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.

Simbología:
λ; tasa de llegada de los clientes (clientes/unidad de tiempo)
μ; tasa de atención a los clientes, o tasa de servicio
(clientes/unidad 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 (N° 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:
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

U = 1/λ
V = 1/µ
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 está 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:

λ = 4(clientes/hora)
V = 6(minutos/cliente)
µ = 1/V = 1/6 (clientes/minuto)*60 (minutos/hora)
µ = 10 (clientes/hora)

4
ρ = 10 *100 = 40 %

a) P0 = 1 – ρ = 1 – 0.4 = 0.6 (60%)

en una jornada de 8 horas = 8 * 0.60 = 4.8 horas
b) Pn= (1 – ρ) ρn
P3= (1 – 0.4) 0.43 = 0.04 (4 %)
c)P(n≥1) = 1 – P(n<1); n = 0, 1 , 2 , ……..
P(n≥1) = 1 – P(n=0) = 1 – P0 = 1 – 0.6 = 0.4 (40 %)
ρ 0.4
d) L = 1−ρ = 1−0.4 = 0.67 (clientes)

Nota: los valores de “L” y “Lq” no se redondean, por razones de

diseño del sistema.
1 1
e) W = μ−λ = 10−4 =1/6 (hora) = 10 (minutos)
ρ² 0.4²
f) Lq = 1−ρ = 1−0 . 4 =0.27 (clientes)

ρ 0.4
g) Wq = μ−λ = 10−4 = 0.07 (horas)=4.2 (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
λ = 1/20 (pacientes/minuto)= 3 (pacientes/hora)
V = 15 (minutos/paciente) = 1/µ
µ = 1/15 (pacientes/minutos) = 4 (pacientes/hora)
3
ρ = 4 *100 = 75 %

Pn= 0.95 ; n = 0, 1, 2, ………A

Sea “A” el número de asientos requeridos.
Pn= (1 – ρ) ρn = 0.95
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
1 + ρ1 + ρ2 + ρ3 +………..+ ρA
- ρ - ρ² - ρ3 – ρ4 -……- ρA – ρ1+A
1 – ρ1+A = 0.95
ρ1+A = 0.05
(1+A) ln ρ = ln 0.05
(1+A) ln 0.75 = ln 0.05
1 + A = ln 0.05/ln 0.75 = 10.41
A = 10.41 – 1 = 9.41
A = 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
P(n≥2) = 1 – P(n<2) ; n = 0, 1, 2, 3……….
P(n≥2) = 1 – [P0 + P1]
ρ =4/5 =0.8 (80%)
P0 = 1 – ρ = 1 – 0.8 = 0.20 (20%)
P1 = (1- 0.8)*0.81 = 0.16 (16%)
P(n≥2) = 1 – [0.20 + 0.16]
P(n≥2) = 0.64 (64 %)

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:
El costo total se expresa así:
Ct = Costo del servicio + Costo de espera
Ct = C1($/cliente)*µ(clientes/hora) + C2($/h-cliente)*L(clientes)
ρ λ /µ
L = 1−ρ = 1−λ /µ
 λ
L = µ−λ

λ
Ct = C1*µ + C2* µ−λ

dCt
+dµ =0

µ* = λ + C 2∗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= cμ <1
c−1
( cρ )n ( cρ )c 1
P0 = [∑ + * (1− ρ)
]-1
n=0 n! c!

( cρ )n
Pn = *P0 ; 0 ≤ n ≤c
n!
c n
c ρ
Pn = *P0 ; n > c
c!
 c c+1
c ρ
Lq = *P
c ! (1−ρ) ² 0
Lq
Wq = λ

1
W = Wq + µ

L = λ*W

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 h-1
µ = 10 h-1
tomando c = 2 servidores
λ 12
ρ= cμ = 2∗10 = 0.60 (60%)

si c = 3 servidores
λ 12
ρ= cμ = 3∗10 = 0.40 (40%)

si c = 4 servidores
λ 12
ρ= cμ = 4∗10 = 0.30 (30%)
a medida de que se aumenta el número de canales, la intensidad
de tráfico disminuye, pero aumenta en costo, en este problema.
Asumimos c = 2 servidores
c*ρ = 2* 0.60 = 1.20
c−1
( cρ )n ( cρ )c 1
a) P0 = [∑ + * (1− ρ)
]-1
n=0 n! c!
2−1
( 1 .20 )n ( 1. 20 )2 1
P0 = [∑
n!
+ 2!
* (1−0.60)
]-1
n=0

1.20 0 1.20 1
P0 =[ + +1.80]-1
0! 1!

P0 =[1+ 1.20+ 1.80]-1

P0 =[4]-1 = 0.25 (25%)
b) P(n≥2) = 1 – P(n<2); n=0,1,2,3,4………
P(n≥2) = 1 – [P0 + P1]
( cρ )n ( 1.20 )1
Pn = *P0 ; P1 = *0.25 = 0.30
n! 1!

P(n≥2) = 1 – [0.25 + 0.30]

P(n≥2) = 0.45 (45%)
c c ρn
c) P(n=3) = P3 =? ; Pn = *P0
c!

22 0.6 3
P3 = *0.25 = 0.11 (11%)
2!
c c+1
c ρ
d) Lq = *P
c !(1−ρ) ² 0

22 ¿ 0 . 6 3
Lq = *0.25
2!(1−0.6)²

Lq =0.68 (clientes)
Lq
e) Wq = λ
 0.68
Wq = 12 = 0.06 (horas) = 3.40 (minutos)

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)= 1 min-1
µ = 0.6 min-1
Wq ≤ 2 (minutos)
Sea “c” N° de fotocopiadoras a instalar
Empezamos nuestro análisis con c = 2 fotocopiadoras
λ 1
ρ= cμ = 2∗0.6 = 0.83 (83%)

c*ρ = 2*0.83 = 1.66

2−1
( 1 .66 )n ( 1.66 )2 1
P0 = [∑
n!
+ 2!
* (1−0.83)
]-1
n=0

1.6 60 1.6 61
P0 =[
0!
+ 1!
+ 8.10 ]-1= [0.09]
c c ρc+1 22 ¿ 0 . 833
Lq = *P = *0.09 = 3.56 (estudiantes)
c !(1−ρ) ² 0 2! (1−0 . 83)²
Lq 3.56
Wq = λ = 1 = 3.56 (minutos)

Esta vez considerando c = 3 fotocopiadoras

λ 1
ρ= cμ = 3∗0.6 = 0.56 (56%)

c*ρ = 3*0.56 = 1.68

 3−1
( 1 .68 )n ( 1.68 )3 1
P0 = [∑
n !
+ 3!
* (1−0.56)
]-1
n=0

0 1 2
1.6 8 1.6 8
P0 =[
0!
+ 1!
+ 1.62!8 + 1.80]-1= [0.17]
c c+1 3 4
c ρ 3 ¿ 0 .56
Lq = *P0 = *0.17 = 0.39 (estudiantes)
c !(1−ρ) ² 3! (1−0.56)²
Lq 0.39
Wq = λ = 1 = 0.39 (minutos) < 2 (minutos)

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:
λ = 16 h-1
µ = 4 h-1
C1 = 3 ($/h-canal)
C2 = 10 ($/h-cliente)
Ct = 3($/h-canal)* c(canal) + 10($/h-cliente)*16(cliente/h)*W q(h)
Ct = 3*c + 160 * Wq ($/h)
El número mínimo de canales será:
16
ρ= 4∗c <1
4
c
<1
4<c
c>4
c= 5, 6, 7,,8………..
seguidamente aplicaremos un Software para calcular las medidas
de efectividad:
Es así que elaboramos la siguiente tabla:
c=5 c=6 c=7 c=8 c=9
ρ 0.80 0.67 0.57 0.50 0.44
Wq 0.14 0.04 0.01 0 0
3*c 15 18 21 24 27
160* Wq 22.40 6.40 1.60 0 0
Ct 37.40 24.40 22.60 24 27
.

Data Results
Arrival rate () 16 Average server utilization() 0,80
Service rate () 4 Average number of customers in the queue(Lq) 2,22
Number of servers(c) 5 Average number of customers in the system(Ls) 6,22
Average waiting time in the queue(Wq) 0,14
Average time in the system(Ws) 0,39
Probability (% of time) system is empty (P0) 0,01
Observando los resultados de la tabla anterior, deducimos que el
menor costo se verifica para c = 7, o sea que el número óptimo de
canales buscado es de siete.

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 21
1 18
2 7
3 3
4 1
Total 50
Solución:
A continuación elaboramos la siguiente tabla:

X Frecuencia Probabilidad Probabilida Números

(clientes Observada d índice
/ (fo) acumulada
minuto)
0 21 0.42 0.42 00-41
1 18 0.36 0.78 42-77
2 7 0.14 0.92 78-91
3 3 0.06 0.98 92-97
4 1 0.02 1.00 98-99
Total 50 1.00
 Números índice X (clientes / minuto)
00-41 0
42-77 1
78-91 2
92-97 3
98-99 4

TABLA DE SIMULACION
n Números Llegadas Llegada media
Aleatorios correspondientes
1 10, 22, 24 0, 0, 0 0
2 42, 37, 77 1, 0, 1 0.67
3 99, 56, 27 4, 1, 0 1.67
4 96, 30, 19 3, 0, 0 1
5 14, 34, 26 0, 0, 0 0
6 85, 47, 53 2, 1, 1 1.33
TOTAL 4.67

Seguidamente se obtiene la media simulada así:

.
Media simulada = 4.67 =0.78 min-1
6

La teoría indica que las llegadas de los clientes debe ajustarse a

la Distribución Poisson, cuya función de cuantía es:

                                                           
Donde:
λ = parámetro de la distribución Poisson ≤ 10
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 =0.78
(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
 
Remplazando sucesivamente los valores de X = 0, 1, 2, 3, 4 , se
tiene:  

e-0.78 = 0.46
( 0.78 )0
f(X=0) =0.46 * = 0.46
0!
( 0.78 )1
f(X=1) =0.46 * = 0.36
1!
( 0 .78 )2
f(X=2) =0.46 * = 0.14
2!
( 0 .78 )3
f(X=3) =0.46 * = 0.04
3!
( 0.78 )4
f(X=4) =0.46 * = 0.01
4!
las frecuencias esperadas son:
f( e) = 50 * f(X=x)

f(e1) = 50 * 0.46 = 23
f(e2) = 50 * 0.36 = 18
f(e3) = 50 * 0.14 = 7
f(e4) = 50 * 0.04 = 2
f(e5) = 50 * 0.01 = 1

Asi tenemos la siguiente tabla resumen:

frecuencias Frecuencias
observadas (fo) esperadas (fe)
21 23
18 18
7│ 7│
3│ 2│
1│11 1│10
50

Σ(fo−fe)²
χ² =
fe

Nota: cuando “f0” y “fe” son < 5, se asocian dos o más categorías
hasta alcanzar un valor combinado ≥ 5.
(21−23)² (18−18) ² (11−10) ²
χ² =
23
+ 18
+ 10
= 0.17 + 0.10 = 0.27

Contrastando este valor calculado con los valores teóricos

(tablas de la Distribución Chi-cuadrado), cuyos límites superior
(LS) e inferior (LI) son:
Cualquier experimento que se realice debe estar comprendido en
un Intervalo de confianza, el cual varia del 90% al 100%, la
práctica generalmente aceptada recomienda usar una valor
promedio, que es 95%, por lo tanto en error del nivel de confianza
es 5 % (α), o también llamado nivel de significación.
LS = χ²(1 – α/2) = χ²(1 – 0.05/2) = χ²(0.975) = 9.35
(c-m -1) grados de libertad 3 g.l.
LI = χ²(α/2) = χ²(0.05/2) = χ²(0.025) = 0.216
(c-m -1) grados de libertad 3g.l.
Donde:
c: número de categorías de la distribución de frecuencias
m: número de parámetros estimados(en nuestro caso solo se
estimo la media aritmética, por lo que m=1)
en nuestro caso; 5 – 1 – 1 = 3 g.l.
Como nuestro valor calculado de Chi-cuadrado = 0.27, se
encuentra dentro del intervalo; 0.216 ≤ 0.27 ≤ 9.35, por lo tanto se
acepta H0, de donde se concluye que λ = 0.78(clientes/minuto) =47
h-1

DETERMINACION PRACTICA DE LA TASA DE SERVICIO (µ)

Ejemplo:
En una determinada instalación, se obtuvo los siguientes datos:
Tiempos de servicio (minutos)
2.10 2.4 0.9 1.5 1.3
0.15 3 1.9 1.2 0.98
0.40 0.8 1.8 1.1 0.70
0.52 0.30 0.65 0.20 0.60
n= 20 observaciones (tamaño de la muestra)
La media de estos tiempos de servicio es: M(t) = 1.125 minutos
La función de densidad exponencial es: f(t) = µ e -µ*t, t>0
1
Se demuestra que la media del tiempo es: M(t) = µ ;

1 1
µ = M (t) = 1.125 = 0.89 min-1?

Seleccionamos 5 categorías de manera arbitraria, estas

categorías deben ser ≤ 10. Así se asegura que una observación
1
tenga la misma probabilidad de ser elegida. P = 5 , entonces las
1
frecuencias esperadas serán: fe = 20* 5 = 4 para cada categoría.

La función de densidad exponencial es para nuestro caso;

f(t) = 0.89 e-0.89*t, t>0
A continuación debemos calcular la Función de Distribución
Acumulada:
 t t

F(t) = ∫ f ( t ) dt = 0.89 ∫ ( e )−0 . 89 t∗dt

0 0

Cambio de variable: U = 0.89 t; dU = 0.89 dt

dU/0.89= dt
límites: U1 = 0.89*0 = 0
U2 = 0.89* t
0 .89 t −U
( e ) ∗dU
F(t) = 0.89 ∫
0 0 . 89
0.89 t

F(t) = ∫ e−U dU
0

F(t) = 1 – e-0.89t
e-0.89t = 1 – F(t)
-0.89t ln e = ln[1 – F(t)]
−1
t = 0.89 ln[1 – F(t)]

las 5 categorías son:

0 ≤ t < m1
m1≤ t < m2
m2 ≤ t < m3
m3 ≤ t < m4
t > m4
Como;
F(m1) = 0.2; F(m2) = 0.4; F(m3) = 0.6 ; F(m4) = 0.8; F(m5) = 1.0
−1
En nuestro caso aplicamos: t = 0.89 ln[1 – F(t)]

−1 −1
m1 = 0 .89 ln[1 – F(m1)]= 0 .89 ln[1 – 0.2] =0.25
 −1 −1
m2 = 0 .89 ln[1 – F(m2)]= 0 .89 ln[1 – 0.4] =0.57

−1 −1
m3 = 0 .89 ln[1 – F(m3)]= 0 .89 ln[1 – 0.6] =1.03

−1 −1
m4 = 0 .89 ln[1 – F(m4)]= 0 .89 ln[1 – 0.8] =1.81

−1 −1
m5 = 0.89 ln[1 – F(m5)]= 0.89 ln[1 – 1] =error

Así la Distribución de frecuencias será:

Tiempos de servicio (minutos)
2.10 2.4 0.9 1.5 1.3
0.15 3 1.9 1.2 0.98
0.40 0.8 1.8 1.1 0.70
0.52 0.30 0.65 0.20 0.60

tj-1 – tj f0 fe ( fo−fe)²
fe
0 ≤ t < 0.25 2│ 4│
0.25≤ t < 0.57 3│5 4│8 1.13
0.57 ≤ t < 1.03 6│ 4│
1.03 ≤ t < 1.81 5│ 4│ 0.75
t > 1.81 4│1 4│1
5 2
20 20 X² =1.88

Para α = 5%= 0.05; g.l.= 5 – 1– 1 = 3 gl

LS = X20.975 = 9.35
3 g.l.
LI = X20.025 = 0.216
3 g.l.
H0; los datos se ajustan a la Distribución Exponencial
H1; los datos no se ajustan a la Distribución Exponencial
En consecuencia se acepta la hipótesis nula, por lo tanto la tasa
de servicio es: µ = 0.89 min-1 = 53 h-1

OTROS SISTEMAS DE COLAS (ESPECIALES)

i) COLAS CON RECHAZO

Definición: Un rechazo ocurre cuando un cliente que llega a una

instalación en demanda de un servicio, se niega a entrar a las
instalaciones de servicio porque la línea de espera es demasiado
larga, este hecho se denota mediante una función de rechazo
b(n), que en algunos casos es una fracción o probabilidad de los
clientes que rechazan la línea de espera. Pej. Si en una cola
existen 100 personas y 10 de ellas deciden rechazar la línea de
espera, entonces b(n) = 10/100 o el 10 % rechazan, si hay “n”
clientes en la instalación y la cuarta parte rechazan, entonces
b(n) = n/4, etc.
La probabilidad de que no haya rechazo por parte de un cliente
que llega es,
[ 1 – b(n)], si las llegadas ocurren a una tasa λ, entonces la tasa
esperada de clientes dentro de las instalaciones de servicio es:
λn = [ 1 - b(n) ] λ
También se verifica:
λn−1
Pn = µn * Pn-1

La tasa esperada de rechazo = ∑ (λ−λn)* Pn-1

EJEMPLO:
El propietario de una tienda atiende a un promedio de uno cada
30 segundos (exponencial). Los clientes llegan a una tasa media
de 3 por minuto (poisson), pueden esperar por el servicio si el
dueño esta ocupado con otro cliente. Determinado número de
clientes deciden no esperar (rechazo) y hacen sus compras en
otro lugar, la probabilidad de que un cliente que llegue “rechace”
es n/3, donde “n” es el número de clientes que ya se encuentran
en la tienda. Si la ganancia promedio por cliente es 30 centavos
de dólar, ¿Qué ganancia esperada perderá el dueño de la tienda,
por concepto de clientes que parten y hacen sus compras en otro
lugar?
Solución:
b(n) = n/3; función de rechazo, n = 0 , 1 , 2, 3
λ = 3 clientes/minuto
µ = 1cliente/30 s * 60 (s/min)
µ = 2 clientes/minuto
La tasa promedio de clientes dentro de la instalación
considerando que algunos clientes rechazan la línea de espera.
λn = [ 1 – b(n) ] λ
0
λ0 = [ 1 – 3 ] 3 = 3 min-1

1
λ1 = [ 1 – 3 ] 3 = 2 min-1

2
λ2 = [ 1 – 3 ] 3 = 1 min-1

3
λ3 = [ 1 – 3 ] 3 = 0 min-1

µ0 = µ1 = µ2 = µ3 = µ = 2 min-1
λn−1
Pn = µn * Pn-1

λo 3
P1 = µ 1 * P0 = 2 * P0 = 1.5 * P0

λ1 2
P2 = µ 2 * P1 = 2 * (1.5 * P0) = 1.5 * P0

λ2 1
P3 = µ 3 * P2 = 2 * (1.5 * P0) = 0.75 * P0
 3

Sabemos que: ∑ Pn = 1
n=0

P 0 + P1 + P2 + P3 = 1
P0 + 1.5 * P0 + 1.5 * P0 + 0.75 * P0 = 1
4.75 P0 = 1
P0 = 0.21
P1 = 1.5*0.21 = 0.32
P2 = 1.5*0.21 = 0.32
P3 = 0.75*0.21 = 0.16
La tasa esperada de rechazo = ∑ (λ−λn)* Pn
El número de clientes por minuto que se pierden está dado por:

∑ ( λ− λn )∗¿ ¿ Pn =(λ-λo)*P0 +(λ-λ1)*P1 +(λ-λ2)*P2 +(λ-λ3)*P3

n=0

∑ ( λ− λn )∗¿ ¿ Pn =(3-3)*0.21 +(3- 2)*0.32 +(3- 1)*0.32 +(3- 0)*0.16

n=0

∑ ( λ− λn )∗¿ ¿ Pn =0.32 + 0.64 + 0.48 = 1.44 (clientes/min)

n=0

La tasa de pérdida esperada es:

30 (ctv./cliente)*1.44 (cliente/min)*1 ($/100 ctv.)* 60(min/hora)
La tasa de pérdida esperada es = 26 ($/hora)

ii) COLAS CON ABANDONO:

Definición: El abandono ocurre cuando un cliente deja la línea de
espera después de permanecer en ella un tiempo determinado,
debido a que el tiempo de espera por el servicio ha resultado
demasiado prolongado. El efecto neto es que aumenta la tasa a la
cual se atiende a los clientes a través del sistema, el Modelo con
Abandono es:
 µn = µ + r(n)
donde: r(n) : es la función de abandono, que es una cuantificación
de la cantidad de clientes que abandonan la línea de espera,
algunas veces se expresa como una fracción o probabilidad como
en el caso de Colas con Rechazo.
Ya que no se presenta abandono cuando no existe línea de
espera: r(0) = r(1) = 0
También se verifica que :
λn−1
Pn = µn * Pn-1

El numero esperado de clientes (N) que abandonan la línea de

espera por unidad de tiempo es:
∞

N =∑ r (n)∗Pn
n=0

EJEMPLO:
Con los datos del problema de Colas con rechazo resolver este
problema si la función de abandono es:
r(n) = 0 : si n = 0, 1
r(n) = n2 : si n = 2 , 3, 4, 5
Aquí:
λ = 3 clientes/minuto
µ = 2 clientes/minuto
Perdida esperada por cliente que abandona el sistema: 30 ȼ
/cliente.
Solución:
Aquí se tiene:
λ0 = λ1 = λ2 = λ3 = 3 clientes/minuto
µn = µ + r(n)
µ1 = 2 + r(1) = 2 + 0 = 2 min-1
 µ2 = 2 + r(2) = 2 + 22 = 6 min-1
µ3 = 2 + r(3) = 2 + 32 = 11 min-1
µ4 = 2 + r(4) = 2 + 42 = 18 min-1
µ5 = 2 + r(5) = 2 + 52 = 27 min-1
λn−1
Pn = µn * Pn-1

λ0 3
P1 = µ 1 * P0 = 2 * P0 = 1.5* P0

λ1 3
P2 = µ 2 * P1 = 6 *1.5* P0 = 0.75* P0

λ2 3
P3 = µ 3 * P2 = 11 *0.75* P0 = 0.20* P0

λ3 3
P4 = µ 4 * P3 = 18 *0.20* P0 = 0.03* P0

λ4 3
P5 = µ 5 * P4 = 27 *0.03* P0 = 0

P 0 + P1 + P2 + P3 + P4 + P 5 = 1
P0 + 1.5*P0 + 0.75*P0 + 0.20*P0 + 0.03*P0 + 0 = 1
3.48 * P0 = 1
P0 = 0.29
P1 = 1.5*0.29 = 0.44
P2 = 0.75*0.29 = 0.22
P3 = 0.20*0.29 = 0.06
P4 = 0.03*0.29 = 0.01
P5 = 0
∞

N =∑ r (n)∗Pn
n=0

N = r(0)*P0 +r(1)*P1 + r(2)*P2 + r(3)*P3 +r(4)*P4 + r(5)*P5

N = 0 + 0 + 22*0.22 + 32*0.06 + 42*0.01 + 52*0
 N = 1.56 (clientes/minuto)
La tasa de pérdida esperada es:
30 (ctv./cliente)*1.56 (cliente/min)*1 ($/100 ctv.)* 60(min/hora)
La tasa de pérdida esperada es = 28 ($/hora)

Colas con capacidad limitada, Sistema M/M/1/K

Un sistema M/M/1/K, puede aceptar simultáneamente un máximo
de “K” clientes en las instalaciones cuando éstas se encuentran
llenas, se les niega la entrada y no se les permite esperar afuera
para entrar más tarde, las relaciones básicas son:
ρn (1− ρ)
Pn = K+ 1❑ ; si (ρ
≠ 1)
1−ρ
1
Pn = K +1 ; si (ρ = 1)

ρ ( K +1 ) ρ K +1❑
L = 1−ρ - K +1 ; si (ρ ≠ 1)
1−ρ
K
L = 2 ; si (ρ = 1)

λ1; tasa promedio de ingreso del cliente a un establecimiento

λ1 = λ(1 – PK)
Ejemplo:
Una estación de servicio en un camino rural tiene una sola bomba
para despachar gasolina, los automóviles llegan a comprar
gasolina siguiendo un proceso Poissoniano, con una tasa
promedio de 10 por hora. El tiempo para dar servicio a un
automóvil se distribuye exponencialmente, con una media de 2
minutos. En la estación caben un máximo de cuatro automóviles
y las leyes locales de tránsito prohíben que los autos esperen en
la vía pública. Determinar:
(a) el número promedio de automóviles que se encuentran
simultáneamente en la estación de servicio,
b) el tiempo promedio que un cliente debe esperar para obtener
servicio, una vez que logra entrar a la estación.
c) la tasa promedio de pérdida de ingresos por aquellos clientes
que se van a realizar su compra a otro lugar cuando la estación
está llena, si la venta promedio es de $ 15.
Práctica:
Copiar un problema de Colas con Prioridades.

CAPITULO IV
ADMINISTRACION DE INVENTARIOS

Definición: Un problema de inventarios existe cuando es

necesario guardar bienes físicos o mercancías con el propósito
de satisfacer la demanda sobre un horizonte de tiempo
especificado. Cada empresa debe almacenar bienes para
asegurar un trabajo uniforme y eficiente en sus operaciones.
Los inventarios pueden ser de materias primas, productos en
proceso o de productos terminados.
Una política de inventarios consiste en la toma de decisiones
considerando cuando hacer los pedidos y en que cantidad a un
costo mínimo.

SIMBOLOGIA:

A: costo de preparación de una orden de compra (costo del

pedido), son costos administrativos del proceso de compras.
U: demanda o consumo (artículos por unidad de tiempo)
c: costos de almacenamiento ($/unidad-tiempo)
q: tamaño del lote económico (cantidad óptima del pedido)
t: tiempo entre dos pedidos consecutivos
N: número de pedidos por unidad de tiempo
Ct: costo total de inventario
L: tiempo de entrega
σte: desviación estándar durante el tiempo de entrega
σ: desviación estándar de la demanda
B: inventario de seguridad
M(U): demanda promedio
R: punto de reorden
b: costo de faltantes
Ute: demanda durante el tiempo de entrega
D: % de descuento
i: fracción del costo de conservación (%)
N.S.: nivel de servicio
α: error del nivel de servicio
p: precio unitario
P: tasa de producción

MODELOS DETERMINISTICOS DE INVENTARIOS

1.- Tamaño del lote económico, reabastecimiento instantáneo sin
faltantes

Diagrama de dientes de sierra:

L = 0, el reabastecimiento es instantáneo
b=0; no existen faltantes
U = constante
La ecuación básica es :
Ct = Costo de reabastecimiento + Costo de conservación
En símbolos:
A∗U c∗q
Ct = q
+ 2
C
Y = X,

Ejemplo 1:
Determinar la política de inventarios para un producto que tiene
los siguientes datos:
Consumo: 100 unidades/mes
Costo de reabastecimiento: 5 $
Cargos por conservación de inventarios: 40 ȼ/unidad-mes
Solución:

Ejemplo 2:
Un fabricante necesita 2000 piezas de ensamble durante el
próximo año, el precio unitario es de 5 $, el costo de ordenar es
de 7 $, el costo de conservación es de 1.50 $/pieza-año, más 10 %
por unidad-año por el costo de oportunidad del capital.
Determinar la política de inventarios.
Solución:

2.- Tamaño del lote económico, ciclo productivo sin faltantes

Este modelo se aplica en el caso de que se fabrique un producto
a una tasa “P”, las fórmulas anteriores se modifican así.

q=
√ 2∗A∗U∗P
c∗( P−U )

Ct =
√ 2∗A∗U∗c∗(P−U )
P
q
t= U

U
N= q

Ejemplo:
Con los siguientes datos determinar la política de inventarios:
A=5$
U = 100 unidades/mes
c = 40 ȼ/unidad-mes = 0.4($/unidad-mes)
P = 500 unidades/mes
Solución:

3.- Tamaño del lote económico, reabastecimiento instantáneo,

faltantes permitidos.

q=
√ 2∗A∗U∗(b+ c)
c∗b

√
Ct = 2∗ A∗U∗c∗b
b+c
 q
t= U

U
N= q

Ejemplo:
Supóngase que un distribuidor almacena un tipo particular de
chapas para puertas. El distribuidor vende 1000 chapas cada año,
el costo de ordenar es de $ 4, si un cliente pide una chapa cuando
no se tiene en almacén se incurre en un costo de faltantes de $ 1
por unidad. Si el costo de conservación es $ 2 por unidad-año.
Determinar la Política de Inventarios.
Solución:

4.- Tamaño del lote económico, ciclo productivo, faltantes

permitidos.

q=
√ 2∗A∗U∗P∗(b +c)
c∗b∗( P−U )

Ct =
√ 2∗A∗U∗c∗( P−U )∗b
P∗(b+c)
q
t= U

U
N= q

5.- Descuentos por cantidad:

Cuando se compra en grandes cantidades los proveedores
ofrecen un descuento por cantidad, el problema consiste en
decidir si es conveniente aceptar o rechazar un determinado
descuento.
Se tienen las siguientes relaciones:
Ahorros del descuento = D*p*U
 c 1 1
Costos incrementales = 2 ∗( q ´ −q ) - A*U*( q - q ´ )

donde: q´= cantidad adicional por descuento

Ejemplo:
Para un determinado producto se tiene los siguientes datos:
U= 100 (unidades/año); A = 5 $; c = 0.4 ($/unidad-año), p=
2.50($/unidad) . El fabricante ofrece descuentos de:
a) 5 % cuando se compran 100 unidades
b) 10 % si se compran 300 unidades
¿qué descuento sería preferible elegir?
Solución:
5.- Otro tipo de Descuentos por cantidad:
Ejemplo:
Se tienen los siguientes datos para un cierto producto:
A=49 $; U = 5000 (unid/año); i = 20 %.
Cantidad por Precio de descuento
descuento (q) (p)
0-999 5$
1000-2499 4.85 $
2500 o más 4.75 $
¿Qué cantidad ordenada minimizara el costo total de inventario?
Solución:

6.- Tamaño del lote económico para varios productos:

Si, qj es el lote económico para el j-ésimo producto, y sea U j, la
demanda para el j-ésimo producto, se tiene:
qj = f*Uj
donde: f= fracción de la demanda actual
 √
2∗ΣAi
f= Uj
ΣUj∗cj∗(1− )
Pj

Ejemplo:
La tabla adjunta nos da los costos de reabastecimiento , el
consumo anual, tasa de producción y cargos de conservación en
inventario para un grupo de 5 productos. Establecer los tamaños
de los lotes económicos para este grupo de productos.
Product A U P C
o
1 10 3000 2500 3
2 20 2000 0 6
3 17 4000 8000 5
4 13 5000 2000 4
5 5 2000 0 2
1500
0
1200
0

Solución;
Product A U U qj = f *Uj
(1- P ) U*c*(1- P )
o
1 10
2 20
3 17
4 13
5 5

√
2∗ΣAi
f= Uj
ΣUj∗cj∗(1− )
Pj

Inventario con restricciones:

Encuentre los tamaños económicos de los lotes para los
productos de la tabla adjunta:
a) Sin ninguna restricción
b) Con una capacidad total de manufactura para los tres
productos de 2800 unidades.
Product Product Product
o o2 o3
1
Demanda(unid/año) 1200 2000 900
Costo del pedido ($) 80 150 90
Costo de 15 20 20
conservación
(¢/unid.-año)

Solución:

√
a) Aplicamos la fórmula: q = 2∗A∗U
c
b) Se debe cumplir; q1 + q2 + q3 = 2800 (unid.)
Considerando la ecuación de Costo total:
A∗U c∗q
Ct = q
+ 2

.
Es una aplicación al Método de Multiplicadores de Lagrange.
∇ Ct = λ* ∇ g