5 FENOMENOS DE ESPERA

5.3 Sistema de colas con varias estaciones de servicio en paralelo

La figura 5.2 ilustra esquemáticamente un sistema de colas cuando existen varias estaciones
idénticas que prestan el mismo servicio. Las unidades llegan al sistema, por lo general en forma
aleatoria, entran si hay espacio disponible, esperan en una cola, si es del caso, antes de recibir el
servicio, luego pasan al servicio y finalmente abandonan el sistema. Por lo general el tiempo de
llegada y el tiempo de servicio son aleatorios. Si cuando el cliente llega hay una estación vacía o
inactiva, pasa inmediatamente al servicio y es atendida, en caso contrario la unidad que llega se
coloca en la cola y espera mientras llega su turno para ser atendida. Cuando una estación o
servidor finaliza un servicio, y hay varias unidades esperando ser atendidas, la elección de la
próxima unidad que va a recibir servicio puede realizarse de varias maneras, de acuerdo al orden
de llegada, es decir, los primeros que llegan pueden ser los primeros en salir, o también puede
usarse alguna otra disciplina, como la prioridad o la selección aleatoria.

Llegada Línea de espera Centro de servicio

Figura 5.2 Un sistema de estaciones en paralelo

5.3.1 Modelo M/M/s (abierto) o M/M/s (FIFO/∞/∞)

Las principales suposiciones de este modelo son las siguientes:

• Las llegadas siguen un proceso de Poisson con tasa λ, es decir, el tiempo entre llegadas de
dos clientes sucesivos es exponencial una media de 1/λ
• Existen s servidores idénticos, con una tasa de servicio µ, y los tiempos de servicio son
exponenciales
• Existe una cola que alimenta los s servidores
• La fuente de donde provienen los clientes es infinita
• El sistema tiene una capacidad ilimitada para atender los clientes
• La disciplina de la cola es FIFO, es decir, se atiende los clientes de acuerdo al orden de
llegada.

5.3.1.1. Formulación del modelo

Si analizamos las suposiciones del modelo, vemos que se ajusta a un “Proceso de nacimiento y
muerte” ya que las llegadas al sistema (nacimientos) son exponenciales con tasa λ, y el tiempo
entre salidas (muertes) también es exponencial, con las siguientes tasas:

λn = λ
µn = n µ si n < s
sµ si n ≥ s
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 2
Si el número de clientes que hay en el sistema n es inferior al número de servidores s, entonces el
sistema atenderá todos los clientes con una tasa total nµ, pero si el número de clientes del sistema
es mayor o igual al número de servidores, entonces el sistema atenderá s clientes con una tasa
total sµ.

Cálculo de las probabilidades límites

Como se trata de un proceso de nacimiento y muerte, se pueden usar las ecuaciones respectivas
dadas por
λ λ ... λ
P=µ µ
n
0

µ P
1 n −1
0
1 2 n
la cual se descompone de la siguiente manera:

a) Para n < s
λ
P1= P 0
µ

P 2=
λ λ
P =
1 λ 2
µ 2µ 0 2 µ
()
P0

P n=
λ λ λ
... P 0=
µ 2 µ nµ
1 λ n
n! µ
()
P 0 , (válida para n = 0)

b) Para n ≥ s
λ λ λ λ λ
P n= ... ... P 0
µ 2 µ sµ sµ sµ

=
s! µ
()( )
1 λ s λ n− s
sµ
P0 =
s! µ
()
1 λ s n− s
φ P 0 , donde φ =
λ
sµ
∞
Como los Pn forman una distribución de probabilidad se debe cumplir que ∑P
n=0
n
=1

1 ⎛ λ ⎞ 1 ⎛ λ ⎞
n s
∞ s −1 ∞

∑ P = 1 = ∑ n! ⎜ ⎟ P + ∑ s! ⎜ ⎟ φ P
n−s

⎝µ ⎠ ⎝µ ⎠
n 0 0
n=0 n=0 n=s

−1
⎡ s −1 1 ⎛ λ ⎞ n 1 ⎛ λ ⎞ s ∞ n − s ⎤
P =⎢ ∑ ⎜ ⎟ + ⎜ ⎟ ∑φ ⎥
⎢⎣ n = 0 n ! ⎝ µ ⎠ s! ⎝ µ ⎠ n = s
0

⎥⎦
−1
⎡ s −1 1 ⎛ λ ⎞ n 1 ⎛ λ ⎞ s 1 ⎤ λ
=⎢ ∑ ⎜ ⎟ + ⎜ ⎟ ⎥ , si φ = s µ <1
⎢⎣ n = 0 n ! ⎝ µ ⎠ s! ⎝ µ ⎠ 1 − φ ⎥
⎦
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 3

Por lo tanto, existen las probabilidades límites si ϕ=λ/(sµ)<11, es decir si λ que es la tasa media de
llegada al sistema es menor que (sµ), que representa la tasa máxima de salida o de servicio; en
caso contrario no existirá un régimen estable o permanente ya que el sistema sería “explosivo”
porque llegarían más clientes que lo que el sistema estaría en capacidad de atender.

La relación ϕ=λ/(sµ) recibe el nombre de “intensidad de tráfico”.

En resumen, se tiene que:

⎧1 λ n
⎪
⎪ n! µ
()
P 0, n <s

()
Pn= ⎨
⎪ 1 λ s n− s
⎪ µ φ P0 , n ≥s
⎩ s!
λ
φ= <1
sµ
−1
⎡ s −1 1 ⎛ λ ⎞n 1 ⎛ λ ⎞ s 1 ⎤
P =⎢ ∑ ⎜ ⎟ + ⎜ ⎟ ⎥
µ µ −φ
0

⎢⎣ n = 0 n!⎝ ⎠ s!⎝ ⎠ 1 ⎥⎦
5.3.1.2. Medidas de desempeño del sistema (Medidas de congestión)

A partir de P0 se pueden calcular las demás probabilidades, y con ellas, las principales medidas del
sistema. Sin embargo, para el modelo M/M/s abierto se pueden calcular analíticamente las
diferentes variables endógenas del sistema . A continuación se realiza su cálculo.

a) Número medio de clientes en la cola Lq

Representa el número esperado de clientes que hay en la cola esperando recibir servicio, y está
definido como:

(λ / µ ) (λ / µ ) φ
s s
∞ ∞ ∞

φ P P ∑ (n − s)φ
n− s n − s −1
Lq = ∑ ( n − s ) P n = ∑
n=s n= s
(n − s )
s! 0
=
s! 0
n=s
∞

∑ (n − s)φ
n − s −1
Como se puede observar, el término se puede representar como la derivada de
n=s

1
Recorderis: La serie geométrica toma los siguientes valores, dependiendo del valor de ρ:
M 1 − ρ M+ 1 M
∑ρ j = , ρ ≠ 1; ∑ ρ j =(M + 1), ρ = 1
j=0 1− ρ j=0
∞ 1
∑ρ j = ,ρ <1
j = 0 1− ρ
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 4
∞

∑φ
n−s
la siguiente expresión con respecto a ϕ. Es decir,
n=s
∞
d ∞ d ⎛ 1 ⎞ 1
∑ (n − s)φ φ
n − s −1 n−s

n=s
= ∑
dφ n= s
= ⎜⎜ ⎟⎟=
dφ ⎝ 1 − φ ⎠ (1−φ )2

Por lo tanto se tiene que

(λ / µ ) φ
s

L= P
s!(1−φ )
q 2 0

b) Número medio de servidores inactivos

Está dado por:

s −1
r = ∑ ( s − n) Pn
n =0

Como n< s, se aplica la expresión correspondiente de Pn, y se obtiene

(λ / µ )
n
s −1
r =∑ ( s − n) P 0
n =0 n!

Desarrollando la suma y simplificando la del extremo derecho se obtiene

(λ / µ ) (λ / µ )
n n
s −1 s −1
r = P0 s ∑ − P0 ∑ n
n =0 n! n =1 n!

(λ / µ ) (λ / µ )
n n
s −1 s −1
= P0 s ∑ − P0 ∑
n =0 n! n =1 (n − 1)!

Realizando la suma del extremo derecho hasta n (sumando y restando el término en n) se tiene

(λ / µ ) (λ / µ ) (λ / µ )
n n −1 s
s −1 s
r= P s∑ 0
n =0 n!
− P 0 (λ / µ ) ∑
n =1 (n − 1)!
+ P0
( s − 1)!

Realizando el cambio de variable j = n -1 para la segunda sumatoria se tiene

(λ / µ ) (λ / µ ) (λ / µ )
n j s
s −1 s −1
r= P s∑ 0
n =0 n!
− P0 ( λ / µ ) ∑
j =0 j!
+ P0
( s − 1)!

Como se puede apreciar, los términos correspondientes a las dos sumatorias son los mismos (lo
único que cambia es el índice de la sumatoria), y sacando esta sumatoria como factor común en
los dos términos que las contienen se tiene:
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 5

(λ / µ ) ´{s − λ / µ} + (λ / µ )
n s
s −1
r = P0 ∑ P
n =0 n! 0
( s − 1)!

En la expresión anterior, sacando como factor común (s - λ/µ) se obtiene

⎡ s −1
(λ / µ ) (λ / µ ) ⎤
n s

⎢
r ={s − λ / µ} P0 ∑ ´+ ⎥
⎢ n =0 n! ( s − 1)!{s − λ / µ} ⎥
⎣ ⎦
⎡ s −1
(λ / µ ) ( λ / µ ) ⎤
n s

⎢
r ={s − λ / µ} P0 ∑ ´+ ⎥
⎢ n =0 n! s!{1 − λ / sµ} ⎥
⎣ ⎦
El término dentro del paréntesis es igual a 1/P0, por lo cual el número medio de servidores inactivos
se expresa como

r = s−λ/µ

c) Número medio de servidores ocupados

Como ya se mencionó corresponde también al “número medio de clientes en servicio”, y se calcula

como el número total de servidores menos el número esperado de servidores inactivos, es decir:

a = s − r = s − {s − λ / µ} = λ / µ

d) Número medio de clientes en el sistema L

El número medio de clientes en el sistema puede calcularse como el número medio de clientes en
la cola más el número medio de clientes que reciben servicio, a saber:

L = Lq + a = (λ / µ ) φ P + λ
s

s!(1−φ ) µ 2 0

e) Tiempos de espera

Función de densidad del tiempo de espera.

Suponga que cuando un cliente llega encuentra que ya hay n clientes en el sistema. Si denotamos
por Wq/n el tiempo de espera en la cola del cliente dado que ya hay n clientes en sistema cuando
llega, y por f(wq/n) la función de densidad condicional del tiempo de espera, dado que hay n
clientes en el sistema, se tiene que este nuevo cliente no espera (tiempo de espera es cero) si el
número de clientes que hay en el sistema en el momento de entrar es menor que s (n < s), y si el
número de clientes que hay en el sistema en el momento de entrar es mayor o igual a s (n ≥ s), le
toca esperar a que el sistema atienda n – s + 1 clientes antes de que pueda ser atendido. Es decir:

n 2

Llegada cliente nuevo n - s clientes esperando s clientes en servicio

B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 6

⎧0 si n < s
/ =
W q ⎨T + T + + T
n
⎩ 1 2 n − s +1
si n ≥ s

Cuando el nuevo cliente llega al sistema, el tiempo que aún le falta a cada cliente que está
recibiendo servicio es exponencial con tasa µ, (por la propiedad de pérdida de memoria), y el
tiempo de servicio de los clientes que están en la cola es también exponencial tasa µ. Ahora bien,
el sistema atiende a una tasa sµ o también, el tiempo para que un cliente termine de ser atendido
y salga del sistema corresponde al mínimo de los tiempos de servicio de los que están siendo
atendidos, es decir, es igual a mínimo(X1, X2, ...,Xs) = mínimo (de los tiempos de servicio), que
sigue una distribución exponencial con parámetro sµ. Por lo tanto, y según la disciplina de la cola
que es FIFO, Wq/n corresponde a la suma de n – s +1 variables exponenciales con parámetro sµ,
suma que sigue una distribución Erlang con parámetros sµ y n – s +1 ⇒ Wq/n → Erlang (sµ, n-s+1)

⎧
µ
n−s

⎪⎪ − sµ w
( s w q )
f ( wq / n) = ⎨sµ e , si n ≥ s
q

(n − s )!
⎪
⎪⎩0 si n < s
La función conjunta de densidad del tiempo de espera Wq y del número de clientes n -f(wq,n)- se
puede calcular usando las fórmulas de probabilidad condicional, y está dada por:

f(wq, n) = f(wq/n)Pn

Como hay que esperar cuando n ≥ s, y reemplazando Pn por la expresión adecuada se tiene

(sµ w q)
()
n −s

− sµ wq 1 λ s n− s
f ( w q , n ) = sµ e φ P0
(n − s)! s! µ
sµ e w q P0 (λ / µ) (ϕ sµ w q ) n −s
− sµ s

=
s! (n − s)!
sµ e w q P0 (λ / µ) (λ w q ) n −s
− sµ s

= , ya que ϕ = λ / sµ
s! (n − s)!

La función de densidad marginal del tiempo de espera f(wq) se calcula evaluando la sumatoria de
f(wq,n) para todos los valores de n, a saber:
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 7

P (λ / µ )
− sµ s
∞ sµ e wq ∞ (λ wq ) n − s
f ( wq ) = ∑ f ( wq , n ) = ∑
0

n=s s! n=s ( n − s )!

P (λ / µ ) s µ P 0 (λ / µ)
− sµ s s
sµ e wq
λ − sµ
=
0 wq = w q (1− λ / sµ )
s! e s! e
µ P 0 (λ / µ)
s
− s µ (1−ϕ ) wq
= e
(s − 1)!
ya que la sumatoria corresponde al término eλwq.

Función de impaciencia P(Wq > w0)

Se denomina función de impaciencia a la probabilidad de que un cliente que llegue tenga que
esperar una cantidad de tiempo determinada (de w0 o más)

µ P0 (λ / µ) µ P0 (λ / µ)
s s
∞ − sµ (1−ϕ ) ∞ − sµ (1−ϕ )
P (W q > w0) = ∫w 0 (s − 1)! e wq dw =
q
(s − 1)! ∫w e 0
wq dw
q

µ P0 (λ / µ) w = P (λ / µ )
s s
− sµ (1−ϕ ) 0 − sµ (1−ϕ ) w0
=
(s − 1)!su (1 − ϕ ) e e
0

s!(1 − ϕ )

Probabilidad de esperar P(Wq > 0)

Representa la probabilidad de que un cliente que llegue al sistema tenga que esperar y se calcula
reemplazando w0 en la expresión anterior por cero.

P (λ / µ )
s
0
P(W q > 0) =
s!(1 − ϕ )
Un cliente que llega tiene que esperar si en el momento de su llegada hay s o más clientes en el
sistema (todos los servidores están ocupados), por lo tanto, la probabilidad de esperar también se
calcula como la probabilidad e que el número de clientes en el sistema sea mayor o igual que s.

P (λ / µ ) ϕ P (λ / µ ) ϕ P (λ / µ )
s s s
∞ n−s ∞ n−s
P(W q > 0) = P(n ≥ s ) = ∑ ∑
0 0 0
= =
n=s s! s! n=s s!(1 − ϕ )

Probabilidad de no esperar

P (λ / µ ) P (λ / µ )
n s
s −1
P(W q = 0) = P(n < s) = ∑
0 0
=1−
n =0 n! s!(1 − ϕ )

Tiempo medio de espera en la cola E(Wq)

B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 8

µ P0 (λ / µ)
s
∞ ∞ − sµ (1−ϕ ) wq
E (W q ) = ∫w W 0
q f ( wq )dwq =
(s − 1)! ∫w wq e
0
dwq

µ P0 (λ / µ) P0 (λ / µ )
s s
1 1
= =
(s − 1)! su (1 − ϕ ) su (1 − ϕ ) s!sµ (1 − ϕ ) 2

El tiempo medio de espera en la cola por lo general se denota por Wq

Función de densidad del tiempo de espera en la cola dado que el cliente tiene que esperar
f(wq/wq>0)

Simplemente se calcula usando la definición de probabilidad condicional, como

µ P0 (λ / µ) e µ ϕ w
s
f ( wq , wq > 0) − s (1− ) q

f ( wq / wq > 0) = =
P ( wq > 0) (s− 1)!
P (λ / µ )
s
0

s!(1 − ϕ )
− sµ (1−ϕ )
= sµ (1 − ϕ ) e wq

Por lo tanto, la distribución condicional del tiempo de espera dado que hay que esperar se
distribuye exponencialmente con parámetro (tasa ) sµ(1 - ϕ)

Tiempo medio de espera en la cola dado que hay que esperar E(Wq/ Wq>0)

1
E ( wq / wq > 0) =
sµ (1 − ϕ )

Tiempo medio de permanencia en el sistema E(W)

Se lo calcula como el tiempo medio de permanencia en la cola más el tiempo medio en el sistema

P (λ / µ )
s
1 0 1
E (W ) = E (Wq ) + = +
µ s!sµ (1 − ϕ ) 2
µ
El tiempo medio de permanencia en el sistema por lo general se denota por W

5.3.1.3. Fórmula de Little

Las fórmulas de Little proporcionan una forma más sencilla de calcular algunas variables
endógenas del sistema (tiempos medios en la cola y en el sistema, número medio de servidores
ocupados), definiendo adecuadamente la tasa efectiva de entrada al sistema, de acuerdo con la
situación analizada.

Cálculo del ttiempo medio de espera y en el sistema W y Wq

Sea θ un período de tiempo suficientemente grande. Considere los siguientes aspectos

B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 9

a) Tasa media de llegada sistema por unidad de tiempo =λ

b) Tasa efectiva de entrada al sistema/tiempo =λef= λ
c) Total de entradas al sistema durante el tiempo θ = θ λef
d) Tiempo de permanencia en el sistema por unidad =W
e) Tiempo total gastado en el sistema por todas las unidades = θ λef W
f) Número medio de unidades en el en sistema =L
g) Tiempo total gastado en el sistema por todas las unidades = θ L (θLq)

Como e) y g) son iguales se tiene que

θ λef W = θ L ⇒ L = λef W ⇒ W = L/λef

Para el caso del tiempo medio en la cola, basta con sustituir el tiempo medio en el sistema (W) por
el tiempo medio en la cola (Wq), y el número medio de unidades en el sistema (L) por el número
medio de unidades en la cola (Lq) para obtener la siguiente expresión:

θ λef Wq = θ Lq ⇒ Lq = λef Wq ⇒ Wq = Lq/λef

Cálculo de número medio de clientes en el servicio

Sea θ un período de tiempo suficientemente grande. Sean

a) Tasa media de llegada al sistema por unidad de tiempo =λ

b) Tasa efectiva de entrada al sistema por unidad de tiempo = λef= λ
c) Número total de entradas al sistema durante el tiempo θ = θ λef
d) Número medio de estaciones ocupadas =a
e) Tasa media global de servicio del sistema = aµ
f) Número medio unidades atendidas durante el tiempo θ = aµθ

Como el “número medio de unidades atendidas” durante el tiempo θ debe ser igual en el largo
plazo al “Número medio de unidades que entran” al sistema, entonces se tiene que ( c ) = ( f )

a µ θ = θ λef ⇒ a = λef / µ= λ / µ

En resumen, para le modelo M/M s abierto, se tiene que

L = λ ef W = λ W
L = λ ef W q = λ W q
q
λ ef λ
a= =
µ µ

5.3.2 Modelo M/M/1 (abierto) o M/M/1 (FIFO/∞/∞)

Las principales suposiciones de este modelo son las siguientes:

• Las llegadas siguen un proceso de Poisson con tasa λ, es decir, el tiempo entre llegadas de
dos clientes sucesivos es exponencial una media de 1/λ
• Existe un solo servidor idénticos, con una tasa de servicio µ, y tiempos de servicio
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 10
exponenciales
• Existe una cola que alimenta al servidor
• La fuente de donde provienen los clientes es infinita
• El sistema tiene una capacidad ilimitada para atender los clientes
• La disciplina de la cola es FIFO, es decir, se atiende los clientes de acuerdo al orden de
llegada.

5.3.2.1. Formulación del modelo

Este es un caso particular del modelo que acabamos de desarrollar, para s = 1, Por lo tanto, todas
las expresiones desarrolladas son aplicables, sin embargo, algunas fórmulas se pueden simplificar.
A continuación presentaremos la forma final que toman las principales fórmulas.

De nuevo vemos que se trata de un “Proceso de nacimiento y muerte” ya que las llegadas al
sistema (nacimientos) son exponenciales con tasa λ, y el tiempo entre salidas (muertes) también
es exponencial, con las siguientes tasas:

λn = λ, n ≥0
µn = µ n ≥1

5.3.2.2. Cálculo de las probabilidades límites y medidas de desempeño

Como se trata de un proceso de nacimiento y muerte, se pueden usar las ecuaciones respectivas
dadas por
λ λ ... λ
P=µ µn
0 1

µ P
n −1
0
1 2 n
la cual se descompone de la siguiente manera:

λ
P1= P 0
µ

P 2=
λλ
µµ
P 0=
λ 2
µ
P0 ()
Pn=
λλ λ
... P 0=
µµ µ
λ n
µ
()
n λ
P 0 = φ P 0 , donde φ = , (válida para n = 0)
µ

∞
Como los Pn forman una distribución de probabilidad se debe cumplir que ∑P
n=0
n
=1
∞ ∞ ∞
P λ
∑P ∑φ P P ∑φ
n n
=1 = = = = 0
, si φ = <1
n=0
n
n=0
0 0
n=0 1−φ µ
λ
P = 1 − φ =1−
0
µ
=ϕ
n
⇒ P n
(1 − φ ), n ≥ 0
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 11
Por lo tanto, existen las probabilidades límites si ϕ = λ / µ < 1, es decir si λ que es la tasa media de
llegada al sistema es menor que µ, que representa la tasa media de salida o de servicio; en caso
contrario no existirá un régimen estable o permanente ya que el sistema sería “explosivo” porque
llegarían más clientes que lo que el sistema estaría en capacidad de atender.

Número medio de clientes en la cola Lq

(λ / µ ) φ ϕ ϕ = λ
s 2 2

L= P = φ (1− ϕ ) =
s!(1−φ ) 1!(1−φ ) (1−φ ) µ (µ − λ )
q 2 0 2

Número medio de servidores inactivos

r = s − λ / µ = 1−ϕ

Número medio de servidores ocupados

a = s − r = s −{s − λ / µ} = λ / µ = ϕ

Número medio de clientes en el sistema L

El número medio de clientes en el sistema puede calcularse como el número medio de clientes en
la cola más el número medio de clientes que reciben servicio, a saber:

L = Lq + a = (λ / µ ) φ P + λ = ϕ ϕ
s 2

+ϕ = = λ
s!(1−φ ) µ (1−φ ) (1−φ ) µ −λ
2 0

Función de densidad del tiempo de espera.

f ( wq ) = µϕ (1−ϕ )
− µ (1−ϕ ) wq
e
Función de impaciencia P(Wq > w0)

µ P0 (λ / µ)
s
− sµ (1−ϕ ) w0 = ϕ − µ (1−ϕ ) w0
P(W q > w0) =
(s− 1)!su (1 − ϕ ) e e

Probabilidad de esperar P(Wq > 0)

P (λ / µ )
s

=ϕ
0
P(W q > 0) =
s!(1 − ϕ )

Probabilidad de no esperar
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 12

P (λ / µ )
n
s −1
P(W q = 0) = P(n < s ) = ∑
0
=1− ϕ
n =0 n!

Tiempo medio de espera en la cola E(Wq)

Lq λ
E (W q ) = Wq = =
λ µ (µ − λ )

Función de densidad del tiempo de espera en la cola dado que el cliente tiene que esperar
f(wq/wq>0)

− µ (1−ϕ )
f ( wq / wq > 0) = µ (1 − ϕ ) e wq

Tiempo medio de espera en la cola dado que hay que esperar E(Wq/ Wq>0)

1 1
E ( wq / wq > 0) = =
µ (1 − ϕ ) ( µ − λ )

Tiempo medio de permanencia en el sistema E(W)

Se lo calcula como el tiempo medio de permanencia en la cola más el tiempo medio en el sistema

L 1 λ 1 1
E (W ) = = E (Wq ) + = + =
λ µ µ (µ − λ ) µ (µ − λ )

La tabla No 1 al final del documento presenta un resumen de las principales fórmulas para los
modelos M/M/s y M/M/1 abiertos

Ejemplo 1. Los clientes de un supermercado llegan a las cajas registradoras con una frecuencia
promedio de 20 por hora, siguiendo una distribución de Poisson. El tiempo que un cliente gasta en
cada caja se distribuye exponencialmente con una media de 10 minutos. Si el criterio del
supermercado es tal que se permita a un cliente esperar en la cola un promedio de 5 minutos,
determine el número de cajas registradoras que se requieren.

Solución. De acuerdo con la información disponible tenemos un modelo M/M/s (abierto), con los
siguientes parámetros:

λ = 20 clientes/hora
1/µ = 10 minutos/cliente ⇒ µ = 0.10clientes/minuto = 6 clientes/hora

El objetivo es determinar cuantas cajas registradoras (s) se deben instalar de tal forma que el
tiempo promedio de espera en la cola (Wq) sea menor o igual a 5 minutos.

El número de cajas registradoras (s) debe ser tal que el sistema tenga un régimen estable, para lo
cual se requiere que ϕ = λ / (sµ) sea menor de uno lo cual implica que s > λ / µ. Para nuestro caso
se tiene que s>20/6 = 3.33, es decir, s ≥ 4. Por lo cual se deben ensayar valores de s iguales o
superiores a 4, hasta encontrar el primer valor para el cual el tiempo medio de espera sea de cinco
minutos o menos. Las fórmulas a emplear serían
B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 13
−1

(λ / µ )
s
⎡ s −1 1 ⎛ λ ⎞n 1 ⎛ λ ⎞ s 1 ⎤
W = P y P =⎢ ∑ ⎜ ⎟ + ⎜ ⎟ ⎥
s!sµ (1−φ )
⎢⎣n = 0 n!⎝ µ ⎠ s!⎝ µ ⎠ 1−φ ⎥⎦
q 2 0 0

Para s = 4 se tiene:

−1
⎡ ( 20 / 6) ( 20 / 6)
2
( 20 / 6)
3
( 20 / 6)
4
1 ⎤ 1
⎢
P0 = 1 + + + + ⎥ =
42.9259
== 0.02131
⎣ 1 2 3! 4! (1 − 20 / 24) ⎦

(20 / 6) 4 (0.02131)
Wq = = 0.164 horas = 9.84 min utos
4!(4)(6)(1 − 20 / 24) 2

Como el tiempo de espera es superior a 5 minutos, se deben ensayar s = 5. La tabla siguiente

resume los resultados para s = 4 y s = 5.

Número de cajas registradoras S=4 S=5

P0 0.02131 0.0318
Número medio de clientes en la cola Lq 3.2886 0.6533
Tiempo medio de espera Wq (horas) 0.164 0.0327
Tiempo medio de espera Wq (minutos) 9.87 1.96

Como para s = 5 el tiempo de espera es inferior a cinco minutos, entonces la solución es instalar
cinco cajas registradoras.

Ejemplo 2. Se va a contratar un mecánico para que repare unas máquinas que se descomponen a
una tasa promedio de tres por hora. Las descomposturas se distribuyen en el tiempo de una
manera que puede considerarse como Poisson. El tiempo no productivo de una máquina
cualquiera se considera que le cuesta a la empresa $25 por hora. La compañía ha limitado la
decisión a uno de 2 mecánicos, uno lento pero barato, el otro rápido pero caro. El primero de ellos
pide $15 por hora; a cambio dará servicio a las máquinas descompuestas, de manera exponencial,
a una tasa media de cuatro por hora. El segundo pide $25 por hora y compondrá las máquinas de
manera exponencial a una tasa de seis por hora. Cuál de los mecánicos debe contratarse?. Dé
toda la información que considere necesaria.

Solución. De acuerdo con la situación planteada tenemos que escoger entre dos sistemas
alternativos de un servidor cada uno, y la decisión se basará en aquella alternativa que proporcione
el mínimo costo esperado por hora. Cada alternativa es un sistema M/M/1 abierto. La función de
costos está dada por

CT(alternativa) = sCo + Ci L

Donde s = 1 representa el número de mecánicos, Co representa el costo por mecánico por hora, y
Ci es el costo de inactividad (tiempo no productivo) por máquina por hora, y se aplica al número
medio de máquinas inactivas L, ya que una máquina está en estado no productivo tanto cuando
está esperando ser reparada como cuando está siendo reparada.

Información general: λ = 3 máquinas/hora, Ci = $25/máquina-hora

B. Calderón. “Procesos Estocásticos. Fenómenos de espera” 14
Alternativa A (mecánico lento):

µ = 4 máquinas/hora, Co = $15/mecánico-hora
L = λ / (µ - λ) = 3/(4 - 3) = 3 máquinas⇒ Costo (A) = 15 + 25 x 3 = $90/hora

Alternativa B (mecánico rápido):

µ = 6 máquinas/hora, Co = $25/mecánico-hora
L = λ / (µ - λ) = 3/(6 - 3) = 1 máquina⇒ Costo (B) = 25 + 25 x 1 = $50/hora

Por lo tanto la administración deberá contratar al mecánico rápido, ya que garantiza un menor
costo esperado por hora.

Ejemplo 3. El administrador de un supermercado puede emplear a María o a Carmen. María

quien presta servicio a una tasa exponencial de 20 clientes por hora, puede ser contratada a un
costo de $12. por hora. Carmen quien da el servicio a una tasa exponencial de 30 clientes por
hora, puede ser contratada a un costo de $ C por hora. La administración estima que, en promedio
el tiempo del consumidor vale $4 por hora y que debe tenerse en cuenta en el modelo. Si los
consumidores llegan a una tasa Poisson de 10 por hora, entonces:
a) Cuál es el costo promedio si se contrata a María?
b) Cuál es el costo promedio si se contrata a Carmen?
c) Cuál es el valor máximo por hora que puede pagarse a Carmen?

Solución. Se deja como problema propuesto.

Ejemplo 4. Un problema de optimización. Los trabajos llegan a un taller de acuerdo con una
distribución de Poisson a razón de 80 trabajos por semana. Una máquina automática representa el
cuello de botella del taller. Se estima que un aumento unitario en la tasa de producción de la
máquina costará US$ 250 por semana. Los trabajos demorados normalmente dan como resultado
la pérdida de clientes, y se estima un costo de 500 dólares por trabajo por semana. Determine la
tasa de producción óptima de la máquina con base en la información dada.

Ejemplo 4. Un problema de optimización numérica (Métodos de búsqueda) .En las

instalaciones de un almacén de herramientas, las solicitudes de cambio de herramientas ocurre de
acuerdo con una distribución de Poisson, con una media de 17.5 solicitudes por hora. Cada
empleado puede manejar un promedio de 10 solicitudes por hora. El costo de contratar un nuevo
empleado para las instalaciones es de US $12 por hora. El costo de pérdida de producción por
máquina es aproximadamente US $50 por hora. Determine el número óptimo de empleados para
las instalaciones.