Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MMSK PDF
MMSK PDF
Cap. 15 Hillier F.S., Lieberman G.J. “Introduction to Operations Research” Holden day Inc. 1986.
Cap. 4 Gross D., Harris C.M."Fundamentals of queueing theory" John Wiley and Sons. 1998.
UPC
I.O.E. Diplomatura de Estadística TEORIA DE COLAS
TIEMPO DE VIDA CONDICIONAL
τi-1 τi
θ s
UPC
I.O.E. Diplomatura de Estadística
Máquina 1
τ1
Máquina 2
τ2
τ
N=2 N=3 N=5
N=20 N=50
Palm
(1943)
PROCESOS DE NACIMIENTO Y MUERTE
• "Nacimiento" indica llegada al S.E
• "Muerte" indica salida del S.E.
t
……
τi1 τ i2
τ i3
τik τik
UPC
I.O.E. Diplomatura de Estadística
Diagrama de tasas de transición
λ0 λ1 λ2 λn-1 λn λn+1
n+1
0 1 2 ••• n-1 n •••
µ2 µ3 µn µn+1 µn+2
µ1
Tasas del proceso de servicio en el S.E.
• •...
n+1
0 1 2 •...
•• n-1 n •
µ2 µ3 µn µn+1 µn+2
µ1
λ0
P1 = ⋅ P0
µ1
P λ1 1 λ1 λ0λ1
= ⋅ P1 + ⋅(µ1 ⋅ P1 −λ0 ⋅ P0 ) = ⋅ P1 = ⋅ P0
2 µ2 µ2 µ2 µ1µ2
λ2 1 λ2 1 λ2 λ0λ1λ2
P3 = ⋅ P2 + ⋅(µ2 ⋅ P2 −λ1 ⋅ P1 ) = ⋅ P2 + ⋅(µ1 ⋅ P1 −λ0 ⋅ P0 ) = ⋅ P2 = ⋅ P0
µ3 µ3 µ3 µ3 µ3 µ1µ2µ3
M
λn−1 1 λn−1 1 λn−1 λ0λ1 Kλn−1
Pn = ⋅ Pn−1 + ⋅(µn−1 ⋅ Pn−1 −λn−2 ⋅ Pn−2 ) = ⋅ Pn−1 + ⋅(µ1 ⋅ P1 −λ0 ⋅ P0 ) = ⋅ Pn−1 = ⋅ P0
µn µn µn µn µn µ1µ2 Kµn
P λn λ0λ1 Kλn
= L= ⋅ Pn = ⋅ P0
n+1 µn+1 µ1µ2 Kµn+1
M
λ0 λ1 Kλn−1
Cn = n = 1, 2,K ; C0 =1
µ1 µ 2 K µ n
λ0 λ1 Kλn−1
Pn = ⋅ P0 = Cn ⋅ P0 n = 1, 2,K
µ1 µ 2 K µ n
∞ ∞ 1
∑ Pn = ∑ Cn ⋅ P0 = 1 → P0 = ∞
n =0 n =0
∑ Cn
n =0
UPC
I.O.E. Diplomatura de Estadística
APLICACIÓN DE LAS ECUACIONES DE EQUILIBRIO: el modelo M/M/1
λ λ λ λ λ λ
n+1
0 1 2 •...
•• n-1 n • •...
•
µ µ µ µ µ
µ
λ
Hay régimen estacionario si el factor de carga del S.E. es ρ =
➨ µ <1
1 1 1
P0 = ∞
= ∞
= = 1− ρ
n 1
∑ Cn ∑ ρ
n=0 n=0 1− ρ
y por tanto,
Pn = Cn ⋅ P0 = ρ n ⋅ (1− ρ ) n = 0,1, 2,K
(Distribución geométrica)
EJEMPLO DE LA EVOLUCIÓN DE UNA COLA M/M/1
COMPORTAMIENTO: Pueden presentarse dos situaciones:
1. En promedio la afluencia
de clientes al S.E.
sobrepasa la capacidad de
trabajo del Sistema de N(t) ρ≥1
Servicio:
UPC
I.O.E. Diplomatura de Estadística
➨ La esperanza matemática de la variable aleatoria estado del sistema ( ρ < 1 )
∞ ∞ ∞ ∞
L = ∑n ⋅ Pn = ∑n ⋅ (1− ρ)⋅ ρ = (1− ρ)∑n ⋅ ρ = ρ ⋅ (1− ρ)∑n ⋅ ρ n−1 =
n n
d ∞ n d 1
= ρ ⋅ (1− ρ) ∑ ρ = ρ ⋅ (1− ρ)⋅ =
dρ n=0 dρ 1− ρ
1 ρ λ
= ρ ⋅ (1− ρ)⋅ = =
(1− ρ) (1− ρ) µ − λ
2
∞ ∞ ∞
Lq = ∑(n −1)⋅ Pn = ∑n⋅ Pn −∑Pn =(L) −(1− P0 ) =
n=1 n=1 n=1
ρ ρ 2
λ2
= (L) −(ρ) = −ρ = =
1− ρ 1− ρ µ ⋅ (µ −λ)
UTILIZACIÓN DE LAS FÓRMULAS DE LITTLE
UPC
I.O.E. Diplomatura de Estadística
Distribución de la v.a. tiempo de
permanencia en el S.E. de un
cliente:
w ~ exp. E[w]=W
TIEMPO DE VIDA CONDICIONAL
τi-1 τi
θ s
UPC
I.O.E. Diplomatura de Estadística
TRABAJO DE SERVIDORES EN PARALELO
de parámetro α = ∑
i =1
αi .
FU (t) = P({U ≤ t}) =1− P({U > t}) =1− P({T1 > t,K,Tn > t}) =1− P({T1 > t})LP({Tn > t}) =
∑
n
−α1t −αnt − t α
=1− e Le =1− e i =1 i
=1− e−α t
α1
Fuente 1
α2 α1 + α2 + …+αn
Fuente 2
Fuente n
αn
λn = λ n = 0,1, 2,K
n ⋅ µ n =1, 2,K, s − 1
µn =
s ⋅ µ n = s , s + 1,K
λ λ λ λ λ λ
s+1
0 1 2 ••• s-1 s •••
2µ 3µ sµ sµ sµ
µ
1 λ n
λ n = 1, 2,K, s − 1
λ0 λ1 Kλn−1 n ! µ
Si el factor de carga ρ del S.E. ρ = <1 Cn = =
s⋅µ µ1 µ 2 K µ n 1 λ s λ n − s
n = s , s + 1,K
s ! µ sµ
1 λ n
⋅ P0 n = 1, 2,K, s − 1
n! µ
Pn = Cn ⋅ P0 = s n−s
1 λ λ ⋅ P n = s , s + 1,K
s ! µ sµ 0
∞ ∞
∑ Pn = ∑ Cn ⋅ P0 = 1 →
n =0 n =0
1 1 1
P0 = ∞
= n s n− s
= n s
∑ Cn s −1 1 λ ∞ 1 λ λ s −1 1 λ 1 λ 1
n =0 ∑ +∑ ∑ +
n =0 n ! µ
n=s s ! µ sµ n =0 n ! µ
s! µ 1− ρ
UPC
I.O.E. Diplomatura de Estadística
s
1 λ
(n − s )⋅ Pn = ∑ n ⋅ Ps + n = ∑ n (ρ )
∞ ∞ ∞ s +n−s
Lq = ∑ P = ... = 0
n =0 s ! µ
n=s n =0
s
1 λ ρ
= P0
s! µ (1 − ρ )2
⋅
∞
1 λ
L = ∑ n ⋅ Pn = λ ⋅ W = λ ⋅ Wq + = Lq +
n =0 µ µ
Resumen del cálculo de una cola M/M/s (se conocen λ, µ, s)
Lq
Wq =
s
1 λ P0 ρ λ
P 0 → Lq = →
s! µ (1− ρ ) 2
λ L
L = Lq + µ → W = λ
UPC
I.O.E. Diplomatura de Estadística
s
1 λ n−s
P({n ≥ s}) = ∑ Pn = ∑ ρ P0 =
∞ ∞
n=s s ! µ
n= s
s s Fórmula C-Erlang
1 λ ∞ 1 λ P0
= P0 ρ =
∑
n
s ! µ n =0 s! µ 1− ρ
Distribución
de Poisson
UPC
I.O.E. Diplomatura de Estadística
El modelo M/M/s/K
λ λ λ λ λ λ
••• K
s+1
0 1 2 ••• s-1 s
2µ 3µ sµ sµ sµ
µ
➨ Siempre alcanzará régimen estacionario.
Cn = = n = s, s + 1,K, K i C0 = 1
µ1 µ 2 K µ n s ! µ sµ
0 n = K + 1, K + 2,K
∑ P = ∑C
n =0
n
n =0
n ⋅ P0 = 1 →
1 1 λ
P0 = = ρ = ≠1 .
∞
s −1
1 λ
n
1 λ
s
λ
n−s
; s⋅µ
∑C
K
n
∑ + ∑
n =0 n ! µ n=s s ! µ
n =0
sµ
Si N (t) < K
Si N (t) = K
Población
Sistema de Espera
s
1 λ ρ
.... = P0 (
1 − ρ K −s
− (K − s ) ⋅ ρ K −s
⋅ (1 − ρ )).
s! µ (1 − ρ )2
λ
En las fórmulas presentadas se ha supuesto ρ = ≠1 .
s⋅µ
[ ]
W = EW =
L
λ
[ ]
Wq = E Wq =
Lq
λ
I.O.E. Diplomatura de Estadística
UPC
MODELO M/M/s/./N
Población
Sistema de Espera
EJEMPLO: TALLER DE REPARACIONES
Motores
Población TALLER
funcionando Sistema de Espera
M/M/s/./N: DIAGRAMA DE TASAS
Nλ (N-1)λ (N-2)λ 3λ 2λ λ
N! λ
n
n = 1, 2, K , s − 1
(N − n )! n ! µ
λ0 λ1 K λn −1
s n−s
Cn = =
N! λ λ
n = s, s + 1, K , N i C0 = 1
No se puede conseguir
µ1µ 2 K µ n (N − n )! s ! µ sµ una expresión analítica
compacta y los cálculos
0 n = N + 1, N + 2, K
con población finita se
∞ ∞ desarrollan a partir de
∑ Pn = ∑ Cn ⋅ P0 = 1 → tablas específicas.
n =0 n =0
1 1
P0 = ∞
= n s n−s
∑ Cn s −1 N! λ N N! λ λ
∑ +∑
n =0 (N − n )! n ! µ
n=s (N − n )! s ! µ
n =0
sµ
∞ N
Lq = ∑ (n − s ) ⋅ Pn = ∑ (n − s ) ⋅ Pn
n=s n=s
deducir a partir de Lq ,
∞ s −1 N s −1
s −1
L = ∑n ⋅ Pn = ∑n ⋅ Pn + ∑n ⋅ Pn = ∑n ⋅ Pn + Lq + s ⋅ 1 − ∑Pn
n =0 n =0 n=s n =0 n =0
➨ Cálculo de la tasa media efectiva de llegadas por unidad de tiempo,
∞ N N N
λ = ∑ λn ⋅ Pn = ∑ (N − n )⋅ λ ⋅ Pn = ∑ N ⋅ λ ⋅ Pn − ∑ n ⋅ λ ⋅ Pn =
n =0 n =0 n =0 n =0
N
= N ⋅ λ − λ ⋅ ∑ n ⋅ Pn = N ⋅ λ − L ⋅ λ ⋅ = (N − L )⋅ λ
n =0
➨ La aplicación de las fórmulas de Little permite deducir el tiempo medio de espera en el
sistema W y en la cola de los sistema W q
W = E[W ] =
L
λ y [ ]
Wq = E Wq =
Lq
λ .
0,25
0,20
probability
0,15
0,10
0,05
0,00
0 2 4 6 8 10
size
1,00
0,80
0,60
cdf
0,40
0,20
0,00
0 0,5 1 1,5
time
Terminal de facturación de equipaje
Un terminal de facturación dispone de 2 operarios que atienden los clientes que
llegan según una distribución de Poisson de media 80 clientes por hora y esperen en
una cola única hasta que alguno de los operarios esté libre. El tiempo requerido para
atender un cliente esta distribuido exponencialmente con media 1.2 minutos.
1. Cual es el número esperado de clientes en la terminal de hacecturación?
2. Cual es el tiempos medios que un clientes pasa a la terminal de hacecturación?
3. Qué porcentaje del tiempo está libre un determinado operario?
Modelo M/M/2
λ 80
Tasa de llegadas λ = 80 clientes/hora ρ= =
s ⋅ µ 2 ⋅ 50
= 0.8
60
Tasa de servicio por operario µ = = 50 clientes/hora.
1.2
Lq
s
Wq λ
=
1 λ ρ
P0 →
P0 → Lq = s!
µ (1−ρ) L = + λ →W = L
2
Lq µ
λ
s 2
1 λ ρ 1 8 0 .8
Lq = P0 = (0.111) = 2.84
s! µ (1 − ρ ) 2! 5
2
(1 − 0.8)2 clientes
L 4.44
2. Un clientes pasa en promedio en el terminal de facturación W = = = 0.0555 horas
λ 80
= 3.33 minutos.
3. 1 ⋅ P0 + 1 2 ⋅ P1 = (1 + 1 2 ⋅ C1 ) ⋅ P0 = (1 + 1 2 ⋅ 8 5) ⋅ P0 = 0.2
■
Lq =
ρ2
=
(2 3) = 4 pacientes
2
1− ρ 1− 2 3 3
L 2 2
W= = = 1 hora Wq = ρ ⋅ W = (2 3)⋅ 1 = hora
λ 1 3
1 1 1
P0 = n s
= n 2
=
s −1
1 λ 1 λ 1 1
1 2 1 2 1 2
∑ + ∑ +
3 1−1 3
n =0 n ! µ s! µ 1 − ρ n =0 n ! 3
2 !
s 2
1λ ρ 1 2 1 1 3 1
Lq = P0 = = pacientes
s! µ (1 − ρ ) 2! 3 2 (1 − 1 3) 12
2 2
λ 1 2 3
L = Lq + = + = pacientes
µ 12 3 4
L 3 1 3 Lq 1 1 1
W= = ⋅ = horas Wq = = ⋅ = horas
λ 4 2 8 λ 12 2 24
■
n 1− ρ
ρ ⋅ n = 0,1, 2,K, K 1− ρ 1− 4
Pn = Cn ⋅ P0 = 1 − ρ K +1 K =9, P9 = C 9 ⋅ P0 = ρ 9 ⋅ = 4 9
⋅ = 0.75
0 n = K + 1, K + 2,K 1 − ρ 10 1 − 410
∞
λ = ∑ λ ⋅ Pn = λ ⋅ (1 − P9 ) = 20 ⋅ (1 − 0.75 ) = 5 clientes/hora
n =0
)
L=
ρ
−
(K + 1)ρ K +1
=
4
−
10 ⋅ 4
= 8.6 clientes W = E[W ] =
10
) L 8.6
=
)
= 1.73 horas.
1− ρ 1 − ρ K +1 1− 4 1− 4 10
λ 5
1
El modelo es exponencial y de población finita: M/M/2//5. La tasa de averías es λ =
30
1
avionetas por día y la tasa de reparaciones es µ = 3
avionetas por día.
n =1
λ0 λ1 K λn −1 (5 − n )!n ! 10
Cn = = y C0 = 1
µ1 µ 2 K µ n 5! 1 2 1 n − 2
n = 2,K,5
(5 − n )!2! 10 2 ⋅10
5! 1
n
⋅ P0 n=1
(5 − n )! n ! 10
Pn = C n ⋅ P0 = 2 n−2
5! 1 1
⋅ P0 n = 2, K ,5
(5 − n )!2 ! 10 2 ⋅10
i 0 1 2 3 4 5
C i 1 0.5 0.1 0.015 0.0015 0.000075
∞ ∞
1 1
∑ Pn = ∑ C n ⋅ P0 = 1 → P0 = 5
=
1 + 0.5 + 0.1 + 0.015 + 0.0015 + 0.000075
= 0.619
n =0 n =0
∑ Cnn =0
i 0 1 2 3 4 5
Pi 0.619 0.310 0.062 0.009 0.001 0.00004
N
L 0.465
W = = = 3.08 días
λ 0.151
1 1
donde λ = λ ⋅ (N − L ) = ⋅ (5 − 0.465 ) = ⋅ (4.535) = 0.151
30 30
➨ La fracción de tiempo que un determinado técnico pasa inactivo es
P0 + 0.5 ⋅ P1 = 0.619 + 0.5 ⋅ 0.310 = 0.774 .
UPC
I.O.E. Diplomatura de Estadística