Modelos de Colas

Análisis en Estado Estable

Carlos Javier Uribe

Carlos Javier Uribe Modelos de Colas 1 / 88

M/M/1

Una cola M/M/1 considera un sistema con un solo servidor,

donde los tiempos entre arribos y los tiempos de servicio se
distribuyen exponencialmente con tasas λ y µ respectivamente.
Si X (t) representa el número de clientes en el sistema, entonces
una cola M/M/1 es un proceso de nacimiento y muerte.
El modelo del sistema M/M/1 es:
I X (t) =número de entidades en el sistema en el tiempo t
I El espacio de estados es S = {0, 1, 2, · · · }
I El diagrama de tasas es
λ λ λ λ
0 1 2 3 ···
µ µ µ µ

Carlos Javier Uribe Modelos de Colas 2 / 88

Tasa de salida

Recuerde que λd = λe si el sistema está en estado estable.

Como en el sistema hay capacidad ∞ entonces todos los arribos
entran al sistema.
Como los tiempos entre arribos son exponenciales con tasa λ
entonces λ es la tasa de arribos al sistema.
En conclusión λe = λd = λ.

Carlos Javier Uribe Modelos de Colas 3 / 88

Utilización

Dado que la utilización ρ se define como

λe
ρ=
sµ

y puesto que en este sistema solo hay un servidor, entonces

λ
ρ=
µ

Carlos Javier Uribe Modelos de Colas 4 / 88

Probabilidades en Estado Estable

Como el sistema M/M/1 es un proceso N y M entonces los πj se

obtienen como:
Qj−1 Qj−1
i=0 λi λ λj
πj = Qj π0 = Qji=0 π0 = j π0 = ρj π0 j ≥1
µi µ µ
i=1 i=1

λ
donde ρ : = y
µ
1
π0 = P∞ j
j=0 ρ

Carlos Javier Uribe Modelos de Colas 5 / 88

Probabilidades en Estado Estable

Vemos que
1
π0 = P∞ j
j=0 ρ

entonces cabría preguntarse:

1 ¿La serie del denominador converge?
2 Y en el caso de que sea así, ¿a qué converge?

Carlos Javier Uribe Modelos de Colas 6 / 88

Probabilidades en Estado Estable

P∞ j
Las respuestas se basan en el hecho de que la serie j=0 ρ es la
serie conocida como serie geométrica. Entonces:
∞
X 1
ρj = para ρ < 1
1−ρ
j=0

Se concluye que
1
π0 = P∞ j
=1−ρ
j=0 ρ

siempre que la utilización ρ sea estrictamente menor que 1! o de

forma alternativa λ < µ.

Carlos Javier Uribe Modelos de Colas 7 / 88

Probabilidades en Estado Estable

Así pues, como πj = ρj π0 , se tiene que en un sistema M/M/1 si

λ
ρ = < 1 entonces
µ

πj = ρj (1 − ρ) j ≥0

Carlos Javier Uribe Modelos de Colas 8 / 88

Probabilidades en Estado Estable

¿Qué pasa si ρ ≥ 1?

P∞ j
En este caso se tiene que j=0 ρ = ∞, por lo que

1
π0 = P∞ j
=0
j=0 ρ

Como πj = ρj π0 entonces πj = 0 para todo j ≥ 0!

Lo anterior se interpreta diciendo que en e.e. en el sistema van a
haber infinitas entidades con probabilidad 1
En este caso se dice que el sistema no es estable y las medidas
de desempeño L, Lq , W y Wq son iguales a ∞

Carlos Javier Uribe Modelos de Colas 9 / 88

Cálculo de L, Lq y Ls

Recuerde que L es el número de entidades que hay en el sistema

en e.e.
En términos de los πj
∞
X
L = 0π0 + 1π1 + 2π2 + · · · = jπj
j=0

Si ρ < 1 entonces πj = ρj (1 − ρ) y por lo tanto tenemos que

∞
X ρ λ
L= jρj (1 − ρ) = =
1−ρ µ−λ
j=0

Carlos Javier Uribe Modelos de Colas 10 / 88

Cálculo de L, Lq y Ls

Recuerde que Ls , es el número de entidades que hay en servicio

en estado estable
Por la ley de Little Ls = λe Ws
Por otra parte,
1
Ws =
µ
1
Se concluye que Ls = λ =ρ
µ

Carlos Javier Uribe Modelos de Colas 11 / 88

Cálculo de L, Lq y Ls

Recuerde que Lq es el número de entidades que hay en fila en

estado estable
Cómo ya se calculó L y Ls , Lq se calcula fácilmente usando el
hecho de que L = Lq + Ls
Se concluye que

ρ ρ2 λ2
Lq = L − Ls = −ρ= =
1−ρ 1−ρ µ(µ − λ)

Carlos Javier Uribe Modelos de Colas 12 / 88

Cálculo de W , Wq y Ws

Recuerde que W =tiempo promedio que gasta una entidad en el

sistema en e.e.
L
Usando la Ley de Little tenemos que W =
λe
Así pues, como la tasa de entrada=tasa de arribos=λ,

ρ 1
W = =
λ(1 − ρ) µ−λ

Carlos Javier Uribe Modelos de Colas 13 / 88

Cálculo de W , Wq y Ws

Recuerde que Wq =tiempo promedio que gasta una entidad en

fila en e.e.
Lq
Usando la Ley de Little tenemos que Wq =
λe
Así pues,
ρ2 λ
Wq = =
λ(1 − ρ) µ(µ − λ)

Carlos Javier Uribe Modelos de Colas 14 / 88

Cálculo de W , Wq y Ws

Recordando que Ws = 1/µ, entonces se tiene que en un sistema

M/M/1/GD/∞/∞ si ρ < 1 entonces

1 λ 1
W = Wq = Ws =
µ−λ µ(µ − λ) µ

Carlos Javier Uribe Modelos de Colas 15 / 88

Ejemplo 1

Un sistema de producción consiste de una sola máquina. Los tiempos

entre arribos de los trabajos son exponenciales i.i.d con tiempo medio
entre arribos de 2 minutos. El tiempo que la máquina se demora
procesando cada trabajo es exponencial con media de 1.5 minutos.
Suponga que el buffer de la máquina es suficientemente grande para
albergar a todos los arribos que llegan.
Calcule
1 Utilización de la máquina
2 Probabilidad de que la máquina no esté procesando nada en e.e.
3 Número de trabajos que en e.e. están en el sistema de producción
4 Tiempo promedio que se demora un trabajo en el sistema de
producción
5 Tiempo promedio que se demora un trabajo en fila en e.e.

Carlos Javier Uribe Modelos de Colas 16 / 88

Ejemplo 2

Los trabajadores de una fábrica obtienen sus herramientas de un centro de

herramientas dentro de la fábrica. Al centro llegan 10 trabajadores/hora en
promedio buscando herramientas. Actualmente el centro cuenta con un solo
servidor, que recibe un salario de $6 por hora y que se demora en promedio
5 minutos atendiendo la solicitud de cada trabajador.
Se sabe que por cada hora que un trabajador está operando, la fábrica
recibe $10, por lo que cada trabajador que no esté produciendo cuesta $10
por cada hora. La fábrica está decidiendo si contratar o no a un ayudante del
servidor para que realice más agilmente su trabajo. Con el ayudante el
servidor se gastaría en promedio 4 minutos para atender la solicitud.
Contratar al ayudante tiene un costo de $4 por hora.
Si se asume que el sistema tiene capacidad ∞ y que todos los tiempos
involucrados son exponenciales e independientes, responda si es
conveniente o no, desde el punto de vista de los costos por hora en estado
estable, contratar al ayudante.

Carlos Javier Uribe Modelos de Colas 17 / 88

M/M/1/c

Los sistemas M/M/1/GD/c/∞ son muy útiles para aproximar filas

de un servidor con tiempos entre arribos y servicios
exponenciales, en los cuales el supuesto de que la capacidad es
infinita, no parece del todo convincente. Esto es especialmente
cierto si las limitaciones de espacio de la fila son muy marcadas
Estos sistemas también son útiles para aproximar el
comportamiento de filas en los cuales las entidades no entran al
sistema si ven que la fila es muy larga (ej: la fila de un restaurante)

Carlos Javier Uribe Modelos de Colas 18 / 88

Probabilidades en Estado Estable
El sistema M/M/1/c es un proceso de NyM
I Se define X (t) =número de entidades en el sistema en el tiempo t
con S = {0, 1, 2, · · · , c} y tasas de nacimiento y muerte dadas por

λi = λ 0≤i ≤c−1 µi = µ 1 ≤ i ≤ c
I El diagrama de tasas es
λ λ λ λ
0 1 2 ··· c
µ µ µ µ

Figura: Diagrama de tasas sistema M/M/1/GD/c/∞

De acuerdo con esto

Qj−1
λi  λ j
πj = Qji=0 π0 = π0 1≤j ≤c
µ i
µ
i=1

Carlos Javier Uribe Modelos de Colas 19 / 88

Probabilidades en Estado Estable

λ
Defina ρ = , entonces se concluye que
µ

1
πj = ρj π0 1≤j ≤c π0 = Pc j
j=0 ρ

Note que la suma en en el denominador de π0 es finita, así pues

siempre converge independiente del valor de ρ
Se tiene que
1 1−ρ
π0 = Pc =
j=0 ρj 1 − ρc+1

Carlos Javier Uribe Modelos de Colas 20 / 88

Probabilidades en Estado Estable

En un sistema M/M/1/GD/c/∞ con tasa de arribos λ y tasa de servicio

µ se tiene que
 1−ρ 
πj = ρj 0≤j ≤c
1 − ρc+1
λ
donde ρ =
µ
Note que en este caso no hay que imponer condiciones
particulares sobre ρ = µλ
1
Si ρ = 1 entonces πj = c+1 para todo 0 ≤ j ≤ c

Carlos Javier Uribe Modelos de Colas 21 / 88

Tasa de Entrada y Salida de un Sistema M/M/1/c

A diferencia de un sistema con capacidad infinita, en un sistema

con capacidad finita un arribo no siempre entra el sistema
En este sistema, si un arribo al llegar ve que ya hay c clientes en
el sistema (c − 1 en fila y uno en servicio) decide no entrar
Por lo tanto tenemos que en un sistema M/M/1/GD/c/∞

λe 6= λ

Carlos Javier Uribe Modelos de Colas 22 / 88

Tasa de Entrada y Salida de un Sistema M/M/1/c

Note que en e.e.

λe = λP[entrar al sistema en e.e.]

Como un arribo entra al sistema si y solo si en éste hay

estrictamente menos de c unidades,

P[entrar al sistema en e.e.] = π0 + π1 + · · · + πc−1 = 1 − πc

Se concluye que
λe = λ(1 − πc ) = λd

Carlos Javier Uribe Modelos de Colas 23 / 88

Utilización

Usando la definición de utilización tenemos que

λe λ(1 − πc )
utilización = =
(1)µ µ

Carlos Javier Uribe Modelos de Colas 24 / 88

Cálculo de L, Lq y Ls

En este caso tenemos que

c
X c
X  1−ρ 
L= jπj = jρj
1 − ρc+1
j=0 j=0

Se puede mostrar que la sumatoria de arriba es

ρ(1 − (c + 1)ρc + cρc+1 ) λ

L= ρ=
(1 − ρc+1 )(1 − ρ) µ
c
Si ρ = 1 entonces L = 2

Carlos Javier Uribe Modelos de Colas 25 / 88

Cálculo de L, Lq y Ls

Para calcular Ls se tiene por la ley de Little que

1
Ls = λe Ws = λ(1 − πc )
µ
λ(1−πc )
Por otra parte como L = Lq + Ls entonces Lq = L − µ

Carlos Javier Uribe Modelos de Colas 26 / 88

Cálculo de W , Wq y Ws

1
Como siempre, Ws =
µ
Usando la ley de Little se tiene que

L L Lq Lq
W = = Wq = =
λe λ(1 − πc ) λe λ(1 − πc )

en donde L y Lq están dadas por las fórmulas antes mostradas.

Carlos Javier Uribe Modelos de Colas 27 / 88

Ejemplo 1

Una peluquería es atendida por una sola persona. Los tiempos entre arribos
son exponenciales e independientes y se sabe que 20 clientes por hora
arriban a la peluquería. El tiempo que se demora una persona siendo
atendida es exponencial con tiempo promedio de 12 minutos.
Suponiendo que todos los tiempos involucrados son independientes y que la
peluquería tiene solo 10 sillas para que las personas esperen en fila (una
persona que arriba y ve todas las sillas ocupadas no entra),
1 En promedio en estado estable, ¿Cuántas personas son atendidas en
una hora?
2 Calcule cuántas horas se demora en promedio en estado estable, un
cliente que entra a la peluquería

Carlos Javier Uribe Modelos de Colas 28 / 88

Ejemplo 2

Hay dos puestos de comida en una feria, cada uno de los cuales es atendido
por una persona. En promedio 10 personas por hora llegan a cada uno de
los puestos. Si un arribo a cualquier puesto ve que hay 4 personas haciendo
fila, no entra y decide ir a otro lugar.
En uno de los puestos el servidor se demora en promedio 12 minutos
completando un servicio y en promedio recibe $11 por cliente. En el otro
puesto el servidor se demora 6 minutos en promedio atendiendo un puesto y
recibe en promedio $5 por cliente.
Suponiendo que los todos los tiempos involucrados son independientes y
exponenciales,
1 Cuál de los dos puestos recibe más dinero en estado estable
2 En cúal de los sistemas una persona se demora más en estado estable.

Carlos Javier Uribe Modelos de Colas 29 / 88

M/M/s

Los sistemas M/M/s son muy útiles para modelar sistemas en

los cuales
1 Los tiempos entre arribos y tiempos de servicios son variables
aleatorias exponenciales e independientes
2 Hay s servidores idénticos trabajando en paralelo, que atienden
entidades que hacen una sola fila
3 Todos los arribos entran al sistema

Carlos Javier Uribe Modelos de Colas 30 / 88

Tasa de entrada y utilización

Como en este sistema todos los arribos entran al sistema λe = λ

De la definición de utilización y como λe = λ se tiene que

λ
utilización =
sµ

Carlos Javier Uribe Modelos de Colas 31 / 88

Probabilidades en Estado Estable

Este sistema se puede modelar como un proceso de NyM.

Sea X (t) =número de entidades en el sistema en el tiempo t,
entonces S = {0, 1, 2, · · · } y el diagrama de tasas es
λ λ λ λ λ λ
0 1 2 ··· s s+1 ···
µ 2µ 3µ sµ sµ sµ

Figura: Diagrama de tasas sistema M/M/s/GD/∞/∞

Carlos Javier Uribe Modelos de Colas 32 / 88

Probabilidades en Estado Estable
Las tasas de nacimiento y muerte dadas por
(
iµ, si 1 ≤ i ≤ s − 1
λi = λ i ≥ 0 µi =
sµ, si i ≥ s

Así pues las probabilidades en e.e. se pueden hallar usando la

fórmula de los procesos de nacimiento y muerte
λ
Se tiene que en este caso, si se define ρ =
sµ
Qj−1 ( j j
sρ
i=0 λi π0 , 1 ≤ j ≤ s − 1
π j = Qj π0 = sj!s ρj
i=1 µi s! π0 , j ≥s

En donde
1
π0 = Ps−1 s j ρj P∞ ss ρj
j=0 j! + j=s s!

Carlos Javier Uribe Modelos de Colas 33 / 88

Probabilidades en Estado Estable

P∞ ss ρj
Se puede demostrar que la serie j=s+1 s! converge si y sólo si

λ
ρ= <1
sµ

Así pues un sistema M/M/s/GD/∞/∞ es estable si y solo si

ρ < 1, es decir si la utilización es menor a 1
Y adicionalmente se tiene que

1
π0 = Ps−1 sj ρj ss ρs
j=0 j! + s! 1−ρ

Carlos Javier Uribe Modelos de Colas 34 / 88

Cálculo de L, Lq y Ls

En esta ocasión se calcula primero Lq

Como Lq = ∞
P
j=s+1 (j − s)πj , utilizando las fórmulas de los πj
halladas antes, se puede mostrar
ρ
Lq = P[j ≥ s]
1−ρ

(sρ)s π0
donde P[j ≥ s] = πs + πs+1 + πs+2 + · · · =
s!(1 − ρ)
Otra fórmula equivalente para Lq está dada por
ρ
Lq = πs
(1 − ρ)2

Carlos Javier Uribe Modelos de Colas 35 / 88

Cálculo de L, Lq y Ls

Ls se calcula por medio de Ls = λe Ws

Como λe = λ y Ws = 1/µ, se tiene que

λ
Ls = = sρ
µ

L se calcula como L = Lq + Ls , utilizando las ecuaciones previas

para Lq y Ls

Carlos Javier Uribe Modelos de Colas 36 / 88

Cálculo de W , Wq y Ws

Al usar la ley de Little, usar las fórmulas para los L’s y recordar
que λe = λ, se tiene que

L Lq 1
W = Wq = Ws =
λ λ µ

Carlos Javier Uribe Modelos de Colas 37 / 88

Ejemplo 1

Considere que un banco cuenta con dos cajeros. En promedio 80 clientes

por hora llegan al banco y esperan en una sola fila para ser atendidos por
alguno de los dos cajeros. El tiempo que un cajero se demora atendiendo a
un cliente es exponencial con media 1.2 minutos.
Suponiendo que los arribos siguen un proceso de Poisson y que todas los
arribos hacen la fila que sea necesaria para ser atendidos, determine
1 El número esperado de clientes que hay en el banco en estado estable.
2 El tiempo esperado que se demora un cliente en promedio en el banco
en estado estable.
3 La fracción de tiempo en estado estable que un servidor en particular
está desocupado.

Carlos Javier Uribe Modelos de Colas 38 / 88

Ejemplo 2

El gerente de un banco debe determinar cuántos cajeros deben trabajar los

viernes. Por cada minuto que un cliente espera en fila, el gerente cree que
hay un costo de 5 centavos. En promedio 2 clientes por hora arriban al banco
y en promedio un servidor se demora 2 minutos completando la transacción
de un cliente. Al banco le cuesta $9 por hora contratar a un cajero.
Si se asume que los tiempos entre arribos y los tiempos de servicio son
exponenciales e independientes, que los clientes hacen una sola fila para ser
atendidos y que la capacidad del banco es ∞, determine el número de
servidores que el gerente debe contratar para minimizar los costos por
minuto de espera y de personal en estado estable.

Carlos Javier Uribe Modelos de Colas 39 / 88

M/M/s/c

Los sistemas M/M/s/c representan colas con tiempos entre

arribos exponenciales, tiempos de servicios exponenciales, donde
hay s servidores que atienden en paralelo y pueden haber
máximo c clientes simultáneamente en el sistema en cualquier
momento.

Carlos Javier Uribe Modelos de Colas 40 / 88

Tasa de entrada y utilización

En el sistema M/M/s/c la tasa de arribos es cero para cualquier

estado i ≥ c. Entonces, se puede afirmar que

λd = λe = λ(1 − πc )

Carlos Javier Uribe Modelos de Colas 41 / 88

Probabilidades en Estado Estable

Las probabilidades en estado estable están dadas por:


rj
Si 0 ≤ j < s


 π0
πj = j!
 r j


j−s
π0 Si s ≤ j ≤ c
s s!
En donde
1



s c−s+1
para ρ 6= 1
ri
 
r 1−ρ


+ s−1

 P
i=0

π0 = s! 1−ρ i!
1
para ρ = 1


rs ri


(c − s + 1) + s−1

 P

i=0
s! i!
Con r = λ/µ y ρ = r /s
Carlos Javier Uribe Modelos de Colas 42 / 88
Cálculo de Lq

El tamaño de la cola se puede encontrar para el caso en el que

ρ 6= 1 mediante

π0 r s ρ h c−s+1 c−s
i
Lq = 1 − ρ − (1 − ρ)(c − s + 1)ρ
s!(1 − ρ)2

Observe que esta fórmula no puede usarse en el caso en el

ρ = 1, lo cual no quiere decir que el sistema no alcance el estado
estable si se da esta condición, sino que por la manera en la que
se deriva la fórmula no aplica para este caso.

Carlos Javier Uribe Modelos de Colas 43 / 88

M/M/s/s

En el caso especial del sistema M/M/s/c cuando s = c se

produce el sistema M/M/s/s
Este sistema es conocido como sistema de pérdida o eliminación
de clientes rechazados, dado que el sistem pierde a cualquier
cliente que encuentra todos los servidores ocupados.
Observe que en este sistema no se permiten colas

Carlos Javier Uribe Modelos de Colas 44 / 88

Probabilidades en Estado Estable
Las probabilidades estacionarias pueden encontrarse mediante:

(λ/µ)j
j!
πj = s
X (λ/µ)i
i!
i=0

Es de interés conocer πs , la cual es llamada la probabilidad de

bloqueo y equivale a la fracción de tiempo que el sistema está
lleno o la fracción de clientes que se pierden en el largo plazo.
rs
πs = s!
Pc ri
i=0
i!
donde r = λ/µ
Carlos Javier Uribe Modelos de Colas 45 / 88
Probabilidades en Estado Estable

La importancia de la fórmula de las probabilidades estacionarias es el

hecho de que es válida para cualquier sistema M/G/s/s,
independiente de la forma de la distribución del tiempo de
servicio.Esto es, las probabilidades en esta estable son solo una
función del tiempo medio de servicio, no de la función de distribución
del tiempo de servicio.

Carlos Javier Uribe Modelos de Colas 46 / 88

Medidas de Desempeño

Observe que en este sistema no se permiten colas por lo tanto

Lq = Wq = 0 y W = Ws = 1/µ
Además
λ(1 − πs )
L=
µ

Carlos Javier Uribe Modelos de Colas 47 / 88

G/G/∞

Los sistemas con infinitos servidores sirven para hacer modelos

aproximados de:
1 Sistemas en los cuales las entidades para obtener el servicio
requieren recursos que son muy abundantes en el sistema (ej.:
libros en una biblioteca)
2 Sistemas en los cuales las entidades son su propio servidor, y solo
necesitan entrar al sistema para autoservirse allí (ej.: parques,
playas, etc)

Carlos Javier Uribe Modelos de Colas 48 / 88

Medidas de desempeño

Como la capacidad del sistema es infinita entonces λe = λ

λ
La utilización de los servidores es =0
∞µ
Desde el punto de vista de la teoría de colas, tenemos que un
sistema con infinitos servidores NUNCA va a tener fila
Esto implica que Wq = Lq = 0 para estos sistemas
Debido a lo anterior, para un sistema G/G/∞/GD/∞/∞

L = Ls W = Ws

Como Ws = 1/µ y λe = λ entonces

1 λ
W = Ws = L = Ls = λWs =
µ µ

Carlos Javier Uribe Modelos de Colas 49 / 88

Ejemplo 1

En Barranquilla cada año se abren 24 nuevas tiendas de barrio en promedio.

Se sabe que en promedio una tienda de barrio cualquiera funciona durante 6
años. Calcule el número de tiendas que hay en Barranquilla en estado
estable.

Carlos Javier Uribe Modelos de Colas 50 / 88

M/M/∞

En el caso general, cuando los arribos y los servicios siguen

distribuciones generales no existe fórmulas exactas para los πj
Sin embargo, si los arribos y los servicios son exponenciales, si el
sistema es el M/M/∞ entonces el sistema puede ser modelado
como un proceso de NyM.
Si se define X (t) =número de entidades en el sistema en el
tiempo t, entonces S = {0, 1, 2, · · · } y el diagrama de tasas es,
λ λ λ λ
0 1 2 3 ···
µ 2µ 3µ 4µ

Figura: Diagrama de tasas sistema M/M/∞/GD/∞/∞

Carlos Javier Uribe Modelos de Colas 51 / 88

Probabilidades en Estado Estable
λ
Si definimos ρ =
µ
Qj−1
λi ρj
πj = Qji=0 π0 = π0 j ≥1
j!
i=1 µi
Además,
1 1
π0 = P∞ ρj
= = e−ρ
eρ
j=0 j!
Se concluye que para el sistema M/M/∞,
ρj
πj = e−ρ j ≥0
j!
Note que lo anterior implica que si definimos X =número de
entidades en el sistema en e.e., entonces
X ∼ Poisson(ρ)
Carlos Javier Uribe Modelos de Colas 52 / 88
M/M/R/GD/K /K

La principal diferencia de este modelo, con respecto a los

anteriores, es que la población de donde provienen los arribos es
finita
Este modelo en particular está inspirado en el Problema de
Reparación de Máquinas:
1 Hay K máquinas. El tiempo de vida de cada máquina es
exponencial con tasa λ independiente de las demás
2 Hay R ≤ K reparadores. A cada reparador le toma un tiempo
exponencial con tasa µ reparar una máquina
3 Si una máquina se daña y todos los reparadores están ocupados
espera en fila hasta que alguno se desocupe

Carlos Javier Uribe Modelos de Colas 53 / 88

El Problema del Reparador de Máquinas

Vista como una fila se observa que este sistema tiene R

servidores, los arribos vienen de una población de tamaño K y la
capacidad es K
Asimismo los arribos son representados por los tiempos de falla y
los servicios por los tiempos de reparación
Como los tiempos de falla y de reparación son exponenciales i.i.d
entonces esta situación vista como una fila es un sistema
M/M/R/GD/K /K

Carlos Javier Uribe Modelos de Colas 54 / 88

Probabilidades en Estado Estable

Como los tiempos involucrados son exponenciales el sistema se

puede modelar como un proceso de NyM
Sea X (t) =número de máquinas dañadas en el tiempo t.
Entonces S = {0, 1, 2, · · · , K } y el diagrama de tasas es

Kλ (K-1)λ (K-(R-1))λ (K-R)λ (K-(R+1))λ λ

0 1 ··· R R+1 ··· K
µ 2µ Rµ Rµ Rµ Rµ

Figura: Diagrama de tasas sistema M/M/1/GD/∞/∞

Carlos Javier Uribe Modelos de Colas 55 / 88

Probabilidades en Estado Estable

Utilizando el procedimiento usual para N y M se tiene que

πj = cj π0 , 

 K ρj , si 0 ≤ j ≤ R
j
cj = (K )ρj j!
 j , si R + 1 ≤ j ≤ K
R!R j−R
λ
donde ρ = µ
Adicionalmente
1
π0 =
K
X
cj
j=0

Carlos Javier Uribe Modelos de Colas 56 / 88

Cálculo de L, Lq y Ls

L en este caso se interpreta como el número de máquinas

dañanas en estado estable
No hay una fórmula ’compacta’ para su cálculo, se calcula como
K
X
L= jπj
j=0

Carlos Javier Uribe Modelos de Colas 57 / 88

Cálculo de L, Lq y Ls

Lq en este caso se interpreta como el número de máquinas

dañadas que no están siendo reparadas en e.e.
Se tiene que
K
X
Lq = (j − R)πj
j=R+1

Carlos Javier Uribe Modelos de Colas 58 / 88

Cálculo de L, Lq y Ls

Ls en este caso se interpreta como el número de máquinas

dañadas que están siendo reparadas en e.e.
Se tiene que
R
X K
X
Ls = jπj + R πj
j=0 j=R+1

Carlos Javier Uribe Modelos de Colas 59 / 88

Tasa de Entrada y Utilización

Note que λe 6= λ. La tasa de entrada depende del número de

máquinas que están funcionando
Si hay cero máquinas funcionando entonces la tasa de entrada
sería 0, si hay una máquina funcionando sería λ, si hay dos sería
2λ (mínimo de dos exp. independientes),.., y en general si hay x
máquinas funcionando la tasa de entrada es xλ (mínimo de x exp.
independientes)
Se tiene que (en este caso se denota λ̄ en vez de λe )
K
X
λ̄ = (K − j)λπj = λ(K − L)
j=0

λ̄
La utilización de un servidor es Rµ

Carlos Javier Uribe Modelos de Colas 60 / 88

Cálculo de W , Wq y Ws

W en este caso se interpreta como el tiempo promedio en e.e.

que una máquina está dañada
Se tiene que
L L
W = =
λ̄ λ(K − L)

Carlos Javier Uribe Modelos de Colas 61 / 88

Cálculo de W , Wq y Ws

Wq en este caso se interpreta como el tiempo promedio en e.e.

que una máquina dañana no está siendo reparada
Se tiene que
Lq Lq
Wq = =
λ̄ λ(K − L)

Carlos Javier Uribe Modelos de Colas 62 / 88

Cálculo de W , Wq y Ws

Ws es como siempre el tiempo promedio de servicio, e.d., tiempo

promedio en e.e. que una máquina que está dañana está siendo
reparada
1
Como siempre Ws = µ

Carlos Javier Uribe Modelos de Colas 63 / 88

Ejemplo

El departamento de policía cuenta con 5 carros. En promedio un carro de

policía dura 30 días funcionando. Cuando se daña es reparado por alguno de
los dos servidores que hay.
En promedio un reparador gasta tres días reparando un carro. Si un carro se
daña y los dos reparadores están ocupados, este debe esperar hasta que
alguno de ellos se desocupe.
Suponiendo que todos los tiempos involucrados son exponenciales, calcule
1 Número de carros en e.e. que están en buenas condiciones.
2 Tiempo promedio que un carro de policía está dañado en estado estable
3 Fracción de tiempo en e.e. que un reparador en partícular está
desocupado

Carlos Javier Uribe Modelos de Colas 64 / 88

M/G/1

Este sistema generaliza el M/M/1 al permitir que los servicios

tengan una distribución arbitraria.
En la práctica es mucho más útil, ya que si bien los arribos en
muchos sistemas se puede suponer que siguen un proceso de
Poisson, los servicios usualmente no son exponenciales y hacer
este supuesto no es tan válido.

Carlos Javier Uribe Modelos de Colas 65 / 88

Tasa de entrada y utilización

Como la capacidad del sistema es infinita entonces λe = λ

Teniendo en cuenta lo anterior la utilización del sistema es
λ
ρ=
µ

Carlos Javier Uribe Modelos de Colas 66 / 88

Probabilidades en Estado Estable

Como los servicios no son exponenciales el sistema no se puede

modelar como un proceso de NyM
Se concluye que la metodología usual para calcular los πj NO
aplica en este caso
Sin embargo utilizando otros métodos se han logrado establecer
las fórmulas exactas para los πj , que sin embargo son
complicadas
λ
En este caso también es necesario que < 1, de lo contrario el
µ
sistema NO es estable

Carlos Javier Uribe Modelos de Colas 67 / 88

Cálculo de L, Lq y Ls

Para calcular el Lq de estos sistemas se usa la fórmula de

Pollaczek-Khintchine
λ2 σ 2 + ρ2 λ
Lq = ρ= <1
2(1 − ρ) µ

donde σ 2 es la varianza del tiempo de servicio

Note que la varianza del tiempo de servicio influye negativamente
en la fila
La fórmula se reduce a la de Lq de M/M/1/GD/∞/∞ si el
1
servicio es exponencial (ya que en este caso σ 2 = 2 )
µ

Carlos Javier Uribe Modelos de Colas 68 / 88

Cálculo de L, Lq y Ls

λ
En este sistema, como λe = λ, se tiene que Ls = λWs = =ρ
µ
De esta forma, como L = Lq + Ls ,

λ2 σ 2 + ρ2
L= +ρ
2(1 − ρ)

Carlos Javier Uribe Modelos de Colas 69 / 88

Cálculo de W , Wq y Ws

1
Como siempre, Ws = y por la ley de Little, como λe = λ,
µ

L Lq
W = Wq =
λ λ

Carlos Javier Uribe Modelos de Colas 70 / 88

Ejemplo 1

Suponga que el tiempo promedio entre arribos de trabajos a una máquina es

2 minutos. Procesando cada trabajo la máquina se demora en promedio 1.5
minutos con una varianza de 1 minuto2 . Suponga que los tiempos entre
arribos son exponenciales y el sistema tiene capacidad infinita.
De acuerdo con lo anterior,
1 ¿Cuánto se demora un trabajo en fila en estado estable?
2 Están pensando reemplazar la máquina actual por una que se demora
un tiempo exponencial con media 1.5 minutos en procesar cada trabajo.
Si se quiere disminuir el tiempo en fila en e.e. de los trabajos, ¿Es
conveniente el cambio?

Carlos Javier Uribe Modelos de Colas 71 / 88

Ejemplo 2

Carros llegan a un lavadero que cuenta con una sola máquina de acuerdo
con un proceso de Poisson con tasa 10 carros por hora.
Se sabe que si el carro es un automóvil se demora en el proceso de lavado
exactamente 2 minutos, si es una camioneta se demora exactamente 6
minutos y si es un bus se demora exactamente 15 minutos.
Se sabe que el 50 % de los arribos son autos, que el 40 % son camionetas y
el restante son buses. Suponiendo que el sistema tiene capacidad infinita,
1 Calcule cuánto se demora un carro cualquiera en fila en e.e.
2 Calcule cuántos carros hay en el lavadero en estado estable
3 Si por lavar un auto el lavadero recibe $15, por una camioneta $20 y por
un bus $80, calcule los ingresos por hora del lavadero

Carlos Javier Uribe Modelos de Colas 72 / 88

G/G/m

Este sistema generaliza las colas M/M/1, M/M/s y M/G/1

Las medidas de desempeño de este sistema dependen
fuertemente de la distribución
Fórmulas o algoritmos EXACTOS que funcionen para todas las
distribuciones posibles NO existen

Carlos Javier Uribe Modelos de Colas 73 / 88

Aproximaciones medidas de desempeño de G/G/m

Son útiles a la hora de estimar las medidas de desempeño, sin

necesidad de cálculos complicados
Su forma sencilla permite explicar qué es lo más relevante de una
fila
En general aproximan bien el desempeño de las filas

Carlos Javier Uribe Modelos de Colas 74 / 88

Notación

Denote CT , CTq y CTs en lugar de W , Wq y Ws

Denote WIP, WIPq y WIPs en lugar de L, Lq y Ls
ta = 1/λ, ra = λ, t0 = 1/µ.
t0
u= mta
Se debe tener que u < 1 para que el sistema sea estable

Carlos Javier Uribe Modelos de Colas 75 / 88

Aproximación de G/G/1

La fórmula de Kingman (1961) fue una de las primeras

aproximaciones
Establece que
 c 2 + c 2  u 
a 0
CTq ' t0
2 1−u
Note que esta aproximación es
 c2 + c2 
a 0
CTq ' CTq (M/M/1)
2
¿Qué son ca2 y c02 ?

Carlos Javier Uribe Modelos de Colas 76 / 88

Coeficiente de variación al cuadrado

Si X ≥ 0 es una v.a. se define

Var (X )
cX2 =
(E[X ])2

cX2 es una medida de variabilidad adimensional

Muy útil a la hora de dar información estandarizada de la
variabilidad de un experimento aleatorio

Carlos Javier Uribe Modelos de Colas 77 / 88

Coeficiente de variación v.a. exponenciales

Sea X ∼ exp(λ), entonces

1 1
E[X ] = Var (X ) =
λ λ2
Esto implica
cX2 = 1

Carlos Javier Uribe Modelos de Colas 78 / 88

Definición de ca2 y c02

ca2 es el coeficiente de variación al cuadrado del tiempo entre

arribos
σ2
ca2 = 2a
ta
c02 es el coeficiente de variación al cuadrado del tiempo de
servicio
σ2
c02 = 20
t0

Carlos Javier Uribe Modelos de Colas 79 / 88

Una clasificación de los c02 y ca2

La variabilidad del tiempo de servicio se clasifica

I Si c0 ≤ 0.75 el servicio tiene variabilidad baja
I Si 0.75 < c0 ≤ 1.33 el servicio tiene variabilidad media
I Si c0 > 1.33 el servicio tiene variabilidad alta
La variabilidad del tiempo del tiempo entre arribos se clasifica
I Si ca ≤ 0.75 los arribos tiene variabilidad baja
I Si 0.75 < ca ≤ 1.33 los arribos tiene variabilidad media
I Si ca > 1.33 los arribos tiene variabilidad alta

Carlos Javier Uribe Modelos de Colas 80 / 88

Ejemplo

A una máquina en un proceso de manufactura llegan trabajos con

tiempos promedio entre arribos que se distribuyen Uniforme(5,25)
(minutos). Se ha estimado que a la máquina le toma en promedio 10
minutos procesar un trabajo, y que la varianza del tiempo de proceso
es 150 min2 . Suponiendo que la capacidad de la fila es ∞,
aproximadamente en estado estable ¿Cuánto se demora un trabajo en
fila?, ¿Cuántos trabajos hay en el sistema?

Carlos Javier Uribe Modelos de Colas 81 / 88

Aproximación de G/G/m

La aproximación para cuando hay m servidores en paralelo usa la

misma idea que Kingman y se conoce como la aproximación
Allen-Cunneen
Se tiene que
 c2 + c2 
a 0
CTq ' CTq (M/M/m)
2

Carlos Javier Uribe Modelos de Colas 82 / 88

Aproximación de G/G/m

Recuerde que

P[j ≥ m]u
CTq (M/M/m) = ta
1−u
como ta = t0 /(m · u) esto es lo mismo que

P[j ≥ s]
t0
m(1 − u)

Carlos Javier Uribe Modelos de Colas 83 / 88

Aproximación de G/G/m

Se concluye que
 c 2 + c 2  P[j ≥ m] 
a 0
CTq ' t0
2 m(1 − u)

P[j ≥ m] se puede aproximar como

√
P[j ≥ m] ' u 2(m+1)−1

Se concluye que
√
 c 2 + c 2  u 2(m+1)−1 
a 0
CTq ' t0
2 m(1 − u)

Carlos Javier Uribe Modelos de Colas 84 / 88

Ejemplo

Suponga que la máquina del ejemplo anterior fue reemplazada por 2

que funcionan en paralelo. Cada máquina gasta en promedio 25
minutos procesando un trabajo, con una varianza de 500min2 . Calcule
el tiempo promedio en fila, el número de trabajos en promedio en fila y
el tiempo total de un trabajo en el sistema.

Carlos Javier Uribe Modelos de Colas 85 / 88

Interpretación de la aproximación

Recuerde que
√
 c 2 + c 2  u 2(m+1)−1 
a 0
CTq ' t0
2 m(1 − u)

Se tiene que
CTq ' VUT
V : variabilidad, U :utilización, T :tiempo promedio servicio

Carlos Javier Uribe Modelos de Colas 86 / 88

Interpretación de la aproximación

El tiempo promedio en fila crece de manera lineal con respecto c02

y ca2
 c2 + c2 
V = a 0
2
El tiempo promedio en fila crece de manera no-lineal con
respecto a u √
 u 2(m+1)−1 
U=
m(1 − u)
El tiempo promedio en fila crece de manera lineal con respecto a
t0
T = t0

Carlos Javier Uribe Modelos de Colas 87 / 88

Bibliografía

COOPER, R. B. (1981). Introduction to queueing theory. 2nd

Editon. North Holland.
GROSS, D. (2008). Fundamentals of queueing theory. John Wiley
& Sons.
HOPP, W. J., & SPEARMAN, M. L. (2011). Factory physics.
Waveland Press
KULKARNI, V. G. (2011). Introduction to modeling and analysis of
stochastic systems. Springer.
WINSTON, W. (2004). Operations Research: Applications and
Algorithms. Thomson

Carlos Javier Uribe Modelos de Colas 88 / 88