Documentos de Académico
Documentos de Profesional
Documentos de Cultura
M3L4.Modelos Generalizados de Poisson
M3L4.Modelos Generalizados de Poisson
Video conceptual
Referencias
Para unificar criterios acerca de las particularidades que define un sistema de colas de Poisson se acuerda
la notación: (a/b/s):(d/e/f), en la que cada componente representa:
d = disciplina de la fila;
D = tiempo constante;
P = prioritario;
DG = disciplina general.
3 = 3 servidores en paralelo;
MODELO INTERPRETACIÓN
Se desea representar mediante un modelo de colas de Poisson el proceso de atención a clientes de Omega
sabiendo que no puede definirse la fuente de llegadas de ellos, pero el local tiene una capacidad máxima de
25 personas y hay 4 puestos de atención.
Además, se sabe que tanto el tiempo de llegadas como el de atención responde a un modelo exponencial,
siendo atendidos los clientes en la medida en la que éstos ingresan al local.
Modelos (M/M/s):(DG/∞/∞)
Pn = ρn . (1 – ρ) para todo n.
Fuente: Taha, H. (2004). Investigación de operaciones (9.na. ed.). México: Pearson. Recuperado de
https://jrvargas.files.wordpress.com/2009/01/investigacic3b3n-de-operaciones-9na-edicic3b3n-hamdy-a-taha-
fl.pdf
Servicios especiales de Omega
Se desea conocer también el ingreso promedio mensual que trae ese servicio
sabiendo que por cada pieza ensamblada se cobra $750.
Vale aclarar que como las tasas están dadas en días como unidad de tiempo, se debe multiplicar por 30,
que son los días promedio que tiene un mes.
Probabilidad de sistema
ocioso (sin clientes para ser
servidos).
Pn = ρn . (1 – ρ)
También, en este modelo se aprecia la creciente complejidad de las fórmulas. Las justificaciones
algebraicas pueden encontrarse en el capítulo 18 de Investigación de operaciones, libro del autor Hamdy
Taha.
Fuente: Taha, H. (2004). Investigación de operaciones (9.na. ed.). México: Pearson. Recuperado de
https://jrvargas.files.wordpress.com/2009/01/investigacic3b3n-de-operaciones-9na-edicic3b3n-hamdy-a-taha-
fl.pdf
Modelos (M/M/s):(DG/N/∞)
Se parte ahora del supuesto de que el modelo de colas tiene un número máximo para la cantidad de clientes
en el sistema. En este modelo, cuando la cantidad de clientes en el sistema de fila es N, no se permiten
nuevas entradas.
Sabiendo que
las probabilidades resultan
Pn = ρn. P0 si n ≤ N,
Pn = 0 si n > N.
Considerando que
luego:
Las probabilidades están dadas ahora por:
El valor de P0 es:
Para más detalles sobre estos conceptos, leer el capítulo 18 de Investigación de
Operaciones del autor Hamdy Taha.
Fuente: Taha, H. (2004). Investigación de operaciones (9.na. ed.). México: Pearson. Recuperado de
https://jrvargas.files.wordpress.com/2009/01/investigacic3b3n-de-operaciones-9na-edicic3b3n-hamdy-a-taha-
fl.pdf
Se utiliza la fórmula:
Reemplazando resulta:
Con esto se tiene que hay casi un 60% de probabilidades que ya no haya clientes
en el sistema pasados 15 minutos.
SUBMIT
SUBMIT
En la totalidad de los casos de líneas de espera estudiados, el valor de la tasa
de llegada es menor que el valor de la tasa de atención, es decir, λ < μ.
Falso, para modelos con un único servidor esta afirmación es verdadera, pero cuando los
servidores son varios (s>1) puede ocurrir que λ y μ.
SUBMIT
Verdadero, este modelo con disciplina general de atención en filas, tasa de llegada y
atención con distribución exponencial, admite un número máximo de N clientes en
sistema.
Falso, este modelo con disciplina general de atención en filas, tasa de llegada y atención
con distribución exponencial, tiene una capacidad de clientes en sistema infinita al igual
que el tamaño de fuente.
SUBMIT
LECCIÓN 2 de 4
Video conceptual
VIMEO
temporarily blocked
Pardon the inconvenience, but our servers have
detected a high number of errors from your
connection. To continue, please verify that you
are a human:
Referencias
Hillier F., y Lieberman, G. (1998). Introdução à pesquisa operacional (traducción propia). Brasil: Campus.
Fenómeno de colas
–
Reducir el tiempo de espera es fundamental para reducir gastos innecesarios y complicaciones
provocando malestar en quienes aguardan para ser atendidos. Pero, la incorporación de nuevos puntos de
atención que disminuiría la espera trae aparejado otros gastos y supone un tiempo de sistema ocioso
cuando la cantidad de clientes en fila se reduce. En la siguiente lectura abordaremos sobre este tema
llamado fenómeno de colas.
Distribución exponencial
–
Tanto el tiempo de llegada como el de atención se cuantifican con distribuciones exponenciales de
probabilidad permitiendo representar la información de la situación real y reducirla a operaciones
matemáticas para calcular los datos que sean necesarios como probabilidades, longitud de fila, cantidad
de clientes, etc.