Teoria Colas PDF

TEORÍA DE COLAS
• Elementos básicos de los sistemas de colas.
• Patrones de servicio y llegadas.
• Análisis de sistemas de colas simples.
Procesos de llegada poissonianos. Procesos
de nacimiento y muerte.
• Formulación del problema.
Portal Estadística Aplicada: TEORÍA DE COLAS 2
Teoría de colas ..................................................................................... 4
Distribuciones mecanismo de servicio .................................................. 9
Procesos de Poisson ............................................................................. 13
Procesos Poisson: Nacimiento y muerte. Ejercicios resueltos ............... 14
Notación y Terminología del mecanismo de servicio ............................ 23
Modelo Cola M/M/1. Ejercicios resueltos ............................................ 25
Modelo Cola M/M/s. Ejercicios resueltos ............................................ 34
WQSB ‐ Cola M/M/s. Ejercicio resuelto ............................................... 42
Modelo Cola M/M/s con fuente finita. Ejercicios resueltos .................. 51
Modelos Cola M/M/1/k y M/M/s/k. Ejercicios resueltos ..................... 57
Modelos de Cola con tiempos de servicio no exponencial:
64
M/G/1 , M/D/1, M/Ek/1 ....................................................................
Ejercicios Varios Modelos de Colas ...................................................... 69
Modelo determinista de Colas .............................................................. 82
Sistema de un aeropuerto: Análisis entre demanda y capacidad
86
operacional. Ejercicio resuelto ..............................................................
Series y Redes de Colas ........................................................................ 96
Sistemas de Colas Tándem. Ejercicios resueltos .................................... 98
Redes de Jackson abiertas. Ejercicios resueltos ..................................... 106
Redes de Jackson cerradas. Ejercicios resueltos .................................... 121
TEORÍA DE COLAS
Una Cola se presenta con frecuencia cuando se solicita un servicio por parte de una
serie de clientes y tanto el servicio como los clientes son de tipo probabilístico.
La primera aplicación de teoría de Colas se debe al matemático danés Erlang sobre
conversaciones telefónicas en 1909 para el cálculo de tamaño de las centralitas.
La Teoría de Colas es una disciplina de Investigación Operativa que se encarga de
poponer modelos para el manejo eficiente de Líneas de Espera.
Una Línea de Espera es una hilera formada por uno o varios clientes que aguardan
para recibir un servicio. Los clientes pueden ser personas, objetos, máquinas que
requieren un mantenimiento, contenedores de mercancías para ser embarcados,
elementos de inventario para ser utilizados, etc.
Una Línea de Espera se forma por un desequilibrio temporal entre la demanda de
un servicio y la capacidad del sistema para gestionarlo.
Los Modelos de Líneas de Espera son muy útiles para determinar cómo operar un
sistema de colas de la manera más eficaz, permiten encontrar un balance adecuado
entre el costo de servicio y la cantidad de espera: Proporcionar demasiada
capacidad de servicio para operar el sistema implica costos excesivos. De otra
parte, si no se cuenta con suficiente capacidad de servicio surgen esperas excesivas
con desafortunadas consecuencias.
ESTRUCTURA DE LOS PROBLEMAS DE LÍNEAS DE ESPERA: Aunque cada situación
específica tiene características diferentes, cuatro elementos son comunes a toda
Línea de Espera:
♦ Una población de clientes que genera clientes potenciales.
♦ Una línea o fila de espera formada por los clientes.
♦ La instalación del servicio, formada por una persona (o un equipo), una máquina
(o grupo de máquinas) que se requiere para proveer el servicio que el cliente
solicita.
♦ Una regla de prioridad para seleccionar al siguiente cliente que será atendido
por la instalación de servicio.
El término 'cliente' se utiliza en un sentido general, pudiendo ser una persona,
piezas esperando su turno para ser procesadas, una lista de trabajo esperando para
ser impresas en una impresora de red, etc.
PROCESO BÁSICO DE COLAS
Cola (Zona de espera): En todo sistema los flujos de entrada y salida no están
sincronizados. La cola es una acumulación de clientes (personas, productos,
objetos) que están a la espera de ser servidos.
Una cola puede evitarse:
(a) Tasa media de llegadas < Capacidad de servicio
(b) Cuando se tiene un control sobre la dispersión de los tiempos de llegadas y la de
los tiempos de servicio.
Básicamente la mayoría de los modelos de colas consiste: Los clientes que
requieren un servicio se generan en el tiempo en una fuente de llegada, después
entran al sistema y se unen a una cola.
En determinado momento se selecciona a un cliente de la cola para proporcionarle
el servicio mediante alguna regla conocida como disciplina de la cola. Se lleva a
cabo el servicio que el cliente requiere mediante un mecanismo de servicio, y
después el cliente sale del sistema de colas.
• En el sistema se puede actuar en las siguientes características:
(a) Ley que rige las llegadas.
(b) Disciplina de la cola.
(c) Ley que determina el servicio (elección entre tipo y número de canales).
Consideracions sobre los sistemas:
(a) Cuando hay varios canales en paralelo es conveniente mantener una cola única.
(b) Cuando hay tiempos de servicios muy dispares para los diferentes clientes que
forman la cola conviene establecer canales separados.
(c) Si la cola aumenta hasta cierto limite conviene aumentar la capacidad de los
canales.
• Con relación a la disciplina de la cola hay que considerar:
(a) Llegadas individuales o en grupos.
(b) Dependencia del múmero de clientes que pretenden incorporarse al sistema en
función del número de clientes que se encuentran en el mismo.
(c) Disuasión de los clientes que pretenden incorporarse al sistema en función de la
longitud de la cola (con una cierta probabilidad).
• En relación con el servicio hay que considerar:
(a) Ley de servicio única a lo largo del tiempo y para todos los clientes.
(b) Ley de servicio variable en función del tipo de cliente y longitud de la cola.
TIPOS DE SISTEMAS DE COLAS
CARACTERÍSTICAS DE LOS SISTEMAS DE COLAS
Un sistema de colas se describe adecuadamente con seis característica:
• Fuente de llegada de clientes.
• Patrón de servicio de servidores.
• Disciplina de cola.
• Capacidad del sistema.
• Número de canales de servicio.
• Número de etapas de servicio.
Fuente de llegada de clientes: En situaciones de colas habituales, la llegada de
clientes es estocástica, esto es, depende de una variable aleatoria, con lo que se
necesita conocer la distribución probabilística entre dos llegadas sucesivas de
clientes.
La fuente de llegada puede variar con el tiempo, cuando se mantiene constante se
dice estacionaria, si varía (por ejemplo, con las horas del día) se llama
no‐estacionaria.
Pueden contemplarse distintas situaciones: Clientes que llegan independiente o
simultáneamente (llegan lotes), en este último caso hay que definir su distribución
probabilística. Clientes que abandonan la cola por ser demasiado larga o que tras
esperar mucho abandonan.
El supuesto normal, para un modelo básico de colas, es que la llegada de clientes
hasta un momento específico sigue una distribución de Poisson, aunque no sea la
única distribución que puede considerarse.
Patrón de servicio de servidores: Pueden presentar un tiempo de servicio variable,
en cuyo caso hay que asociar una función de probabilidad. Pueden atender en lotes
o de modo individual.
El tiempo de servicio puede variar con el número de clientes en la cola, trabajando
más rápido o más lento, en este caso se conoce como patrones de servicio
dependientes. El patrón de servicio puede ser no‐estacionario variando con el
tiempo transcurrido.
Disciplina de cola: Es la regla en el orden que se van a seleccionar los clientes que se
encuentran a la espera de ser atendidos en la cola, existen varias reglas, entre las
más comunes se pueden encontrar:
♠ FIFO (first in first out): Se atiende al cliente en el orden que llegan a la cola, el
primero en llegar será el primero en ser atendido. En los modelos básicos de colas
se supone como normal la disciplina de primero en entrar, primero en salir, a
menos que se establezca de otra manera.
♠ LIFO (last in first out): Consiste en atender primero al que ha llegado de último,
también se le conoce como 'pila'.
♠ RSS (random selection of service): Se selecciona a los clientes de una cola de
forma aleatoria, con algún procedimiento de prioridad o algún otra preclasificación.
♠ Processor Sharing: Todos los clientes experimentan con eficacia el mismo
retraso, ya que comparten entre todos los clientes de la cola la capacidad del
sistema atendiendo a todos por igual.
Capacidad del sistema: Es el número máximo de clientes que pueden estar dentro
del sistema haciendo cola antes de ser atendidos para recibir el servicio, al igual
que la fuente de llegada este número puede ser finito o infinito.
Número de canales de servicio: Es preferible utilizar sistemas multiservicios con
una única línea de espera para todos que con una cola por servidor. Al hablar de
canales de servicio paralelo se trata generalmente de una cola que alimenta a
varios servidores.
Número de etapas de servicio: Puede ser unietapa o multietapa, en este último el
cliente puede pasar por un número de etapas mayor que uno. En algunos sistemas
multietapa se admite la vuelta atrás o reciclado, modo habitual en sistemas
productivos como controles de calidad y reprocesos.
MECANISMO DE SERVICIO
Se caracteriza por las estaciones de servicio (servidores o dependientes) y por los
canales de servicio que desembocan en cada uno de los servidores.
Una única cola puede desembocar en varios servidores que van siendo ocupados de
acuerdo a una disciplina de selección, el caso habitual de asignación al primer
servidor que queda libre.
Puede haber multiplicidad en el número de servidores, es posible encontrar
múltiples colas que surtan clientes a un único o a múltiples servidores.
En una determinada estación de servicio, el cliente entra en uno de estos canales y
el servidor le presta el servicio completo.
Los modelos de colas deben especificar el número de estaciones de servicio
(canales de servicio en serie) y el número de servidores (canales paralelos) en cada
una de ellas. Los modelos elementales se componen de una estación, ya sea con un
servidor o con un número finito de ellos.
La variable más importante que caracteriza el mecanismo de servicio es el tiempo
de servicio es el tiempo de servicio. Se denomina tiempo de servicio el que
transcurre desde el inicio del servicio para el cliente hasta su terminación en una
estación.
El modelo de un sistema de colas debe especificar la distribución de probabilidad
de los tiempos de servicio de cada servidor, siendo habitual suponer la misma
distribución para todos los servidores.
La distribución de servicio que más se emplea en la práctica (por ajustarse a un gran
número de situaciones como por su simplicidad en el cálculo) es la distribución
exponencial. Otras distribuciones qie se utilizan son la distribución degenerada
(para tiempos de servicio constantes) y la distribución de Erlang (Gamma) para
combinaciones de distribuciones exponenciales.
DISTRIBUCIONES DE PROBABILIDAD DEL MECANISMO DE SERVICIO
Las fuentes de variación en los problemas de colas o filas de espera provienen del
carácter aleatorio de la llegada de clientes y de las variaciones que se registran en
los distintos tiempos de servicio. Generalmente cada una de esas fuentes suele
describirse mediante una distribución de probabilidad.
La mayor parte de los modelos de colas estocásticas asumen que el tiempo entre
diferentes llegadas de clientes siguen una distribución exponencial Exp(λ ) , o lo que
es equivalente, que el ritmo de llegadas sigue una distribución de Poisson.
También es habitual admitir que el ritmo de atención al cliente cuando el servidor
está ocupado sigue una distribución de Poisson y la duración de la atención al
cliente sigue una distribución exponencial.
(λ t)n − λt
La distribución de llegadas: pn (t) = e , n = 0, 1, 2, clientes
n!
pn (t) ≡ Probabilidad de que n clientes estén en el sistema en el tiempo t
El tiempo entre llegadas, se define como la probabilidad de que no llegue ningún
(λ t)0 − λt
cliente, es decir: p0 (t) = e = e− λt , siendo una distribución exponencial.
0!
El uso del patrón de servicio (llegada) tiene, entre otras, las propiedades:
♦ Los datos que definen un proceso de Poisson vienen dados por el número medio
de llegadas.
♦ Si el número de llegadas sigue una distribución de Poisson P(λ ) , el tiempo entre
llegadas sigue una distribución exponencial de media (1 / λ ) y lo contrario, es
(λ t)n − λt
decir, pn (t) = e ⇔ p0 (t) = e− λt
n!
♦ La distribución exponencial tiene amnesia: La probabilidad de que falten t
unidades para que llegue el siguiente cliente es independiente de cuanto tiempo
transcurra sin que llegue ningún cliente: Pr ( T ≤ 1 T ≥ t0 ) = Pr (0 ≤ T ≤ t1 − t0 )
♦ El número de llegadas en intervalos de tiempo no superpuestos es
estadísticamente independiente.
♦ La probabilidad de que una llegada ocurra en el tiempo t y (t + Δ t) es λ t + o(Δ t)
o(Δ t)
donde λ ≡ tasa de llegada y o(Δ t) verifica que lim = 0 , donde o(Δ t) se
Δt→0 Δ t
puede tomar como la probabilidad de que llegue más de un cliente.
♦ La distribución del número de llegadas en intervalos de tiempo iguales es
(λ [t − s])n − λ [t − s]
equivalente pn (t − s) = e ∀ t > s , t,s ≥ 0
n!
♦ Si el proceso de llegada sigue una distribución de Poisson P(λ ) , los tiempos de
llegada son aleatorios con una función de probabilidad uniforme sobre el
período analizado: fT ( t1 , t2 , ... , tk k llegadas en [0, T]) = k
k!
T
( m(t))
n
− m(t)
♦ λ puede variar con el tiempo, con lo que pn (t) = e donde
n!
t
m(t) = ∫ λ(s) ds
0
♦ Llegadas múltiples: En cada evento de llegada aparecen i clientes, siendo
n
λ= ∑λ
i=1
i
OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO DISCRETO:
BERNOUILI: Si la probabilidad de cada ocurrencia es diferente, la más sencilla es la
distribución de Bernouilli donde la variable sólo puede tomar dos valores
excluyentes (verdadero, falso) con cierta probabilidad p de que ocurra un suceso
(suele denominarse éxito) y una probailidad q = 1 − p de que ocurra el suceso
contrario (fracaso). La media de una distribución de Bernouilli es p y la varianza pq
BINOMIAL: La distribución Binomial, se denota B(n, p) , representa la probabilidad
de obtener k éxitos con probabilidad p, a partir de n intentos. En consecuencia, es
la suma de n pruebas de Bernouilli. La media de una distribución binomial es np y
la varianza npq , siendo p + q = 1
GEOMÉTRICA: La distribución Geométrica, se denota G(p) , representa la

probabilidad de obtener la primera ocurrencia de un suceso en n pruebas o
ensayos. La función de cuantía es P(X = n) = qn−1 p , la media es μ X = 1 / p y la
varianza σ 2X = q / p2 siendo p + q = 1
BINOMIAL NEGATIVA: La distribución Binomial negativa, se denota por BN(n, p),
representa el número de pruebas en las que aparece un suceso hasta la n‐ésima
aparición del suceso contrario. Es un modelo adecuado para tratar aquellos
procesos en los que se repite un determinado ensayo o prueba independiente, con
resultados excluyentes, hasta conseguir un número determinado de resultados
favorables (por vez primera).
⎛n + k − 1⎞ n k
La función de cuantía es P(X = k) = ⎜ ⎟p q
⎝ k ⎠
La media de una distribución Binomial negativa es (nq / p) y la varianza nq / p2
Una distribución Binomial negativa BN(1, p) es una distribución geométrica.
OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO CONTINUO:
ERLANG: Es una distribución de probabilidad continua de parámetros k y λ , suma
de k variables aleatorias independientes exponenciales de parámetro λ , cuya
(λ x)k − 1 − λ x
función de densidad es f(x) = λ e ∀ x, λ > 0
(k − 1)!
La distribución de Erlang es el equivalente de la distribución Gamma con el
parámetro k = 1, 2, ... y λ = 1 / θ . Para k = 1 es la distribución Exponencial.
Para describir el tiempo de espera hasta el suceso número k en un proceso de
1
Poisson se toma la distribución de Erlang con un parámetro θ =
λ
k k
E(X) = V(X) = 2
λ λ
WEIBULL: La distribución de Weibull se utiliza habitualmente para describir el
tiempo que transcurre entre dos averías consecutivas de la misma máquina.
El modelo Weibull generaliza al modelo exponencial.
⎛1 ⎞
La media de una distribución de Weibull es E(T) = n Γ ⎜ + 1 ⎟ , la varianza
⎝β ⎠
⎡ ⎛2 ⎞ ⎛1 ⎞ ⎤
2
β
σ 2T = η ⎢ Γ ⎜ + 1 ⎟ − Γ ⎜ + 1 ⎟ ⎥ y la función de fiabilidad es R(t) = e− (t / η)
⎢⎣ ⎝ β ⎠ ⎝β ⎠ ⎥⎦
La función de densidad y función de distribución son:
β−1
β⎛t⎞ β β
f(t) = ⎜ ⎟ e− (t / η) F(t) = 1 − e− (t / η) t≥ 0 , β > 0 y η> 0
η ⎝ η⎠
denotando η ≡ parámetro de escala y β ≡ parámetro de forma

∞ π
Gamma Γ(p) = ∫ 0
x p − 1 e− x dx Γ(p) = (p − 1)! Γ ( 1 / 2 ) = π Γ (p) Γ (1 − p) =
senp π
1 Γ(p) Γ(q) ∞ tp − 1
∫ ∫
p−1 q−1
Beta β (p , q) = x (1 − x) dx β (p , q) = β (q, p) = β(p , q) = dt
0 Γ(p + q) 0 (1 + t)p + q
LOG‐NORMAL: La distribución Log‐Normal se utiliza para describir el tiempo que se
utiliza para la reparación de máquinas.
Una variable X se dice que tiene una distribución log‐Normal si los logaritmos
neperianos de sus valores están normalmente distribuidos, es decir,
si la variable η = LnX es N(μ , σ)
1 (Lnx − μ )2
1 −
La función de densidad es: f(x) = e 2 σ2
x>0
xσ 2π
La media y varianza son: μ X = eμ + σ σ 2X = e2 μ + 2 σ − e2 μ + σ
2 2 2
/2
PROCESOS DE POISSON
Si los tiempos entre llegadas/servicios de clientes se distribuyen según una
exponencial Exp(λ ) , el número de llegadas/servicios de clientes hasta un cierto
tiempo es un proceso de Poisson.
• Sea la variable X ∼ Exp(λ ) la variable aleatoria entre llegadas o tiempo de

⎧ λ e− λ x para x ≥ 0
servicio, su función de densidad f(x) = ⎨ es estrictamente
⎩ 0 en otro caso
decreciente.
⎧1 − e − λ x x≥0
∫
x
La función de distribución: F(x) = f(t) dt = ⎨
−∞ ⎩ 0 x<0
1 1
X ∼ Exp(λ ) → E(X) = V(X) =
λ λ2
La distribución de probabilidad del tiempo que falta para que ocurra el evento es
siempre la misma independientemente del tiempo que haya pasado.
P ⎡( X > t + s ) ∩ ( X > s ) ⎦⎤ P ( X > t + s )

P(X > t + s X > s) = ⎣ = = P(X > t)
P(X > s) P(X > s)
En consecuencia, la distribución exponencial exp(λ ) carece de memoria y es la

única distribución continua con tal propiedad, ya que
P ( X > t + s ) = e− λ (t + s) = e− λt e− λs = P(X > t) P(X > s)
• La suma de procesos de entrada de Poisson es también un proceso de Poisson
siendo la tasa la suma de las tasas respectivas.
• Si las llegadas a un sistema son de tipo Poisson con tasa λ y cada llegada es
encaminada a un subsistema si con una probabilidad pi el proceso de llegada a
cada subsistema es también de Poisson con tasa λ pi
MODELO GENERAL: PROCESOS DE NACIMIENTO Y MUERTE
En la mayor parte de los modelos elementales de colas es común que las entradas y
salidas del sistema ocurran según un proceso de nacimiento y muerte. El proceso
explica cómo varía el estado del sistema N(t) al aumentar t.
En este contexto,
N(t) estado del sistema en tiempo t ≡ Número de cliente en el sistema
Nacimiento ≡ Llegada de clientes al sistema
Muerte ≡ Salida de clientes una vez servidos
• La distribución del tiempo que falta para la llegada es exponencial Exp(λ n ) con
n = 0, 1, 2, ... , siendo λ n la tasa de llegada de clientes al sistema.
• La distribución del tiempo que falta para la salida es exponencial Exp(μn ) con

n = 0, 1, 2, ... , siendo μ n la tasa de salida de clientes del sistema.
• Hay independencia entre el tiempo hasta próxima llegada y tiempo hasta
próxima salida.
⎧n → n + 1 un nacimiento
La transición del estado será: ⎨
⎩ n → n − 1 una muerte
Tomando estos supuestos, el proceso es un tipo especial de cadena de Markov de
tiempo continuo.
Los parámetros λ n y μ n son tasas medias en la distribución exponencial, en
ocasiones estos valores son constantes ∀μ
La llegada como la salida son procesos de Poisson e independientes, luego de un
estado dado se puede pasar a dos posibles estados.
Tasa media de llegada al estado n ≡ λ n − 1 pn − 1 + μ n + 1 pn + 1
Tasa media de salida del estado n ≡ λ n pn + μ n pn
pn ≡ Probabilidad de que haya n clientes en el sistema de manera estacionaria
Por ser el sistema estacionario, la tasa media de llegada es igual a la tasa media de
salida para cualquier estado n , es decir, λ n − 1 pn − 1 + μ n + 1 pn + 1 = λ n pn + μ n pn
Diagrama de tasas del proceso de nacimiento y muerte
Ecuaciones del balance o de equilibrio:
λ0
n = 0 : μ 1 p1 = λ 0 p 0 → p1 = p0
μ1
λ0 λ1
n = 1 : λ 0 p 0 + μ 2 p 2 = λ 1 p 1 + μ 1 p1 → p 2 = p0
μ1 μ 2
λ 0 λ1 λ2
n = 2 : λ 1 p1 + μ 3 p 3 = λ 2 p 2 + μ 2 p 2 → p 3 = p0
μ1 μ2 μ3
λ 0 λ 1 λ 2 ... λ n − 1 ∞
por recurrencia, pn =
μ1 μ 2 μ 3 ... μn
p0 ∑p
n=0
n =1
∞ λn− 1 λ2 λ1 λ 0 1 1
∑ μn μ 3 μ 2 μ1
p0 = 1 → p0 = ∞ λn−1 λ1 λ 0
= ∞ λn−1 λ1 λ 0
n=0
∑ μn μ 2 μ1
1+ ∑ μn μ 2 μ1
n=0 n=1
El procedimiento para resolver estas ecuaciones no es otro que despejar todas las
variables en términos de una de ellas, siendo la más conveniente p0 .
Para simplificar la notación se denota por Cn al multiplicador de p0 :
λn − 1 λn − 2 λ1 λ 0
Cn =
μn μn − 1 μ2 μ1
Para n = 0 se define Cn = 1
La expresión de la probabilidad de estado estable es: pn = Cn x p0
∞ ⎛ ∞ ⎞ 1
∑n p = 1 →
⎜∑
⎜ c ⎟
n⎟ x p 0 = 1 ⇒ p 0 = ∞
n=0 ⎝ n=0 ⎠ ∑ cn n=0
Estos resultados son de estado estable pues al aplicar el limite cuando t tiende a
infinito hay el mayor alejamiento del momento inicial y se desarrollan bajo el
supuesto de que los parámetros λ n y μ n tienen valores con los cuales el proceso
puede alcanzar la condición de estado estable.
En un puesto del mercado se compran y venden mentiras, los clientes entran
según un proceso de Poisson de tasa 4 clientes/minuto y la permanencia en el
puesto es un tiempo exponencial con un tiempo medio de 10 minutos. Suponiendo
que la capacidad del puesto es infinita para recibir a clientes, se solicita:
a) Probabilidades de equilibrio
b) Número medio de clientes en el puesto del mercado
Solución:
a) Sea X(t) ≡ Número de personas en el mercado en el instante t

{X(t) , t ≥ 0} es un proceso de nacimiento y muerte
Tasas de entrada (nacimientos): λ j = 4 ∀ j ≥ 0 clientes/minuto
⎛ 1 ⎞
Tasas de salida (muertes): μ j = ⎜ ⎟ x j ∀ j ≥ 0 clientes/minuto
⎝ 10 ⎠
Ecuaciones de balance o equilibrio: λ n − 1 pn − 1 + μ n + 1 pn + 1 = λ n pn + μ n pn
λ0 4
n = 0 : μ 1 p1 = λ 0 p 0 → p1 = p0 = p0 = 40 p0
μ1 1 / 10
λ0 λ1 4x 4 1 1
p2 = p0 = p0 = 402 p0 = 402 p0
μ1 μ 2 1 2
x
2 2!
10 10
λ0 λ1 λ2 4 x 4x 4 1 1
p3 = p0 = p0 = 403 p0 = 403 p0
μ1 μ 2 μ 3 1 2 3
x x
6 3!
10 10 10
1 n
por recurrencia, pn = 40 p0 ∀ n ≥ 1
n!
∞ ∞
1 1 1
∑ pn = ∑ n! 40n p0 = 1 → p0 = ∞
1
= ∞
1
= e− 40
n=0 n=0
∑ n! 40n 1 + ∑ n! 40n
n=0 n=1
x x2 xn
Se considera el desarrollo de Taylor ex = 1 + + + +
1! 2! n!
∞
40 402 40n 1
e40 = 1 + +
1! 2!
+ +
n!
→ ∑ n! 40n = e40
n=0
1 n 40n − 40
Finalmente, pn = 40 p0 = e n ≥ 0 → distribución de Poisson P(λ = 40)
n! n!
b) El número medio de clientes en el mercado:
∞ ∞
⎛ 40n −40 ⎞ −40 ∞ 40n ∞
40n − 1
L = ∑ n pn = ∑ n ⎜ e ⎟=e ∑ n = 40 e−40 ∑ =
n=0 n=1 ⎝ n! ⎠ n=1 n (n − 1)! n=1 (n − 1)!
∞
40n − 1 ∞
40k
= 40 e −40
∑ (n − 1)!
= 40 e ∑
−40
= 40 e−40 e40 = 40
n=1 k = 0 k!
En una oficina bancaria rural un empleado atiende a los clientes que llegan
según porceso de Poisson de parámetro λ . Los clientes son reacios a esperar
demasiado tiempo, de modo que si hay k personas esperando a ser atendidas con
probabilidad q(k) se quedan en otro caso se van. Una vez que entran en la cola
esperan independientemente según su paciencia o abandonan un tiempo
exponencial de tasa φ . Por otra parte, el tiempo de servicio del empleado es
exponencial de tasa μ .
Se quiere modelar el número de personas en la cola como un proceso de
nacimiento y muerte, calulando tasas y probabilidades de la variable estado.
Solución:
X(t) ≡ Número de personas en la cola de espera
Los clientes llegan a la cola (nacimientos) según una distribución de Poisson de
parámetro λ q(k)
Los clientes salen atendidos (muertes) con distribución de Poisson de tasa μ o por
impaciencia con distribución de Poisson de tasa φ
Suponiendo que la variable X(t) se comporta como una cadena de Markov de

tiempo continuo, las probabilidades de transición se rigen por la ecuación:
dpij (t) ⎧ υk ≡ Tasa de salida del estado k

= ∑ pik (t) υk pkj − υ j pij (t) donde ⎨
dt k≠j ⎩ υ j ≡ Tasa de salida del estado j
Se supone que existe una distribución estacionaria, basta con imponer que las tasas
de muerte sean mayores que las taas de nacimiento.
Con distribuciones estacionarias, las probabilidades de transición no dependen del
tiempo ni del estado inicial, es decir, pij (t) → p j
Las probabilidades de transición no cambian con el tiempo, la ecuación de
equilibrio en cadenas de Markov en tiempo continuo:
dpij (t)
dt
=0 → ∑p
k≠j
k υk pkj − υ j p j = 0 ⇒ υ j p j = ∑ pk υk pkj
k≠j
En consecuencia, los cambios de la variable X(t) son a estados contiguos. En

concreto, sí X(t) = h los cambios inmediatos son a (h − 1) y a (h + 1) .
Como los cambios son a estados contiguos, se puede modelar X(t) como un

proceso de Poisson de nacimiento y muerte.
Tasa de nacimiento: λ (k) = q(k)
⎧μ + φ k k > 0
Tasa de muerte: μ (k) = ⎨
⎩ 0 k=0
Ecuaciones del balance o de equilibrio:
λ (0) λ q(0) q(0)
p1 = p0 = p0 = λ p0
μ(1) μ+θ μ+θ
λ (1) λ q(1) λ q(1) λ q(0) q(0) λ q(1)

p2 = p1 = p1 = p0 = λ 2 p0
μ(2) μ + 2φ μ + 2φ μ + θ μ + φ μ + 2φ
λ (2) λ q(2) λ q(2) λ q(1) λ q(0) q(0) q(1) q(2)

p3 = p2 = p2 = p0 = λ 3 p0
μ(3) μ + 3φ μ + 3φ μ + 2φ μ + θ μ + θ μ + 2φ μ + 3φ
n−1
∏ μ + kθp
q(k)
por recurrencia, pn = λ n
0 n ≥ 1
k=0
1
donde p0 =
∞ ⎛ n n−1
q(k) ⎞
1+ ∑ ∏ ⎜λ
⎜
n=1 ⎝ k=0
⎟
μ + k θ ⎟⎠
En un almacén con capacidad para N artículos se guardan dos tipos de artículos,
cada uno de ellos ejecutados en respectivos procesos. Las llegadas de los dos tipos
de artículos siguen un proceso de Poisson con tasas respectivas λ 1 y λ 2 . Los
tiempos de ejecución de cada tipo de artículo son exponenciales, respectivamente,
μ 1 y μ 2 . Los artículos que llegan cuando el almacén está completo se derivan a
otros almacenes.
Se solicita un modelo que permita conocer a largo plazo la proporción de artículos
que son derivados a otros almacenes.
Solución:
X(t) ≡ Número de artículos en el almacén : X(t) = X1 (t) + X2 (t)
⎧ X1 (t) ≡ Número de artículos tipo 1 almacenados
⎨ 1
⎩pk ≡ Probabilidad de que haya k artículos tipo 1 en el almacén
⎧ X 2 (t) ≡ Número de artículos tipo 2 almacenados
⎨ 2
⎩pN− k ≡ Probabilidad de que haya (N − k) artículos tipo 2 en el almacén
La proporción de artículos que se derivan a otros almacenes:
N N
p = P [ X(t) > N] = 1 − P [ X(t) ≤ N] = 1 − ∑ P ⎡⎣( X1 (t) = k ) ∩ ( X2 (t) = N − k ) ⎤⎦ = 1 − ∑ p1k pN2 − k
k=0 k=0
Suponiendo un estado estacionario, a largo plazo se cumple la ecuación de
equilibrio entre las variables X1 (t) y X 2 (t) :
υ j p j = ∑ pk υk pkj
k≠j
Como los cambios de estado corresponden solo a los artículos (j) y (j + 1) las
variables X1 (t) y X 2 (t) corresponden a procesos de nacimiento y muerte.
Ecuación de equilibrio: ⎡⎣ λ j + μ j ⎤⎦ p j = λ j−1 p j − 1 + μ j + 1 p j + 1
Variable X1 (t) :
⎧λ 1 X<N ⎧0 j=0
Tasa de nacimiento λ j = ⎨ Tasa de muerte μ j = ⎨
⎩0 X≥N ⎩μ1 j≥1
Ecuaciones de balance o de equilibrio:
λ 0 1 ⎛ λ1 ⎞ 1
N = 0 : μ1 p11 = λ 0 p10 → p11 = p0 = ⎜ ⎟ p0
μ1 ⎝ μ1 ⎠
2
λ λ ⎛λ ⎞
N = 1 : λ 0 p + μ2 p = λ 1 p + μ1 p
1 1 1 1
→ p = 0 1 p10 = ⎜ 1 ⎟ p10
1
μ1 μ 2 ⎝ μ1 ⎠
0 2 1 1 2
3
λ λ λ ⎛λ ⎞
N = 2 : λ 1 p + μ3 p = λ 2 p + μ2 p
1 1 1 1
→ p = 0 1 2 p10 = ⎜ 1 ⎟ p10
1
μ1 μ 2 μ 3 ⎝ μ1 ⎠
1 3 2 2 3
N
⎛λ ⎞ 1
por recurrencia, p = ⎜ 1 ⎟ p10 → p10 =
1
⎝ μ1 ⎠
N k
∞
⎛λ ⎞
1+ ∑⎜ 1 ⎟
k = 1 ⎝ μ1 ⎠
Variable X 2 (t):
⎧λ 2 X<N ⎧ 0 j=0
Tasa de nacimiento λ j = ⎨ Tasa de muerte μ j = ⎨
⎩0 X≥N ⎩μ 2 j≥1
2
λ λ ⎛λ ⎞
N = 1 : λ 0 p + μ2 p = λ 1 p + μ1 p
2 2 2 2
→ p = 0 1 p20 = ⎜ 2 ⎟ p20
2
μ1 μ 2 ⎝ μ2 ⎠
0 2 1 1 2
3
λ λ λ ⎛λ ⎞
N = 2 : λ 1 p + μ3 p = λ 2 p + μ2 p
2 2 2 2
→ p = 0 1 2 p20 = ⎜ 2 ⎟ p20
2
μ1 μ 2 μ 3 ⎝ μ2 ⎠
1 3 2 2 3
N
⎛λ ⎞ 1
por recurrencia, p = ⎜ 2 ⎟ p20 → p20 =
2
⎝ μ2 ⎠
N k
∞
⎛λ ⎞
1+ ∑⎜ 2 ⎟
k = 1 ⎝ μ2 ⎠
k N−k
N
⎛λ ⎞ ⎛λ ⎞
N
En consecuencia, p = 1 − ∑ p1k pN2 − k = 1 − p10 p20 ∑ ⎜ 1 ⎟ ⎜ 2 ⎟
k=0 k=0 ⎝ μ1 ⎠ ⎝ μ 2 ⎠
Una banda de rock celebra un concierto en un gran estadio. La banda tiene dos
tipos de seguidores: El Grupo A llega de acuerdo a un proceso de Poisson de tasa β
y se retira indignado si llega al estadio y encuentra su capacidad completa.
El Grupo B responde de forma contraria, se motiva con una gran afluencia de
público, tiene un tiempo entre llegadas distribuido exponencialmente
dependiendo del número de personas que se encuentran en el estadio, es decir, el
tiempo esperado de una de estas personas es 1 / λ cuando solo hay una persona en
el estadio, mientras que si hay i personas en el estadio el tiempo esperado de un
miembro de éste grupo es 1 / λ i . Cómo no le interesa la capacidad del estadio
ingresan al recinto hasta que éste a punto de reventar, lo que ocurre cuando el
número de personas es 3N .
Por otra parte, independientemente del fan que se trate cuando se aburre regresa
del estadio en un tiempo distribuido exponencialmente de media 1 / μ .
Para analizar la dinámica del número de personas que acuden al concierto se
supone que no acaba nunca. Se solicita:
a) Modelar el número de personas en el recinto como un proceso de nacimiento y
muerte. ¿Cuál es la condición de estacionalidad?.
b) Encontrar una expresión que permita calcular las probabilidades estacionarias.
c) Proporción de fans del Grupo 1 que no pueden ingresar al estadio cuando N = 3 ,
λ = β = 1 y μ = 2
Solución:
a) De acuerdo con el enunciado se tiene el diagrama de transición:
Es una cadena finita por lo que existen probabilidades estacionarias, dado que es
irreductible.
b) Al tratarse de un proceso de nacimiento y muerte, utilizando las fórmulas
conocidas se tiene:
⎧ i−1
⎪
⎪
∏ =
(β + k λ )
0 < i ≤ N
k 0
p0
⎪⎪ i! μ i
pi = ⎨ N−1
∏
⎪
⎪
(β + k λ ) λ i − N
⎪ k=0 p0 N < i ≤ 3N
⎪⎩ i (N − 1)! μ
i
1
donde p0 = i−1 N−1
N ∏ (β + k λ ) 3N ∏ (β + k λ ) λ i − N
∑ ∑
k=0 k=0
+
i=1 i! μ i
i= N+ 1 i (N − 1)! μ i
c) La cadena que resulta en el Grupo 1 con las características dadas:
i
⎛1⎞
Las ecuciones del estado estacionario son: pi = ⎜ ⎟ p0
⎝2⎠
1 1
k 1−
⎛1⎞
9 9
1 1
∑ pi = ∑ ⎜ ⎟ p 0 = 1 → p 0 = 9
k= 0 ⎝ 2 ⎠ ⎛1⎞
k = 9
⎛1⎞ ⎛1⎞
=
⎛1⎞
2 =
10
2
⎛1⎞
10
k=0
∑
k=0
⎜ ⎟
⎝ 2 ⎠
1−⎜ ⎟ ⎜ ⎟ 1−⎜ ⎟
⎝ 2 ⎠ ⎝ 2 ⎠ ⎝ 2 ⎠
1−⎜ ⎟
⎝2⎠
1
1−
2
Conocidas las probabilidades estacionarias se observa que la fracción del tiempo
9
que no pueden ingresar el primer tipo de fans es ∑ pi
k=3
NOTACIÓN DEL MECANISMO DE SERVICIO
λ n ≡ Tasa media de llegadas cuando hay n clientes en el sistema, también número
esperado de llegadas de clientes por unidad de tiempo cuando se encuentran
n clientes en el sistema.
μ n ≡ Tasa media de servicio en todo el sistema, esto es, número esperado de
clientes que son despachados por unidad de tiempo por todos los
servidores en su conjunto.
s ≡ Número de servidores en el sistema de colas.
Muchas veces, el número de clientes en el sistema no afecta a la tasa media de
llegadas y la tasa media de servicio. En este caso, λ n y μ n se denotan por λ y μ ,
respectivamente.
Cuando los servidores se encuentran ocupados se tiene μ n = s μ
λ
us = ≡ Utilización promedio del sistema.
μ
λ
ρ= (factor de utilización) ≡ Congestión de un sistema.
s. μ
El factor de utilización ρ da una idea de la capacidad del sistema que es utilizada por

los clientes entrantes.
ρ < 1 → Tasa de servicio > Tasa de llegada de clientes
ρ > 1 → Tasa de llegada de clientes > Tasa de servicio → La cola crece con el tiempo
pn (t) = (1 − ρ) ρn ≡ Probabilidad de que haya n clientes en el sistema en el instante t
con ρ = λ / μ
N ≡ Número de clientes en el sistema en estado estable.
N(t) ≡ Número de clientes en el sistema de colas en el instante t (t ≥ 0).
También, estado del sistema en el instante t.
Long _ cola = N(t) − s ≡ Longitud de cola
L ≡ Número esperado de clientes en el sistema, es decir, el sumatorio de las
probabilidades de cada estado por el número de clientes en su correspondiente
∞
estado: L = ∑ np
n=0
n
L q = pL ≡ Longitud esperada de la cola, se trata de una variable que es medida de los
clientes esperando en cola excluidos aquellos que están recibiendo servicio,
∞
se expresa por la fórmula: L q = ∑ (n − s)p
n=s
n
W ≡ Tiempo de espera en el sistema incluyendo el tiempo de servicio (1/μ) para
cada cliente. En condiciones de estabilidad, se utiliza la esperanza de la
L
variable aleatoria: W = E(w) =
λ
Wq ≡ Tiempo de espera en la cola excluido el tiempo de servicio (1/μ) para cada
Lq
cliente. En condiciones de estabilidad se tiene, Wq = E(w q ) =
λ
Suponiendo λ n = cte, en un proceso de colas en estado estable, el número de
clientes en el sitema independientemente del tiempo transcurrido es igual a la
tasa de llegadas por el tiempo de espera medio en el sistema, es decir: L = λ W
Deduciéndose que L q = λ Wq
Siendo el número de clientes en el sistema igual al número de clientes servidos
más el número de clientes esperando en la cola: L = L s + L q
Suponiendo que el tiempo medio de servicio es una constante (1 / μ) para ∀ n ≥ 1,
se tiene entonces que el tiempo en el sistema es igual al tiempo en cola más el
1
tiempo de servicio (Tsis = Tcola + Tserv ): W = Wq +
μ
TERMINOLOGÍA DEL MECANISMO DE SERVICIO
David Kendall introdujo en 1953 una notación que permite describir las colas y
mostrar sus características pudiendo clasificar los diferentes tipos de colas por
medio de iniciales. De este modo, se tiene:
A / S / c / K / N / D
A Distribución entre el tiempo de llegadas consecutivas
• M ≡ Tiempos entre llegadas distribuidos de forma exponencial (Proceso de Poisson)
• D ≡ Tiempos entre llegadas deterministas, con tiempo promedio constante
• G ≡ Tiempos entre llegadas generales (cualquier distribución)
• Ek ≡ Existe una distribución tipo Erlang
• Hk ≡ Mezcla de k exponenciales
• Ph ≡ Tipo fase
S Patrón de servicio de servidores, es decir, hace referencia a la distribución probabilística
de los tiempos de servicio. Puede tomar los mismos valores que A.
c Número de servidores (o número de dependientes), también se denota por s.
K Capacidad del sistema, es decir, el número máximo de clientes que puede haber en el
sistema. Cuando se trata de una cola infinita el parámetro se puede omitir.
N Cualquier tipo de disciplina de la cola (FIFO, LIFO, RSS, etc), se puede omitir el parámetro
en caso de ser FIFO.
D Tamaño de la población de entrada, en caso de ser infinita el parámetro se puede omitir.
MODELOS DE COLAS SIMPLES
MODELO DE COLA M/M/1
El sistema de espera se caracteriza porque los tiempos de llegadas y los tiempos de
servicio se distribuyen de manera exponencial y tienen un único servidor.
Según sus características la disciplina de la cola es FIFO y el tamaño de la población
de entrada es infinito, es decir, el número de clientes en el sistema no afecta a la
tasa de llegadas.
En el modelo M/M/1 se verifica:
El tiempo de llegadas se distribuye según Exp(λ )
El tiempo de servicio se distribuye según Exp(μ)
Un único servidor s = 1
λ
El Factor de utilización en el caso de un servidor ρ = coincide con la probabilidad
μ
λ
de que un cliente nuevo tenga que esperar para ser servido p =
μ
λ
Probabilidad de que ningún cliente se encuentre en el sistema de colas: p0 = 1 −
μ
λ
Probabilidad de que n clientes se encuentren en el sistema de colas: pn = 1 −
μ
λ ρ
Número promedio de clientes en el sistema: L s = λ Ws = =
μ−λ 1−ρ
Ls 1 ⎛ 1⎞
Tiempo promedio de estancia en el sistema: Ws = = W
⎜ s = W +
λ μ−λ μ ⎠⎟
q
⎝
λ λ λ2
Número promedio de clientes en cola: L q = p Wq = x = (L q = pL s )
μ μ − λ μ (μ − λ )
Lq λ
Tiempo promedio de espera en cola: Wq = =
λ μ (μ − λ )
Número de clientes servidos: L = L s + L q
Probabilidad de tiempo de espera nulo en cola: p0 = P(Wq = 0) = 1 − ρ
Probabilidad de tiempo de espera en cola > t: P(Wq > t) = ρ e−μ (1 − ρ ) t t>0
Probabilidad de tiempo de estancia en el sistema > t: P(Ws > t) = e−μ (1 − ρ ) t t>0
En el mostrador de facturación de una aerolínea llega un promedio de 45
clientes por hora, cuando su capacidad media es de 60 clientes por hora. Si un
cliente espera una media de 3 minutos en la cola, se pide:
a) Tiempo medio que un cliente pasa en la facturación.
b) Número medio de clientes en la cola.
c) Número medio de clientes en el sistema en un momento dado.
Solución:
a) La información de la que se dispone es:
Media de llegada de clientes: λ = 45 clientes/hora = 45 / 60 = 0,75 clientes / minutos
Media de servicio a clientes: μ = 60 clientes/hora = 60 / 60 = 1 clientes / minutos
Tiempo promedio de espera en la cola: Wq = 3 minutos
1
El tiempo promedio que un cliente pase en el sistema Ws = Wq + es:
μ
1
Ws = 3 + = 4 minutos (3 minutos en la cola + 1 minuto en el servicio)
1
b) El número promedio de clientes en la cola L q se puede calcular:
L q = λ Wq = 0,75 x 3 = 2,25 clientes
λ2 0,752
Lq = = = 2,25 clientes
μ (μ − λ ) 1(1 − 0,75)
con lo cual, puede haber más de dos clientes en la cola.
c) El número promedio de clientes en el sistema L es:
λ 0,75
Ls = = = 3 clientes
μ − λ 1 − 0,75
clientes
o también, L s = λ Ws = 0,75 x 4 minutos = 3 clientes
minutos
Hay un promedio de 3 clientes en el sistema, al haber un sólo mostrador (servidor)
sólo un cliente puede estar en servicio, teniendo los demás clientes que estar en la
cola, lo que indica que hay 2 clientes en espera.
En un restaurante de carretera llega una media de 90 personas a la hora,
cuando tiene disponibilidad de dar servicio a 120 clientes a la hora. Sabiendo que
los clientes esperan una media de 2 minutos en la cola, se pide:
a) Probabilidad que el sistema se encentre sin ocupar.
b) Probabilidad que un cliente tenga que esperar al encontrarse el sistema
ocupado.
c) Número medio de clientes en la cola.
d) Probabilidad de que hay 4 clientes en la cola.
Solución:
a) La información de la que se dispone es:
Media de servicio a clientes: μ = 120 clientes/hora = 120 / 60 = 2 clientes / minutos
Tiempo promedio de espera en la cola: Wq = 2 minutos
La probabilidad de que el sistema se encuentre ocioso es (1 − ρ) , siendo ρ el factor

de utilización del sistema (probabilidad de que el sistema se encuentre ocupado).
Como hay un único servidor, el factor de utilización coincide con la probabilidad de
que un cliente nuevo tenga que esperar en el servicio.
λ 1,5 clientes / minutos

ρ= = = 0,75 probabilidad de sistema ocupado
μ 2 clientes / minutos
1 − ρ = 1 − 0,75 = 0,25 probabilidad de sistema sin ocupar
b) La probabilidad de que un cliente llegue y tenga que esperar se interpreta como
que sea el primer cliente en la cola, esto es, pn (t) = (1 − ρ) ρn con ρ = λ / μ
⎛ λ ⎞⎛ λ ⎞
Cuando n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,75) x 0,75 = 0,1875
⎝ μ⎠⎝ μ⎠
Existe un 18,75% de posibilidad de que haya un cliente en la cola a la espera de ser
atendido.
c) El número promedio de clientes en la cola: L q = λ Wq = 1,5 x 2 = 3 clientes
n
⎛ λ ⎞⎛ λ ⎞
→ p 4 (t) = P(L s = 4) = ( 1 − 0,75 ) ( 0,75 ) = 0,079
4
d) pn (t) = P(L s = n) = ⎜ 1 − ⎟ ⎜ ⎟
⎝ μ⎠⎝ μ⎠
En un lavado a presión de coches la tasa media de llegadas es de 12 coches por
hora y son atendidos a una tasa promedio de 15 coches por hora, con tiempos de
servicios exponenciales. Se pide:
a) Probabilidad de tener 0 clientes en el sistema.
b) Número promedio de clientes que entran en el sistema de lavado.
c) Número promedio de clientes en la cola.
d) Tiempo promedio que un cliente espera en la cola.
e) Probabilidad de tener una cola de más de 2 clientes.
f) Probabilidad de esperar más de 25 minutos en la cola y en el sistema de lavado.
Solución:
a) Es un modelo de cola M/M/1 con la siguiente información:
Media de servicio a clientes: μ = 15 clientes/hora = 15 / 60 = 0,25 clientes / minutos
λ 0,2 clientes / minutos

El factor de utilización ρ = = = 0,8
μ 0,25 clientes / minutos
es la probabilidad de que el sistema lavado se encuentre ocupado, que al tener ún
unico servidor coincide con con la probabilidad de que un cliente nuevo tenga que
λ
esperar en el servicio, es decir, p = = 0,8
μ
Es decir, con probabilidad 0,2 el sistema de lavado está vacío, que es la
probabilidad de tener 0 clientes en el sistema.
b) El número promedio de clientes que entran en el sistema es:
λ 0,2
L s = λ Ws = = = 4 clientes
μ − λ 0,25 − 0,2
con lo que el tiempo promedio de estancia en el sistema es:
Ls 4 1 1
Ws = = = 20 minutos , o bien Ws = = = 20 minutos
λ 0,2 μ − λ 0,25 − 0,20
c) El número promedio de clientes en la cola: L q = p L s = 0,8 x 4 = 3,2 clientes
d) El tiempo promedio que un cliente espera en la cola:
L q 3,2 λ 0,2
Wq = = = 16 minutos , Wq = = = 16 minutos
λ 0,2 μ (μ − λ ) 0,25 (0,25 − 0,2)
e) Para calcular la probabilidad de tener una cola de más de 2 clientes se necesita
saber la probabilidad de que haya 0, 1 y 2 clientes.
donde, pn (t) = (1 − ρ) ρn con ρ = λ / μ = 0,8

0
⎛ λ ⎞⎛ λ ⎞
n = 0 → p0 (t) = P(L s = 0) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0,8 0 = 0,2
⎝ μ⎠⎝ μ⎠
1
⎛ λ ⎞⎛ λ ⎞
n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0,81 = 0,16
⎝ μ⎠⎝ μ⎠
2
⎛ λ ⎞⎛ λ ⎞
n = 2 → p2 (t) = P(L s = 2) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0,82 = 0,128
⎝ μ⎠⎝ μ⎠
P(L s > 2) = 1 − P(L s > 2) = 1 − ⎡⎣P(L s = 0) + P(L s = 1) + P(L s = 2)⎤⎦ =

= 1 − ( 0,2 + 0,16 + 0,128 ) = 0,512
Existe un 51,2% de posibilidad de encontrar una cola con más de dos cleintes.
e) La probabilidad del tiempo de espera de un cliente en el sistema:
P(Ws > t) = e−μ (1 − ρ ) t → P(Ws > 25) = e−0 ,25 (1 − 0,8) 25 = e− 1,25 = 0,286
La probabilidad del tiempo de espera de un cliente en la cola:
P(Wq > t) = ρ e−μ (1 − ρ ) t → P(Wq > 25) = 0,8 e−0,25 (1 − 0 ,8) 25 = 0,8 e− 1,25 = 0,23
Una sucural bancaria decide instalar un cajero en un barrio de ciudad que no
tiene un servicio semejante. En la investigación inicial se recogen datos diariamente
sobre los tiempos de llegadas de los clientes, detectando que el cliente que llega
prefiere esperar para poder utilizar el servicio cuando éste se encuentra ocupado.
Con los datos recogidos, se estima que las llegadas siguen un proceso de Poisson, el
tiempo de servicio es exponencial, el tiempo medio de servicio es de 5 minutos por
cliente y el tiempo medio transcurrido entre dos llegadas consecutivas es de 8
minutos. Se pide:
a) Tiempo promedio de espera que debe sufrir cada cliente en cola.
b) Tamaño promedio de la cola y probabilidad de que al acudir al cajero haya
alguna persona en la cola.
Solución:
a) Es un modelo de cola M/M/1 con λ = 1 / 8 = 0,125 y μ = 1 / 5 = 0,2
Lq λ
El tiempo promedio de espera en cola: Wq = =
λ μ (μ − λ )
λ 0,125
Wq = = = 8,33 minutos
μ (μ − λ ) 0,2 ( 0,2 − 0,125 )
b) El tamaño promedio de la cola se refleja por el número medio de clientes en la
cola:
Wq = L q / λ → L q = λ Wq = 0,125 x 8,33 = 1,04 clientes
La probabilidad de que al acudir al cajero haya alguna persona en la cola es
1 − p0 − p1 , donde pn (t) = (1 − ρ) ρn
El factor de utilización ρ = λ / μ = 0,125 / 0,2 = 0,625 es la probabilidad de que el

cajero se encuentre ocupado, que al tener ún unico servidor coincide con con la
probabilidad de que un cliente nuevo tenga que esperar en el servicio, es decir,
p = λ / μ = 0,625
0
⎛ λ ⎞⎛ λ ⎞
n = 0 → p0 (t) = P(L s = 0) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,625) x 0,6250 = 0,375
⎝ μ⎠⎝μ⎠
1
⎛ λ ⎞⎛ λ ⎞
n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,625) x 0,6251 = 0,234
⎝ μ⎠⎝ μ⎠
P(L s > 1) = 1 − P(L s > 1) = 1 − ⎡⎣P(L s = 0) + P(L s = 1)⎤⎦ = 1 − 0,375 − 0,234 = 0,391
Existe un 39,1% de posibilidad de encontrar alguna persona en la cola.
Una base de mantenimiento de aviones tiene recursos para revisar únicamente
un motor de avión a la vez. Para devolver los aviones lo antes posible, sigue la
política de revisar solo un motor de los cuatro motores de los aviones que llegan a
la base según una distribución de Poisson de tasa media uno al día. El tiempo
requerido para revisar un motor (una vez que comienza el trabajo) sigue una
distribución exponencial de tasa 1/2 al día.
Se ha hecho una propuesta para cambiar la política de revisión, de forma que se
revisen los cuatro motores de forma consecutiva cada vez que un avión llegue a la
base, que supone cuadriplicar el tiempo esperado de servicio, con una frecuencia
de revisión de cada avión cuatro veces menor.
Se pide comparar las dos alternativas aplicando la teoría de colas.
Solución:
En los dos casos se trata de colas M/M/1, puesto que tanto los tiempos entre
llegadas como los tiempos de servicio son variables aleatorias con distribución
exponencial.
• En la situación actual, la tasa de llegadas es λ = 1 / 1 = 1 aviones al día, y la tasa
de servicio es μ = 1 / (1 / 2) = 2 aviones al día.
λ 1
Factor de utilización: ρ = = = 0,5
μ 2
λ 1
Número promedio de aviones en el sistema: L s = = = 1 avión
μ−λ 2−1
λ2 1 1
Número promedio de aviones en cola: L q = = = avión
μ (μ − λ ) 2 (2 − 1) 2
1 1
Tiempo promedio de estancia en el sistema: Ws = = = 1 día
μ−λ 2−1
λ 1 1
Tiempo promedio de espera en cola: Wq = = = día
μ (μ − λ ) 2 (2 − 1) 2
• Con la propuesta de cambiar de política de revisión, la tasa de llegada es
λ = 1 / 4 = 0,25 aviones al día, y la tasa de servicio es μ = 1 / (4 / 2) = 0,5 aviones al
día.
λ 0,25
Como el factor de utilización: ρ = = = 0,5 < 1 es el mismo, el estado sigue
μ 0,5
siendo estacionario.
λ 0,25
Número promedio de aviones en el sistema: L s = = = 1 avión
μ − λ 0,5 − 0,25
λ2 0,252 1
Número promedio de aviones en cola: L q = = = avión
μ (μ − λ ) 0,5 (0,5 − 0,25) 2
1 1
Tiempo promedio de estancia en el sistema: Ws = = = 4 días
μ − λ 0,5 − 0,25
λ 0,25
Tiempo promedio de espera en cola: Wq = = = 2 días
μ (μ − λ ) 0,5 (0,5 − 0,25)
CONFIGURACIONES DE MANTENIMIENTO:
Actual: L s = 1 avión L q = 1 / 2 avión Ws = 1 día Wq = 1 / 2 día
Propuesta: L s = 1 avión L q = 1 / 2 avión Ws = 4 días Wq = 2 días
Con la propuesta de cambio se observa que cada vez que un avión vaya a ser
revisado pasará en el sistema el cuádruple del tiempo que pasaba con el sistema
anterior, pero como cada avión va a ir con frecuencia cuatro veces menor, el
tiempo perdido en el taller a largo plazo va a ser igual.
En este caso, la decisión entre las dos configuraciones se toma en función de los
costes de operación.
MODELO DE COLA M/M/s
El modelo supone que los tiempos entre llegadas y los tiempos de servicio son
variables aleatorias distribuidas exponencialmente, la disciplina es FIFO y la
población es infinita.
Se diferencia respecto al modelo M/M/1 en que el número de servidores s puede
ser cualquier número natural tal que s ≥ 1 . Cuando el número de servidores es
mayor que 1, las expresiones anteriores no son tan sencillas.
En esta línea, en la tasa de servicio μ n hay que distinguir dos casos:
⎧μn = n μ cuando n ≤ s
μn = ⎨ = min(n μ , s μ)
⎩ μ n = s μ cuando n > s
μ ≡ tasa media de servicio de todos los servidores en conjunto
s μ ≡ tasa máxima de servicio para s servidores
El siguiente diagrama de tasas (cadena de Markov del modelo M/M/s) representa
los posibles estados del sistema y las transiciones entre ellos.
En este caso, la tasa de llegadas no se encuentra afectada por el estado en que se
encuentre el sistema, pero sí la tasa media de servicio, pudiendo ser tal múltiplo de
la tasa media de servicio por servidor como servidores en activo haya.
λ
Si el factor de utilización (factor de carga/ intensidad tráfico): ρ =
sμ
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ ⎟ n = 1, 2, ... , s − 1
λ 0 λ 1 ... λ n − 1 ⎪ n! ⎝ μ ⎠
cn = =⎨
μ1 μ 2 ... μ n s
⎪1 ⎛λ⎞ ⎛ λ ⎞
n−s
⎪ s! ⎜ μ ⎟ ⎜ s μ ⎟ n = s, s + 1, ...
⎩ ⎝ ⎠ ⎝ ⎠
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ ⎟ p0 n = 1, 2, ... , s − 1
⎪ n! ⎝ μ ⎠
pn = c n p 0 = ⎨ s n−s
⎪1 ⎛λ⎞ ⎛ λ ⎞
⎪ s! ⎜ μ ⎟ ⎜ s μ ⎟ p0 n = s, s + 1, ...
⎩ ⎝ ⎠ ⎝ ⎠
∞ ∞
∑ ∑
1 1
pn = cn p 0 = 1 → p 0 = n = s−1 ∞ s−1 n−s =
⎛ λ ⎞
n=0 n=0
∑c ∑
n=0
n
(λ / μ)n
n!
+ ∑
(λ / μ)n
n!
+ ∑
(λ / μ)s
s!
⎜ ⎟
⎝ sμ ⎠
n=0 n=s n=0
1 1
= s−1
= s−1
(λ / μ)n (λ / μ)s ⎛ s μ ⎞
s
(λ / μ)n 1 ⎛ λ ⎞ 1
∑n=0
n!
+
s! ⎝⎜ μ ⎠⎟ 1 − ρ
∑
n=0
n!
+
s!
⎜ ⎟
⎝ sμ − λ ⎠
Bajo condiciones de estabilidad (factor de utilización ρ < 1 ), al igual que en el

modelo M/M/1, se pueden aplicar fórmulas para obtener los principales
parámetros del sistema.
1
Tiempo en el servicio:
μ
λ
Utilización promedio del sistema: us =
μ
λ
Factor de utilización (factor de carga/ intensidad tráfico): ρ =
sμ
1
Probabilidad de que ningún cliente p0 = s−1
(λ / μ) (λ / μ)s ⎛ s μ ⎞
n
se encuentre en el sistema de colas: ∑
n=0
n!
+
s!
⎜ ⎟
⎝ sμ − λ ⎠
(λ / μ)n
Probabilidad del estado n: pn = p0 n≤ s
n!
(λ / μ)n
Probabilidad del estado n: pn = p0 n> s
s! s(n − s)
s
(λ / μ)s λ μ 1⎛λ⎞ ρ
Número promedio de clientes en cola: L q = p = ⎜ ⎟ p0
(s − 1)! (s μ − λ ) s! ⎝ μ ⎠ (1 − ρ)2
2 0
λ
Número promedio de clientes en sistema: L s = L q + ( L s = λ Ws )
μ
Lq
Tiempo promedio de espera en cola: Wq = ( L q = λ Wq )
λ
1 ⎛ L ⎞
Tiempo promedio de estancia en el sistema: Ws = Wq + ⎜ Ws = s ⎟
μ ⎝ λ⎠
A medida que se añaden servidores al sistema las fórmulas van siendo más
complicadas, en especial para el cálculo de probabilidades.
Se asume que la probablidad de la función de tiempos de servicio es una
exponencial negativa de parámetro μ n.
⎛ ⎛λ⎞
s
⎞
⎜ ⎜ μ ⎟ ⎛ 1 − e− μ t (s − 1 − λ /μ ) ⎞ ⎟
P(W > t) = e −μ t ⎜
1+ ⎝ ⎠ ⎜ ⎟⎟
⎟
⎜ s! (1 − ρ) ⎝ s − 1 − λ / μ ⎠
⎜⎜ ⎟⎟
⎝ ⎠
1 − e− μ t (s − 1 − λ /μ )
Cuando s − 1 − λ / μ = 0 se utiliza = μt
s−1− λ /μ
Un terminal de facturación dispone de dos operarios que atienden a los clientes
que llegan según una distribución de Poisson de media ochenta clientes por hora,
que esperan en una única cola hasta que alguno de los operarios esté libre. El
tiempo requerido para atender a un cliente se distribuye exponencialmente con
medía 1,2 minutos. Se pide:
a) ¿Cuál es el número esperado de clientes en el terminal de facturación?
b) ¿Cuál es el tiempo medio que un cliente pasa en el terminal de facturación?
c) ¿Qué porcentaje de tiempo está libre un determinado operario?
Solución:
a) Es un modelo de cola M/M/2 con s = 2 servidores
Tasa de llegadas ≡ λ = 80 clientes/hora
60
Tasa de servicio por operario ≡ μ = = 50 clientes/hora
1,2
λ 80
Factor de utilización o congestión del sistema: ρ = = = 0,8
s. μ 2 x 50
Probabilidad de que ningún cliente se encuentre en el sistema de colas:
1 1
p0 = s−1 = = 0,111
⎛ sμ ⎞
1
(λ / μ)n (λ / μ)s (80 / 50) (80 / 50)2 ⎛ 100 ⎞
n
∑
n=0
n!
+
s!
x ⎜ ⎟
⎝ sμ − λ ⎠
∑
n=0
n!
+
2!
⎜ ⎟
⎝ 100 − 80 ⎠
1
(80 / 50)n (80 / 50)2 ⎛ 100 ⎞
∑
n=0
n!
+
2!
x ⎜ ⎟=
⎝ 100 − 80 ⎠
⎡ (80 / 50)0 (80 / 50) ⎤ (80 / 50)2
= ⎢ + + x 5 = ( 1 + 1,6 ) + 6, 4 = 9
⎣ 0! 1! ⎥⎦ 2!
1 1
o bien p0 = s − 1 s = 1 2 = 0,111
(λ / μ)n 1 ⎛ λ ⎞ 1 (80 / 50) 1 ⎛ 80 ⎞ ⎛ 1 ⎞
n
∑
n=0
n!
+
s! ⎜ μ ⎟ 1−ρ
⎝ ⎠ n=0
∑
n!
+ ⎜ ⎟ ⎜
2 ⎝ 50 ⎠ ⎝ 1 − 0,8 ⎟⎠
Número pomedio de clientes en la cola:
(λ / μ)s λ μ (80 / 50)2 x 80 x 50

Lq = p0 = 0,111 = 2,84 clientes
(s − 1)! (s μ − λ )2 1! (2 x 50 − 80)2
Número promedio de clientes en el sistema (terminal de facturación):
λ 80
Ls = Lq + = 2,84 + = 4, 44 clientes
μ 50
L q 2,84
b) Tiempo medio de espera en cola: Wq = = = 0,0355
λ 80
Tiempo medio de estancia en el sistema (terminal de facturación):
1 1
Ws = Wq + = 0,0355 + = 0,0555 horas = 3,33 minutos
μ 50
Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más el tiempo en

el servicio (1 / μ)
L s 4, 44
o bien, Ws = = = 0,0555 horas = 3,33 minutos
λ 80
(λ / μ)n
c) El porcentaje de tiempo que determinado operario esté libre: pn = p0
n!
1 (80 / 50)0 1 (80 / 50)1
1 p 0 + p1 = po + po = po + 0,8 po = 1,8 po = 0,2
2 0! 2 1!
En un ambulatorio con tres médicos, los pacientes llegan de forma aleatoria
(tiempos de llegada exponenciales) a razón de 12 por hora. Estos son atendidos en
orden de llegada por el primer médico que esté libre. Cada médico tarda una media
de 13 minutos en atender a cada paciente (tiempos de atención exponenciales).
Se pide:
a) Calcular la proporción de tiempo que está cada médico atendiendo a pacientes.
b) Calcular el número promedio de pacientes que están en la sala de espera.
Calcular el tiempo promedio total de espera de un paciente.
c) ¿Qué ocurriría en el ambulatorio si uno de los tres médicos se ausenta?
Solución:
60
λ = 12 pacientes/hora , μ = = 4,615 pacientes/hora (tiempo de servicio)
13
Utilización promedio del ambulatorio: us = λ / μ = 12 / 4,615 = 2,6
La proporción de tiempo solicitada se expresa en la tasa de utilización del
λ 12
ambulatorio: ρ = = = 0,87 → 1 − ρ = 1 − 0,87 = 0,13
s. μ 3 x 4,615
El servicio del ambulatorio está utilizado un 87%, esto es, pasa ocioso el 13% del
tiempo, sistema estable al ser ρ = 0,87 < 1
(λ / μ)s λ μ
b) Número promedio de pacientes en la sala de espera: L q = p0
(s − 1)! (s μ − λ )2
1 1 1
p0 = s−1 s = 2 = = 0,033
⎛ ⎞
n
(λ / μ)n 1 ⎛ λ ⎞ 1
∑
2,6 1 1 29,51
∑
n=0
n!
+
s! ⎝⎜ μ ⎠⎟ 1 − ρ n=0
+ 2,63 ⎜
n! 3! ⎟
⎝ 0,13 ⎠
2 2
2,6n 1 3 ⎛ 1 ⎞ 2,6n
∑
n=0
n!
+ 2,6 ⎜
3! ⎝ 0,13 ⎟=
⎠ n=0
n! ∑
+ 22,53 = 1 + 2,6 + 3,38 + 22,53 = 29,51
(λ / μ)s λ μ 2,63 x 12 x 4,615

con lo que, L q = p0 = x 0,033 = 4,72 pacientes
(s − 1)! (s μ − λ )2 2! x 1,8452
L q 4,72
Tiempo promedio de espera en cola: Wq = = = 0,39 horas
λ 12
1 1
Tiempo promedio estancia en el sistema: Ws = Wq + = 0,39 + = 0,60 horas
μ 4,615
El gerente de una multinacional quiere analizar el coste total por hora del
sistema de descargas de su terminal (mano de obra y camiones ociosos). La
terminal de carga funciona con cuatro plataformas de descarga, cada una de éstas
con un equipo de dos empleados que descargan un semirremolque en una hora,
con tiempos de servicios exponenciales, y un coste de cuarenta euros/hora. El
tiempo de llegadas de camiones es de tres/hora siguiendo una disribución de
Poisson, con un coste estimado de sesenta euros/hora por camión ocioso.
Solución:
Es un modelo de cola M/M/4 con s = 4 servidores
Para calcular el coste total de mano de obra y de los camiones ociosos hay que
saber el tiempo promedio de espera en el sistema de descarga y el número
promedio de camiones en el mismo.
Tasa de llegadas: λ = 3 camiones/hora
1
Tasa de servicio por empleado ≡ μ = 4 x = 1 camiones/hora
4
Utilización promedio del sistema: us = λ / μ = 3 / 1 = 3
λ 3
Utilización promedio de las cuatro plataformas: ρ = = = 0,75
sμ 4 x 1
Probabilidad de que no haya ningún camión en el sistema de descargas:
1 1 1
p0 = s−1 s = 3 = = 0,0377
(λ / μ)n 1 ⎛ λ ⎞ 1
n
1 4 ⎛ 1 ⎞ 26,5
∑
3
∑
n=0
n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ n=0
n!
+ 3 ⎜
4! ⎝ 0,25 ⎟⎠
3 3
3n 1 4 ⎛ 1 ⎞ 3n
∑
n=0
n!
+ 3 ⎜
4! ⎝ 0,25 ⎟=
⎠ n=0
n!∑+ 13,5 = 1 + 3 + 4,5 + 4,5 + 13,5 = 26,5
Número promedio de camiones en espera:
(λ / μ)s λ μ 34 x 3 x 1
Lq = p0 = x 0,0377 = 1,53
(s − 1)! (s μ − λ )2 3! (4 − 3)2
L q 1,53
Tiempo promedio de espera de camiones cola: Wq = = = 0,51 hora
λ 3
Tiempo promedio de estancia de camiones en el sistema:
1 1
Ws = Wq + = 0,51 + = 1,51 horas
μ 1
λ
Número promedio camiones en el sistema: L s = L q + = 1,53 + 3 = 4,53 camiones
μ
o bien, L s = λ Ws = 3 x 1,51 = 4,53 camiones
Los costes/hora por mano de obra ociosa y camiones ociosos son:
Coste total = Coste mano de obra ociosa + Coste camiones ociosos =
= 40 x s + 60 x L s = 40 x 4 + 60 x 4,53 = 431,8 euros
Un mayorista de agencias de viajes tiene un sistema de reservas por teléfono,
atendido por 4 comerciales, las llamadas en espera son atendidas después en
estricto orden de llegada. Se sabe que las llamadas son aleatorias con un promedio
de 20 llamadas a la hora, mientras que el tiempo medio de respuesta (tiempo que
una llamada permanece en el sistema) es de 6,51 minutos, y el número medio de
llamadas en espera es de 0,17. Se pide:
a) Tiempo medio que una llamada ha de esperar hasta ser atendida por uno de los
comerciales.
b) Qué ocurriría con el uso del sistema si hubiera dos comerciales menos.
c) Si el mayorista valora la hora de inactividad de cada comercial en doscientos
euros, ¿cuál es la pérdida media por hora debida a la inactividad de los
comerciales?
d) Si los tiempos entre llamadas y los tiempos de atención al cliente son variables
aleatorias exponenciales, representar el diagrama de tasas de transición entre
estados. Sí la probabilidad de que el estado esté vacío es 2/19, calcular la
probabilidad de que una llamada quede en espera.
Solución:
a) Tasa de llegadas: λ = 20 clientes/hora
6,51 ⎛ 1⎞
Tiempo medio de respuesta: Ws = = 0,1085 horas ⎜ Ws = Wq + μ ⎟
60 ⎝ ⎠
Número medio de clientes en la cola: L q = 0,17 clientes
Luego,
L q 0,17
Tiempo medio de espera en cola: Wq = = = 0,0085 horas
λ 20
1 1
b) Ws = Wq + → = Ws − Wq = 0,1085 − 0,0085 = 0,1 → μ = 10 clientes/hora
μ μ
λ 20
Factor de utilización del sistema: ρ = = = 0,5
s μ 4 x 10
λ 20
Con dos comerciales menos ρ = = = 1 el sistema se vuelve inestable.
s μ 2 x 10
λ 20
c) Número medio de comerciales ocupados ≡ = =2
μ 10
Con lo que el número de comerciales ociosos es de 4 − 2 = 2 , en consecuencia, la
pérdida por hora por la inactividad de los comerciales es de 400 euros.
d) Diagrama de tasas de transición, cuando los tiempos entre llamadas y los
tiempos de atención al cliente son variables aleatorias exponenciales.
Una llamada queda en espera cuando todos los comerciales están ocupados.
P(N ≥ 4) = 1 − P(N < 4) = 1 − p0 − p1 − p2 − p3
Por ser el sistema estacionario, la tasa media de llegada es igual a la tasa media de
salida para cualquier estado n , es decir, λ n − 1 pn − 1 + μn + 1 pn + 1
2
p0 =
19
20 2 4
10p1 = 20p0 → p1 = p0 = 2 x =
10 19 19
10p = 20 p 4
20p2 + 20p0 = 10p1 + 20p1 ⎯⎯⎯⎯⎯
1 0
→ 20p2 = 20p1 → p2 = p1 =
19
20 p = 20 p 20 8
30p3 + 20p1 = 20p2 + 20p2 ⎯⎯⎯⎯⎯
1 2
→ 30p3 = 20p2 → p3 = p2 =
30 57
2 4 4 8 1
P(N ≥ 4) = 1 − P(N < 4) = 1 − p0 − p1 − p2 − p3 = 1 − − − − =
19 19 19 57 3
Adviértase que se trata de un modelo de cola M/M/4 con s = 4 servidores
⎧μn = n μ cuando n < s
En la tasa de servicio μ n hay que distinguir: ⎨
⎩ μn = s μ cuando n ≥ s
μ ≡ tasa media de servicio de todos los servidores en conjunto
s μ ≡ tasa máxima de servicio para s servidores
n s n−s
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ λ ⎞
pn = ⎜ ⎟ p0 para n = 1, 2, ... , s − 1 pn = ⎜ ⎟ ⎜ ⎟ p0 para n = s, s + 1, ...
n! ⎝ μ ⎠ s! ⎝ μ ⎠ ⎝ s μ ⎠
1 1 2 4 1 2 2 4 1 3 2 8
p1 = (2) = p2 = ( 2) = p3 = ( 2) =
1! 19 19 2! 19 19 3! 19 57
Una pequeña bancaria tiene dos cajeros automáticos que según una
distribución exponencial atienden a razón de 1,5 minutos por cliente. La
tasa de llegada de clientes según una Poisson es de 30/hora. Se pide:
a) Número medio de clientes en el sistema
b) Tiempo medio de un cliente en el sistema
c) Porcentaje de tiempo de cajero libre
Solución:
Tasa de llegadas ≡ λ = 30 clientes/hora
1
Tasa de servicio por operario ≡ μ = x 60 = 40 clientes/hora
1,5
λ 30
Utilización promedio del sistema: us = = = 0,75
μ 40
λ 30
s. μ 2 x 40
Probabilidad de que ningún cliente se encuentre en el sistema de colas:
1 1
p0 = s−1 s = 1 =
(λ / μ) 1 ⎛λ⎞ 1 0,75n 1 ⎛ ⎞
∑
n
1
∑n=0
n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ n=0
n!
+ x 0,752 x ⎜
2 ⎟
⎝ 1 − 0,375 ⎠
1
= = 0, 454545
1 + 0,75 + 0, 45
Pomedio de clientes en la cola:
(λ / μ)s λ μ 0,752 x 30 x 40
Lq = p = 0, 454545 = 0,1227 clientes
(s − 1)! (s μ − λ )2 (2 x 40 − 30)2
0
Promedio de clientes en el sistema:
λ
Ls = Lq + = 0,1227 + 0,75 = 0,8727 clientes
μ
L q 0,1227
b) Tiempo medio de espera en cola: Wq = = = 0,0041 horas
λ 30
Tiempo medio de estancia en el sistema:
1 1
Ws = Wq + = 0,0041 + = 0,0291 horas
μ 40
Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más el tiempo en

el servicio (1 / μ)
(λ / μ)n
c) Porcentaje de tiempo que determinado cajero esté libre: pn = p0
n!
n = 0 : p0 = 0, 4545
(30 / 40)
n = 1 : p1 = p0 = 0,75 x 0, 4545 = 0,3409
1
Se inicia un nuevo problema en Análisis de Colas (Módulo QA), eligiendo
un sistema simple M/M.
INTRODUCCIÓN DE DATOS
MEDIDAS DE RENDIMIENTO:
SENSIBILIDAD DEL SISTEMA:
Se realiza un análisis de sensibilidad seleccionando el parámetro λ = 30 de tasas de
llegadas, con una variación de 30 a 100 clientes a la hora y un incremento de 10
clientes/hora. Con el modelo de aproximación G/G/s se observa cómo reacciona el
sistema.
La utilización del sistema se va incrementando, de forma que cuando la llegada de
clientes es de 70 a la hora la utilización del sistema es de 87,5% (máxima posible), a
partir de entonces el sistema se vuelve inestable, es decir, el número de servidores
es insuficiente.
Se puede observar el gráfico de análisis de sensibilidad:
Dependiendo de las necesidades se pueden ir analizando cada uno de los
parámetros.
El Análisis de Capacidad se realiza con los costos, que se definen:
MODELO DE COLA M/M/s con fuente de entrada finita
Es una variación del modelo M/M/s consistente en que la fuente de variación de
entrada es limitada, esto es, el tamaño de la población de posibles clientes es finita.
Sea N el tamaño de la población, cuando en el sistema se encuentran n clientes,
quedan (N − n) posibles clientes en la fuente de entrada.
En el modelo con población finita los clientes alternan entre estar dentro y fuera
del sistema. Por analogía con el modelo M/M/s se supone que el tiempo que pasa
cada cliente fuera del sistema es una variable aleatoria exponencial Exp(λ ) .
Cuando n clientes están dentro, (N − n) clientes están fuera, y por tanto la

distribución de probabilidad del tiempo que falta para la próxima llegada al sistema
es el mínimo de (N − n) variables exponenciales independientes de parámetro
λ (N − n) . De este modo,
⎧n μ λ 1 ≤ n ≤ s
⎧ λ (N − n) 0 ≤ n ≤ N ⎪
λ n = ⎨ μn = ⎨ s μ λ s ≤ n ≤ N
⎩ 0 n>N ⎪ 0
⎩ n>N
La aplicación más importante de este modelo es la reparación de máquinas, donde
se asigna a uno o más técnicos la responsabilidad de tener operativas un grupo de
N máquinas.
Cuando las máquinas se estropean acuden al sistema de mantenimiento en espera
de ser reparadas, y cuando están operativas quedan fuera del sistema.
n
1 N! ⎛ λ ⎞
p0 = pn = p0 si 1 ≤ n ≤ N
N
N! ⎛ λ ⎞
n
(N − n)! ⎜⎝ μ ⎟⎠
∑
n=0
(N − n)! ⎜⎝ μ ⎟⎠
Utilización promedio del servidor: p = 1 − p0
μ
Número promedio de clientes en el sistema: L s = N − (1 − p0 )
λ
(λ + μ)
Número promedio de clientes en la cola: L q = N − (1 − p0 )
λ
Ls
Tiempo promedio de estancia en el sistema, incluido el servicio: Ws =
λ (N − L s )
Lq ⎛ 1⎞
Tiempo promedio de espera en la cola: Wq = ⎜ Ws = Wq + ⎟
λ (N − L s ) ⎝ μ⎠
En la terminal de un aeropuerto se han incorporado diez robots para
incrementar el servicio al cliente, surgiendo el problema que no se aplica un
mantenimiento preventivo a los robots y presentan una gran variabilidad en la
distribución de averías. Cada robot sigue una distribución exponencial de averías (o
distribución entre llegadas) con un tiempo promedio de 200 horas entre una y otra
avería, y un coste de 30 euros/hora. Para afrontar la situación se encarga a una
persona para el mantenimiento, que necesita un promedio de diez horas para
reparar un robot, con tiempos de reparación distribuidos exponencialmente, y un
coste de 10 euros/hora, dedicándose a otras actividades cuando no hay robots que
reparar. ¿Cuál es el coste diario que origina el tiempo ocioso de la mano de obra y
los robots?
Solución:
Es un modelo de cola M/M/1 de población finita, los N = 10 robots constituyen la
población de clientes, verificándose las demás condiciones.
1
Tasa de llegadas: λ = = 0,005 averías/hora
200
1
Tasa de servicio: μ = = 0,1 robots/hora
10
Para calcular el coste diario del tiempo ocioso de la mano de obra y los robots se
necesita estimar la utilización promedio del empleado de mantenimiento (p) y el
número promedio de robots incluidos en el mantenimiento.
Utilización promedio del empleado de mantenimiento: p = 1 − p0
1 1 1
p0 = n = 10 n = = 0,538
N! ⎛ λ ⎞ ⎛ 0,005 ⎞
N
1,85886
∑ ∑ (10 − n)! ⎜⎝
10!
n=0
(N − n)! ⎜⎝ μ ⎟⎠ n=0
0,1 ⎟⎠
10 n 10
10! ⎛ 0,005 ⎞
∑ ∑
10!
⎜ ⎟ = 0,05n = 1 + 10 x 0,05 + 90 x 0,052 + 720 x 0,053 +
n=0
(10 − n)! ⎝ 0,1 ⎠ n = 0 (10 − n)!
+ 5040 x 0,054 + 30240 x 0,055 + 151200 x 0,056 + 604800 x 0,057 + 1814400 x 0,058 +
+ 3628800 x 0,059 + 3628800 x 0,0510 = 1,85886
con lo que, p = 1 − p0 = 1 − 0,538 = 0, 462
Número promedio de robots en espera de ser reparados:
(λ + μ) (0,005 + 0,1)
Lq = N − (1 − p0 ) = 10 − (0, 462) = 0,298 robots
λ 0,005
Número promedio de robots que están en el sistema (en la cola y en proceso de
reparación):
μ 0,1
Ls = N − (1 − p0 ) = 10 − (0, 462) = 0,76 robots
λ 0,005
Tiempo promedio de espera de los robots en la cola para ser atendidos por el
encargado de mantenimiento:
Lq 0,298
Wq = = = 6, 45 horas
λ (N − L s ) 0,005(10 − 0,76)
Tiempo promedio de estancia de los robots en el sistema (en la cola y en proceso
de reparación):
Ls 0,76
Ws = = = 16, 45 horas
λ (N − L s ) 0,005(10 − 0,76)
1 1
o bien, Ws = Wq + = 6, 45 + = 16, 45 horas
μ 0,1
Los costes/hora por mano de obra ociosa y robots ociosos son:
Coste total = Coste mano de obra + Coste camiones ociosos =
= 40 x 4 + 60 x 4,53 = 431,8 euros
Una empresa tiene seis equipos idénticos de manufactura, el tiempo entre
fallas de cada uno de los equipos de producción sigue una distribución exponencial,
con un tiempo promedio entre fallas de veinte horas. Para la atención de las fallas
en el equipo de manufactura hay un único equipo de mantenimiento, el tiempo de
duración del servicio de reparación de las máquinas sigue una distribución
exponencial con una media de 2 horas/falla. Se pide:
a) Utilización promedio de mantenimiento.
b) Probabilidad de que n clientes se encuentren en el sistema de colas.
c) Número promedio de máquinas en espera de ser reparadas.
d) Número promedio de máquinas que están en el sistema.
e) Tiempo promedio de espera de las máquinas en la cola.
Solución:
a) Es un modelo de cola M/M/1 de población finita, los N = 6 equipos de
manufactura constituyen la población de clientes, verificándose las demás
condiciones
1
Tasa de llegadas: λ = = 0,05 máquinas/hora
20
1
Tasa de servicio: μ = = 0,5 máquinas/hora
2
Utilización promedio del equipo de mantenimiento: p = 1 − p0
1 1 1
p0 = n = 6 n = = 0, 4845
⎛λ ⎞ ⎛ 0,05 ⎞
N
2,06392
∑ (N − n)! ⎜⎝ μ ⎟⎠ ∑ (6 − n)! ⎜⎝ 0,5 ⎟⎠
N! 6!
n=0 n=0
6 n 6
6! ⎛ 0,05 ⎞
∑ ∑
6!
⎜ ⎟ = 0,1n = 1 + 6 x 0,1 + 30 x 0,12 + 120 x 0,13 +
n=0
(6 − n)! ⎝ 0,5 ⎠ n = 0 (6 − n)!
+ 360 x 0,14 + 720 x 0,15 + 720 x 0,16 = 2,06392
Utilización promedio de mantenimiento: p = 1 − p0 = 1 − 0, 4845 = 0,5155
b) Probabilidad de que n clientes se encuentren en el sistema de colas:
n
N! ⎛ λ ⎞ N!
pn = ⎜ ⎟ p0 = x 0,1 x 0, 4845 si 1 ≤ n ≤ N
n
(N − n)! ⎝ μ ⎠ (N − n)!
p1 p2 p3 p4 p5 p6
0,290708942 0,145354471 0,058141788 0,017442537 0,003488507 0,000348851
c) Número promedio de máquinas en espera de ser reparadas:
(λ + μ) (0,05 + 0,5)
Lq = N − (1 − p0 ) = 6 − (0,5155) = 0,3295 máquinas
λ 0,05
d) Número promedio de máquinas que están en el sistema (en la cola y en proceso
de reparación):
μ 0,5
Ls = N − (1 − p0 ) = 6 − (0,5155) = 0,845 máquinas
λ 0,05
e) Tiempo promedio de espera de las máquinas en la cola para ser atendidas:
Lq 0,3295
Wq = = = 1,278 horas
λ (N − L s ) 0,05(6 − 0,845)
f) Tiempo promedio de estancia de las máquinas en el sistema (en la cola y en
proceso de reparación):
Ls 0,845
Ws = = = 3,278 horas
λ (N − L s ) 0,05(6 − 0,845)
1 1
o bien, Ws = Wq + = 1,278 + = 3,278 horas
μ 0,5
MODELO DE COLAS M/M/1/k
Este tipo de sistemas de colas se caracterizan por tener una cola finita, como indica
la cuarta inicial de la notación de Kendall.
El número máximo de clientes en el sistema en estos modelos se encuentran
limitado a k , que coincide con la suma del número de servidores y el tamaño de la
cola, por lo que la capacidad de la cola es (k − s)
El modelo M/M/1/k es aquel en el que un servidor atiende todas las peticiones,
por lo general este modelo se etiqueta como M/M/s/k para un número genérico
de servidores.
Otra interpretación de este sistema es aquel en la que los clientes que llegan dejan
la cola a partir de una determinada longitud ya que no están dispuestos a soportar
una larga espera.
En esta situación, sí el sistema está lleno (la capacidad es k) no se permite la
entrada de nuevos clientes al sistema. En consecuencia, la tasa de llegada efectiva
no es constante y varía con el tiempo (dependiendo sí el sistema está o no lleno):
k
λ ef = λ (1 − pk ) donde pn = ρ p0
n
para n = 0, 1, ... , k ∑p
n=0
k =1
λ
El factor de saturación ρ = determina como varían las probabilidades pn de que
μ
haya n clientes en el sistema.
Sí ρ < 1 → Los estados más probables son los de menor número de clientes,
dado que la oferta de servicio supera a la demanda.
Sí ρ = 1 → Todos los estados son equiprobables.
Sí ρ > 1 → Los estados más probables son los de mayor número de clientes,

pues la demanda de servicio supera a la oferta.
⎧ (1 − ρ) ρn
⎪ n = 0 , 1, 2, ... , k
Probabilidades del estado: pn = ⎨ 1 − ρk + 1
⎪ 0 n = k + 1, k + 2, ...
⎩
En este caso, la solución para el estado estacionario existe incluso sí ρ ≥ 1 .
Intuitivamente esto se debe a que la limitación de la capacidad del sistema provoca
que éste no se desborde.
⎡ (1 − ρ) ρk ⎤
Tasa de llegada efectiva: λ ef = λ (1 − pk ) = λ ⎢1 −
⎣ 1 − ρk + 1 ⎥⎦
⎧ ρ (k + 1) ρk + 1
⎪⎪ (1 − ρ) − 1 − ρk + 1 ρ≠1
Número promedio de clientes en el sistema: L s = ⎨
⎪ k
ρ=1
⎪⎩ 2
⎧ (1 − ρk ) ρ
⎪L s − 1 − ρ k + 1 ρ≠1
⎪
Número promedio de clientes en la cola: L q = L s − (1 − p0 ) = ⎨
⎪ k (k − 1) ρ=1
⎪⎩ 2(k + 1)
Ls
Tiempo promedio de estancia en el sistema: Ws =
λ ef
1 L
Tiempo promedio de espera en la cola: Wq = Ws − o Wq = q
μ λ ef
Longitud de la cola: L q = λ ef Wq
MODELO DE COLAS M/M/s/k
En algunos sistemas la cola no puede albergar a un número indefinido de
clientes. En este caso se dice que el sistema es de capacidad limitada.
El límite lo fija el parámetro k que incluye a los servidores.
Las tasas de llegada y servicio son:
⎧λ n = 0 , , k + s − 1 ⎧n μ n = 1, , s
λn = ⎨ μn = ⎨
⎩ 0 n = k + s , k + s + 1, ⎩ s μ n = s + 1, s + 2 ,
⎛ λ ⎞
Las probabilidades de cada estado del sistema: ⎜ ρ = ⎟
⎝ s.μ ⎠
1
p0 = s n n
⎛λ⎞ ⎛λ⎞
k
∑ ∑
k! k! 1
.⎜ ⎟ + . .
n− s ⎜ ⎟
n=0
(k − n)! n! ⎝ μ ⎠ n = s+ 1
(k − n)! s! . s ⎝μ⎠
⎧ k!
⎪ (k − n)! n! . ρ . p0 0≤n≤ s
n
⎪
pn = ⎨
⎪ k! . 1 . ρn . p n≥ s
⎪⎩ (k − n)! s! . sn− s 0
Número medio de clientes en cola:
s
1 ⎛λ⎞ ρ
Lq = .⎜ ⎟ . . p0 . ⎡⎣1 − ρk − s − (k − s) . ρk − s . (1 − ρ)⎤⎦
⎝ μ ⎠ (1 − ρ)
2
s!
λ ef
k
Número medio de clientes en el sistema: L s = ∑n . p
n=0
n = Lq +
μ
Tasa media de llegada (entrada efectiva): λ ef = λ (k − L s )
Lq
Tiempo medio de clientes en cola: Wq =
λ ef
Ls
Tiempo medio de clientes en el sistema: Ws =
λ ef
En un taller mecánico llegan vehículos para una puesta a punto antes de pasar
la ITV, las llegadas siguen un proceso de Poisson de promedio 18 vehículos/hora.
Las dimensiones del taller sólo permiten que haya 4 vehículos, y las ordenanzas
municipales no permiten esperar en la vía pública. El taller despacha un promedio
de 6 vehículos/hora de acuerdo con una distribución exponencial. Se pide:
a) ¿Cuál es la probabilidad de que no haya ningún vehículo en el taller?
b) ¿Cuál es el promedio de vehículos en el taller?
c) ¿Cuánto tiempo pasa por término medio un vehículo en el taller?
d) ¿Cuánto tiempo esperan por término medio los vehículos en la cola?
e) ¿Cuál es la longitud media de la cola?
Solución:
a) Es un modelo de cola M/M/1/k con k = 4 vehículos
Hay un sola cola, con disciplina FIFO, la capacidad del sistema es limitada, de modo
que sólo puede haber 4 vehículos como máximo en el taller, con lo cual el número
máximo de vehículos en la cola es (4 − 1) . Las llegadas siguen un proceso de Poisson
de parámetro λ = 18 vehículos/hora , los tiempos entre llegadas se distribuyen
exponencialmente Exp(λ = 18) , los tiempos entre servicios se distribuyen
exponencialmente Exp(μ = 6) siendo μ = 6 vehículos/hora el número medio que el
taller (servidor) es capaz de atender.
λ 18
El factor de saturación ρ == = 3 determina como varían las probabilidades pn
μ 6
de que haya n vehículos en el sistema.
Probabilidad de que no haya ningún vehículo en el taller:
1−ρ 1−3
p0 = k+1
= = 0,00826
1−ρ 1 − 35
b) Promedio de vehículos en el taller (sistema):
ρ (k + 1) ρk + 1 3 5 x 35 3 1215
Ls = − = − = − + = 3,52 vehículos
1−ρ 1 − ρk + 1 1 − 3 1 − 35 2 242
Ls
c) Tiempo promedio de un vehículo en el taller: Ws =
λ ef
Tasa de llegada efectiva:
⎡ (1 − ρ) ρk ⎤ ⎡ (1 − 3) 3 4 ⎤
λ ef = λ ⎢1 − k+1 ⎥
= 18 ⎢1 − 1 − 35 ⎥ = 5,95 vehículos/hora
⎣ 1 − ρ ⎦ ⎣ ⎦
L s 3,52
Ws = = = 0,5916 horas
λ ef 5,95
d) Tiempo medio de espera en la cola de vehículos:
1 1
Wq = Ws − = 0,5916 − = 0, 4249 horas
μ 6
e) Longitud de la cola: L q = λ ef Wq = 5,95 x 0, 4249 = 2,528 vehículos
(1 − ρk ) ρ (1 − 34 )3
o bien, L q = L s − = 3,52 − = 2,528 vehículos
1 − ρk + 1 1 − 35
Un taller utiliza 10 máquinas idénticas. Cada máquina deja de funcionar en
promedio una vez cada 7 horas. Un operario puede reparar una máquina en
4 horas en promedio, pero el tiempo de reparación real varía según una
distribución exponencial.
Interpretar y comparar las respuestas:
a) El número mínimo de mecánicos que se necesita para que el número estimado
de máquinas que fallan sea menor que 4
b) El número mínimo de mecánicos que se necesita, de manera que la demora
esperada hasta que se repare una máquina sea menor que 4 horas
Solución:
a) Es un modelo de cola M/M/1/k con k = 10 máquinas
1
λ = maquina/hora = 0,1428 maquina/hora
7
1
μ = maquina/hora = 0,25 maquina/hora
4
λ 4
Factor de saturación: ρ = = = 0,5714
μ 7
Número promedio de máquinas en el sistema:
ρ (k + 1) ρk + 1 0,5714 11 . 0,571411
Ls = − = − = 1,3098
(1 − ρ) 1 − ρk + 1 (1 − 0,5714) 1 − 0,571411
Tiempo promedio de estancia en el sistema:
L s 1,3098
Ws = = = 9,1722 horas
λ 0,1428
Con 1 mecánico hay 1,31 máquinas que no funcionan en el sistema, es menor que 4
b) Tiempo promedio de estancia en la cola: Wq < 4 horas
1 1
Si es un mecánico: Wq = Ws − = 9,1722 − = 5,1722
μ 0,25
• Si son 2 mecánicos es un modelo de cola M/M/2/10 con población finita
1
p0 = s k
∑ ∑
k! k! 1
. ρn + . n− s
. ρn
n=0
(k − n)! n! n = s+ 1
(k − n)! s! . s
⎧ k!
⎪ (k − n)! n! . ρ . p0 0≤n≤ s
n
⎪
pn = ⎨
⎪ k! . 1 . ρn . p n≥ s
⎪⎩ (k − n)! s! . sn− s 0
1
p0 = 2 10 =
∑ ∑
10! 10! 1
. 0,5714n + . n− s
. 0,5714n
n=0
(10 − n)! n! n=3
(10 − n)! 2! . 2
1 1
= = = 0,00115
20, 4064 + 847,6732 868,0796
2
∑
10! 10! 10! 10!
• . ρn = + . 0,5714 + . 0,57142 = 20,40641
n=0
(10 − n)! n! 10! 10! 9! 1! 8! 2!
10
∑ (10 − n)! . 2! . 2
10! 1 10! 1 10! 1
• n− s
. 0,5714n = . . 0,57143 + . 2
. 0,5714 4 +
n=3
7! 2! . 2 6! 2! . 2
10! 1 10! 1 10! 1
= . 3
. 0,5714 5
+ . 4
. 0,5714 6
+ . 5
. 0,57147 +
5! 2! . 2 4! 2! . 2 3! 2! . 2
10! 1 10! 1 10! 1
+ . 6
. 0,5714 8 + . 7
. 0,5714 9 + . 8
. 0,571410 = 847,6732
2! 2! . 2 1! 2! . 2 0! 2! . 2
10! 10!
• p1 = . 0,5714 . 0,00115 = 0,0065 p2 = . 0,57142 . 0,00115 = 0,0169
9! 1! 8! 2!
10! 1
• p3 = . 3−2
. 0,57143 . 0,00115 = 0,0386
7! 2! 2
10! 1
p4 = . 4−2
. 0,5714 4 . 0,00115 = 0,0772
6! 2! 2
p5 = 0,1324 p6 = 0,1892 p7 = 0,2162 p8 = 0,1853 p9 = 0,1059 p10 = 0,0302
Número promedio de máquinas en el sistema:
k 10
Ls = ∑n . p
n=0
n → Ls = ∑n . p
n=0
n = 6,513
Tasa de no funcionamiento efectivo:
λ ef = λ (k − L s ) = 0,1428 (10 − 6,513) = 0, 4979
Ls 6,513
Tiempo promedio de estancia en el sistema: Ws = = = 13,081 horas
λ ef 0, 4979
MODELOS DE COLAS CON TIEMPOS DE SERVICIO NO EXPONENCIAL
Los modelos anteriores se basan en que las entradas y el servicio se distribuyen
mediante procesos que siguen una distribución de Poisson/Exponencial.
En un sistema de colas es necesario seleccionar una distribución de probabilidad
para los tiempos de servicio. Hay tres distribuciones que representan tiempos de
servicio:
♦ La distribución de servicio exponencial ( σ ≡ media)
♦ La distribución de servicio constante ( σ ≡ 0 )
♦ La distribución Erlang que posee un parámetro k que determina la desviación
1 ⎛1⎞ 1
típica σ = ⎜ ⎟ → k =
k⎝μ⎠ μ2x σ2
k = 1 → La distribución Erlang ≡ La distribución Exponencial
k = ∞ → La distribución Erlang ≡ La distribución degenerada con tiempos

constantes
La distribución Erlang según los valores del parámetro k:
MODELO DE COLA M/G/1
Según la notación Kendall se trata de sistema de colas con tiempos de llegadas
distribuidos exponencialmente (Proceso de Poisson de parámetro λ ), con clientes
que tienen tiempos de servicio independientes e idénticamente distribuidos de
media ( 1 / μ ) y varianza σ 2
Cualquier sistema de colas de este tipo alcanza en algún momento el estado estable
cuando el factor de utilización ρ = λ / μ < 1 .
Las medidas de rendimiento para este modelo toman las expresiones adjuntas,
donde la referente a L q recibe el nombre de fórmula de Pollaczek‐Khinchine.
pn = ρ
Utilización promedio : p0 = 1 − ρ
λ 2σ 2 + ρ2
Número promedio de clientes en la cola: L q =
2(1 − ρ)
Número promedio de clientes en el sistema: L s = L q + ρ
L q λ 2σ 2 + ρ2
Tiempo promedio de espera en la cola: Wq = =
λ 2 λ (1 − ρ)
Ls 1
Tiempo promedio de estancia en el sistema: Ws = = Wq +
λ μ
Las medidas de eficiencia incrementan su valor conforme σ 2 aumenta, lo que
indica que el funcionamiento del servidor tiene gran transcendencia en la eficiencia
global del sistema.
Curry y Feldman proponen una modificación del tiempo promedio de espera en la
cola que proporciona una relación directa entre las colas M/M/1 y las colas M/G/1:
⎛ 1 + μ 2σ 2 ⎞
Wq (M / G / 1) = ⎜ ⎟ Wq (M / M / 1)
⎝ 2 ⎠
μ 2σ 2 ≡ Coeficiente de variación al cuadrado de los tiempos de servicio.
MODELO DE COLA M/D/1
Es un sistema de colas con tiempos de llegadas distribuidos exponencialmente
(Proceso de Poisson de parámetro λ ), el servicio consiste básicamente en la misma
tarea rutinaria que el servidor realiza para todos los clientes, tiende a haber poca
variación en el tiempo de servicio requerido, asumiendo que el tiempo de servicio
es igual a una constante fija.
Con un único servidor, el modelo M/D/1 se reduce a un caso particular del modelo
M/G/1 en donde σ 2 = 0 , con lo que las medidas de eficiencia son:
ρ2
Número promedio de clientes en la cola: L q =
2(1 − ρ)
Lq
Tiempo promedio de espera en la cola: Wq =
λ
Ls 1
λ μ
MODELO DE COLA M/E k/1
La distribución de Erlang de parámetros k y υ es la suma de k variables aleatorias
k k
independientes exponenciales de parámetro υ , con media y varianza σ 2 = 2 .
υ υ
Al particularizar las expresiones del modelo M/G/1 a una distribución de Erlang,
1
tomando υ = k μ , es decir, de media , donde:
μ
k 1 1 ⎛1⎞ 1
σ2 = = → σ = ⎜ ⎟ k=
υ2 k μ 2 k⎝μ⎠ μ2x σ2
Las medidas de eficiencia del modelo M/Ek/1, vienen dadas por:
λ 2 (1 + k) ρ2 (1 + k)
Número promedio de clientes en la cola: L q = =
2k μ (μ − λ ) 2k (1 − ρ)
Lq
Tiempo promedio de espera en la cola: Wq =
λ
Ls 1
λ μ
Un servicio de lavacoches tiene una tasa de llegadas de 9 vehículos/hora y
puede atender un vehículo cada 5 minutos, con un error típico ( σ = 2 ) minutos. Se
pide:
a) Medidas de eficiencia según un modelo M/G/1
b) Probabilidad de tener 0 clientes en el sistema
c) Medidas de eficiencia según un modelo M/D/1
d) Medidas de eficiencia según un modelo M/Ek/1
Solución:
9
a) λ = 9 vehículos/hora = = 0,15 vehículos/minuto
60
1
= 5 → μ = 0,2 σ=2
μ
λ 0,15
μ 0,2
λ 2σ 2 + ρ2 0,152 x 22 + 0,752
Promedio de vehículos en cola: L q = = = 1,305 vehículos
2(1 − ρ) 2 x (1 − 0,75)
Promedio de vehículos en sistema: L s = L q + ρ = 1,305 + 0,75 = 2,055 vehículos
Lq 1,305
Tiempo promedio de espera en la cola: Wq = = = 8,7 minutos
λ 0,15
L s 2,055
Tiempo promedio de estancia en lavacoches: Ws = = = 13,7 minutos
λ 0,15
b) p0 = 1 − ρ = 1 − 0,75 = 0,25
c) Medidas de eficiencia según un modelo M/D/1:
ρ2 0,752
Promedio de vehículos en cola: L q = = = 1,125 vehículos
2(1 − ρ) 2 x (1 − 0,75)
Promedio de vehículos en sistema: L s = L q + ρ = 1,125 + 0,75 = 1,875 vehículos
Lq 1,125
Tiempo promedio de espera en la cola: Wq = = = 7,5 minutos
λ 0,15
L s 1,875
Tiempo promedio de estancia en lavacoches: Ws = = = 12,5 minutos
λ 0,15
d) Medidas de eficiencia según un modelo M/Ek/1:
1 1
k= = = 6,25
μ xσ
2 2
0,22 x 22
ρ2 (1 + k) 0,752 x (1 + 6,25)
Promedio de clientes en la cola: L q = = = 1,305 clientes
2k (1 − ρ) 2 x 6,25x (1 − 0,75)
Promedio de clientes en el sistema: L s = L q + ρ = 1,305 + 0,75 = 2,055 clientes
Lq 1,305
Tiempo promedio en la cola: Wq = = = 8,7 minutos
λ 0,15
Ls 1
Tiempo promedio en el sistema: Ws = = Wq + = 8,7 + 5 = 13,7 minutos
λ μ
1 1
Se observa que cuando σ = → k = 2 2 = 1 , el modelo de cola M/Ek/1
μ μ xσ
es un modelo de cola M/M/1 con tiempo de servicio exponencial
ρ2 x (1 + 1) ρ2
Promedio de clientes en la cola: L q = =
2 x 1 x (1 − ρ) (1 − ρ)
EJERCICIOS DE VARIOS MODELOS DE COLAS
1. Una tienda de servicio por correo tiene una sola línea telefónica, atendida por
una operadora que tiene instrucciones de mantener en espera a un máximo de 3
clientes en la línea mientras toma sus órdenes. Las llamadas llegan según una
distribución de Poisson cada 5 minutos. El tiempo necesario para tomar cada orden
es exponencial con un promedio de 6 minutos.
a) Explicar el motivo por el que a pesar de que µ < λ , este sistema en particular no
se desborda.
b) En promedio, ¿cuánto tiempo espera un cliente antes de ser atendido por la
operadora?
Solución:
a) Es un modelo M/M/1/4 k = 3 en espera + 1 atendido

1
Tasa media de llegadas: λ = llamadas/minuto = 0,2 llamadas/minutos
5
1
Tasa media de servicio: μ = llamadas/minuto = 0,166 llamadas/minutos
6
El sistema no se desborda porque su capacidad máxima es 4
λ 0,2
b) El factor de saturación ρ = = = 1,2048 determina como varían las
μ 0,166
probabilidades pn de que haya n llamadas en el sistema.
Probabilidad de que no haya ningún cliente en espera:
1−ρ 1 − 1,2048
p0 = = = 0,1331
1 − ρk + 1 1 − 1,20485
Promedio de llamadas en el sistema:
ρ (k + 1) ρk + 1 1,2048 5 x 1,20485
Ls = − = − = −5,8828 + 8,2499 = 2,3671 llamadas
1−ρ 1 − ρk + 1 1 − 1,2048 1 − 1,20485
L s 2,3671
Tiempo de llamadas en el sistema: Ws = = = 11,8355 minutos
λ 0,2
1
Tiempo de llamadas en la cola: Wq = Ws − = 11,8355 − 6 = 5,8355 minutos
μ
Una pequeña empresa de mensajería urgente tiene 2 motos para transportar los
envíos de los clientes. El servicio está restringido al área de la ciudad y las
solicitudes se atienden telefónicamente.
2. Un asesor fiscal dispone de un local para atender a sus clientes, los cuales se
concentran mayoritariamente entre los meses de mayo y junio. El local tiene una
capacidad máxima de 8 asientosen espera, el cliente se va si no encuentra un
asiento libre, y el tiempo entre llegada de clientes se puede considerar distribuido
exponencialmente según un parámetro λ = 20 clientes por hora en período punta.
El tiempo de una consulta esta distribuido exponencialmente con una media de 12
minutos.
¿Cuántas consultas por hora realizará en promedio?
¿Cuál es el tiempo medio de permanencia en el local?
Solución:
Es un modelo M/M/1/9 k = 8 clientes espera + 1 cliente atendido

60
λ = 20 clientes/hora μ= = 5 clientes/hora
12
λ 20
El factor de saturación ρ = = = 4 determina como varían las probabilidades pn
μ 5
de que haya n clientes en el sistema.
(1 − ρ) ρn (1 − 4) 4 9
Probabilidades del estado: pn = → p9 = = 0,75
1 − ρk + 1 1 − 410
Tasa media de llegada (entrada efectiva):
λ ef = λ (1 − pk ) = 20(1 − 0,75) = 5 clientes/hora
Promedio de clientes en el sistema:
ρ (k + 1) ρk + 1 4 10 x 410
Ls = − = − = 8,67 clientes
1−ρ 1 − ρk + 1 1 − 4 1 − 410
L s 8,67
Tiempo promedio de estancia en el sistema: Ws = = = 1,734 horas
λ ef 5
3.A) Una compañía estatal, para verificar que el peso de los vehículos cumple con
el reglamento, tiene un numero de estaciones para el pesado de camiones a lo
largo de una autopista. La administración esta considerando mejorar la calidad del
servicio en sus estaciones de pesado y ha seleccionado una de las instalaciones
como modelo a estudiar.
Se desea analizar y entender el desempeño del sistema actual durante las horas de
mayor afluencia, cuando llega a la bascula el mayor numero de camiones.
Se sabe que al sistema llegan 70 clientes por hora, de acuerdo a una distribución
de probabilidad de Poisson, y se atienden a una tasa de 73 clientes por hora, con
una distribución de probabilidad exponencial. El sistema tiene capacidad para
albergar 15 camiones.
Encontrar:
a) Factor de utilización.
b) Tiempo promedio de espera de un camión en la fila.
c) Numero promedio de camiones en la fila.
d) Tiempo promedio de un camión en el sistema.
e) Numero promedio de camiones en el sistema.
f) Probabilidad de que no haya camiones en el sistema.
3.B) La compañía estatal coloca una bascula adicional en las instalaciones de
pesado, y cada una atiende a una tasa de 40 camiones por hora. La tasa de llegada
sigue siendo de 70 camiones por hora.
Evaluar el nuevo sistema de atención a los clientes, calculando las medidas de
rendimiento.
Solución:
3.A) Tasa de llegada:
70
λ = 70 camiones/hora = camiones/minuto = 1,167 camiones/minuto
60
Tasa de servicio a los camiones:
73
μ = 73 camiones/hora = camiones/minuto = 1,217 camiones/minuto
60
Como hay un único servidor, el factor de utilización coincide con la probabilidad de
que un cliente nuevo tenga que esperar en el servicio.
λ 1,167 camiones‐minuto
Probabilidad del sistema ocupado: ρ = = = 0,9589
μ 1,217 camiones‐minuto
Probabilidad del sistema sin ocupar: 1 − ρ = 1 − 0,9598 = 0,0402
b) Tiempo promedio de camiones en la fila:
λ 1,167
Wq = = = 19,178
μ (μ − λ ) 1,217 x (1,217 − 1,167)
c) Número promedio de camiones en la fila: L q = λ . Wq = 1,167 x 19,178 = 22,38
d) Tiempo promedio de un camión en el sistema:
1 1
Ws = Wq + = 19,178 + = 20 minutos
μ 1,217
e) Número promedio de camiones en el sistema: L s = λ . Ws = 1,167 x 20 = 23,34
f) Probabilidad de que no haya camiones en el sitema:
λ
p0 = 1 − = 1 − 0,9598 = 0,0402
μ
3.B) Se trata de un modelo de cola M/M/2
a) Tasa de llegada: λ = 70 camiones/hora = 1,167 camiones/minuto
Tasa de servicio a los camiones:
40
μ = 40 camiones/hora = camiones/minuto = 0,667 camiones/minuto
60
λ 1,167
s . μ 2 . 0,667
c) Número promedio de camiones en la fila:
λ 1,167
= = 1,75
μ 0,667
Probabilidad de que ningún camión se encuentre en el sistema de colas:
1 1
p0 = s −1 =
(λ / μ) (λ / μ)s ⎛ 1 ⎞
1
⎛ ⎞
n
(1,75) (1,75)2
n
∑ ∑
1
+ .⎜ ⎟ + .⎜ ⎟
n=0
n! s! ⎝ 1−ρ⎠ n=0
n! 2! ⎝ 1 − 0,8748 ⎠
1
(1,75)n (1,75)2 ⎛ ⎞ (1,75)0 (1,75)1 (1,75)2
∑
1
+ .⎜ ⎟ = 0! + 1! + 2! . 7,99 = 14,98
n=0
n! 2! ⎝ 1 − 0,8748 ⎠
1
p0 = = 0,067
14,98
(λ / μ)s . λ . μ (1,75)2 . 1,167 . 0,667

Lq = . p0 = . 0,0607 = 5,19
(s − 1)! (s . μ − λ )2 (2 . 0,667 − 1,167)2
Lq 5,19
b) Tiempo promedio de camiones en la fila: Wq = = = 4, 45
λ 1,167
d) Tiempo promedio de un camión en el sistema:
1 1
Ws = Wq + = 4, 45 + = 5,95
μ 0,667
e) Número promedio de camiones en el sistema: L s = λ . Ws = 1,167 x 5,95 = 6,94
1
f) Probabilidad de que no haya camiones en el sitema: p0 = = 0,067
14,98
4A. Se considera una línea de espera con dos canales con llegadas de Poisson y
tiempos de servicio exponenciales. Para canal, la tasa media de llegada es de 14
unidades por hora, y la tasa media de servicio es de 10 unidades por hora.
a) ¿Cuál es la probabilidad de que no haya unidades en el sistema?
b) ¿Cuál es la cantidad de unidades promedio en el sistema?
c) ¿Cuál es el tiempo promedio que espera una unidad por servicio?
d) ¿Cuál es el tiempo promedio que una unidad esta en el sistema?
e) ¿Cuál es la probabilidad de tener que esperar por el servicio?
4B. Si el sistema se expande a una operación de tres canales
a) Calcular los apartados anteriores para este sistema de línea de tres canales
b) Si el objetivo del servicio es proporcionar capacidad suficiente de modo que no
más del 25% de los clientes tenga que esperar por el servicio, ¿es preferible el
sistema de dos canales o el de tres canales?
Solución:
4.A ‐ a) Es un modelo de cola M/M/2
Tasas media de llegada y servicios: λ = 14 unidades/hora , μ = 10 unidades/hora
λ / μ = 14 / 10 = 1, 4
1 1 1
p0 = s−1 = = = 0,1764
(λ / μ)n (λ / μ)s ⎛ s . μ ⎞ (λ / μ)n (λ / μ)2 ⎛ 2 . μ ⎞ 5,667
1
∑
n=0
n!
+ ⎜ ⎟
s! ⎝ s . μ − λ ⎠ ∑
n=0
n!
+ ⎜ ⎟
2! ⎝ 2 . μ − λ ⎠
(λ / μ)n 1, 4 0 1, 41
1
∑
n=0
n!
=
0!
+
1!
= 2, 4
(λ / μ)2 ⎛ 2 . μ ⎞ 1, 42 ⎛ 2 . 10 ⎞
⎜ ⎟= ⎜ ⎟ = 3,267
2! ⎝ 2 . μ − λ ⎠ 2! ⎝ 2 . 10 − 14 ⎠
λ 14
b) Factor de utilización: ρ = = = 0,7
s . μ 2 . 10
s
1 ⎛λ⎞ ρ 1 0,7
Lq = .⎜ ⎟ . . p0 = . 1, 42. . 0,1764 = 1,345
s! μ
⎝ ⎠ (1 − ρ )2
2! (1 − 0,7)2
Lq 1,345
c) Wq = = = 0,096 horas = 5,76 minutos
λ 14
1 1
d) Ws = Wq + = 0,096 + = 0,196 horas = 11,176 minutos
μ 10
(λ / μ)s ⎛ s . μ ⎞ 1, 42 ⎛ 2 . 10 ⎞
e) p W = .⎜ ⎟ . p0 = .⎜ ⎟ . 0,1764 = 0,57624
s! ⎝ s.μ − λ ⎠ 2! ⎝ 2 . 10 − 14 ⎠
4.B ‐ a) Es un modelo de cola M/M/3
1 1
p0 = = = 0,2359
(λ / μ) (λ / μ) ⎛ 3 . μ ⎞ 4,2375
2 n 3
∑
n=0
n!
+ ⎜ ⎟
3! ⎝ 3 . μ − λ ⎠
(λ / μ)n 1, 4 0 1, 41 1, 42
2
∑
n=0
n!
=
0!
+
1!
+
2!
= 3,38
(λ / μ)3 ⎛ 3 . μ ⎞ 1, 43 ⎛ 3 . 10 ⎞
⎜ ⎟= ⎜ ⎟ = 0,8575
3! ⎝ 3 . μ − λ ⎠ 3! ⎝ 3 . 10 − 14 ⎠
λ 14
Factor de utilización: ρ = = = 0, 467
s . μ 3 . 10
s
1 ⎛λ⎞ ρ 1 0, 467
Lq = .⎜ ⎟ . . p0 = . 1, 43. . 0,2359 = 0,1773
s! μ
⎝ ⎠ (1 − ρ )2
3! (1 − 0, 467)2
Lq 0,1773
Wq = = = 0,0127 horas = 0,759 minutos
λ 14
1 1
Ws = Wq + = 0,0127 + = 0,1127 horas = 6,76 minutos
μ 10
(λ / μ)s ⎛ s . μ ⎞ 1, 43 ⎛ 3 . 10 ⎞
pW = .⎜ ⎟ . p0 = .⎜ ⎟ . 0,2359 = 0,20228
s! ⎝ s.μ − λ ⎠ 3! ⎝ 3 . 10 − 14 ⎠
4.B ‐ b) Es preferible el sistema de 3 canales, al cumplirse que menos del 25% tiene
que esperar por el servicio.
5. Un cajero bancario puede atender a los clientes a una velocidad promedio de
diez clientes por hora. Además, se supone que los clientes llegan a la ventanilla del
cajero a una tasa promedio de 7 por hora. Se considera que las llegadas siguen una
distribución de Poisson y el tiempo de servicio sigue la distribución exponencial.
a) Realizar un análisis acerca de la situación actual del Banco.
b) Si el Banco coloca un segundo cajero, en las condiciones anteriormente
descritas, ¿qué tanto se mejora el servicio?
Solución:
a) Se trata de un modelo M/M/1
Tasas media de llegada y servicios: λ = 7 clientes/hora , μ = 10 clientes/hora
λ 7
μ 10
Que es la probabilidad de que el cajero se encuentre ocupado, que al ser un solo
servidor, coincid con la probabilidad de que un cliente nuevo tenga que esperar en
λ
el servicio, es decir, p = = 0,7
μ
En definitiva, con probabilidad p0 = 1 − 0,7 = 0,3 el cajero del banco se encuentra

vacío, que es la probabilidad de tener 0 clientes en el sistema
λ2 72
Número medio de clientes en cola: L q = = = 1,63
μ (μ − λ ) 10 (10 − 7)
λ 7
Número medio de clientes en sistema: L s = = = 2,33
μ − λ 10 − 7
Lq 1,63
Tiempo medio de clientes en cola: Wq = = = 0,233 horas (14 minutos)
λ 7
L s 2,33
Tiempo medio de clientes en sistema: Ws = = = 0,333 horas (20 minutos)
λ 7
b) Es un modelo M/M/2
λ 7
Factor de intensidad de tráfico: ρ = = = 0,35
s . μ 2 . 10
La probabilidad de que ningún cliente se encuentre en el sistema:
1 1 1
p0 = s−1 = = = 0, 4814
(λ / μ) (λ / μ) ⎛ s . μ ⎞
1
n s
0,7 0,7 ⎛ 20 ⎞
n 2
2,0769
∑
n=0
n!
+ ⎜ ⎟
s! ⎝ s . μ − λ ⎠ ∑
n=0
n!
+ ⎜ ⎟
2! ⎝ 20 − 7 ⎠
1
0,7n 0,72 ⎛ 20 ⎞ 0,70 0,7
∑
n=0
n!
+ ⎜ ⎟=
2! ⎝ 20 − 7 ⎠ 0!
+
1!
+ 0,3769 = 2,0769
s
1 ⎛λ⎞ ρ 1 0,35
Lq = ⎜ μ ⎟ (1 − ρ)2 p0 = 2! 0,7 (1 − 0,35)2 0, 4814 = 0,0977
2
s! ⎝ ⎠
λ
Número medio de clientes en sistema: L s = L q + = 0,0977 + 0,7 = 0,7977
μ
Lq 0,0977
Tiempo medio de clientes en cola: Wq = = = 0,0139 horas
λ 7
L s 0,7977
Tiempo medio de clientes en sistema: Ws = = = 0,1139 horas
λ 7
6. Una entidad bancaria considera la posibilidad de instalar una red de cajeros en
una de sus oficinas. Dado que se desconoce la afluencia de público que va a
demandar dicho servicio, coloca un único cajero durante un mes. Diariamente se
recogen datos sobre los tiempos de llegadas de los clientes, así como de los
tiempos de servicio. Suponiendo que la sucursal se encuentra emplazada en un
barrio dende no existe otro servicio semejante, el cliente que llega prefiere esperar
para poder utilizar el cajero, cuando éste esté ocupado.
Tras el oportuno análisis de los datos recogidos, se estima que las llegadas siguen
un proceso de Poisson, la distribución del tiempo de servicio es exponencial, el
tiempo medio transcurrido entre dos llegadas consecutivas es de 7.5 minutos, y el
tiempo medio de servicio es de 5 minutos por cliente.
Calcular:
a) Tiempo medio de espera que debe sufrir cada cliente en cola.
b) Tamaño medio de la cola y probabilidad de que al acudir al cajero ya haya alguna
persona en la cola.
Solución:
a) Es un modelo de cola M/M/1
Tasas media de llegada y servicios:
1 1
λ= = 0,1333 clientes/minuto , μ = = 0,2 clientes/minuto
7,5 5
λ 0,1333
μ 0,2
Que es la probabilidad de que el cajero se encuentre ocupado, que al ser un solo
servidor, coincid con la probabilidad de que un cliente nuevo tenga que esperar en
λ
el servicio, es decir, p = = 0,666
μ
En definitiva, con probabilidad p0 = 1 − 0,666 = 0,334 el cajero del banco se

encuentra vacío, que es la probabilidad de tener 0 clientes en el sistema
λ2 0,13332
Lq = = = 1,32 clientes
μ (μ − λ ) 0,2 (0,2 − 0,1333)
Lq 1,32
Tiempo medio de clientes en cola: Wq = = = 9,90 minutos
λ 0,1333
b) El número medio de clientes en cola es L q = 1,32 clientes
La probabilidad de que haya al menos dos personas en el sistema es 1 − p0 − p1
(λ / μ)n 0,666
pn = . p 0 → p1 = . 0,334 = 0,222
n! 1!
1 − p0 − p1 = 1 − 0,334 − 0,222 = 0, 444
7. En una fábrica existe una oficina de la Seguridad Social a la que los obreros
tienen acceso durante las horas de trabajo. El jefe de personal, que ha observado la
afluencia de obreros a la ventanilla, ha solicitado que se haga un estudio relativo al
funcionamiento de este servicio. Se designa a un especialista para que determine el
tiempo medio de espera de los obreros en la cola y la duración media de la
conversación que cada uno mantiene con el empleado de la ventanilla.
Este analista llega a la conclusión de que durante la primera y la última media hora
de la jornada la afluencia es muy reducida y fluctuante, pero que durante el resto
de la jornada el fenómeno se puede considerar estacionario.
Del análisis de 100 periodos de 5 minutos, sucesivos o no, pero situados en la fase
estacionaria, se dedujo que el número medio de obreros que acudían a la ventanilla
era de 1,25 por periodo y que el tiempo entre llegadas seguía una distribución
exponencial. Un estudio similar sobre la duración de las conversaciones, llevó a la
conclusión de que se distribuían exponencialmente con duración media de 3,33
minutos.
Determinar:
a) Número medio de obreros en cola
b) Tiempo medio de espera en la cola
c) Comparar el tiempo perdido por los obreros con el tiempo perdido por el
oficinista. Calcula el coste para la empresa, si una hora de inactividad del oficinista
vale 250 euros y una hora del obrero 400 euros. ¿Sería rentable poner otra
ventanilla?
Solución:
a) Es un modelo de cola M/M/1
Tasas media de llegada y servicios:
1,25 1
λ= = 0,25 obreros/minuto , μ = = 0,3 obreros/minuto
5 3,33
λ 0,25
μ 0,3
Número medio de obreros en cola:
λ2 0,252
Lq = = = 4,166 obreros
μ (μ − λ ) 0,3 (0,3 − 0,25)
Lq 4,166
b) Tiempo medio de espera en la cola: Wq = = = 16,664 minutos
λ 0,25
c) Durante cada hora, hay de media L q = 4,166 obreros en cola, con lo cual el coste

por obreros ociosos es:
Coste/hora = 4,166 X 400 = 1.666, 4 euros
La probabilidad de que el oficinista este ocioso es 1 − ρ = 1 − 0,833 = 0,167 , que

tiene un Coste/hora = 0,167 X 250 = 41,75 euros .
La suma de los dos costes sería: 1.666, 4 + 41,75 = 1.708,15 euros
• Al poner otra ventanilla es un modelo de cola M/M/2
λ 0,25
Factor de utilización: ρ = = = 0, 4166
s . μ 2 . 0,3
1 1 1
p0 = s−1 = = = 0, 4119
(λ / μ)n (λ / μ)s ⎛ s . μ ⎞ (λ / μ)n (λ / μ)2 ⎛ 2 . μ ⎞ 2, 4277
1
∑
n=0
n!
+ ⎜ ⎟
s! ⎝ s . μ − λ ⎠ ∑
n=0
n!
+ ⎜ ⎟
2! ⎝ 2 . μ − λ ⎠
(λ / μ)n 0,8330 0,8331

1
∑
n=0
n!
=
0!
+
1!
= 1,833
(λ / μ)2 ⎛ 2 . μ ⎞ 0,8332 ⎛ 2 . 0,3 ⎞

⎜ ⎟= ⎜ ⎟ = 0,5947
2! ⎝ 2 . μ − λ ⎠ 2! ⎝ 2 . 0,3 − 0,25 ⎠
(λ / μ)n 0,833
pn = . p 0 → p1 = . 0, 4119 = 0,3431
n! 1!
En media, el tiempo que perdería cada oficinista será:
2p0 + p1 = 2 x 0, 4119 + 0,3431 = 1,1669
que tiene un Coste/hora = 1,1669 X 250 = 291,725 euros
De otra parte, cada hora el número medio de obreros en cola:
s
1 ⎛λ⎞ ρ 1 0, 4166
Lq = . ⎜ ⎟ . . p0 → L q = . 0,8332 . . 0, 4119 = 0,1749
s! ⎝ μ ⎠ (1 − ρ)2
2! (1 − 0, 4166)2
que tendría un Coste/hora = 0,1749 X 400 = 69,96 euros
La suma de los dos costes sería: 69,96 + 291,725 = 361,685 euros
Es recomendable porner una segunda ventanilla, dado que el coste es menor.
MODELO DETERMINISTA DE COLAS
Cuando la demanda λ es mayor que la capacidad μ , el factor de
λ
utilización ρ = > 1 , entonces para calcular las demoras es necesario
μ
utilizar otro criterio en teoría de colas.
Este fenómeno ocurre en muchos sistemas durante un período corto de tiempo
introduciendo el modelo determinista de colas.
Un modelo determinístico es un modelo matemático donde las mismas entradas
producen invariablemente las mismas salidas, sin contemplar la existencia del azar
ni el principio de incertidumbre.
Estado del sistema ≡ número de clientes en el sistema
L q ≡ Longitud de la cola ≡ número de clientes en cola =
= estado del sistema − número de clientes en servicio
λ ≡ tasa de llegadas
μ ≡ tasa de servicios
Sea N(t) ≡ Número de clientes en el sistema en el instante t =
= número de clientes en cola más el número de clientes que están siendo servidos
Si t = 0 no hay clientes N(0) = 0
Sea λ el número de llegadas independientes por unidad de tiempo, (1 / λ) el

tiempo constante entre dos llegadas consecutivas. Por otra parte, sea µ el número
de servicios por unidad de tiempo (cuando el sistema está ocupado), y (1 / μ) el
tiempo que se tarda en realizar un servicio.
Se define τ ≡ Instante de tiempo en el que se produce el primer rechazo
es decir, llega un cliente cuando en el sistema hay (k − 1) clientes.
En el análisis se distinguen dos casos, según si la tasa de llegadas es mayor (λ > μ) o
menor igual que la de servicio
λ>μ
⎛ 1⎞
Sí t ∈ ⎜ 0, ⎟ → No ha llegado todavía ningún cliente, en este intervalo de tiempo
⎝ λ⎠
no hay clientes en el sistema.
⎛1 ⎞ ⎛ ⎛ 1 ⎤⎞
Si t ∈ ⎜ , τ ⎟ → N(t) = ⎣⎡llegadas en (0, τ ]⎦⎤ − ⎜ servicios en ⎜ , τ ⎥ ⎟
⎝λ ⎠ ⎝ ⎝ λ ⎦⎠
⎛ t ⎞
Número de llegadas en (0, τ] ≡ ⎜ ⎟ = λt
⎝ 1 / λ ⎠
⎛ 1 ⎤ ⎛ t−1/λ ⎞ μ
Número de salidas ⎜ , τ ⎥ ≡ ⎜ ⎟ = μt−
⎝ λ ⎦ ⎝ 1/μ ⎠ λ
⎛ μ⎞
En consecuencia, N(t) = λ t − ⎜ μ t − ⎟
⎝ λ⎠
a) Cuando el tiempo de servicio es un múltiplo entero del tiempo entre llegadas, es
⎛1⎞ 1
decir: m ⎜ ⎟ =
⎝λ⎠ μ
En este caso, siempre que se produce la salida de un cliente hay una llegada
simultánea. Así, no puede suceder que haya simultáneamente una salida y un
rechazo, pues si un cliente sale, se deja una plaza libre en el sistema para el otro
cliente que llega en ese momento.
En consecuencia, el número de clientes es creciente hasta que a partir del
instante τ es constantemente igual a la capacidad (k − 1) del sistema.
Luego, se tiene:
⎧ 1
⎪ 0 t <
λ
⎪
⎪ ⎛ μ⎞ 1
N(t) = ⎨ λ t − ⎜ μ t − ⎟ < t< τ
⎪ ⎝ λ ⎠ λ
⎪ k−1 t ≥ τ
⎪
⎩
Suponiendo que se tiene disciplina FIFO, los valores asociados a cada cliente:
Wq(n) ≡ Tiempo de espera en cola del cliente n − ésimo .
S(n) ≡ Tiempo de servicio del n − ésimo cliente.
T (n) ≡ Tiempo transcurrido entre las llegadas de los clientes n − ésimo y

(n + 1) − ésimo
⎪⎧ Wq + S − T Sí Wq(n) + S(n) > T (n)

(n) (n) (n)
(n+ 1 )
W =⎨
q
⎪⎩ 0 Sí Wq(n) + S(n) ≤ T (n)
1
Aunque la relación se verifica en general, se observa que S(n) = y si t < τ
μ
1 ⎛1 1⎞
entonces T (n) = . Consecuentemente, Wq(n+1) = Wq(n) + ⎜ − ⎟
λ ⎝μ λ⎠
Por otra parte, si t ≥ τ un cliente entra al sistema justo cuando sale otro. Por tanto,
el cliente que entra se encuentra con (k − 2) clientes en cola delante de él y un
cliente empezando el servicio. En consecuencia, el tiempo de espera en cola para
1
este nuevo cliente será (k − 2)
μ
⎧ ⎛1 1⎞
⎪(n − 1) ⎜ − ⎟ n = 1, 2, ... , λτ − 1
⎪
En definitiva: Wq(n) = ⎨ ⎝μ λ⎠
⎪ k − 2 n ≥ λτ
⎪⎩ μ
1 1
b) ≥
λ μ
El tiempo entre llegadas es mayor o igual que el tiempo de servicio, cuando llega un
cliente es servido y sale del sistema antes de que llegue el siguiente cliente (en la
peor situación, cuando llegue el siguiente cliente si el tiempo entre llegadas es igual
al tiempo de servicio).
Por tanto, considerando que en el instante cero no hay individuos en el sistema, el
número de clientes en el sistema siempre variara entre [0, 1] y el tiempo de espera
en cola de cualquier cliente es cero.
En este caso, una situación particular supone que cuando el sistema se inicia ya hay
un número de clientes C esperando en el mismo.
1 1
• =
λ μ
Si el tiempo entre llegadas coincide con el tiempo de servicio, siempre habrá C
clientes en el sistema y el tiempo de espera en cola del n − ésimo cliente toma la
expresión:
⎧ 1
⎪⎪ (n − 1) μ 1 ≤ n ≤ C
Wq(n) = ⎨
⎪(C − 1) 1 n≥ C
⎪⎩ μ
1 1
• >
λ μ
Si el tiempo entre llegadas es mayor que el tiempo de servicio, hay un primer
instante t = 0 no hay clientes N(0) = 0 .
Hasta ese momento, el número de clientes en el sistema en cada instante será:
⎡⎛ t ⎞ ⎛ t ⎞ ⎤
N(t) = C − ⎢⎜
μ ⎟ − ⎜ 1 / λ ⎟ ⎥ = C − ( μ t − λt )
⎣ ⎝ 1 / ⎠ ⎝ ⎠⎦
El instante τ = menor real positivo tal que C = ( μ t − λ t )
Inmediatamente después del instante τ el sistema permanece vacío, hasta que se
⎛1⎞ ⎛1⎞
produce la siguiente llegada en el instante τ1 = λ t ⎜ ⎟ + ⎜ ⎟
⎝λ⎠ ⎝λ⎠
En el instante τ1 un nuevo cliente entra al sistema y al no haber nadie más, entra
directamente al servicio, del que sale en el instante τ1 + 1 , con lo que el estado del
⎡ 1⎞
sistema (número de clientes en el sistema) será 1 entre ⎢ τ1 , τ1 + ⎟
⎣ μ⎠
1 ⎛1⎞ 2
El siguiente cliente llega en el instante τ 2 = τ1 + = λ t ⎜ ⎟ + , después de haber
λ ⎝λ⎠ λ
salido el cliente anterior, después el sistema vuelve a estar vacío en el intervalo
⎡ 1 ⎞ ⎡ 1⎞
⎢ τ1 + μ , τ 2 ⎟ y toma el valor 1 entre ⎢ τ 2 , τ 2 + μ ⎟ .
⎣ ⎠ ⎣ ⎠
El proceso es reiterativo, en consecuencia:
⎧
⎪ C − (μ t − λt) 0 ≥ t < τ
⎪
⎪ 1 1 1 k
N(t) = ⎨ 0 τ ≤ t < τ1 τk + ≥ t < τ k + siendo τk = (λτ) +
⎪ μ λ λ λ
⎪ 1
⎪ 1 τk ≥ t < τk +
⎩ μ
Verificando la igualdad Wq(n+1) = Wq(n) + S(n) − T (n) se tiene la siguiente expresión para

el tiempo de espera en cola:
⎧ 1
⎪ (n − 1) 1 ≤ n ≤ C
μ
⎪
⎪ 1 k
Wq(n) = ⎨(C + k − 1) − n = C + k 0 ≤ k ≤ λτ
⎪ μ λ
⎪ 0 n = C + k k > λτ
⎪
⎩
SISTEMA DE UN AEROPUERTO:
EQUILIBRIO ENTRE DEMANDA Y CAPACIDAD OPERACIONAL
La llegada a un aeropuerto (aviones como
pasajeros) es un fenómeno aleatorio que se analiza
utiliazando modelos estocásticos de colas.
La demanda en períodos de poca duración excede de la capacidad del aereopuerto,
proceso que se analiza con modelos deterministicos.
Asumiendo las condiciones de operación IFR
(Instrumental Flight Rules) que no es necesario
tener contacto visual con el terreno, las llegadas
de aviones en un aeropuerto con dos pistas siguen
un proceso de Poison a la hora de parámetro 45.
El tiempo de servicio por separación de llegadas sigue una distribución exponencial
de 90 segundos.
••••
Es una cola de tipo M/M/2 con s = 2 servidores
λ = 45 aviones/hora
1 90 1
= = → μ = 40 aviones pista por hora
μ 60 x 60 40
λ 45
μ 40
λ 45
Factor de utilización o intensidad tráfico: ρ = = = 0,5625
s μ 2 x 40
Probabilidad que ningún avión se encuentre en el sistema de cola:
1 1
p0 = s−1 s = 2−1 =
(λ / μ)n 1 ⎛ λ ⎞ 1 1,125n 1
∑ ∑
1
+ + 1,1252 x
s! ⎜⎝ μ ⎟⎠ 1 − ρ
x
n=0
n! n=0
n! 2! 1 − 0,5625
1
= = 0,28
1 + 1,125 + 1, 446
Número medio de aviones en cola:
s
1⎛λ⎞ ρ 1 0,5625
Lq = ⎜ ⎟ p0 = x 1,1252 x x 0,28 = 0,52
s! ⎝ μ ⎠ (1 − ρ)2
2! (1 − 0,5625)2
λ
Número medio de aviones en sistema: L s = L q + = 0,52 + 1,125 = 1,645
μ
Tiempo medio de aviones esperando en cola:
Lq 0,52
Wq = x 60 = x 60 = 0,69 minutos
λ 45
1 60
Tiempo medio de aviones en el sistema: Ws = Wq + = 0,69 + = 2,19 minutos
μ 40
Con una hoja de cálculo se puede elaborar un analisis de sensibilidad del sistema y
un diagrama de la variación de aviones en cola según demanda. En esta línea, para
distintas tasas de llegadas de aviones se obtiene:
λ 20 25 30 35 40 45 50 55
Wq 0,1 0,162 0,245 0,355 0,5 0,694 0,962 1,344
λ 20 25 30 35 40 45 50 55
Lq 0,033 0,068 0,123 0,207 0,333 0,521 0,801 1,232
••••••••
El aeropuerto tiene dos sistemas de rayos‐X,
experiencias anteriores indican que un
pasajero tarda 45 segundos en pasar por el
área de seguridad, según una distribución de
servicio exponencial.
Los clientes llegan en promedio al área de seguridad cada 25 segundos de acuerdo
a una función de Poisson.
El director del aeropuerto quiere analizar la situación para conseguir que en un
futuro próximo la demanda aumente un 60%.
Para ello, necesita:
(a) Analizar la situación actual.
(b) Máquinas de rayos‐X que se deben instalar en el futuro para dar un servicio de
forma que el pasajero medio no espera más de dos minutos en la cola.
(c) Probabilidad de que en un futuro más de cuatro pasajeros esperan en la cola.
••••
(a) En la actualidad: El sistema de seguridad es una cola de tipo M/M/2 con
s = 2 servidores
Si el número de llegadas sigue una distribución de Poisson P(λ ) , el tiempo entre
llegadas sigue una distribución exponencial de media (1 / λ )
1 1 60 x 60
= = = 144 ⇒ λ = 144 pasajeros/hora
λ 25 / 60 x 60 25
1 1 60 x 60
= = = 80 ⇒ μ = 80 pasajeros/hora seguridad
μ 45 / 60 x 60 45
λ 144
μ 80
λ 144
Factor de utilización del sistema de cola: ρ = = = 0,9
s μ 2 x 80
Probabilidad del sistema vacío:
1 1
p0 = 2−1 = = 0,0526
n 1
∑
1,8 1 1 1 + 1,8 + x 32, 4
+ x
2
1,8 x 2
n=0
n! 2! 1 − 0,9
Número medio de pasajeros en cola:
s
1⎛λ⎞ ρ 1 0,9
Lq = ⎜ ⎟ p0 = x 1,82 x x 0,0526 = 7,674
s! ⎝ μ ⎠ (1 − ρ)2
2! 0,12
λ
Número medio de pasajeros en sistema: L s = L q += 7,674 + 1,8 = 9, 474
μ
L 7,674
Tiempo promedio espera en la cola: Wq = q = (60 x 60) = 192 segundos
λ 144
L s 9, 474
Tiempo promedio espera en sistema: Ws = = (60 x 60) = 237 segundos
λ 144
En la situación actual con dos aparatos de rayos‐X (servidores) el tiempo medio de
pasajeros en cola es de 192 segundos > 120 segundos, por lo que se necesitaría
incorporar servidores (aparatos rayos‐X)
(b) En un futuro próximo, además de la necesidad de incorporar servidores,
aumenta la demanda de pasajeros en un 60%.
λ = 144 x 1,60 = 230, 4 pasajeros/hora
μ = 80 pasajeros/hora área seguridad
λ 230, 4
μ 80
• Si el número de servidores fuera s = 3 , tipo de cola M/M/3, se tendría:
λ 230, 4
s μ 3 x 80
Probabilidad del área de seguridad vacía:
1 1 1
p0 = 3−1 = = = 0,0093
n 1 107,56
∑
2,88 1 1 1 + 2,88 + x 2,88 + 99,5328
2
+ x 2,883 x 2
n=0
n! 3! 1 − 0,96
Número medio de espera de pasajeros en área de seguridad:
s
1⎛λ⎞ ρ 1 0,96
Lq = ⎜ ⎟ p0 = x 2,883 x x 0,0093 = 22,2157
s! ⎝ μ ⎠ (1 − ρ)2
3! 0,042
Lq 22,2157
Tiempo promedio espera en la cola: Wq = = (60 x 60) = 347 segundos
λ 230, 4
Siendo Wq = 347 segundos > 120 segundos se necesita incrementar el número de
servidores en el sistema.
• Si el número de servidores fuera s = 4 , tipo de cola M/M/4, se tendría:
λ 230, 4
s μ 4 x 80
Probabilidad del área de seguridad vacía:
1
p0 = 4 − 1 =
2,88n 1
∑
1
+ 4
x 2,88 x
n=0
n! 3! 1 − 0,72
1 1
= = = 0,045
1 1 1 1 22,246
1 + 2,88 + x 2,88 + x 2,88 +
2 3
x 2,88 4 x
2 6 4! 1 − 0,72
Número medio de espera de pasajeros en área de seguridad:
s
1⎛λ⎞ ρ 1 0,72
Lq = ⎜ ⎟ p0 = x 2,88 4 x x 0,045 = 1,1846
s! ⎝ μ ⎠ (1 − ρ)2
4! 0,282
Lq 1,1846
Tiempo promedio espera en la cola: Wq = = (60 x 60) = 18,51 segundos
λ 230, 4
Wq = 18,51 segundos < 120 segundos , con lo que habría que instalar 4 servidores (4
aparatos de rayos‐X), con número medio de cuatro pasajeros en el sistema:
λ
L s = L q + = 1,1846 + 2,88 = 4,06 ≈ 4
μ
Con una hoja de cálculo se puede elaborar un diagrama de variación de segundos
en la cola dependiendo de los servidores:
s ≡ Servidores 3 4 5
Wq ≡ Segundos sistemas colas 347 18,5 0,04
c) La probabilidad de que más de cuatro pasajeros esperan en la cola es la
probabiidad de que esperen más de ocho pasajeros en el sistema (L = L q + L s > 4 + 4)
(λ / μ)n (λ / μ)n
Probabilidad del estado n: pn = p0 n ≤ s pn = p0 n > s
n! s! s(n − s)
⎛ 4 (λ / μ)n 8
(λ / μ)n ⎞
P(n > 8) = 1 − P(n ≤ 8) = 1 − ⎜
⎜ n = 0 n!
⎝
∑p0 +
n=5
s! s ∑
(n − s)
p 0⎟=
⎟
⎠
= 1 − (0,66937 + 0,24256) = 0,08807
4
(λ / μ)n 2,88n
4
⎛ 2,882 2,883 2,88 4 ⎞
∑
n=0
n!
p0 =
n=0
∑
n!
X 0,045 = ⎜ 1 + 2,88 +
⎝ 2
+
6
+
24
⎟ X 0,045 = 0,66937
⎠
(λ / μ)n 0,045 ⎛ 2,885 2,886 2,887 2,88 8 ⎞

8 8
2,88n
∑
n=5
s! s (n − 4)
p0 =
n=5
∑
4(8 − 4)
X
4!
=⎜
⎝ 4
+
4 2
+
4 3
+
4 4 ⎟ X 0,001875 =
⎠
= 0,24256
En una sola pista (servidor), una distribución de servicios general (G),
conociendo la tasa media de servicios μ y la desviación estándar de los
servicios σ , un modelo M/G/1
Con condición de operación FIR, las llegadas aleatorias a la pista son de 24 a la hora,
mientras que el tiempo de servicio definido por separación de llegadas es de 120
segundos con una desviación estándar de 20 segundos.
Tasa de llegadas λ = 24 aviones/hora
1
Tiempo medio entre llegadas consecutivas =
λ
1
Tiempo medio de servicio =
μ
1 120 1
= = → Tasa de servicio μ = 30 aviones/hora
μ 60 x 60 30
20 1
σ = 20 segundos = = horas
60 x 60 180
En la práctica, con control radar, cuando la población de aviones es homogénea se
espera un valor bajo de la desviación estándar (30‐40 segundos), con una población
de aviones no homogénea el valor de la desviación estándar es ≥ 60 segundos.
λ 24
μ 30
En la práctica cuando el factor de utilización ρ se aproxima a 0,85 es necesario
aumentar la capacidad del sistema.
λ 2σ 2 + ρ2 242 (1 / 180)2 + 0,82

Número de aviones en cola L q = = = 1,644
2(1 − ρ) 2(1 − 0,8)
λ
Número medio de aviones en sistema L s = L q + = 1,644 + 0,8 = 2, 444
μ
Número medio de aviones en servicio L = L q + L s = 1,644 + 2, 444 ≈ 4
Lq 1,644
Tiempo medio de aviones en cola Wq = = = 0,0685 horas = 4,11 minutos
λ 24
Lq λ ⎡⎣ σ 2 + (1 / μ)2 ⎤⎦ 24 ⎡⎣ (1 / 180)2 + (1 / 30)2 ⎤⎦

Wq = = = = 4,11 minutos
λ 2 [1 − (λ / μ)] 2 [1 − (24 / 30)]
L s 2, 444
Tiempo medio aviones en sistema Ws = = x (60) = 6,11 minutos
λ 24
Las llegadas aleatorias de pasajeros‐hora a la pista (demanda λ ) y
la capacidad terminal (μ) son:
⎧1500 0 < t < 1 hora ⎧1000 t ≤ 2 horas
λ=⎨ μ = ⎨
⎩ 500 t > 1 hora ⎩1500 t > 2 horas
λ
El factor de utilización ρ => 1 , la demanda es mayor que la capacidad, por lo que
μ
es necesario utilizar un modelo determinístico de teoría de colas.
t
Estado de la cola: L t = ∫ (λ t − μ t ) dt
0
En la práctica, L t = L t − 1 + (λ t − μ t ) Δt
se estima con facilidad en una hoja de
cálculo.
L t ≡ número de unidades en la cola en un instante t
λ t ≡ función de demanda (entidades por unidad de tiempo)
μ t ≡ capacidad del sistema (entidades por unidad de tiempo)
Utilizando una hoja de cálculo (Excel) se tiene:
t (horas) Lt λt μt λ t − μt Δt
0,0 0 1500 1000 500 100
0,2 100 1500 1000 500 100
0,4 200 1500 1000 500 100
0,6 300 1500 1000 500 100
0,8 400 1500 1000 500 100
1,0 500 500 1000 −500 −100
1,2 400 500 1000 −500 −100
1,4 300 500 1000 −500 −100
Con un gráfico de flujos acumulados del estado de la cola L t y tiempo de espera Wt
se observa:
Longitud cola:
L t = distancia vertical (líneas de demanda, capacidad acumuladas)
Tiempo espera:
Wt = distancia horizontal (líneas de demanda, capacidad acumuladas)
Estado de la cola: L t = 1500 − 1000 = 500 en t = 1 hora
Demora total Td
Td = Área comprendida entre las líneas de demanda y capacidad acumuladas
Td = 2 x (0,5 x 500) = 500 pasajeros/hora
Td
Tiempo promedio de espera (demora) Wq = Nd ≡ número pasajeros afectados
Nd
Td 500
Wq = = = 0,25 horas = 15 minutos
Nd 2000
Td
Promedio de pasajeros en cola: L q = td ≡ tiempo duración de la cola
td
Td 500
Promedio pasajeros en cola L q = = = 250 pasajeros
td 2
SERIES Y REDES DE COLAS
Hasta este momento los clientes demandaban del sistema una sola operación de
servicio, por tanto, los sistemas eran de un único nodo, donde podría haber varios
servidores idénticos paralelos.
En un sistema de colas interesan sistemas con múltiples nodos en los que el cliente
requiere servicios en más de un nodo.
Una situación en la que los clientes pueden entrar al sistema por varios nodos,
hacer cola para ser servidos y salir de un nodo dado para entrar en otro y recibir un
servicio adicional o para abondar el sistema.
Los clientes no entran y salen del sistema necesariamente por los mismos nodos,
tampoco siguen el mismo camino una vez en el sistema, pueden regresar a nodos
previamente visitados y saltarse algunos nodos e incluso permanecer en el sistema
para siempre.
Una Red de colas es un sistema donde existen varias colas, un conjunto de nodos
interrelacionados funcionando asincrónica (entradas y salidas de clientes sin
sincronizar) y simultáneamente.
Se trata, por tanto, de un grafo orientado en el que se pueden producir
transacciones de clientes que salen servidos de un nodo hacia otro. La forma más
habitual para modelizar el modo en el que los clientes servidos en un nodo se
dirijan a otro, es considerado que lo hacen de acuerdo con una distribución
discreta.
En teoría de colas, se entiende por nodo un subsistema que conforma una red de
colas, este subsistema a su vez es también un sistema de colas, pudiendo ser
compuesto por cualquiera de los modelos tratados anteriormente.
Un grafo orientado se define como un conjunto de nodos enlazados de forma
direccional.
En la figura se muestra una red de formada
por cuatro nodos, cada uno de ellos con su
propio sistema de colas.
ASESORÍA EMPRESARIAL COMO RED DE COLAS: Los clientes llegan y esperan a ser
atendidos por el servicio de recepción, desde allí son derivados al servicio solicitado
(contable, fiscal, etc.), allí esperan la cola correspondiente y una vez que son
atendidos, tienen que hacer cola en un servicio de gestión de cobros.
Una red de colas es un sistema donde existen varias colas, los clientes van fluyendo
de una cola a otra. Para decidir a qué cola se dirige un cliente que acaba de salir de
una cola hay dos tipos de criterios:
♦ Probabilístico: Se elige una ruta u otra en función de una probabilidad, pudiendo
haber distintos tipos de clientes con distintas probabilidades.
♦ Determinista: Cada clase de cliente se dirige a una cola fija.
La teoría de Redes de colas contempla dos modelos:
a) Redes abiertas: Los clientes pueden entrar y salir del sistema. Hay dos clases:
• Acíclicas: Un cliente nunca puede volver a la misma cola.
• Cíclicas: Cuando hay bucles en la red.
b) Redes cerradas: No entran nuevos clientes y los clientes existentes nunca salen,
esto es, el número de clientes es constante en el tiempo, como puede ser la
reparación de máquinas.
SISTEMA DE COLAS TÁNDEM
También denominado sistema secuencial o en serie.
En un sistema de colas tándem un cliente debe visitar diversos servidores antes de
completar el servicio requerido. Se utiliza para casos en los que el cliente llega de
acuedo al proceso de Poisson y el tiempo de atención se distribuye
exponencialmente en cada estación.
Se considera un ejemplo en el que los clientes llegan según un proceso de Poisson
de parámetro λ , y pasan sucesivamente por dos colas en serie, respectivamente,
con tasas de servicio μ 1 y μ 2
♦ El número de clientes de cada uno de los servidores es independiente del otro.
♦ Los tiempos de espera de un cliente en cada cola no son independientes.
♦ Los tiempos totales de espera (cola + servicio) son independientes.
El estado del sistema es un par (n, m) con n clientes en el nodo 1 y m clientes en

el nodo 2.
Las ecuaciones del balance o de equilibrio (tasa de entrada debe de ser igual a la de
salida), n > 0, m > 0 , son:
Estado Tasa entrada = Tasa salida

(0, 0) μ 2 r0,1 = λ r0 , 0
(n, 0) λ rn − 1, 0 + μ 2 rn, 1 = (λ + μ 1 ) rn, 0
(0, m) μ1 r1, m − 1 + μ 2 r0 , m + 1 = (λ + μ 2 ) r0 , m
(n, m) λ rn − 1, m + μ 1 rn + 1, m − 1 + μ 2 rn, m + 1 = (λ + μ 1 + μ 2 ) rn, m
⎧ rn, 0 ≡ probabilidad de n clientes en el nodo 1

con ∑ r = 1 . Sea ⎨
⎩r0, m ≡ probabilidad de m clientes en el nodo 2
n, m
n, m
El nodo 1 es un modelo de cola M/M/1 y , por el teorema de Burke, el nodo 2
también es un modelo de cola M/M/1. En consecuencia,
n m
⎛ λ ⎞ ⎛ λ ⎞ ⎛ λ ⎞ ⎛ λ ⎞
rn, 0 = ⎜ ⎟ ⎜ 1 − ⎟ r0, m = ⎜ ⎟ ⎜ 1 − ⎟
⎝ μ1 ⎠ ⎝ μ1 ⎠ ⎝ μ2 ⎠ ⎝ μ2 ⎠
Si los clientes en los nodos 1 y 2 son variables aleatorias independientes se verifica
que rn, m = rn, 0 . r0 , m , propiedad que verifica las ecuaciones de equilibrio.
En consecuencia, rn, m = rn, 0 . r0 , m es la solución estacionaria y el número de clientes

en el nodo 1 es independiente del número de clientes en el nodo 2, lo que no
implica que los tiempos de espera de un cliente en las dos colas sean
independientes.
Sin embargo, los tiempos totales de espera (cola + servicio) son independientes.
El número medio de clientes en la red en tándem (serie o secuencial):
λ λ 2
λ
Lred = ∑ (n + m) rn, m = ∑ n rn, 0 + ∑ m r0, m = + =∑
n, m n m μ1 − λ μ 2 − λ i = 1 μ i − λ
Lred
Tiempo medio de un cliente en la red (desde que entra hasta que sale): Wred =
λ red
⎛ 1 1 ⎞
Tiempo medio de un cliente en cola: c Wq = Wred − ⎜ + ⎟ e
⎝ μ1 μ 2 ⎠
Un autoservicio dispone de tres empleados, un camarero sirve el primer plato,
el segundo camarero sirve el segundo plato y el tercero se encarga de la caja.
El primer camarero dispone de suficiente espacio para atender a clientes sin
limitación, mientras que los otros dos camareros tienen un espacio limitado a dos
personas como máximo. El autoservicio, modelado como red, muestra que la tasa
media de llegada a la hora de la comida es de 54 clientes/hora, el pimer camarero
tiene un tiempo medio de servicio de un minuto y el segundo camarero de treinta
segundos. Se solicita:
a) Valor máximo del tiempo de servicio del tercer camarero para que su trabajo no
interrumpa al de sus compañeros.
b) Longitud de las colas que forman el sistema.
c) Tiempo medio que un cliente pasa en el autoservicio desde que llega hasta que
sale dispuesto para comer.
Solución:
Es un modelo de red de colas en tándem, con tres nodos (subsistemas), cada uno
un modelo de cola M/M/1.
54
λ = 54 clientes/hora = = 0,9 clientes/minuto
60
1
= 1 minuto → μ 1 = 1 minuto
μ1
1 30
= 30 segundos = = 0,5 minutos → μ 2 = 2 minutos
μ2 60
λ
El factor de utilización o intensidad de tráfico ρ = < 1 para que la red no se
μ
sature y el estado sea estacionario.
λ 0,9 λ 0,9
ρ1 = = = 0,9 ρ2 = = = 0, 45
μ1 1 μ2 2
λ2 ρ2
a) Número promedio de clientes en cola: L q = =
μ (μ − λ ) (1 − ρ)
ρ23
Número máximo de clientes en cola nodo 3: L q3 = =2
(1 − ρ3 )
ρ23 + 2 ρ3 − 2 = 0 ⇒ ρ3 = 0,732 ρ3 = −2,732
0,9 0,9
Intensidad de tráfico nodo 3: ρ3 = ⇒ μ3 = = 1,2295 minutos
μ3 0,732
ρ12 0,92 ρ22 0, 452

b) L q1 = = = 8,1 clientes L q2 = = = 0,3682 clientes
(1 − ρ1 ) 1 − 0,9 (1 − ρ2 ) 1 − 0, 45
L q3 = 2 clientes
1
c) Tiempo promedio de estancia en sistema de cada nodo: Wsi =
μi − λ
1 1
Ws1 = = 10 minutos Ws2 = = 0,9091 minutos
1 − 0,9 2 − 0,9
1
Ws3 = = 3,0350 minutos
1,2295 − 0,9
3
∑ μ − λ = 10 + 0,9091 + 3,0350 = 13,9441 minutos

1
Wsi =
i= 1 i
Una empresa de ITV en una localidad dispone de una superficie que consta de
tres partes: Una caseta donde los clientes entregan la documentación del vehículo y
realizan el pago de tasas, con un espacio físico para un máximo de quince vehículos.
Una nave formada por dos circuitos (equipamiento y personal técnico) para revisar
los vehículos, con una tasa de servicio medio de 45 clientes /hora. Una oficina con
dos puestos donde los conductores recogen la documentación y la ficha de la
inspección técnica.
Acude a la nave una media de 57 clientes/hora, un mayor número de vehículos
colapsaría el trabajo de la caseta, cuyo empleado atiende a un ritmo medio de 1
cliente/minuto; mientras que un oficinista tarda una media de 2 minutos/cliente.
Las llegadas siguen una Poisson y el tiempo de servicio exponencialmente. Se pide:
a) Longitud media de la cola de vehículos que habiendo pagado las tasas se
encuentran esperando a la entrada de la nave.
b) Tiempo medio que un cliente pasa en la oficina.
c) Tiempo medio que un cliente se encuentra en la ITV
d) Para agilizar el proceso la empresa estudia la posibilidad de ampliar el número
de servidores en la caseta o en la oficina. Suponiendo que el coste de ampliación en
uno u otro lugar fuera equivalente, ¿qué criterio sería más acertado para que el
tiempo de servicio del sistema fuera menor?
Solución:
a) La empresa de ITV se puede modelizar como una red de colas en tándem con
tres nodos (subsistemas), el nodo 1 un modelo de cola M/M/1 y los nodos 2 y 3 un
modelo de cola M/M/2
Nodo 1: λ 1 μ1 = 1 cliente/minuto s1 = 1
Nodo 2: s2 = 2
λ 2 = 57 clientes/h = 0,95 clientes/minuto μ 2 = 45 clientes/h = 0,75 clientes/minuto
Nodo 3: s3 = 2
1
λ 3 = 0,95 clientes/minuto = 2 minutos/cliente → μ 3 = 0,5 cliente/minuto
μ3
s2
1 ⎛ λ2 ⎞ ρ2
Número promedio de clientes en cola 2: L q2 = ⎜ ⎟ p02
s2 ! μ
⎝ 2⎠ (1 − ρ 2 )2
λ2 0,95
Factor de utilización o intensidad tráfico: ρ2 = = = 0,633 < 1 con lo
s2 . μ 2 2 . 0,75
que el nodo (subsistema) no se satura, existe un estado estacionario.
λ 2 0,95
Utilización promedio del nodo (subsistema) 2: us2 = = = 1,267
μ 2 0,75
Probabilidad de que ningún cliente se encuentre en la cola 2:
1 1
p02 = s2 − 1 = =
(λ 2 / μ 2 ) (λ 2 / μ 2 ) ⎛ s2 . μ 2 ⎞ (1,267) (1,267)2 ⎛ ⎞
n s 1 n
∑ ∑
2 . 0,75
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s2 ! ⎝ s2 . μ 2 − λ 2 ⎠ n=0
n! 2 ⎝ 2 . 0,75 − 0,95 ⎠
1
= = 0,224
1 + 1,267 + 2,189
1 0,633
por tanto, L q2 = 2
x 1,267 x x 0,224 = 0,845 clientes
2 (1 − 0,633)2
λ2
Número promedio de clientes en el nodo 2 (cola + servicio): L s2 = L q2 +
μ2
λ2 0,95
L s2 = L q2 + = 0,845 + = 2,112 clientes
μ2 0,75
λ3
b) Tiempo promedio de estancia en nodo 3 (cola + servicio): L s3 = L q3 +
μ3
λ3 0,95
Factor de utilización o intensidad tráfico oficina: ρ3 = = = 0,95 < 1
s3 . μ 3 2 . 0,5
con lo que la oficina (subsistema) no se satura, existe un estado estacionario.
aumentar la capacidad del sistema (número servidores).
λ 3 0,95
Utilización promedio de la oficina: us3 = = = 1,9
μ 3 0,5
Probabilidad de que ningún cliente se encuentre en la cola de la oficina:
1 1
p03 = = = 0,026
(1,9) (1,9) ⎛
1 n 2
⎞ 1 + 1,9 + 36,1
∑
2 . 0,5
+ ⎜ ⎟
n=0
n! 2 ⎝ 2 . 0,5 − 0,95 ⎠
Número promedio de clientes en cola de la oficina:
s3
1 ⎛ λ3 ⎞ ρ3 1 0,95
L q3 = ⎜ ⎟ p03 = x 1,92 x x 0,026 = 17,833 clientes
s3 ! μ
⎝ 3⎠ (1 − ρ 3 )2
2 (1 − 0,95)2
Número promedio de clientes en el sistema de la oficina:
λ3 0,95
L s3 = L q3 + = 17,833 + = 19,733 clientes
μ3 0,5
Tiempo promedio de estancia en el sistema de la oficina (cola + servicio):
L s3 19,733
Ws3 = = = 20,771 minutos
λ3 0,95
c) El tiempo medio de un cliente en la ITV es la suma de los tiempos medios en los
3
tres nodos (subsistemas): Wi = ∑ Wsi
i=1
• Tiempo promedio de estancia en nodo 1 (cola + servicio):
1 1
Ws1 = = = 20minutos
μ1 − λ 1 1 − 0,95
λ 1 0,95
La intensidad tráfico de la caseta: ρ1 = = = 0,95 < 1
μ1 1
aumentar la capacidad del sistema (número servidores).
• Tiempo promedio de estancia en nodo 2 (cola + servicio):
L s2 2,112
Ws2 = = = 2,223 minutos
λ 2 0,95
• Tiempo promedio de estancia en nodo 3 (cola + servicio): Ws3 = 20,771 minutos

3
Wi = ∑ Wsi = 20 + 2,223 + 20,771 = 43 minutos
i=1
d) Atendiendo a la intensidad del tráfico, al ser mayor que 0,85, habría que
aumentar la capacidad de los subsistemas (nodos) 1 y 3, es decir, habría que ñadir
servidores.
♦ Al añadir un servidor al nodo 1 pasa de ser un modelo de cola M/M/1 a M/M/2,
los datos: λ 1 = 0,95 clientes/minuto μ1 = 1 cliente/minuto s1 = 2
λ 1 0,95
Utilización promedio de la caseta: us1 = = = 0,95
μ1 1
λ1 0,95
Intensidad del tráfico de la caseta: ρ1 = = = 0, 475
s1 . μ1 2 . 1
Probabilidad de que ningún cliente se encuentre en la caseta:
1 1
p01 = s1 − 1 = =
(λ 1 / μ1 ) (λ 1 / μ 1 ) ⎛ s1 . μ 1 ⎞ 0,95 0,95 ⎛ ⎞
n s 1 n 2
∑ ∑
2
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s1 ! ⎝ s1 . μ 1 − λ 1 ⎠ n=0
n! 2 ⎝ 2 − 0,95 ⎠
1
= = 0,356
1 + 0,95 + 0,859
Número promedio de clientes en la caseta:
s1
1 ⎛ λ1 ⎞ ρ1 1 0, 475
L q1 = ⎜ ⎟ p = x 0,95 2
x x 0,356 = 0,2768
⎝ μ1 ⎠ (1 − ρ1 ) (1 − 0, 475)2
2 01
s1 ! 2
Número promedio de clientes en el sistema de la caseta:
λ1
L s1 = L q1 + = 0,2768 + 0,95 = 1,2268 clientes
μ1
Tiempo promedio de estancia en el sistema de la caseta (cola + servicio):
L s1 1,2268
Ws1 = = = 1,2914 minutos
λ1 0,95
Tiempo ganado de respuesta: 20 − 1,2914 = 18,7086 minutos
♦ Al añadir un servidor al nodo 3 pasa de ser un modelo de cola M/M/2 a M/M/3,
los datos: λ 3 = 0,95 clientes/minuto μ 3 = 0,5 cliente/minuto s3 = 3
λ 3 0,95
Utilización promedio de la oficina: us3 = = = 1,9
μ 3 0,5
λ3 0,95
Intensidad del tráfico de la oficina: ρ3 = = = 0,633
s3 . μ 3 3 . 0,5
Probabilidad de que ningún cliente se encuentre en la oficina:
1 1
p03 = s3 − 1 = =
(λ 3 / μ 3 ) (λ 3 / μ 3 ) ⎛ s3 . μ 3 ⎞ 1,9 1,9 ⎛ ⎞
n s 2 n 3
∑ ∑
3 x 0,5
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s3 ! ⎝ s3 . μ 3 − λ 3 ⎠ n=0
n! 6 ⎝ 3 x 0,5 − 0,95 ⎠
1
= = 0,1278
1,92
1 + 1,9 + + 3,1177
2
Número promedio de clientes en la oficina:
s3
1 ⎛ λ3 ⎞ ρ3 1 0,633
L q3 = ⎜ ⎟ p03 = x 1,93 x x 0,1278 = 0,6866
s3 ! μ
⎝ 3⎠ (1 − ρ 3 )2
6 (1 − 0,633)2
Número promedio de clientes en el sistema de la oficina:
λ3
L s3 = L q3 + = 0,6866 + 1,9 = 2,5866 clientes
μ3
Tiempo promedio de estancia en el sistema de la oficina (cola + servicio):
L s3 2,5866
Ws3 = = = 2,7227 minutos
λ3 0,95
Tiempo ganado de respuesta: 20,771 − 2,7227 = 18,0483 minutos
Instalando dos servidores en la caseta, el tiempo promedio en pasar la inspección:
3
Wi = ∑ Wsi = 1,291 + 2,223 + 20,771 = 24,285 minutos
i=1
REDES DE JACKSON ABIERTAS
Son redes con k nodos que contemplan la posibilidad de entrada de clientes desde
el exterior.
Las redes abiertas verifican tres propiedades:
a) La llegada de clientes al nodo i desde fuera del sistema sigue un proceso de
Poisson de parámetro o tasa λ i . También pueden llegar clientes al nodo i desde
otros nodos de dentro de la red.
b) Cada nodo i consiste en si servidores, cada uno con tiempo de servicio
exponencial de parámetro μ i
c) El cliente una vez servido en el nodo i pasa (instantáneamente) a nodo j
j = 1, 2, ... , k con probabilidad rij o abandona la red con probabilidad ri0
Dado que el flujo total de entrada a un nodo i (i = 1, 2, ... , k) debe ser igual al flujo

total de salida del nodo, se obtiene las denominadas ecuaciones de tráfico o
ecuaciones de equilibrio:
k
Λ i = λ i + ∑Λ r
j=1
j ji
Las ecuaciones de los Λ i son intuitivas: λ i es la tasa de llegadas al nodo i desde

fuera del sistema, y Λ j es la tasa de la que los clientes salen del nodo j . La tasa de
entrada debe de ser igual a la de salida.
Λ j rji ≡ Tasa de llegada al nodo i de clientes que salen del nodo j
Las k ecuaciones anteriores forman un sistema lineal con solución única, que se
resuelve para hallar las tasas de llegada a cada nodo Λ i
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 rk 1 ⎞ ⎛ Λ1 ⎞
⎜ Λ ⎟ ⎜ λ ⎟ ⎜r r rk 2 ⎟⎟ ⎜Λ ⎟
(
En forma matricial Λ = λ + Λ r : ⎜ ⎟ = ⎜ ⎟ + ⎜
2
⎜ ⎟ ⎜ ⎟ ⎜
2
) 12 22
⎟
⎜ 2⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ k ⎠ ⎝ λ k ⎠ ⎝ r1k r2k rkk ⎠ ⎝ Λk ⎠
La solución Λ = (I − r)−1 λ proporciona las tasas totales de llegada a cada subsistema

(venga de fuera o de otro nodo).
El teorema de Jackson indica que las redes con realimentación son tales que los
nodos se comportan como si fueran alimentados totalmente por llegadas de
Poisson, aunque en realidad no sea así.
Las probabilidades estacionarias en cada nodo son las de un modelo M/M/s,
incluso aunque el modelo no sea un modelo M/M/s. Los estados ni de los nodos
individuales son variables aleatorias independientes.
Para que ninguna de las colas del sistema se sature, es preciso que se cumpla la
Λ
condición: ρi = i ρi < 1 ∀ i = 1, 2, ... , k
si μ i
condición de no saturación del modelo M|M|s, aplicada a cada uno de los nodos
por separado.
La probabilidad de que en el estado estacionario haya n1 clientes en el nodo 1 , n2
clientes en el nodo 2 , ... ,
k
rini Λ ⎧ ni ! ni < si
∏
p0i
pn1 n2 ... nr = p0i ri = i a(ni ) = ⎨ (ni − si ) =1
μi si ni ≥ si k
rini
⎩ si
∑
i=1
ai (ni )
p
i=1
ai (ni ) 0i
concretamente si si = 1 ∀ i = 1, 2, ... , k
pn1 n2 ... nk = (1 − ρ1 ) ρn11 (1 − ρ2 ) ρn22 ... (1 − ρk ) ρnkk
Las medidas de rendimiento para cada nodo se calculan según las ecuaciones del
modelo M|M|s, teniendo las siguientes consideraciones:
En una red Jackson abierta que cumple la condición de no saturación, en estado
estacionario, la distribución del número de clientes en cada nodo es:
k
p (n) = ∏ pi (ni ) ∀ n1 , … , nk ≥ 0
i=1
pi (ni ) ≡ probabilidad de que haya ni clientes en el nodo i
k
λ red = ∑ λ i ≡ Número medio clientes que entran en la red por unidad de tiempo.
i=1
Λ red ≡ Tasa global de salidas del sistema, número promedio de clientes que salen
del sistema por unidad de tiempo, que coincide con el número de clientes que
k
entran en el sistema: Λ red = ∑ Λ i
i=1
Lred ≡ Número medio de clientes en el sistema (cola + servicio), suma del número
k
medio de clientes en cada uno de los nodos: Lred = ∑L
i=1
si
El hecho de que los nodos se comporten como si fueran modelo M/M/s podría
interpretarse que se puede utilizar las distribuciones de los tiempos de espera de
estos modelos, Sin embargo, esto no es necesariamente cierto en las redes de
Jackson, donde se permite la realimentación.
Wred ≡ Tiempo medio en el sistema, tiempo medio que un cliente pasa desde que
L
entra en la red hasta que sale de ella: Wred = red
λ red
Vi ≡ Número medio que un cliente visita el nodo i, número medio de veces que un
cliente visita el nodo i desde que entra en la red hasta que sale:
Λi
Vi = ∀ i = 1, 2, ... , k
Λ red
SUPUESTOS CONSIDERADOS
∗ Capacidad infinita en los nodos.
∗ Efecto Bloqueo: Si un cliente ha finalizado su servicio en el nodo i y se dirige a
un nodo j que está al máximo de su capacidad. El sistema se bloquea con tres
posbilidades:
(a) Las llegadas al nodo i se rechazan.
(b) El cliente debe ir inmediatamente a otro nodo en su lugar.
(c) El cliente debe abandonar el sistema.
Los servidores de dos terminales del aeropuerto de Madrid, según una
disciplina FIFO, según un proceso de Poisson reciben respectivamente 20 y 30
procesos de usuarios por minuto. El servidor de la primera terminal tiene capacidad
para atender una media de cien procesos por minuto, mientras que cualquiera de
los dos procesadores del servidor de la segunda terminal puede atender a
veinticinco procesos, con tiempo de procesado exponenciales.
Cuando un proceso está a punto de finalizar en el servidor de la segunda terminal
crea un nuevo proceso hijo en el servidor de la primera terminal el 25% de los
casos, en otro caso termina totalmente su ejecución.
Por otra parte, los procesos que se encuentran a punto de finalizar en el servidor de
la primera terminal crean un nuevo proceso en su servidor el 20% de los casos, en
caso contrario cuando terminan su ejecución envían otro proceso al servidor de la
segunda terminal un 10% de las veces.
Se necesita conocer:
a) El número medio de procesos en cada servidor.
b) Tiempo medio que tarda un proceso en la red.
Solución:
a) Es una red de Jackson abierta con K = 2 nodos: Nodo 1 con un servidor s1 = 1 .
Nodo 2 con dos servidores s2 = 2 .
Tasas de llegada y servicio (procesos/ minuto) desde fuera del sistema son:
λ 1 = 20 λ 2 = 30 μ 1 = 100 μ 2 = 25
2
Ecuaciones de tráfico o ecuaciones de equilibrio: Λ i = λ i + ∑Λ r
j=1
j ji
λ i es la tasa de llegadas de procesos al nodo i desde fuera del sistema, y Λ j es la

tasa de los procesos que salen del nodo j . La tasa de entrada debe de ser igual a la
de salida.
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 ⎞ ⎛ Λ 1 ⎞
(
En forma matricial Λ = λ + Λ r : ⎜ ⎟ = ⎜ ⎟ + ⎜ ) ⎟⎜ ⎟
⎝ Λ 2 ⎠ ⎝ λ 2 ⎠ ⎝ r12 r22 ⎠ ⎝ Λ 2 ⎠
Las probabilidades de transición de unos estados a otros se reflejan en la matriz:
T1 T2
T1 ⎛ 0,2 0,1 ⎞ ⎛ 0,2 0,25 ⎞
(rij ) = ⎜ ⎟ → (rji ) = ⎜
T2 ⎝ 0,25 0 ⎠ ⎝ 0,1 0 ⎟⎠
⎛ Λ 1 ⎞ ⎛ 20 ⎞ ⎛ 0,2 0,25 ⎞ ⎛ Λ 1 ⎞
⎜ Λ ⎟ = ⎜ 30 ⎟ + ⎜ 0,1 0 ⎟⎠ ⎜⎝ Λ 2 ⎟⎠
⎝ 2⎠ ⎝ ⎠ ⎝
Λ 1 = 20 + 0,2 . Λ 1 + 0,25 . Λ 2
Λ 2 = 30 + 0,1 . Λ 1
2
Λ 1 = 35, 484 Λ 2 = 33,548 ∑ λ = 50
i=1
i
La condición de no saturación aplicada a cada uno de los nodos por separado es
Λ
ρi = i ρi < 1 ∀ i = 1, 2, ...
si μ i
35, 484
Nodo 1: ρ1 = = 0,35484 < 1 s1 = 1 servidor
100. 1
33,548
Nodo 2: ρ2 = = 0,67096 < 1 s2 = 2 servidores
25. 2
En consecuencia, ambos servidores son estacionarios.
• Terminal 1 es una cola tipo M/M/1
ρi Λi
Número medio de procesos en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
ρ1 0,35484
L s1 = = = 0,55
1 − ρ1 1 − 0,35484
L si 1
Tiempo promedio de estancia en el sistema (cola + servicio): Wsi = =
Λ i μi − Λ i
L s1 0,55
Ws1 = = = 0,0155 minutos = 0,93 segundos
Λ 1 35, 484
• Terminal 2 es una cola tipo M/M/s
La probabilidad que ningún proceso se encuentre en el sistema de cola:
1 1
p02 = s2 = 2 =
1
(Λ 2 / μ 2 ) n
1 ⎛ Λ2 ⎞ 33,548 1 ⎛ 33,548 ⎞ ⎛ 1 ⎞
∑
1 1+ + .⎜
+ ⎜ ⎟ ⎟ .⎜ ⎟
n=0
n! s2 ! ⎝ μ 2 ⎠ 1 − ρ 2 25 2 ⎝ 25 ⎠ ⎝ 1 − 0,67096 ⎠
= 0,1969167
Número medio de procesos en cola de la terminal:
s2
1 ⎛ Λ2 ⎞
2
ρ2 1 ⎛ 33,548 ⎞ 0,67096
L q2 = ⎜ ⎟ p02 = x ⎜ ⎟ x x 0,1969167 = 1,0988
s2 ! ⎝ μ 2 ⎠ (1 − ρ2 )2
2! ⎝ 25 ⎠ (1 − 0,67096)2
Λi
Número medio de procesos en el sistema (cola + servicio): L si = L qi + L si = Λ i Wsi
μi
Λ2 33,548
L s2 = L q2 + = 1,0988 + = 2, 44072
μ2 25
k 2
Número medio de procesos en la red: Lred = ∑ L = ∑ L = 0,55 + 2, 44072 = 2,9907

i=1
s
i=1
i
b) Tiempo medio de un proceso en la red (desde que entra hasta que sale):
Lred 2,9907
Wred = = = 0,059814 minutos = 3,5888 segundos
λ red 20 + 30
El esquema presenta una red abierta con cuatro nodos, cada uno de ellos con
un procesador. Determinar:
a) Tiempo medio de trabajos que permanecen en la red.
b) Con un tiempo de servicio exponencial μ 3 = 16 calcula el número mínimo de
procesadores en el nodo 3 para que la red presente estado estacionario. En este
caso, ¿cuál sería el tiempo medio de permanencia de un trabajo en la red?
Solución:
2
a) De la gráfica se deduce: r1• = 0,8 , r• 4 = 0, 4 , r21 = 1 , λ red = ∑ λ i = 30
i=1
⎧ Λ 1 = λ 1 + Λ 2 ⎧ Λ 1 = 10 + Λ 2 ⎧ Λ 1 = 10 + Λ 2
⎪ ⎪ ⎪ Λ = 0, 2 . Λ
⎪ Λ 2 = Λ 1 r12 ⎪ Λ 2 = 0,2 . Λ 1 ⎪ 2
→ →
1
⎨ ⎨ ⎨
⎪ Λ 3 = λ 3 + Λ 1 r1• r• 3 ⎪ Λ 3 = 20 + 0,8 . 0,6 . Λ 1 ⎪ Λ 3 = 20 + 0, 48 . Λ 1
⎪⎩ Λ 4 = Λ 1 r1• r• 4 ⎪⎩ Λ 4 = 0,8 . 0, 4 . Λ 1 ⎪⎩ Λ 4 = 0,32 . Λ 1
de donde: Λ 1 = 12,5 Λ 2 = 2,5 Λ 3 = 26 Λ 4 = 4
Λi
Para que la red no se sature en cada nodo (subsistema): ρi = <1 i = 1, 2, 3 , 4
μi
Λ 1 12,5 Λ 2,5 Λ 26 Λ 4
ρ1 = = = 0,5 ρ2 = 2 = = 0,25 ρ3 = 3 = = 0,65 ρ 4 = 4 = = 0,8
μ1 25 μ 2 10 μ 3 40 μ4 5
La red no se satura en ningún nodo, existe una distribución estacionaria.
Las medidas de rendimiento de cada nodo corresponden a las ecuaciones del
modelo M/M/1:
ρi Λi
Número medio de trabajos en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
0,5 0,25 0,65 0,8

L s1 = = 1 L s2 = = 0,3333 L s3 = = 1,8571 L s4 = =4
1 − 0,5 1 − 0,25 1 − 0,65 1 − 0,8
Número medio de trabajos en el sistema, suma del número medio de trabajos en
4
cada nodo (subsistema): Lred = ∑L
i=1
si = 1 + 0,3333 + 1,8571 + 4 = 7,1904
El tiempo medio de permanencia de trabajos en la red:
Lred 7,1904
Wred = = = 0,23968 unidades de tiempo
λ red 30
b) El número mínimo de servidores (procesadores) para que el nodo 3 no se sature:
Λ3 26 26
ρ3 = = < 1 → s3 = 2 servidores ⇒ ρ3 = = 0,8125
s3 . μ 3 s3 . 16 2 x 16
Las medidas de rendimiento del nodo 3 corresponden a las ecuaciones del modelo
M/M/2.
Probabilidad que ningún trabajo se encuentre en el sistema de la cola del nodo 3:
1 1
p03 = s−1 = =
(λ / μ)n (λ / μ)s ⎛ s μ ⎞ (20 / 16) (20 / 16)2 ⎛ 2 . 16 ⎞
1 n
n=0
∑ n!
+
s!
⎜
⎝ s μ − λ
⎟
⎠ n=0 n!
+ ∑ 2!
⎜ ⎟
⎝ 2 . 16 − 20 ⎠
1 1
= 1 = = 0,2308
1,25n 1,252 1 + 1,25 + 2,0833
∑
n=0
n!
+
2
. 2,6667
Número medio de trabajos en cola de nodo 3:
s3
1 ⎛ Λ3 ⎞
2
ρ3 1 ⎛ 26 ⎞ 0,8125
L q3 = ⎜ ⎟ p03 = . ⎜ ⎟ . . 0,2308 = 7,0426
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2
2 ⎝ 16 ⎠ (1 − 0,8125)2
Número medio de trabajos en el sistema nodo 3 (cola + servicio):
Λ3 26
L s3 = L q3 + = 7,0426 + = 8,6676
μ3 16
Número medio de trabajos en la red:
k 4
Lred = ∑L = ∑L
i=1
si
i=1
si = 1 + 0,3333 + 8,6676 + 4 = 14
Tiempo medio de un trabajo en la red (desde que entra hasta que sale):
Lred 14
Wred = = = 0, 4667 unidades tiempo
λ red 30
En la red abierta de Jackson
del esquema, se pide:
a) Tasas de llegada.
b) Condición de saturación y
medidas de rendimiento.
c) Tiempos promedios.
Solución:
a) Se trata de una red acíclica (un cliente puede volver a la misma cola). Las
5
ecuaciones de tráfico o ecuaciones de equilibrio: Λ i = λ i + ∑Λ r
j=1
j ji
⎧ λ 1 = 0,3 λ 3 = 0,7
Datos del esquema son: ⎨
⎩ r12 = 0,3 r13 = 0,7 r34 = 0,6 r35 = 0, 4 r53 = 0,8
Intuitivamente:
Λ1 = λ1
Λ 2 = Λ 1 r12
Λ 3 = λ 3 + Λ 1 r13 + Λ 5 r53
Λ 4 = Λ 3 r34
Λ 5 = Λ 3 r35
Λ 1 = 0,3 Λ 2 = 0,3 x 0,3 = 0,09

Λ 3 = 0,7 + 0,3 x 0,7 + Λ 5 x 0,8 = 0,91 + Λ 3 x 0, 4 x 0,8 → Λ 3 = 1,338
Λ 4 = Λ 3 x 0,6 → Λ 4 = 1,338 x 0,6 = 0,803
Λ 5 = Λ 3 x 0, 4 → Λ 5 = 1,338 x 0, 4 = 0,535
Λ 1 = λ 1 + ( Λ 1 r11 + Λ 2 r21 + Λ 3 r31 + Λ 4 r41 + Λ 5 r51 )

sistema de ecuaciones: Λ 2 = λ 2 + ( Λ 1 r12 + Λ 2 r22 + Λ 3 r32 + Λ 4 r42 + Λ 5 r52 )
5
Λ 3 = λ 3 + ( Λ 1 r13 + Λ 2 r23 + Λ 3 r33 + Λ 4 r43 + Λ 5 r53 )
Λi = λi + ∑
j=1
Λ j rji
Λ 4 = λ 4 + ( Λ 1 r14 + Λ 2 r24 + Λ 3 r34 + Λ 4 r44 + Λ 5 r54 )
Λ 5 = λ 5 + ( Λ 1 r15 + Λ 2 r25 + Λ 3 r35 + Λ 4 r45 + Λ 5 r55 )
Sustituyendo, queda:
Λ 1 = λ 1 = 0,3
⎧ Λ 3 = 0,7 + 0,21 + 0,32 Λ 3 ⇒ Λ 3 = 1,338
Λ 2 = 0 + ( 0,3 x 0,3 ) = 0,09 ⎪
⎨ Λ 4 = 1,338 x 0,6 = 0,803
Λ 3 = 0,7 + ( 0,3 x 0,7 + Λ 5 x 0,8 ) ⎪ Λ = 1,338 x 0, 4 = 0,535
⎩ 5
Λ 4 = 0 + ( Λ 3 x 0,6 )
Λ 5 = 0 + ( Λ 3 x 0, 4 )
Solución: Λ 1 = 0,3 Λ 2 = 0,09 Λ 3 = 1,338 Λ 4 = 0,803 Λ 5 = 0,535
Λi
b) Para que la red no se sature se debe verificar ρi = <1 i = 1, 2, ... , 5
μi
Λ 1 0,3 Λ 0,09 Λ 1,338

ρ1 = = = 0,1 ρ2 = 2 = = 0,03 ρ3 = 3 = = 0,334
μ1 3 μ2 3 μ3 4
Λ 4 0,803 Λ 0,535
ρ4 = = = 0,268 ρ5 = 5 = = 0,134
μ4 3 μ5 4
La red no se satura en ningún nodo.
Las medidas de rendimiento de cada nodo corresponden a las ecuaciones del
modelo M/M/1:
ρi Λi
Número medio clientes en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
0,1 0,03 0,334

L s1 = = 1,1111 L s2 = = 0,0309 L s3 = = 0,5015
1 − 0,1 1 − 0,03 1 − 0,334
0,268 0,135
L s4 = = 0,3661 L s5 = = 0,1560
1 − 0,268 1 − 0,135
Número medio de clientes en el sistema, suma del número medio de clientes en
5
cada nodo (subsistema): Lred = ∑L
i=1
si = 2,1656
Li 1
Tiempo medio de espera en cada nodo (subsistema): Wsi = =
Λ i μi − Λ i
1 1 1 1
Ws1 = = = 0,3704 Ws2 = = = 0,3436
μ1 − Λ 1 3 − 0,3 μ 2 − Λ 2 3 − 0,09
1 1 1 1
Ws3 = = = 0,3757 Ws4 = = = 0, 4552
μ 3 − Λ 3 4 − 1,338 μ 4 − Λ 4 3 − 0,803
5
∑W
1 1
Ws5 = = = 0,2886 = 1,8325
μ 5 − Λ 5 4 − 0,535
si
i=1
L qi Λi ⎛ 1⎞
Tiempo medio espera en cola de nodo: Wqi = = ⎜ Wsi = Wqi + ⎟
Λ i μ i (μ i − Λ i ) ⎝ μi ⎠
Λ1 0,3 1 1
Wq1 = = = 0,0371 Wq1 = Ws1 − = 0,3704 − = 0,0371
μ1 (μ 1 − Λ 1 ) 3(3 − 0,3) μ1 3
Λ2 0,09 1 1
Wq2 = = = 0,0103 Wq2 = Ws2 − = 0,3436 − = 0,0103
μ 2 (μ 2 − Λ 2 ) 3(3 − 0,09) μ2 3
Λ3 1,338 1 1
Wq3 = = = 0,1257 Wq3 = Ws3 − = 0,3757 − = 0,1257
μ 3 (μ 3 − Λ 3 ) 4(4 − 1,338) μ3 4
Λ4 0,803 1 1
Wq4 = = = 0,1219 Wq4 = Ws4 − = 0, 4552 − = 0,1219
μ 4 (μ 4 − Λ 4 ) 3(3 − 0,803) μ4 3
Λ5 0,535 1 1
Wq5 = = = 0,0386 Wq5 = Ws5 − = 0,2886 − = 0,0386
μ 5 (μ 5 − Λ 5 ) 4(4 − 0,535) μ5 4
5 5
⎛ 1⎞
∑
i=1
Wsi = ∑ ⎜ qi
i=1 ⎝
W +
μ
⎟ = 1,8325
i ⎠
En la red abierta de Jackson, se tienen servidores con tasa individual de servicio
μ i = 15 .
Se pide:
a) Número mínimo de servidores en cada nodo para que la red presente estado
estacionario.
b) Demoras medias en todos los servidores de la red.
c) ¿Qué tipo de cola seguirían los nodos sí se invirtiera la tasa de llegada?. ¿Cuál
sería la demora media en los servidores del nodo 1?
Solución:
a) Ecuaciones de tráfico o ecuaciones de equilibrio:
⎧ λ 1 = 20 λ 2 = 10 λ 3 = 0
Datos del esquema ⎨
⎩r12 = 0,5 r13 = 0,5 r23 = 1 r33 = 0,75
Intuitivamente:
⎧ Λ 1 = λ 1 ⎧ Λ 1 = 20
⎪ ⎪
⎨ Λ 2 = λ 2 + Λ 1 r12 → ⎨ Λ 2 = 10 + 20 x 0,5 = 20
⎪ ⎪ Λ = 20 x 0,5 + 20 x 1 + Λ x 0,75 → Λ = 120
⎩ Λ 3 = Λ 1 r13 + Λ 2 r23 + Λ 33 r33 ⎩ 3 33 3
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 r31 ⎞ ⎛ Λ 1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
En forma matricial: ⎜ Λ 2 ⎟ = ⎜ λ 2 ⎟ + ⎜ r12 r22 r32 ⎟ ⎜ Λ 2 ⎟
⎜ Λ ⎟ ⎜ λ ⎟ ⎜r r r ⎟ ⎜ Λ ⎟
⎝ 3 ⎠ ⎝ 3 ⎠ ⎝ 12 23 33 ⎠ ⎝ 3 ⎠
⎛ Λ 1 ⎞ ⎛ 20 ⎞ ⎛ 0 0 0 ⎞ ⎛ Λ1 ⎞ ⎛ Λ1 ⎞ ⎛ 20 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ Λ 2 ⎟ = ⎜ 10 ⎟ + ⎜ 0,5 0 0 ⎟ ⎜ Λ2 ⎟ → ⎜ Λ2 ⎟ = ⎜ 10 + 0,5 Λ 1 ⎟
⎜ Λ ⎟ ⎜ 0 ⎟ ⎜ 0,5 1 0,75 ⎟ ⎜ Λ ⎟ ⎜ Λ ⎟ ⎜ 0,5 Λ + Λ + 0,75 Λ ⎟
⎝ 3⎠ ⎝ ⎠ ⎝ ⎠⎝ 3⎠ ⎝ 3⎠ ⎝ 1 2 3⎠
Λ 1 = 20 Λ 2 = 10 + 0,5 x 20 = 20
0,5 x 20 + 20 + 0,75 Λ 3 ⇒ Λ 3 = 120
Las tasas totales de llegada a cada subsistema (venga de fuera o de otro nodo) son
Λ 1 = 20 , Λ 2 = 20 , Λ 3 = 120
Para que ninguna de las colas del sistema se sature, es preciso que se cumpla la
Λ
condición: ρi = i ρi < 1 ∀ i = 1, 2, ... , condición de no saturación aplicada a
si μ i
cada uno de los nodos por separado.
El número mínimo de servidores que verifiquen en cada nodo ρi < 1 :
20 20 20
Nodo 1: ρ1 = < 1 → s1 > s1 = 2 servidores ⇒ ρ1 = = 0,667
15s1 15 15 x 2
20 20 20
15s2 15 15 x 2
120 120 120

15s3 15 15 x 9
Los nodos 1, 2 y 3 son colas del tipo M/M/s
b) Nodo 1 y 2: s1 = s2 = 2 servidores
Λ 1 20
Utilización promedio del nodo 1 o 2: us1 = us2 = = = 1,333
μ1 15
Probabilidad que ningún cliente se encuentre en el sistema de cola de cada nodo:
1 1
p0 = s−1 = s−1
(Λ / μ)n (Λ / μ)s ⎛ s μ ⎞
s
(Λ / μ)n 1 ⎛ Λ ⎞ 1
∑
n=0
n!
+
s!
⎜ ⎟
⎝ sμ − Λ ⎠
∑
n=0
n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ
1 1
p01 = 2−1 = =
(20 / 15)n1 (20 / 15)2 ⎛ 2 x 15 ⎞
1
(1,333)n1
∑
n1 = 0
n i !
+
2!
⎜ ⎟
⎝ 2 x 15 − 20 ⎠
∑
n1 = 0
n1 !
+ 2,665
1 1
= = = 0,2
1 n1
1 + 1,333 + 2,665
∑
(1,333)
+ 2,665
n1 = 0
ni !
Número medio de clientes en cola de nodo:
(Λ 1 / μ1 )s1 Λ 1 μ1 (1,333)2 x 20 x 15
L q1 = p01 = x 0,2 = 1,067
(s1 − 1)! (s1 μ1 − Λ 1 )2 (2 x 15 − 20)2
s1
1 ⎛ Λ1 ⎞ ρ1 1 0,667
O bien, L q1 = ⎜ ⎟ p01 = (1,333)2 x x 0,2 = 1,067
s1 ! ⎝ μ1 ⎠ (1 − ρ1 )2
2 (1 − 0,667)2
Tiempo medio de espera en cada cola de nodo:
L q1 1,067 L 1,067
Wq1 = = = 0,053 Wq2 = q2 = = 0,053
Λ1 20 Λ2 20
Nodo 3: s3 = 9 servidores
Λ 3 120
Utilización promedio del nodo 3: us3 = = =8
μ3 15
Probabilidad que ningún cliente se encuentre en el sistema de la cola del nodo 3:
1 1
p03 = 9−1 s = 9−1 =
(Λ 3 / μ 3 ) 1 ⎛ Λ3 ⎞ 1 8n3
∑
n3
1 1
∑
n3 = 0
n3 !
+ ⎜ ⎟
s3 ! ⎝ μ 3 ⎠ 1 − ρ 3
+
n ! 9!
n3 = 0 3
x 89 x
1 − 0,889
1
= = 0,0002
1766,33 + 3328,81
8
8n3
∑ n
n3 = 0 3
!
= 1 + 8 + 32 + 85,33 + 170,66 + 273,06 + 364,08 + 416,10 + 416,10 = 1766,33
Número medio de clientes en cola del nodo 3:
s3
1 ⎛ Λ3 ⎞ ρ3 1 0,889
L q3 = ⎜ ⎟ p03 = x 8 9 x x 0,0002 = 5,33
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2
9! (1 − 0,889)2
L q3 5,33
Tiempo medio de espera en la cola de nodo 3: Wq3 = = = 0,045
Λ 3 120
⎧ λ 1 = 10 λ 2 = 20 λ 3 = 0
c) Datos del esquema ⎨
⎩r12 = 0,5 r13 = 0,5 r23 = 1 r33 = 0,75
Intuitivamente:
⎧ Λ 1 = λ 1 ⎧ Λ 1 = 10
⎪ ⎪
⎨ Λ 2 = λ 2 + Λ 1 r12 → ⎨ Λ 2 = 20 + 10 x 0,5 = 25
⎪ ⎪ Λ = 10 x 0,5 + 25 x 1 + Λ x 0,75 → Λ = 120
⎩ Λ 3 = Λ 1 r13 + Λ 2 r23 + Λ 33 r33 ⎩ 3 33 3
Las tasas totales de llegada a cada subsistema (venga de fuera o de otro nodo) son
Λ 1 = 10 , Λ 2 = 25 , Λ 3 = 120
La condición de no saturación aplicada a cada uno de los nodos por separado es
Λ
ρi = i ρi < 1 ∀ i = 1, 2, ...
si μ i
10 10 10
Nodo 1: ρ1 = < 1 → s1 > s1 = 1 servidor ⇒ ρ1 = = 0,667
15s1 15 15
25 25 25
15s2 15 15 x 2
120 120 120

15s3 15 15 x 9
El nodo 1 es una cola tipo M/M/1 y los nodos 2 y 3 son colas tipo M/M/s
ρ1 0,667
El número medio de clientes en cola del nodo 1: L q1 = = =2
1 − ρ1 1 − 0,667
L q1 2
Tiempo medio de espera en cola del nodo 1: Wq1 = = = 0,2
Λ 1 10
REDES DE JACKSON CERRADAS
En una red cerrada no entran ni salen calientes, el número de clientes es constante
en el tiempo.
• No es necesario que los buffer de espera sean infinitos solo que tengan
capacidad suficiente para mantener (N − 1) clientes para que no haya bloqueo.
• El cliente al finalizar el proceso en el nodo i pasa al nodo j con probabilidad rij
• Todos los tiempos de servicio son exponenciales negativos μ i y los clientes se
procesan según el orden de llegada a un nodo.
• Cada nodo i es una cola M M si
Las redes cerradas de Jackson tienen aplicaciones en el procesado de sistemas
multi‐procesadores (CPU y sistemas I/O), y el modelado de ventana deslizante.
Se consideran K nodos sin tráfico externo (λ i = 0 ∀ i) , los N clientes viajan
indefinidamente por los K procesos.
Dado que el flujo total de entrada a un nodo i (i = 1, 2, ... , K) debe ser igual al flujo
total de salida del nodo, se obtiene las denominadas ecuaciones de equilibrio:
Λi
K
Λ i = ∑ Λ r ρ = μ

j=1
j ji i
i
→ Λ i = ρi . μ i
⎛ Λ 1 ⎞ ⎛ r11 r21 rk 1 ⎞ ⎛ Λ1 ⎞
⎜ Λ ⎟ ⎜r r rk 2 ⎟⎟ ⎜Λ ⎟
En forma matricial Λ i = Λ j r : ⎜ ⎟ = ⎜
2
⎜ ⎟ ⎜
( 12 22
) ⎟
⎜ 2⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ k ⎠ ⎝ r1k r2k rkk ⎠ ⎝ Λk ⎠
Sistema lineal indeterminado con un grado de libertad, que se resuelve para
calcular las tasas de llegada relativas a cada nodo Λ i .
Para la resolución se hace arbitrariamente una de la tasa de visitas relativa Λ i de
algún nodo igual a la unidad (por ejemplo, Λ 1 = 1).
En una red cerrada al no haber entradas ni salidas de clientes, resulta
indispensable conocer el número de clientes dentro de la red (N), que permanece
constante en el tiempo. Por este motivo, el número medio de clientes en la red
Lred = N y las cantidades del tiempo medio de espera en la red y en cada nodo
carecen de sentido.
Lo importante es determinar las probabilidades de que haya ni clientes
en el nodo i‐ésimo para i = 1, ... ,K , que se denotan por pn1 , n2 , , nK .
Las probabilidades de los distintos estados de la red se calculan por medio de la
expresión:
1 K ρni
pn1 , n2 , , nK = ∏
G(N) i = 1 ai (ni )
K
ρni i ⎧ n! n ≤ si
donde, G(N) = ∑ ∏ y ai (n) = ⎨ n − si
n ≥ si
n1 + + nK = N i = 1 ai (ni ) ⎩ si ! s i
G(N) ≡ constante de normalización al considerar todas las combinaciones de m que
hacen que haya N clientes en total en el sistema.
El cálculo de G(N) puede resultar costoso cuando N y K son grandes, dado que el
⎛ N+ K − 1⎞
número de posibles estados es ⎜
⎝ N ⎟⎠
JP. Buzen desarrolló un algoritmo recursivo para n = N y m = K donde se observa

que gk (N) = G(N) :
m
ρni i ⎧ n! n ≤ si
gm (n) = ∑ ∏ y ai (n) = ⎨ n − si
n ≥ si
n1 + + nm = n i = 1 ai (ni ) ⎩ si ! si
ρni
denotando fi (n) = para i = 1, ... ,K y n = 0, 1, ... ,N
ai (n)
La recurrencia de la función gm (n) se obtiene considerando que:
m n
gm (n) = ∑ ∏ fi (ni ) = ∑ fm (i) . gm − 1 (n − i)
n1 + + nm = n i = 1 i= 0
Se observa que g1 (n) = f1 (n) pudiendo aplicar la ecuación de recurrencia. Por otra

parte, gm (0) = fm (0) = 1 m = 1, ... ,k
Utilizando el algortimo recursivo, la probabilidad de que haya nk clientes en el
nodo k‐ésimo:
fm (nk ) . gm − 1 (N − nk )
pm (nk ) = p• • • nk = m = 1, 2, ,k
gm (N)
n
9 Número medio de clientes en cada nodo: Lm = ∑i.pi=1
m (i) m = 1, 2, ,k
Lm
9 Tiempo medio de permanencia de un cliente en un nodo: Wm =
Λm
K
El valor calculado Λ i (i = 1, 2, 3, 4) en las ecuaciones de equilibrio Λ i = ∑ Λ r es

j=1
j ji
una de las infinitas soluciones no nulas que relaciona las tasas de entrada, no
tienen porqué ser el valor correcto de las Λ i (son valores proporcionales a los Λ i
verdaderos).
La situación se resuelve imponiendo la condición de que el número medio de
clientes que entran a un nodo elegido Λ i tiene que ser igual al número medio de
clientes que salen servidos de dicho nodo.
Λm
n
Λ m = c . Λ m donde Λ m = μm . ∑p
i=1
m (i) → c =
Λm
calculada la constante 'c' se obienen las restantes Λ i − 1
Aunque el algoritmo de Buzen hace más cómodo el cálculo de G(N) sigue

resultando costoso.
Se puede utilizar un método alternativo para caraceterizar el comportamiento del
sistema sin calcular G(N) . Se demuestra que cuando llega una petición, la longitud
del buffer en el nodo i coincide con la que vería un observador externo ei en la red
hubiera un cliente menos, aplicando la ley de Little:
⎧ Wi (m) ≡ Tiempo de espera en el nodo i cuando hay m clientes
1 + L i (m − 1) ⎪
Wi (m) = ⎨ μ i ≡ Tiempo de servicio (inverso) del nodo i
μi ⎪L (m − 1) ≡ Número medio de clientes en el nodo i
⎩ i
m
Rendimiento del sistema: λ m = K
∑ Wi (m) . Λ i
i=1
Longitud media de la cola: L i (m) = Λ i . λ m . Wi (m)
La aproximación de Bard‐Schweitzer estima que el número promedio de trabajos
en el nodo i es una interpolación lineal:
m
L i (m) ≈ L i (m − 1)
m−1
Este enfoque iterativo a menudo se conoce con el nombre de MVA aproximado
(AMVA) y, por lo general, es más rápido que el enfoque recursivo de MVA (Mean‐
Value Analysis).
Algoritmo MVA (Mean‐Value Analysis): Es una técnica de recurrencia para calcular
longitudes de cola esperadas , tiempo de espera en nodos de cola y rendimiento en
equilibrio para un sistema de colas separables y cerradas.
Se basa en el teorema de llegada (propiedad del observador aleatorio), que
establece que cuando en un sistema cerrado un cliente M llega a una instalación de
servicio, observa que el resto del sistema se encuentra en estado de equilibrio para
un sistema con (M − 1) clientes.
Algoritmo MVA: Medidas de rendimiento para M clientes en el sistema:
λ j (m) ≡ Tasa real de salidas del nodo j‐ésimo
μ j ≡ Tasa individual de servicio nodo
L j (m) ≡ Número medio de clientes en el nodo j‐ésimo
Wi (m) ≡ Tiempo medio que cada cliente pasa en el nodo i cada vez que lo visita.
ρ j (m) ≡ Utilización del servidor en el nodo j‐ésimo
L j (m)
Λ j (m) = j = 1, 2, ,k m = 1, 2, ,M
Wj (m)
m Λ j Wj (m)
L j (m) = k j = 1, 2, ,k m = 1, 2, ,M , L j (0) = 0 j = 1, 2, ,k
∑ Λ i Wi (m)
i=1
1 L j (m − 1)
Wj (m) = + j = 1, 2, ,k m = 1, 2, ,M
μj sj μ j
Λ j (m) L (m)
ρ j (m) = = j
μj μ j Wj (m)
Se trata de un algoritmo iterativo que va calculando L i (m) y Wi (m) para valores

crecientes de m (a partir de m = 0 )
En la red cerrada de Jackson, se tienen servidores con tasa individual de servicio
μ i = 5 .
Solución:
Ecuaciones de equilibrio:
K
Λi = ∑Λ r
j=1
j ji
Λ 1 = Λ 2 r21 + Λ 4 r41
Λ 2 = Λ 1 r12
Λ 3 = Λ 1 r13
Λ 4 = Λ 3 r34
Siendo r12 = 0,7 , r13 = 0,3 , r21 = 1 , r34 = 1 , r41 = 1 y tomando Λ 1 = 1 , la solución es:
Λ 1 = 1 Λ 2 = 0,7 Λ 3 = 0,3 Λ 4 = 0,3
1 + L j (m − 1)
Tiempo de espera en el nodo: Wj (m) = con μ j = 5 , j = 1, 2, 3, 4
μj
m Λ j Wj (m)
Número medio de clientes en el nodo: L j (m) = k j = 1, 2, 3, 4
∑ Λ i Wi (m)
i=1
m Λ 1 W1 (m) m . W1 (m)
L1 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 2 W2 (m) m . 0,7 . W2 (m)
L 2 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 3 W3 (m) m . 0,3 . W3 (m)

L 3 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 4 W4 (m) m . 0,3 . W4 (m)

L 4 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
♦ Primera iteración: m = 1
1+ 0
L j (0) = 0 j = 1, 2, 3, 4 Wj (1) = = 0,2 j = 1, 2, 3, 4
5
1 . 0,2 0,2
L1 (1) = = = 0, 4348
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,7 . 0,2 0,7 . 0,2

L 2 (1) = = = 0,3043
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,3 . 0,2 0,3 . 0,2

L 3 (1) = = = 0,1304
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,3 . 0,2 0,3 . 0,2

L 4 (1) = = = 0,1304
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
♦ Segunda iteración: m = 2
1 + L j (1)
Wj (2) = j = 1, 2, 3, 4
5
1 + L1 (1) 1, 4348 1 + L 3 (1) 1,1304
W1 (2) = = = 0,2870 W3 (2) = = = 0,2261
5 5 5 5
1 + L 2 (1) 1,3043 1 + L 4 (1) 1,1304
W2 (2) = = = 0,2609 W4 (2) = = = 0,2261
5 5 5 5
2 . 0,2870 0,574
L1 (2) = = = 0,9483
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,7 . 0,2609 0,3653
L 2 (2) = = = 0,6034
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,3 . 0,2261 0,1357

L 3 (2) = = = 0,2241
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,3 . 0,2261 0,1357

L 4 (2) = = = 0,2241
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
♦ Continúan las iteraciones, con una hoja de cálculo como Excel se obtiene:
Tiempo medio espera en nodo Número medio de clientes en nodo
m W1 (m) W2 (m) W3 (m) W4 (m) L1 (m) L 2 (m) L 3 (m) L 4 (m)
0 0 0 0 0
1 0,2 0,2 0,2 0,2 0, 4348 0,3043 0,1304 0,1304
2 0,2870 0,2609 0,2261 0,2261 0,9483 0,6034 0,2241 0,2241
3 0,3897 0,3207 0,2448 0,2448 1,5360 0,8849 0,2895 0,2895
4 0,5072 0,3770 0,2579 0,2579 2,1913 1,1401 0,3343 0,3343
5 0,6383 0, 4280 0,2669 0,2669 2,9065 1,3644 0,3646 0,3646
6 0,7813 0,4729 0,2729 0,2729 3,6737 1,5564 0,3850 0,3850
7 0,9347 0,5113 0,2770 0,2770 4,4852 1,7173 0,3987 0,3987
8 1,0970 0,5435 0,2797 0,2797 5,3341 1,8497 0,4081 0,4081
9 1,2668 0,5699 0,2816 0,2816 6,2141 1,9570 0,4144 0,4144
10 1,4428 0,5914 0,2829 0,2829 7,1197 2,0428 0,4188 0,4188
11 1,6239 0,6086 0,2838 0,2838 8,0459 2,1106 0,4218 0,4218
12 1,8092 0,6221 0,2844 0,2844 8,9887 2,1637 0,4238 0,4238
13 1,9977 0,6327 0,2848 0,2848 9,9447 2,2048 0,4253 0,4253
14 2,1889 0,6410 0,2851 0,2851 10,9110 2,2365 0,4263 0,4263
15 2,3822 0,6473 0,2853 0,2853 11,8854 2,2607 0,4270 0,4270
16 2,5771 0,6521 0,2854 0,2854 12,8661 2,2790 0,4274 0,4274
17 2,7732 0,6558 0,2855 0,2855 13,8515 2,2929 0,4278 0,4278
18 2,9703 0,6586 0,2856 0,2856 14,8406 2,3033 0,4280 0,4280
19 3,1681 0,6607 0,2856 0,2856 15,8325 2,3112 0,4282 0,4282
20 3,3665 0,6622 0,2856 0,2856 16,8264 2,3170 0,4283 0,4283
El sistema informático de un aeropuerto consta de cuatro estaciones de trabajo
conectadas ente sí. El control y la seguridad se efectúan con tres procesos en
continua ejecución en alguna de las cuatro estaciones; terminada la ejecución de
un proceso en una de las estaciones se crea una copia de él mismo que envía a
ejecutar a la propia estación o a alguna de las otra tres. En la tabla adjunta se
informa de las probabilidades de que el proceso embrionario terminada la
ejecución en la estación i‐ésima se envíe a la estación j‐ésima.
Destino
1 2 3 4
Origen
1 0,25 0,15 0,20 0,40
2 0,15 0,35 0,20 0,30
3 0,50 0,25 0,15 0,10
4 0,40 0,30 0,25 0,05
Las dos primeras estaciones (servidores) son biprocesadoras, cada uno con un
tiempo de pocesado exponencial y capacidad de 5 procesos/minuto. Las dos
últimas estaciones son monoprocesadoras y pueden atender por minuto
respectivamente a 10 y 15 procesos. Se solicita:
a) Modelizar el proceso
b) Número medio de procesos en la cuarta estación.
c) Tiempo medio que transcurre desde que llega un proceso al servidor cuarto
hasta que finaliza su ejecución.
Solución:
a) Se puede modelizar mediante una red de Jackson, donde los clientes son cada
uno de los tres procesos que recorren el sistema, con:
s1 = 2 s2 = 2 s3 = 1 s4 = 1
N= 3 K=4
μ1 = 5 μ2 = 5 μ 3 = 10 μ 4 = 15
♦ Ecuaciones de equilibrio:
Λi
K 4
Λ i = ∑ Λ r = ∑ Λ r ρ = μ

j=1
j ji
j=1
j ji i
i
→ Λ i = ρi . μ i
⎛ Λ 1 ⎞ ⎛ r11 r21 r31 r41 ⎞ ⎛ Λ1 ⎞

⎜ Λ ⎟ ⎜r r42 ⎟⎟ ⎜Λ ⎟
( )
r22 r32
En forma matricial Λ i = Λ j r : ⎜ ⎟ = ⎜ ⎜ 2⎟
2 12
⎜ Λ 3 ⎟ ⎜ r13 r23 r33 r43 ⎟ ⎜ Λ3 ⎟

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ r14 r24 r34 r44 ⎠ ⎝ Λ4 ⎠
⎛ Λ 1 ⎞ ⎛ 0,25 0,15 0,50 0,40 ⎞ ⎛ Λ1 ⎞ Λ 1 = 0,25 Λ 1 + 0,15 Λ 2 + 0,50 Λ 3 + 0, 40 Λ 4
⎜ Λ ⎟ ⎜ 0,15 0,35 0,25 0,30 ⎟⎟ ⎜Λ ⎟
⎜ 2⎟=⎜ ⎜ 2 ⎟ ⇒ Λ 2 = 0,15 Λ 1 + 0,35 Λ 2 + 0,25 Λ 3 + 0,30 Λ 4
⎜ Λ 3 ⎟ ⎜ 0,20 0,20 0,15 0,25 ⎟ ⎜ Λ3 ⎟ Λ 3 = 0,20 Λ 1 + 0,20 Λ 2 + 0,15 Λ 3 + 0,25 Λ 4
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ 0,40 0,30 0,10 0,05 ⎠ ⎝ Λ4 ⎠ Λ 4 = 0, 40 Λ 1 + 0,30 Λ 2 + 0,10 Λ 3 + 0,05 Λ 4
Haciendo arbitrariamente Λ 3 = 1 se obtiene una de las infinitas soluciones del
sistema homogéneo:
15 Λ 1 − 3 Λ 2 − 8 Λ 4 = 10 ⎫
−3 Λ 1 + 13 Λ 2 − 6 Λ 4 = 5 ⎪⎪ 62 Λ 2 − 38 Λ 4 = 35 ⎫
⎬ ⇒ ⎬
4 Λ 1 + 4 Λ 2 + 5 Λ 4 = 17 ⎪ 2 Λ 2 + 29 Λ 4 = 36 ⎭
−8 Λ 1 − 6 Λ 2 + 19 Λ 4 = 2 ⎪⎭
1081
Λ 1 = 1,5363 Λ 2 = 1,2716 Λ 3 = 1 Λ 4 = = 1,1537
937
♦ De este modo, la utilización del servidor:
Λ 1 1,5363 Λ 2 1,2716
ρ1 = = = 0,3072 ρ2 = = = 0,2543
μ1 5 μ2 5
Λ 1 Λ 1,1537
ρ3 = 3 = = 0,1 ρ4 = 4 = = 0,0769
μ 3 10 μ4 15
♦ Cálculo de la función gm (n)
n
gm (n) = G(n) = ∑ fm (i) . gm − 1 (n − i) n = 0, 1, 2, 3 , gm (0) = fm (0) = 1 m = 1, 2, 3, 4
i= 0
ρni
siendo: fi (n) =
ai (n)
⎧ n! n ≤ si
ai (n) = ⎨ n − si → a1 (n) = a2 (n) = 2! 2n − 2 = 2n−1 a3 (n) = a4 (n) = 1
⎩ si ! si n ≥ si
ρni
fi (n) = n − 1 i = 1, 2 fi (n) = ρni i = 3, 4 y n ≥ 1
2
ρni
• Para m = 1 : g1 (n) = f1 (n) = n − 1 i = 1, 2
2
n = 0 : g1 (0) = f1 (0) = 1
ρ1
n = 1 : g1 (1) = f1 (1) = = ρ1 = 0,3072
20
ρ12 0,30722
n = 2 : g1 (2) = f1 (2) = 2 − 1 = = 0,0472
2 2
ρ13 0,30723
n = 3 : g1 (3) = f1 (3) = 3 − 1 = = 0,0072
2 22
3
ρni
• Para m = 2 : g 2 (n) = ∑ f2 (i) . g1 (n − i) fi (n) = n − 1 i = 1, 2
i=0 2
ρ
f2 (0) = 1 f2 (1) = 1 −2 1 = ρ2 = 0,2543
2
ρ2
2
ρ2 0,2543
2 2
ρ23 ρ23 0,25433
f2 (2) = 2 − 1 = = = 0,0323 f2 (3) = 3 − 1 = 2 = = 0,0041
2 2 2 2 2 4
n = 0 : g2 (0) = f2 (0) = 1
1
n = 1 : g 2 (1) = ∑ f2 (i) . g1 (1 − i) = f2 (0) . g1 (1) + f2 (1) . g1 (0) =
i=0
= 1 . 0,3072 + 0,2543 . 1 = 0,5615

2
n = 2 : g2 (2) = ∑ f2 (i) . g1 (2 − i) = f2 (0) . g1 (2) + f2 (1) . g1 (1) + f2 (2) . g1 (0) =
i=0
= 1 . 0,0472 + 0,2543 . 0,3072 + 0,0323 . 1 = 0,1576

3
n = 3 : g2 (3) = ∑ f2 (i) . g1 (3 − i) = f2 (0) . g1 (3) + f2 (1) . g1 (2) + f2 (2) . g1 (1) + f2 (3) . g1 (0) =
i=0
= 1 . 0,0072 + 0,2543 . 0,0472 + 0,0323 . 0,3072 + 0,0041 . 1 = 0,0332
n
• Para m = 3 : g3 (n) = ∑ f3 (i) . g2 (n − i) fi (n) = ρni i = 3, 4 y n ≥ 1
i=0
f3 (0) = 1 f3 (1) = ρ3 = 0,1

f3 (2) = ρ23 = 0,12 = 0,01 f3 (3) = ρ33 = 0,13 = 0,001
n = 0 : g3 (0) = f3 (0) = 1
1
n = 1 : g3 (1) = ∑ f3 (i) . g2 (1 − i) = f3 (0) . g2 (1) + f3 (1) . g2 (0) =
i= 0
= 1 . 0,5615 + 0,1 . 1 = 0,6615
2
n = 2 : g3 (2) = ∑ f3 (i) . g2 (2 − i) = f3 (0) . g2 (2) + f3 (1) . g2 (1) + f3 (2) . g2 (0) =
i=0
= 1 . 0,1576 + 0,1 . 0,5615 + 0,01 . 1 = 0,2238

3
n = 3 : g3 (3) = ∑ f3 (i) . g2 (3 − i) = f3 (0) . g2 (3) + f3 (1) . g2 (2) + f3 (2) . g2 (1) + f3 (3) . g2 (0) =
i=0
= 1 . 0,0332 + 0,1 . 0,1576 + 0,01 . 0,5615 + 0,001 . 1 = 0,0556
n
• Para m = 4 : g 4 (n) = ∑ f4 (i) . g3 (n − i) fi (n) = ρni i = 3, 4 y n ≥ 1
i=0
f4 (0) = 1 f4 (1) = ρ 4 = 0,0769

f4 (2) = ρ24 = 0,07692 = 0,0059 f4 (3) = ρ34 = 0,07693 = 0,0005
n = 0 : g 4 (0) = f4 (0) = 1
1
n = 1 : g 4 (1) = ∑ f4 (i) . g3 (1 − i) = f4 (0) . g3 (1) + f4 (1) . g3 (0) =
i=0
= 1 . 0,6615 + 0,0769 . 1 = 0,7384

2
n = 2 : g 4 (2) = ∑ f4 (i) . g3 (2 − i) = f4 (0) . g3 (2) + f4 (1) . g3 (1) + f4 (2) . g3 (0) =
i=0
= 1 . 0,2238 + 0,0769 . 0,6615 + 0,0059 . 1 = 0,2806

3
n = 3 : g 4 (3) = ∑ f4 (i) . g3 (3 − i) = f4 (0) . g3 (3) + f4 (1) . g3 (2) + f4 (2) . g3 (1) + f4 (3) . g3 (0) =
i=0
= 1 . 0,0556 + 0,0769 . 0,2238 + 0,0059 . 0,6615 + 0,0005 . 1 = 0,0772
♦ Probabilidades marginales relativas el nodo (servidor) cuarto:
f4 (nk ) . g 3 (N − nk )
pm (nk ) = p• • • nk = nk = 0, 1, 2, 3 m = 1, 2, 3, 4
g 4 (N)
f4 (0) . g3 (3) 1 . 0,0556

nk = 0 : p4 (0) = p• • • 0 = = = 0,7202
g 4 (3) 0,0772
f4 (1) . g 3 (2) 0,0769 . 0,2238

nk = 1 : p 4 (1) = p• • • 1 = = = 0,2229
g 4 (3) 0,0772
f4 (2) . g 3 (1) 0,0059 . 0,6615

nk = 2 : p 4 (2) = p• • • 2 = = = 0,0506
g 4 (3) 0,0772
f4 (3) . g 3 (0) 0,0005 . 1
nk = 3 : p 4 (3) = p• • • 3 = = = 0,0064
g 4 (3) 0,0772
♦ P(algún proceso en el servidor 4) = 1 − p 4 (0) = 1 − p• • • 0 = 1 − 0,7202 = 0,2798
b) Número medio de procesos (clientes) en el cuarto servidor:
n n
L 4 = ∑ i . p 4 (i) = ∑ i . p• • • i = 1 . p••• 1 + 2 . p••• 2 + 3 . p••• 3 =
i=1 i=1
= 1 . 0,2229 + 2 . 0,0506 + 3 . 0,0064 = 0,3433
Lm
c) Tiempo medio de permanencia de un proceso en un nodo: Wm =
Λm
Considerando la condición de que el número medio de clientes que entran al nodo
Λ 4 tiene que ser igual al número medio de clientes que salen servidos de dicho
nodo.
n
Λ 4 = μ4 . ∑ p (i) = 15 . (0,2229 + 0,0506 + 0,0064) = 4,1985

i=1
4
4,1985
Λ 4 = c . Λ 4 → 4,1985 = c . 1,1537 → c = = 3,6391
1,1537
de donde,
Λ 1 = c . Λ 1 → Λ 1 = 3,6391 . 1,5363 = 5,5907
Λ 2 = c . Λ 2 → Λ 2 = 3,6391 . 1,2716 = 4,6274
Λ 3 = c . Λ 3 → Λ 3 = 3,6391 . 1 = 3,6391
Finalmente, el tiempo medio de permanencia de un proceso en el nodo 4 es:
L 4 0,3433
W4 = = = 0,0817 minutos = 4,90 segundos
Λ 4 4,1985

Teoria Colas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria Colas PDF

Cargado por

Copyright:

Formatos disponibles

TEORÍA DE COLAS

GEOMÉTRICA: La distribución Geométrica, se denota G(p) , representa la

denotando η ≡ parámetro de escala y β ≡ parámetro de forma

• Sea la variable X ∼ Exp(λ ) la variable aleatoria entre llegadas o tiempo de

P ⎡( X > t + s ) ∩ ( X > s ) ⎦⎤ P ( X > t + s )

En consecuencia, la distribución exponencial exp(λ ) carece de memoria y es la

P ( X > t + s ) = e− λ (t + s) = e− λt e− λs = P(X > t) P(X > s)

• La distribución del tiempo que falta para la salida es exponencial Exp(μn ) con

a) Sea X(t) ≡ Número de personas en el mercado en el instante t

Suponiendo que la variable X(t) se comporta como una cadena de Markov de

dpij (t) ⎧ υk ≡ Tasa de salida del estado k

En consecuencia, los cambios de la variable X(t) son a estados contiguos. En

Como los cambios son a estados contiguos, se puede modelar X(t) como un

Tasa de nacimiento: λ (k) = q(k)

λ (1) λ q(1) λ q(1) λ q(0) q(0) λ q(1)

λ (2) λ q(2) λ q(2) λ q(1) λ q(0) q(0) q(1) q(2)

X(t) ≡ Número de artículos en el almacén : X(t) = X1 (t) + X2 (t)

El factor de utilización ρ da una idea de la capacidad del sistema que es utilizada por

Long _ cola = N(t) − s ≡ Longitud de cola

Probabilidad de tiempo de espera nulo en cola: p0 = P(Wq = 0) = 1 − ρ

Probabilidad de tiempo de estancia en el sistema > t: P(Ws > t) = e−μ (1 − ρ ) t t>0

Media de servicio a clientes: μ = 60 clientes/hora = 60 / 60 = 1 clientes / minutos

L q = λ Wq = 0,75 x 3 = 2,25 clientes

Media de servicio a clientes: μ = 120 clientes/hora = 120 / 60 = 2 clientes / minutos

La probabilidad de que el sistema se encuentre ocioso es (1 − ρ) , siendo ρ el factor

λ 1,5 clientes / minutos

1 − ρ = 1 − 0,75 = 0,25 probabilidad de sistema sin ocupar

c) El número promedio de clientes en la cola: L q = λ Wq = 1,5 x 2 = 3 clientes

Media de servicio a clientes: μ = 15 clientes/hora = 15 / 60 = 0,25 clientes / minutos

λ 0,2 clientes / minutos

c) El número promedio de clientes en la cola: L q = p L s = 0,8 x 4 = 3,2 clientes

donde, pn (t) = (1 − ρ) ρn con ρ = λ / μ = 0,8

P(L s > 2) = 1 − P(L s > 2) = 1 − ⎡⎣P(L s = 0) + P(L s = 1) + P(L s = 2)⎤⎦ =

a) Es un modelo de cola M/M/1 con λ = 1 / 8 = 0,125 y μ = 1 / 5 = 0,2

El factor de utilización ρ = λ / μ = 0,125 / 0,2 = 0,625 es la probabilidad de que el

Bajo condiciones de estabilidad (factor de utilización ρ < 1 ), al igual que en el

(λ / μ)s λ μ (80 / 50)2 x 80 x 50

Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más el tiempo en

(λ / μ)s λ μ 2,63 x 12 x 4,615

Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más el tiempo en

Cuando n clientes están dentro, (N − n) clientes están fuera, y por tanto la

+ 3628800 x 0,059 + 3628800 x 0,0510 = 1,85886

con lo que, p = 1 − p0 = 1 − 0,538 = 0, 462

+ 360 x 0,14 + 720 x 0,15 + 720 x 0,16 = 2,06392

Utilización promedio de mantenimiento: p = 1 − p0 = 1 − 0, 4845 = 0,5155

Sí ρ > 1 → Los estados más probables son los de mayor número de clientes,

e) Longitud de la cola: L q = λ ef Wq = 5,95 x 0, 4249 = 2,528 vehículos

b) Tiempo promedio de estancia en la cola: Wq < 4 horas

k = 1 → La distribución Erlang ≡ La distribución Exponencial

k = ∞ → La distribución Erlang ≡ La distribución degenerada con tiempos

Promedio de vehículos en sistema: L s = L q + ρ = 1,305 + 0,75 = 2,055 vehículos

b) p0 = 1 − ρ = 1 − 0,75 = 0,25

Promedio de vehículos en sistema: L s = L q + ρ = 1,125 + 0,75 = 1,875 vehículos

Promedio de clientes en el sistema: L s = L q + ρ = 1,305 + 0,75 = 2,055 clientes

a) Es un modelo M/M/1/4 k = 3 en espera + 1 atendido

Es un modelo M/M/1/9 k = 8 clientes espera + 1 cliente atendido

Probabilidad del sistema sin ocupar: 1 − ρ = 1 − 0,9598 = 0,0402

c) Número promedio de camiones en la fila: L q = λ . Wq = 1,167 x 19,178 = 22,38

e) Número promedio de camiones en el sistema: L s = λ . Ws = 1,167 x 20 = 23,34

a) Tasa de llegada: λ = 70 camiones/hora = 1,167 camiones/minuto

(λ / μ)s . λ . μ (1,75)2 . 1,167 . 0,667

e) Número promedio de camiones en el sistema: L s = λ . Ws = 1,167 x 5,95 = 6,94

En definitiva, con probabilidad p0 = 1 − 0,7 = 0,3 el cajero del banco se encuentra