TEORÍA DE COLAS (LÍNEAS DE ESPERA)

1. ESTRUCTURA

1. Fuente de entrada: indica el “lugar de donde vienen los clientes”

1.1 Tamaño: se tiene en general dos posibilidades (finita o infinita)

1.2 Llegadas: patrón estadístico que identifica la forma en que llegan los clientes al sistema

a. Tasa de llegadas: 5 clientes/hora en general, es una variable aleatoria (v.a.) frecuentemente

discreta. (Bernoulli, Uniforme discreta, Binomial, Poisson) → Por favor instalar ARENA.

La tasa de llegada puede seguir cualquier distribución de probabilidad, pero es “usual” trabajar
con una distribución de Poisson

1 ℎ𝑜𝑟𝑎 60 𝑚𝑖𝑛 𝑚𝑖𝑛

b. Tiempo entre llegadas: 𝑑𝑒 ∗ = 12 en general, es una variable aleatoria
5 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 1 ℎ𝑜𝑟𝑎 𝑐𝑙𝑖𝑒𝑛𝑡𝑒
(v.a.) frecuentemente continua. (normal, beta, exponencial)

El tiempo entre llegadas puede seguir cualquier distribucion de probabilidad, pero es usual
trabajas con una distribución exponencial.

Si la tasa de llegada sigue una distribución de Poisson, el tiempo de llegada sigue una distribución
exponencial.

Para los modelos analíticos se trabaja con la tasa de llegada → 

2. Cola (fila): Es el lugar donde los “clientes” esperan a ser atendidos.

a. Tamaño: (Finitas – Infinitas)

b. Disciplina: “regla” con la cual se seleccionan los clientes para su atención.
(FIFO: first input first output – LIFO: Last Input First Output - Aleatoria)

3. Mecanismo de servicio: es donde se transforma o se atiende a los “clientes”

a. Servicio: patrón estadístico que representa la duración del servicio

 - Tasa de servicio: 6 clientes/hora en general, es una variable aleatoria (v.a.)
frecuentemente discreta. (Bernoulli, Uniforme discreta, Binomial, Poisson) → Por favor
instalar ARENA.

La tasa de servicio puede seguir cualquier distribución de probabilidad, pero es “usual”

trabajar con una distribución de Poisson

1 ℎ𝑜𝑟𝑎 60 𝑚𝑖𝑛 𝑚𝑖𝑛

- Tiempo de servicio: 6 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 ∗ 1 ℎ𝑜𝑟𝑎 = 10 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 en general, es una variable
aleatoria (v.a.) frecuentemente continua. (normal, beta, exponencial)

El tiempo de servicio puede seguir cualquier distribución de probabilidad, pero es usual

trabajar con una distribución exponencial.

Si la tasa de servicio sigue una distribución de Poisson, el tiempo de servicio sigue una
distribución exponencial.

Para los modelos analíticos se trabaja con la tasa de servicio → 

b. Estructura:
- Estaciones: cantidad de operaciones que constituyen el servicio (proceso).

- Servidores: Cantidad de canales paralelos con los que cuenta una estación

En los modelos analíticos trabajaremos con una estación y uno o varios servidores.

En ARENA sí trabajaremos con varias estaciones y varios servidores.

2. NOTACIÓN

Los modelos de líneas de espera (colas) se identifican a través de la notación de Kendall

 Distr. de probabilidad para la tasa de
servicio = 
Cantidad máxima de clientes en el
sistema = K

--/--/--/--

Distr. de probabilidad para la tasa de Número de servidores = S

llegadas = 

Para las tasas:

M: Representa la distribución Markoviana (Poisson – Exponencial)
Ek: Representa una distribución Erlang con parámetro k
G: Representa una distribución General (otra distribución)
D: Representa una distribución Degenerada (constante)

Modelos de clase:

a. M/M/1
b. M/M/1/K
c. M/M/S
d. M/M/S/K

Factor de utilización:
𝜆
𝜌=
𝑠∙𝜇
Porcentaje de utilización (ocupación) de los servidores
3. Condiciones de estado estable

Una vez el sistema de colas inicia su operación, se encuentra muy afectado por las condiciones iniciales; ya
sea que se encuentre muy vacío o muy ocupado. Sin embargo, conforme va pasando el tiempo el sistema
puede llegar a la estabilidad. En el estado estable, es posible definir las siguientes medidas de desempeño
(indicadores):

✓ 𝑃𝑛 : probabilidad de tener 𝑛 clientes en el sistema

✓ 𝐿: cantidad promedio de clientes en el sistema
✓ 𝐿𝑞 : cantidad promedio de clientes en la fila
✓ 𝑊: tiempo promedio de permanencia de los clientes en el sistema
✓ 𝑊𝑞 : tiempo promedio de permanencia en la fila

3.1 Sistemas no capacitados – Capacidad infinita

3.1.1 Modelo M/M/1

𝑃0 = 1 − 𝜌 probabilidad de tener 0 clientes en el sistema

𝑃𝑛 = 𝜌𝑛 𝑃0 = 𝜌𝑛 (1 − 𝜌 ) probabilidad de tener 𝑛 clientes en el sistema

𝜆 𝜆2
𝐿= 𝐿𝑞 =
𝜇−𝜆 𝜇(𝜇 − 𝜆)

1 𝜆
𝑊= 𝑊𝑞 =
𝜇−𝜆 𝜇 (𝜇 − 𝜆)

Ejemplo 1: Un hospital cuenta con un médico para atender urgencias. El tiempo entre la llegada de pacientes,
sigue una distribución exponencial con media de 10 minutos. El doctor tarda en promedio 8 minutos por paciente
siguiendo una distribución exponencial.

Halle:
a. La probabilidad de tener 0 pacientes en el sistema
b. La probabilidad de tener 1 paciente en el sistema
c. La probabilidad de tener 4 pacientes en el sistema
d. La cantidad promedio de pacientes en el sistema
e. La cantidad promedio de pacientes en la fila
f. El tiempo promedio de permanencia de los pacientes en el sistema
g. El tiempo promedio de permanencia de los pacientes en la fila

3.1.2 Modelo M/M/S

1
𝑃0 =
(𝜆/𝜇)𝑛 (𝜆/𝜇)𝑠 1
∑𝑠−1
𝑛=0 + ( )
𝑛! 𝑠! 1−𝜌

(𝜆/𝜇)𝑛
𝑃0 0≤𝑛≤𝑠
𝑛!
𝑃𝑛 =
(𝜆/𝜇)𝑛
𝑃 𝑛≥𝑠
{ 𝑠! 𝑠 𝑛−𝑠 0

𝜆 𝑠
𝑃0 ( ) 𝜆
𝜇
𝐿𝑞 = ∙𝜌 𝐿 = 𝐿𝑞 +
𝑠! (1 − 𝜌)2 𝜇

𝐿𝑞 1
𝑊𝑞 = 𝑊 = 𝑊𝑞 +
𝜆 𝜇

Ejemplo 2: Un hospital cuenta con tres médicos para atender urgencias. El tiempo entre la llegada de pacientes,
sigue una distribución exponencial con media de 4 minutos. Un doctor tarda en promedio 10 minutos por
paciente siguiendo una distribución exponencial.

Halle:

a. La probabilidad de tener 0 pacientes en el sistema

b. La probabilidad de tener 1 paciente en el sistema
c. La probabilidad de tener 4 pacientes en el sistema
d. La cantidad promedio de pacientes en el sistema
e. La cantidad promedio de pacientes en la fila
f. El tiempo promedio de permanencia de los pacientes en el sistema
g. El tiempo promedio de permanencia de los pacientes en la fila
h. ¿Cuál es la probabilidad de tener 3 pacientes en la fila?

Ejemplo 3: Un hospital cuenta con tres médicos para atender urgencias. El tiempo entre la llegada de pacientes,
sigue una distribución exponencial con media de 3 minutos. Un doctor tarda en promedio 10 minutos por
paciente siguiendo una distribución exponencial.

Calculando el factor de utilización con base en las tasas de llegada y de servicio tenemos:
 𝜆 20 20
𝜌= = = = 1.1111
𝑠 ∙ 𝜇 3 ∗ 6 18

Si el factor de utilización 𝜌 ≥ 1, entonces el sistema es explosivo. Por lo tanto, no es posible determinar

medidas de desempeño. Simplemente sabemos que en dicho sistema la fila crecerá infinitamente.

Ejemplo 4: Una gran agencia de viajes cuenta con 4 asesores de ventas. Un asesor tarda en promedio 30
minutos con cada cliente siguiendo una distribución exponencial. La tasa promedio de llegada de clientes sigue
una distribución de Poisson con media de 7 clientes por hora.

a. Calcule las medidas de desempeño de sistema actual. (𝐿, 𝐿𝑞 , 𝑊, 𝑊𝑞 )

b. Calcula las medidas de desempeño aumentando en 1 el número de servidores.
c. Calcule las medidas de desempeño disminuyendo en 1 el número de servidores.

3.2 Sistemas capacitados – Capacidad finita

En algunos casos, los sistemas de líneas de espera tienen una cola finita; esto significa que no se permite el
ingreso de nuevos clientes cuando el sistema ha llegado a su máxima capacidad. En este caso, la capacidad
del sistema, es decir, la cantidad máxima de clientes que puede haber en el sistema, es igual a un número
denotado por K. → K es la capacidad del sistema.

En ese orden de ideas, la capacidad de la fila será igual a K-S. A cualquier cliente que llega al sistema cuando
la cola esta llena, se le niega el ingreso y el cliente deja el sistema para siempre. Desde el punto de vista del
proceso de nacimiento y muerte, la tasa media de llegada de clientes al sistema se hace cero en esos
momentos. En ese orden de ideas, es necesario modificar la tasa de llegadas de la siguiente manera:

𝜆 𝑝𝑎𝑟𝑎 𝑛 = 0,1,2, … , 𝑘 − 1
𝜆𝑛 = {
0 𝑝𝑎𝑟𝑎 𝑛 ≥ 𝑘

3.2.1 Modelo M/M/1/K

1−𝜌
𝑃0 = 𝑃𝑛 = 𝑃0 ∙ 𝜌𝑛
1 − 𝜌𝑘+1

𝜌 (𝑘 + 1) ∙ 𝜌𝑘+1
𝐿= − 𝐿𝑞 = 𝐿 − (1 − 𝑃0 )
1−𝜌 1 − 𝜌𝑘+1

𝐿 𝐿𝑞
𝑊= ̅ 𝑊𝑞 =
𝜆 𝜆̅

𝜆̅ = 𝜆(1 − 𝑃𝑘 )

Si
1 𝑘
𝜌=1 𝑃𝑛 = 𝐿=
𝑘+1 2
3.2.2 Modelo M/M/S/K

1
𝑃0 = 𝑛
(𝜆/𝜇 ) (𝜆/𝜇)𝑠 𝑘
∑𝑠−1
𝑛=0 + ∑𝑛=𝑠 𝜌𝑛−𝑠
𝑛! 𝑠!
(𝜆/𝜇)𝑛
𝑃0 0≤𝑛≤𝑠
𝑛!
𝑃𝑛 = (𝜆/𝜇)𝑛
𝑃 𝑠≤𝑛≤𝑘
𝑠! 𝑠 𝑛−𝑠 0
{ 0 𝑛>𝑘

𝜆 𝑠
𝑃0 (𝜇)
𝐿𝑞 = ∙ 𝜌 ∙ [1 − 𝜌𝑘−𝑠 − (𝑘 − 𝑠)𝜌𝑘−𝑠 (1 − 𝜌)]
𝑠! (1 − 𝜌)2
𝑠−1 𝑠−1

𝐿 = ∑ 𝑛𝑃𝑛 + 𝐿𝑞 + 𝑠 (1 − ∑ 𝑃𝑛 )
𝑛=0 𝑛=0

𝐿 𝐿𝑞
𝑊= 𝑊𝑞 =
𝜆̅ 𝜆̅

𝜆̅ = 𝜆(1 − 𝑃𝑘 )

Ejemplo 5. Un pequeño restaurante dispone de 3 mesas para atender a sus clientes. Cuando todas las mesas
se encuentran ocupadas, los clientes pueden esperar en una pequeña sala con 2 lugares. Si un cliente llega al
restaurante y éste se encuentra lleno, incluyendo la sala de espera, el cliente abandona el sistema para siempre.
La tasa de llegada de clientes sigue una distribución de Poisson con media de 5 clientes por hora. En promedio
un cliente gasta 50 minutos en la mesa siguiendo una distribución exponencial.

a. Calcule las medidas de desempeño para este sistema

b. Calcule las medidas de desempeño aumentando en 1 el número de servidores
c. Calcule las medidas de desempeño aumentando en 2 el número de servidores
d. Calcule las medidas de desempeño aumentando en 1 el número de lugares de espera
e. Calcule las medidas de desempeño aumentando en 2 el número de lugares de espera

3.3 Sistemas con fuente finita

Sea 𝑁 el tamaño de la población

3.3.1 M/M/1 con fuente finita

3.3.2 M/M/S con fuente finita

3.4 Análisis de costos

Debido al valor de la información que proporciona la teoría de colas, esta se usa con amplitud para dirigir el
diseño de los sistemas de líneas de espera. Suponga que:

𝐶𝑠 : Es el costo de operación de un servidor por unidad de tiempo

𝐶𝑤 : Es el costo de espera por unidad de tiempo de cada cliente
𝐶𝑝 : Pérdida que se presenta cuando un cliente no ingresa al sistema

El costo total de la Costo por mantener a los Costo por mantener a Costo por
= + +
operación servidores trabajando los clientes esperando clientes perdidos

𝐶𝑇 = 𝑠 ∙ 𝐶𝑠 + 𝐿 ∙ 𝐶𝑤 +  ∙ 𝑃𝑘 ∙ 𝐶𝑝

Ejemplo 6: el área de servicio técnico de una compañía celular realiza el mantenimiento a los equipos de los
clientes que solicitan este servicio. Un técnico tarda en promedio 25 minutos realizando el mantenimiento
siguiendo una distribución exponencial. Al sistema llega en promedio un cliente cada 3 minutos siguiendo una
distribución exponencial.
El costo de operación de un técnico (servidor) es de 400 pesos por minuto
El costo de espera por cliente es de $15.000 por hora
El costo de clientes perdidos es de $25.000

El sistema cuenta actualmente con 8 técnicos

1. Para el sistema no capacitado:

a. Calcule las medidas de desempeño para el sistema actual
b. Calcule las medidas de desempeño para el sistema aumentando en 1 el número de servidores
c. Calcule las medidas de desempeño para el sistema reduciendo en 1 el número de servidores

2. La gerencia esta pensando limitar la cantidad de clientes a la espera del servicio, adicionando una sala
para tal fin, con únicamente 5 lugares.
a. Calcule las medidas de desempeño para el sistema actual
b. Calcule las medidas de desempeño para el sistema aumentando en 1 el número de servidores
c. Calcule las medidas de desempeño para el sistema reduciendo en 1 el número de servidores
d. Calcule las medidas de desempeño para el sistema aumentando en 1 el número de lugares de espera
e. Calcule las medidas de desempeño para el sistema aumentando en 2 el número de lugares de espera
4. Simulación de líneas de espera

4.1 Simulación por eventos discretos

La simulación es una técnica de la Investigación de Operaciones en donde se trata de representar un sistema

real a través de un modelo computacional. Son clásicos los problemas de inventarios, de producción, de calidad
y líneas de espera.

Existen varios elementos esenciales:

a. Números aleatorios y pseudo aleatorios.
b. Análisis de entrada de datos → determinar las distribuciones de probabilidad para las variables aleatorias
involucradas.
- Recolección de datos del sistema real
- Prueba de bondad de ajuste → prueba de hipótesis
- Conclusión…la v.a se comporta como tal distribución de probabilidad.
c. Simulación de variables aleatorias → método de la transformada inversa.
d. Simulación del sistema
- Excel
- Software especializado (Arena – FlexSim – Promodel)

Ejemplo 7. A un banco llegan clientes de acuerdo con una variable aleatoria normal con media de 3 minutos y
desviación estándar de 0,5. Se cuenta con un solo cajero el tiempo de atención sigue una distribución
exponencial con media de 2,5 minutos. Simule este sistema utilizando Excel.