Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Teoría de la cola
La teoría de la cola analiza la causa de la formación de la cola, que es la
existencia de momentos en los que hay mayor demanda del servicio que la
capacidad de servicio.
Ek= Distribución Erlang o Gamma para la distribución del tiempo entre llegadas o
tiempo de servicio, con el parámetro K. Si K, que determina la desviación estándar
de la distribución es igual a 1, la distribución Erlang es igual a la exponencial; si es
igual a ∞la distribución Erlang es igual a la distribución degenerada con tiempos
constantes.
GI=Distribución de llegadas o del tiempo entre llegadas; es general
(independiente).
G=Distribución del tiempo de servicio o salidas; es general (no independiente).
H= Distribución hiperexponencial.
Características
Características claves.
f(t)=(1/ l )e- l t
un solo nacimiento n → n+ 1
o una sola muerte n → n −1
lo que depende de cuál de las dos variables es más pequeña.
Como los dos tipos de eventos (entrar y salir) deben alternarse, estos dos
números serán iguales o diferirán en solo 1; es decir, |En(t) − Ln(t)| ≤ 1
.Al dividir ambos lados entrety después hacer que t → ∞ se obtiene
Si se dividen En(t) y Ln(t) entre t se obtiene la tasa real (número de eventos por
unidad de tiempo) a la que ocurren estos dos tipos de eventos, y cuando t → ∞ se
obtiene la tasa media (número esperado de eventos por unidad de tiempo):
Estos resultados conducen al siguiente principio clave:
Principio de tasa de entrada= tasa de salida. Para cualquier estado n(n= 0,1,2,...)
del sistema, la tasa media de entrada = tasa media de salida.
La ecuación que expresa este principio se llama ecuación de balance del estado
n.
Después de construir las ecuaciones de balance de todos los estados en
términos de probabilidades Pn desconocidas, se puede resolver este sistema de
ecuaciones para calcularlas.
Modelos de simulación
Como antecedentes de la teoría de la simulación podríamos mencionar la teoría
de la dinámica de sistemas. A su vez, la teoría de la dinámica de sistemas se basó
en la teoría de los servomecanismos, cuya característica fundamental es la
existencia en los mismos de una realimentación de información. Se entiende por
realimentación el proceso en virtud del cual, cuando se actúa sobre un
determinado sistema, se obtiene continuamente información sobre los resultados
de las decisiones tomadas, información que servirá para tomar las decisiones
sucesivas. La teoría de los servomecanismos tiene dos características
fundamentales: El estudio sistemático del concepto de realimentación y un amplio
desarrollo del estudio del comportamiento dinámico de los sistemas donde se
encuentra el germen de la noción de sistema dinámico [Aracil, J.,1986].
En esta área de conocimiento se desarrolló la teoría de la simulación que podría
definirse como un medio que experimenta con un modelo detallado de un sistema
real para determinar como
2responderá el sistema a los cambios en su estructura o entorno [Harrell, C.,
Tumay, K; 2001]. Por otro lado se podría afirmar que la simulación permite
experimentar con un modelo del sistema para comprender mejor los procesos, con
el fin de mejorar la actividad en las empresas [Harrington, H. J. y Tumay, K; 1999].
Finalmente un aspecto muy importante a destacar dentro de las distintas
definiciones de la teoría de la simulación es que ésta pretende imitar el
comportamiento del sistema real, evolucionando como éste, pero lo más frecuente
es estudiar además la evolución del sistema en el tiempo.
Proceso de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que
ocurra un determinado número de eventos durante cierto periodo de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos raros. En teoría de colas, será
importante esta distribución ya que se supondrá en muchas ocasionas que las
llegadas de los clientes al sistema o cola, seguirá una distribución aleatoria de
Poisson.
La función de probabilidad de la distribución de Poisson es:
Donde:
k es el número de ocurrencias del evento o fenómeno (la función nos da la
probabilidad de que el evento suceda precisamente k veces)
λ es un parámetro positivo que representa el número de veces que se
espera que ocurra el fenómeno durante un intervalo dado.