Documentos de Académico
Documentos de Profesional
Documentos de Cultura
JOSÉ MATÍAS
DELGADO
FACULTAD DE INGENIERÍA
INVESTIGACIÓN DE OPERACIONES II
ING. RENE HERNÁN LINARES SILVA
INVESTIGACIÓN BIBLIOGRÁFICA
SISTEMAS DE COLAS
Integrantes de grupo:
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. Estar preparados para ofrecer
todo servicio que se nos solicite en cualquier momento puede implicar mantener
recursos ociosos y costos excesivos. Pero, por otro lado, carecer de la capacidad de
servicio suficiente causa colas excesivamente largas en ciertos momentos. Cuando los
clientes tienen que esperar en una cola para recibir nuestros servicios, están pagando
un coste, en tiempo, más alto del que esperaban. Las líneas de espera largas también
son costosas por tanto para la empresa ya que producen pérdida de prestigio y pérdida
de clientes.
Págs.
INTRODUCCIÓN 1
OBJETIVOS 3
SISTEMAS DE COLAS 4
CONCLUSIONES 39
BIBLIOGRAFÍA 40
ANEXOS 41
OBJETIVOS
General:
Especifico:
Tanto el ritmo de llegadas al sistema por unidad de tiempo, como el tiempo de servicio,
son variables con un patrón aleatorio, de tal forma que se hace necesaria la utilización
de modelos estocásticos que permitan el estudio de este tipo de sistemas.
Un sistema de colas está formado por un origen de usuario, una cola de espera y
posibilidades de servicio con uno o varios servidores paralelos idénticos.
La red de colas es un conjunto de sistemas de colas conectados entre sí.
La cantidad de clientes en el sistema se define para incluir los que están en el servicio y
los que están en la cola.
En cuanto a terminología, el estándar en la Teoría de Colas es el siguiente.
µn = µ*c para n ≥ c
𝟏
= tiempo esperado entre llegadas
𝛌
𝟏
= tiempo esperado de servicio
µ
𝛌
𝛒= = Factor de utilización de la instalación del servicio
𝐜µ
(a/b/c) : (d/e/f)
Notación de Kendall
Donde:
a = Distribución de las llegadas
b = Distribución de las salidas (tiempo de servicio)
c = Cantidad de servidores paralelos (= 1,2,…,∞)
d = Disciplina en las colas
Número máximo (finito o infinito) permitido en el sistema (haciendo cola
e =
o en servicio)
f = Tamaño de la fuente solicitante (finita o infinita)
Las medidas de desempeño más comúnmente utilizadas en una situación de colas son:
Ls effecWs
Ls Lq effec
Lq effecWq
1
Ws Wq
𝛌
𝛒=
𝐜µ
𝐏𝐎 = 𝟏 − 𝛒 ; 𝛒 < 𝟏
𝐏𝐧 = 𝛒𝐧 ∗ 𝐏𝐨 ; 𝛒 < 𝟏 , n = 0, 1, 2, …
EJEMPLO 01
Suponga una estación de gasolina a la cual llegan en promedio 45 clientes por hora.
Se tiene capacidad para atender en promedio a 60 clientes por hora.
Se sabe que los clientes esperan en promedio 3 minutos en la cola.
Solución:
La tasa media de llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto
La tasa media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto
Wq 3 min
1 1
W W 3 4 min
s q
1
Ls Ws 0.75 4 3clientes
Lq Wq 0.75 3
2.25clientes
EJEMPLO 02
Suponga un restaurante de comidas rápidas al cual llegan en promedio 100 clientes por
hora.
Se tiene capacidad para atender en promedio a 150 clientes por hora.
Se sabe que los clientes esperan en promedio 2 minutos en la cola.
Calcule las medidas de desempeño del sistema.
Solución:
La tasa media de llegadas es 100 clientes por hora o 100/60 = 1.67 clientes por min
La tasa media de servicio es 150 clientes por hora o 150/60 = 2.5 cliente por minuto
Wq 2 min
Ws Wq 1 1
2 5.5 min
2.5
Ls Ws 1.67 5.5 9.185clientes
Lq Wq 1.67 2 3.34clientes
El factor de utilización del sistema si se mantuviera un servidor es
= / = 1.67/2.5 = 0.668 = 66.8%
EJEMPLO 03
Solución:
La tasa media de llegadas es 79 llamadas por minuto o 79/60 = 1.32 llamadas por seg
La tasa media de servicio es 125 llamadas por minuto o 125/60 = 2.08 llamadas por
seg
Wq 7seg
Ws Wq 1 1
7 7.48seg
2.08
Ls Ws 1.32 7.48 9.87 llamadas
Lq Wq 1.32 7 9.24 llamadas
Este modelo se trata solo de un servidor es decir c=1. Se hablaran de dos casos
posibles:
Ambos modelos suponen una capacidad infinita de la fuente es decir que siempre será
abundante. En ambos las llegadas ocurren a razón de λ clientes por unidad de tiempo y
con una tasa de servicio de µ clientes por unidad de tiempo.
Los resultados de los dos modelos (y de hecho de todos los modelos restantes en la se
derivan como casos especiales de los resultados del modelo generalizado.
Se utilizará la notación ampliada de Kendall para caracterizar cada situación.
MODELOS DE UN SOLO SERVIDOR (M/M/1) : (GD/∞/∞)
Partiendo del modelo general, se
tiene:
𝝀𝒏 = 𝝀
𝝁𝒏 = 𝝁
Como el número máximo permitido en el sistema es finito
𝝀𝒆𝒇𝒇𝒆𝒄 = 𝝀 𝒚 𝝀𝒑𝒆𝒓𝒅𝒊𝒅𝒂 = 𝟎
Las medidas de desempeño más comúnmente utilizadas en una situación de colas son:
Wq WS 1
(1 )
𝑷𝑶 = 𝟏 − 𝝆 ; 𝝆 < 𝟏
𝑷𝒏 = (𝟏 − 𝝆) 𝝆^𝒏 ; 𝝆 < 𝟏 , 𝒏 = 𝟎, 𝟏, 𝟐, …
EJEMPLO 01
Un restaurante de comida rápida tiene una ventanilla para servicio en su auto. Los
autos llegan según una distribución de Poisson a razón de 2 cada 5 minutos. El espacio
enfrente de la ventanilla puede acomodar a lo sumo 10 autos, incluso el que se está
atendiendo. Los demás autos pueden esperar afuera de este espacio si es necesario.
El tiempo de servicio por cliente es exponencial, con una media de 1.5 minutos.
Determine lo siguiente:
𝝆 = 𝟎.𝟔𝟔𝟔 = 𝟎. 𝟔𝟎𝟎𝟔 (𝝆 cumple la condición < 1 por lo tanto el sistema puede operar en
𝟎.𝟒
c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido
Wq = Tiempo de espera anticipado en la cola
𝝆
𝑾𝒒 = 𝝁(𝟏 − 𝝆) = 𝟐. 𝟐𝟓𝟐𝟐𝟓
c) Si al final del semestre John decide subcontratar los trabajos pendientes a $40
cada uno, ¿cuánto, en promedio, debe esperar que le paguen?
Lq = Cantidad esperada de trabajos en cola
𝝆𝟐
𝑳𝒒 = = 3.2 trabajos
(𝟏−𝝆)
Si se pagara $40 por cada trabajo en cola (3.2 trabajos) se pagara $128 en promedio
EJEMPLO 03
Pn = 1 – Po
Pn = 0.38 ó 38% de 1 semana
T1 1
1 (1
T )
=1.5
0.38
1
1 1 1
(1 0.38)
1.5 4 1.5
Solución 1 caso en 1.5 semanas
MODELO DE UN SOLO SERVIDOR (M/M/1) : (GD/N/∞)
𝛌𝒑𝒆𝒓𝒅𝒊𝒅𝒂 = 𝛌𝝆𝑵
𝛌𝒆𝒇𝒆𝒄 = 𝛌 − 𝛌𝒑𝒆𝒓𝒅𝒊𝒅𝒂 = 𝛌(𝟏 − 𝝆𝑵) se dice entonces 𝛌𝒆𝒇𝒆𝒄 < 𝝁
𝑳𝒔 = 𝝆[𝟏−(𝑵+𝟏)𝝆𝑵+𝑵𝝆𝑵+𝟏]
siempre que p sea distinto de 1
(𝟏−𝝆)(𝟏−𝝆𝑵+𝟏)
EJEMPLO 01
Solución: (M/M/1):(GD/15/∞)
λ = 20 pacientes/hora
𝜇 = 7.5 pacientes/hora
20
𝜌= = 2.666 , N=14+1=15
7.5
(1−𝜌)𝜌
𝜌15 = 𝑛 = 0.6249
1−𝜌𝑁+1
λ𝑝𝑒𝑟𝑑𝑖𝑑𝑎 = λ𝜌𝑁 = 12.498 λ𝑒𝑓𝑒𝑐
= λ(1 − 𝜌15) = 7.5
𝜌[1−(𝑁+1)𝜌𝑁+𝑁𝜌𝑁+1]
𝐿𝑠 = = 14.3997
(1−𝜌)(1−𝜌𝑁+1)
𝐿
𝑊 = 𝑠 = 1.9199
λ
𝑠
𝑒𝑓𝑒𝑐
1
𝑊𝑞 = 𝑊𝑠 − = 1.7866
𝜇
𝐿𝑞 = 7.5(1.7866) = 13.3997
Probabilidad Probabilidad
n Probabilidad n n Probabilidad n
Acumulada Acumulada
0 0 0 8 0.00065 0.00103
1 0 0 9 0.00174 0.00277
2 0 0 10 0.00463 0.0074
3 0 0.00001 11 0.01236 0.01976
4 0.00001 0.00002 12 0.03296 0.05272
5 0.00003 0.00005 13 0.08789 0.14061
6 0.00009 0.00014 14 0.23438 0.37499
7 0.00024 0.00038 15 0.625 0.99999
EJEMPLO 02
Solución: (M/M/1):(GD/10/∞)
a) En promedio ¿Cuántos cortes de pelo hará el peluquero?
Una fracción de P10 de las llegas encuentra que la peluquería está llena. Por lo tanto,
entrará a ella un promedio de λ(1-P10) por hora. Todos los clientes que desean que se
les corte el cabello, y por lo tanto, el peluquero hará un promedio de λ(1-P10) cortes por
hora.
N = 10 , λ = 20 clientes por hora y µ = 5 clientes/hora.
Entonces 𝜌 = 20/5 = 4
𝑃𝑛 1−𝜌
= ∗ 𝜌𝑛
1− 𝜌𝑁+1
donde n = 1,2,....m
Sustituyendo datos P10 = 0.75
Así, los cortes de pelo son en promedio 20(1-0.75) = 5 cortes/hora.
Una instalación de servicio consiste de una persona que puede atender un promedio de
2 clientes/h. Los tiempos de servicio son exponenciales. Llega un promedio de 3
clientes por hora, y se supone que los tiempos entre llegadas son exponenciales. La
capacidad del sistema es de 3 clientes.
Solución: (M/M/1):(GD/3/∞)
λ=3clientes/hor
a
μ=2clientes/hor
a N=3
p=3/2=1.5
a) En promedio, ¿Cuántos clientes potenciales entran al sistema cada hora?
𝑃𝑛 1−𝜌
= ∗ 𝜌𝑛
1 − 𝜌𝑁+1
𝑃3 = 1 − 1.5
∗ 1.53 = 0.4154
1 − 1.53+1
λ = λ (1-Pm) = λ(1-P3) = 3(1-0.4154) = 1.75 clientes por hora.
Esta sección considera tres modelos de colas con varios servidores paralelos. Los
primeros dos modelos son las versiones de varios servidores. El tercer modelo trata el
caso del autoservicio, el cual equivale a tener una cantidad infinita de servidores
paralelos.
Así que:
𝛌
Si 𝝆 = y suponiendo que 𝝆 ≤ 𝟏el valor de Po se determina a partir de ∑∞ 𝑷𝒏 = 𝟏 la
𝝁 𝒄 𝒏=𝟎
cual da:
La expresión para Lq se determina como sigue:
EJEMPLO 01
Una pequeña oficina de correos tiene dos ventanillas abiertas. Los clientes llegan
siguiendo una distribución de Poisson con la frecuencia de 1 cada 3 minutos. Sin
embargo, solo el 80% de ellos deben ser atendidos en las ventanillas. El tiempo de
servicio por cliente es exponencial, con 5 minutos de promedio. Así, ese 80% de los
clientes que llegan se forman en una cola y llegan a las ventanillas disponibles en
disciplina PLPS.
Solución: (M/M/2):(GD/∞/∞)
𝟔𝟎 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔 𝟔𝟎 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
𝝀= ∗ 𝟎. 𝟖 = 𝟏𝟔 ,𝝁= = 𝟏𝟐
𝟑 𝒉𝒐𝒓𝒂
𝝀 𝟏𝟔
𝟓 𝒉𝒐𝒓𝒂
𝒄 = 𝟐 , 𝝆 = = = 𝟏. 𝟑𝟑𝟑𝟑
𝝁 𝟏𝟐
a) ¿Cuál es la probabilidad de que un cliente que llega deba esperar en la fila (𝑷𝒏≥𝟐)?
−𝟏
𝟐−𝟏 𝒏 𝟐
𝟏𝟔 𝟏𝟔
( ) 𝟏𝟐 𝟏
𝟏𝟐 )
𝑷𝟎 = ∑
( + 𝟏𝟔 = 𝟎. 𝟐𝟎
𝒏! 𝟐!
𝒏=𝟎
{ 𝟏− 𝟐
(
𝟏𝟐
)}
𝟏
𝟏𝟔
𝑷𝟏 = ( )
𝟏𝟐
𝟏! (𝟎. 𝟐) = 𝟎. 𝟐𝟔𝟔𝟕
𝑷𝒏≥𝟐 = 𝟏 − (𝑷𝟎 + 𝑷𝟏) = 𝟏 − 𝟎. 𝟒𝟔𝟔𝟕 = 𝟎. 𝟓𝟑𝟑
La probabilidad es de 53.3%
d) ¿Sería posible ofrecer un servicio razonable solo con una ventanilla? Explique
por qué.
No, porque 𝝀 es mayor que 𝝁. Por lo tanto el mínimo de ventanas que puede haber en la
oficina de correos debe ser mayor o igual a 𝝆 = 𝝀 = 𝟏𝟔 = 𝟏. 𝟑𝟑𝟑𝟑, es decir que el número
𝝁𝟏𝟐
de ventanas actuales es el correcto.
EJEMPLO 02
a) Los clientes llegan cada 5 minutos y son atendidos a razón de 10 clientes por
hora.
λ=0.2 clientes / min
μ=10 clientes / hora ó 0.17 clientes /
min p=0.2/0.17=1.18
𝝀
Si 𝝆 = y suponiendo que 𝝆 ≤ 𝟏
𝝁 𝒄
𝝆≤𝒄
𝟏. 𝟏𝟖 ≤ 𝒄
Se necesita de 1 servidor
EJEMPLO 03
Un banco tiene dos cajeros. Llegan al banco con un promedio de 80 clientes por hora y
esperan en una sola cola para que los atiendan. El tiempo promedio que se necesita
para atender a un cliente es 1.2 minutos. Suponga que los tiempos entre llegadas y los
de servicio son exponenciales. Calcular.
Solución: (M/M/2):(GD/∞/∞)
k: número de
servidores k = 2 cajeros
λ = 80 clientes / hora
μ = 1/1.2 cliente /
minutos Al realizar la
conversión μ = 50
clientes / hora
𝑘−1 𝜆 𝑛
8 0
( ) 8 0 1 1.6
0
𝜇 1
( ) ( )
𝐴=∑
= 50 + 50 = + = 2.6
𝑛! 0! 1! 1 1
𝑛=0
𝜆𝑘 80 2
( ) 𝜇𝑘 ( (50 ∗ 2)
𝜇 50
)
𝐵= ∗ = + = 6.4
𝑘! 𝜇𝑘 − 𝜆 2! (50 ∗ 2) − 80
1 1 1
𝑃0 = = = = 0.1111
𝐴 + 𝐵 2.6 + 6.4 9
teniendo Po buscar Ls
2
8 0
𝐿𝑠 ( ) 80
= 50 2
(80 ∗ 50) (2 − 1)! (2 ∗ 50 − 80) ∗ 0.111 + ( ) = 4.4416
50
𝑊𝑠 = 𝐿𝑠 4.44
= = 0.055 ℎ𝑜𝑟𝑎𝑠
𝜆 80
Un cliente pasa en el banco un promedio de Ws = 3.33 minutos.
𝜇 𝑛𝜇, 0 ≤ 𝑛 <
={ 𝑐
𝑛
𝑐𝜇, 𝑐 ≤ 𝑛 ≤ 𝑁
𝜌𝑛
𝑃0, 0≤𝑛<𝑐
𝑃𝑛 = { 𝑛!𝑛
𝜌
𝑃0, 𝑐 ≤ 𝑛 ≤ 𝑁
𝑐! 𝑐𝑛−𝑐
En donde:
𝜌 𝑁−𝑐+1 −1
𝐶−1
𝑛 ) 𝜌
(∑ 𝜌 𝜌𝑐(1 − ( ) ) ,
𝑐 𝜌 𝑐≠1
+ 𝑛!
𝑃0 = 𝑛=0 𝑐! (1 − )
𝑐 −1
𝐶−1
𝑛 𝜌 𝑐 𝜌
(∑ 𝜌 + (𝑁 − 𝑐 + , =1
𝑛! 𝑐! 1)) 𝑐
{ 𝑛=0
𝐿𝑞 = 𝜌 𝑐 (𝑁 − 𝑐)(𝑁 − 𝑐 + 1) 𝜌
𝑃0 , =1
2𝑐! 𝑐
Para determinar 𝑊𝑞, y en consecuencia 𝑊𝑠 y 𝐿𝑠, se calcula el valor de 𝜆𝑒𝑓 como sigue:
𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑜 = 𝜆𝑃𝑁
𝜆𝑒𝑓 = 𝜆 − 𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑜 = (1 − 𝑃𝑁)𝜆
EJEMPLO 01
En un pequeño taller de ajuste de motores ocupa a tres mecánicos. Cuando los clientes
que llegan ven que el piso del taller está cubierto de trabajos en espera, van a otra
parte. El piso del taller puede dar cabida cuando mucho a 15 segadoras o podadoras,
además de las que reciben el servicio. Los clientes llegan al taller cada 15 minutos en
promedio, y un mecánico tarda un promedio de 30 minutos en terminar cada trabajo. El
tiempo entre llegadas y el tiempo de servicio tienen distribución exponencial.
Solución: (M/M/3):(GD/18/∞)
C=3 N=18
𝟔𝟎 𝒑𝒐𝒅𝒂𝒅𝒐𝒓𝒂𝒔 𝒐 𝒔𝒆𝒈𝒂𝒅𝒐𝒓𝒂𝒔 𝟔𝟎 𝒑𝒐𝒅𝒂𝒅𝒐𝒓𝒂𝒔 𝒐 𝒔𝒆𝒈𝒂𝒅𝒐𝒓𝒂𝒔
𝝀= 𝟏𝟓 =
𝟒 𝒉𝒐𝒓𝒂 𝝁= 𝟑𝟎 = 𝟐 𝒉𝒐𝒓𝒂
𝟒 𝟐
𝝆= =𝟐 𝝆
𝟐 𝒄= 𝟑
a) Cantidad promedio de mecánicos sin trabajo
Numero de mecánicos que no están trabajando = c – (L s- Lq)
𝟐 −𝟏
𝟏𝟖−𝟑+𝟏
𝟑
𝟐 𝒏 (𝟐) (𝟏 − ( ) )
𝑷𝟎 = ∑ ( 𝟐 ) + 𝟑 = 𝟎. 𝟏𝟏𝟏𝟐
𝒏! 𝟐
𝒏=𝟎 𝟑! (𝟏 −
)
{ 𝟑 }
(𝟐)𝟏𝟖
𝑷𝟏𝟖 = ∗ 𝟎. 𝟏𝟏𝟏𝟐 = 𝟎. 𝟎𝟎𝟎𝟑𝟑𝟗
𝟑! ∗ 𝟑𝟏𝟖−𝟑
𝝀𝒆𝒇 = 𝟏 − 𝟎. 𝟎𝟎𝟎𝟑𝟑𝟗) ∗ 𝟒 = 𝟑. 𝟗𝟗𝟖𝟔
(
𝟐𝟒 𝟐 𝟐 𝟏𝟖−𝟑
𝟐 𝟏𝟖−𝟑+𝟏 − (𝟏𝟖 − 𝟑 + 𝟏) (𝟏 − ) ( )
}} 𝟎. 𝟏𝟏𝟏𝟐 = 𝟎. 𝟖𝟕𝟕𝟒
𝑳𝒒 = { 𝟐
{𝟏 − ( ) 𝟑 𝟑
𝟐! (𝟑 − 𝟐) 𝟑
𝑳𝒔 = 𝟎. 𝟖𝟕𝟕𝟒 + 𝟎. 𝟗𝟗𝟗𝟕 = 𝟏. 𝟖𝟕𝟕𝟏
# de mecánicos no trabajando = 3 - (1.8771-0.8774) = 2.0003
b) Porción del trabajo que va a la competencia en un día de 10 horas, por la
capacidad limitada del taller.
𝛌𝐩𝐞𝐫𝐝𝐢𝐝𝐨 = 𝛌 − 𝛌𝐞𝐟 = 𝟒 − 𝟑. 𝟗𝟗𝟖𝟔 = 𝟎. 𝟎𝟎𝟏𝟒 𝐭𝐫𝐚𝐛𝐚𝐣𝐨𝐬 𝐩𝐨𝐫 𝐡𝐨𝐫𝐚
En un día de 10 horas se pierden: 10x0.0014=0.014 trabajos.
EJEMPLO 02
Eat y Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar
cabida cuando muchos a 5 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 llegar y pagar las
compras es exponencial, con 6 min de promedio. Determine lo siguiente:
Solución: (M/M/2):(GD/5/∞)
C=2 N=5 λ= 20 v/h µ= 10v/h p=2 p/c = 1
Y se tiene que:
𝑃0 = 𝑒−𝜌
−𝜌 𝑛
𝑃𝑛 = 𝑒 𝑛!𝜌 , 𝑛 = 0, 1, 2, …
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.
Solución: (M/M/∞):(GD/∞/∞)
𝟏𝟎𝟎 𝒆𝒙𝒂𝒎𝒆𝒏
𝝀= = 𝟏𝟐. 𝟓
𝟖 𝒉𝒐𝒓𝒂
𝝁 = 𝟔𝟎 𝒆𝒙𝒂𝒎𝒆𝒏
=𝟐
𝟑𝟎 𝒉𝒐𝒓𝒂
a) La cantidad promedio de asientos que debe tener el departamento de policía en
el salón de exámenes.
𝟏𝟐. 𝟓
𝑳𝒔 = 𝟐 = 𝟔. 𝟐𝟓 ≈ 𝟕 𝒂𝒔𝒊𝒆𝒏𝒕𝒐𝒔.
EJEMPLO 02
Solución: (M/M/∞):(GD/∞/∞)
EJEMPLO 03
𝑒−36369
𝑃𝑛 = = 0.999993
9!
Pn ≥ 10 = 1 – Pn ≤ 9 = 1
Este modelo se diferencia de todos los anteriores por tener una fuente finita de clientes.
Eso se puede visualizar si se considera que cuando todas las maquinas del taller están
descompuestas, no se pueden generar más llamadas o solicitudes de servicio. En
esencia, solo las maquinas que están funcionando se pueden descomponer, por lo que
tienen el potencial de generar llamadas de servicio.
𝜆𝑛 = (𝐾 − 𝑛)𝜆 , 0≤𝑛 ≤𝐾
𝜇𝑛 𝑛𝜇 , 0≤𝑛 <𝑅
= {𝑅𝜇 , 𝑅 ≤𝑛≤𝐾
𝑅 −1
𝐾𝑛 𝐾 𝑛
𝐾 𝑛! 𝜌
𝑃0 = (∑ 𝐶 +∑𝐶 )
𝑛=𝑅+1 𝑛 𝑅! 𝑅𝑛−𝑅
𝑛=0
En este modelo es difícil obtener una forma cerrada de Ls, y en consecuencia se debe
calcular a partir de la siguiente definición básica:
𝐿𝑠 = ∑ 𝑛𝑝𝑛
𝑛=0
𝐿𝑠
𝑊𝑠 =
𝜆𝑒𝑓
1
𝑊𝑞 = 𝑊 𝑠 −
𝜇
EJEMPLO 01
(GD/5/5)
𝜆 = 1.33333 µ = 7.5
λ𝑒𝑓 = 4.99945 𝜌 = 0.17778
Probabilidad Prob.
n
𝑃𝑛 acumulada 𝑃𝑛
0 0.33341 0.33341
1 0.29637 0.62978
2 0.21075 0.84053
3 0.11240 0.95293
4 0.03996 0.99290
5 0.00710 1.00000
a) Determine el promedio de máquinas en espera de ser preparadas o que se están
preparando.
𝐾
𝐿𝑠 = ∑ 𝑛𝑝𝑛
𝑛=0
𝐿𝑠 = (0 ∗ 0.33341) + (1 ∗ 0.29637) + (2 ∗ 0.21075) + (3 ∗ 0.11240) + (4 ∗ 0.03996)
+ (5 ∗ 0.00710)
𝐿𝑠 = 1.25041 𝑀𝑎𝑞𝑢𝑖𝑛𝑎𝑠
𝑃0 = 0.33341
𝐿𝑠1.25041
𝑊𝑠 = 𝜆= 4.99945 = 0.25 ℎ𝑜𝑟𝑎𝑠
𝑒𝑓
EJEMPLO 02
Kleen All es una compañía de servicios que realiza varios trabajos peculiares, como
jardinería, poda de árboles y pintura de casas. Los 4 empleados de la compañía salen
de la oficina con la primera asignación del día. Después de completar una asignación, el
empleado llama a la oficina para pedir instrucciones para el siguiente trabajo que se va
a realizar. El tiempo para completar una asignación es exponencial con una media de
45 minutos. El tiempo de viaje entre los trabajos también es exponencial con una media
de 20 minutos.
λ = 60/45 = 1.33 maquinas/hr µ = 60/20 = 3 /hr R=4 K=4
(M/M/4) : (GD/4/4)
𝜆 = 1.33333 µ = 3.0
Probabilidad Prob.
n
𝑃𝑛 acumulada 𝑃𝑛
0 0.22972 0.22972
1 0.40839 0.63811
2 0.27226 0.91037
3 0.08067 0.99104
4 0.00896 1.00000
a) Determine el promedio de empleados que viajan entre los trabajos.
𝐾
𝐿𝑠 = ∑ 𝑛𝑝𝑛
𝑛=0
𝐿𝑠 = (0 ∗ 0.22972) + (1 ∗ 0.40839) + (2 ∗ 0.27226) + (3 ∗ 0.08067) + (4 ∗ 0.00896)
𝐿𝑠 = 1.23076 𝑀𝑎𝑞𝑢𝑖𝑛𝑎𝑠
EJEMPLO 03
Toolco tiene un taller con 22 máquinas en total. Se sabe que cada máquina se
descompone con una frecuencia promedio de una vez cada dos horas. Se necesita un
promedio de 12 minutos para terminar una reparación. Tanto el tiempo entre
descomposturas como el tiempo de reparación sigue una distribución exponencial. A
Toolco le interesa determinar la cantidad de mecánicos necesarios para mantener el
taller funcionando uniformemente. Calcular lo siguiente:
a) Calcule la cantidad esperada de clientes sin trabajo si R=4
b) Calcule la probabilidad de que todos los mecánicos estén sin trabajo para R=3
c) Calcule la probabilidad de que la mayoría (más de la mitad) de los mecánicos
estén sin trabajo para R=3
b) P0 = 0.10779
c) R = 3
P(2 o 3 sin trabajo) = P0 + P1 = 0.34492
FORMULA POLLACZEEK-KHINTCHINE (P-K)
(M/G/1) : (GD/∞/∞)
Los modelos de cola en que las llegadas y las salidas no siguen la distribución de
poisson son complicados. En general, en esos casos se aconseja usar la simulación
como método alternativo para analizarlos
Esta es una de las pocas colas que no son de poisson, para la cual se dispone de
resultados. Es para el caso en el que el tiempo de servicio t se representa por una
distribución de probabilidades con media E(t) y varianza var(t). Entre los resultados del
modelo están las medidas básicas de desempeño 𝐿𝑠, 𝐿𝑞, 𝑊𝑠 𝑦 𝑊𝑞. El modelo no
proporciona una ecuación cerrada para 𝑃𝑛 debido a que no se puede manejar en forma
analítica.
𝑃0 = 1 − 𝜆𝐸{𝑡} = 1 − 𝜌
Como 𝜆𝑒𝑓 = 𝜆, las medidas restantes de desempeño (Lq, Ws y Wq) se pueden obtener a
partir de Ls
𝐿𝑠 1 1
𝑊𝑠 = = =
𝜆 𝜇(1 − 𝜌) 𝜇 − 𝜆
1 𝜌
𝑊𝑞 = 𝑊𝑠 − =
𝜇 𝜇(1 − 𝜌)
𝜌2
𝐿𝑞 = 𝜆𝑊𝑞 =
1−𝜌
𝐶̅ = 𝐿𝑠 − 𝐿𝑞 = 𝜌
EJEMPLO 01
Layson Roofing Inc. instala techos de tejas en casas nuevas y viejas en Arkansas. Los
clientes potenciales solicitan el servicio al azar a razón de nueve trabajos por mes de 30
días y se les pone en una lista de espera para ser procesados sobre la base de FCFS.
Los tamaños de las casas varían, pero es bastante razonable suponer que las áreas del
techo están uniformemente distribuidas entre 150 y 300 metros cuadrados. Por lo
común, la cuadrilla de trabajo puede completar 75 cuadrados al día. Determine lo
siguiente:
a) Los trabajos de techado pendientes promedio de Layson.
𝜆 = 9 𝑡𝑟𝑎𝑏𝑎𝑗𝑜𝑠 𝑚𝑒𝑠
𝑥 = 0.3 𝑡𝑟𝑎𝑏𝑎𝑗𝑜𝑠/𝑑𝑖𝑎
𝑚𝑒𝑠 30 𝑑𝑎
𝑖𝑠
1
𝐸{𝑡} = = 3.333 ≈ 3 𝑑𝑖𝑎𝑠
𝜆
4
var{𝑡} = = 0.333 𝑑𝑖𝑎𝑠
1
2
𝜆2(𝐸2{𝑡} + 𝑣𝑎𝑟{𝑡})
𝐿𝑠 = 𝜆𝐸{𝑡} + , 𝜆𝐸{𝑡} < 1
2(1 − 𝜆𝐸{𝑡})
(0.3)2((3.333)2 +
𝐿𝑠 = (0.3 ∗ 3.333) + 0.333)
= 5.14
2(1 − (0.3 ∗ 3.333))
b) El tiempo promedio que un cliente espera hasta que se completa el trabajo de
techado.
𝐿𝑠 5.14
𝑊𝑠 = = = 17.16 ≈ 17 𝑑𝑖𝑎𝑠
𝜆 0.3
EJEMPLO 02
Un auto lavado puede atender un auto cada 12 minutos y la tasa media de llegadas es
de 9 autos/hora, = 2 min.
Obtener las medidas de desempeño de acuerdo al modelo M/G/1, además la
probabilidad de tener cero clientes en el sistema y la probabilidad de que un cliente tena
que esperar por el servicio.
𝜆 9
𝜌= = = 0.75
𝜇 12
2
= = 0.033 𝐻𝑜𝑟𝑎𝑠
60
𝐿𝑞 = 𝜆 + 𝜌
2 2 2
920.0332 + 0.752
= = 1.31 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
2(1 − 𝜌) 2(1 − 0.75)
𝐿𝑠 = 𝐿𝑞 + 𝜌 = 1.31 + 0.75 = 2.06 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝐿𝑞
𝑊𝑞 = = 0.145 𝐻𝑜𝑟𝑎𝑠 = 8.7 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
�
� 1
𝑊𝑠 = 𝑊𝑞 + = 0.228 ℎ𝑜𝑟𝑎𝑠 = 13.7 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜇
𝑃0 = 1 − 𝜌 = 0.25
𝑃𝑤 = 𝜌 = 0.75
EJEMPLO 03
BDI Inc. Instala cámaras de seguridad en residenciales nuevas en Buenos Aires. Los
clientes potenciales solicitan el servicio al azar a razón de 15 trabajos por mes de 30
días y se les pone en una lista de espera para ser procesados sobre la base de FCFS.
Los tamaños de las casas varían, pero es bastante razonable suponer que en el
perímetro donde habría que ubicar las cámaras uniformemente distribuidas estaría
entre 150 y 300 metros cuadrados. Por lo común, el equipo técnico de instalación puede
completar 75 cuadrados al día. Determine lo siguiente:
𝐿𝑠 6.32
𝑊𝑠 = = = 27.48 ≈ 17 𝑑𝑖𝑎𝑠
𝜆 0.23
CONCLUSIONES
http://cdigital.dgb.uanl.mx/la/1020151198/1020151198.PDF
https://jrvargas.files.wordpress.com/2009/01/5-teoria-de-colas.pdf
http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
ANEXOS