Modelo M | M | 1 | k

Teoria de Colas
SISTEMA MULTIPLE
M/m/1/K
Teoria de modelo M/M/1//k
 En este sistema el número de clientes potenciales es
finito y relativamente pequeño y se expresa por la
constante k
 Como resultado, el número de clientes que se
encuentran en el sistema corresponde a la tasa de
llegada de clientes.
 Se posee un único servidor en el sistema
 La disciplina del sistema será FIFO, pero se puede
omitir
 Se tiene un estado de servicio igual a uno, es decir
una sola cola, el cual se puede omitir también.
Teoría modelo M/M/1/k
 Continuación Características….
Ventaja de este modelo
 La ventaja que se tiene en este modelo es
que no se necesita utilizar una condiciòn de
no saturación debido a la capacidad es
limitada y por ello se encuentra siempre en
un estado estable sin importar cual sea el
valor de ρ.
Descripción del modelo
 Hay una sola cola, cuya disciplina será FIFO, La
capacidad del sistema es limitada, de tal modo que
sólo puede haber k clientes como máximo en el
sistema, Por lo tanto, el número máximo de clientes
en la cola es k–1, Si un cliente llega y el sistema
está lleno, es rechazado y nunca más regresa
 Las llegadas se producen según un proceso de
Poisson de razón , Los tiempos entre llegadas se
distribuirán exponencialmente, Exp()
 Los tiempos entre servicios también se distribuirán
exponencialmente, Exp(), de tal manera que  es
el número medio de clientes que el servidor es
capaz de atender por unidad de tiempo
Diagrama de Flujo en Estado
Estacionario
Ecuaciones de equilibrio
Probabilidades
 El sistema nunca se satura, ya que la
capacidad es limitada
 Se deduce la siguiente fórmula para las
probabilidades pn de que haya n clientes en
el sistema, donde n{0, 1, 2, …, k}:
  n 1   
 
, si   1

pn   1  
k 1

 1
 , si   1
 k 1
Probabilidades
 El valor de  determina cómo varían los pn:
 Si <1, los estados más probables son los de menor
número de clientes, porque la oferta de servicio supera a
la demanda
 Si >1, los estados más probables son los de mayor
número de clientes, porque la demanda de servicio supera
a la oferta
 Si =1, todos los estados son equiprobables, Podemos
llegar a la fórmula del caso =1 aplicando la regla de
L’Hôpital al límite para 1 de la fórmula del caso 1
 Si hacemos k, llegamos al modelo M | M | 1
Medidas de rendimiento
Medidas de Rendimiento
Medidas de rendimiento
 Tasa efectiva de llegadas, ef, Es el número medio
de clientes admitidos al sistema por unidad de
tiempo de entre los  que intentan entrar (ef<):
 ef   1  p k 
 Número medio de clientes en el sistema (este
valor siempre debe ser inferior a k):
 

k  1 k 1
, si   1
 
1   1  k 1
L
k
 , si   1
2
Medidas de rendimiento
 Podemos obtener las demás medidas de
rendimiento mediante razonamientos ya
vistos, teniendo en cuenta que la tasa
efectiva de llegadas al sistema es ef:
1
W  Wq 


Lq  ef Wq L  ef W
Ejemplo
 A un taller mecánico llegan vehículos para el cambio de
pastillas de freno, Los coches llegan a un promedio de
18 a la hora según un proceso de Poisson, El espacio
físico del taller sólo permite que haya 4 vehículos, y las
ordenanzas municipales prohíben esperar fuera, El taller
puede servir a un promedio de 6 coches por hora de
acuerdo a una distribución exponencial,
 Parámetros del sistema:  = 18 vehículos/h,  = 6
vehículos/h, k = 4 vehículos
18
 3
6
Teoria de modelo M/M/1/k
 Tasa efectiva de llegadas

La tasa efectiva de llegadas es el parámetro del

número medio de clientes que son admitidos
en el sistema. Es por ello que la tasa
efectiva de llegadas siempre sera menor al
número medio de llegadas, ambas por unidad
de tiempo. Se tiene la siguiente fórmula:
 = Tasa efectiva de llegadas

λ = numero medio de llegadas por unidad de

tiempo

Pk = probabilidad de que hallan k clientes en el

sistema
Ejemplo
 ¿Cuál es la probabilidad de que no haya ningún vehículo
en el taller?
 0 1    1 3 2 1
p0  4 1
 4 1
   0,00826446
1  1 3  242 121
 ¿Cuál es el promedio de vehículos que hay en el taller?

L


k  1 k 1

3

4  1341

1  1   k 1 1 3 1 3 4 1

3 1215 426
   3,5206611vehículos
2  242 121
Ejemplo
 ¿Cuánto tiempo pasa por término medio un
coche en el taller?
  k 1    
ef   1  pk    1  
k 1 
 1  
 34  2   720
181    5,950413clientes/h
5 
 1  3  121
426
L 121 426 71
W     0,5916666horas
ef 720 720 120
121
Ejemplo
 ¿Cuánto tiempo esperan por término medio en la
cola los coches?
171 1 17
Wq  W      0,425 horas
 120 6 40
 ¿Cuál es la longitud media de la cola?
720 17 306
Lq  ef Wq  ·   2,52893vehículos
121 40 121
 Ejemplo
El departamento para caballeros de un gran almacén tiene un sastre para
ajustar los trajes adquiridos por los clientes. Parece que el número de
clientes que solicitan ajustes sigue una distribución de Poisson con una
tasa media de llegadas de 24 cli/hora. Los ajustes se realizan del tipo
primero en llegar primero en ser atendido. Los clientes siempre desean
esperar, ya que las modificaciones son gratis. Aparentemente el tiempo
que se tarda en realizar un ajuste se distribuye exponencialmente con
media 2 minutos entre clientes.
Calcular:

 Número promedio de clientes en la sala de ajustes.

 Cuanto tiempo tiene que esperar un cliente en la sala de ajustes.
 Porcentaje de tiempo que permanece ocioso el sastre.
 Cual es la probabilidad de que un cliente espere los servicios del sastre más de 10 minutos.
 Cuanto tiempo deben esperar los clientes por los ajustes.
SOLUCION
SOLUCION
 EJERCICIO 02
Una carnicería es atendida por el propietario de la misma. Aparentemente
el patrón de llegada de los clientes durante los sábados se comporta
siguiendo una distribución de Poisson con una tasa promedio de llegadas
de 10 personas por hora. A los clientes se les atiende siguiendo una
política FIFO, y debido al prestigio de la tienda, los clientes siempre están
dispuestos a esperar su turno. Se estima que el tiempo que se invierte en
atender a un cliente se distribuye exponencialmente con un tiempo de
servicio medio de 4 minutos entre clientes.

Calcular:

Probabilidad de que se cree una cola de espera.

Longitud media de la cola.
Tiempo esperado de permanencia en cola por cliente.
 Probabilidad de que un cliente permanezca menos de 12 minutos
en la tienda.
Ejemplo
Solución
Solución
Solución
 EJEMPLO: CASAS PACESETTER

 Casas Pacesetter se encuentra desarrollando cuatro

proyectos.
 Datos
- Una obstrucción en las obras ocurre en promedio cada 20
días de trabajo en cada sitio.
- Esto toma 2 días en promedio para resolver el problema.
- Cada problema es resuelto por le V.P. para construcción
 ¿Cuanto tiempo en promedio un sitio no se
encuentra operativo?
-Con 2 días para resolver el problema (situación actual)
-Con 1.875 días para resolver el problema (situación nueva).
 SOLUCION

 Se trata de un sistema M/M/1//4

 Los cuatro sitios son los cuatro clientes
 El V.P. para construcción puede ser considerado
como el servidor.
 Datos de entrada
 = 0.05 (1/ 20)
 = 0.5 (1/ 2 usiando el actual V.P).
 = 0.533 (1/1.875 usando el nuevo V.P).
 Resultados obtenidos por WINQSB

Medidas del V.P V.P

Performance Actual Nuevo
Tasa efectiva del factor de utilización del sistema  0,353 0,334
Número promedio de clientes en el sistema L 0,467 0,435
Número promedio de clientes en la cola Lq 0,113 0,100
Número promedio de dias que un cliente esta en el sistema W 2,641 2,437
Número promedio de días que un cliente esta en la cola Wq 0,641 0,562
Probabilidad que todos los servidores se encuentren ociosos Po 0,647 0,666
Probabilidad que un cliente que llega deba esperar en el sist. Pw 0,353 0,334