Aplicación de la teoría de colas

Debido al valor de la información que proporciona la teoría de colas,

esta se usa con amplitud para dirigir el diseño (o rediseño) de sistemas
de líneas de espera.
Las decisiones mas comunes que deben tomarse cuando se diseña un
sistema de colas es cuantos servidores se deben proporcionar. sin
embargo, hay otra serie de decisiones que también pueden ser
necesitadas. las posibles decisiones incluyen:
• Numero de servidores en cada instalación de servicio.
• Eficiencia de los servidores.
• Numero de instalaciones de servicio.
• Cantidad de espacio para espera en la cola.
• Algunas prioridades para diferentes categorías de clientes.
Distribuciones de probabilidad:
Las fuentes de variación en los problemas de filas de espera provienen
del carácter aleatorio de la llegada de los clientes y de las variaciones
que se registran en los distintos tiempos de servicio. Cada uno de esas
fuentes suele describirse mediante una distribución de probabilidades.
Distribución de las llegadas: La definición del proceso de llegada a una
línea de espera implica determinar la distribución probabilística del
número de llegadas en un lapso de tiempo determinado. En muchas
situaciones de línea de espera las llegadas ocurren al azar e
independientemente de otras llegadas, y no podemos predecir
cuándo ocurrirá una. En esos casos, los analistas cuantitativos han
encontrado que la distribución de probabilidad de Poisson provee una
buena descripción del patrón de llegadas.
P(n)= [ (λT)n /n! ] e- λT
Donde P
(n)= probabilidad de n llegadas en T periodos de tiempo.
λ= Numero promedio de llegadas de clientes por periodo
e= 2,7183
Distribución de los tiempos de servicio: El tiempo de servicio es el tiempo
que un cliente emplea en la instalación de servicio una vez que éste se
ha iniciado.
Los analistas cuantitativos determinaron que si se puede suponer que la
distribución probabilística del tiempo de servicio sigue una distribución
probabilística exponencial, existen fórmulas que proporcionan
información útil sobre la operación de la línea de espera. Utilizando una
distribución probabilística exponencial, la probabilidad de que el tiempo
de servicio sea menor que o igual a un tiempo de duración t El número
medio de unidades que pueden ser atendidas por periodo de tiempo, ,
se llama tasa de servicio.
P (t ≤T)= 1-e-µt
Donde µ= numero medio de clientes que completan el servicio
t= Tiempo de servicio del cliente
T= tiempo de servicio propuesto como objetivo
Notación Kendal: David G. Kendall sugirió una notación que es útil cuando
se trata de clasificar la amplia variedad de modelos de línea de espera
diferentes que han sido desarrollados. La notación de tres símbolos de
Kendall es la siguiente:
A/ B / k donde:
 A: denota la distribución de probabilidad de las llegadas
 B: denota la distribución de probabilidad del tiempo de servicio
 K: denota el número de canales
En función de la letra que aparece en la posición A o B, se pueden describir
varios sistemas de líneas de espera. Las letras que se utilizan por lo general
son las siguientes:
 M: Designa una distribución de probabilidad de Poisson de las llegadas o
una distribución de probabilidad exponencial del tiempo de servicio.
 D: Designa que las llegadas o el tiempo de servicio es determinístico o
constante
 G: Designa que las llegadas o el tiempo de servicio tiene una distribución
de probabilidad general o no especificada. Con una media y varianza
conocidas.
Utilizando la notación Kendall, el modelo de línea de espera de canal
único con llegadas Poisson y tiempos de servicio Exponenciales se
clasifica como modelo M/M/1. El modelo de línea de espera de dos
canales con llegadas Poisson y tiempos de servicio exponenciales se
clasificaría como modelo M/M/2.

Modelo M/M/1: Este modelo es el mas sencillo y corresponde a un solo

servidor y una sola fila de clientes. Para trabajar este modelo se asumen
los siguientes supuestos:
 La población de clientes es infinita y todos los clientes son pacientes.
 Las llegadas siguen una distribución de probabilidad de Poisson y
con una tasa promedio de llegadas λ.
 La distribución de servicio es de probabilidad exponencial con una
tasa promedio de servicio µ.
 A los clientes que llegan primero se les atiende primero.
 La longitud de la fila es ilimitada.
A partir de estas suposiciones podemos aplicar varias formulas para
describir las características de operación del sistema:
λ= Numero promedio de llegadas de clientes por periodo
µ= Numero promedio de clientes atendidos por periodo

p = Utilización promedio del sistema = λ / µ

P(n) = Probabilidad que n clientes estén en el sistema = (1-p) pn
L = Promedio de clientes en el sistema de servicio= λ / (µ- λ)
Lq = Numero promedio de clientes en la línea de espera =pL
W = Tiempo promedio transcurrido en el sistema incluido el servicio=1/(µ- λ)
Wq = Tiempo promedio de espera en la fila = pW
Ejemplo: La gerente de un supermercado esta interesada en brindar un
buen servicio a las personas de mayor edad que compran en su local.
Actualmente el supermercado cuenta con una caja de salida reservada
para los jubilados. Estas personas llegan a una tasa promedio de 30 por
hora de acuerdo con una distribución de Poisson y son atendidos a una
tasa promedio de 35 clientes por hora por tiempos de servicios
exponenciales. Calcule los siguientes promedios:
 Porcentaje de utilización del empleado de la caja.
 Numero promedio de clientes que ingresan al sistema
 Numero promedio de clientes en fila
 Tiempo promedio transcurrido en el sistema
 Tiempo promedio transcurrido en la fila
Aplica las siguientes formulas para describir las características de
operación del sistema:
λ= Numero promedio de llegadas de clientes por periodo
µ= Numero promedio de clientes atendidos por periodo
p = Utilización promedio del sistema = λ / µ
P(n) = Probabilidad que n clientes estén en el sistema = (1-p) pn
L = Promedio de clientes en el sistema de servicio= λ / (µ- λ)
Lq = Numero promedio de clientes en la línea de espera =pL
W = Tiempo promedio transcurrido en el sistema incluido el servicio=1/(µ- λ)
Wq = Tiempo promedio de espera en la fila = pW
 El escritorio de referencia de la biblioteca de una universidad recibe
peticiones de ayuda. Suponga que puede utilizarse una distribución
de probabilidad de Poisson con una tasa de llegadas de 10
peticiones por hora para describir el patrón de llegadas y de que los
tiempos de servicio sigan una distribución de probabilidad
exponencial con una tasa de servicios de 12 peticiones por hora.

 ¿Cuál es la probabilidad de que no haya peticiones de ayuda en el

sistema?
 ¿Cuál es el número promedio de peticiones que esperan ser
atendidas?
 ¿Cuál es el tiempo de espera promedio en minutos antes de que
comience a ser atendido?
 ¿Cuál es el tiempo promedio en el escritorio de referencia en
minutos (tiempo de espera más tiempo de servicio)?
 ¿Cuál es la probabilidad de que una nueva llegada tenga que
esperar a que la atiendan?