recursivamente en función de p0 como sigue:

Para n = 0


 

X 

Para n = 1

  X>
>    X 

Sustituyendo para P1

8
  

  X>
>  ^   _

X
 

> 

X X 

Y se puede demostrar por inducción que, en general:

( (> … 

(  ^ _
 , "  1, 2, …
X( X( … X

El valor de P0 se determina con ∑

(c
(  1

Ejemplo
Usted está realizando un análisis sobre la industria de elaboración de zapatos de vestir para niños, en
el municipio de Jicalapa en La Libertad. La tasa (por año) a la cual las zapaterías ingresan a la
industria está dada por p, que es igual al precio de reparación de un par de zapatos en dólares, y se
define con la función p = Max (0, 2 – 0.5F), donde F = cantidad de zapaterías en Jicalapa. Durante un
año determinado, la probabilidad de que una zapatería fracase es 1/(1+p). Genere un modelo de
nacimiento muerte de esta situación.

a) Estime el promedio de zapaterías en Jicalapa en el estado estable.

Sea:
  =  d8e0, 2  0.5f
1
X
1  =

Calculando los valores de λ y µ en el estado estable:

Estado λ µ
0 2
1 1.5 2/5
2 1 ½
3 0.5 2/3
4 0 1

Planteando el diagrama de transición

A partir de ahí podemos plantear las probabilidades de estado estable:

9
 2

  ^ _

0.4 
2 1.5

>  ^ _ ^ _

0.4 0.5
2 1.5 1

G  ^ _ ^ _ ^ _

0.4 0.5 0.67 
2 1.5 1 0.5

H  ^ _ ^ _ ^ _ ^ _

0.4 0.5 0.67 1

  5
  1.5
  2.25
  1.125
H  1 2
  0.092

  0.092

  0.46

>  0.138

G  0.207

H  0.103

Para determinar el número promedio de zapaterías en estado estable procedemos a calcular un promedio
ponderado:

n Pn nPn
0 0.092 0
1 0.46 0.46
2 0.138 0.276
3 0.207 0.621
4 0.103 0.412
1.76 ≈ 2

b) ¿En qué fracción de tiempo habrá más de 2 zapaterías?

( "  2 
G 
H  0.31

En una fracción de tiempo del 31% habrá más de 2 zapaterías.

10
Medidas de desempeño en estado estacionario

Ls = cantidad esperada de clientes en el sistema

Lq = cantidad esperada de clientes en cola
Ws = tiempo esperado de espera en el sistema
Wq = tiempo esperado de espera en cola
i = cantidad esperada de servidores ocupados

Formula de Little

kK
jK 
$l
km
jm 
$l

  $l  n$NoJoM

La tasa efectiva es igual a la nominal cuando todos los clientes que llegan se unen al sistema, es decir cuando no
existe cantidad finita admisible en el sistema.

1
jK  jm 
X
$l
kK  km 
X
kK$Nr
p;:;q8;6"  :8 ;"<8:8;6" 


11
Sistema de líneas de espera MM1GD∞∞

Para analizar las propiedades de este sistema de cola, utilizaremos los siguientes parámetros:
s   \  1, 2, … 
Xs  X \  1, 2, … 

Se sabe que:
  >  (

 
 ,
>  ^ _
 , … ,
(  ^ _
 t
X X X


u
(  1 v
(c


Entonces definimos a w  como la intensidad de tráfico del sistema de líneas de espera, sustituyendo 1 en 2
Y
tenemos:

 1  w  w>  wG  x   1

Para que la serie W  1  w  w>  wG  x  converja, se debe de cumplir que 0  w  1.

Entonces:
1

 ^ _1
1w

  1  w <; 0  w  1 y
Para Pn será:

(  w( 1  w <; 0  w  1 z


Como w  y w ? 1 entonces se debe cumplir que  ? X para que haya un estado estable. Es fácil ver porque.
Y

A partir de la ecuación 4 se deducen las medidas de desempeño de la siguiente forma:

Cantidad esperada de clientes en el sistema (Ls)

  
( 1
kK  u "
(  u "w  w  1  w u "w(
(c (c (c

Observe que:


u "w(  w  2w>  3wG  x  W{

(c
Si obtenemos:
wW{  w>  2wG  3wH  x
Al restar
w
W |  wW |  w  w>  wG  x 
1w
Por lo tanto:

12
 w
W| 
1  w>
w 
kK  1  wW |  ó
1  w X  

Cantidad esperada de clientes en cola (Lq)

Interesa conocer la cantidad esperada de personas en la cola. Observe que si están presentes 0 ó 1 cliente en el
sistema, entonces nadie está en la cola, pero si n personas están presentes (n≥1) habrá n-1 en la línea de espera. Si
estamos en estado estable.

  

km  u"  1=(  u "=(  u =(

(c (c (c
km  kK  1 
 
w> >
km  
1  w XX  

Los tiempos esperados de espera en el sistema y en cola se pueden deducir utilizando las formulas de Little.

Se puede determinar la distribución del tiempo de espera en el sistema ω, bajo los supuestos de que ~ ? X y
una disciplina FIFO, definiendo:

(]  Z  Z>  . . . Z(]

Como el tiempo de espera de un cliente dado que hay n clientes en el sistema. Se sabe que An+1 tiene una
distribución Erlang.

Entonces se puede deducir que

    u
(
(]     Y€

(c
Se puede concluir entonces que ω tiene una distribución exponencial con parámetro X1  w

Utilizando un análisis similar se puede deducir que:

+m  ,  u
(
(    w Y€

(c

Donde ωq es igual al tiempo de espera en cola.

Ejemplo
La tienda de abarrotes Elías tiene una caja de salida con un cajero de tiempo completo los clientes llegan al azar
con una tasa media de 30 por hora. La distribución del tiempo de servicio es exponencial con media de 1.5
minutos. Esta situación causa una cola larga ocasional esta situación causa una cola larga ocasional y quejas de
los clientes. Como no hay lugar para otra caja, el gerente piensa en contratar a otra persona que ayude a empacar
los víveres y reduzca el tiempo esperado de servicio a un minuto, todavía con distribución exponencial.

13
El gerente quiere que el porcentaje de tiempo que hay más de 2 clientes en la caja fuera menor a 25%

a) Use las formulas del modelo MM1 para calcular Ls, Ws, Lq, Wq, P0, P1 y P2 de la operación actual. ¿Cuál es la
probabilidad de que haya más de 2 clientes en la caja?

30
kK   3 :;"<
40  30
1 1
jK    0.1 5678<
X   40  30
 30
jm    0.075 5678<
XX   4040  30
km  jm  300.075  2.75 :;"<

  1  w  1  0.75  0.25

  w 1  w  0.750.25  0.1888

>  w> 1  w  0.75> 0.25  0.141

( "  2  1  =  =  =>  0.42 Existe un 42% de probabilidad de que haya más de 2 clientes

b) Repita el literal anterior para la alternativa de ayuda.

30
kK   1 :;"<
60  30
1 1
jK    0.033 5678<
X   60  30
 30
jm    0.0167 5678<
XX   6060  30
km  jm  300.0167  0.5 :;"<

  1  w  1  0.5  0.5

  w 1  w  0.50.5  0.25

>  w> 1  w  0.5> 0.5  0.125

( "  2  1  =  =  =>  0.125 Existe un 12.5% de probabilidad de que haya más de 2 clientes

14
Sistema de líneas de espera MM1GDK∞

s   \  1, 2, … 0  1
.  0
Xs  X  \  1, 2, … , 0

Existirá el estado estable incluso cuando λ ≥ µ, porque el sistema rechazara cuando se encuentre lleno.

$l  1 
. 

1  ww(

(  =878 "  0,1,2, … , 0
1  w.]

En caso de que $l ? X, se puede calcular la cantidad esperada de clientes en el sistema como:

wA1  0  1w.  0w.] B

kK 
1  w1  w.] 

Ejemplos
1) Los pacientes llegan al consultorio de un doctor siguiendo una distribución de Poisson, con la frecuencia
de 20 pacientes por hora. La sala de espera no tiene lugar más que para 14 pacientes. El tiempo de consulta
por paciente es exponencial, con promedio de 8 minutos.
a) ¿Cuál es la probabilidad de que no espere un paciente que llega?

Sea:
K = 15
  20
X  7.5
w  2.667

Un paciente no espera siempre que no haya cliente, por tanto

1  ww 1  2.67

    2.5  10F
1w .] 1  2.67@]

b) ¿Cuál es la probabilidad de que un paciente que llega encuentre un asiento vacío en la sala?

La probabilidad de que haya un asiento vacio es la probabilidad de 14 clientes en el sistema

15
 1  wwH 1  2.672.67H

H    0.23
1  w.] 1  2.67@]

c) ¿Cuál es el tiempo total esperado que pasa un paciente en el consultorio?

2) Las probabilidades pn de que haya n clientes en un sistema MM1:GD5∞ se ven en la tabla siguiente:

n 0 1 2 3 4 5
pn 0.399 0.249 0.156 0.097 0.061 0.03

La frecuencia de llegada λ es 5 clientes por hora. La rapidez del servicio µ es 8 clientes por hora. Calcule lo
siguiente:

a) La probabilidad de que un cliente que llega pueda entrar al sistema.

Un cliente que llega podrá entrar al sistema siempre que haya menos de 5 clientes,
=  =  =>  =G  =H  1  =@   0.97
Existe un 97% de probabilidad de que un cliente que llega pueda entrar al sistema.

b) La frecuencia con la que los clientes que llegan no pueden entrar al sistema.

La tasa de llegadas perdidas = n$NoJoM  =.  50.03  0.15 :;"</5678

c) La cantidad esperada en el sistema.

Dado que $l ? X, se puede calcular la cantidad esperada de clientes en el sistema como:

wA1  0  1w.  0w.] B

kK 
1  w1  w.] 
5 5 @ 5 @]
ƒ1  5  1 S T  5 S T „
8 8 8
kK 
5 5 @]
S1  T …1  S T †
8 8

16
Sistema de líneas de espera MMCGD∞∞

Supondremos que solo existe una cola de clientes que esperan ser atendidos en uno de los servidores en
paralelo. Si hay j ≤ c clientes, entonces los j clientes están en servicio, si j ≥ c clientes están en presentes, entonces
c servidores están ocupados y j – c clientes están haciendo cola.
Si se modela como un proceso de nacimiento muerte, el proceso será:

s   \  1, 2, … 
\X \  1, 2, … 
Xs  ‡ 
X \    1,   2, …


Se define a w  , siempre que ρ < 1. Sustituyendo en la Pn, se obtienen las probabilidades de estado estable:
Y
1

 
w( w
∑ 
(c "! ! 1  w
ws

( 
\  1,2, … , 
\! 
w s

( 
\  ,   1, … 
!  s 
Se puede demostrar que la probabilidad de estado estable de que todos los servidores estén ocupados está dada
por:
w

\ 1  

! 1  w 
Y la cantidad esperada de clientes en el sistema y de clientes en cola se define de la siguiente forma:

\ 1 w
km 
1w

kK  km 
X

Ejercicios

1) La compañía People's Software acaba de abrir un centro de asistencia técnica por teléfono para su nuevo
software. Dos técnicos toman las llamadas, y el tiempo requerido para responder a las preguntas del
cliente tiene distribución exponencial con media de 8 minutos. Las llamadas llegan según un proceso
Poisson con tasa media llamadas se ponen en espera hasta que esté disponible una línea. de 10 por hora.
Se espera que el año próximo la tasa media de llamadas disminuya a 5 por hora, por lo que el plan es
reducir el número de técnicos a uno.
a) Suponga que µ seguirá en 7.5 llamadas por hora el siguiente año, y determine Ls, Lq, Ws y Wq de ambos
sistemas (actual y en un año). Para cada medida de desempeño, ¿qué sistema da el menor valor?

2) Imagine un banco con dos cajeros. Un promedio de 80 clientes por hora llega al banco, y esperan en una
sola cola que se desocupe algún cajero. El tiempo promedio que se requiere para atender a un cliente es
1.2 minutos. Suponga que los tiempos entre llegadas y los tiempos de servicio son exponenciales.
17
Determine.
a) Número esperado de clientes presentes en el banco.
b) Tiempo esperado que un cliente pasa en el banco.
c) Fracción de tiempo que un cajero en particular está desocupado.

18
Sistema de líneas de espera MMCGDK∞

s   \  1, 2, … 0  1
.  0
\X \  1, 2, … 
Xs  ‡ 
X \    1,   2, … ˆ

Ejercicio
Eat & Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar cabida cuando mucho a cinco
automóviles, incluyendo los que llenan el tanque. Los que llegan cuando el carril está lleno van a otra parte. La
distribución de los vehículos que llegan es de Poisson, con promedio de 20 por hora. El tiempo para llenar y
pagar las compras es exponencial, con 6 minutos de promedio. Determine lo siguiente:
a) El porcentaje de automóviles que llenaran el tanque en otro lado.
b) El porcentaje de tiempo en el que se usa la bomba.
c) La utilización porcentual de las dos bombas.
d) La probabilidad de que un automóvil que llegue no reciba servicio de inmediato, si no que se forme en
la cola.
e) La capacidad del carril que asegure que, en promedio no haya más del 10% de los vehículos que llegan
se vayan a otra parte.
f) La capacidad del carril que asegure que, en promedio, la probabilidad de que las dos bombas estén
inactivas sea 0.05 o menos.

Modelo de autoservicio MM∞GD∞∞

s   \  1, 2, … 
Xs  "X \  1, 2, … 

Asi:
w(

( 

"! 
Entonces:
1 1

   €   €
w> 
1w x
2!
El resultado es:
 € w(

( 
"!
Que es Poisson con promedio Ls=ρ. Como es de esperar Lq = Wq = 0 porque es modelo de autoservicio.

19
Ejercicio
A los conductores nuevos se les pide pasar un examen por escrito, antes de hacer las pruebas de manejo. Los
exámenes escritos suelen hacerse en el departamento de policía de la ciudad. Los registros de la ciudad de
Springdale indican que la cantidad promedio de exámenes escritos es de 100 por día de 8 horas. El tiempo
necesario para contestar el examen es de 30 minutos, más o menos. Sin embargo, la llegada real de los aspirantes
y el tiempo que tarda cada uno en contestar son totalmente aleatorios. Determine lo siguiente:
a) La cantidad promedio de asientos que debe tener el departamento de policía en el salón de exámenes.
b) La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos que hay en el salón de
exámenes.
c) La probabilidad de que en un día no se haga examen alguno.

20
Sistema de líneas de espera MMRGDKK , R ≤ K (Modelo de reparación de máquinas)

Es un modelo de origen finito, el cual consiste en tener K máquinas y R personas que las repararán. El tiempo en
que una máquina permanece en buenas condiciones sigue una distribución exponencial con tasa λ. Siempre que
una máquina se descompone, se envía a un centro de reparación que consta de R personas.

Para un modelo de K=5 y R=2:

Estado = numero de maquinas en malas condiciones
5λ 4λ 3λ 2λ λ

0 1 2 3 4 5

μ 2μ 2μ 2μ 2μ

s      x    ˆ  \ 6"ˆ  \< : "[‰76  ‰8Š[;"8< " ‹["8< 6";;6"<

Xs  \X  \  1, 2, … , -
Xs  -X  \  -  1, -  2, … , ˆ

w
X
ˆ

s  ^ _ w s
 Œ  0, 1, … , -
\

Se definirá a:
Ls = cantidad esperada de maquinas descompuestas
Lq = cantidad esperada de maquinas que esperan servicio
Ws = tiempo esperado que una maquina pasa descompuesta
Wq = tiempo esperado que una maquina pasa esperando servicio

Ejercicio
Después de esperar mucho, el matrimonio Newborn fue recompensado con quíntuples (quintillizos), dos niños
y tres niñas, gracias a las maravillas del progreso de la medicina. Durante los cinco primeros meses, la vida de
los bebes transcurría en dos estados: despiertos (llorando, principalmente) dormidos. Según los Newborn las
actividades “despierto-dormido” de los bebes nunca coinciden. En lugar de ello, el panorama parece ser
totalmente aleatorio. De hecho la señora Newborn que es experta en estadística cree que el tiempo que llora cada
bebe es exponencial con 30 minutos de promedio. El tiempo durante el cual duerme cada bebe también es
exponencial, con una media de 2 horas. Determine:
a) La cantidad promedio de bebes despiertos en cualquier momento.
b) La probabilidad de que todos los bebes estén dormidos.
c) La probabilidad de que los Newborn estén atareados porque haya más bebes despiertos (y llorando) que
dormidos.

21
Sistema de líneas de espera no Poissonianos

Modelo MG1GD∞∞ (Distribución de servicio general)

Formula de Pollazeck-Khintchin

En este modelo las llegadas se comportan

portan de acuerdo a una distribución exponencial con parámetro
y los tiempos de servicio poseen una media y varianza .

Si se puede demostrar que:

Ejemplo
El señor Smith tiene su propia empresa que está en el negocio de pintar casas, teniendo una demanda de 10
trabajos cada mes; los trabajos según una distr
distribución
ibución de Poisson, además los clientes suelen esperar lo que sea
necesario dado que el Sr. Smith garantiza sus trabajos. Las dimensiones de los trabajos suelen oscilar
(uniformente) entre 200 y 350 metros cuadrados de superficie por pintar. El equipo de ttrabajo
rabajo del Sr. Smith es
capaz de pintar 100 metros cuadrados por día. Encuentre lo siguiente:
a) El número de trabajos que se tienen pendientes
b) El tiempo que usted debe esperar para que el Sr. Smith pinte su casa

Modelo M/G/1:FIFO/N/∞
Datos explícitos del problema:

Datos implícitos del problema:

Haciendo la conversión de metros cuadrados a días, duración del trabajo:

22
 1 í8
350 ‰> ·  3.5 í8<
100 ‰>
2  3.5 í8<
d;8 =878 ["8 ;<7;‹[;ó" [";
67‰     2.75 í8<
2
1
X  0.36364 78‹8\6</í8
2.75 í8<
3.5  2>
‘87;8"q8  ’ >   0.1875 í8<
12
Literal a)
Dando solución a partir de la información anterior y aplicando las fórmulas pertinentes:
km  kK  w
>  >   “87
kK   ,  ? 1
21  
>
1 78‹
1 78‹ S T 2.75 í8<>  0.1875 í8<2
3 í8
kK  · 2.75 í8< ·
2
 5.65278 78‹8\6<
3 í8 1 78‹
2 S1  3 · 2.75 í8<2 T
í8
1
3
km  5.65278   4.73612 78‹8\6<
0.36364

Literal b)
km 4.73612
jm    14.2084 í8<
$l 1/3

23
Líneas de espera exponenciales en serie

Los modelos anteriores son muy útiles al analizar sistemas de líneas de espera con un servicio único o en
paralelo, como se muestra en la figura.

Para el estudio de sistemas de líneas de espera en serie o de k etapas, como se muestra en la figura, en donde un
cliente después de completar el servicio en la etapa 1, continúa el servicio en la etapa 2 y así sucesivamente hasta
que se completa el servicio en la etapa k.

Se puede establecer que:

1) Los tiempos de llegadas para un sistema de líneas de espera en serie son exponenciales con tasa λ,
2) Los tiempos de servicio por cada servidor de la etapa i son exponenciales y
3) Cada etapa tiene una sala de espera de capacidad infinita,

Entonces los tiempos entre llegadas para las llegadas a cada etapa del sistema de líneas de espera son
exponenciales con tasa λ. Para que este resultado sea valido es sumamente necesario que cada etapa tenga
capacidad infinita o en su defecto λ< cjµj.

Dicho resultado implica que cada etapa puede analizarse como un sistema MMCGD∞∞.

La probabilidad conjunta de n1 clientes en la instalación 1, n2 clientes en la instalación 2, etc., es, entonces, el

producto de las probabilidades individuales obtenidas a partir de las ecuaciones del modelo MMC.

Esta probabilidad conjunta se puede expresar así:

A! , !> , … !”   " , "> , … "” B  =(• =(– … =(— } Solución en forma de producto

24
Ejercicio
Considere un sistema de colas infinitas en serie, donde cada instalación de servicio tiene un servidor. Todos los
tiempos de servicio son independientes y tienen distribución exponencial con media de 3 minutos en la
instalación 1 y de 4 minutos en la instalación 2. La instalación 1 tiene entradas Poisson con tasa media de 10 por
hora.
a. Encuentre la distribución de estado estable del número de clientes en la instalación 1 y después en la 2.
Muestre la forma de solución de producto de la distribución conjunta del número en las respectivas
instalaciones.
b. ¿Cuál es la probabilidad de que ambos servidores estén desocupados?
c. Encuentre el número total esperado de clientes en el sistema y el tiempo total de espera esperado total de un
cliente.

25
Redes de colas

Parámetros de una red de colas

• La fuente exterior se llama a los clientes que no vienen de otra cola de la red.
• Cada instalación i tiene Ci servidores.
• Los clientes llegan a la instalación con tasa λi.
• La instalación i da servicio según una tasa µi.
• La probabilidad de ir del nodo i al nodo j está dada por pij.
• La probabilidad qi es la de salir del sistema desde el nodo i.

Redes de Jackson

Una red de Jackson es un sistema de m instalaciones de servicio en donde la instalación i (i = 1, 2,...,m) tiene:
1. Una cola infinita
2. Clientes que llegan de afuera del sistema según un proceso de entrada Poisson con parámetro ai
3. Ci servidores con distribución exponencial de tiempos de servicio con parámetro µi.

Un cliente que deja la instalación i se encamina después a la instalación j (j= 1, 2,…,m) con probabilidad pij o
sale del sistema con probabilidad
”

ŠJ  1  u =Js
sc
Cualquier red de este tipo tendrá la siguiente propiedad.
En condiciones de estado estable, cada instalación j (j = 1, 2, . . ., m) de una red de Jackson se comporta como si
fuera un sistema de colas MMC independiente con tasa de llegadas

s  8s  u J =Js
Jc
Donde ˜s Xs  s

Redes abiertas o cerradas?

Si qi ≠ 0 y ai ≠ 0, la red se dice que es abierta.

Si qi = 0 y ai = 0, la red se dice que es cerrada.

Ejemplo:
1. Considere dos servidores. Un promedio de ocho clientes por hora llega desde fuera al servidor 1 y un
promedio de 17 clientes por hora llega desde fuera al servidor 2. Los tiempos entre llegadas son
exponenciales. El servidor 1 es capaz de atender a una tasa exponencial de 20 clientes por hora, y el servidor
2 atiende a una tasa exponencial de 30 clientes por hora. Después de completar el servicio en el servidor 1, la
mitad de los clientes sale del sistema, y la mitad se dirige al servidor 2. Después de finalizar el servicio en el
servidor 2, ¾ de los clientes completan sus trámites y 1/4 regresa al servidor 1.

26
 a. ¿Qué fracción del tiempo el servidor 1 está desocupado?
Ésta es una red abierta de líneas de espera con a1 = 8 clientes/hora y a2 = 17 clientes/hora. Asimismo, p12
= 0.5, p21 = 0.25 y p11 = p22 = 0. Podemos determinar λl y λ2 al resolver λl = 8 + 0.25λ2 y λ2 = 17 + 0.5λ1. Así
se llega a λl = 14 clientes/hora y λ2 = 24 clientes/hora.

Se podría tratar al servidor 1 como un sistema MM1 con λ = 14 clientes/hora y µ = 20 clientes/hora.

Entonces, p0 = 1 — ρ = 1 — 0.7 = 0.3. Por lo tanto, el servidor 1 está desocupado 30% del tiempo.

b. Determine el número esperado de clientes en cada servidor.

€ .F € .™
Para el servidor 1 kK  €   2.33 y para el servidor 2 kK  €  4
.G .>

c. Encuentre el tiempo promedio que pasa un cliente en el sistema.

š› >.GG š› H
Para el servidor 1 jK    0.167 y para el servidor 2 jK    0.166 por tanto en promedio
 H  >H
un cliente pasa en el sistema 0.33 h

d. ¿Qué tanto cambiarían las respuestas de (1) a (3) si el servidor 2 pudiera atender sólo un promedio
de 20 clientes por hora?
En este caso, C2µ2 = 20 < λ2, de modo que no existe estado estable.

Ejercicios

1. Considere un sistema de colas que consta de tres estaciones en serie. Cada estación consisten en un solo
servidor, el cual puede procesar un promedio de 20 trabajos por hora (los tiempos de proceso en cada estación
son exponenciales). Un promedio de 10 trabajos por hora (los tiempos entre llegadas son exponenciales) llega
a la estación 1. Cuando un trabajo completa el servicio en la estación 2, hay .1 de probabilidad de que
regresará a la estación 1 y .9 de probabilidad de que pasará a la estación 3. Cuando un trabajo completa su
servicio en la estación 3 hay .2 de probabilidad de que regresará a la estación 2 y .8 de que dejará el
sistema. Todos los trabajos que completan su servicio en la estación 1 pasan inmediatamente a la estación 2.
e. Encuentre la fracción de tiempo en que el servidor está ocupado.
f. Estime la cantidad esperada de trabajos en el sistema.
g. Estime el tiempo promedio que un trabajo pasa en el sistema.

2. En promedio llegan 10 trabajos por hora a un taller. Los tiempos entre llegadas de los trabajos son
exponenciales. Se requiere un tiempo promedio de 10/3 minutos (bajo distribución exponencial) para
finalizar un trabajo. Un tercio de tódos los trabajos terminados requieren, infortunadamente, ser retrabajados.
Por lo tanto, hay una probabilidad de 1/3 de que un trabajo terminado debe esperar en la cola para ser traba-
jado de nuevo. En el estado estable, ¿cuántos trabajos esperaría uno encontrar en el taller? ¿Cuál sería la
respuesta si un trabajo se termina, en promedio, en cinco minutos?

27