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?