2.

1 Simulación de sistemas
de líneas de espera o colas
UNIDAD 1: INTRODUCCIÓN A LA SIMULACIÓN
DE SISTEMAS DE EVENTOS DISCRETOS
2.1 Simulación de líneas de espera
o colas
Simulation Examples in a Spreadsheet (MS Excel)
Ejemplo 01: Simular un lanzamiento de moneda
 Queremos simular una secuencia de 10
lanzamientos de moneda.
 La moneda puede caer mostrando el lado de la
cara “C” o mostrando el sello “S”. Cada lado tiene
la probabilidad de ocurrir de 0.5
 Deberemos ejecutar la simulación varias veces y
comparar los resultados con el lanzamiento real
de una moneda
 El ejemplo de la moneda lanzada es denominada
simulación Monte Carlo; donde no existen
eventos o tiempo rastreado por reloj.
 La lógica de Excel para el lanzamiento de la
moneda es muy simple (ubíquense solo en la fila
4 yen las celdas “amarillas”):
• Las celdas de las columna B y E es:
ALEATORIO()

• Las celdas de las columnas C y F es: SI(B4<=0.5,

“C”,”S”) y SI(E4<=0.5,”C”,”S”) respectivamente.
Ejemplo 02: Simular un tiempo de servicio
aleatorio
 A continuación se presenta como generar
muestras aleatorias a partir de una distribución
discreta arbitraria.
 Los métodos descritos aquí y más adelante para
generara tiempos de arribos (tiempos de
llegadas) son usados casi en todos los ejemplos
subsecuentes del capítulo.
 Un servicio automático de información por
teléfono gasta de 3, 6, o 10 minutos con cada
llamador.
 La proporción de llamadas para cada longitud de
servicio es 30%, 45%, y 25%, respectivamente.
Queremos simular estos servicios en Excel.
 Nuestro propósito es aprender como generar
muestras aleatorias a partir de una distribución
discreta.
 Otro propósito estar preparados para los
próximos ejemplos que siguen: líneas de espera o
colas, inventario, y otros.
 Esto también es un ejemplo de una simulación
Monte Carlo.
 La siguiente tabla muestra la especificación de
entrada y una porción de la tabla de simulación
(los primeros 5 llamadores).
 Para ilustrar el procedimiento, generemos
primero 5 muestras de números aleatorios,
usando la función de Excel: ALEATORIO().
Suponga las 5 muestras son:
0.9871 0.0226 0.0008 0.2128 0.8586
 Luego de la transformación ilustrada en el
siguiente slide, los tiempos de servicio resultantes
son:
10 3 3 3 10
 probabilidades

probabilidades
acumulativas

Timpos de servicio
(minutos)

 En Excel (columna B y celda en “amarillo”) se ha

usado la función: BUSCARV(ALEATORIO(),
$E$3:$G$5,3).
Ejemplo 03: Simular un tiempo aleatorio de
arribo o de llegada
 En esta sección nuestra meta es aprender como
generar tiempos aleatorios inter-arribos (tiempos
entre arribos sucesivos) y calcular los tiempos de
arribos de los clientes u de otras entidades a un
sistema.
 Los tiempos inter-arribos, así como los tiempos de
servicio en el ejemplo 02, son ejemplos de
duraciones de tiempo generados por simulación,
llamados tiempos de actividad o actividades.
 Un reloj de simulación es un componente clave
de toda simulación dinámica de evento-discreto.
 En todos los casos, un tiempo de reloj representa
el tiempo de ocurrencia de un evento, tal como
un arribo, un servicio empezando, o una
terminación de un servicio en un modelo de
línea de espera o cola.
 Las llamadas al servicio de información por
teléfono, donde el tiempo de servicio están
definidos en el ejemplo 2, ocurren en tiempos
aleatorios de acuerdo a una distribución discreta
por el cual los tiempos inter-arribos tienen
valores de 1, 2, 3, o 4 minutos, todos con igual
probabilidad.
 Nuestro propósito es mostrar como generar
tiempos inter-arribos y tiempos de arribos.
 Dado que este ejemplo tiene un evento, llamado,
evento de arribo, es nuestro primer ejemplo de
un modelo dinámico basado en evento.
 Dinámico significa simplemente basado en el
tiempo, con un cambiante estado del sistema en
relación al tiempo; dinámico, basado en evento
significa que el modelo rastrea la progresión de
ocurrencias de eventos en el tiempo.
Simulación de sistemas de líneas de espera
 Un sistema de líneas de espera o colas es descrito
por su población demandante, la naturaleza de
sus arribos, el mecanismo de servicio, la capaci-
dad del sistema, y la disciplina de la línea de
espera

Población demandante
de atención (infinito)
Servidor

Línea de espera (cola)

Sistema de línea de espera de canal simple

 En un sistema de líneas de espera o colas de
canal simple los miembros de la población
demandante de atención pueden ser, por
ejemplo, clientes, llamadas telefónicas, tareas en
un taller, aquí, lo referiremos como unidades.
 En los modelos simples de este capítulo,
asumiremos una población potencial
demandante ilimitada y una tasa de arribos
constante
 Los arribos por servicio ocurren uno a la vez de
una manera aleatoria; una vez que ellos se unen
a la línea de espera, ellos son eventualmente
atendidos o servidos.
 Además, los tiempos de servicio tienen una
duración aleatoria de acuerdo con una
distribución de probabilidad que no cambia con
el tiempo.
 La capacidad del sistema no tiene límite, que
significa que cualquier número de unidades
pueden esperar en la línea.
 Finalmente, las unidades son atendidas o
servidas en el orden que ellas arriban (FIFO: first
in, first out, o FCFS: first come, first served) por un
servidor simple o múltiples servidores en paralelo.
 ¿Cómo los conceptos de estado del sistema,
eventos, y reloj de simulación se aplican en los
modelos de línea de espera o colas?
 El estado del sistema para un modelo de una
línea de espera consiste típicamente del número
de unidades en el sistema y el estado del servidor
como ocupado o desocupado.
 Un evento es un conjunto de circunstancias que
causa un cambio instantáneo en el estado del
sistema
 En un sistema de líneas de espera de canal
simple (o canal múltiple), los eventos son:
• El evento de arribo,
• El evento de inicio de la atención o de servicio, y
• El evento de salida, también llamado evento de
servicio terminado.
 El reloj de simulación es usado para rastrear a
hacer un seguimiento al tiempo simulado.
 Cuando un evento de salida ocurre, la simulación
procede como se muestra en el siguiente
diagrama de flujo:
evento de
salida

otra
tiempo de inicio unidad remover la unidad de
del servidor esperan espera de la cola
desocupado do?

iniciar la
atención a la
Diagrama de flujo para un evento de salida unidad
 El diagrama de flujo para un evento de arribo se
muestra a continuación:
evento de
arribo

servidor
ocupado
?

unidad ingresa a
unidad ingresa la cola por
para ser atendido atención

Diagrama de flujo para un evento de arribo

 Estado de la línea de espera o cola
no vacía vacía
Estado del Ocupado Ingresa a la cola Ingresa a la cola
servidor Desocupado Imposible Ingresa al servicio

Acciones potenciales de las unidades al arribar

Estado de la línea de espera o cola

no vacía vacía
Resultados del Ocupado Imposible
servidor Desocupado Imposible

Resultados del servidor luego de la terminación de un servicio

 En la tabla mostrada el primer cliente llega en el
tiempo de reloj 0 e inmediatamente empieza el
servicio, el cual requiere 2 minutos.
Tabla de simulación enfatizando los tiempos de reloj
A B C D E
Cliente Tiempo de Tiempo de Tiempo de Finalización del
Número arribo (reloj) servicio (reloj) servicio tiempo de
(actividad) servicio(reloj)
1 0 0 2 2
2 2 2 1 3
3 6 6 3 9
4 7 9 2 11
5 9 11 1 12
6 15 15 4 19
 El servicio es comple- A
Cliente
B
Tiempo de
C
Tiempo de
D
Tiempo de
E
Finalización
tado en el tiempo de Número arribo (reloj) servicio
(reloj)
servicio
(actividad)
del tiempo de
servicio(reloj)

reloj 2. 1
2
0
2
0
2
2
1
2
3

 El segundo cliente 3
4
5
6
7
9
6
9
11
3
2
1
9
11
12
arriba en el tiempo 6 15 15 4 19

de reloj 2 y finaliza en el tiempo de reloj 3.

 Note que el cuarto cliente arriba en el tiempo de
reloj 7, pero el servicio no pudo empezar hasta
que el tiempo de reloj es 9.
 El porqué el cuarto A B C D E

cliente tuvo que

Cliente Tiempo de Tiempo de Tiempo de Finalización
Número arribo (reloj) servicio servicio del tiempo de
(reloj) (actividad) servicio(reloj)
esperar 2 unidades 1 0 0 2 2

de tiempo del reloj; 2

3
4
2
6
7
2
6
9
1
3
2
3
9
11
esto es porque el 5
6
9
15
11
15
1
4
12
19
cliente 3 no terminó
su servicio hasta el tiempo de reloj 9.
 La ocurrencia de los eventos de arribos y de
salidas en un orden cronológico es mostrado en
la tabla siguiente:
Tabla de orden cronológico de los eventos
Tipo de evento Cliente número Tiempo de reloj
Arribo 1 0
Salida 1 2
Arribo 2 2
Salida 2 3
Arribo 3 6
Arribo 4 7
Salida 3 9
Arribo 5 9
Salida 4 11
Salida 5 12
Arribo 6 15
Salida 6 19
Número de clientes en el sistema

Tiempo del reloj

Número de clientes en el sistema

 Ejemplo 04: Cola con un canal de servicio:
(La caja de una pequeña tienda)
 Una tienda de comestibles tiene una caja para el
control de pagos y salida de la tienda. Los clientes
arriban a este control en forma aleatoria de 1 a 8
minutos aparte.
 Cada posible valor de tiempo entre-arribos tiene la
misma probabilidad de ocurrencia como se
muestra en la siguiente tabla:
 Distribución del tiempo entre-arribos
Tiempo entre-arribos Probabilidad Probabilidad Asignación de
(minutos) acumulativa dígitos aleatorios
1 0.125 0.125 001 - 125
2 0.125 0.250 126 - 250
3 0.125 0.375 251 – 375
4 0.125 0.500 376 – 500
5 0.125 0.625 501 – 625
6 0.125 0.750 626 – 750
7 0.125 0.875 751 – 875
8 0.125 1.000 876 - 000

 El tiempo de servicio varía de 1 a 6 minutos con

las probabilidades mostradas en la siguiente tabla:
 Distribución del tiempo de servicio
Tiempo de servico Probabilidad Probabilidad Asignación de
(minutos) acumulativa dígitos aleatorios
1 0.10 0.10 01 - 10
2 0.20 0.30 11 – 30
3 0.30 0.60 31 – 60
4 0.25 0.85 61 – 85
5 0.10 0.95 86 – 95
6 0.05 1.00 96 – 00

 El problema es analizar el Sistema para simular los

arribos y servicios para 20 clientes.
 El propósito de este ejercicio es demostrar como
se conduce una simulación a mano, no para
recomendar cambios en la tienda.

 Un segundo asunto que surge ahora es acerca de

las condiciones iniciales de la simulación.
 Una simulación de la bodega que empiece con un
sistema vacío no es real al menos que sea la
intención de modelar el sistema desde que el
establecimiento abra al público o modelar hasta
alcanzar el estado estable de las operaciones.
 Para facilitar el propósito de enseñanza en este
ejemplo, las condiciones iniciales de la simulación
lo vamos a pasar por alto.
 Un conjunto uniforme de números aleatorios
uniformemente distribuidos es necesario para
generar los arribos al punto de control de ventas.
Los números aleatorios tienen las siguientes
propiedades:
• El conjunto de números aleatorios esta
uniformemente distribuido entre 0 y 1.
• Los números aleatorios sucesivos son
independientes.
 En la tabla mostrada asumir que el primer arribo
ocurre en el tiempo cero, luego solo 19 arribos
más necesitan ser generados para llegar a 20.
Determinación del tiempo entre-arribos
Cliente Dígitos aleatorios Tiempo entre- Cliente Dígitos aleatorios Tiempo entre-
arribos (minutos) arribos (minutos)
1 --- --- 6 309 3
2 913 8 7 922 8
3 727 6 8 753 7
4 015 1 9 235 2
5 948 8 10 302 3
 Determinación del tiempo entre-arribos (continuación)
Cliente Dígitos aleatorios Tiempo entre- Cliente Dígitos aleatorios Tiempo entre-
arribos (minutos) arribos (minutos)
11 109 1 16 888 8
12 093 1 17 106 1
23 607 5 18 212 2
14 738 6 19 493 4
15 359 3 20 535 5

 La esencia de una simulación a mano es la tabla

de simulación. La tabla de simulación para este
problema es mostrado luego de la siguiente tabla.
 Generación del tiempo de servicio
Cliente Dígitos aleatorios Tiempo de Cliente Dígitos aleatorios Tiempo de
servicio (minutos) servicio (minutos)
1 84 4 11 32 3
2 10 1 12 94 5
3 74 4 13 79 4
4 53 3 14 05 1
5 17 2 15 79 4
6 79 4 16 84 4
7 91 5 17 52 3
8 67 4 18 55 3
9 89 5 19 30 2
10 38 3 20 50 3
 Tabla de simulación para el problema de línea de espera (cola)
Cliente0 Tiempo desde el Tiempo de arribo Tiempo de servicio Tiempo que Tiempo que el Tiempo que el Tiempo que el Tiempo ocioso del
último arribo (minutos) empieza el servicio cliente espera en la servicio termina cliente espera en el servidor (minutos)
(minutos) cola (minutos) sistema (minutos)

1 --- 0 4 0 0 4 4 0
2 8 8 1 8 0 9 1 4
3 6 14 4 14 0 18 4 5
4 1 15 3 18 3 21 6 0
5 8 23 2 23 0 25 2 2
6 3 26 4 26 0 30 4 1
7 8 34 5 34 0 39 5 4
8 7 41 4 41 0 45 4 2
9 2 43 5 45 2 50 7 0
10 3 46 3 50 4 53 7 0
 Tabla de simulación para el problema de línea de espera (cont.)
Cliente Tiempo desde el Tiempo de arribo Tiempo de servicio Tiempo que Tiempo que el Tiempo que el Tiempo que el Tiempo ocioso del
último arribo (minutos) empieza el servicio cliente espera en la servicio termina cliente espera en el servidor (minutos)
(minutos) cola (minutos) sistema(minutos)

11 1 47 3 53 6 56 9 0
12 1 48 5 56 8 61 13 0
13 5 53 4 61 8 65 12 0
14 6 59 1 65 6 66 7 0
15 3 62 5 66 4 71 9 0
16 8 70 4 71 1 75 5 0
17 1 71 3 75 4 78 7 0
18 2 73 3 78 5 81 8 0
19 4 77 2 81 4 83 6 0
20 5 82 3 83 1 86 4 0
68 56 124 18
 Algunos hechos encontrados de esta simulación
corta se muestran a continuación:
1. El tiempo promedio de espera de un cliente
es 2.8 minutos.
Lo cual es determinado de la siguiente manera:
Tiempo promedio Tiempo total de espera del cliente en la cola (minutos)
=
de espera (minutos) Número total de clientes

= 56/20 = 2.8 minutos

2. La probabilidad que un cliente tenga que
esperar en la cola es 0.65.
Lo cual es determinado de la siguiente manera:
Probabilidad Número de clientes quienes esperan
=
(de esperar) Número total de clientes

= 13/20 = 0.65
3. La proporción del tempo ocioso del servidor
es 0.21.
Lo cual es determinado de la siguiente manera:
Probabilidad Tiempo ocioso total del servidor (minutos)
=
Servidor ocioso Tiempo total de corridas de simulación (minutos)

= 18/86 = 0.21
La probabilidad que el servidor este ocupado es
el complemento de 0.21, o sea 0.79
4. El tiempo promedio de servicio es 3.4
minutos.
Lo cual es determinado de la siguiente manera:
Tiempo promedio Tiempo total de servicio (minutos)
=
de servicio Número total de clientes

= 68/20 = 3.4 minutos

5. El tiempo promedio entre arribos es 4.3
minutos.
Lo cual es determinado de la siguiente manera:
Tiempo promedio Suma de todos los tiempos entre-arribos (minutos)
=
entre arribos (mins.) Número de arribos - 1

= 82/19 = 4.3 minutos

6. El tiempo de espera promedio de aquellos
quienes esperan es 4.3 minutos.
Lo cual es determinado de la siguiente manera:

Tiempo espera promedio Tiempo total de clientes quienes esperan en la cola (mins.)
=
de quienes esperan (mins.) Número total de clientes quienes esperan en la cola

= 56/13 = 4.3 minutos

7. El tiempo promedio que un cliente espera en
el Sistema es 6.2 minutos.
Una manera de determinarlo es de la siguiente
manera:
Tiempo promedio del cliente Tiempo total de los clientes gastado en el sistema (mins.)
=
Gastado en el sistema (mins) Número total de clientes

= 124/20 = 6.2 minutos

 Ejemplo 05: Cola con dos servidores:
(Problema Call Center Able-Baker)
 Un centro de soporte técnico para computadores
es dirigido por dos personas, Able y Baker,
quienes toman llamadas y tratan de responder y
resolver problemas.
 Los rangos de tiempo entre
llamadas van de 1 a 4 minu
tos, con una distribución co-
mo se puede apreciar.
 Able tiene más experiencia y puede proporcionar
el servicio más rápido que
Baker.
 La distribución de sus tiem-
pos de servicio se aprecian
en las distribuciones perti-
nentes
 Cuando ambos están desocupados, Able toma la
llamada.
 Si ambos están ocupados, la llamada queda en
espera; esto es básicamente lo mismo como
cuando el cliente tiene que
esperar en la cola en cual-
quier modelo de colas.
 En general, los tiempos de arribos, tiempos de
servicio, y aquí los tiempos de reloj en una
simulación deberían ser continuos (valor real); en
realidad ellos son discretos, por simplicidad los
valores enteros aquí (y en otros ejemplos) es para
facilitar la explicación así como entender las
técnicas de generación de variables aleatorias.
 Para entender los pasos, podría ser muy útil que la
simulación lo desarrolle primero manualmente
Tabla de simulación para el ejemplo del Call-Center (primeras 10 llamadas de las 100)
 Nuestro objetivo es estimar el atraso de las
personas que llaman esperando por Able o Baker
que respondan.
 Para estimar esta y otras mediciones deseadas del
rendimiento del sistema, una simulación de las
primeras 100 llamadas por servicio o atención han
sido hechas.
 Viendo la tabla de simulación vemos que la
primera llamada, por suposición, arriba en la hora
de reloj 0. Able esta desocupado, por lo que quien
llamó se le inicia inmediatamente su servicio.
 El servicio toma, 4 minutos, que es generado
desde la distribución de la tabla “Distribución de
tiempo de servicio de Able” siguiendo luego el
procedimiento del ejemplo 02: “Simular un tiempo
de servicio aleatorio”
 Entonces, el primero quien llamó completa su
servicio en el tiempo de reloj de 4 minutos y no
esta atrasado.
 Un tiempo de inter-arribo de 1 minuto, generado
desde la tabla “Distribución de llamadas
interarribos” seguido por el procedimiento del
ejemplo 03: “Simular un tiempo aleatorio de arribo
o de llegada”, hace que la segunda llamada arribe
en el tiempo de reloj de 1 minuto.
 Able esta ocupado, por lo que la llamada es
atendida por Baker.
 Mirando la tercera llamada, atendida por Able
desde el tiempo de reloj 4 minutos hasta el tiempo
de 7 minutos, vemos que quien llamó arribó en el
tiempo 2 minutos y encontró a ambos servidores
ocupados, de aquí que tiene que esperar.
Frecuencia de retraso de la persona que llama para el primer intento

Ocurrencias

Límite superior de clase estadística

 Para un intento simple de 100 llamadas, el cuadro
de frecuencias anterior muestra 78 de 100 (78%)
de quienes llamaron no tuvieron retrasos, 16%
tuvieron un retraso de 1 minuto, mientras que un
poco tuvieron que esperar hasta 3 minutos.
 Asimismo, la tabla de simulación del Call-Center
muestra que el retraso total de los clientes es 73
minutos, o como 0.73 minutos por cliente en
promedio.
 El histograma anterior muestra, sin embargo; que
el promedio de 0.73 minutos por si solo no es un
buen indicador de cuanto tiempo una persona
que llama tiene que esperar por Able o Baker.
 Mientras 78% de los clientes in este ensayo no
experimentó retrasos, un poco si experimentó
retrasos de hasta 3 minutos. Esto ilustra la
importancia de escoger las mediciones apropiadas
de rendimiento del sistema, que depende de las
metas y objetivos del modelo.