CAPITULO III

TEORIA DE COLAS (LINEAS DE ESPERA)

Definición:
Una situación de espera ocurre cuando un conjunto de clientes
arriban a una instalación en demanda de un determinado servicio,
son atendidos y luego abandonan el sistema.
Existen varios sistemas de Colas, como ser;
a) Una línea un solo servidor
b) Una línea varios servidores en paralelo
c) Varias líneas varios servidores en paralelo
d) Una línea varios servidores en serie.
En todos estos sistemas la disciplina de la cola es FIFO
(primero en llegar, primero en ser atendido)
Existen otros sistemas de colas especiales:
i) Colas con rechazo
ii) Colas con abandono
iii) Colas con prioridades (LIFO), último en llegar, primero
en ser atendido

Simbología:
λ; tasa de llegada de los clientes (clientes/unidad de tiempo)
μ; tasa de atención a los clientes, o tasa de servicio
(clientes/tiempo)
ρ; intensidad de tráfico, mide la tasa de ocupación de un sistema
U; intervalo medio entre llegadas
V; media del tiempo de servicio
c: número de canales, o número de servidores
k; capacidad del sistema
P0 ; probabilidad de que no haya nadie en el sistema
Pn ; probabilidad de que hayan “n” clientes en el sistema

D; probabilidad de demora
L; número promedio de clientes en el sistema
Lq ; número promedio de clientes en la cola(longitud de la cola)
W ; tiempo promedio en el sistema
Wq ;tiempo promedio de permanencia en la cola
n: número de posibles clientes
Sistema M/M/1:
Es el sistema más simple, donde las llegadas de los clientes se
ajustan a la distribución Poisson, mientras que los servicios
obedecen a la distribución Exponencial, el número “1” indica un
solo servidor o un solo canal.
Relaciones básicas:
1 1
U= λ ; V= μ

λ
ρ = μ *100 (%)

P0 = 1 – ρ
Pn= (1 – ρ) ρn
ρ
L = 1−ρ

ρ²
Lq = 1−ρ

1
W = μ−λ

ρ
Wq = μ−λ

Ejemplo 1:
Un establecimiento de reparaciones, atendida por un solo
operario tiene un promedio de cuatro clientes por hora, los cuales
traen aparatos a reparar. El técnico los inspecciona para emitir un
diagnóstico. Esto le toma seis minutos como promedio. Los
arribos tienen distribución de Poisson y el tiempo de servicio la
tiene Exponencial. Encontrar:
a) la proporción de tiempo durante el cual el taller esta vacío
en una jornada de 8 horas.
b) la probabilidad de que tres clientes se encuentren en el
taller
c) la probabilidad de encontrar al menos un cliente en el taller
d) el número promedio de clientes en el sistema
e) el tiempo promedio empleado, incluyendo servicio
f) el número promedio de clientes que esperan ser atendidos
g) el tiempo promedio empleado, excluyendo servicio

Solución:
o λ = 4(clientes/hora)
o V = 6 (minutos/cliente)
1
o µ = 1/V = 6 (clientes/minuto) = 10 (clientes/hora)
λ 4
 ρ = μ *100 (%) = 10 *100 = 40 %

o P0 = 1 – ρ = 1 – 0.40 = 0.60 (60 %)
o En una jornada de 8 horas = 8 * 0.60 = 4.8 horas

o Pn= (1 – ρ) ρn : P3= (1 – 0.40) 0.403 = 0.04 (4 %)

 P(n≥1) = 1 – P(n < 1); n = 0, 1, 2 , 3,………

o P(n≥1) = 1 – P0 = 1 – 0.60 = 0.40 (40 %)

ρ 0.40
 L = 1−ρ = 1−0.40 = 0.67 (clientes):
 o Nota: Los valores de “L” y “Lq” no se redondean, por
razones de diseño del sistema.
1 1
 W = μ−λ = 10−4 = 1/6 (hora) = 10 (minutos)

ρ² 0.40²
 Lq = 1−ρ = 1−0 . 40 = 0.27 (clientes)
a)
ρ 0.40
Wq = μ−λ = 10−4 = 0.07 (horas) = 4 (minutos)

Ejemplo 2:
Los pacientes arriban a un consultorio médico a intervalos
promedio de 20 minutos (Poisson) y dedican un promedio de 15
minutos a la consulta (exponencial). El médico desea tener
suficiente número de asientos en la sala de espera para que el 95
% de los pacientes estén sentados ¿cuántos asientos se deberían
colocar?
Solución:
U = 20 (minutos/paciente) = 1/λ
1
λ = 20 (paciente/minuto) = 3 (pacientes/hora)

V = 15 (minutos/paciente) = 1/µ
1
µ = 15 (paciente/minuto) = 4 (pacientes/hora)

3
ρ= 4 = 0.75 (75 %)
Pn = 0.95 ; n = 0, 1 , 2, 3 ……….A
Sea, “A” el número de asientos requeridos.
Pn= (1 – ρ) ρn
A

(1 – ρ) ∑ ρn= 0.95
n=0
 (1 – ρ)[ρ0 + ρ1 + ρ2 + ρ3 + …….+ ρA] = 0.95

(1 – ρ)[1 + ρ1 + ρ2 + ρ3 + …….+ ρA] = 0.95

Multiplicamos primeramente por “1” y luego por “- ρ”

1 + ρ1 + ρ2 + ρ3 + …….+ ρA

– ρ1 – ρ² – ρ3 – ρ4 +……– ρA – ρ1 + A

1 – ρ1 + A = 0.95

ρ1 + A = 1 – 0.95= 0.05

(1 + A)* ln ρ = ln 0.05

(1 + A)* ln 0.75 = ln 0.05

ln 0.05
A = ln 0.75 – 1

A = 9.41 ≅ 10 asientos.
Ejemplo 3:
En un sistema M/M/1, los clientes arriban a una tasa de 4 h -1, y los
servicios ocurren a una tasa de 5 h-1. Hallar la probabilidad de que
se forme una línea de espera.
Solución:
λ = 4 (clientes/hora) = 4 h-1
µ = 5 (clientes/hora) = 5 h-1
ρ = 4/5 * 100 = 80 %
P(n ≥ 2) = 1 – P(n < 2) ; n = 0, 1, 2, 3……
P(n ≥ 2) = 1 – [P0 + P1 ]
P0 = 1 – 0.8 = 0.20
P1 = (1 – 0.80)*0.801 = 0.16
P(n ≥ 2) = 1 – [0.20 + 0.16] = 0.64 (64%)
 PRIMER EXAMEN PARCIAL 14 SEPTIEMBRE
PREGUNTAS:
1.- PROGRAMACION GEOMETRICA
2.- PROBLEMA DE PLANTEO DE P.G.
3.- MULTIPLICADORES DE LAGRANGE

Ejemplo 4:
En un sistema M/M/1 es posible ajustar la media de la tasa de
servicio. El costo esperado por unidad de tiempo de proporcionar
el servicio es C1 ($/cliente), los arribos ocurren a una tasa media
“λ”, y el tiempo del cliente vale C2 ($/h-cliente). Encuentre el valor
óptimo μ* de la tasa de servicio.
Solución:
Costo total = Costo del servicio + Costo de espera
Costo total = C1 ($/cliente)* µ(clientes/hora) + C2($/h-cliente)*L(cliente)

Costo Total = Ct = C1*µ + C2 * L ($/hora)

ρ λ /µ λ
L = 1−ρ = 1−λ /µ = µ−λ

λ
Costo Total = Ct = C1*µ + C2 * µ−λ ($/hora)

Para determinar el valor óptima de esta función de costo, se debe

dCt
cumplir: dµ = 0

Ct = C1*µ + C2*λ*(µ - λ)-1

dCt
= C1 – C2*λ*(µ - λ)-2 = 0
dµ

C 2∗λ
µ* = λ +
√ C1
Práctica:
Un servicio a clientes que es capaz de manejar solicitudes que
llegan a una tasa de 800 por hora (Poisson), está instalado en una
casa de cambios, se han considerado dos alternativas.
Tasa promedio de Costo de
servicio(exponencial) operación
Sistema X μ = 860 h-1 400 $/h
Sistema Y μ = 840 h-1 250 $/h

Los analistas usan un costo por tiempo de espera de $ 1 por minuto para
cada solicitud que debe esperar antes de ser atendida ¿Cuáles son los
costos totales respectivos para ambos sistemas?

SISTEMA M/M/c
λ
ρ= <1
cμ

c−1
( cρ )n ( cρ )c 1
P0 = [∑
n!
+ * (1− ρ) ]-1
n=0 c!

( cρ )n
Pn = * P0 , 0 ≤ n ≤ c
n!

c c ρn
Pn = * P0, n > c
c!

c c ρ(c+1 )
Lq =
c ! (1−ρ) ²
* P0
Lq
Wq =
λ
1
W = Wq +
μ
L=λW
Ejemplo 1:
En un establecimiento los clientes arriban a una tasa de 12 por
hora (Poisson) y son atendidos a una tasa de 10 por hora
(Exponencial). Encontrar;
a) La probabilidad de que no haya nadie en el establecimiento
b) La probabilidad de que hayan 2 o más clientes
c) La probabilidad de que hayan 3 clientes
d) La longitud promedio de la línea de espera
e) El promedio de tiempo de espera antes del servicio
f) El promedio de tiempo de espera
g) El número promedio de clientes en el establecimiento
Solución:
λ = 12 (clientes/h) = 12 h-1
µ = 10 (clientes/h) = 10 h-1
12
ρ= = 120 %
10
12
considerando, c = 2 ¸ ρ = 2∗10 = 0.6 (60%)

12
si, c = 3 ; ρ = 3∗10 = 0.40 (40%)

12
si, c = 4 ; ρ=
4∗10
= 0.30 (30 %)

se observa que a medida que se incrementa el número de

canales, la intensidad de tráfico disminuye, pero esto implica un
costo adicional al contratar una mayor cantidad de servidores, en
este caso nos quedamos con c = 2 canales.
c*ρ = 2 *0.6 = 1.2
1
( 1 .2 )n ( 1. 2 )2 1
a) P0 = [∑
n!
+ * (1−0.6) ]-1
n=0 2!
( 1.2 )0 1
P0 =[ + ( 1.2 ) + 1.80]-1
0! 1!
P0 =[1 + 1.2 +1.8]-1 = 0.25 (25%)

b) P(n≥2) = 1 – P(n<2); n = 0,1,2,3,………

 ( 1.2 )1
P(n≥2) = 1 – [P0 + P1] ; P1 =
1!
* 0.25 = 0.30

P(n≥2) = 1 – [0.25 + 0.30] = 0.45 (45%)

22 0 . 63
c) P3 = =
2!
* 0.25 = 0.11 (11 %)
22∗0. 63
d) Lq =
2! (1−0.6) ²
* 0.25 = 0.68 (clientes)
0.68
e) Wq = = 0.06 (h) = 3.4 (minutos)
12
1
f) W = 0.06 + = 0.16 (h) = 9.60 (minutos)
10
g) L = 12*0.16 = 1.92 (clientes)

Ejemplo 2:
Una biblioteca trata de decidir cuantas fotocopiadoras se deben
instalar, los estudiantes llegan a una tasa de 1 por minuto
(Poisson), la atención es a una tasa de 0.6 por minuto
(exponencial). Se desea que un estudiante no debe esperar más
de dos minutos.
Solución:
λ = 1 (estudiante/minuto)
µ = 0.6 (estudiante/minuto)
c =?
Wq ≤ 2 (minutos)
Calcularemos el número mínimo de fotocopiadoras:
1
ρ= <1
0.6∗c

1 < 0.6* c
1.67 < c
c > 1.67
1
sea, c = 2 ; ρ = 0.6∗2 = 0.83
aplicando el Software POM
Results
Average server utilization() 0,83
Average number of customers in the queue(Lq) 3,79
Average number of customers in the system(L s) 5,45
Average waiting time in the queue(Wq) 3,79
Average time in the system(Ws) 5,45
Probability (% of time) system is empty (P0) 0,09

Se obtiene Wq = 3.79 (minutos)

Si consideramos c = 3 fotocopiadoras, se tiene:
1
ρ = 0.6∗3 = 0.56

Results
Average server utilization() 0,56
Average number of customers in the queue(Lq) 0,37
Average number of customers in the system(L s) 2,04
Average waiting time in the queue(Wq) 0,37
Average time in the system(Ws) 2,04
Probability (% of time) system is empty (P0) 0,17

Se obtiene: Wq = 0.37 (minutos) < 2 (minutos)

Por lo tanto se deben instalar 3 fotocopiadoras.

Optimización Económica.
El principal objetivo es la determinación del número óptimo de
canales (c).
Sean:
C1= costo de funcionamiento de un canal por unidad de tiempo
(trabaje realmente o no)
C2 = costo por unidad de tiempo de espera del cliente
Ct = costo total
La ecuación del costo total es:
 Ct = costo de proporcionar servicio + costo por espera
Ct = C1* c + C2* λ*Wq
Ejemplo:
Dado que el funcionamiento de un canal cuesta 3 ($/hora) y que el
tiempo de espera promedio cuesta 10 ($/hora-cliente). Encuentre
el número óptimo de canales para un promedio de arribos de
Poisson de 16 por hora y una tasa de servicio (exponencial) de 4
por hora.
Solución:

.DETERMINACION PRACTICA DE LA TASA DE LLEGADAS (λ)

Las llegadas de los clientes es una variable aleatoria, no se puede

manipular este hecho, para compensar ese efecto aleatorio, es
que se usan los números aleatorios uniformemente distribuidos.

Ejemplo:

X Frecuencia
(clientes/minuto) Observada ( fo)
0 30
1 15
2 4
3 1
Total 50
Solución:
A continuación elaboramos la siguiente tabla:
X Frecuenci Probabilida Probabilida Número
(cliente a d d s índice
s/ Observada acumulada
minuto) (fo)
0 30
1 15
2 4
3 1
Total 50

Como las llegadas de los clientes es un proceso aleatorio, no se

puede manipular dichos datos, para compensar el efecto
aleatorio, es que se usa un mecanismo para tal efecto, el mismo
comprende el uso de Números Aleatorios uniformemente
distribuidos.
TABLA DE SIMULACION
n Números Llegadas Llegada media
Aleatorios correspondientes
1 27 , 91 , 04
2 46 , 49 , 98
3 75 , 74 , 18
4 62 , 20 , 37
5 92 , 85 , 76
6 99 , 26 , 30
7 84 , 36 , 08
8 64 , 07 , 56
9 20 , 10 , 72
10 85 , 50 , 00
TOTAL

Seguidamente se obtiene la media simulada así:

 Media simulada = ❑
❑=
La teoría indica que las llegadas de los clientes debe ajustarse a
la Distribución Poisson, cuya función de cuantía es:

                                                           
Donde:
‫ = גּ‬parámetro de la distribución Poisson
e = base de los logaritmos naturales = 2.718……
x! = factorial de la variable aleatoria
La teoría indica que el parámetro: λ = M(X) en la Distribución
Poisson en nuestro caso asumimos a-priori que : λ =
clientes/minuto, dicha hipótesis debe estar sujeta a una
verificación formal para lo cual realizaremos la correspondiente
prueba de hipótesis aplicando la Distribución Chi-cuadrado, cuya
fórmula es:
Σ(fo−fe)²
χ² =
fe

donde:
χ² = Chi-cuadrado calculado
Σ = Símbolo de sumatoria
fo = frecuencia observada
fe = frecuencia esperada
Es así que las hipótesis planteadas serán:
Ho : hipótesis nula
H1: hipótesis alternativa
Ho: las llegadas/minuto de los clientes se ajustan a la
distribución Poisson
H1: las llegadas/minuto de los clientes no se ajustan a la
distribución Poisson

Calculo de las frecuencias esperadas:

 
Remplazando sucesivamente los valores de X = 0, 1, 2, 3 , se
tiene:  

e- =

( )0
f(0) = * =                          
!

( )1
f(1) = * =                      
!

()2
f(2) = * =                          
!

( )3
f(3) = * =                       
!

Las frecuencias esperadas serán:

Asi tenemos la siguiente tabla resumen:

frecuencias Frecuencias
observadas (fo) esperadas (fe)
30
15
4
1

Σ(fo−fe)²
χ² =
fe
χ² = () ² + () ² + () ² =
❑ ❑ ❑
Contrastando este valor calculado con los valores teóricos
(tablas de la Distribución Chi-cuadrado), cuyos límites superior
(LS) e inferior (LI) son:

LS = χ² (1 – α/2)
(c-m -1) grados de libertad
LI = χ² ( α/2)
(c-m -1) grados de libertad
Para un nivel de confianza del 95 % ( α = 5 % = 0,05, nivel de
significación), y (c-m -1) grados de libertad, donde:
c = número de categorías de la distribución de frecuencias, aquí,
c = 4 (0,1,2 y3)
m = número de parámetros estimados, aquí solo se estimó la
media, por lo que
m=1
entonces: grados de libertad, (gl) = 4 – 1 – 1 = 2 gl.
Buscando en tablas de la Distribución Chi-cuadrado:
LS = χ² (1 – 0.05/2) = χ² ( 0.975) = 7.38
2 gl 2 gl
LI = χ² ( 0.05/2) = χ² ( 0.025) = 0.051
2 gl 2 gl