[METODOS CUANTITATIVOS PARA LA

ADMINISTRACION]
MTRIA. ING. María de la Cruz Porras Arias 30 de marzo de 2020

LINEAS DE ESPERA
Un sistema de líneas de espera se define como un conjunto de clientes, servidores y un orden en
el cual los clientes son atendidos siendo un proceso de nacimiento-muerte, donde se considera
que un nacimiento sucede cuando un cliente entra a las instalaciones del negocio para recibir el
servicio; mientras que una muerte ocurre cuando el cliente una vez que ha sido atendido, sale del
establecimiento.

Una línea de espera y un solo servidor

Entrada --> Línea de Espera --> Mecanismo de servicio --> Salida

Una línea de espera y varios servidores

Entrada --> Línea de Espera --> Mecanismo de servicio --> Salida

Es importante comentar que a diferencia de otros modelos, los de líneas de espera son
descriptivos y no normativos, ya que no son métodos de optimización, sino más bien modelos
que buscan describir el funcionamiento de un sistema dado mediante la estimación de sus
parámetros más importantes Es normal que estos casos se tomen de un modo probabilístico y no
determinístico, ya que por lo general no se conoce el momento en que un cliente va a solicitar un
servicio.

Terminología
Llegadas: Es la frecuencia de llegada de los clientes al negocio, definido por el tiempo que
transcurra entre la llegada de un cliente y el siguiente.
Servicio: Tiempo de servicio, es decir el tiempo que ocupa un servidor para atender a un
cliente.
Disciplina de la Línea de espera: Es el orden en el que se atienden a los clientes.
Capacidad del sistema: Es el número máximo de clientes que pueden estar en el
negocio, ya sea en la línea de espera o siendo atendidos.
Estado del sistema: Es el número de clientes que hay en el negocio en un momento dado
cualquiera, ya sea en espera o en servicio.
Longitud de la línea de espera: Es el número de clientes que hay en la línea de espera.
Abandonado: Es cuando un cliente que está en la línea de espera, se sale de ella y deja
el establecimiento debido a que el tiempo de espera es muy grande.
 [METODOS CUANTITATIVOS PARA LA
ADMINISTRACION]
MTRIA. ING. María de la Cruz Porras Arias 30 de marzo de 2020

Rechazo: Sucede cuando un cliente que llega al negocio no entra a él debido a que la
línea de espera es demasiado grande.

NOMENCLATURA
A menos que se establezca otra cosa, se utilizara la siguiente terminología estándar:

 Estado del sistema = número de clientes en el sistema.

 Longitud de la cola = número de clientes que esperan servicio.
= estado del sistema menos número de clientes a quienes se les da el servicio.
 N (t) = número de clientes en el sistema de colas en el tiempo t (t ≥ 0).
 Pn (t) = probabilidad de que exactamente n clientes estén en el sistema en el tiempo t, dado
el número en el tiempo 0.
 s = número de servidores (canales de servicio en paralelo) en el sistema de colas.
 λn = tasa media de llegadas (número esperado de llegadas por unidad de tiempo) de
nuevos clientes cuando hay n clientes en el sistema.
 μn = tasa media de servicio en todo el sistema (número esperado de clientes que
completan su servicio por unidad de tiempo) cuando hay n clientes en el sistema.
Nota: μn representa la tasa combinada a la que todos los servidores ocupados (aquellos
que están sirviendo a un cliente) logran terminar sus servicios.
 λ, μ, ρ = ver el siguiente párrafo.

Cuando λn es constante para toda n, esta constante se denota por λ. Cuando la tasa media de
servicio por servidor ocupado es constante para toda n ≥ 1, esta constante se denota por μ. (En
este caso, μn = sμ cuando n ≥ s, es decir, cuando los s servidores están ocupados.) En estas
circunstancias, 1/λ y 1/μ es el tiempo esperado entre llegadas y el tiempo esperado de servicio,
respectivamente. Asimismo, ρ = λ/(sμ) es el factor de utilización de la instalación de servicio, es
decir, la fracción esperada de tiempo que los servidores individuales están ocupados, puesto que
λ/(sμ) representa la fracción de la capacidad de servicio del sistema (sμ) que utilizan en promedio
los clientes que llegan (λ).

También se requiere cierta notación para describir los resultados de estado estable. Una vez que
ha pasado suficiente tiempo, el estado del sistema se vuelve, en esencia, independiente del estado
inicial y del tiempo transcurrido (excepto en circunstancias no usuales). En este contexto, se puede
decir que el sistema ha alcanzado su condición de estado estable, en la que la distribución de
probabilidad del estado del sistema se conserva (la distribución estacionaria o de estado estable) a
 [METODOS CUANTITATIVOS PARA LA
ADMINISTRACION]
MTRIA. ING. María de la Cruz Porras Arias 30 de marzo de 2020

través del tiempo. La teoría de colas tiende a dedicar su análisis a la condición de estado estable.
La notación siguiente supone que el sistema se encuentra en la condición de estado estable:

 Pn = probabilidad de que haya exactamente n clientes en el sistema.

 L = numero esperado de clientes en el sistema

 Lq = longitud esperada de la cola (excluye los clientes que están en

servicio).

 = tiempo de espera en el sistema (incluye tiempo de servicio) para cada

cliente.

 W =E( ).

 = tiempo de espera en la cola (excluye tiempo de servicio) para cada cliente.

 Wq = E ( ).

Criterios bajo la distribución de Poisson y Exponencial para la selección del

modelo
Distribución de Poisson

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales
aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa determinar
el número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio,
bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes
es la consideración límite de procesos en los que la probabilidad de obtener un éxito es muy
pequeña.

Proceso experimental

Esta distribución se puede hacer derivar de un proceso experimental de observación en el que

tengamos las siguientes características.

o Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a

lo largo de un espacio de observación.
 [METODOS CUANTITATIVOS PARA LA
ADMINISTRACION]
MTRIA. ING. María de la Cruz Porras Arias 30 de marzo de 2020

o Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una manera
no determinística.
o La probabilidad de que se produzcan un número x de éxitos en un intervalo de amplitud t
no depende del origen del intervalo (Aunque, sí de su amplitud).
o La probabilidad de que ocurra un hecho en un intervalo infinitésimo es prácticamente
proporcional a la amplitud del intervalo.
o La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es un
infinitésimo de orden superior a dos.

En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho pero nunca más de

uno.

Si en estas circunstancias aleatorizamos de forma que la variable aleatoria x signifique o designe el

"número de hechos que se producen en un intervalo de tiempo o de espacio", la variable x se
distribuye con una distribución de parámetro λ. Así:

El parámetro de la distribución es, en principio, el factor de proporcionalidad para la probabilidad de

un hecho en un intervalo infinitésimo. Se le suele designar como parámetro de intensidad.

Es evidente que se trata de un modelo discreto y que el campo de variación de la variable será el

conjunto del número natural, incluido el cero:

Distribución Exponencial

La distribución exponencial tiene una gran utilidad práctica ya que podemos considerarla como un
modelo adecuado para la distribución de probabilidad del tiempo de espera entre dos hechos que
sigan un proceso de Poisson. De hecho la distribución exponencial puede derivarse de un proceso
experimental de Poisson con las mismas características, pero tomando como variable aleatoria, en
este caso, el tiempo que tarda en producirse un hecho.

Obviamente, entonces, la variable aleatoria será continua. Por otro lado existe una relación entre el
parámetro α de la distribución exponencial, que más tarde aparecerá, y el parámetro de intensidad
del proceso λ, esta relación es α = λ

Al ser un modelo adecuado para estas situaciones tiene una gran utilidad en los siguientes casos:

o Distribución del tiempo de espera entre sucesos de un proceso de Poisson.

 [METODOS CUANTITATIVOS PARA LA
ADMINISTRACION]
MTRIA. ING. María de la Cruz Porras Arias 30 de marzo de 2020

o Distribución del tiempo que transcurre hasta que se produce un fallo, si se cumple la
condición que la probabilidad de producirse un fallo en un instante no depende del tiempo
transcurrido. Aplicaciones en fiabilidad y teoría de la supervivencia.

Moreno Polito Wendy Lic. En Administración 405-A

BIBLIOGRAFIA

o Hillier, F.S y Liebermang, G.J. (2002) Introducción a la Investigación de Operaciones.9ª Edición. Ed., McGraw
Hill.
o Garrido, N., Moscoso, M., Salinas, M., Teoría de colas. Recuperado de
http://www.ueubiobio.cl/adecca/entregas/archivos3/c7264_m66289_id70134/elementos_basicos_de_un_modelo
_de_lineas_de_espera_1(1).pdf el 1 de Abril del 2014.
o Universidad de Valencia. Distribución de Poisson. Recuperado de http://www.uv.es/ceaces/base/modelos%20de
%20probabilidad/poisson.htm el 7 de Abril del 2014.