Unidad2 PDF

UNIDAD II
MODELOS DE SIMULACIÓN
INVESTIGACIÓN DE
OPERACIONES II
Tema: Modelos de simulación
Introducción:
La simulación es un medio mediante el cual tanto nuevos procesos como procesos ya existentes
pueden proyectarse, evaluarse y contemplarse sin correr el riesgo asociado a experiencias llevadas
a cabo en un sistema real. Es decir, permite a las organizaciones estudiar sus procesos desde una
perspectiva sistemática procurando una mejor comprensión de la causa y efecto entre ellos además
de permitir una mejor predicción de ciertas situaciones. La teoría de la simulación permite valorar,
replantear y medir, por ejemplo, la satisfacción del cliente ante un nuevo proceso, la utilización de
recursos en el nuevo proceso o incluso el tiempo para minimizarle. Todas estas posibilidades hacen
de la simulación un instrumento ideal para un esfuerzo de replanteamiento de la empresa.
1. Estructura de un modelo de simulación.

La simulación es un proceso que consiste en desarrollar un modelo (estructura lógica), poniendo
especial énfasis en la descripción del sistema y a partir de un conjunto de datos de entrada y
factores operativos, que definen las interrelaciones entre los datos de entrada (variable de
proceso) y otros componentes, describe el comportamiento del sistema que se quiere simular.
 El ingreso es un conjunto de datos de entrada obtenidos experimentalmente. Ejemplo:

Arribo de clientes, cantidad de servicios, entre otros.
 Una estructura lógica que permite correlacionar las variables de entrada y los factores
operativos. Ejemplo: Distribución de probabilidad de espaciamiento de arribos y servicios.
 La salida tiene la forma de DESCRIPCIÓN DEL COMPORTAMIENTO DEL SISTEMA.

Ejemplo: Comportamiento de la línea de espera.
Comparemos los métodos de simulación y los analíticos en el proceso de solución de

modelos:
Ing. Jorge
Profesor: Cassi (2017)[3972864] Lectura 7. “Modelos de Simulación”. UES21 en alianza con Ilumno
H.Jo
Ing.
PROBLEMA
Modelos Teóricos Modelos de Simulación

(enfoque analítico) (enfoque simulativo)
Construcción de un Recopilación de datos de entrada

modelo matemático
Definir interrelaciones entre los datos
Elaboración del algoritmo (variables y factores operativos)
matemático
Elaborar la estructura lógica de análisis
Obtener la solución matemática
Generar la simulación
Búsqueda de la optimización
de solución del modelo
Describir el funcionamiento del sistema
SOLUCIÓN DEL PROBLEMA Rutina de búsqueda
Ing. Jorge
Profesor: Cassi (2017)[3972864] Lectura 7. “Modelos de Simulación”. UES21 en alianza con Ilumno
H.Jo
Ing.
2. Método de Monte Carlo.
El origen de los métodos modernos de simulación proviene de lo que se conoce como

MUESTREO MONTE CARLO (J. Von Newmann, durante la Segunda Guerra Mundial). Se utilizó
para la planificación financiera, valuación de seguros, modelos de inventarios, entre otros.
El método consiste en un proceso que permite “generar” valores aleatorios de una variable a
partir de un conjunto de datos de entrada.
Monte Carlo se utiliza para variables discretas en el caso de ser una variable continúa, como el
tiempo, se debe “discretisar” la variable. Por otra parte, este método no tiene en cuenta la
estadística a la cual obedece la variable continua, simplemente porque es un método para
variable discreta.
¿En qué consiste el Método de Monte Carlo?
1) Comienza con un conjunto de datos experimentales de entrada y sus probabilidades

de ocurrencias. Ejemplo: el problema es determinar (simular) las toneladas de basura
que se recogen en un día específico en una ciudad a partir de un conjunto de datos
experimentales:
Cantidad de toneladas Probabilidad Asociada

Datos de 10 Tn 0,1
entrada 20 Tn 0,22
30 Tn 0,25
40 Tn 0,20
50 Tn 0,12
60 Tn 0,07
70 Tn 0,04
2) Para iniciar el proceso de simulación, se elabora una distribución de probabilidades

acumuladas de la variable de entrada:
Cantidad de toneladas de basura a recoger:
Cantidad de toneladas Probabilidad Acumulada

Tn1: 10 Tn 0,10 Pac(Tn≤10)
Tn2: 20 Tn 0,32 Pac(Tn≤20)
Tn3: 30 Tn 0,57 Pac(Tn≤30)
Tn4: 40 Tn 0,77 Pac(Tn≤40)
Tn5: 50 Tn 0,89 Pac(Tn≤50)
Tn6: 60 Tn 0,96 Pac(Tn≤60)
Tn7: 70 Tn 1,00 Pac(Tn≤70)
Ing. Jorge H. Cassi (2017)[3972864] Lectura 7. “Modelos de Simulación”. UES21 en alianza con Ilumno
3) Dado que para cualquier distribución de probabilidades acumuladas, los valores de
ésta se hallan entre 0 y 1, es posible generar una ocurrencia aleatoria de la variable y
definir intervalos.
4) A partir de una secuencia arbitraria de números aleatorios que varían entre 0 y 1,

puedo identificar el intervalo donde se ubica el número azaroso (aleatorio).
Para este ejemplo supondremos que los números de casos de estudios son 10.000, por este
motivo los intervalos varían entre 0,0000 y 0,9999
Cantidad de toneladas Probabilidad Acumulada Intervalo de Números

Pac(Tn≤ Tni) aleatorios asociados
Tn1: 10 Tn 0,10 [0,0000; 0,0999]
Tn2: 20 Tn 0,32 [0,1000; 0,3199]
Tn3: 30 Tn 0,57 [0,3200; 0,5699]
Tn4: 40 Tn 0,77 [0,5700; 0,7699]
Tn5: 50 Tn 0,89 [0,7700; 0,8899]
Tn6: 60 Tn 0,96 [0,8900; 0,9599]
Tn7: 70 Tn 1,00 [0,9600; 0,9999]
5) Se supone una serie de números “AT RANDOM”, arbitraria y se realiza la generación

de datos de entrada para iniciar el proceso de simulación:
Número al azar Entradas generadas

0,8416 → Se recogerán 50 Tn o menos
3. Simulación de distribuciones por generadores de proceso.

La simulación de distribuciones por generadores de proceso es un procedimiento para generar
números aleatorios de observaciones muestrales que correspondan a una distribución
probabilista conocida, como por ejemplo, la distribución uniforme y exponencial negativa;
distribuciones objeto de estudio de esta materia.
El procedimiento para generar las observaciones muestrales de una distribución específica de

probabilidad se denomina generado de proceso.
3.1. Simulación de distribuciones continúas.
El método de simulación de Monte Carlo se utiliza para simular cuando estamos en presencia de
variables discretas, aunque se puede aplicar a variables continúas, esto se logra "discretisando"
la variable, por ejemplo, el tiempo es una variable continúa pero se puede "discretisar" para su
estudio. De esta manera podemos decir que los tiempos de servicios se producen en promedio
cada 5, 10 y 15 minutos.
Aunque esto se pueda realizar, no es lo más correcto ya que la variable tiempo, al ser
continúa, los tiempos de servicios pueden producirse en un intervalo que va entre los 5 y 15
minutos, es decir para este último caso nos podemos hacer la pregunta, si en el servicio una
unidad puede estar más de 7,5 minutos, en cambio si utilizamos variables discretas como las
antes mencionadas (5, 10 y 15 minutos) para el estudio a través de la simulación de Monte Carlo,
esta pregunta no tendría respuesta por no estar contemplada la variable tiempo de 7,5 minutos.
Resumiendo, usted se estará preguntando ¿cuál es la diferencia de simular por el Método de

Monte Carlo o por los generadores de proceso?
La respuesta es la siguiente:
Monte Carlo emplea para variables discretas, en el caso de ser una variable continúa, como el
tiempo, se debe “discretisar”.
El método de Monte Carlo no tiene en cuenta la estadística a la cual obedece la variable

continua. Esto implica que debemos generar densidades de distribución y probabilidades
acumuladas de ocurrencia de que la variable continua se produzca en un intervalo, que debe ser
obtenido por integración y no como una sumatoria.
A los efectos de simular un proceso gobernado por variables continuas, se debe analizar la
construcción de los generadores de procesos de variables aleatorias continuas a partir del
método de la Transformación Inversa.
- 11 -
Teoría de colas
1ª Ley de Harper
No importa en qué cola se sitúe: la otra siempre avanzará más rápido
2ª Ley de Harper
Y si se cambia de cola, aquélla en que estaba al principio empezará a ir más

deprisa
1. Introducción y casos de aplicación

Su origen se enmarca en los estudios realizados por A. K. Erlang (Dinamarca,
1905) estudiando el problema de dimensionamiento de líneas y centrales de conmutación
telefónica para el servicio de llamadas.
Las líneas de espera, filas de espera o colas, son realidades cotidianas:
Personas esperando para realizar sus operaciones en una ventanilla del banco,
Estudiantes esperando por realizar copias en la fotocopiadora o pagar la cuota de la
universidad, vehículos esperando la inspección vehicular o pagar en el peaje o continuar
su camino ante un semáforo en rojo, máquinas dañadas esperando ser reparadas.
Los análisis de colas ayudan a comprender el comportamiento de estos

sistemas de servicio (la atención de las cajeras de un banco, actividades de reparación
y mantenimiento de equipos y maquinarias, el control de las operaciones en planta
manufactureras, etc.).
Desde la perspectiva de la Investigación de Operaciones, los pacientes que

esperan ser atendidos por el médico, odontólogo o las cortadoras dañadas esperando
ser reparadas, tienen mucho en común. Ambos –personas y máquinas- demandan de
recursos humanos y recursos materiales como equipos para que se los cure o se los
haga funcionar nuevamente.
2. Definiciones características y suposiciones

Una cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de línea de espera particulares o sistemas de
colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema
y los tiempos promedio de la línea de espera para un sistema dado.
Los sistemas de colas son modelos de sistemas que proporcionan servicio.

Como modelo, pueden representar cualquier sistema en donde los trabajos o clientes
llegan buscando un servicio de algún tipo y salen después de que dicho servicio haya
sido atendido. Podemos modelar los sistemas de este tipo tanto como colas sencillas o
como un sistema de colas interconectadas formando una red de colas.
Bernardo Latorre (2015)[6018051] Módulo 1. “Teoría de Filas de Espera”. UA en alianza con Ilumno
La teoría de colas es el estudio matemático del comportamiento de líneas de
espera. Esta se presenta, cuando los “clientes” llegan a un “lugar” demandando un
servicio a un “servidor”, el cual tiene una cierta capacidad de atención. Si el servidor no
está disponible inmediatamente y el cliente decide esperar, entonces se forma la línea
de espera.
A lo largo del tiempo se producen llegadas de clientes a la cola de un sistema

desde una determinada fuente demandando un servicio. Los servidores del sistema
seleccionan miembros de la cola según una regla predefinida denominada disciplina de
la cola. Cuando un cliente seleccionado termina de recibir su servicio (tras un tiempo de
servicio) abandona el sistema, pudiendo o no unirse de nuevo a la fuente de llegadas.
Fuente:
Recibe el nombre de fuente el dispositivo del que emanan las unidades que
piden un servicio. Si el número de unidades potenciales es finito, se dice que la fuente
es finita; en caso contrario se dice que es infinita.
Cuando la fuente es finita se suele asumir que la probabilidad de que se produzca

una llegada en un intervalo de tiempo es proporcional al tamaño de la fuente en ese
instante. En general, nos restringiremos al estudio de sistemas de colas con fuentes
infinitas.
Tiempo entre llegadas
Existen dos clases básicas de tiempo entre llegadas:
Determinístico, en el cual clientes sucesivos llegan en un mismo intervalo de

tiempo, fijo y conocido. Un ejemplo clásico es el de una línea de ensamble, en donde los
artículos llegan a una estación en intervalos invariables de tiempo.
Probabilístico, en el cual el tiempo entre llegadas sucesivas es incierto y variable.
Los tiempos entre llegadas probabilísticos se describen mediante una distribución de
probabilidad.
Mecanismos de servicio
Se llama capacidad del servicio al número de clientes que pueden ser servidos
simultáneamente. Si la capacidad es uno, se dice que hay un solo servidor (o que el
sistema es monocanal) y si hay más de un servidor, multicanal. El tiempo que el servidor
necesita para atender la demanda de un cliente (tiempo de servicio) puede ser constante
o aleatorio.
Disciplina de la cola
En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con

uno de los siguientes criterios (prioridades):
• El que llegó antes.
• El que llegó el último.
• El que menos tiempo de servicio requiere.
• El que más requiere.
Supuestos
El modelo simple de teoría de colas que se ha definido, se basa en las siguientes

suposiciones:
a) Un solo prestador del servicio y una sola fase.
b) Distribución de llegadas de poisson donde l = tasa de promedio de llegadas.
c) Tiempo de servicio exponencial en donde m = tasa de promedio del servicio.
d) Disciplina de colas de servicio primero a quien llega primero; todas las llegadas
esperan en línea hasta que se les da servicio y existe la posibilidad de una longitud
infinita en la cola.
3. Terminología y notación
Características operativas.- Medidas de desempeño para una línea de espera
que incluyen la probabilidad de que no haya unidades en el sistema, la cantidad promedio
en la línea, el tiempo de espera promedio, etc.
Operación de estado estable.- Operación normal de la línea de espera después

de que ha pasado por un periodo inicial o transitorio. Las características operativas de
las líneas de espera se calculan para condiciones de estado estable.
Tasa media de llegada.- Cantidad promedio de clientes o unidades que llegan
en un periodo dado.
Tasa media de servicio.- Cantidad promedio de clientes o unidades que puede

atender una instalación de servicio en un periodo dado.
Línea de espera de canales múltiples.- Línea de espera con dos o más

instalaciones de servicio paralelas.
Bloqueado.- Cuando las unidades que llegan no pueden entrar a la línea de

espera debido a que el sistema está lleno. Las unidades bloqueadas pueden ocurrir
cuando no se permiten las líneas de espera o cuando las líneas de espera tienen una
capacidad finita.
Población infinita.- Población de clientes o unidades que pueden buscar

servicio, no tiene un límite superior especificado.
Población finita.- Población de clientes o unidades que pueden buscar servicio,

tiene un valor fijo y finito.
Usualmente siempre es común utilizar la siguiente terminología estándar:
P = Probabilidad de que no haya clientes en el sistema.
Lq= Número de clientes promedio en una línea de espera.
L o L = Número de clientes promedio en el sistema (Clientes en cola y clientes

que están siendo atendidos).
Wq= Tiempo promedio que un cliente pasa en la línea de espera.
W o W = Tiempo total promedio que un cliente pasa en el sistema.
Pn= Probabilidad de que haya n clientes en el sistema.
Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio.
Todas estas características operativas de estado estable se obtienen mediante
fórmulas que dependen del tipo de modelo de línea de espera que se esté manejando.
Para calcular estas, se necesitan los siguientes datos:
λ= la cantidad promedio de llegadas por periodo (la tasa media de llegadas).
μ= la cantidad promedio de servicios por periodo (la tasa media de servicio).
4. Proceso de nacimiento y muerte. Modelos Poisson

La mayor parte de los modelos elementales de colas suponen que las entradas
(llegada de clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo
al proceso de nacimiento y muerte. Este importante proceso de teoría de probabilidad
tiene aplicaciones en varias áreas. Sin embrago en el contexto de la teoría de colas,
el termino nacimiento se refiere a llegada de un nuevo cliente al sistema de colas y el
termino muerte se refiere a la salida del cliente servido. El estado del sistema en el tiempo
t (t 0), denotado por N (t), es el número de clientes que hay en el sistema de colas en el
tiempo t. El proceso de nacimiento y muerte describe en términos probabilísticos como
cambia N (t) al aumentar t. En general, dice que los nacimientos y muertes individuales
ocurren aleatoriamente, en donde sus tasas medias de ocurrencia dependen del estado
actual del sistema. De manera más precisa, las suposiciones del proceso de nacimiento
y muerte son las siguientes:
SUPOSICIÓN 1. Dado N (t) = n, la distribución de probabilidad actual del

tiempo que falta para el próximo nacimiento (llegada) es exponencial con parámetro
(n=0,1,2,….).
SUPOSICIÓN 2. Dado N (t) = n, la distribución de probabilidad actual del tiempo

que falta para la próxima muerte (terminación de servicio) es exponencial con parámetro
(n=1,2,….).
SUPOSICIÓN 3. La variable aleatoria de la suposición 1 (el tiempo que falta

hasta el próximo nacimiento) y la variable aleatoria de la suposición 2 (el tiempo que
falta hasta la siguiente muerte) son mutuamente independientes.
Excepto por algunos casos especiales, el análisis del proceso de nacimiento y

muerte es complicado cuando el sistema se encuentra en condición transitoria. Se han
obtenido algunos resultados sobre esta distribución de probabilidad de N (t) pero son
muy complicados para tener un buen uso práctico.
Por otro lado, es bastante directo derivar esta distribución después de que el
sistema ha alcanzado la condición de estado estable (en caso de que pueda alcanzarla).
Distribución de llegadas
Definir el proceso de llegada para una línea de espera implica determinar la

distribución de probabilidad para la cantidad de llegadas en un periodo dado. Para muchas
situaciones de línea de espera, cada llegada ocurre aleatoria e independientemente de
otras llegadas y no podemos predecir cuándo ocurrirá. En tales casos, los analistas
cuantitativos has encontrado que la distribución de probabilidad de Poisson proporciona
una buena descripción del patrón de llegadas.
La función de probabilidad de Poisson proporciona la probabilidad de x llegadas

en un periodo específico. La función de probabilidad es como sigue:
Nomenclatura Kendall
Para describir un sistema de colas se emplea la notación de Kendall, que consiste
en un grupo de letras y números de la forma:
A/B/C/m/d
donde cada uno de los dígitos tiene el siguiente significado:
A designa el proceso de llegadas; más concretamente, describe el tipo de

distribución del tiempo entre llegadas. Si este proceso es markoviano de tipo Poisson-
exponencial, en este lugar se colocará la letra M. Si el proceso es determinístico, se
colocará la letra D y la letra G si las llegadas son de otro tipo.
B designa el proceso de servicio; es decir, describe la distribución del tiempo de

servicio y, por tanto, de las salidas del sistema. Se colocará la letra M si este proceso es
markoviano, D si es determinístico y G si es de otro tipo. En todos los casos supondremos
que la duración del tiempo de servicio es independiente de la distribución de las llegadas.
C número de canales de servicio o número de servidores.
m número máximo de usuarios simultáneos que se admiten en el sistema. Si esta

capacidad es infinita, se omite.
d disciplina de la cola, es decir, proceso de decisión de cuál de los usuarios en

espera va a pasar a recibir servicio, tal y como se describió en la página 3. Por omisión
se considera una cola tipo FIFO.
5. Un servidor, cola infinita, fuente infinita
Nomenclatura Kendall: M/M/1/∞

Las fórmulas que pueden usarse para determinar las características operativas
de estado estable para una línea de espera de un solo canal se citarán más adelante.
Las fórmulas son aplicables si las llegadas siguen una distribución de probabilidad de
Poisson y los tiempos de servicio siguen una distribución de probabilidad exponencial.
Mostramos como pueden usarse las fórmulas para determinar las características
de operación de un sistema de un servidor, cola infinita y fuente infinita, y por tanto,
proporcionarle a la administración, información útil para la toma de decisiones.
La metodología matemática usada para derivar las fórmulas para las

características operativas de las líneas de espera es bastante compleja. Sin embargo, el
propósito no es proporcionar el desarrollo teórico de estos modelos, sino mostrar como
las fórmulas que se han elaborado puede dar información acerca de las características
operativas de la línea de espera.
Características operativas
Las fórmulas siguientes pueden usarse para calcular las características

operativas de estado estable para una línea de espera de un solo canal con llegadas de
Poisson y tiempos de servicio exponenciales, donde:
μ= la cantidad promedio de servicios por periodo (la tasa media de servicio).
C o S= número o cantidad de servidores (en este caso C o S = 1).
Lq= Número de clientes promedio en una línea de espera.
L o Ls= Número de clientes promedio en el sistema (Clientes en cola y clientes
que están siendo atendidos).
W o W = Tiempo total promedio que un cliente pasa en el sistema.

s
Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio.
Caso resuelto:
Frente a una ventanilla del Banco Estatal se presentan 560 personas diarias
(jornada de 8 horas); el cajero puede dar servicio a 100 personas como promedio por
hora. Con la hipótesis de llegadas Poissonianas y servicios exponenciales.
Se le pide:
a) el número promedio de personas en el sistema,

b) la cantidad promedio de clientes en la cola,
c) el tiempo promedio que permanece una persona en el sistema,
d) el tiempo promedio de un cliente en la fila,
e) el tiempo promedio que tarda un servicio,
f) el factor promedio de utilización del sistema,
g) la probabilidad que haya 3 clientes en el sistema,
h) la probabilidad que existan 4 personas en la fila y en el sitio.
Datos:
C = S = 1 servidor
λ = 560/8 = 70 clientes/hora (llegan a solicitar servicio)
µ = 100 clientes/hora (capacidad de servicio)
ρ = λ/µ = 0,7 o 70%
m = ∞ (número de potenciales clientes)
Condición a cumplir: ρ ˂ 1 (cumple). Se puede optimizar
a) el número promedio de personas en el sistema,

Ls = 1,633 + (70/100) = 2,33 clientes en promedio
b) la cantidad promedio de clientes en la cola,

Lq = 702/100(100-70) = 1, 633 clientes en promedio
c) el tiempo promedio que permanece una persona en el sistema,

Ts = 0,0233 + (1/100) = 0,033 horas
d) el tiempo promedio de un cliente en la fila,

Tq = 1,633/70 = 0,0233 horas
e) el tiempo promedio que tarda un servicio,

1/µ = 1/100 = 0,01 horas o 0,6 minutos o 36 segundos
f) el factor promedio de utilización del sistema,

ρ = (λ/C.µ) = 70/(1*100) = 0,7 o 70%
g) la probabilidad que haya 3 clientes en el sistema,
Pn = P3 = (70/100)3 * P0,
donde P0 = 1- (70/100) = 0,3 Pn = P3 = (70/100)3 * 0,3 = 0,1029 0 10,29%
h) la probabilidad que existan 4 personas en la fila y en el sitio
P5 = (70/100)5 * 0,3 =0,0504 0 5,04% (ya que estarán 4 personas en la fila +

1 recibiendo servicio).
P4 = (70/100)4 * 0,3 =0,0720 0 7,20% (ya que estarán 3 personas en la fila +

1 recibiendo servicio).
Resolución por POM FOR WINDOWS

Entrar en el programa en el Módulo Waiting lines y abrir un nuevo archivo:
Donde:
• Number of Servers: número de servidores.

• Service Rate (per server per hour): tasa de servicio (por cada servidor/promedio).
• Customer arrival (per hour): tasa de llegada de clientes por hora.
Results + Probability Summary
6. Un servidor, fuente finita, cola finita
Nomenclatura Kendall: M/M/1/K

Para los modelos de línea de espera introducidos hasta ahora, la población de
unidades o clientes que llegan para servicio se han considerado ilimitadas. En términos
técnicos, cuando no se pone límite respecto a cuantas unidades pueden buscar servicio,
se dice que el modelo tiene una población infinita. Bajo esta suposición, la tasa media
de llegada λ permanece constante sin importar cuantas unidades hay en el sistema de
línea de espera. Esta suposición de una población infinita se hace en la mayoría de los
modelos de línea de espera.
En otros casos, se asume que la cantidad máxima de unidades o clientes que

pueden buscar servicio es finita. En esta situación, la tasa media de llegada para el
sistema cambia, dependiendo de la cantidad de unidades en la línea de espera y se
dice que el modelo de línea de espera tiene una población finita. Las fórmulas para
las características operativas de los modelos de línea de espera anteriores deben
modificarse para explicar el efecto de la población finita.
El modelo de población finita que se expone en esta sección se basa en las

siguientes suposiciones.
1. Las llegadas para cada unidad siguen una distribución de probabilidad de

Poisson, con una tasa media de llegada λ.
2. Los tiempos de servicio siguen una distribución de probabilidad

exponencial, con una tasa media de servicio μ.
3. La población de unidades que pueden buscar servicio es finita.
Con un solo canal, el modelo de línea de espera se conoce como modelo M/M/1
con una población finita.
La tasa de llegada media para el modelo M/M/1 con una población finita se
define en función de cuan a menudo llega o busca servicio cada unidad.
Esta situación difiere de la de modelos de línea de espera anteriores en los que

λ denotaba la tasa media de llegada para el sistema. Con una población finita, la tasa
media de llegada para el sistema varia, dependiendo de la cantidad de unidades en el
sistema. En lugar de ajustar para la tasa de llegada del sistema cambiante, en el modelo
de población finita λ indica la tasa media de llegada para cada unidad.
Características operativas para, el modelo M/M/1/K con una población finita

de demandantes.
Las siguientes fórmulas se usan para determinar las características operativas

de estado estable para el modelo M/M/1 con una población finita, donde:
λ = la tasa media de llegada para cada unidad.
μ= la tasa media de servicio.
m = N = el tamaño de la población.
1. Probabilidad de que no haya unidades en el sistema:
2. Cantidad de unidades promedio en la línea de espera:
3. Cantidad promedio de unidades en el sistema:

4. Tiempo promedio que pasa una unidad en la línea de espera:
5. Tiempo promedio que pasa una unidad en el sistema:
6. Probabilidad de que una unidad que llega tenga que esperar por el servicio:
7. Probabilidad de n unidades en el sistema:
Caso resuelto:
La universidad dispone de 20 equipos de aire acondicionado, que son mantenidos

y reparados por un único técnico. Diariamente recibe un promedio de 5 solicitudes de
reparación. Al técnico le lleva 15 minutos en promedio terminar cada solicitud (trabaja
10 horas/día). Determine:
a) Parámetros del problema (C, λ, µ, ρ, m, Ls, Lq, Ts, Tq)

b) Probabilidad que el técnico esté ocioso
c) Probabilidad de encontrar 4 solicitudes sin ser atendidas
d) Probabilidad de encontrar 3 solicitudes en el taller
e) Probabilidad de encontrar menos de 7 solicitudes en el taller
Datos:
C = 1 (un solo servidor)

λ = 5 solicitudes/día
µ = 1 solicitud/15 min = 40 solicitudes/día
m = N = 20
ρ = 5/40 (cumple ρ ˂ 1)
SOLUCIÓN:
a) Probabilidad que el técnico esté ocioso
P0 = 0,0002 o 0,02%
b) Probabilidad de encontrar 4 solicitudes sin ser atendidas

P5 = 0,009 o 0,9% (4 esperando + 1 siendo atendida)
c) Probabilidad de encontrar 3 solicitudes en el taller

P3 = 0,0021 o 0,21%
d) Probabilidad de encontrar menos de 7 solicitudes en el taller

P0 + P 1 + P 2 + P 3 + P 4 + P 5+ P 6= 0,0341 o 3,41%
7. SERVIDORES MÚLTIPLES, COLA INFINITA,

FUENTE INFINITA
Nomenclatura Kendall: M/M/>1/∞

Una línea de espera con canales múltiples consiste en dos o más canales de
servicio que se supone son idénticos desde el punto de vista de su capacidad.
En el sistema de canales múltiples, las unidades que llegan esperan en una sola
línea y luego pasan al primer canal disponible para ser servidas.
La operación de un solo canal de Burger Dome puede expandirse a un sistema

de dos canales al abrir un segundo canal de servicio. La siguiente figura muestra un
diagrama de la línea de espera de dos canales de Burger Queen.
En esta sección presentamos fórmulas que pueden usarse para determinar las
características operativas de estado estable para una línea de espera de varios canales.
Estas fórmulas son aplicables si existen las siguientes condiciones.
1.- Las llegadas siguen una distribución de probabilidad de Poisson.
2.- Tiempo de servicio para cada canal sigue una distribución de probabilidad
exponencial.
3.- La tasa media de servicio μ es la misma para cada canal.
4.- Las llegadas esperan en una sola línea de espera y luego pasan al primer canal
disponible para el servicio.
Características Operativas
Pueden usarse las siguientes fórmulas para calcular las características operativas
de estado estable para líneas de espera con canales múltiples, donde:

μ= la tasa media de servicio para cada canal (o por servidor).
C o S= número o cantidad de servidores (en este caso C o S > 1).
Lq= Número de clientes promedio en una línea de espera
L o Ls= Número de clientes promedio en el sistema (Clientes en cola y clientes que

están siendo atendidos).
W o Ws= Tiempo total promedio que un cliente pasa en el sistema.
Pw= Probabilidad de que un cliente que llega tenga que esperar por el servicio
Obs.: reemplazar la K de las fórmulas por C
Debido a que μ es la tasa media de servicio para cada canal, Cμ es la tasa

media de servicio para el sistema de canales múltiples. Como sucedió con el modelo de
línea de espera de un solo canal, las fórmulas para las características operativas de las
líneas de espera con múltiples canales solo pueden aplicarse en situaciones donde la
tasa media de servicio para el sistema es mayor que la tasa media de llegadas; en otras
palabras, las fórmulas son aplicables solo si Cμ es mayor que λ.
Caso resuelto:
Una clínica canina tiene 3 veterinarios para vacunar perros. El número de perros
que llegan a la clínica sigue una distribución de Poisson con una tasa media de 12
por hora. El tiempo medio empleado en vacunar a cada perro es de 6 minutos (por
veterinario). Determinar:
a) Tasa de utilización
b) Tiempo medio de espera.
c) Tiempo medio de permanencia de los perros en la clínica.
d) Número medio de perros en la clínica.
e) Porcentaje de tiempo con la sala de vacunación vacía.
f) Probabilidad de que al menos un veterinario esté ocioso
g) Probabilidad de encontrar más de 4 perros en la clínica
Datos:
C = 3 (tres servidores)
λ = 12 perros/hora
µ = 3 x 10 = 30 perros/hora
ρ = 12/30 (cumple ρ ˂ 1)
m =∞
8. Servidores múltiples, servidores múltiples, fuente finita
Nomenclatura Kendall: M/M/>1/K
Este tipo de modelo es el M/M/c : DG/∞/∞, donde el límite del sistema es finito
igual a N; eso quiere decir que el tamaño máximo de la cola es N–c. Las tasas de
llegada y de servicio son λ y μ.
Las características operativas para este sistema se calculan como sigue:
P0= Probabilidad de que no haya clientes en el sistema
Lq = Número de clientes promedio en una línea de espera
L o Ls = Número de clientes promedio en el sistema (Clientes en cola y clientes que
están siendo atendidos).
Wq = Tiempo promedio que un cliente pasa en la línea de espera.
W o Ws = Tiempo total promedio que un cliente pasa en el sistema.
Cálculo de λef
No siempre la tasa de llegada (que llamaremos λnominal) ingresa al sistema

a aguardar y recibir el servicio solicitado; cuando el sistema se encuentra completo
(problemas con lugares de espera definido), parte del mismo ingresa al sitio y otra se
retira sin ingresar al mismo –denominaremos a esto λpérdida. Podemos decir entonces
que:
λnominal = λefectiva + λpérdida
λefectiva = λnominal - λpérdida,
siendo: λpérdida = λnominal x Pn (donde n representa al sistema totalmente ocupado)
Por lo que: λefectiva = (1- Pn) λnominal
Caso resuelto
Una empresa eléctrica dispone de 3 cuadrillas para atender el reclamo de 15

edificios. La central telefónica recibe 8 reclamos/día; cada cuadrilla tiene la capacidad
de atender 15 reclamos/día. El sistema sigue un comportamiento exponencial.
Se le pide que determine:
a) Tiempo medio de espera para recibir servicio.

b) Tiempo medio de permanencia de fuera de servicio
c) Número medio de reclamos esperando ser atendidos
d) Probabilidad de que al menos una cuadrilla esté ociosa
e) Probabilidad de encontrar menos de 8 edificios sin servicio
f) Lambda efectiva λef
DATOS:
• C = 3 (tres cuadrillas o servidores)

• λ = 8 reclamos/día
• µ = 3 x 15 = 45 reclamos/día
• ρ = 8/45 (cumple ρ ˂ 1)
• m = k = 15 edificios
g) Cálculo de landa efectiva:
λef = (1 – Pn)* λnominal

λef = (1 – P15)* 8
λef = (1 – 0,0036)*8
λef = (1 – 0,0036)*8
λef = 7,9712 reclamos/día ingresan a ser resueltos
λpérdida = 0,0288 reclamos/día no ingresan a ser resueltos
CÁLCULO DE LA CANTIDAD ÓPTIMA DE SERVIDORES (en

función a Costos Directos)
Muchas veces debemos definir la cantidad óptima de servidores en función a costos.
Un ejemplo sencillo es analizando sobre costos de mano de obra (contratar 1, 2,… n
cajeros), disminución de los ingresos no obtenidos por máquinas paradas, etc..
Supongamos la siguiente situación: se debe decidir si contratamos uno, dos o más

técnicos para mantener en funcionamiento una cantidad de tragamonedas (en el caso
de un casino), de máquinas expendedoras de combustible (estación de servicios),
expendedoras de café/snacks, etc..
El costo a analizar sería, en cualquiera de los casos que se citó en el párrafo anterior:
Ct = Cantidad de Operarios contratados x costo de la mano de obra/hora + Número de
máquinas fuera de servicio/hora x ingresos no obtenidos por fuera de servicio/hora
Ct = N° Mano de obra x Costo$/hora + ¿?? X Costo$ fuera servicio/hora
Ahora: cuáles son las máquinas (¿??) que están fuera que no generan ingresos?. Las
que esperan ser reparadas? O el total de máquinas que están esperando ser reparadas
más las que están siendo reparadas?
El costo total Ct analizado es un costo marginal, formado por dos curvas que se
combinan. A medida que contratamos más mano de obra, el costo total de ésta (Cm)
se incrementa; pero a medida que se tienen más técnicos/servidores para reparación/
atención, menos tiempo en promedio están las máquinas/clientes fuera de servicio/en
el sitio, por lo que los costos de éstas (Cmp) disminuyen. El punto óptimo (Costo total
menor) es el punto (*) del gráfico.
Problemas propuestos
Ejercicio 01: Frente a una ventanilla del Banco de Fomento se presentan 640
personas diarias (jornada de 8 horas); el cajero puede dar servicio a 90 personas como
promedio por hora. Con la hipótesis de llegadas Poissonianas y servicios exponenciales,
encontrar:
1. El factor promedio de utilización del sistema,

2. el tiempo ocioso promedio en el sistema,
3. la probabilidad que haya 3 clientes en el sistema,
4. el número promedio de personas en el sistema,
5. la cantidad promedio de clientes en la cola,
6. el tiempo promedio que permanece una persona en el sistema,
7. el tiempo promedio de un cliente en la fila,
8. el tiempo promedio que tarda un servicio,
9. la probabilidad que existan 4 personas en la fila y en el sitio.
Ejercicio 02: La ventanilla de un banco realiza las transacciones en un tiempo

medio de 2 minutos. Los clientes llegan a la ventanilla con una tasa de 20 clientes por
hora. Si se supone que las llegadas son de Poisson y los servicios exponenciales, se
pide:
a) Porcentaje de tiempo en que el cajero está ocioso.

b) Tiempo medio de estancia de los clientes en la cola.
c) Fracción de clientes que deben esperar (Lq/Ls).
Ejercicio 03: El Departamento de Atención al Cliente de un Banco ha decidido

instalar un cajero automatizado de atención a automovilistas para las personas que
deseen hacer un solo depósito; el fabricante le ha informado al Banco que en estos
casos el tiempo de servicio promedio de 7,5 minutos. Para determinar las características
de operación de este nuevo sistema se han evaluado las llegadas de los automóviles y
se ha encontrado que se comportan en forma de distribución Poisson a una llegada de
5 automóviles/hora.
a) Encontrar los parámetros del sistema
Ejercicio 04: Una tienda de alimentación es atendida por una persona. La

llegada de clientes los sábados es un proceso de Poisson con una tasa de 10 personas
por hora y los clientes son atendidos según una política FIFO con un tiempo medio de
servicio de 4 minutos. Se pide:
a) Probabilidad de que haya cola.

b) Longitud media de la cola.
c) Tiempo medio de espera en cola.
Ejercicio 05: Una sucursal bancaria tiene dos cajas igualmente eficientes,
capaces de atender un promedio de 60 operaciones por hora con tiempos reales de
servicio que se observan exponenciales. Los clientes llegan con una tasa de 100 por
hora. Determinar:
a) Probabilidad de que haya más de 3 usuarios simultáneamente en el

banco.
b) Probabilidad de que alguno de los cajeros esté ocioso.
Ejercicio 06: A un taller llegan los pedidos de reparaciones en forma de

distribución Poisson a un promedio de 4 clientes / hora. El operario que los inspecciona
para diagnosticar las reparaciones a hacer efectúa dicha actividad en una forma normal;
en promedio tal inspección le toma 6 minutos. Realizando la evaluación de tiempos y
movimientos se encontró que el tiempo de servicio normalmente distribuido tiene una
desviacion2 = ,125.
a) Calcular las características de operación del sistema
Ejercicio 07: Al Taller El Recambio para cambio de aceite, los autos llegan a
un promedio de 18 carros por hora en forma Poisson. La población es infinita pero el
espacio físico en el sistema alcanza solamente para 3 vehículos; puede servir a un
promedio de 6 carros por hora de acuerdo a una distribución exponencial.
a) Calcular las características de operación del sistema
Ejercicio 08: Una oficina estatal de transportes tiene 3 equipos de investigación

de seguridad vial cuyo trabajo consiste en analizar las condiciones de las carreteras
cuando se produce un accidente mortal. Los equipos son igualmente eficientes y cada
uno destina un promedio de 2 días a investigar y realizar el informe correspondiente en
cada caso, con un tiempo real aparentemente exponencial. El número de accidentes
mortales en carretera sigue una distribución de Poisson con tasa media de 300
accidentes por año. Determínese:
a) Número medio de accidentes cuya investigación no ha comenzado.

b) Tiempo medio desde que se produce un accidente hasta que se empieza a
investigar.
c) Tiempo medio desde que se produce un accidente hasta que finaliza la
investigación.
d) Número medio de accidentes cuya investigación aún no ha terminado.
Ejercicio 09: Una clínica canina tiene 5 veterinarios para vacunar perros. El
número de perros que llegan a la clínica sigue una distribución de Poisson con una
tasa media de 20 por hora. El tiempo medio empleado en vacunar a cada perro es de 2
minutos. Determinar:
a) Porcentaje de tiempo con la sala de vacunación vacía.

b) Tiempo medio de espera.
c) Tiempo medio de permanencia de los perros en la clínica.
d) Número medio de perros en la clínica.
Ejercicio 10: En un taller caben seis máquinas que son reparadas por dos
mecánicos. Las máquinas llegan al taller como promedio una vez cada tres horas y el
tiempo medio de reparación es de 45 minutos.
¿Cuál es el número medio de máquinas estropeadas en el taller?
Ejercicio 11: El banco de Sumatra quiere implementar el sistema de atención

al cliente tipo Automac; por lo que en forma experimental ha introducido un cajero para
esta tarea. De promedio se sabe que llegan 10 clientes por hora, el tiempo de atención
al cliente es de 5 minutos c/u de promedio. El espacio posterior al que está recibiendo
servicio alcanza para 4 vehículos más.
Calcule:
• ¿Cuál es la probabilidad que vehículo que llegue pueda ocupar uno de los
lugares citados?
• ¿Cuál es la probabilidad de que un auto que llega espere fuera del espacio
designado de tres autos?
• Un cliente que llega, ¿cuánto tiempo supone que esperará antes de iniciar el
servicio?
Ejercicio 12: Un alumno de la universidad hace trabajos para complementar su

ingreso. Las solicitudes de trabajo llegan cada 5 días en promedio, pero el tiempo entre
solicitudes es exponencial. El tiempo para terminar un trabajo también es exponencial
con media 4 días.
Responda:
• ¿Cuál es la probabilidad que el alumno quede sin trabajo?

• Si el alumno obtiene de 50$ x trabajo: ¿cuál es su ingreso mensual promedio?
• Si al final del semestre, el alumno decide subcontratar los trabajos pendientes a
40$ cada uno; ¿cuánto, en promedio, deberá pagar?
Ejercicio 13: La empresa opera un taller que contiene 22 máquinas. Se sabe

que cada máquina se avería cada dos horas, en promedio. Se requiere un promedio de
12 minutos para terminar una reparación. Tanto el tiempo entre averías como el tiempo
de reparación siguen una distribución exponencial. Esta empresa está interesada
en determinar el número de mecánicos necesarios para mantener continuamente
funcionando el taller.-
Ejercicio 14: A una impresora le llegan trabajos para imprimir con una tasa de
8 al minuto, siguiendo las llegadas un proceso de Poisson. El tiempo de impresión es
exponencial de media 5 segundos. Esta impresora almacena los trabajos que le llegan
en un buffer con capacidad para 3 mensajes. Suponer que la memoria de la impresora
es suficiente como para almacenar en ella todo el trabajo que está siendo impreso.
Calcular:
a) Probabilidad de que un mensaje llegue directamente a la impresora sin

tener que esperar cola.
b) Probabilidad de que en este sistema de impresión haya menos de tres
trabajos esperando a ser impresos.
c) Número medio de trabajos en el sistema de impresión.
d) Tiempo medio de espera en el buffer de un trabajo hasta que pasa a la
impresora.
e) Probabilidad de que se pierda un mensaje que llega al sistema para ser
impreso.
Ejercicio 15: Una máquina está formada por tres componentes que funcionan
independientemente. Cada componente necesita un reajuste para su correcto
funcionamiento una vez cada cuatro días, en media. Este reajuste se lleva a cabo por
un técnico que tarda, en media, medio día en poner a punto cada componente. Se
supone que tanto los tiempos entre llegadas al sistema de reparación como los tiempos
de servicio son exponenciales.
Obtener:
a) λ y µ.
b) ¿Qué porcentaje de tiempo está el técnico sin trabajar?.
c) Calcular el número medio de componentes que hay en este sistema de
reparación.
d) Obtener el número medio de llegadas al sistema de reparación por día
(tasa global de llegadas).
e) Calcular el tiempo medio de estancia de cada componente en la cola de
reparación.
Ejercicio 16: En un sistema de consultas on-line que atiende una determinada

región geográfica, llegan en promedio 15 consultas por hora, siguiendo este número de
llegadas un proceso de Poisson. El tiempo que tarda el ordenador en responder a una
consulta, fluctúa de manera aleatoria siguiendo una distribución exponencial de media
3 minutos.
a) ¿Qué porcentaje de tiempo estará el ordenador sin utilizar?

b) ¿Cuánto deberán esperar, en promedio, las consultas antes de ser
atendidas?
c) ¿Cuál será, en promedio, el número de consultas que estarán en la cola
esperando a ser atendidas?
Ejercicio 17: Se desea contratar a un operario permanente para reparar

máquinas de contabilidad de una casa que se dedica a proveer servicios de copias. Se
estima que una máquina de escribir descompuesta, perjudica a la casa a razón de $12
la hora de paro. Actualmente se depende de un servicio de reparaciones que tarda en
ser avisado, llegar y repara, 2 horas (en promedio) por máquina. El costo es de $200
por mes. La casa posee 20 máquinas, presentándose fallas a razón de 1/3 máquinas
por hora. Al decidirse un cambio de sistemas de reparaciones se puede optar entre el
operario A capaz de arreglar 4 máquinas por hora y que pide un sueldo de $400 por mes,
y el operario B, que puede arreglar 6 máquinas por hora con un sueldo de $800 por mes.
Analizar si conviene el cambio del sistema y en caso afirmativo elegir el operario.
Tomar el mes de trabajo de 2000 horas.
Tratar el problema como cola infinita.
Ejercicio 18: Un sistema con un único canal posee un servicio cuya velocidad
se desea calcular, sabiendo que el número de clientes que pueden encontrarse
simultáneamente en el sistema es de 3, respondiendo los arribos a una ley de Poisson,
de media 15 clientes por hora. El costo de prestar el servicio es de $ 300 por cliente y se
le cobra $1000 por cliente. Calcular ganancias.
Ejercicio 19: Se desea proyectar el tamaño de la playa de estacionamiento de

una estación de servicio, dónde deben guardar los vehículos para recibir un servicio de
lavado. El arribo de clientes es de: 5 por hora y el lavado dura 10 minutos. Se busca
que el número de clientes en el sistema sea de 5 en promedio. La estación de servicio
trabaja 18 horas diarias. Se desea calcular la velocidad de lavado necesaria para:
a) Perder 20 clientes por día.

b) Perder 50 clientes por día.
c) Perder 100 clientes por día.
Ejercicio 20: La oficina de Administración de Red de la Facultad cuenta con

un administrador para atender las consultas de los usuarios de la red. Los usuarios
que realizan consultas siguen una distribución Poisson con media 24 usuarios/hora. El
tiempo que toma procesar una consulta de un usuario se distribuye exponencialmente
con media de 2 minutos.
a) ¿Cuál es el número promedio de usuarios esperando ser atendido?

b) ¿Cuánto tiempo en promedio deberá esperar un usuario en línea?
c) ¿Qué porcentaje de tiempo permanece ocioso el administrador?
d) ¿Cuál es la probabilidad de que un usuario espere más de 10 minutos?
Ejercicio 20: CAFÉ EXPRESS, proporciona máquinas a monedas para café

a los hospitales del país; como las personas golpean las máquinas (por impacientes),
éstas deben ser reparadas en forma frecuente. Las máquinas se descomponen a un
promedio de 3 por hora (distribución Poisson). El tiempo muerto de las máquinas le
cuesta a la empresa 25$/hora por máquina y el salario de cada trabajador es de 4$/
hora. Un trabajador puede dar servicio a las máquinas a un promedio de 5 máquinas/
hora, dos trabajadores pueden a 7 máquinas/hora y 3 trabajadores a 8 maquinas/hora
(distribución exponencial). Teniendo en cuenta el costo: cuál es el tamaño óptimo del
equipo de mantenimiento para dar servicio a las máquinas?
Dónde ampliar conceptos y casos prácticos:
- Investigación de Operaciones Editorial Pearson/Prentice Hall– Hamdy Taha –

Capítulo 17.
- Investigación de Operaciones Editorial Pearson/Prentice Hall-Eppen/Gould –

Capítulo 12.

Unidad2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad2 PDF

Cargado por

Copyright:

Formatos disponibles

UNIDAD II

1. Estructura de un modelo de simulación.

 El ingreso es un conjunto de datos de entrada obtenidos experimentalmente. Ejemplo:

 La salida tiene la forma de DESCRIPCIÓN DEL COMPORTAMIENTO DEL SISTEMA.

Comparemos los métodos de simulación y los analíticos en el proceso de solución de

Modelos Teóricos Modelos de Simulación

Construcción de un Recopilación de datos de entrada

SOLUCIÓN DEL PROBLEMA Rutina de búsqueda

El origen de los métodos modernos de simulación proviene de lo que se conoce como

¿En qué consiste el Método de Monte Carlo?

1) Comienza con un conjunto de datos experimentales de entrada y sus probabilidades

Cantidad de toneladas Probabilidad Asociada

2) Para iniciar el proceso de simulación, se elabora una distribución de probabilidades

Cantidad de toneladas de basura a recoger:

Cantidad de toneladas Probabilidad Acumulada

4) A partir de una secuencia arbitraria de números aleatorios que varían entre 0 y 1,

Cantidad de toneladas Probabilidad Acumulada Intervalo de Números

5) Se supone una serie de números “AT RANDOM”, arbitraria y se realiza la generación

Número al azar Entradas generadas

3. Simulación de distribuciones por generadores de proceso.

El procedimiento para generar las observaciones muestrales de una distribución específica de

3.1. Simulación de distribuciones continúas.

Resumiendo, usted se estará preguntando ¿cuál es la diferencia de simular por el Método de

El método de Monte Carlo no tiene en cuenta la estadística a la cual obedece la variable

No importa en qué cola se sitúe: la otra siempre avanzará más rápido

Y si se cambia de cola, aquélla en que estaba al principio empezará a ir más

1. Introducción y casos de aplicación

Las líneas de espera, filas de espera o colas, son realidades cotidianas:

Los análisis de colas ayudan a comprender el comportamiento de estos

Desde la perspectiva de la Investigación de Operaciones, los pacientes que

2. Definiciones características y suposiciones

Los sistemas de colas son modelos de sistemas que proporcionan servicio.

A lo largo del tiempo se producen llegadas de clientes a la cola de un sistema

Cuando la fuente es finita se suele asumir que la probabilidad de que se produzca

Tiempo entre llegadas

Existen dos clases básicas de tiempo entre llegadas:

Determinístico, en el cual clientes sucesivos llegan en un mismo intervalo de

En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con

• El que llegó antes.

• El que llegó el último.

• El que menos tiempo de servicio requiere.

• El que más requiere.

El modelo simple de teoría de colas que se ha definido, se basa en las siguientes

a) Un solo prestador del servicio y una sola fase.

b) Distribución de llegadas de poisson donde l = tasa de promedio de llegadas.

c) Tiempo de servicio exponencial en donde m = tasa de promedio del servicio.

Operación de estado estable.- Operación normal de la línea de espera después

Tasa media de servicio.- Cantidad promedio de clientes o unidades que puede

Línea de espera de canales múltiples.- Línea de espera con dos o más

Bloqueado.- Cuando las unidades que llegan no pueden entrar a la línea de

Población infinita.- Población de clientes o unidades que pueden buscar

Población finita.- Población de clientes o unidades que pueden buscar servicio,

Usualmente siempre es común utilizar la siguiente terminología estándar:

P = Probabilidad de que no haya clientes en el sistema.

Lq= Número de clientes promedio en una línea de espera.

L o L = Número de clientes promedio en el sistema (Clientes en cola y clientes

Wq= Tiempo promedio que un cliente pasa en la línea de espera.

W o W = Tiempo total promedio que un cliente pasa en el sistema.

Pn= Probabilidad de que haya n clientes en el sistema.

λ= la cantidad promedio de llegadas por periodo (la tasa media de llegadas).

μ= la cantidad promedio de servicios por periodo (la tasa media de servicio).

4. Proceso de nacimiento y muerte. Modelos Poisson

SUPOSICIÓN 1. Dado N (t) = n, la distribución de probabilidad actual del