HILLIER TeoriaColas Inventarios

17 Teoria de colas Las colas (Iineas de espera) son parte de la vida diaria. Todos esperamos en colas para comprar un bolero para el cine, hacer un depésito en el banco, pagar en el supermercado, enviar un pa- quete por correo, obtener comida en la cafeterfa, subir a un juego en la feria, etcétera. Nos he- ‘mos acostumbrado a esperas largas, pero todavia nos molesta cuando son demasiado largas. Sinembargo, tener que esperar no sdlo es una molestia personal. El tiempo que la pobla- cién de un pais pierde al esperar en las colas es un factor importante tanto en la calidad de vida como en la eficiencia de su economia. Por ejemplo, antes de su disolucién, la Unidn Soviéti- «a era notoria por las excesivas colas que sus ciudadanos solian tener que soportar solo para comprar articulos bésicos. Hoy en Estados Unidos, se estima que las personas pasan 37.000 000 000 de horas al afio en las lineas de espera. Si ste tiempo se usara de manera pro- ductiva, significarfa cerca de 20 millones de personas-afio de trabajo ttil cada afo. Incluso estas asombrosas cifras no cuentan toda la historia del impacto que causa la espera excesiva. También ocurren grandes ineficiencias debido a otros tipos de espera que no son. personas en una cola. Por ejemplo, hacer que las mdquinas esperen una reparacién puede dar ‘como resultado pérdida de produccién. Los velrculos (incluso barcos y camiones) que deben ‘esperar la descarga pueden retrasar envios subsecuentes. Los aviones que esperan despegar 0 atertizar pueden desorganizar la programacién posterior de vuelos. Los retrasos en las trans- misiones de relecomunicaciones por saturacion de lineas pueden causar fallas inesperadas en los. datos. Cuando los trabajos de manufiactura esperan su proceso se puede perturbar la produc- cién subsecuente. El retraso en los trabajos de servicio respecto a su fecha de entrega ¢s una causa de pérdida de negocios futuros. Lateoria de colas es el estudio de la espera en las distintas modalidades. Usa los madelas de colas para representar los tipos de sistemas de lineas de espera (sistemas que involucran colas de algiin tipo) que surgen en la préctica, Las férmulas para cada modelo indican cual debe ser el desempefio del sistema correspondiente y sefalan la cantidad promedio de espera que ocurrird, en una gama de circunstancias. Por lo tanto, estos modelos de lineas de espera son muy titiles para determinar cémo operar un sistema de colas de la manera més efectiva. Proporcionar demasiada capacidad de scrvi cio para operar el sistema implica costos excesivos; pero al no contar con suficiente capacidad de servicio la espera es excesiva con todas sus desaforcunadas consecuencias. Los modelos permiten encontrar un balance adecuado entre el costo de servicio y la cantidad de espera.17.1 17.2 17 Fetructura hésica da lor modelos de colae 835 Después de una exposicién general, este capitulo presenta la mayor parte de los modelos de lineas de espera més elementals y sus resultados basicos. El capitulo 18 estudia cémo se puede usar la informacién proporcionada por la teorfa de colas para dise‘iar sistemas de colas que minimicen el costo total de servicio y espera. EJEMPLO PROTOTIPO La sala de urgencias del HOSPITAL GENERAL proporciona cuidados médicos ripidos a los casos urgentes que llegan en ambulancia o vehiculos particulares. En cualquier momento se cuenta con un doctor de guardia. No obstante, debido a la creciente tendentcia a usar estas instalaciones para casos de cmergencia en lugar de ira una clinica privada, el hospital experi- ‘menta un aumento continuo en el mtimero de pacientes anuales que llegan ala sala de urgencias. Como resultado, es bastante comtin que los pacientes que llegan durante las horas pico (temprano en la tarde) tengan que esperar turno para recibir el tratamiento del doctor. Por esto, se ha hecho una propuesta para asignar un segundo doctor a la sala de emergencia durante esas horas pico, para que se puedan atender dos casos de emergencia al mismo tiempo. Se ha pedido al ingenicro administrador del hospital que estudie esta posibilidad.! El ingenicro administrador comenzé por cunir los datos histéricos pertinentes y hacer una proyeccién de estos datos al siguiente afio, Reconocié que la sala de urgencias es un siste- ‘ma de lineas de espera y aplicé varios modelos de teoria de colas para predecit las caracteristicas de la espera en el sistema con uno y dos doctores, como se vera mds adelante en este capitulo (vea las tablas 17.2, 17.3 y 17.4). ESTRUCTURA BASICA DE LOS MODELOS DE COLAS Proceso basico de colas El proceso bésico supucsto por la mayor parte de los modelos de colas cs el siguiente. Los clientes que requieren un servicio se generan en el tiempo en una ficente de entrada. Estos clientes entran al sistema y se unen auna cola. En deter minado momento se selecciona un miembro de la cola, para proporcionarle el servicio, mediante alguna regla conocida como disciplina de servicio. Luego, se lleva a cabo el servicio requerido por el cliente en un mecanismo de servicio, y después el cliente sale del sistema de colas. En la figura 17.1 se describe este proceso. ‘Se pueden hacer muchas suposiciones sobre los distintos elementos del proceso de colas. que se analizardn a continuacién. Fuente de entrada (poblacién potencial) Una caracteristica de la fuente de entrada es su tamafio. El tamafio es el mimero total de clientes que pueden requerir servicio en determinado momento, es decir, el mimero total de clientes potenciales distintos. Fsta poblaciéna partir de la cual surgen las unidades que llegan se conoce como poblacién de entrada. Puede suponerse que el tamafio es infinito 0 finito (de modo que tambign se dice que la fuente de entrada cs ilimitada o limitada). Como los célculos son mucho més sencillos para el caso infinito, esta suposicién se hace a menudo aun cuando el "Un caso real de este tipo se puede encontrar en W. Blaker Bolling: “Queueing Model of a Hospital Emergency Room", Industral Engincering, septiembre de 1972, pp. 26-31.836 17 Teoria de colas Fucute de Clicntcs em ‘Mecanismo entrada de servicio | i FIGURA 17.1 ' Proceso bisico de cols. c tamajio real sea un niimero tijo relativamente grande, y deberé tomarse como una suposici6 implicita en cualquier modelo que no establezca otra cosa. El caso finite es més dificil analiti- ‘camente, pues el ntimero de clientes cn la cola afecta el ntimero potencial de clientes fuera del sistema en cualquier tiempos pero debe hacerse esta suposicién finita sila tasa ala que la fuente de entrada genera clientes nuevos queda afectada en forma significativa por el nimero de clientes en cl sistema de Iineas de espera. ‘También se debe especificar el patrén estadistico mediante el cual se generan los clientes nel tiempo. La suposicion normal es que se generan de acuerdo a un proceso Poison, es decir, el mtimero de clientes que llegan hasta un tiempo especifico tiene na distribucién Poisson, ‘Como se analizard en la seccién 17.4, este caso corresponde a aquel cuyas llegadas al sistema ‘curren de manera aleatoria pero con cierta tasa media fija y sin importar cudnitos clientes es- ‘én yaaht (Por lo que el zamario dela fuente de entrada es infinito). Una suposicién equivalen- te cs que la distribuciéu de probabilidad del tiempo que transcurre entre dos llegadas consecutivas es exponencial. (En la seccién 17.4 se describen las propiedades de esta distribucin. ) Se hace referencia al tiempo que transcurre entre dos llegadas consecutivas como tiempo entre legadas, ‘Cualquier otra suposicién no usual sobre el comportamiento de los clientes debe especi- ficarse también. Un ejemplo seria cuando se pierde un clicnte porque desiste o se relnisa a entrar al sistema porque la cola es demasiado larga. Cola La cola es donde los clientes esperan antes de ser servidos. Una cola se caracteriza por el mi- ‘mero maximo permisible de clientes que puede admitir. Las colas pueden ser finitas 0 infini- #as, segtin si este mimero ¢s finito o infinito. La suposicién de una cola infinita es la estandar para la mayoria de lns modelos, incluso en situaciones en las que de hecho existe una cota su- Perior (relativamente grande) sobre el nimero permitido de clientes, ya que manejar una cota asi puede ser un factor complicado para el analisis. Los sistemas de colas en los que Ja cota superior es tan pequefia que se llega a ella con cierta frecuencia, necesitan suponer una cola finita. plina de la cola Ladisciplina de la cola se refiere al orden en el que sus miembros se seleccionan para recibir el servicio. Por ejemplo, puede ser: primero en entrar, primero en salir, aleatoria, de acuerdo con algiin procedimiento de prioridad o con algiin otro orden. La que suponen como normal los modelos de colas es la de primero en entrar, primero en salir,a menos que se establezca de otra manera.17.2. Fetenen hieiea de lar modaloe de colae 037 Mecanismo de servicio El mecanismo de servicio consiste en una o mas instalaciones de servicio, cada una de ellas con uno o mis canales de servicio paralelas, lamados servidores. Si existe més de una instalacién de servicio, puede ser que el cliente reciba el servicio de una secuencia de ellas (caales de serviin én serie). Envuna instalacién dada, el cliente entra en no de estos canales y el servidor le presta el servicio completo. Un modelo de colas dehe especificar el arreglo de lae inctalaciones yl niimero de servidores (canales paralelos) en cada una. Los modelos mas elementales suponen una instalacién, ya sea con un servidor o con un mimeru fintito de servidores. Eltiempo que transcurre desde e! inicio del servicio para un cliente hasta su terminacin ‘en una instalaciOn se llama tiempo de servicio (0. duracién del servicio). Un modelo de un sistema de colas determinado debe especificar a distribucién de probabilidad de los tiempos de servicio para cada servidor (y tal vez para los distintos tipos de clientes), aunque es comtin su- Poner la misma distribucién para todos los servidores (todos los modelos en este capitulo hacen esta suposicién). La distribucién del tiempo de servicio que més se usa.en la préctica (por ser ms manejable que cualquicr otra) cs la disttibucién exponencial que se presenta en la sec- cién 17-4, y casi todos los modelos de este capitulo serén de este tipo. Otras distribuciones de ‘tiempos de servicio importantes son la distribucién degenerada (tiempos de servicio constantes) y la distribucién Erlang (gama) que se ilustran en los modelos de la seccién 17.7. Un proceso de colas elemental Como ya se ha sugerido, la teorfa de colas se aplica a muchos tipos diferentes de situaciones. El tipo que mis prevalece es el siguiente: una sola linea de espera (que a veces puede estar va cfa) se forma frente a una instalacién de servicio, dentro de la cual se encuentra uno o més ser vidores. Cada cliente generado por una fuente de entrada recibe el servicio de uno de los servidores, quizd después de esperar un poco cn la cola (linea de espera). En la figura 17.2 se dda un esquema del sistema de colas del que se habla, FIGURA 17.2 Sistema de colas Clientes servidos < ‘elemental (cada cliente Sistema de colas se Indica por una cy ‘cada servidor por una S). eae Clientes —n + Occ cece aaan 1, esta constante se denota por (En este caso, 4, = s# cuando» 5, es decir, cuando los s servidores estén ocupadus.) En estas circunstancias, 1/ y 1/14 son los tiempos entre legadas esperados y los tiempos de servicio espe- rads, cespectivamente. Asimismo, p= 4/(su) s el factor de utilizacion para la instalacin. de servicio, es decir, la fraccién esperada de tiempo que los servidores individuales estén ocu- Pados, puesto que 2/(s) representa la fraccidn de la capacidad de servicio del sistema (sj) gue wtilizan en promedio los clientes que llegan (2) ‘También se requiere cierta notacién para describir los resultados de estado estable. Cuan- do un sistema de colas apenas inicia su operacién, cl cstado del sistema (cl ntaneru de clientes cen el sistema) se encuentra bastante afectado por el estado inicial y el tiempo que ha pasado desde el inicio. Se dice entonces que el sistema se encuentra en condicion transitoria. Una vez que ha pasado suficiente tiempo, el estado del sistema se vuelve, en esencia, independiente del estado inicial y del tiempo transcurrido (excepto en circunstancias no usuales).} Asi, se puede decir que el sistema ha alcanzado su condicién de estado estable,en la que la distribu- cién de probabilidad del estado del sistema se conserva (la distribucién estacionaria o de estado establo) a través del ticmpo. La tcoria de colas tiende a dedicar su andlisis a la condicién de estado estable, en parte porque el caso transitorio es analiticamente més dificil. (Existen al- unos resultados transitorios pero en general estan més alld del alcance de este libro.) La notacién siguiente supone que el sistema se encuentra en la condicin de estado estable: P, = probabilidad de que haya exactamente n clientes en el sistema. L = mimero esperado de clientes en el sistema = $n P. ‘Cuando 2 y 4 estén definidos, estas circunstancias poco usuales se refieren a que p> 1, en cuyo caso elestado del sistema tiende a crecer continuamente contorme pasa el tiempo.R40 17,3 17 Teoria de colae L,, = longitud esperada de la cola (excluye los clientes que estén en servicio). W= tiempo de espera en el sistema (incluye tiempo de servicio) para cada cliente. W = E(w). QW, tiempo de espera en la cola (excluye tiempo de servicio) para cada cliente. W, = E(u,). Relaciones entre L, W, Ly yW, Suponga que Z., es una constante A para toda n. Se ha demostrado que en un proceso de colas en estado estable, L= Aw. (Dado que John D. C. Little! proporcioné la primera demostracién rigurosa, a veces se le da cl nombre de formula de Little.) Ademds, la mista demostracion prueba que 1,=AW,. Silas 4,, no son iguales, entonces 4 se puede sustituir en estas ecuaciones por A, la tasa promedia corre Hegadas a la larga. (Mus adelante se veré dino se puede determinar 4 para al- {gunos casos bisicos.) ‘Ahora suponga que el tiempo medio de servicio es una constante 1/1, para todan2 1. Se tiene entonces que W=W, ++. K Estas relaciones son en extremo importantes, pues permiten determinar las cuatro cantidades fundamentales, L, W, L, y W,, en cuanto se encuentra analiticamente el valor de una de ellas. Esta situacién es afortunada, ya que suele ser mucho mds facil determinar una de elas. que las otras al resolver un modelo de colas a partir de los principios basicos. EJEMPLOS DE SISTEMAS DE COLAS REALES Puede parecer que la descripcién de los sistemas de colas de la seccién anterior es algo abstrac- tay sdlocs aplicable en situaciones précticas bastante especiales. Por cl contrario, los sistemas de colas ocurren con sorprendente frecuencia en una amplia variedad de contextos. Para am- pliar el horizonte sobre las aplicaciones de la teorfa de colas, se mencionaran brevemente varios ejemplos reales de sistemas de colas. Una clase importante de sistemas de colas que se encuentra en la vida diaria es el sistema de servicio comercial, en donde los clientes externos reciben un servicio de una organizacién comercial. Muchos de estos sistemas incluyen un servicio de persona a persona en una locali- dad fija, como una peluqueria (los peluqueros son los servidores), el scrvicio de una cajera de banco, las cajas de cobro en un supermercado y una cola en una cafeterfa (canales de servicio en serie). Muchos otros sistemas son de un tipo diferente, como la reparacién de aparatos do- mésticos (el servidor va hacia el cliente), una maquina de monedas (el servidor es una méqui- na) y una gasolinera (los clientes son automéviles). 4)... Little: “A Proof forthe Queueing Formula: L'= 217”, Operations Research, 9(3): 383-387, 1961; veatam- bign S. Scidham, Je: “A Last Word on L-= AW", Operations Research, 22(2): 417-421, 197417.4 17.4 Papel de la distribucién expanenria! 841 Otra clase importante es a de sistemas de servicio de transporte. Para algunos de estos sistemas los vehiculos son los clientes, como los automéviles que esperan para pasar por una caseta de cobro o un semdforo (el servidor), un camidn de carga o un barco que esperait que tuna cuadtrilla les dé el servicio de carga o descarga y un avin que espera aterrizaro despegar en una pista (el servidor). (Un cstacionamicnto es un ejemplo poco usual de este tipo, en el ue los carros son los clientes y los espacios son los servidores, pero no existe una cola porque stelcacaciunamiento esté leno, os clientes se van a otro estacionamiento.) En otros casos, los vehiculos son los servidores, como los taxis, los camiones de bomberos y los elevadores, En los uiltimos afios, tal vez la teoria de colas se ha aplicado més a los sistemas de servicio interno donde los clientes que reciben el servicio son internor 0 parte dela organizaci6n, Lus th=e@ y ¢l valor esperado y la variancia de 1’ son para r>0 para t<0, (F20), Eq) 4 ao va) =. éCusles son las implicaciones para el modelo de colas al suponer queT tiene una distribu- cién exponencial? Para explorar esta pregunta se examinardn seis propiedades de la dis- tribucién exponencial. Propiedad 1: f(t) es una funcidn estrictamente decreciente de t (t2 0). Una consecuencia de la propiedad 1 es que P{O PleeT t+ At} para cualesquiera valores estrictamente positivas de A¢ y f. [Esta es una consecuencia del hecho de que estas probabilidades son el érea bajo la curva de f-(t)en el intervalo indicado de Jongitud Ar, y la altura promedio de la curva es menor para la segunda probabilidad que para Ja primera. ] Por lo tanto, no sdlo es posible sino también relativamente probable que T tome un valor pequetio cercano a cero, De hecho, FIGURA 17:3 a) Funelén de desided de probablidad paral e ovrbvaiin eponenctl 0 grat F a174 _Papel de fa distribucién exponencial 843 plosrs}1}-o.393 mientras que lp <3) Py ~—sT <==} = 0,383, toa*"ia} de manera que es mds probable que el valor que tome T sea “pequefio” [esto es, menor que la mitad de E(T)] que “cercano” a su valor esperado [es decir, no més alejacla que la mitad de E(T)], aun cuando el segundo intervalo tiene el doble de amplitud que el primero. @Realmente es ésta una propiedad razonable para T en un modelo de colas? SiT representa los riempos de servicio, la respuesta depende de la naturaleza general del servicio en cuestién, como se verd en seguida. Sil servicio requerido es en esencia idéntico para cada cliente y el servidor realiza siempre la misma secuencia de operaciones, entonces los tiempos de servicio reales tienden a ser cercanos al tiempo esperado de servicio. Pueden ocurrir pequeas desviaciones de la media, pero por lo general se deben a variaciones menores en la eficiencia del servidor. Un tiempo de servicio tan pequefio que quede muy por debajo de la media cs cn realidad imposible, ya que se necesita cierta cantidad minima de tiempo para realizar las operaciones de servicio requeridas, aunque el servidor trabaje a la mayor velocidad. Es claro que la distribucién exponencial no proporciona una aproximacién cercana a la distribucién de tiempos de servicio de este tipo. Por otro lado, considere el tipo de situacidn en la que las tareas especificas que tiene que realizar el servidor difieren de un cliente a otro La naturaleza general del servicio puede ser la misma, pero la cantidad y tipo especifico de servicio dificren. Por ¢jemplo, éstc es cl caso ene problema de la sala de emergencia del Hospital General que se present en la secci6n 17.1. El doctor se enfrenta a una gran variedad de problemas médicos. En la mayor parte de los casos puede proporcionar el tratamiento requerido con bastante rapidez, pero en ocasiones, el pa- iente requiere un cuidado més extenso. De igual manera, los supervisores de bancos y super- mercadas son servidores de este tipo general, en donde el servicio que prestan suele ser breve, peroen ocasiones se alarga. Parece plausible una distribucién exponencial para los tiempos de scrvicio cn este tipo de situacién. SiT representa los tiempos entre legadas, a propiedad 1 descarta as situaciones en las que los clientes que legan al sistema tienden a posponer su entrada si ven que otro cliente entra antes que ellos. Por otro lado, es totalmente consistente con el fenémeno comiin de las llegadas “aleatorias” que se describe con las propiedades subsecuentes. Asi, cuando se grafican los tiempos entre llegadas contra el tiempo, a veces tienen la apariencia de estar aglomerados con grandes separaciones entre cada aglomeracién, debido a la gran probabilidad de que los tiempos entre llegadas sean pequefios y la poca probabilidad de que ocurran tiempos entre llegadas grandes, pero un patron tan irregular es justo parte de la verdadera aleatoriedad. Propiedad 2: Falta de memoria. Esta propiedad se puede establecer mateméticamente como P{T >t + At|T > At} = P{T >t} para cualesquiera cantidades positivas det y At. En otras palabras, ladistribucién de probabilidad del tiempo que falta hasta que ocurra el evento (llegada o terminacién de servicio) siem-17 Teoria de colas pre es la misma, sin importar cudnto tiempo (At) haya pasado. En efecto, el proceso “olvida” suistoria, Este sorprendente fenémeno acurre conta distribucidn exponencial debido a que P(T> At T>1+At} P{T> At} _P(T>t+At} PUT Ae) aliens) ar PUT>t+At|T> At} = set = P{T >t}. Para los tiempos entre legadas, esta propiedad describe la situacién comin en donde el ticmpo que tanscurre hasta Ja siguiente legada est totalmente influenciado por cudndo ocurrié la iltima llegada, Para los tiempos de servicio, esta propiedad es mas dificil de interpre- tar. No debe esperarse que se cumpla cuando el servidor tiene que realizar la misma secuencia fija de operaciones para cada cliente, porque entonces un servicio largo y tardado debe impli- car que tal vez. queda muy poco por hacer. Por otro lado, en la clase de situacién en la que las ‘operaciones de servicio requeridas difieren entre los clientes, la afirmacién matematica de la propiedad es bastante realista. Para este caso, siha pasado un tiempo de servicio considerable, la Gnica inmplicacion puede ser que este cliente en particular requiera un servicio més extenso que los demés. Propiedad 3: l minimo de varias variables aleatorias exponenciales independientes ticue una distribucién exponencial. Para establecer esta propiedad mateméticamente, scan T; ,7),..., Ty vatiables alearorias exponenciales independientes con parémettos a, (3 ..., iy Fespectivamente. También sea U Ja variable aleatoria cuyo valor ¢s igual al ménimo de los valores que toman 1}, 13,...,T 5 & decir, Us min{T,Ty,..-Tyh Asi, siT;; representa cl tiempo que pasa hasta que ocurre un tipo especial de evento, entonces U representa el tiempo que pasa hasta que ocurre el primero de los n eventos diferentes. Ahora note que para cualquier £2 0, PU >t} = PT, > £,T, >t... Ty >} PAT, >t) P(T, > t}-- PAT, > #} Mattie. peat nf gg Be =e : ex Sat} a de manera que sin duda U tiene distribucidn exponencial con pardmetro a=Ya;. a Esta propiedad tiene algunas implicaciones para los tiempos entre llegadas en los mode- Jos de colas. En particular, suponga que existen varios (1) tipos diferentes de clientes, pero que17.4 Papel de Ia dstrihucidn exponencial 845 los tiempos entre llegadas de cada tipo ( tipo’) tienen distribucién exponencial con pardmetro 4; (i=1, 2,...,m). Por la propiedad 2, el tiempo que falta a partir de un instante especifico hasta la legada del siguiente cliente del tipo tendr4 esta misma distribucidn. Por ello, sea; este tiempo restante medido a partir del instante en que llega un cliente de cualguier tipo. La propicdad 3 dice entonces que U, cl tiempo entre Llegadas para el sistema de colas completo, tiene distribucién exponencial con parmetro a definido por la tiltima ecuacién. Como resultado, se puede clegir ignorar la distincién entre los clientes y seguir teniendo tiempos entre llegadas exponenciales para el modelo de colas. Estas implicaciones son todavia més importantes para los tiempos de servicio en los modelos de colas que tienen més de un servidor, de lo que son para los tiempos entre legadas. Por ejemplo, considere la situacién en la que todos los servidores tienen la misma distribucién exponencial de ticiupu de servicio, con pardmetro p. Para este caso, sca el mimero de servido- 'yseaT; el tiempo que falta para que el servidor (i = 2, ...,m) complete el servicio, que también tiene distribucién exponencial con parémetro @; = u. Se puede concluir que U, el tiempo hasta la siguiente terminacién de servicio para cualquier scrvidor, tiene una distribucién exponencial con pardmetro a= nu. En efecto, el sistema de colas, en este momento, actita como un sistema de un sola servidor, en cl que los tiempos de servicio tienen una distribucién exponencial con pardmetro ny. En este capitulo, se hard uso fiecuente de esta implicacion al analizar los modelos de varios servidores. Cuando se usa esta propiedad, algunas veces ¢s util también determinar las probabilidades de ciuil de las variables aleatorias exponenciales ser la que tiene el valor minimo. Por ejemplo, puede quererse encontrar la probabilidad de que un servidor j en particular termine primero de servir aun cliente entre los n servidores ocupados, Es bastante directo (vea el problema 17.4-10) mostrar que esta probabilidad es proporcional al pardmetro a,.En particu lar, la probabilidad de que T; resulte ser el menor de las m variables aleatorias es PUT; =U}=a;/S.aj, para j=1,2,...5%. Ee Propiedad 4: relacién con la distribucién Poisson. Suponga que el tiempo entre dos ocurrencias consecutivas de un tipo especifico de evento (esto es, llegadas 0 terminacidn de servicio por un servidor siempre ocupado) tiene una dis- tribucién exponencial con pardmetro a. La propiedad 4 tiene que ver con la implicacién re- sultante sobre la distribucién de probabilidad del nsémerv de veces que Ucurre este evento en un periodo dado. En particular, sea X(t) el mimero de ocurrencias en el tiempo t (20), en donde el tiempo 0 es el instante en el que comienza la cuenta. La implicacién es que (asyreret P(X()=n) = SE para , 1, 2, es decir, X(t) tiene una distribucién Poisson con pardmetro at. Por ejemplo, para n= 0, P{X(e)=0} =e", que es justo la probabilidad obtenida a partir de la distribucién exponencial para que ocurra ¢l primer evento después de un tiempo t. La media de la distribucién Poisson es E{X(t)} = at,846 17 Tania da eolae de manera que el ntimero esperado de eventos por unidad de tiempo esa. Asi, se dice que aes la asa media a la que ocurten los eventos, Cuando se cuentan los eventos de manera continua, se dice que el proceso de conteo { X(t); 2 0} es un proceso Poisson con pardmetro a (la tasa media). Esta propicdad brinda informacién util sobre la rerminacién de servicio cuando los tiempos de servicio tienen una distribucién exponencial con pardmetro x. Esta informacién se obtiene al definir x (£)como el numero de servicios completos logrados por un servidor siempre ocupado cn un tiempo transcurrido t, en donde a=. Para modelos de multiples servidares, también se puede definir X(¢) como el niimero de terminaciones de servicio logradas por n servidores siempre ocupados en un tiempo transcurrido #, en donde a= ny. Esta propiedad es ttil en particular para describir el comportamiento probabilistico de las Hegadas cuando los ticampos entre llegadas siguen una distribucién exponencial con paré- metro A. En este caso, X(t) serfa el msimero de legadas en un tiempo transcurrido t, en donde a= Aes la tasa media de legadas, Entonces, las llegadas ocurren de acuerdo con un proceso de entradas Poisson con parémetro A. Este tipo de modelos se describen también con la suposi- cién de que tienen Megadas Poisson. Algunas veces se dice que las llegadas ocurren aleatoriamente y esto significa que suceden de acuerdo con un proceso de entradas Poisson. Una interpretacién intuitiva de este fenéme- no ¢s que cada periodo de longitud fija tiene la misma oportunidad de tener una llegada sin importar cudndo ocurrié la llegada anterior, como lo sugiere la siguiente propiedad. Propiedad 5: para todos os valores positivos det, P{T <¢ + A|T>t}~ aAt, para Ar pequetio. ‘Todavia se interpreta T como el tiempo que pasa desde el iltimo evento de cierto tipo (llegada o terminacién de servicio) hasta el siguiente evento, y suponga que ha transcurrido un tiempo sin que ocurra un evento. Se sabe, por la propiedad 2, que la probabilidad de que ‘ocurra un evento dentro del siguiente intervalo de tiempo, de longitud fija At, es una constante (que se identificaré en el siguiente pérrafo), sin importar cudn grande o pequefio sea t. La propicdad 5 va més allé al agregar que, cuando el valor de At es pequetin, esta probabildad constante se puede aproximar de manera muy cercana por aA. Lo que es més, cuando se consideran distintos valores pequefios de Ar, esta probabilidad es, en cscneia, proporcional a ‘At, con factor de proporcionalidad igual aa. De hecho, aes la tasa media a la cual ocurren los eventos (vea la propiedad 4), por lo que el ntdmero esperado de eventos en el intervalo de longitud Afes exactamente aAt. Latinica razén por la que la probabilidad de que ocurra un evento ditiere de este valor ¢s la posibilidad de que ocurra mds de un evento, lo cual tiene una probabilidad despreciable cuando At es pequefo. Para ver mateméticamente por qué se cumple la propiedad 5, note que el valor constante de la probabilidad (para un valor fijo de At > 0) es sencillamente PUD + At|T>t}= PUT At}17.4 Papel de ta dictribu ihn ewpanencial 847 se concluye que PIT t}=1—14 aAt— yoo mon! = adr, para Ar pequefio,! porque las términns de la suma ce vnelven despreciables para valores de ctAt suficientemente pequefios. ‘Como en los modelos de colas T puede teprescntat ya sea tiempos entre llegadas o tiempos de servicio, esta propiedad proporciona una aproximacién conveniente de la probabilidad de que ocurta el evento de interés en el siguiente intervalo de tiempo pequefio (Ar). ‘También se puede hacer un andlisis exacto basado en esta aproximacién, tomando los limites apropiados cuando At > 0. Propiedad 6: no afecta agregar 0 desagregar. Esta propiedad es importante para verificar que el proceso de entrada es Poisson. Entonces, se describird en estos términos, aunque también se aplica directamente a la distribucién expo nencial (tiempos entre llegadas exponenciales) debido a la propiedad 4. Primero sc considera agregar (combinar) varios procesos de entrada Poisson en un proceso de entrada global. En particular, suponga que existen varios (n) tipos diferentes de clientes, en donde los clientes de cada tipo (tipo) llegan de acuerdo a un proceso de legadas Poisson con pardmetro 2, (i= 1, 2,...,%). Suponga que se trata de procesos Poisson independientes, la propiedad dice que el proceso de entrada agregado (Ilegada de todos los clientes sin importat de qué tipo son) también debe ser Poisson, con parimetro (tasa de llegada) 4=2, + 4) + +A,,- En otras palabras, si se tiene un proceso Poisson no afecta agregar. Esta parte de la propiedad sc concluye directamente de las propiedades 3 y 4. Esta tiltima implica que los tiempos entre llegadas para los clientes de tipo tienen una distribucién exponencial con pardmetro A ;. Para esta situacién idéntica, ya se analiz6 en la propiedad 3 que esto implica que los tiempos entre llegadas para todos los clientes también deben tener una distri- bucién exponencial, con pardmetro A= A, +4) +:--+A,. Si se usa la propiedad 4 de nuevo implica que el proceso de entrada agregado es Poisson. La segunda parte de la propiedad 6 (“no afecta desagregar”) se refiere al caso contrario, en el que se sabe que el proceso de entrada agregado (la que se obruvo con ia combinacién de procesos de entrada para diferentes tipos de clientes) es Poisson con pardmetro A; el cuestio- namiento ahora concierne ala naturaleza del proceso de entrada desagregado para los tipos de clientes individuales. Si se supone que cada cliente que llega tiene una probabilidad fija p; de pertenecer al tipo i (=, 2,..., ), con Bh oy So, 4 "De manera mis precisa, an, PTSEaeT on)848 17.5, 17 Teoria de colas la propiedad dice que el proceso de entrada para los clientes tipo i también debe ser Poisson. con pardmetro A;. En otras palabras, si se tiene un proceso Poisson, no aftcta desagregar. ‘Como ejemplo de la utilidad de esta segunda parte de la propiedad, considere la siguiente situacién. Los clientes, sin hacer distinciones, llegan de acuerdo a un proceso Poisson con pa- rémetro A. Cada cliente que llega tiene una probabilidad fija p de desistir (insc sin exutrar al sis tema de colas), de manera que la probabilidad de entrar al sistema cs (1 - p). Asi, se tienen dos tipos de clientes, aquellos que desisten y aquellos que entran al sistema. La propiedad dice que cada tipo llega de acuerdo a un proceso Poisson, con pardmetros pay (1 p)2, tespectiva- mente. Por lo tanto, al usar el iltimo proceso Poisson, los modelos de colas que suponen llegadas Poisson todavia se pueden usar para analizar el fancionamiento del sistema de colas para aquellos clientes que entran al sistema. PROCESO DE NACIMIENTO Y MUERTE La mayor parte de los modelos elementales de colas suponen que las entradas (Ilegada de clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo al proceso de naci- ‘miento y muerte, Este importante proceso de teorfa de probabilidad tiene aplicaciones en varias dreas, Sin embargo, en el contexto de la teorfa de colas, cl término nacimiento se reficre a la Hegada de un nucvo cliente al sistema de colas y el término muerte se refiere a la salida del cliente servido. El estado del sistema en el tiempo t (t 2 0), denotado por N(f),¢s el nime- rode clientes que hay enl sistema de colas en el tiempo ¢. El proceso de nacimiento y muerte describe en términos probabilitices emo cambia N(t) al aumentar ¢, En general, dice que los nacimientos y muertes individuales ocurren de manera aleatoria, donde sus tasas medias de ocurrencia dependen de! estado actual del sistema. De manera més precisa, las suposiciones del proceso de nacimicnto y muerte son las siguicntes. Suposicién 1. Dado N(¢) = », la distribucién de probabilidad actual del tiempo que falta para el proximo nacimiento (Ilegada) es exponencial con pardmetro A, (n= 0, 1, 2,+.)- Suposicién 2. Dado N(t) = », la distribucién de probabilidad actual del tiempo que falta para la prévxima muerte (terminacién de servicio) es exponencial con pardmetro uty (#= 1, 2,..). Suposicion 3. La variable aleatoria de la suposicién 1 (el tiempo que falta hasta el proximo nacimiento) y la variable aleatoria de la suposicién 2 (el tiempo que falta hasta la siguiente muerte) son mutuamente independientes. La siguiente transicién del estado del proceso es n->n+1 (un solo nacimiento) > n-1 (unasola muerte), dependiendo de cudl de las dos variables es mas pequefta. ‘Como consccuencia de las suposiciones 1 y 2, el procesu de nacimiento y muerte es un tipo especial de cadena de Markov de tiempo continuo (vea en la seccién 16.8 la descripcién de uuna cadena de Markov de tiempo continuo y sus propiedades y una introduccién al procedimiento general para encontrar las probabilidades de estado estable que se aplicard en el resto de la seccién). Los modelos de colas que se pueden representar por una cadena de Markov de tiempo continuo son mucho més manejables analiticamente que cualquicr otro modelo.FIGURA 17.4 175 Proceso de nacimiente y usr Bay dbo hook ay Estado: oe Cn-2 +1) some a OS Of para el proceso de nacimiento y muerte. oo Bar Me han ‘Como la propiedad 4 de la distribucién exponencial implica que las 4, y ,, son tasas medias (vea la seccién 17.4), estas suposiciones se pueden resumir en el diagrama de tasas que se muestra en la figura 17.4. Las flechas en este diagrama muestran las tinieas transiciones posibles en el estado del sistema (como lo especifica la suposicién 3) y cl elemento junto a ada flecha es la tasa media para esa transicién (seguin las supusiciunes 1 y 2) cuando el siste- ‘ma se encuentra en cl estado que hay en la base de la flecha. Excepto por algunos casos especiales, el andlisis del proceso de nacimiento y muerte es complicado cuando el sistema se encuentra en condicién transitoria. Se han obtenido algunos resultados sobre esta distribucién de probabilidad de N(t),! pero son demasiado complica- dos para tener un buen uso practico. Por otro lado, es bastante directo derivar esta distribu- ihn después que el sistema ha alcanzado la condiciGn de estado estable (en caso de que pueda alcanzarla). Este desarrollo parte del diagrama de tasas, como se describe en seguida. Considere cualquier estado» (=0, 1, 2,...) del sistema. Suponga que en el tiempo 0 se inicia el conteo del nimero de veces que el sistema entra a este estado y el ndmero de veces que sale de él, como se denota en seguida: E, (#) = mimero de veces que el proceso entra al estado m hasta el tiempo t. L, (¢) = mimero de veces que el proceso sale del estado » hasta el tiempo f. Como los dos tipos de eventos (entrar y salir) deben alternarse, estos dos niimeros serin iguales o diferirdn en s6lo 1; es decir, |E,(¢)- L,(@)| <1. Al dividir ambos lados entre ¢ y después hacer que t -» co se obtiene Fal) _ Ly (0) Ent) Ln ()) r t r t Sise dividen E, (t)y L, (¢) entre tse obtiene la tasa real (ruimero de eventos por unidad de tiempo) a la que ocurren estos dos tipos de eventos, y cuando # -> «ose obtiene la tasa media (mimero esperado de eventos por unidad de ticmpo): |<2, asi lim 5 ’ tim 7) — casa media ala que el proceso entra al estado m, cae lin od = tasa media a la que el proceso sale del estado 7. Este resultado conduce al siguiente principio clave: 4S. Karliny J. McGregor: “Many Server Queueing Processes with Poisson Input and Exponential Service Times”, Pa- fc Journal of Mathematics, 8: 87-118, 1958,850 Principio de tasa de entrada = tasa de salida. Para cualquier estado » (n =0, 1, 2,...) del sistema, la tasa media de entrada = tasa media de salida. La ecuacién que expresa este principio se llama ecuacién de balance para cl estado n. Después de construir las ecuaciones de balance para todos los estados en términos de las pro babilidades P, desconocidas, sc puede resolver este sistema de ecuaciones (més una ecuacién que eotablezca que las probabilidades deben sumar 1) para eneuutratlas. A fin de ilustrar una ecuacién de balance, considere cl estado 0. El proceso entra aeste estado sdlo desde el estado 1. Asi, la probabilidad de estado estable de encontrarse en el estado 1 (P,) representa la proporcién de tiempo que es posible que el proceso entre al estado 0. Dado que el proceso se encuentra en el estado 1, la tasa media de entrada al estado 0 es fy. (En otras palabras, para cada unidad acumulada de tiempo que el proceso pasa en el estado 1, el nimero esperado de veces que lo dejarfa para entrar al estado 0 es 41.) Desde cualquier oiro estado, esta tasa media cs 0. Por lo tanto, la tasa unedia global a la que el proceso deja su estado actual para entrar al estado O (la tasa media de entrada) es MP, + 00 Py) =a Fy. Por el mismo razonamiento, la tasa media de salida debe ser Ao Py, de manera que la ecuacién de balance para el estado 0 es MP, = doko. Para todos los demés estados, existen dos transiciones posibles, hacia adentro y hacia fuera del estado. Entonces, cada lado de las ecuaciones de balance para estos estados representa la suma de las tasas medias para las dos transiciones incluidas. Por lo demis, el razona- ‘mientoes igual que para el estado 0. Estas ecuaciones de balance se resumenen la tabla 17.1. Observe que la primera ecuacién de balance contiene dos variables (Py y P,), las primeras dos ecuaciones contienen tres variables (Pp, P, y P,), y asf sucesivamente, de manera que siempre se tiene una variable “adicional”. Por lo tanto, el procedimiento para resolver estas ecuaciones es despejar todas las variables en términos de una de ellas, entre las cuales la mis conveniente ¢s Fy. La primera ecuacién se usa para despejar P, en términos de Py; des- pués se usa este resultado y la segunda ecuacién para obtener P, en términos de Py, etc. Al final, el requisito de que la suma de todas las probabilidades debe ser igual a 1 se puede usar para evaluar Py TABLA 17.1 Ecuaciones de balance para el proceso de nacimiento y muerte A= Aafy ola + aakr= (hy +m NR AR + B= (a + 1a) AacaPca + Hea (Boas + Boro + Hn = (y+ He)175 Proceta de nacimiante y muorte 851 ‘Al aplicar este procedimiento se obtienen los siguientes resultados: Para simplificar la notacién, sca ‘ Ea eam implica que (Se) asi, & m0 Cuando un modelo de lineas de espera se basa en el proceso de nacimiento y muerte, de manera que el estado del sistema m representa el niimero de clientes en el sistema de colas, las medidas clave de desempeiio para el sistema (L, L,,W y W’,) sc pueden obtener de inmediato852 17.6 17 Taorla de cole después de caleular las P, con las férmulas anteriores. Las definiciones de Ly L, dadas en la seccién 17.2 especifican que 12h Safe ae Range endonde J es a tasa de legadas promedi ala larga. Como A,, es la tasa media de llegadas cuando el sistema se encuentraenelestadon (n=0, 1, 2,...)y Py es la proporcién de tiempo que el sistema estd en este estado, ed g4= > 4,P,! i 7) Varias de las expresiones que se acaban de dar incluyen sumas con un ntimero infinito de términos. Por fortuna, estas sumas tiene soluciones analiticas para muchos casos especiales interesantes,! como se verd en la siguiente seccién. En otros casos, se puede apreximar sn- mando un mimero finito de términos en una computadora. Estos resultados de estado estable se desarrollaron bajo la suposicidn de que los paréme- tros A, y H, tienen valores tales que el proceso, de hecho, puede alcanzar la condicién de estado estable. Esta suposicién siempre se cumple si ,, = 0 para alguin valor de » mayor que el estado inicial, de forma que séto son posibles un mimero finito de estadas (aquellos menores que esta). También se cumple siempre cuando A y 1 estan definidas (vea“Terminologia y no- tacién” en la seccién 17.2) y p= A/(su)< 1. No se cumple si D2. C, = 2. La siguiente seccidn describe varios modelos de colas que son casos especiales del proceso de nacimiento y muerte. Los resultados de estado estable gencrales dados cn los recuadros se utilizardn una y otra vez para obtener los resultados especificos para estos modelos. MODELOS DE COLAS BASADOS EN EL PROCESO DE NACIMIENTO Y MUERTE ‘Como se puede asignar cualquier valor no negativo a cada una de las tasas #41, H2,.--del proceso de nacimiento y muerte, se cuenta con una gran flexi un sistema de colas. Los modelos que acaso sean los que més se usan en teorfa de colas estén Bstas soluciones se basan en los siguientes resultados para la suma de cualquier serie geomeétrcs: para cualquier «#1,17.6 Modeloc de colae baradoe on ol proceco de nacimiente y muerte 053 basados directamente en este proceso. Por las suposiciones 1 y 2 (y la propiedad 4 de la distri- bucién exponencial), se dice que estos modelos tienen entradas Poisson y tiempos de servicio exponenciales. Los modelos difieren s6lo en las suposiciones sobre cémo cambian las A, y las 1, segiin el estado 1. Se presentardn cuatro modelos en esta secci6n para cuatro tipos importantes de sistemas de colas, Modelo M/M/s Como se describié cn la seccién 17.2, cl modelo M/M/ssupone que todos los tiempos entre Hegadas son independientes ¢ idénticamente distribuidos de acuerdo con una distribucién exponencial (¢s decir, el proceso de entrada es Poisson), que todos los tiempas de servicio son independientes ¢ idénticamente distribuidos de acuerdo con otra distribucién exponencial y que el ntimero de servidores es s (cualquier entero positivo). En consecuencia, este modelo es sélo un caso especial del proceso de nacimiento y muerte cuando la tasa media de Hegadas al sistema de colas y la tasa media de servicio por servidor ocupado son constantes (A y 1, respectivamente) ¢ independicntes del estadu del sistema. Cuando el sistema tiene solo wn servidor (s=1), la implicacién es que los parémetros para el proceso de nacimiento y muerte son 4,,= n=0, 1, 2,..)¥ dy =H (= 1, 2,...). Ena figura 17.5a se muestra cl diagrama de tasas que se obtiene. ‘Cuando el sistema tiene varias ervidores (s>1), no es tan sencillo expresat yy. Recuerde qne j1,, representa la tasa media de servicio para el sistema de colas completo (es decir, la tasa media a la que ocurren las terminaciones de servicio para que los clientes dejen el sistema) ‘cuando hay » clientes en el sistetta. Como lo menciona la propiedad 4 de la distribucién exponencial (vea la seccién 17.4), cuando la tasa media de servicio por servidor ocupado es, a tasa media de servicio global para # servidores ocupados debe ser ny. Entonces, ft =716 cuando » < 5, mientras que 4, = 5 cuando 12 s, ya que los s servidores estén ocupados. Fl diagrama de tasas para este caso se muestra en la figura 17.56. Si la rasa media de servicio méxima sy excede a la tasa media de llegadas 4, es decir, si A Cae FIGURA 17.5 a) Caso de en servidor (5 = 1) AeA, para #=0,1,2,... Diagrama de tasas para t= fy paranel,2, ‘el modelo MIM/s. : A Ala LOMO OMOMECE> RCSD BORE x OR R « ae ) Caso de multiples servidores (s>1) A= 2, paran= 1,2, . waft pare n= 1,2, 0055 lg, paran=s,s+ A A A A A Esato: |UD). Gay Gary ty TaD Hm 3H ™ G-)e me854 17 Teorfa de colae tun sistema de colas que se ajuste a este modelo tarde o temprano alcanzars la condicién de estado estable. En esta situaci6n se pueden aplicar directamente los resultados de estado estable derivados en la seccién 17.5 para el proceso de nacimiento y muerte. Estos resultados se sim- plifican mucho para este modelo y proporcionan expresiones cortas para P, , L, Ly, etcétera, como se mostrard a continuacién,. Resulladus para el casv de un servider (M/M/1). Para s= 1, los factores G, paral proceso de nacimiento y muerte se reducen a ay cy=[4] =p", paran=0,1,2,... (7) Por lo tanto, P,=p"P, paran=0, 1,2, donde P,=(-p)p”, paran=0, 1, 2,.... En consecuencia, L=¥ nlp" =] =0-pp, 2") En forma similar Sone17.6 Modelos de colas basados en el proceso de narimianta y musrte 855 Cuando A 2 1, esto es, la tasa media de llegadas excede a la tasa media de servicio, la solu- ci6n anterior “no sirve” (ya que la suma para calcular Py diverge). En este caso, la cola “explo- ta” y crece sin limite. Sil sistema de colas comienza a operar sin clientes presentes, puede ser que el servidor se dé abasto con los clientes que llegan durante un periodo corto, pero ala lar- ale serd imposible. (Aun cuando 2= 4, cl niimero esperndo Uc clicntes en el sistema crecera sin limite lentamente con el tiempo, aunque siempre es posible un regreso temporal a no te- set clicutes, las prubabilidades de tener numeros grandes de chentes crecen significativamen- te-con el tiempo.) Si se supone de nuevo que 4> y, se puede derivar la distribucién de probabilidad del tiempo de espera en el sistema (incluyendo servicio) # para una legada aleatoria cuando la disci plina de la cola es primero en entrar, primero en salir. Siesta llegada encuentra n clientes en el sistema, tendré que esperar n + Lticmpos de servicio expoucuciales, inclusive el propio. (Para elcliente que actualmente se encuentra en servicio, recuerde la propiedad de falta de memoria dc la discribucién exponencial que se present6 en la seccién 17.4.) Entonees, sean T), T}, |as variables aleatorias independientes de los tiempos de servicio que tienen una distribucién exponencial con pardmetro 4, y sea Sut = Ty + Ty beet Tyas paran=0, 1, 2.0.5 de manera que S, ,, representa el tiempo de espera condicional, dacio que hay m clientes en el sistema. Como se analiza en la secci6n 17.7, se sabe que S, ,; tiene distribucién Erlang. Como la probabilidad de que una liegada aleatoria encuentren clientes en el sistema es P, , se concluye que P(>t}= P,P, a>th ab lo que después de cuantiosa manipulacién algebraica (vea el problema 17.6-17) se reduce a Pet} = ean > parar20. Laconclusién sorprendente es que W tiene una distribucidn exponencial con pardmetro igual a u(1~p). Entonces, Estos resultados incluyen el tiempo de servicio en el tiempo de espera. Enalgunos contextos (por ejemplo, el problema de la sala de emergencia del Hospital General), el tiempo de espera mds importante es justo hasta que comienza cl servicio. Considere el tiempo de esperaen acola (cxcluyendo cl ticmpo de servicio) (U, para la llegada aleatoria cuando la disciplina dela cola es primero en llegar, primero en salir. 5 esta llegada no encuentra clientes en el sistema, entonces se le sirve de inmediato, de manera que PLAY, =0) ~ 1h -1=p. *Poera del contexto de tcorla de vols, esta distribucin se conoce como dlaribucion gama.856 17 Teoria de colas Si encuentra n> O clientes, entonces tendré que esperar n tiempos de servicio exponenciales hasta que su propio servicio comience, de forma que para 20. Observe que WV, no tiene en realidad una distribucién exponencial porque P{4u, = 0}>0. Sin embargo, la distribucién condicional de Qu,, dado que W, > 0, no tiene una distribucién exponencial con pardmetro j«(1- 9), como lo tiene 4, porque ' P(U,>t) Play» F194 > ~ Foy Alobtener la media de esta distribucién (no condicional) de Qu, (0 aplicar una de las dos formulas L, = AW, 0 W, =W 1/1), resulta W, = E(W,)= =e Art, parat20. Bea Ay Resultados para el caso de varios servidores (s>). Cuando s >1, los factores C, se convierten en (lay para n= 1,2,...,5 Cu 4 apy (4 . lw) (2) OI ara nag sting st (sa sist En consecuencia, si A< s4, [de manera que p= A /(5) < I], entonces . sam”, Alay & (ay ani) Zale gues (ay) eh ayy)" q Gla)” Alwy =1 |g nt * ost 1am? donde el término para n= O en la tltima suma lleva al valor correcto de J debido a la conven- cidn de que != 1 cuando » = 0. Estos factores C, dan también Glu)" sidsmss17.6 Modelos de colas basados en el proeatn da nacimianto y muerte 057 Mis atin, sl st —FoA/uy'p. sid py? Las figuras 17.6 y 17.7 muestran cémo cambian P, y Lon ppara diferentes valores de s. Fl método de un servidor para encontrar la distribucién de probabilidad de los tiempos de espera se puede extender al caso de varios servidores. Alaplicatlo se obtiene! (parat > 0) uel Road a! (Lerma Plau> =e | sid=p) (s-I-a/m - PU, >t} = (1- PAU, = 0})e1-P, donde PAW, Las formulas anteriores para las distintas medidas de desemperio (incluyendo P,) son bastante tediosas para hacer Ios célculos a mano. El archivo de Excel para este capftulo én OR NOuando 1 ~ a/ w= 0, (1 e610) (5-1 ~ 4/4) dee sustituirse por ut.ASR 17 Teoria da cola Poh g toe - 3 ‘ <= OE NM g gb sel 3 1 3 \ y=2 § ok - t g NE ] 73 aE | | | z | ce | 3 z 3 ot + gE | 7: s=10 | FIGURA 17.6 Gol \ Valores de P para 0e0le0! 4 05 06 07 08 09 10 ‘el modelo M/MIs » (seccién 17.6). Factor de utilizacién ers ‘Courseware incluye una plantilla Excel que realiza todos los célculos simulténeos para cuales- quicra valores de t, 5, A y u siempre que A < su. ‘SiA> spes decir, sila tasa media de llegadas excede a la tasa media maxima de servicio, la cola crece sin Kimite y las soluciones de estado estable anteriores no se pneden aplicar. Ejemplo del Hospital General con el modelo M/M/s. Enel problemade la salade emergencia del Hospital General (vea la seccién 17.1), el ingeniero ha concluido que los casos de emergencia llegan casi de manera aleatoria (proceso de entrada Pvissun), por lu que los tiempos entre llegadas tienen una distribucién exponencial. También llegé a la conclusién de gue cl tiempo que necesita el doctor para atender a los pacientes sigue aproximadamente una distribucién exponencial. Asi, eligié el modelo M/ M/s para hacer un estudio preliminar de este sistema de colas. Al proyectar los datos disponibles del turno de la tarde al afio préximo, estima que los pacientes llegardn a una tasa promedio de uno cada media hora. Un doctor requiere un promedio de 20 minutos para arender al pacienre. Si se usa una hora como unidad de tiempo,17.6 Modelos de colas basados en el proceso de nacimiento y muerte RSo Lh 3 rT | | 2 | a T 7 || | sob | LG = _tY, En ZB o£ Ce 2 f- SP i g We | 2 &F $ | BEATA 25 + % | | FIGURA 17.7 | | | i 4 Valores de L para. 0 Ol 02 03 04 05 06 0.7 08 09 1.0 el modelo M/ M/s A (seccién 17.6). Factor de utilizacién sh 3 horas por cliente = horas por cliente, de manera que 2=2 clientes por hora 4=3 clientes por hora,860 17 Teoria de colas Las dos alternativas bajo consideracién son: continuar con un solo doctor durante este turno (s=1) o agregar un segundo doctor (s= 2). En ambos casos, a p=—1. Este modelo pot lo geucral sc etiqueta como M/M/s/K, donde la presencia del cuarto simbolo lo distingue del modelo M/ M/s. La nica diferencia en la formulacién de los dos modelos es que Kes finito para el modelo M/M/s/K y K =o para el modelo M/ M/s. La interpretacién fisica usual para el modelo M/ M/s/ Kes que se cuenta con un espacio limitado de espera que admite un méximo de K clientes en el sistema. Por ejemplo, para el problema de la sala de emergencia del Hospital General, este sistema de hecho tendria una ola finita si slo hubiera K camillas para los pacientes y si la politica fuera mandar a otro hospital a lus pacientes que legan cuando no hay lugares disponibles. (Otra interpretacién posible es que los clientes que llegan dejardn el sistema y se “irdn a otra parte” cuando encuentren demasiados clientes (K) ertel sistema antes que ellos, por no estar dispuestos a soportar una larga espera. Este fenémeno de desistir ex hastante comiin en Jos sistemas de servicio comercial, pero existen otros modelos disponibles (por ejemplo, vea el problema 17.5-5) que se ajustan mejor a esta situacién. Eldiagrama de tasas de este modelo es idéntico al que se muestra en la figura 17.5 parael modelo M/M/s, excepto que se detiene en el estado K. Resultados para el caso de un servidor (M/M/I/K). Para este caso, a A) so" oe k G= (2) Ci 0 para n> K. Entonces, para p+ 1,} 1 P= 'Si p— 1, entonces By = 1/(KC + 1) paran=0, 1, 2y... Ky de mnanera que L= K /2862 17 Teorta de colas de manera que 1 Pa ere, paran=0, 1, 2, .4K. -p Entonccs x L= nr, =p dy =r P 2, =-(p") pet” ib dp —— . ee d{ Eo } ore, a (1 0 =p" dol 1-p (K+ p% + Kpk141 a-p™)a-p) Ka vpkt B= ‘Como es usual (cuando s= 1), 1, = L-(-h) Note que los resultados anteriores no exigen que A < ut (estos, que p< 1). Cuando p< 1, se puede verificar que el segundo término de la tiltima expresién para L, converge a 0 cuando K > «, pot lo que, sin dida, odes los resultados anteriores convergen los resultados correspondientes obtenidos antes para cl modclo M/ M/1. La distribucién de los tiempos de espera se puede derivar si se utiliza el mismo razona- iento que para el modelo M/ M/1 (veal problema 17.6-31). Sinembargo, nose han obte- niido expresiones sencillas en este caso, por lo que es preciso efectuar los célculos en una computadora. Por fortuna, aun cuando en este modelo L # AW y L, AW, yaque las, no son iguales para toda n (vea el final de la seccidin 17.2), s{se pueden abtener los tiempos de espera esperadas para los clientes que llegan al sistema, directamente de las expresiones dadas al final de la seccién 17.5: 0 =A(- Px).17.6 Modelos de coles basades en el proceso de nacimiento y muerte 863 Resultados para el caso de varios servidores (s>I). Como este modelo no permi- tems de K clientes en el sistema, K es el mimero mdximo de servidores que pueden tenerse. Suponga que s< K. En este caso, C,, se expres como ce paran=0,1,2,..45 Ge ela) Gly para nes 541 unk st (su sist? paran> K. param =1,2,...45 paran=ss4]...,K para n> K, 5" Gun & ( a J} nt st Sule Sise adapta a este caso (veael problema 17.6-28) la derivacién de L,del modelo M/ M/s, se llega a PAH Py ake _ eg pK Fit Boe = K-90 A-eyh donde p= 4 /(51)+ Se puede demostrar (vea el problema 17.2-5) que L= Son +4ei- Sn} ‘4 mt od ‘W yW, se obtienen a partir de estas cantidades, como se mostré para el caso de un servidor. Elarchivo de Excel de este capitulo incluye una planta para calcular las medidas de desempefio anteriores (inclusive las P,) para este modelo, ‘Un caso especial de estes modelo es cuando K = sde manera que la capacidad de la colaes K~ s= 0. Eneste caso, los clientes que llegan cuando todos los servidores estén ocupacios dejan el sistema de inmediato y se picrden. Esto ocurrird, por ejemplo, en una red de teléfonos con 5 lineas uoucales de manera que cuando todas estas lineas estén ocupadas, quien llama obtiene una sefial de ocupado y cuelga. Este tipo de sistema (un “sistema de colas” sin cola) se conoce cmo sistema de pérdidas Erlang porque el primero que lo estudi6 a principios del siglo xx fue A. K, Erlang, un ingeniero en telefonia holandés, a quien se considera el fundador de la teorfa de colas. "Sip = 1 ,esnecesatioaplicar la regla de L!Hopital doe veces aesea expresién de Iy-De otra manera, todos estos resul- ‘ados se cumplen para toda p> 0. La razén para que este sistema de cols aleance la condicidn de estado estable un ‘quando p 2 1esque A. = 0 paratodan > K,de modo que el niimero de clientes ene sistema no puede ceguirerecien do en forma indefinida,864 17 Tevtla de wlan Variacién de fuente de entrada finita al modelo M/M/s ‘Ahora suponga que la tinica diferencia con el modelo M/ M/s seguin se definié en la secci6n 17.2) es que la fuente de entrada esté limitada; es decir, el tamafio de la poblacién potencial es f- nito. Para este caso, sea N el tamajio de esa poblacién. Cuando el mimero de clientes en el sistema de colas ¢s » (n= 0, 1, 2,...,.N), existen s6lo (N — 1) clientes potenciales restantes en la fuente de entrada. Laaplicacién més importante de este modelo es el problema de reparacién de méquinas, en el que se asigna a uno o més técnicos o personas de mantenimiento la responsabilidad de ‘mantener en operacién cierto grupo de N méquinas dando servicio a cada una de las que se descomponen. (El ejemplo dado al final de la seccién 16.8 ilustra esta aplicacién cuando sensael procedimiento general para resolver cualquier cadena de Markaw de tiempo continuo en lugar de las formulas especificas disponibles para el proceso de nacimiento y muerte.) Se con- sidcra que un técnico de mantenimiento cs un servidor individual cn el sistema de colas si trabaja en forma independiente en méquinas diferentes, mientras que los miembros de una cuadrilla completa se toma como un servidor si trabajan unidos en cada maquina. Las méqui- nas constituyen la poblacién potencial. Cada una se considera un cliente en el sistema de colas cuando esté descompuesta en espera de ser reparada, mientras que cuando est4 en operacién cesed fuera del sistema, Observe que todos los miembros de la poblacién potencial alternan entre estar dentro y _fuera del sistema de colas. Entonecs, cl andlogo del modelo M/ M/sque sc ajusta acsta situa- ‘cién supone que el tiempo fuera decada miembro (esto es, cl tiemporque pasa desde que deja! sistema hasta que regresa) tiene una distribucién exponencial con parametro A. Cuando n miembros estan dentro y, por supuesto, N - n miembros estin fuera, la distribucién de probabilidad actual del tiempo que falta para la préxima llegada al sistema es la distribucién del mf- nimo de los tiempos restantes fuera para esos N -n miembros. Las propiedades 2 y 3 de la distribucién exponencial implican que esta distribucién debe ser exponencial con pardmetro A, =(N~ n)A. Ast, el modelo es sdlo un caso especial del proceso de nacimiento y muerte que tiene el diagrama de tasas mostrado en la figura 17.8. IN=n)A, paran=0, 1,2, FIGURA 17.8 @) Caso de un servidor (s=1) aa{ an Diagrama de tasas para 7 para nN las variaciones de fuente Hy = Hy para n= 1,2, .. de entrada finita al Me NA(N-DA = (N-n#2)2 (N-n+D)A a sea MWD ~§ GPG - GAL uoH # # # (=n), paran=0,1,2,...,N paran2 N 6) Caso de mailtiples servidores (s>1) 4a { fi -{™ ly NA (N=) (N=s42)2 (N-s4DA a nm -le oH ae17.46 Modelos de colas basedos en cl proceso de nachnionty y nner we 865 Como 4, = 0 para n= N, cualquier sistema que se ajuste a este modelo alcanzaré en al- gin momento la condicién de estado estable. Los resultados disponibles se resumen como sigue: Resultados para el caso de un servidor (s=1). Cuando s= 1, los factores C, de la seccién 17.5 se reducen a ay! (a) : [porn or nif gBL (A) penne 0 para n>N, para este modelo. Entonces, o/hetslt)} x, L,=Lm-vp,, ml que se puede réducir'a A+ =n-Sh0-my Le Cl =] H =N-(-P). w-£a-2) Por tiltimo, L Ww== 7 y donde « x 1 =D A,P, =D (N-mAP, =A(N-L). a =o Resultados para el caso de varios servidores (s>I). Para N> s>1, N! (ay wete(t) — weeaat at) paran=s,s+1,...,N. 0 para n> N.866 17 Teoria de colas Entonces, _ (N= n)isis La) | Le _ +1y+ {Ea} m0 0 con Jo que después se obtienen Wy W, igual que en el caso de un servidor. Elarchivo de Excel para este capitulo contienc una plantilla para realizar estos célculos, Se dispone de tablas extensas! para los resultados numéricos de este modelo, tanto para uno como para varias servidores. Se ha demostrado? que en ambos casos, las férmulas anteriores para P, y Py (y por ende para L, L,,W yW,) tambien sc cumplen para una gencralizacién de este: ‘modelo. En particular, se puede elimintar la suposicign de que los tiempos que los miembros de la poblacién potencial pasan fiera del sistema de colas tienen una distribucién exponencial, aunque esto ponga al modelo fuera del contexto del proceso de nacimiento y muerte. Siempre que estos tiempos tengan distribuciones idénticas con media 1/2 (y se cumpla la suposicién de tiempos de servi- cioexponencial), iestos tiempos fuera pneden tener cualquier distribucidn de probabilidad! Modelo con tasas de servicio y/o tasas de llegadas dependientes del estado del sistema Hasta ahora, en todos los modelos se ha supuesto que la tasa media de servicio es siempre constante, sin importar cudntos clientes se encuentran en el sistema. Desafortunadamente, en los sistemas de colas reales ocurre con frecuencia que esta tasa no es constante, en especial ‘cuando los servidores son personas, Cuando se tiene una gran cantidad de trabajo atrasado (es decir, una cola larga), ¢s muy probable que el servidor tienda a trabajar més répido que cuando el trabajo por hacer es reducido o no existe. Este aumento en la tasa de servicio puede ser el resultado del aumento en el esfuerzo que realiza el servidor cuando se encuentra bajo la presién de una larga cola. También puede ser el resultado parcial de un compromiso en lacalidad del servicio o de ayuda recibida en ciertas fases del servicio. 4L, G. Peck y R.N. Hazelwood: Finite Queueing Tables, Wiley, Nueva York, 1958. 2B, D. Bunday y RE. Scraton: “The G/M/r Machine Interference Model”, European Journal of Operations Research, 4: 399-402, 1980.17.6_Modelus de wulas Lasauus ei el proceso Ue nacimiento y muerte 807 ‘Dado que la tasa media de servicio aumenta cuando crece la longitud de la cola, seria de- seable poder desarrollar un modelo tedrico que se acerque a la descripcién del patron de au- ‘mento, Este modclo no sélo debe ser una aproxinacién razonable del patrén real, sino que debe ser suficientemente sencillo para que su aplicacién sea préctica, En seguida se formula un modelo asi, (Se tiene la flexibilidad de formular muchos modelos semejantes dentro del contexto del proceso de nacimiento y muerte.) Después se muestra una manera ansloga para aplicar los mismos resultados cuando lo que afecta el tamafio de la colaes la tasa de llegadas. Formulacién para el caso de un servidor (s=1). Sea Ba="'"), paran=1,2,..., donde 1» = miimero de clientes en el sistema, H,, = tasa media de servicio cuando hay » clientes en el sistema, 1H, = tiempo de servicio “normal” esperado: tiempo esperado para servir a.un cliente cuando es el tinico en el sistema, ¢ = Coeficiente de presién; constante positiva que indica el grado cn el que el estado del sistema afecta la tasa de servicio del sistema. Entonces, si se selecciona por ejemplo, c= 1, la hipétesis dice que la tasa media de servicio es directamente proporcional am; c= } implica que la tasa media de servicio es proporcional ala rafz cuadrada de, y asi sucesivamente. Los modelos de colas anteriores de esta seccidn suponen de manera implicita que c= 0. Ahora suponga adentds que cl sistema de colas tiene una entrada Poisson con A, = A (paran =0, 1,2,...)y tiempos de servicio exponencial con j.,, como se acaba de dar. Este caso 5 pues, un caso especial del proceso de nacimiento y muerte, donde A/a)" jy Todos los resultados de estado estable que se dieron en la seccién 17.5 se aplican a este mode- Jo, (Una condicién de estado estable siempre se puede alcanzar cuando ¢ +0.) Por desgracia, no se dispone de expresiones analiticas para las sumas involucradas, pero existen tablas! con valores casi exactos de Py y L para varios valores dec y 4/14 que se obticnen sumando en una computadora un niimero finito de términos. En las figuras 17.9 y 17.10 se muestra una pequefia parte de estos resultados. Un sistema de colas puede reaccionar a una cola larga con una disminneidn en la tasa de. egadas en lugar de un incremento en latasa de servicio. (Por ejemplo, la tasa de llegadas puede disminuir si se envian algunos de los clientes que requieren el servicio a otra instalacién.) Enel modelo correspondiente para describir latasa media de llegadas para este caso se define 4,=(+1)'d9, paran=0, 1,2, en donde es una constante cuya interpretacién es andloga ala dec. Los valores de C,, para el proceso de nacimiento y muerte conestas 4, (y cons, = #.paran= 1, 2,...)sonidénticas a los que se muestran (sustituyendo 2 por 2) para el modelo de tasas de servicio dependientes de! estado del sistema cuandoc= by 4/4 = Ay /2, de manera que los resultados de estado estable son los mismos. G > paran=0, 1, 2, 'R. W. Conway y W. L. Maxwell: “A Queucing Model with State Dependent Service Rate”, Journal of Industrial Engineering, 12: 132-136, 1961868 17 Teorla de colae 2 e g o> ToS FON Pe Probabilidad de estado estable de cero clientes en el sistema oe FIGURA 17.9 02 O4 06 oR 10 12 1 16 18 2.0 Factor de utilizacién “normal” Valores de Py para el modelo de tasas dependientes del estado (seccin 17.6). Se puede usar un modelo més general que combina estos dos patrones cuando tanto la tasa media de llegadas como la de scrvicio dependen del estado del sistema. En este caso, sea My =n", paran=1,2,... y Aga(n+lytaq — paran=0,1,2,... Una vez més, los valores C, del proceso de nacimiento y muerte con estos parémetros son idénticos a los del modelo de tasas de servicio dependientes del estado cuando c= a+b y Ajuy = Ag 111,84, los resultados de estado estable tabulados, se pueden aplicar aeste modelo general. Formulacién para el caso de varios servidores (>). Para generalizar este mode- locombinado para el caso de més de un servidor, pareceria natural quc yA, variaranconel riimero de clientes por servdr (n/s) esencialmente de la misma forma como varfan para el caso de un setvidur. Entunces, sea nu sins Bam (2) su, sinds17.6 Modelos de colac hatarios on ol proceso de nacimiento y mucive ub 100 ' ‘Naimero esperado de clientes en el sistema en estado estible 869 FIGURA 17.10 Valores de L para | En ‘el modelo de tasas 00204 06 08 10 12 14 16 18 20 dependientes Fac vutilizaciGn “normal” do (eccién 17.6). sake : a y ay singed ol Ag sin2s-1 n+l Por consiguiente, el proceso de nacimiento y muerte con estos parémetros Go/in)” ee para ®=0,1,2,...,5 © | __ Gola)" 51(nYs1)* s-90-) en donde c= a+ 6,870 17 Teoria de colas Se han calculado! valores para Py, L, y L para distintos valores dee Ao /4y y s. En las figuras 17.9 y 17.10 se dan algunos de estos resultados. Ejemplo del Hospital General con tasas dependientes del estado. Después de reunir més datos sobre la sala de urgencias del Hospital General, cl ingeniero enconeré que el tiempo que el doctor pasa con un paciente tiende a decrecer conforme aumenta el mtimero de pacientes que esperan. Esto se explica en parte porque el doctor trabaja mas rapido, pero la ra- z6n principal es que deja ala enfermera que termine una parte mayor del tratamiento. El pa- trOn de las ., (rasa media a la que el doctor trata a los paciente cuando hay un total de » pacientes en la sala de urgencias) parece ajustarse razonablemente al modelo de tasas de servi- io dependientes del estado del sistema que se presentd aqui, por lo cual el ingeniero aplicaré ‘este modclo. Los nuevos datos indican que el tiempo promedio que necesita el doctor para atender a un paciente ¢s 24 minutos sino hay otros esperando, mientras que este promedio se convierte en 12 minutos cuando cada doctor tiene seis pacientes (cinco esperando turno). Entonces, con un solo doctor de guardia, = 23 clientes por hora, Hg = 5 clientes por hora. Por tanto, el coeficiente de presién ¢ (0 # en el modelo general) debe satisfacer la relacién He =6' pw), asi O° =2. Al usar logaritmos para despejar e sc obticne ¢— 0.4. Como A — 2 desde antes, esta solucién para c completa la especificacién de los valores de los parametros de este modelo. Para comparar las dos alternativas de tener un doctor (s= 1) 0 dos doctores (s= 2) de ‘guardia, el ingenieto administrador obtuvo las medidas de desempefio que se muestran en la tabla 17.3. Los valores de P), Ly L, (para s= 2) se obtuvieron directamente de los resultados tabulados para este modelo. (Excepto para esta L, , se pueden aproximar los mismos valores con las figuras 17.9 y 17.10.) Estos valores se usaron después para calcular A=Qh, L,=L-(-P), sis=1, L-P,-20-%-F), sis=2, PAW, > 0}=1- El hecho de que algunos resultados de la tabla 17.3 no sean muy distintos a los dela tabla 17.2 confirma la conclusién tentativa de que asignar un solo doctor serfa inadecuado para el afio préximo. 3B. S. Hillier, R.W. Conway y W. L. Maxwell: “A Multiple Server Queueing Model with State Dependent Service Rate”, Journal of Industrial Engincering, 15: 153-157, 1964.17.7 Modtolns de colar can distribucioner no expenenciales 871 17.7 TABLA 17.3 Resultados de estado estable del modelo de tasas de servicio dependientes del estado para el problema del Hospital General a a oa vy a ae om 02 a 0.367 0.440 A 0.294 0.352 i 0.618 0.095 L 1.251 0.864 Wy 0.309 (en horas) 0.048 (en horas) w 0.626 (en horas) 0.432 (en horas) PLQU, > 0} 0.633 0.208 MODELOS DE COLAS CON DISTRIBUCIONES NO EXPONENCIALES ‘Todos los modelos de teorfa de colas de la seccién anterior (excepto por una generalizacién) se basan en el proceso de nacimiento y muerte, por lo que es necesario que tanto los tiempos ‘entre llegadas como los de servicio tengan distribuciones exponenciales. Como ya se dijo en la seccién 17.4, este tipo de distribuciones de probabilidad tiene muchas propiedades convenientes para la teoria de colas, pero sélo en cierto tipo de sistemas de colas proporcionan un ajuste razonable. En particular, la suposicidn de tiempos entre llegadas exponenciales implica ‘que las llegadas ocurren al azar (proceso de entrada Poisson), lo cual es una aproximacion razonable en muchas situaciones pero no cuando las llegadas estan programadas o reguladas con todo cuidado. Todavia més, las distribuciones de tiempos de servicio reales con frecuencia se desvian bastante de la forma exponencial, sobre todo cuando los requerimientos de servicio de los clientes son muy parecidos. Por ello, es importante disponer de otros modelos de colas que usen otras distribuciones de probabilidad. Desafortunadamente, el andlisis matemstico de los modelos de colas con distribuciones no exponenciales es mucho mds dificil. Sin embargo, se han podido obtener algunos resultados titiles para algunos modelos. El andlisis est més allé del nivel de este libro, pero en esta seccién se resumirdn los modelos y se describirén sus resultados. Modelo M/G/I ‘Como sc dijo en la secci6n 17.2, el modelo M/G/1 supone que el sistema de colas tiene wn servidor y un proceso de entradas Poisson (tiempos entre llegadas exponenciales) con una tasa media de llegadas jjja 2. Como siempre, se supone que los clientes tiene tiempos de servi independientes con la misma distribucién de probabilidad, pero no se imponen restrieciones sobre cual debe ser esta distribucién de tiempos de servicio. De hecho, sdlo es necesario conocer (o estinuar) la media I/y y la variancia a” de esta distribucién.a72 17 Toorla de colae ‘Cualquier sistema de lineas de espera de este tipo podré alcanzar, en algxin momento, una condicién de estado estable si p = A/a <1. Los resultados de estado estable disponibles! para este modelo general son los siguientes: B=l-p Bo? + p* Sise toma en cuenta la complejidad que representa el anilisis de un modelo que permite cwal- quicr distribucién de tiempos de servicio, es notable que sc haya pudide obtener una formula tan sencilla para L,. Esta formula es uno de los resultados més importantes de teorfa de colas gracias ala facilidad con que se aplica y al predominio de los sistemas M/G/1en la préctica. Esta ccuacién para L, (osu contraparte para W,) con frecuencia recibe el nombre de formula de Pollaczek-Khintchine, en honor de dos pidneros del desarrollo de teoria de colas que de- rivaron la férmula de manera independientes a principios de los aiios 30. Note que para cualquier tiempo de servicio esperado fijo l/u, L, , L, W, y W se incre- mentan cuando 0? aumenta. Esic scsultado es importante porque indica que la consistencia del servidor tiene gran trascendencia en el desempefio de la instalacién de servicio, no sdlo su velocidad promedio. ste punto esencial se ilustra en la subseccién que sigue. ‘Cuando la distribucién de los tiempos de servicio es exponencial, 6? = 1/ nu? y los resultados anteriores se reducen a los correspondientes para el modelo M/M/1 que se presenté en la seccidn 17.6. La flexibilidad total en cuanto ala distribucién de los tiempos de servicio que proporciona este modelo cs cu extremo util, por lv que es lamentable que no se haya tenido éxito en el desarrollo de resultados andlogos para el caso de varios servidores. Ahora bien, se han obtenido algunos resultados para mds de un servidor en los importantes casos especiales descritos enlosdos modelos que siguen. (Se dispone de plantillas de Excel en el archivo de este capitulo para realizar los célculos para ¢l modelo M/G/1y los dos modelos que siguen, si s= 1. Modelo M/D/s ‘Cuando el servicio consiste basicamente en la misma tarea rutinaria que el servidor realiza ara todos los clientes, tiende a haber poca variacién en el tiempo de servicio requerido. Mu- chas veces, el modelo M/D/s proporciona una representacién razonable de este tipo de situaciones porque supone que todos los tiempos de servicio en realidad son iguales a una constantefija (la distribucién de tiempos de servicio degenerada) y que tiene un proceso de en- uadas Poison con tasa media de Ilegadas fija 2. También se dspone de wna férmularecursiva para caleularla distribucién de probabildad del rsimero de clentes en cl sistemas vea A. Hordijk y H.C. Tims: “A Simple Poof ofthe Equivalence ofthe Limiting Distribution ofthe Continuos-Time and Embedded Process ofthe Queue Size in the M/G/ Queue”, Statistica Necrlandica, 36:97-100, 1976.17.7 Modelos de colas con distribuciones no expanencialee 873 Cuando sdlo se tiene un servidor, el modelo M/D/1 es un caso especial del modelo M/G/1, en donde o* = 0, con lo que la formula de Pollaceek-Khintchine se reduce a 2 20- py en donde a partir de este valor de L, se pueden obtener L, W’, y W” como se musts autes, Note que estas, y1¥, tienen un valor exactamente de la mitad que en el caso de tiempos de servicio exponenciales de la secciéu 17.6 (el modelo M/M/1) en el que a* = I/u?, y enton- cesal decrecer 0” pueden mejorar mucho las medidas de desempeiio de un sistema de colas. Para la version de mds de un servidor de este modelo (M/s) se dispone de un método complicado! para obtener la distribucién de probabilidad de estado estable del ntimero de clientes en el sistema y su media [suponiendo p= 4 /(su) < I]. Existen tabulaciones de estos resultados para muchos casos? y también se dispone de gréficas como la dc la figura 17.11 para las medias (L). Modelo M/E,/s Elmodelo M/ D/ssupone una variacién cere en los tempos de servicio (0 = 0), micntras que Ja distribucién exponencial de tiempos de servicio supone una vatiacién’ muy (o= yu). Entre estos dos casos extremus hay un gran intervalo (0 < 0 < 1/4), enel que caen la mayor parte de las distribuciones de tiempos de servicio reales. Otro tipo de distribucidn te6- rica de tiempos de servicio que concuerda con este espacio intermedio es la distribucién Erlang (llamada asi en honor del fundador de la teorfa de colas) La funcién de densidad de probabilidad para la distribucidn Erlang es (ubyt Teta parar20, en donde 1 y kson pardmetros estrictamente positivos de ladistribucién y kesté restringido a valores enteros. (Excepto por esta restriccién de entero y la definicién de los parimetros, esta distribuciGn es idéntica a la distibuciém gama.) Su media y desviacién estandar son media=1 y —desviacién estindar = 2, x feu Asi, kes el pardmetro que especifica cl grado de variabilidad de los tiempos de servicio con re- Jaci6n a la media. Por lo general se hace referencia ak como el pardmetro de forma. La distribucién Erlang es muy importante en teorfa de colas por dos razones. Para describir la primera suponga que T;, Tp, ..., T; son k variables aleatorias independientes con una distribucién exponencial idéntica, cuya media es (ky). Extonces su suma, T-Tt+Tti Ty 'VeaN. U. Prabhu: Queues and Inventories, Wiley, Nueva York, 1965, pp. 32-34; también vea pp. 286-288 enlarefe- rencia 3. *E.S. Hillier yO. S. Yu,con D. Avis, Fossett, F.LoyM. Reiman: Queueing Tablerand Graphs, Elsevier North-Ho- Mana Nueva York, 1981,874 17. Teoria de colas Lb 100 3 | BO& ob 5 L Ls & | ———] z Ae] | 5 0 — oe | 3 s / g<£ eh g A BoF s oe ow | | on i 3 5 10 ZW g EW, Soy s : ah - ve | is” | t/\ | FIGURA 17.11 al l | I | I i Valores de 1 para OF Ol 02) 032-04, 05 06) 07, 0s- 097 10) ‘el modelo M/D/s x (seccién 17.7). Factor de utilizaci6n ars tiene una distribucién Erlang con parémettos uy &. La presentacién de la distribucién exponencial en la seccién 17.4 sugiere que el tiempo requerido para realizar cierto tipo de tarcas podrfa tener una distribucién exponencial. Sin embargo, el servicio total requerido por un Cliente, puede incluir una secuencia de é tareas, y no s6lo una, realizadas por el servidor. Si las tareas respectivas tienen una distribucién exponencial idéntica para su duracién, el tiempo total de servicio tendré una distribucién Erlang; éste serfa el caso, por ejemplo, si el servidor debiera realizar la »sisma tarca exponencial k veces para cada cliente. Ladistribucién Erlang tambien es itil debido a que es una gran familia (dos parémetros) de distribuciones que permiten sélo valores no negativos. Asi, por lo general se puede obtener una aproximacién razonable de la distribucién empirica de los tiempos de servicio si se ‘usa una distribucién Erlang. De hecho, tanto la distribucién exponencial como la degenerada (constante) son casos especiales de la distribucién Erlang con k= 1y k= «, respectivamente. Los valores intermedios de & proporcionan distribuciones intermedias con media = 1/1, moda = (k—1)/ (ks) y variancia =1/ (ku), como lo sugiere la figura 17.12. Por lo tanto, des-FIGURA 17.12 Famila de distribuciones Erlang con media 7 cconstante Viz. 17.7. Modelos de colas con distribuciones no exponenciales 875 fe) ® Funciéa de densicad de probabilidad I Tiempo de servicio pués de estimar la media y la variancia de una distribucidn de servicio empirica, estas fSrmu- las para la media y la varianza se pueden usar para elegir el valor de k que se ajuste a estas estimaciones de manera més cercana. Ahora considere el modelo M/E, /1, que es justo el caso especial del modelo M/G/1 donde los tiempos de servicio tienen una distribucién Erlang con parimetro de forma =k. Al aplicar la formula de Pollaczek-Khintchine cong? = 1/ (ku) (y los resultados correspondientes dados por 4f/G/1) se llega a 2) a2) +p? fp a tie Pare Le P) uate OE Wea’ 1 W-W re Con varios servidores (M/E, /*), se puede aprovechar la relacién de la distribucién Erlang con la distribucién exponencial que se acaba de describir para formular un proceso de nacimiento y muerte madificado (cadena de Markov de pardmetro continuo) en términos de las fases del servicio exponencial individual (k por cliente) y no en términos de los clientes. Sin embargo, no ha sido posible derivar una solucién general de estado estable [cuando p- (su) < V] para la distribucién de probabilidad del muimero de clientes en el sistema, como se hizo en la secciGn 17.5. Mas bien se necesitaria una teoria avanzada para resolver numérica- mente los casos individuales, Una vez més, estos resultados se han obtenido y tabulado para casos numéricos.1 Las medias (L) también se dan en la gréfica de la figura 17.13 para al- unos casos en donde s= 2. ‘dem.876 17 Teoria de colas Lh 100 =| ] ] ] 2 OE HE § rer Lo] 2 ok kha a &E ee SE a E ] go 5 go oL | 3 ans gE BOL FIGURA 17.13 at i Valores de L para 0 010203 04 05 06 07 08 09 10 el modelo M/E,/2 ok (seccién 17.7). Factor de utilizacién Oo e Modelos sin entradas Poisson Todos los modelos de colas presentados hasta ahora han supuesto un proceso de entradas Poisson (tiempos entre egadas exponenciales). No obstante, esta suposicién se viola si las llegadas se programan o regulan de alguna forma que evite que ocurran de manera aleatoria, en cuyo caso se necesita otro modelo. Se dispone de tres modelos de este tipo siempre que los tiempos de servicio tengan distri- bucién exponencial con un pardmetro fijo. Estos modelos se obtienen invirtiendo las distribuciones supuestas de tiempos entre Hegadas y tiempos de servicio en los tres modelos anteriores. El primero de ellos (GI/ M/s) no impone testricciones sobre el tipo de distribucién para los tiempos entre legadas. En este caso se dispone de algunos resultados de estado estable! (en es- Pecial sobre las distribuciones de tiempos de espera) para las dos versiones del modela de una "Por ejemplo, vea pp. 248-260 de la referenc17.7 Modelos de colas con distribuciones i expurentlales 81 y varios servidores, pero no son ni cercanamente tan convenientes come las expresiones sen. cillas dadas para el modelo M/G/1. El segundo modelo nuevo (D/ M/s) supone que todos los tiempos entre llegadas son igualcs a una constunte fija, que represenrarfa un sistema de colas en el que se programan las legadas a intervalos regulares. El tercer modelo (E, / M/s) su- Pone una distribucion Erlang para los ticmpos entre llegadas que maneja el espacio intermedio entre llegadas requlares programadas (constante) y completamente aleatorias (exponencial). Para estos dos titimos modelos, que incluyen los valores de L que se dan en las gréfi- cas de las figuras 17.14 y 17.18, se tienen tabulaciones! de resultados que se obtuvicron a base de célculos extensos. Si ni los tiempos entre llegadas ni cl tiempo de servicio para un sistema de colas tienen distribucién exponencial, entonces existen tres modelos de colas adicionales para los que FIGURA 17.14 Valores de para L el modelo D/M/s (Geccién 17.7). 100 _—— 3 | 10 | THT \\\ ‘ \\W\\ \\\ ‘Niimero esperado de clientes en e! sistema en estado estable T O 2 We) he a Factor de utilizacion, ems "Hillier y Yu, p. et.a78, 17 Teorla de col a m2 mi= 16-4 ‘Niimero esperado de clientes en el sistema en estado esable 10, — | 1 FIGURA 17.15 o1 \ i Valores de L para 0 01 02 03 04 05 06 07 08 0916 el modelo E,/M/2 1 de utilizacidin =4 aah Factor de utilizaci o-k tambien se tienen resultados.! Uno de estos modelos (E/E, /s) supone una distribucién Erlang para ambos tiempos. Los otros dos (E, /D/s y Dj Ey /2) suponen que uno de estos tiempos tiene una distribucién Erlang y el otro es igual a una constante fia. Otros modelos Aunque en esta seccidn se ha visto un gran mimero de modelos de colas con distribuciones nu exponenciales, fa lista estd muy lejos de agotarse. Por ejemplo, otra distribucién que se usa a veces ya sea para los tiempos entre llegadas o para los de servicio ¢s la distribucion hiperexponencial. La caracteristica esencial de esta distribucidn es que, si bien sdlo permite valores ‘no negativos, su desviacidn estindar o es més grande que su media lu. Esta caracteristica es opuesta a la distribucién Erlang, en donde o < 1/1 para todos los casos excepto k= 1 (distribu- “idem.17.8 17.8. Modelos de cola con dscplina de proridades 879 ibn exponencial), que tiene o = 1/y. Para ilustrar una situacién representativa en la que puc- de ocurrir que o> I/, suponga que el servicio en cuestidn es la reparacion de alguna méquina o vehiculo. Si muchas de las reparaciones resultan rutinarias (tiempos de servicio equefios) pero en ocasiones se requiere una reparacién general extensa (con tiempos de servicio grandes), entonces la desviacién estandar de los tiempos de servicio tiende a ser grande respecto a la media, en cuyo caso se puede usar la distribucién hiperexponencial para repre- eentarloe. En particular, esta distribucién supone que existen probabilidades fijas, py (1— p), para la clase de reparacién que ocurrira, que el tiempo requerido para cada clase tiene una dis- tribucién exponencial, pero que los parémetros para estas dos distribuciones exponenciales son diferentes. (En general, la distribucién hiperexponencial es una composicién de este tipo de dos o més distribuciones exponenciales.) (Otra familia de distribuciones que comienza a ser de uso general consiste en distribuciones tipo fase (algunas de ellas se aman distribuciones erlangianas gencralizadas). Estas distribuciones se obticnen desglosando cl ticmpo total cn cierto mimero de fases, cada uit Cun, distribucién exponencial, en donde los pardmetros de estas distribuciones exponenciales pueden ser diferentes y las fases pucden ser ya sea en serie 0 en paralelo (0 ambos). Un grupo de fases en paralelo significa que el proceso elige al azar una de las fases cada vez, de acuerdo con probabilidades especificadas. De hecho, este enfoque constituye la forma en que se deriva Ja distribucidn hiperexponencial, por lo que esta distribucién es un caso especial de las distribuciones tipo fase. Otro caso especial es la distribucién Erlang, que tiene la restriccién de que todas sus k fascs estén cn scric y de que tengan el mismo parémetro para sus distribucioncs exponenciales. Al quitar estas restricciones se obtiene mayor flexibilidad en las distribuciones tipo fasc para ajusrarse ala distribuci6n real de los tiempos entre legadas o de servicio en los sistemas de colas en estudio. Esta flexibilidad es valiosa en especial cuando, al usar la cidn real directamente en el modelo, el manejo analitico resulta casi imposible, mientras que la razdn de la media entre la desviacién estindar para la distribucién real no se acerca a las razones disponibles (v& para k= 1, 2, ...) para la distribucidn Erlang. ‘Los modelos de colas que usan distribuciones tipo fase todavia se pucden representar por una cadena de Markov de tiempo continuo, ya que estén construidos a partir de algunas combi- naciones de las distribuciones exponenciales. Esta cadena de Markov por lo general tiene un riimero infinito de estados, por lo que obtener la distribucién de estado estable para los esta~ dos del sistema significa resolver un sistema infinito de ecuaciones lineales que tienen una estructura relativamente complicada. La solucién de tales sistemas est4 muy lejos de ser un trabajo rutinario pero algunos avances tedricos recientes permiten, en algunos casos, resolver ‘estus modelos en forma numérica. Existe un libro! que contiene tabulaciones extensas de cs- 108 resultados para modelos con varias distribuciones tipo fase (que incluyen la distribucién hiperexponencial), MODELOS DE COLAS CON DISCIPLINA DE PRIORIDADES En los modelos con disciplina de prioridades la disciplina de la cola se basa en un sistema prio- ritario. El orden en el que se seleccionan los clientes para darles el servicio estd basado en sus prioridades asignadas. AL.P.Seelen, H.C. TijmayM. H. Van Hoorn: Tables fir Mai Server Queues, North-Helland, Amsrerdam, 1985.17_Teorfa de colas ‘Muchos sistemas reales se ajustan a este tipo de modelos mucho mejor que a otros disponibles. Los trabajos urgentes se hacen antes que otros trabajos y los clientes importantes tienen precedencia sobre otros. Con frecuencia, e! uso de modelos con disciplina de priaridades proporciona un refinamiento bien aceptado en comparacién con los otros modelos. Se presentardn dos modelos bdsicos con disciplina de prioridades. Como ambos modelos hacen las mismas suposiciones, excepto por la naturaleza de las prioridades, primero se describen lus mudclus juntos y despues se resumen sus resultados. Los modelos Ambos modelos suponen que existen N clases de priovidad (Ia clase 1 tiene la prioridad més alta y la clase N la mds baja) y que siempre que un servidor queda libre para comenzar el servicio de un nuevo cliente, e cliente seleccionado es el miembro de la clase prioritaria mds alta, representada en la cola y que haya esperado mds. En otras palabras, los clientes se seleccionan para comenzar su servicioen el orden de sus clases de prioridad, pero sobre la base de primero en entrar, primero en salir denuio de catla clase privritaria, Se supone un proceso de entradas Poison y tiempos de servicio exponenciales para cada clase prioritaria. El modelo también hace Ja suposicion, en cierta manera restrictiva, de que el tiempo medio de servicio sea el mismo para todas las clases prioritarias, pero permite que la tasa media de legadas difiera entre ellas. Ladistincién entre los dos modelos se refiere.asilas prioridades son sin interrupeién ocon interrupcién. Con las prioridades sin interrupcién no se puede regresar a la cola a un clicnte gue se encuentra en servicio (interrumpirlo) si entra un cliente de prioridad més alta al sistema de colas, Por lo tatty, usta vez que el scrvidor comienza a servir a un cliente, el servicio debe terminar sin interrupcién. El primer modelo supone prioridades sin interrupci ‘Con las prioridades con interrupcién, el cliente de prioridad mas baja que se encuentre en servicio se interrumpe (va de regreso a la cola) siempre que entra un cliente con prioridad més alta al sistema de colas. Entonces se libera un servidor para que el servicio de la nueva llegada comience de inmediato. (Cuando un servidor termina un servicio, se selecciona el si guiente cliente para comenzar otro servicio justo como se describié al principio de esta subseccidn, de mranera que por lo general, un cliente interrumpido regresard a servicio y, despues de suficientes intentos, eventualmente terminars.) Debido alla propiedad de falta de me- ‘moria de la distribucién exponencial (vea la seccién 17.4), no es necesario preocuparse por definir el punto en el que comienza un servicio cuando regresa un cliente interrumpido; la distribucién del tiempo de servicio restante es siempre la misma. (Para cualquier otra distribucidn de servicio, se vuelve importante distinguir entre sistemas con interrupcién y continwa- cién, en los que el servicio de un cliente que se interrumpié se retoma en el punto de interrupcidn, y los sistemas com interrupcidn y repeticién, donde el servicio debe comenzar de nuevo.) El segundo modelo supone prioridades con interrupcién. Para ambos modelos, si se ignora esta distincidn entre clientes en diferentes clases prioritarias. La propiedad 6 de la distribucién exponencial (vea la seccién 17.4) implica que todae Jos clientes llegan de acuerdo a un proceso de entradas Poisson. Mds atin, todos los clientes tienen la misma distribucién exponencial para los tiempos de servicio. En consccuencia, los dos modelos de hecho se ajustan al modelo M/ M/sestudiado en la seccién 17.6, excepto por clorden en que se sirve a los clientes. Entonces, cuando en cualquicra de los dos modelos slo se cuenta cl ntimero zora! de clientes en el sistema, se puede aplicar la distribucién de estado estable del modelo M/.M /sen ambos modelos. Por lo tanto, las formulas de Ly L, también sirven, al igual que los resultados del tiempo esperado de espera (de la formula de Little), W y17.8 Modelos de colas con atsciplina de prioridades 881 W,, para un cliente elegido en forma aleatoria. Lo que cambia es ladistribucién de los iempus de espera que se obtuvo en la seccién 17.6 con la suposicién de una disciplina de primero en cgar, primeru en salir. Con la disciplina de prioridades, esta distribucién tiene una variancia ‘mucho mayor ya que los tiempos de espera de los clientes en las clases de prioridad alta tienden a ser mucho menores que con la disciplina de primero en entrar, primero en salir, mientras que los tiempos de espera para las clases de prioridad baja tienden a ser mucho mayores. Alseguir el mismo razonamiento, el desglose del ntimero total de clientes en el sistema tiende 4 tener un peso desproporcionado hacia las clases prioritatias bajas. Esea condicidn es precisa- ‘mente el motivo de que se impongan priotidades sobre el sistema de colas. Se desea mejorar Jas meilidas de desempeso para cada Clase prioritaria alta a costa del desempefio para las clase de prioridad baja. Para determinar cudl es la mejora lograda es necesario obtener estas medidas en términos de tiempo de espera esperado en el sistema y el msimero esperado de clientes en el sistema ara las clases de prioridad individuales. En seguida se obtendrdn expresiones para estas medidas para los dos modelos. Resultados para el modelo con prioridades sin interrupcién ‘Sca W, el tiempo esperado de espera en el sistema en estado estable (incluyendo el tiempo de servicio) para un miembro de la clase de prioridad k. Entonces $= mimero de servidores, H = tasa media de servicio por servidor ocupado, A, = tasa media de llegadas para la clase de prioridad i, : aS, a a “hE (Estos resultados suponen que . Da1, la W, se puede calcular mediante un proceso iterativo que se ilustrard con el ejemplo del Hospital General. La I, que se acaba de definit todavia satisface la relacién L=4,W,, parak=1,2,...,N. Los resultados correspondientes para la cola (excluyendo los clientes en servicio) también se pueden obtener a pastis Ue Wy Ly igual que para el caso de prioridades sin interrupcién, De- bido a la propiedad de falta de memoria de la distribucién exponencial (vea la seccién 17.4), Jas interrupciones no afectan el proceso de servicio (ocurrencias de terminaciones de servicio) de ninguna manera. El tiempo total esperado de servicio para cualquier cliente es 1/1. Elarchivo de Excel de este capitulo incluye una plantilla para calcular las medidas de desempefio anteriores para el caso de un solo servidor. Ejemplo del Hospital General con interrupcién En el problema de la sala de urgencias del Hospital General, el ingenicro administrador ob- servé que los pacientes no se atienden sobre la base de primero en llegar, primero en salir. En su lugar, parece que la enfermera que realiza las admisiones divide a los pacientes en tres grandes categorias: 1) casos cribicos, para los que el tratamiento inmediato es vital para la supervi- vencia; 2) casos eras, para los que un tratamiento répido es importante para prevenir mayor dafio, y 3) casos estables, en los que el tratamiento puede retrasarse sin consecuencias médicas adversas. Entonces, se atiende a los pacientes en este orden de prioridad, en donde los pacien- tesde la misma categoria por lo general se atienden segiin la regla de primero en llegar, primero en salir. Un doctor interrumpe el tratamiento de un paciente si llega un caso nuevo de una categoria de privridad mas alta. Aproximadamente 10% de los pacientes caen en la pri- ‘mera categoria, 30% en la segunda y 60% en la tercera. Como los casos més serios se internan en el hospital después de recibir el tratamiento urgente, el tiempo promedio de tratamiento or un doctor en la sala de urgencias en realidad no difiere mucho entre estas categorias. El ingeniero ha decidido emplear el modelo de colas con disciplina de prioridades como luna representacidn razonable de este sistema de colas, cn cl que las tes categorfas de pacientes constituyen las tres clases de prioridad del modelo. Como el tratamiento se interrumpe por lallcgadla de un caso de prioridad mas alta, la versi6n de prioridades con interrupciénes la apropiada. Dados los datos que se tenfan desde antes (= 3 y A = 2), los porcentajes anteriores conducen a2; = 0.2,2, =0.6,2 = 1.2.La tabla 17.4 proporciona los tiempos de espera esperados en la cola que resultan (excluyenda los tiempos de servicio) para las respectivas cla ses de priotidad! cuando hay un doctor (s = 1) 0 dos doctores (s= 2) de guardia. (También se dan en a tabla 17.4 los resultados correspondientes a la version de prioridades sin interrup- cin para mostrar el efecto de las interrupciones.) ‘Obtencién de resultados de prioridades con interrupcién. Estos resultados de Priotidades con interrupcién para s= 2se obtuvieron como sigue. Ya que los tiempos de espe- a para los clientes de la clase de prioridad 1 no se ven afectados por la presencia de clientes en clases de prioridad més baja, W, serd la misma que para cualesquiera otros valores de 2 ys, ‘Note que estos tempos esperados ya nose pueden ntrpretar como cl tiempo esperado antes de que comience eta tamiento cuando k> 1, porque cl tratamiento puede ser interrumpide por lo mers una vez, esto causa un tempo de ‘espera adicional ants de rerminar el servicio.884 17 Teoria de colas TABLA 17.4 Resultados de estado estable del modelo de disciplina de prioridades para el problema del Hospital General Prioridades Prioridades con interrupcién sin interrupcién. s=2 sel s=2 A = = 45 36 0.933 = 0.933 0.967 0.733 = 0.733, 0.867 0.333 — 0333, 0.667 0.024 hora 0.00037 hora 0.238 hora 0.029 hora 0.154 hora 0.00793 hora 0.325 hora 0.033 hora 1.033 horas | 0.06842 hora 0.889 hora 0.048 hora incluyendo A, = Oy 43 = 0. Entonces, W; debe ser igual a W’ para cl modelo correspondiente dewna clase (modelo M/ M/sde lasecci6n 17.6) cons=2,4=3y A= A, = = 0.33370 hora, para A= 0.2 2,quellevaa w= 33370 ~ 0.33333 = 0.00037 hora. Ahora considere las dos primeras clases de prioridad, De nuevo note que los clientes de Jas clases de priotidad més baja (en este caso sélo la clase 3) no afectan a los clientes de estas dos clases en nada y por lo tanto se pueden ignorar en el andlisis. Sea 7 cl tiempo esperado de espera en el sistema (incluyendo el tiempo de servicio) para una legada aleatoria en cual- ‘quiera de estas dos clases, de manera que la probabilidad de que esta llegada pertenezca a la clase 1 es Ay /(4y + Az) = by de que pertenezca a la clase 2 ¢5 Ay /(Ay + An) = 4. Entonces, wv .-tw.3 Wa =GMi+ GMs. Lo que es mis, como el tiempo de espera esperado es el mismo para cualquier disciplina de la cola, W/,_p también debe ser igual a W para el modelo M/ M/sde la seccién 17.6, con s= 2, B=3y =A, + 4; =0.8, lo que lleva a 0.33937 hora para A= 0.8. Ma Al combinar estos hechos se obtiene 34126 hora.17.9 Redes de colas 885 Por iltimo, sea W7,_; el tiempo de espera esperado en el sistema (incluyendo el tiempo de servicio) para una legada aleatoria de cualquiera de las tres clases de prioridad, tal que las probabilidades respectivas de que pertenezca a la clase 1, 2 0 3, son 0.1, 0.3 y 0.6. Entonces, W)s =0.1W, + 0.3W, + 0.65. ‘Mis atin, W)_s también debe ser igual a la W del modelo M/ M/s en la seccién 17.6, con 5=2,u=By dad, 41, +45 =2, de manera que (de la tabla 17.2) W,_3 = W = 0.375 horas, para En consecuencia, Ws= 5 g0-375- 0.1(0.33370) —0.3(0.34126)] = 0.39875 hora. (1 - 12 0.06542 bon u ‘También se podrian usar, de la misma forma, los resultados correspondientes de W, del modelo M/M/ de la seccibn 17.6 para derivar directamente las cantidades W, — I/j. 17.9 Conclusiones. Cuando s= 1, los valores 17, ~ 1/ de la tabla 17.4 para el caso de prioridades con intexrupei6n indican que, sise proporciona un solo doctor, puede ocurrit que algu- ‘nos casos criticos esperen alrededor de un minuto y medio (0.024 horas) en promedib; los casos serios esperarian mds de 9 minutos y los casos estables més de 1 hora. (Compare estos resultados con la espera promedio W, = 3 hora, para tadas los pacientes, que se obtuvo en la tabla 17.2 con la disciplina de primero en entrar, primero en salir.) Ahora bien, estos valores representan esperanzas estadcticas, por lo que algunos pacientes tendrén que esperar bastante ms que el promedio de su clase de priotidad. Esta espera no seria tolerable para los casos criticos y scrios, en los que unus minutos pueden ser vitales. Por el contrario, los resultados con s=2en a tabla 17.4 (prioridades con interrupcién) indican que si se agregara un segundo doctor, précticamente se climinarfa la espera para todos los pacientes menos los estables. El ingeniero recomendé que se asignaran dos dactores a la sala de urgencias durante las primeras horas de la tarde en el prdximo afio. El consejo directivo del Hospital General adopté esta recomendacién y, al mismo tiempo, aumenté cl costo por el uso de la sala de urgencias. REDES DE COLAS Hasta ahora se han tomado en cuenta nada mAs los sistemas de colas que tienen wna instala- cién de servicio con uno o mis servidores, pero los sistemas de colas que se encuentran en los estudios de investigacién de operaciones, en realidad a veces sun redes de colas, es decir, redes de instalaciones de servicio cn las que los clientes solicitan el servicio de algunas o todas cllas. Por ejemplo, las Grdenes que se procesan en un taller se deben programar a través de una secuencia de méquinas entre un grupo (instalaciones de servicio). Es necesario, entonces, estudiar toda la red para obtener informacién sobre el tiempo esperado total, numero esperado de clientes en todo el sistema, etcétera Debido a la importancia de las redes de colas, hay mucha actividad de investigacién en esta érea. Sin embargo, cs un campo dificil y aqui se dard s6lu una breve introduccién.986 17 Teoria de coles El descubrimicnto e implicaciones de un resultado de importancia fandamental para las. redes de colas ameritan atencién especial. Se trata de la propiedad de equivalencia paracl proceso deentrada de los clientes y el proceso de salida de los que se Van, en ciertos sistemas decolas. Propiedad de equivalencia: suponga que una instalacién de servicio tienes servido- tes, un proceso de entradas Poisson con pardmetro 4 y la misma distribucién de los tiempos de servicio para cada servidur Lunt pardusicuv pi (elinodelo A/M/3),endon- desu > A. Entonces, la salida en estado estable de esta instalacién de servicio también €s un proceso Poisson? con parémetro A. Observe que esta propicdad no hace suposiciones subre el tipo de disciplina de la cola que se usa. Ya sea primero en entrar, primero en salir, aleatorio o incluso una disciplina de prioridades como en la secci6n 17.8, los clientes servidos dejar la instalacién de servicio de acuerdo aun proceso Poisson. La implicacidn esencial de este hecho para las redes de calas es que si estas unidades tienen que pasar a otra instalacién para continuar su servicio, esta segunda ins- talacién también tendré entradas Poisson. Con una distribucién exponencial para los tiempos de servicio la propiedad de equivalencia se cumplird también para esta instalacién que puede proporcionar entradas Poisson para una rercera instalaciGn, y asi sucesivamente. Se presenta- ran las consecuencias de dos tipas bisicos de redes. Colas infinitas en ser ‘Suponga que todos los clientes deben recibir servicio en una serie de m instalaciones, en una sccucncia fija, Suponga que cada instalacién tiene una cola infinica (sin mite en ei ntimero de clientes que acepta), de manera que las instalacionés en serie forman un sistema de colasinfini- tas en seri. Suponga, ademés, que los clientes llegan a la primera instalacién de acuerdo a un proceso Poisson con pardmetro 2 y que cada instalaciéni (i= 1, 2,...,9) tiene la misma distri- bucién exponencial de tiempos de servicio con parémetro y.;, para sus 5, servidores, en donde 5;M; > 1. Por la propiedad de equivalencia se puede decir que (en condiciones de estado estable) cada instalacién de servicio tiene entrada Poisson con pardmetro 2. Entonces, ise puede usar el modelo elemental M/ 41/sde la seccién 17.6 (0 su contraparte con disciplina de prio- idades de la seccién 17.8) para analizar cada instalacién de servicio en forma independiente de las otras! Al poder usar el modelo M/ M/s para obtener las medidas de desempeiio para cada ins- talacién independiente, en lugar de analizar la interaccidn entre las instalaciones, se tiene una simplificacién enorme. Por ejemplo, la probabilidad de tener n clientes en una instalacién cn particular estd dada por la formula de P, de la seccién 17.6 parael modelo M/ M/s. Laproba- bilidad conjunta dem clientes en la instalacién 1, ny clientes en Ja instalaci6n 2, etcétera, es entonees, el producto de las probabilidades individuales obtenidas de esta manera sencilla. En particular, esta probabilidad conjunta se puede expresar como PEN ay Na yeep Nig) = a9 29005 im) = By Pa, Fags (Esta forma sencilla de solucién se llama solucién en forma de producto.) De manera similar, el tiempo de espera total esperado y el niimero esperado de clientes en el sistema completo se pueden obtener con s6lo sumar las cantidades correspondientes obtenidas para cada insta- lacién. "Una demostracién se encuentra en P. J. Burke: “The Onepur of « Queueing System”, Operations Reveal, (6): 699-704, 1956,17.9 Redes de colas 807 Desfortunadamente, la propiedad de equivalencia y sus implicaciones no se cumplen para el caso de colas finitas que se presenté en la seccién 17.6. De hecho, este caso es importante en la préctica, ya que con frecuencia se tienen limitaciones definidas para la longiead de 4a cola que admite cada instalacién de servicio de una red. Por ejemplo, es comin que se proporcione sélo un pequefio espacio para almacenajc cn cata instalaci6n (estaciGn de trabajo) de una linea de produccién. Para este tipo de sistemas de colas finitas en serie no se dispone de wna sulucidu en forma de producto sencilla. kn su lugar, se deben analizar las instalaciones en. forma conjunta y s6lo se han obtenido resultados limitados. Redes de Jackson Los sistemas de colas infinitas en scricno son ls inicas redes de colas en las que se puede sar ¢l modelo M/ M/s para analizar cada instalacion de servicio de manera independiente. Otro tipo importante de redes con esta propiedad (solucién en forma de producto) son las redes de Jackson, que reciben este nombre en honor a quien primero establecic las caracteristicas de las redes y demostré que se cumple esta propiedad 1 Las caracteristicas de una red de Jackson son las mismas supucstas para el sistema de colas. infinitas en serie, excepto que ahora los clientes visitan las instalaciones en diferente orden (y pueden no llegar a todas). Para cada instalacién, los clientes que llegan vienen tanto de fuera del sistema (de acuerdo con un proceso Poisson) como de otras instalaciones. Estas caracteristicas se resumen en seguida, ‘Una red de Jackson es un sistema de m instalaciones de servicio en donde la instalacién ¢ (6 1,2, «.m) tiene: 1. Una cola infinita 2, Clientes que Hlegan de fuera del sistema segiin un proceso de entrada Poisson con pardmetro a; 3. 4 servidores con distribucién exponencial de tiempos de servicio con parémetro 1. ‘Un cliente que deja la instalacién ise encamina después ala instalacién j (j= 1,2, ..., m) con probabilidad p, 0 sale del sistema con probabilidad Cualquier red de este tipa rendre Ia siguiente propiedad. En condiciones de estado estable cada instalacién j (j =1, 2 ..., m) en una red de Jackson se ‘comporta com si fuera un sistema de colas M/A/s independiente con tasa de llegadas 4y=aj+ Zaipy a donde sp,> Ay Esta propiedad clave no se puede demostrar directamente.a partir de la propiedad de equivalencia (cl razonamiento lleva a caminar en circulos), pero s{le proporciona un findamento intuitivo. Este punto de vista intuitivo (no tan correcto técnicamente) es que, para cada instar lacién i, los procesos de entrada desde las diferentes fuentes (externa y de otras instalaciones) son proceso» Prissun independienres, de manera que el proceso de entrada agregado es Poisson con pardmetro 4; (propiedad 6 en la seccidn 17.4). La propiedad de equivalencia dice enton- *Vea]. R. Jackson: “Jobshop-Like Queueing Systems", Management Science, 10(1): 131-142, 1963.888. 17 Teoria de colas es que el proceso de said agregado para la instalacion i debe set Poisson con parimetro 2, Al desageegar este proceso de sala (otra vez propiedad 6), el proceso para los clientes que salen dela instalacion ala instalacidn debe ser Poisson con parimetro A; py. Este proceso se convierte en uno de los procesos de entrada Poisson para la instalacidnj, ayudando con esto.a mantener Ia serie de procesos Poisson cn todo el sistema, La ecuacién anterior para obtener 2, se basa en el hecho de que A es tanto la tasa de sal ve sony a rasa de entrada para todos 1s clientes que utlizanlainstalacign i Como py esa roporcién de clientes que salen de a instalaciOni para irala instalacidn, latasa ala qucestos clientes de lainstalacioné llegan alla instalaci6njes 2, p,. Alsumar estos productos sobre toda éy después agregar esta suma aa, se obtiene latasa de lagadas tora ala instalaci6nj deste wo. das las fuentes. Para calcular 2; a partir de esta ccuacidn se requiere conocer las A, para i j, pero estas 4; tambien son incdgnitas dadas por las ecuaciones correspondientes, Por lo tanto el proce. imiento es obtener simultdneamente 1, 23,..-, Ay mediante la solucién simulténea de todo el sistema de ecuaciones lineales, para 2; para j= ,2,...,m. Fl OR Courseware incluye una plantilla de Excel para obtener las 2, dé esta manera, Para ilustrar estos cAlculos, considere una red de Jackson con tres estaciones de servicio gue tienen los pardmetros que se muestranenla tabla 17.5. Alsusituirls en la formula de para j=1, 2, 3, se obticne cl sistema de ecuaciones a +012, +0.42, +0.6A, +0415 A3=3+0.34; + 0.34). (Piense en cada una de las ecuaciones para ver por qué da la tasa de llegaclas total.) La solucién. simultdnea de este sistema es A 1 A,= =7-. p=10, 45-73 Dada sta solucién simulténea, se pueden analizar las tres estaciones de servicio de mane- 72 independiente usando las formulas del modelo M/ M/sdado en la seccién 17.6. Por ejem.- plo, para obtener la distribucién del miimero de clientes N; = #, en la estacidn j, note que 2 para As i para i=2 3 2 paraiz=s. ras17.10 Conclusiones 009 Sustituyendo estos valores (y los pardmetros de la tabla 17.5) en la formula de P, se obtiene 7 (3) "para la instalacién 1, ; param, =2. ; para %)=1 para la instalacién 2, lf (2). * pain2 2, (3) * para la instalacién 3, La probabilidad conjunca de (7, 2, 13) esté dada por la forma de solucién de producto, PUN, Nay Na) = 15025 03)) = Pa Pa Pray De manera similar, l niimero esperado de clientes L, en la estacién j se puede calcular como en la seccién 17.6: 4 ey a ee El numero total de clientes en todo el sistema es, L=h+h+ly=5h, 3 La obtencién de W,, cl ticmpo esperado de espera roral en el sistema (incluyendo servi- io) para un cliente tiene un pequetio truco, No se puede simplemente sumar los tiempos de espera esperados en cada una de las estaciones porque un cliente no necesariamente llega a cada una de ellas justo una vez. No obstante, se puede usar la férmula de Little, en donde la tasa de llegadas al sistema es la suma de las tasas de legadas desde afiera a las estaciones, Asa, +a, +a =8. Entonces, L ata, +a, 3 En conclusién debe scfalase que existen orros tipos de redes de colas (més complica- dos), donde las estaciones de servicio se pueden analizar independientes de las otras. De hecho, encontrar redes de colas con una solucién en forma de producto ha sido como el céliz sagrado para la investigaci6n en esta drea. Las referencias seleccionadas 6 y 7 contienen infor- macién adicional. 17.10 CONCLUSIONES ‘Los sistemas de colas son muy comunes en la sociedad. La adecuacién de estos sistemas puede tener un efecto importante sobre la calidad de vida y la productividad, Para estudiar estos sistemas, la teoria de colas formula modelos matemiticos que representan su operacién y luego los usa para obtener medidas de desempefio. Este anilisis proporciona informacién vital para disefiar, de manera efectiva, sistemas que logren un balance apropiado entre el costo de prover cl servicio y el asociado wun la espera por ese servicio.890 17_Teoria de colas Eneste capitulo se describieron los modelos bisicos de teorfa de colas para los que se tienen resultados muy titles. Se considerarian muchos otros modelos interesantes si el espacio o permitiera. De hecho, han aparecido en la literatura técnica varios miles de articulos de in- vestigacién que formulan y/o analizan modelos de colas, y icada afio se publican mds! Ta distribucién exponencial juega un papel fundamental en la teorfa de colas para represen tar la distribucién de los tiempos entre llegadas y de servicio, ya que esta suposicién permite representar un sistema de culas wuiu una cadena de Markov de lempo continuo, Por la misma raz6n, son de gran utilidad las distribuciones tipo fase como la distribucién Erlang, en donde se desglosa el tiempo total en fases individuales que tienen distribuciones exponenciales. Con algunas suposiciones adicionales, se han obtenido importantes resultados analiticas slo para lun pequefio nimero de modelos de colas. Los modelos de disciplina de prioridades son titiles para la situacién comin en la que se da prioridad a algunas categorias de clientes sobre otras para recibir el servicio. En otra situacién coun los clientes deben recibir servicio cn distintas estaciones 0 instalaciones. Los modelos de redes de colas se usan cada vez. mds en estas situaciones. Esta es un rea especialmente activa en la investigacién actual. Cuando no se dispone de un modelo manejable que proporcione una representacién razonable del sistema bajo estudio, un enfoque usual es obtener los datos de desempefio pertinentes mediante el desarrollo de un programa de computadora para simular la operacion del sistema, Esta técnica se presenta en el capitulo 22. Elcapftulu 18 describe cémo se puede usar la teoria de colas para ayudar a planear en forma adecuada los sistemas de colas. REFERENCIAS SELECCIONADAS 1, Cooper, Robert B.: Introduction to Queweing Theory, 2a. ed., Elsevier North-Holland, Nueva York, 1981. (También distribuido por George Washington University Continuing Engineering Educa. tion Program, Washington, D. C.) 2. Cooper, B. B.: “Queueing Theory”, Cap. 10 en D. P Heyman y M. J. Sobel (eds.) Stochustie Models, North Holland, Amsterdam, 1990. (Este articulo de investigacién también es distribuido por George Washington University Continuing Enginecting Education Program, Washington, D.C) 3. Gross, D. y C. M. Harris: Fundamentals of Queucing Theory, 3a. ed., Wiley, Nueva York, 1998. 4. Kleinrock, L.: Quewcing Systems, Vol. I: Theory, Wiley, Nueva York, 1975. 8. Prabhu, N, U.: Foundations of Queueing Theory, Kluwer Academic Publishers, Boston, 1997, 6. van Dijk, N. M.: Queueing Nerworks and Product Forms: A Systems Approach, Wiley, Nueva York, 1993, 7. Walrand, J.: An Introduction to Queueing Networks, Prentice-Hall, Englewood Cliffs, NJ, 1988. 8. Wolff, R. Wi: Stochastic Modeling and the Theory of Quewes, Prentice-Hall, Englewood Cliffs, NJ, 1989. AYUDAS DE APRENDIZAJE PARA ESTE CAPITULO EN OR COURSEWARE Archivo de Excel “Ch. 17 —Queueing Theory”: Plantilla para el modelo M/M/s Plantitla para la variacién de cola finita del modelo M/.M/sProblemas del capitulo 17 a91 Plantilla para la variacién de poblacién finita del modelo M/M/s Planilla para el modelo M/G/1 Plantilla para el modelo M/D/1 Plantilla para el modelo M/F,/1 Plantilla para el modelo de prioridades sin interrupcién Plantlla para el modelo de prioridades con interrupcién Plantilla para una red de Jackson Archivo de LINGO para algunos ejemplos “Ch. 17—Queueing Theory” ‘Vea en el apéndice 1 la documentacién del software. PROBLEMAS' Ala iaquierda de los siguientes problemas (0 de sus partes) una T indica que el uso de una de las plantillas mencionadas puede ser itil.Un asterisco en el ntimero del problema indica que al final del libro se da al menos una respuesta parcial. 17.2-1.* Considere una peluqueria comiin, Demuestre ‘que es un sistema de colas mediante la descripcién de sus componente, 17.2-2.* Newell y Jeff son peluqueros que operan de ‘manera independiente. Tienen dos sillas para clientes que «esperan su corte, entonces el miimero de clientes en cl sis tema varfa entre 0 y 4, Para n= 1, 2, 3, 4, la probabilidad. P, de que haya exactamente n clientes en el sistema es Fy R- = B= bh A=} 4) Calcule L. ¢Cémo describiria el significado de La Ne- well y Jef +) Para cada valor posible del ntimero de clientes en el sis- ‘cura, especifique cudntos clientes hay en ia cola. Des- pués caleule L,. {Cémo describiriacl significado de L, a Newell y Jeff? ¢) Determine cl mimero esperado de clientes que estin siendo servidos. 4) Dado que llega un promedio de 4 clientes por hora y esperan el corte, determine Wy W,. Describa estas cantidades en términos que Newell y feffcamprendan ¢) Dado que Newell y Jeff son igual de rdpidos al hacer sus cortes, cudl es la duracidn esperada de un corte? 17.2-3. La tienda Mom-and-Pop’s tiene un estaciona- ‘micuto pequefio adyacente con tres espacios reservados para los clientes, Sa tienda esté abierta los autos llegan y ‘usan un espacio con una tasa media de 2 por hora, Para n=0, 1,2, 3, la probabilidad P, de que haya justo » espa- ios ocupados es y= 0.2, R ='0.3, P, =0.3, P,= 0.2. 4) Describa la interpretacién de este estacionamiento como un sistema de colas. Ein particular, identifique los clientes y los servidores. {Cudl es el servicio propor- . Latasa ‘media de legadas de los clientes, la tasa media de servicio ‘por servidor ocupado v el mimero esperado de clientes en cl estado estable para Q, son el doble de los valores correspondientes para Qs. Sea W, = el tiempo esperado de espera en el sistema en estado estable para Qj, parai= 1, 2. Determine W/W, 17.2-8. Considere un sistema de colas con un servidor que tlene cualguier distribucion de tiempos de servicio y ‘eualquier distribucién de tiempos entre llegadas (cl mode- Jo GL/G/1). Use s6lo las definiciones bésicas y las relaciones de la seccién 17.2 para verificar las relaciones: a)L A a Le Saks t+ Ea] Use las definicio- =o = ines estadisticas de Ly L, en términos de P,. 17.3-1. Identifique los clientes y los servidores del siste- ‘ma de colas en cada una de las situaciones siguientes. 4) La caja de salida en un supermercado 5) Una estacién de bomberos ) La caseta de pago para cruzar un puente 4) Un taller de reparacién de bicicletas ¢) Un muelle de carga y descarga f) Un grupo de méquinas scmiautométicas asignadas a 8) El equipo de manejo de materiales en una fibrica #4) Un taller de plomerfa 4) Un taller que produce articulos sobre pedido J) Un grupo de secretarias 174-1. Un sistema de colas tiene dos servidores, distri- bucién de tiempos entre llegadas exponencial con media de? horas y distribucidn de tiempos de servicio exponen- ‘ial con media de 2 horas para cada servidor. Lo que ¢s ‘mds, a las 12:00 del dia acaba de llegar un cliente. 48) &Cuil es la probabilidad de que la siguiente legada ‘ocurra i) antes de la 1:00 p.m. ii) entre la 1:00 y las 2:00 p.m. iii) después de las 2:00 p.m.2 4) Suponga que no llegan ms clientes antes de la 1:00 pam. Ahora, écudles la probabilidad deque la siguiente Megada tenga lugar entre la 1:00 y las 2:00 pm.? €) &Cudl es la probabilidad de que el mimero de llegadas ‘enticla 1:00 y lay 2:00 p.m. seai) 0, i) 1 yili) 2 0mds? 4) Si ambos servidores estén ocupados a la 1:00 &Cuil es la probabilidad de que ningxin cliente haya complerado su servicio i) antes de las 2:00 p.m. 11) antes de la 1:10 p.m. iii) antes de la 1:01 p.m.? 17.4-2.* Los trabajos que deben realizarse en una mé- ‘quina especifica llegan segrin in proceso de entradas Pois- son con asa media de 2 por hora. Suponga que la mquina se descompone y su reparacién tardaré I hora. éCudles la probabilidad de que el nimero de trabajos que llegan du- ante este tiempo sea a) 0, 6) 2, ¢) 5 0 més? 174-3. Elticmpo requerido por un mecénico para reparar una méquina tiene una distribucién exponencial con ‘media de 4 horas. Sin embargo, una herramienta especial reducir(a esta media a 2 horas. i el mecénico repara una méquina en menos de 2 horas, se le pagan $100; de otra ‘manera se le pagan $80. Determine el aumento esperado nel pago del mecénicosi usa esta herramienta especial. 174-4. Un sistema de colas de tres servidores tiene un proceso de llegadas controlado que proporciona clientes a tiempo para mantener ocupados continuamente a los servidres. Los tiempos de servicio tienen una distribucin exponencial con media de 0.5. ‘Se observa el arrangue del sistema con los tres servidores que inician el servicio en el ts La prime- Faterminacion ocurre ent = 1, Dada esta informacién, determine el tiempo esperado después de ¢=1 hasta que curre la siguiente terminacién de servicio. 174-8. Un sistema de colas tiene tres servidores con tiempos de servicio esperados de 20, 15 y 10 minutos. Los tiempos de servicio tienen una distribucién exponen cial. Cada servidor ha estado ocupado con el cliente actual durante 5 minutos. Determine el tiempo esperado que falta para la siguiente terminacién de un servicio. 17.4-6. Considere un sistema de colas con dos tipos de clientes. Los clientes tipo 1 llegan segiin un proceso Pois- son con tasa media de 5/hora. Los clientes tipo 2 también llegan con un proceso Poisson con asa media de 5 /hora. El sistema tiene dos servidores, que sirven a ambos tipos de clientes. Para los dos tipos, el tiempo de servicio tiene distr exponencial con media de 10 minutos. El servicio es tipo primero en entrar, primero cn salir. 4) éCuil es la distribucién de probabilidad (y su media) del tiempo cntre llegadas consccutivas de clientes Ue cualquier tipo? 4) Cuando llega un cliente tipo 2, encuentra dos clientes tipo 1 enel proceso de ser servidos y ningtin otro cliente en el sistema, {Cudl es la distribucion de probabilidad (y su media) del tiempo de espera en la cola para este cliente tipo 2?Prablemas del capitulo 17, 174-7. Considere un sistema de colas con dos servidores donde todos los tiempos de servicio son independientes ¢ idénticamente distribuidos segtin una distribucin exponencial con media de 10 minutos. Cuando llega un cliente dado, encuentra que las das servidores estén ocupados y que no hay nadie esperando en la cola. 48) &Cudles la disrricin de probabilidad (con ou media y desviacidn estindar) del tiempo de espera de este cliente en la cola? 4) Determine el valor esperado y la desviacién estindar del tiempo de espera de este cliente en el sistema. ¢) Suponga que el cliente espera en la cola 5 minutos des- pués de su llegada. Dada esta informacién, éde qué ‘manera cambia el valor esperado y a desviacién estindar del cicmpo de espera en el sistema a partir de las respuestas obtenidas en el inciso 6? 174-8. Un sistema de colas tiene dos servidores cuyos tiempos de servicio son variables alcatorias independicu- tes ¢ idénticamente distribuidas con una distribucidn exponencial con media de 15 minutos. El clicute X llega cuando ambos servidores estin ociosos. Cinco minutos después llegacl clicute Y mientras que atienden a X. Diez ‘minutos mis tarde, lega el cliente Z y todavia atienden a lusdos clientes X y 7. No liegan mas clientes durante este intervalo de 15 minutos, 42) ‘Cuil es la probabilidad de que el cliente X complete su servicio antes que el cliente T? ) &Cual ¢s la probabilidad de que el cliente Z complete su servicio antes que el cliente X? ¢) «Cul ¢s la probabilidad de que el cliente Z complete su servicio antes que el cliente 7? 4) Determine la funcién de distribucién acumulada del tiempo de espera en el sisrema para X. Encuentre ade- sms la media y la desviacién estandar. ¢) Repita el inciso d para el cliente 7. F) Determine el valor esperado y la desviacién esténdar del tiempo de espera en el sistema para cl cliente Z. 4) Determine la probabilidad de que lleguen exactamente 2 clientes més los préximos 15 minutos 17.4-9. Etiquete las siguientes afirmaciones de los tiem- [Pos de servicio con distribucidn exponencial, como falsa 0 verdadera y justfique su respuesta haciendo referencia al texto especifico (cite la pégina) en el capitulo. 4a) Blvalor esperado y la variancia de los tiempos de servicio son siempre iguales. 4) La distribucién exponencial cs una bucita aproxima- in de la distribucién de los tiempos de servicio cuando cada cliente roquicre las misunas operaciones. ¢) En una instalacién de s servidores, +> 1, con exacta- ‘mente clientes en el sistema, una nueva legada tendré B93 tun tiempo de espera exponencial antes de entrar a ser vicio de 1/y unidades de tiempo, donde jes la media de la tasa de servicio para cada servidor ocupado, 17.4-10, Para la propiedad 3 de la distribucién exponencial, sen T, 7, ..., T, variables aleatorias exponenciales independientes con parémetros a, cy .., ay ¥ $0 U =min (1j, Ta, .. T,)- Demuestre que fa probabilidad de quecciertavariableT, sea la menor de ls m variables es P(T=U)=a,/$-a,, para j=1,2, (Sugerencia: “ PUT, =U} = [°P(T>T,; para tovla ix jITj= Hae at.) 17.5-1, Considere el proceso de nacimicnro y muerte con todas las 1, =2 (= 1,2, .«.)pAg=3, Ay =2, 2y=1 y 2q=0 para n~'3, 4, 44) Construya el diagrama de tasas. 4) Caleule Bo, Fi, Psy Py y P, para ¢) Caleule L,'L,,W'y W,. 17.5-2. Considere el proceso de nacimiento y muerte on tres estados posibles (0, 1 y 2), cuyas probabilidades respectivas de estado estable son P,, By P,. Las tasas de nacimiento y muerte se resumen en la siguiente tabla: ao 12) Construya el diagrama de tasas para este proceso de nacimiento y muerte 4) Desarrolle las ccuaciones de balance, ) Resuelva estas ecuaciones para encontrar Ps, Ry Py. 4) Use las formulas generales del proceso de nacimiento y muerte para caleular P), By By, y Ly Ly, W y Wy. 17.5-3. Considere el proceso de nacimiento y muerte con las siguientes tasas medias, Tasas de nacimiento- 4g=2, A, =3, 4: yA, =0 para n> 3, Tasas de muerte: ay =3, a= 4, y=1y py =2 para n> 4 42) Construya el diagrama de tasas para este proceso. b) Desarralle las ecuaciones de balance. ¢) Resuelva estas ecuaciones para encontrar la distribucidn de probabilidad de estado estable TF, .... 44) Usilice las formulas generales del proceso de nacimien- toy muerte paracalcular Fp, F,...,y LyLy,W yW,. 17.8-4. Considere el proceso de nacimiento y muerte con todas las A, =2 (=0,1,...), y=2 Y My =4 para 22,3, #) Construya el diagrama de tasas. 6) Caleule Py R. Entonces dé una expresidn general para P, en términos de Py para n=2, ,....R94 17 Teoria de colae ©) Sin sistema de colas de dos servidores se ajusta aeste proceso, écudl es la tasa media de llegadas y la tasa media de servicio por servidor que esté ocupado? 17.5-8.* Una gasolinera cuenta con una bomba de gasolina, Loe earroe que desean cargar legan segin un pro- «eso Poisson con tasa media de 15/hora. Sin embargo, si la bomba 2¢ etd usando, los clinics potciciaks pueden desir (ir a otra gasolinera). En particular, si hay n autos cu fa gasolinera, la probabilidad de que un cliente potcn- cial que llega desista es n/3 para n= 1, 2,3, El tiempo necesario para servir un auto tiene distribucién exponencial con media de 4 minutos 44) Construya el diagrama de tasas del sistema de coas. 4) Desarrolle as ecuaciones de balance. ¢) Resuelva estas ecuaciones para encontrar la distribucidn de probabilidad de estado estab del nimero de autos en la gasolinera, Verifique que la solucién sea la misma que la solucién general para el proceso de nac- rmiento y muere. 4) Encuenire el tiempo de espera esperado (incluyendo servicio) para los automéviles que se quedan, 17.546. Una persona de nrantenianicn debe mantener ddos méquinas en condiciones de operacién. El tiempo «que trabaja una maquina antes de descomponerse tiene distribucin exponencial con media de 10 horas. El tiem- poque tarda la persona en reparar la maquina tiene distri- bucién exponencial con media de 8 horas, 22) Demuestre que este proceso se ajusta al proceso de na cimiento y muerte definiendo los estados, los valores de 4, y uy y construyendo el diagrama de tasas b) Calcule ls P,. ) Caleule L, Ly, Wy W,, 4) Determine ef porcentaje de tiempo que la persona de mantenimiento esté ocupada, 2) Determine el porcentaje de tiempo que trabaja una maquina dada. f) Consulte el ejemplo casi idéntico de cadenas de Markor de tiempo continua de la seccibn 16.8, Describa la rela- cién entre la cadena de Markov de tiempo continuo y cel proceso de nacimiento y muerte que permite aplicat cualquicra de los dus al mistny problema, 17.5-7.. Considere un sistema de cols de un servidor donde los tiempos entre legadas tienen una distribucién exponencial con parimetro A y los tiempos de servicio, tuna distribuci6n exponencial con pardmetro p. Ademés, Jos clientes deisten (dejan el sistema de cols sin pasar a servicio) si su tiempo de espera en la cola es demasiado fargo. En particular, suponga que el tiempo que cada cliente esté dispuesto a esperar antes de desistir tiene una diseribucidn exponencial con media 1/8. 2) Construya el diagrama de tasas para este sistema. 4) Desarrolle las ecuaciones de balance. 17.8-8. Considere un sistema de colas de un seividor donde algunos clientes potenciales desisten (se rebuisan a ‘cuttar al sistema) y algunos que entran més tarde se impa- ‘Gientan y se nan (sin recibir el servicio). Los clientes poten- ales llegan segun un proceso Foisson con tasa media de por hora. Un cliente potencial que al llegar encuentra ‘clientes desistiré con las siguientes probabilidades: si si Pidesisti| n clientes al llegar} = |? 1, sine Los tiempos de servicio tienen distribucién exponencial ‘con media de 1 hora. Un cliente que ya esté en servicio munca desiste, pero Jos clientes en la cola lo hacen. En particular, el tiempo ‘que un cliente al principio de la cola est4 dispuesto a espe- Tar antes de desistir tiene distribucién exponencial con ‘una media de 1 h. Para un cliente en la segunda posicién cen la cola, el tiempo que espera antes de desisir tiene dis- tribucién exponencial con media de } h. 18) Construya el diagrama de tasas pata este sistema, 4) Obtenga la dstribucién de estado estable del niimero de clientes que se pierden debido a que desisten, ©) Encuentre la fraccidn esperada de clientes potenciales {que se pierden porque desisten. 4) Fnenentre Dy y L. 17.5-9* Una tienda tipo “minisiiper” tiene una sola caja on un cajero de tiempo completo. Los clientes legan ala caja de manera “aleatoria® (proceso de entradas Poisson) con tasa media de 30/h, Cuando s6lo hay un cliente en la ‘ja, el cajern lo atiende solo, con un tiempo de servicio esperado de 1.5 min, pero cl chico que ayuda tiene instrucciones fijas de que si hay mds de un cliente en la caja ayude al cajero a empacar la mercancia, Esta ayuda reduce «eltiempo esperado de servicio 1 min. En ambos casos, la istribucién de estos tiempos de servicio es exponencial. 4) Construya el diagcama de vasas para este sistema, 4) Obrenga la distribucién de probabilidad de estado esrable dei niimero de clientes en la caja. ©) Obtenga L para este sistema. (Sugerencia: consulte el desarrollo de L para el modelo M/.M /Lal principio de la seccién 17.6.) Utilice esta informacién para determinar L,,W yW,. 17.5-10. Un departamento en una empresa tiene una ‘operadora de procesador de textos. Los documentos pro- «ducidos en el departamemto se entregan para ser procesa-Problemae del capitulo 17 dos segiin un proceso Poisson con un tiempo esperado entre llegadas de 20 min. Cuando la operadora tiene sdlo ‘un documento que procesat el tiempo esperada de servicio 6 15 min, Cuando hay més de un documento, la ayuda de cedicidn reduce este tiempa a 10 min. En ambos casos, os tiempos de servicio tienen distribucién exponential 4) Conerruya wn diagrama de tras para sete items 4) Encuentre la distribucién de estado estable de! mime- rode documentos que la operadora yarecbis pera todavia no procesa. 6) DesarrolleZ para este sistema. (Sagerencia: consul el desarrollo de L para el modelo M/M/1 de la seccién 17.6.) Use eso para determinar £,, Wy W,,. 17.5-11. Considere un modelo de autoservicio enel que el cliente también es el servidor. Observe que esto corres- onde a tener un mvimero infinito de servidores disponibles. Los clientes legan segiin un proceso Poisson con pa- metro A, y los tiempos dle servicio tienen distribucién exponencial con pardmetro 1. 4) Encuentre I, y W, 4) Construya ef diagrama de tasas para este sistema, ©) Utilce las ecuaciones de balance para encontrar una expresin para P, en términos de 2. 4) Encuentro ¢) Encuentre Ly W. 17.5-12. Los clientes llegan a un sistema de colas segxin ‘un proceso Poisson con tasa media de llegadas de 2 clientes/min, Los tiempos de servicio tienen distribucidn exponencial con media de I min. Se tiene un mimero ilimi- tado de servidores por lo que los clientes nunca esperan que comience su servicio. Calcule las probabilidades de ‘estado estable de que haya justo un cliente enel sistema. 17.5-13. Suponga que wu sistema de colas de un servidor cumple todas las suposiciones del proceso de naci- rmiento y mueree ecepro que los clientes siempre Hegan por pares. La tasa media de legadas ¢5 2 pares por hora (4 Glientes por hora) y la tasas media de servicio (cuando el servidor est4 ocupado) es 5 clientes por hora. 48) Construya el diagrama de tasas para este sistema. 6) Desarrolle las ecuaciones de balance. ¢) Paracomparar, dibuje el diagrama de tasas para elsiste- ma correspondiente que se ajusta por completo al pre ceso de nacimiento y muerte, es decir, los clientes lle- ‘gan individualmente a una rasa media de 4 horas. 17.5-14 La Copy Shop abre 5 dias a la semana para el W). 4) Determine Ia probabilidad de estado estable de que el tiempo real de espera en la cola sea mayor que el tiem- Pocsperado de espera en lacola, esto cs, P(y > W}. 17.6-4. Verifique las siguientes relaciones para un sistema de colas M/M/1 17.6-5. Es necesario determinar cuinto espacio de al- macén para material en proceso conviene asignar 3 un centro de trabajo en una nueva fébrica. Los trabajos legan, de acuerda can tin proceso Poisson con tata media de 3 por hora, y el tiempo requerido para realizar el proceso. necesario tiene distribucién exponencial con media de 0.25 hora. Cuando los trabajos que esperan requieren ‘mis espacio de almactn del asignado, el excesu va a un al- ‘macén temporal en tn lugar menos conveniente. Si cada ‘rabajo requiere un pie cuadradlo de suelo en el almacén del centro de trabajo, écudnto espacio se debe proporcionar para acomodar todos los trabajos ) 50%, 6) 90%, c) 99% del tiempo? Derive una expresién analitica para res- onder a estas tres preguntas, Sugerencia: la suma de una serie geomeétrica es Na dee 17.6-6. Considere las siguientes afirmaciones sobre un sistema de colas M/1/Ly su factor de utilizacién p. Eti- ‘quételas como falsa o verdadera y justfique su respuesta. 4) La probabilidad de que un cliente tenga que esperar antes de ser servido es proporcional a p. ) El mimero esperado de clientes en el sistema es proporcional a p. ) Sip se incrementa de p= 0.9 a p = 0.99, el efecto de cualquier otto incremento en p sobre L, L,,W y Wy seré relativamente pequefio siempre que p <1. 17.6-7.. Los clientes egan a un sistema de colas segiin ‘un proceso Poisson con tiempo esperado entre llegadas de 25 minutus. Lus tiempos de servicio tienen distribucion exponencial con media de 30 minutos. Eriquete las siguientes afirmaciones sobre el sistema como falsa 0 verdadera y justifique su respuesta. 4) El servidor definitivamente estaré ocupado siempre después de la llegada del primer cliente, b) La cola crecerd sin limite. ¢) Si se agrega un segundo servidor con la misma distri- bbucién de servicio, el sistema puede alcanzar una con- icin de estado estable. 17.6-8. Etiquere las siguientes afitmaciones sobre un sistema de colas M/M//Lcomo falsa overdadeta y justili- ue su respuesta haciendo referencia a afirmaciones especificas (cite las pginas) en el capitulo. 4) Eltiempo de espera en el sistema tiene distribucién exponencial.Problemae dal capitulo 17 4) Eltiempo de espera en la cola tiene distribucién exponencial. 6) El tiempo de espera condicional en el sistema, dado el ‘imero de clientes que hay tiene distribucién Erlang (gama). 17.6-9. La tienda de abarrotes Friendly Neighbor tiene tuna caja de ealida con un eajero de tiempo completo. Lus clientes llegan al azar con una tasa media de 30/h. La dis- tribucién del tiempo de servicio es exponenicial con media de 1.5 min, Esta situaci6n causa una cola larga ocasional y 4quejas de los clientes. Como no hay lugar para otra caja, el sgerente piensa en contratar a otra persona que ayude a éempacat lus viveres y reduzca el tiempo esperado de servicio a 1 min, todavia con distribucién exponencial El gerente quiere que e! porcentaje de tiempo que hay mis de 2 clientes en la caja fuera menor que 25%. ‘Tam- bign desea que no mas de 5% de los clientes tengan que esperar 5 minutos o més antes de iniciar su servicio 0 7 ‘minutos o més antes de terminarlo. 4#) Use las formulas del modelo /M/1 para calcular 1, W, Wy, Ly, Po, By Py pata la operacién actual. éCusl ¢s laprobabilidad de que haya més de dos clientes en la caja? 1) Ure apna de Boel para et model, eigue sus respuestas en a, Encuentre la probabilidad de que eltiempo de espera antes de iniciar el servicio exceda 5 ‘minutos, y la probabilidad de que el tiempo de espera antes de terminar el servicio eaceda 7 minutos. ) Repita el inciso a para la alternativa de ayuda, 4) Repita el inciso & para esta alternativa 4) @Qué enfoque debe usar el gerente para satisfacer el criterio del gerente lo mejor posible? 7.17.6-10. El aeropuerto internacional de Centerville tiene dos pistas, una sdlo para despegues y otra sdlo para aterrizajes. Los aviones llegan al espacio de Centerville para pedir instrucciones de aterrizaje segiin un proceso Poisson con tasa media de 10 por hora. El tiempo tequeri- do para un aterrizaje después de la aprobacién tiene distri- bucién exponencial con media de 3 minutos y este proceso debe estar terminado antes de aprobar otro atertizaje. Los aviones en espera de pista vuelan en circulos. La administracién de aviacién federal tiene varios cr- terios respecto al nivel seguro de congestién de aviones eu espera para aterrizar. Estos criterio dependen de varios, factores en cada acropuerto, come el mimero de pistas disponibles para aterrizar, Para Centerville los criterios, son 1) cl ndinero promedio de aviones en espera no debe exceder a 1, 2) 95% del tiempo, el nimero real de aviones enespera nu debe exceder 4, 3) para 99% de los aviones el tiempo que vuclan en cfrculos antes de atertizar no debe ‘exceder a 30 min (exceder este tiempo suele requerit en- 897 viar el avién a otro aeropuerto para aterrizaje de emergencia antes de que se agote el combustible. 42) Fvaliie qué tan bien se cumplen estos criterios +) Una linea aérea importante piensa incluir este aeropuerto en sus rutas. Esto aumeutarfa la tasa media de egadas a15 aviones por hora. Evalie qué tan bien se cumplirfan los citetivs si esto ocurrtera. 6) Para atraer més negocios [incluso la linea aérea del: isu 6}, la administraci6n del aeropuerto piensa afadi otra pista de aterrizaje, Se estima que con el tiempo sto aumentaria la tasa media de llegadas a 25 aviones por hora. Evaliie qué tan bien se cumplirfan los crte- ris si esto ocurtiera 1 17.6-11. El Security & Trust Bank tiene 4 cajeros para atender a sus clientes. Estos legan segiin un proceso Pois- son con tasa media de 2 por minuto. Sin embargo, el e- ‘gocio crece y la gerencia pronostica que esta tasa serd de 3 Por minuto dentro de un ao. El tiempu de transacciones entre el cajero y el cliente tiene distribucién exponencial con media de 1 minuto, La gerencia ha establecido las siguientes politicas para un nivel de servicio satisfactorio. Elnimero promedio de clientes que esperan en la cola para iniciar su servicio no debe exceder a1. Al menos 95% del tiempo, el nimero de clientes en la cola no debe exceder a 5. Para al menios 95% de ios clientes, el tiempo de espera para iniciar el servicio no debe exceder a 5 minutos, 42) Useel modelo M/M/s para determinar si se cumplen estas politicas. +) Evalie si se cumplirdn estas politicas dentro de un ao no cambia el ntimero de cajeros. ¢) Determine cudntos cajeros se necesitardn dentro de un afio para cumplir por completo las politicas, 17.6-12. Considere el modelo M/.M/s. 1) Suponga que sdlo hay un servidor y que el tiempo esperado de servicio ¢s justo 1 minuto. Compare I. para los casos en que la tasa media de llegadas ¢5 0.5, 0.9 y 0.99 clientes por minuto. Haga lo mismo para L,, W, W, y PEW> 5}. (Qué puede concluir sobre el impacto del factor de utilizacin crecente p de valores pequefios (como, p = 0.5) a valores grandes (como p = 0.9) y atin mds grandes cercanos a1 (como, p = 0.99)? +) Ahora suponga que se cuenta con dos servidores y que el tiempo esperado de servicio es exactamente 2 minutos. Siga las instrucciones del inciso a. 1 17.6413. Considere el modelo M/s con tasa me dia de llegadas de 10 clientes/h y tiempo de servicio esperado de 5 min. Use la plantilla de Excel de este modelo para obtener ¢ imprimir las medidas de desempefio (con += 10 y £=0, para las dos probabilidades de tiempo de898 17 Teoria de oles espera) cuando el niimero de servidores ¢s 1, 2, 3,4 y5. Entonces, para os siguientes criterios posibles de nivel satisfactorio de servicio (donde la unidad de tiempoes 1 mi- ‘nuto), use los resultados impresos para determinar cudntos servidores se necesitan para satisfacer los criterios. a) L, $0.25 4) 1'c09 6) W,s01 Wb 2) PU, >0}< 0.01 £) Beau's 10)5 0.2 a) YP.20.95 = 17.6-14. Los aviones en un aeropuerto llegan a la pista para despegar segiin un proceso Poisson con una tasa media de 20 por hora, El tiempo requerido para que despe- ‘ue un avin tiene una distribucién exponencial con media de 2 minutos y este proceso debe completarse antes de que el siguiente avién se prepare para despegar. Debido a que acaba de comenzar una breve tormenta, se ha dejado en tierra temporalmente a todos los aviones que no han iniciado su despegue. Sin embargo, los avio- ‘es continian llegando ala pista durante la tormenta para esperar a que acabe. ‘Suponga una operacién en estado estable antes de la ‘tormenta, determine el ntimero esperado de aviones que ‘esperan despegaral pasar la tormenta sidura 30 minutos. 17.6-15. Una estacién de gasolina con sélo una bomba cemplea la siguiente politica: si un cliente tiene que esperar, el precio es $1 por galdn; si no tiene que esperar, el precio es $1.20 por galén. Los clientes llegan segiin un ‘proceso Poisson con tasa media de 15 por hora. Los tiem- ‘pos de servicio tienen distribucidn exponencial con media de 3 minutos. Los clientes que legan siempre esperan hasta que compran la gasolina, Determine el precio esperado de la gasolina por galén. 17.6-16. Se tiene un sistema de colas M/M/ con tasa ‘media de Megadas 2 y rasa media de servicio y. Un cliente reciben délares si cuando llega hay nclientes en el sistema. Determine el costo esperado en d6lares por cliente. 17.6-17. Ena seccidn 17.6 se obtuvieron las siguientes ecuaciones para el modelo M/M/1: (1) Paw>s}= 3° P,PIS,.. > 4). = (2) Pw> sy eA0-0%, Demuestre que la ecuacién (1) se reduce algebraicamente ala ceuacién (2). (Sugerencia: use diferenciacién, dlgebra c integracion.) 17.6-18. Derive W, directamente para los siguientes casos; desarrolle y redtizca una expresién andloga a la ecua- ‘idn (1) del problema 17.6-17. (Sugerencia: use el tiempo de espera esperado condicional en la cola dado que una lle- ¢gada aleatoria encuentra n clicnees en el sistema.) 4) El modelo M/M/1 4) El modelo Af/t/s 1 17.6-19. Considere un sistema de colas M/M/2 con 4 4y a= 3, Determine la tasa media ala que ocurren las terminaciones de servicio durante los periodos en que no hay clientes esperando en la cola. 7 17.6-20 Se tiene un sistema de colas M/.M/2 con 1= 4porhoray w= 6porhora. Determine la probabilidad de que un cliente que llega espere mds de 30 ininutos en la cola dado que hay al menos 2 clientes en el sistema. 17.6-21.* En la compaifa de seguros Blue Chip Life, las funciones de depésito y retiro para cierto producto de inversin estin separadas entre dos dependientes. Las for- ‘mas de depésito llegan al escritorio de Clara con tasa me- diade 16 por hora (proceso Poisson). Las formas de rtiro Megan al escritorio de Carmen con tasa media de 14 por hora (proceso Poisson). El tiempo requerido para proce- sar cualquier transaccidn tiene distribucién exponencial con tasa media de 3 min. Para reducir el tiempo esperado de espera en el sistema de ambas formas los actuarios reco ‘miendan: 1) capacitar alas dos dependientes para mancjar depésitos y retiros y 2) poner los dos tipos de transaccioncs en una sola cola con acceso a ambas dependientes. 4) Determine el tiempo esperado de expera en cl sistema para cada tipo de legada con el proceso actual. Combi- rnc los resultados y calcule et tiempo esperado de espera en el sistema para una llegada de cualquier tipo. 18) Si se adoptan las recomendaciones, determine el tiempo esperado de espera en el sistema para las transacciones que legan. ‘Te) Suponga que si se adoptan las recomendaciones el resultado serfa un pequefio aumento en cl tiempo esperado de proceso. Use la plantilla de Excel de M/M/s ppara determinar, por prueba y error, el tiempo esperado de proceso (dentro de 0.001 horas) que harfa que el tiempo esperado de espera en el sistema de una legada aleatoria fuera en esencia el mismo para los procesos actuales y con las recomendaciones. 17.6-22 La compafifa People’s Sufiware acaba de abrir lun centro de asistencia técnica por teléfono para su nuevo software. Dus técnicos roman ls lamadas, donde el tiempo requerido para responder a las preguntas del cliente tiene distribucién exponencial con media de 8 min. Las lamadas llegan segiin un proceso Poisson con tasa media de 10 por hora.Problomae del capitulo 17. ‘Se espera que el afio présximo la tasa media de llamadas disminuya a5 por hora, porloque el planes reducir el nimero de técnicos a uno, Ta) Suponga que seguird en 7.5 llamadas por hora el si- Buiente afo, determine I, I, ,W yW, para ambos sistemas (actual y en un afio)” Para cada medida de desempefio, iqué sistema da el menor valor? 4) Suponga que use ajustaré cuando s6lo haya un técni- co, Obtenga algebraicamente el valor de ye que da el mismo valor de W del sistema actual. 6) Repita el inciso con W, en lugar de W. 17.6-23. Se tiene un sistema de colas M/M/Len el que el tiempo esperado de espera y el nimero esperado de clientes en el sistema son 120 min y 8 clientes, respectivamente. Determine la probabilidad de que el tiempo de servicio de un cliente exceda a 20 min, 17.6-24. En una generalizacién del modelo M/M/1el servidor necesita “entrar en calor” al principio de un pe- iodo de trabajo y sirve a primer cliente del periodo a una tasa mds lenta que a los otros. En particular, si un cliente que llega encuentra al servidor desocupado, ese cliente experimenta un tiempo de servicio con distribucién expo- ‘encial con parémetro 1. Pero si un cliente que llega encuentra al servidor ocupado, se une a una cola y después experimenta un tiempo de servicio con distrihucidn exponencial con parimetro y., donde 4, < jg. Losclientes legan de aenerdo a un proceso Poisson con tasa 2. 42) Formule este modelo como una cadena de Markov de tiempo continuo; defina los estados y construya el dia- ‘grama de tasas correspondiente. 4) Desarrolle las ccuaciones de balance. ¢) Suponga que se especifican valores numéricos para 4, Hay Ay que A < 4p (de manera que existe una distribu: in de estado estable). Como este modelo tiene un andimero infinito de estados, la distribucién de estado estable ¢s la solucién simulténea de un mimero infini- to de ecuaciones de balance (mas la ecuacién de la suma de las probabilidades igual a1). Suponga que no Puede obtener una solucién analitica y desea usar la computadora para resolver el modelo numérico. Con- sidere que es imposible resolver un niimero infinito de cecuaciones, describa en forma breve qué se puede hacer con estas ecuaciones para obtener una aproxima- ci6n de la distribucién de estado esrable. 2En qué cit- cunstancias serd en esencia exacta esta aproximacién? 4) Dado que se ha obtenido la dstribucién de estado estable, dé expresiones explicitas para L, Ly, W y Wy. *) Dada esta distribucién de estado estable, desarrolle ‘una expresidn para P{W > +} andloga ala ecuaciGn (1) del problema 17.6-17. 899 17.6-25. Para cada modelo siguiente, escriba las ecuaciones de balance y demuestre que la solucién dada en la secciGn 17.6, parala distribucidn de estado estable del mi- ‘mero de clientes en el sistema, las satisface. 2) Modelo M/M/1. ) Variacién de cola finita de M/Af/1, con K = 2. 6) Variacién de fuente de entrada finiea de Mf/AM{/1, con N 1 17.6-26. Considere un sistema telefnico con tes It reas. Las lamadas sigue un proceso Poisson con una tasa ‘media de 6 por hora. La duracién de las llamada tiene dis- tribucién exponencial con tasa de media de 15 minutos. Sirodas las lineas estén ocupadas, las llamadas se ponen en espera hasta que esté disponible una linea. 4a) Imprima las medidas de desempefio de la plantilla de Excel para este sistema (con t= 1 hora y =O, para las probabilidaces respectivas de tiempo de espera). 1h) Use el resultado impreso de P{u, >0} para identificar la probabilidad de estado estable de que una llamada sea tomada de inmediato (sin quedar en espera). Veri fique esta probabilidad con los resultados para P,. €) Delos resultados impresos identifique la distibucién de probabilidad de estado estable del mimero de lamadas cn espera 4) Imprima las nuevas medidas de desempefio si las la- mada se pierden cuando todas las lineas estan ocupadas. Con los resultados identifique la probabilidad de estado estable de que una llamada que llega se pierda. 17.6-27.. Reconsidere el proceso de nacimiento y muerte descrito en e! problema 17.5-1. 4) Identifique nn modelo de colas (y los valores de sus pa- 4metros) en la seccién 17.6 que se ajuste al proceso. ‘r6)_ Use la plantilla de Excel para obeener las respuesta: de los incisos b y ¢ del problema 17.5-1. 17.6-28. Una oficina de boletos de una aerolinea tiene dos agentes que contestan las llamadas para reservaciones. ‘Una llamada se puede poner en espera hasta que uno de Jos agentes se desocupa para tomarla, Si las tres lineas (de ambos agentes y de espera) estén ocupadas, el cliente potencial obtiene tono de ocupado y se supone que llama a otra oficina de boletos y la venta se pierde. Las llamadas y Jos intentos de llamada ocurren aleatoriamente (proceso Poisson) a una tasa media de 15 por hora. La duracién de tuna conversacién telefénica tiene disrribucién exponencial con media de 4 minutos. 42) Construya el diageama de tasas de este sistema. 6) Encuentre la probabilidad de estado estable de que i) un cliente pueda hablar de inmediao con un agente, ) el cliente quede en espera y cl cliente obtenga el tono de ocupado.900 17 Teoria de colas 17.6-29*. Janet planca abrir un pequetio autolavado y debe decidir cuanto espacio asignar a los autos que esperan, Janet estima que los clientes legardn de manera aleatoria (proceso Poisson) con tasa media de 1 cada 4minu- tos, a menos que el drea de espera estéllena, en cuyo caso los clientes que legan llevardn su auto a otra parte. El tiempo total atribuible al lavado de un carro tiene diceri- bbucién exponencial con media de 3 minutos. Compare la fraccidn de clientes potenciales que se pierden por falta de espacio de espera sise proporcionan a) 0,6) 2c) 4 espa- ios (ademés del lugar de lavado).. 17.6-30. Considere la variacién de cola finita del mode- 1o.M/M/s. Derive la expresion para L, dada en la seccién, 1766 para este modelo. 17.6-31. Para la vatiacién de cola finita del modelo -M/M/I, desarrolle una expresién andloga a la ecuacién (1) del problema 17.6-17 para las probabilidades: 2) Plaw>s) 5) PCW, >). [Sugerencia: Las llegadas ocurren sdlo cuando el sistema no esté lleno, por lo que la probabilidad de que una llegada aleatoria encuentre m elicates ¢s F,/(1~ Px).] 17.6-32, En Forrester Manufacturing se ha asignado a ‘un técnico ¢l mantenimiento de tres méquinas. Para cada ‘maquina, la distribucién de probabilidad del tiempo de ‘operacién antes de descomponerse es exponencial con media de 9 horas. El tiempo de reparacién también tiene distribucién exponencial con media de 2 horas. 4) {Qué modelo de colas se ajusta a este sistema? T) Con este modelo encuentre la distribucién de probabilidad del miimero de mquinas descompuestas y su media, 6) Use la media para calcular el tiempo esperado entre la descompostura de una maquina y la terminacién desu reparacién. 4) oul es la fraccién esperada de tiempo que el téenico esté ocupad Te) Comoaproximacién burda, suponga quela fuente de ‘entrada ¢s infinita y las entrada son Poisson con una tasa media de 3 cada 9 horas. Compare el resultado del ineiso & con el que obtenga con esta aproximacién i) con el modelo M/M/syii) con el modelo de cola f- nita M/M/scon K = 3. Tf) Repitab con un segundo técnico que ayuda con otra ‘méquina si hay mds de una méquina descompuesta. + 17.6-33* La Dolomite Corporation planea una nuc- va fabrica. Se han asignado maquinas autométicas a un departamento. Se contratar4 un pequeiio mimero (a determinar) de operarios para darles servicio ocasional (car- Ba, descarga, ajuste, preparacion, eveérera), y debe deci- dirse c6mo organizarlos. La alternativa les asignar a cada ‘operario sus méquinas. La alternativa 2 es agruparlos para gue el operario desocupado dé servicio ala siguiente mé- quina que lo necesite. La alternativa 3 es combinarlos en ‘una cuadrilla y que juntos atiendan cnalquier miquina. EL ticmpo de operacién (entre la terminacién de un serviciny la necesidad de arender la méquina de nuevo) de cada méquina tiene distribucién exponencial con media de 150 minutos. El riempo de servicio tiene distribucién exponencial con media de 15 minutos (para las alrernati- vas 1y2) 0 15 minutos entre el niamero de operario (alternativa 3), Para que el departamento logre la tasa de pro- duccidu requerida, las mdquinas deben operar por 10 ‘menos 89% del tiempo en promedio. 4) Para a alternativa 1, écudl es el nimero maximo demé- quinas asignadas a un operario para lograr a tasa de produccion? «Cual es la utilizacién de cada operario? 6) Para la alternativa 2, écual es el ntimero minimo de ‘operarios necesario para lograr la tasa de produccién? &Couil es la utilizaciOn de cada operario? ¢) Para la alternativa 3, écual es el tamafio minimo de la ‘cuadrilla necesario para lograr la tasa de producciéin? &Cudl es la utilizacién de la cuadrilla? 17.6-34, Un taller tiene tres maquinas idénticas sujetas a fallas de cierto tipo. Se cuenta con un sistema de mante- ‘numiento para realizar las operaciones (recargar) requeridas por una méquina que falla. El tiempo necesario para cada operacién tiene distribucién exponencial con media de 30 minutos. Con probabilidad de 4, esta operacién, debe realizarse una segunda vez. (con la misma distribu- ‘i6n del tempo) para dejar la méquina en un estado ope- rativo satisfactorio. El sistema de mantenimiento trabaja sélo en nina méqnina que falla a la ver, realiza todas las ‘operaciones (una 0 dos) requeridas por esa maquina, sobre la base de primero en entrar, primero en salir. Después de reparada, el tiempo hasta que la mquina vuelve a fallar tiene distribucién exponencial con media de 3 horas. 8) «Como deben definirse los estados del sistema para formularlo como cadena de Markov de tiempo cunti- ‘nuo? (Sugerencia: dado que se esté realizando la pri- ‘mera operacién en una maquina que fall6, terminar con éxito esta operacién y terminarla sin éxito son dos ‘eventos independientes. Use la propiedad 6 respecto a ddesagregar la distribucién exponencial.) 6) Construya el diagrama de tasas correspondiente. @) Desarrolle las ecuaciones de balance. 17.6-35. Considere un sistema de colas de un solo servidor, Se ha observado que 1) este servidor parece acclerar- seconforme aumenta el nimero de clientes en lsistemay 2) el patron de aceleracion parece ajustarse al modelo deProblemas del capitulo 17 tasas dependientes del estado presentado en la secciéa 17.6. Mis adn, sc etina que el tiempo esperado de servicio ¢s 8 minutos cuando slo hay 1 cliente, Determine el coeficiente de presiGn c para este modelo en los casos: 48) Se estima que el tiempo esperado de servicio es 4 mi- fnutos cuando hay 4 clientes en el sistema. 4) Se estima que cl tiempo esperado de servicio ¢s § mi- ‘utos cuando hay 4 clientes en el sistema. 7 17.6.36. Para el modelo de tasas dependicntes de la seccién 17.6, mucstre el efecto del caeficente de presn enla figura 17.10 para construir una tabla para la azn (en decimales) de L para este modelo entre L para el modelo M/M/s (esto cs, cou ¢=0). Tabule estas razones para 4g/su, = 0.8, 0.9, 0.99 cuandoc = 0.2,0.4,0.6y 5= 1,2. 17.7-1.* Considere el modelo M/G/L 42) Compare cl tiempo esperado de espera en la cola sila listribucién del tiempo de servicio es i) exponencial, ) constante y iii) Erlang con la cantidad de variacién (es decir, la desviacin estindar) ala mitad entre losca- 05 constante y exponencial 4) éCual es el efecto sobre el tiempo de espera esperado en acola y sobre la longitud esperada dela cola si Ay se duplican y la escala de la distribucién de tiempos de servicio se cambia de acuerdo con esto? 17.7-2. Sea el modelo M/G/1 con 4=0.2y 4= 0.25. 11a) Usela plantilla de Excel para este modelo (amano) para encontrar las medidas de desempefio, L, Ly, W. Wy, para los siguientes valores de o: 4, 3, 2, 1,0 8) iCal es la razin de L, con o~ 4 entre L, con = 0? ¢Qué dice esto de la imporrancia de reduc la variabilidad en los tiempos de servicio? 6) Calcule la reduccién en L, cuando ase reduce de-4.a 3, de3a2,de2aly de 120. (Cudles a reduccién més grande? &Cual es la menor? 44) Use prueba y erroren fa plantilla para aproximar cudn- to debe aumentar con = 4 paralograr la misma Ly que con 1 =0.28 yo~0, 17.7-3. Etiquete ls afirmaciones de un sistema de colas 4M/G/1, donde 0° es la variancia de los tiempos de servicio como falsa 0 verdadera y justifique su respuesta, 4) Sise ncrementa o* (con Ay wfijos) aumentarin Ly y L, pero W, y W no cambiarin, 5) Cuando se elige entre una tortuga (uy 0? pequefios) y tuna liebre (jy 0? grandes) como servidor, la tormiga siempre gana porque proporciona una L, pequefa, ©) Con Ay sfijos, cl valor de L, con distribution de tiempos de servicio exponenciales el doble que cuando los ticmpos de servicio son consrantes. 4) Entre las distribuciones posibles (con y x fijos) la diseribucidn exponencial da el valor més grande de Ly. 901 17.7-4. Marsha despacha café exprés. Los clientes si ‘guen un proceso Poisson con tasa media de 30 por hora. Eltiempo necesario para que Marsha sirva aun cliente tie ne distribucién exponencial con media de 75 segundos. 4) Con el mesielo M/G/L encuentre L, Ly, W y Wy. +) Suponga que sustituyen a Marsha por una méquina expendedora que requiere justo 75 scgundus de upera- cin por cliente. Encuentre L, L,, Wy W, 6) ACusl es la razén de Ly enw enie Ly end: Td) Utilice por prueba y error en la plantilla de Excel para el modelo M/G/1 para aproximar cudnto debe Marsha ‘educir su tiempo de servicio para lograr la misma L,. 17.7-5. Antonio tiene taller de reparacién de calzado. Los pares de zapatos que llegan para reparacién siguen ult proceso Poisson con tasa media de 1 par por hora. El tiempo de reparacién por zapato individual tiene distri bbucién exponencial con media de 15 minutos. 48) Considere la formulacidu de este sistema de colas si se ‘toma cada zapato (y no el par) como un cliente. Cons- ‘ruya un diagrama de tasas y desarrolle las ecuaciones de balance, pero no resuelva el sistema. #) Abora considere la formulaci6n de este sistema de colas cuando los pares de zapatos se consideran los lien- tes, Identifique el modelo especifico que se ajusta a esta formulacién. ©) Calcule el niimero esperado de pares en el taller, 44) Calcule el tiempo esperado desde que el cliente deja un par hasta que estd reparado y listo para entregarlo. Te) Usela plantilla de Excel correspondiente para verifi- Car sus respuestas en los incisos c d. 17.7-6.* Una base de mantenimiento de Friendly Skies Airline tiene instalaciones para la reparacién general de lun solo motor de avidn a la vez, Para volver a poner los aviones en operacién lo mds pronto posible, la politica ha sido alternar la reparacién general de los cuatro motores de cada avién, En otras palabras, sdlo se repara un motor cada ver que un avién llega ala base. Con esta politica, los aviones llegan de acuerdo a un proceso Poisson con t20a ‘media de J al dfa. El tiempo requerido para reparar un ‘motor (una vez iniciadoel servicio) tiene una dstribucion exponencial con media de } dia, Se ha hecho la propuesta de cambiar esta politica a la de reparar los cuatro motores de cada avién consecutiva- ‘mente cada vez que llegue un avién ala base, Aunque et cuadruplicaria el tiempo esperado de servicio, cada avin irfa ala base s6lo la cuarta parte de las veces Laadministracién debe decidir si continuar como esté oadoptar la propucsta. Elobjetivoes minimizar el tiempo promedio de vuelo que la flota completa pierde por dia debidu a las reparaciones generales de los motores.902 17 Tanela do calae .#) Compare las dos altemativas respecto al tiempo pro- ‘medio de vuelo perdido por avién cada vez que llega a la base de mantenimiento. 4) Compare las dos alternativas respecto al ntimero promedio de aviones que pierden tiempo de vuelo por estar en la base, ©) {Cuil de estas comparaciones es la adecnada para que la administracion tome la decision? Explique. 177-7. Reconsidere el problema 17.7-6. La adminis- tracién adopté la propuesta pero desea analizar el nuevo sistema de colas. 8) &imo debe definirse el estado del sistema para for- ‘miular el modelo como cadena de Markov? ) Construya el diagrama de tasas correspondiente. 177-8. Considere un sistema de colas con entradas, Poisson, donde el servidor debe realizar dos tareas distintas en secuencia para cada cliente, de manera que el tiem- pode servicio total cs la sunrade lus tiempos de las dos ta- teas (que son estadisticamente independientes).. 4#) Suponga que el tiempo de la primera rarea tiene distri- bucién exponencial con media de 3 minutos y que el dela segunda tiene distribucién Erlang con media de 9 minutos y pardmetro de forma k = 3. ‘Qué modelo de teorfa de colas puede representar este sistema? 4) Suponga que el inciso a se modifica para que la primera tarea también tenga distribucidn Erlang con parimetro de forma k= 3 (y media todavia igual a 3 minutos). (Qué modelo de teorfa de colas debe usarse para representar este sistema? 17.79. La compaiiia McAllister tiene dos depésitos de herramicnras cada uno con wn dependiente, en el area de produccién. Un depésito maneja sélo las herramientas para maquinaria pesada y el otro el resto. En cada uno, los ‘mecdnicos legan a pedir herramientas con una tasa media de 24 /t y cl tiempo de servicio esperado es 2 min. Como los mecénicos se quejan de quel ira los depési- tos esperan demasiado, se propone combinarlos para que cualquier dependiente maneje cualquier tipo de herramienta solicitada. Se piensa que la tasa media de liegadas aldepésito combinado se duplicars a 48 por hora yqueel tiempo esperado de servicio seguird en 2 minutos. Sin ‘embargo, no se conace la forma de la distribucién de probabilidad para los tiempos entre llegadas y de servicio, y no esti claro qué modelo de colas es el més apropiado. Compare el estado actual yla propuesta respectoal nimero esperado de mecinicos enc! (los) depésito(s) de herramientas y al tiempo esperado de espera (con servicio) para cada mecénico, Para esto, tabule los datos de los cua- tromodelos de as figuras 17.7, 17.11, 17.13y 17.14 (use 4 =2 cuando se trate de una distribucion Erlang). 17.7-10.* Considere un sistema de colas de un servidor ‘con entradas Poisson, tiempos de servicio Erlang y cola f- nita, En particular, suponga quek = 2, la tasa media de llegadas es 2 clientes/h, el tiempo de servicio esperado es O.25hyel mévima nvimerade clientes que admite cl siste- ‘ma es 2. Este sistema se puede formular como cadena de Markov de tiempo continuo dividiendo eada tiempo de servicio en dos etapas consecutivas, cada una con distri- bbucidn exponencial con media de 0.125 h, y define cl estado del sistema como (1, p), donde m es el ntimero de clientes en cl sistema (7= 0, 1, 2) y p indica la etapa del servicio en la que se encuentra cliente (p= 0, 1,2,donde fica que ningxin cliente estd en servicio). 44) Construya el diagrama de tasas. Escriba las ecuaciones de balance y tselas para obtener ladistribucién deesta- do estable del estado de esta cadena de Markov. 4) Use la distribucién de estado estable obtenida en elin- ‘iso a para identificar la distribucidn de estado estable del ntimero de clientes en el sistema (Pp, A, 2) yel mie ‘mero esperado de clientes enel sistema a lalarga (L). ¢) Compare los resultados de 6 con los obtenidos sila dis- tribucién de tiempos de servicio es expanencial 17.7-11, Observe el modelo E,/M/lcon4=4y u=5, ‘que se puede formular como cadena de Markov de tiempo continuo dividiendo cada tiempo entre llegadas en dos ‘tapas consecutivas, con distribucién exponencial con media de 1/(24)= 0.125 y definiendo el estado del siste- macomo (n, p), donde n ¢s ¢l mimero de clientes en el sistema (n= 0, 1, 2,...) yp indica la etapa de la siguiente le- sgada (que todavia no esté en el sistema) (p= 0, 1, 2). ‘Construya el diagrama de tasas (pero no resuelva) 17.7-12. Una companifa tiene un téenico que da ervicio aun grupo grande de maquinas que estén en operacion. $i ‘considera este grupo como una fuente de entrada infinita, las descomposturas individuales son Poisson con tasa media de 1 por hora, Para cada descompostura se tiene una probabilidad de 0.9 de que s6lo necesite una reparacion ‘menor, en cuyo caso e! tiempo para repararla tiene distri- bucién exponencial con media de } hora. De otra manera, se requiere una reparacién mayor, y el tiempo para repararla tiene distribucién exponencial con media de § horas. ‘Como ambas distrituciones condizionalee son exponenciales, la distribucién incondicional (combinada) de los tiempos de reparacidn es hiperesponencial. 4a) Calcule la media y la desviacién estndar de esta distri- bucién hiperexponencial. [Sugerencia: use la relacio nes generales de tcorfa de probabilidad: para cualquier variable aleatoria X y cualquier par de eventos mutuamente excluyentes, E, y E>, E(X)= E(X|£,)P(E;) + E(X | B,)P(E,) y var(X) = E(X")— E(X)*,] Com-Problemas del capituly 17 pare esta desviacién esténdar con la de una distribu cidn exponencial que tiene esta media. 4) Calcule Py, L,, L,W, yW paraesre sistema decolas. 2) &Cuilesel valor condicional de W, dado que la méqui- nna necesita reparacién mayor? ‘Reparaciin menor? &Cual es la divisién de L entre méquinas que requicren la dos reparaciones? (Sugerencia: la fSeenula de Litt se aplica a las categorias individuales de mquinas.) 4) ’Cémo se defincn los estado del sistema para formularlo como cadena de Markov de tiempo continuo? (Sugerencia: considere que informacion se necesita ‘ademas del niimero de méquinas descompuestas, para {que la distribucién condicional del tuempo que falta hasta el préximo evento de cada tipo sea exponencial.) ¢) Construya el diagrama de tasas correspondiente. 17.7-13. Considere la variacién de cola finita del mode- Jo.M/G/I, donde K es el nimero maximo de clientes que acepta el sistema, Param = 1, 2,...,33 X,y la variable aleatoria del ntimero de clientes en el sistema en cl tiempo #, ‘cuando completa su servicio el m-ésimo cliente (no cuenta clcliente que esté saliendo). Los tiempos {f;,43,...}sella- man puntos de regeneracion. {X,} (= 1, 2,» €5 una ca- ddena de Markov de tiempo discreto y se conoce como cadena de Markov anidada. Estas cadenas de Markov son titles para estudiar las propiedades de los procesos esto- cisticos de tiempo continuo como el modelo M/G/1. Considere e! caso especial donde K = 4, el tiempo de servicio de clientes sucesivos es constante fio, digamos, 10 min y la tasa media de llegadas es 1 cada 50 min. Entonces {X,,} €s una cadena de Markov anidada con estados 0, 1, 2, 3. (Como nunca hay més de cuatro clientes en el sistema, no puede haber més de 3 en un punto de re- generacién.) Fl sistema se observa en las salidas sucesivas, as{ X,, nunca puede decrecer en més de 1. Las probabilidades de transicién que resultan en un incremento en X, se obtienen directo de la dstribucién Poisson, ‘#) Encuentre la matriz de transiciéa de un paso parallacar dena de Markov anidada. (Sugerencia: obtenga la probabilidad de transicién del estado 3 al estado 3; we la probabilidad de 1 0 més llegadas en lugar de sdlo la de 2 Mlegada; igual para las otras transiciones al estado 3.) ) Utilice la ratina adecuada en el 4rea de cadenas de Mar- kov del OR Courseware para encontrar las probabilidades de estado estable para el nimero de clientes en el sistema en los puntos de regeneracién. ¢) Caleuleel ntimero esperado de clientes en el sistemaen Jos puntos de regeneracién y compérelos con L para el modelo M/D/I (con K =, seccién 17.7). 17.8-1.* Southeast Airlines es una linea aérea que da servicio en Florida, Su oficina de boletos en el aeropuerto, 903 de Orlando tiene un agente. Hay dos colas, para pasajeros de primera clase y para los de clase eurista. Cuando el agente esté listo para otro cliente, sirve al siguicate de primera clase si hay uno. Sino lo hay, sirveal siguiente decla- se turista, Los tiempos de servicio tienen distribucién ex- Ponencial con media de 3 minutos para ambos tipos de \icutes, Bu lay 12 ltoras por dfa que abre la oicina, 10s pasajeros llegan aleatoriamente a una tasa media de 2 por hora paral primera clase y 10 por hora parala clase turista. 4) ®Qué tipo de modelo se ajustaaeste sistema de colas? 76) Encuentre las medidas de desempeiio, L,L,W yW,, ;para ambos tipos de pasajeros. ©) {Cua es el tiempo de espera esperado antes de ini el servicio para los clientes de primera como fraccidin del tiempo para los de clase turista? 4) Determine el niimero promedio de horas por dia que std ocupado el agente. 117.8-2. Considere el modelo von prioridades sin inte- rupcin de la seccién 17.8. Suponga que sélo hay dos clases de prioridad, con ay =4 y Ay = 4. Al disetar este sistema puede elegir entre dos posibilidades: 1) un servidor répido (= 10) y 2) dos servidores lentos (y= 5). ‘Compare estas alternativas con las cuatro medidas de desempeno usuales (W, L, W,, L,) para las clases individuales de prioridad (17, Wa, Ly, L2, etoétera). (Qué alternativa se prefiere si la preocupacién primordial es el tiempo de espera esperado en el sistema para la clase de prioridad 1 (17)? &Cual es preferible sila preocupacién es eltiempo esperado en lacola para laclase de prioridad I? 17.8-3. Considere el modelo con prioridades sin interrupcidn de la seccién 17.8. Suponga que hay cs clases de prioridades, con 2, =1, 4) = ly 43 = 1. Los respectivos tiempos de scrvicio esperadus para las clases 1, 2 y 3 son 0.4, 0.3 y 0.2, entonces, wy =2.5, 4 =34y p3=5. 4) Calvule Wy, Wa y Ws, ') Repita el inciso a para la aproximacién de aplicar el ‘modelo general de prioridades sin interrupcién de la seccién 17.8. Como el modelo supone tiempos de servicio esperados iguales para todas las clases, usc un tiempo de 0.3 en lugar de = 34. Compare los resultados con los obtenidos en a y evakie si la aproximacion, «que da esta suposicién es buena. 717.8-4.* Un centro de trabajo dentro de un taller se puede representar como un sistema de colas cou ui servi dr, al que los trabajos tienen llegadas Poisson con tasa de media de 8 por dia, Aunque las llegadas son de tres tipos, elriempo requerido para realizar cualquier trabajo tiene la ‘misma distribucién exponencial, con media de 0.1 dias. La prictica ha sido realizarlos en el orden en que llegan, [Peto ¢s importante que los trabajos del tipo 1 no esperen904 17_Teorla de cotas ‘mucho, mientras que no importa tanto para tahajos tipo 2.y casi no tiene importancia si se trata de los del tipo 3. Tas tres tipos legan con tasas medias respectivas de 2, 4 2 pordfa, Como los tres tipos han experimentado retrasos bastante grandes en promedio, se propone scleccionatlus segin una disciplina de prioridades apropiada, ‘Compare el ticmpo de espe espetady (Gun servicio) para cada tipo de trabajo sila disciplina de la cola es) pri- ‘nero en entrar, primero en salir, 6) prioridades sin inte- rrupcién y ¢) prioridades con interrupcién. 1.17.8-8. Reconsidere el problema de la sala de urgen- $840 por dia Se puede disponer de varios valores de si se tienen distintas opciones sobre lacalidad de los servidores. Como cjemplo, cuando los scrvidores son unidades de nvanejo de materiales, lacalidad de las unidades que se compren afectard su tasa de servicio para mover las cargas. (Otra posibilidad es que la velocidad de los servidores tenga un ajuste mecénico. Por ejemplo, con frecuencia se puede ajustar la velocidad de las méquinas cambiando la cantidad de energfa consumida, lo que también cambia el costo de operacién. Una clase més de entre estos ejemplos es la seleccién del mimero de cuadtrillas o brigadas (servidores) y el tamafio de cada una (que determina j2) para realizar conjuntamente cierta tarea. La tarea puede set trabajos de mantenimienco, operaciones de carga y descarga, trabajos de inspeccién, preparacién de méquinas, etcétera. En muchos casos sdlo se dispone de unos cuantos valores de y, por ejemplo, laeficiencia de los distintos tipos de equipo de manejo de materiales o la eficiencia de las distintas cuadri las de trabajo. Formulacién del modelo 2 Definiciones: f(z) = costo marginal de un servidor por unidad de tiempo cuando a tasa media de servicio es y. A= conjunto de valores factibles de y. Datos: 4, fey A. Por encontrar: 4, Objetivo: Minimizar E(CT)= f(u)s+ ECW), sujetaape A. Ejemplo 2: icual computadora? Como se indicé en la seccién 18.1, = 30 para la computadora MBI y = 25 para la CRAB, donde la unidad de tiempo es 1 hora. Dado que estas computadoras son las tinicas que se toman en cuenta en Emerald University, A= {25,30}. ‘Como el costo de renta por dia serfa $3 750 para la computadora CRAB (u = 25) y $5 000 para la MBI (= 30), say 2700 para w= 25 5000 para =30. ‘La supercomputadora elegida seré la inica que puedan usar los investigadores y los estudian- tes, por lo que el ntimero de servidores (supercomputadoras) para este sistema de colas estd restringido a += 1. Entonces E(CT) = f(u) + ECW),

HILLIER TeoriaColas Inventarios

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

HILLIER TeoriaColas Inventarios

Cargado por

Copyright:

Formatos disponibles

También podría gustarte