TEORÍADECOLAS

UnaColasepresentaconfrecuenciacuandosesolicitaunservicioporpartedeuna
seriedeclientesytantoelserviciocomolosclientessondetipoprobabilístico.
LaprimeraaplicacióndeteoríadeColassedebealmatemáticodanésErlangsobre
conversacionestelefónicasen1909paraelcálculodetamañodelascentralitas.
LaTeoríadeColasesunadisciplinadeInvestigaciónOperativaqueseencargade
poponermodelosparaelmanejoeficientedeLíneasdeEspera.
UnaLíneadeEsperaesunahileraformadaporunoovariosclientesqueaguardanpara
recibirunservicio.Losclientespuedenserpersonas,objetos,máquinasquerequieren
unmantenimiento,contenedoresdemercancíasparaserembarcados,elementosde
inventarioparaserutilizados,etc.
UnaLíneadeEsperaseformaporundesequilibriotemporalentrelademandadeun
servicioylacapacidaddelsistemaparagestionarlo.
LosModelosdeLíneasdeEsperasonmuyútilesparadeterminarcómooperarun
sistemadecolasdelamaneramáseficaz,permitenencontrarunbalanceadecuado
entreelcostodeservicioylacantidaddeespera:Proporcionardemasiadacapacidad
deservicioparaoperarelsistemaimplicacostosexcesivos.Deotraparte,sinose
cuentaconsuficientecapacidaddeserviciosurgenesperasexcesivascon
desafortunadasconsecuencias.

ESTRUCTURADELOSPROBLEMASDELÍNEASDEESPERA:Aunquecadasituación
específicatienecaracterísticasdiferentes,cuatroelementossoncomunesatodaLínea
deEspera:
i Unapoblacióndeclientesquegeneraclientespotenciales.
i Unalíneaofiladeesperaformadaporlosclientes.
i Lainstalacióndelservicio,formadaporunapersona(ounequipo),unamáquina(o
grupodemáquinas)queserequiereparaproveerelservicioqueelclientesolicita.
i Unaregladeprioridadparaseleccionaralsiguienteclientequeseráatendidoporla
instalacióndeservicio.

Eltérmino'cliente'seutilizaenunsentidogeneral,pudiendoserunapersona,piezas
esperandosuturnoparaserprocesadas,unalistadetrabajoesperandoparaser
impresasenunaimpresoradered,etc.

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/11
PROCESOBÁSICODECOLAS
Cola(Zonadeespera):Entodosistemalosflujosdeentradaysalidanoestán
sincronizados.Lacolaesunaacumulacióndeclientes(personas,productos,objetos)
queestánalaesperadeserservidos.
Unacolapuedeevitarse:
(a) Tasamediadellegadas  Capacidaddeservicio
(b)Cuandosetieneuncontrolsobreladispersióndelostiemposdellegadasyladelos
tiemposdeservicio.

Básicamentelamayoríadelosmodelosdecolasconsiste:Losclientesquerequieren
unserviciosegeneraneneltiempoenunafuentedellegada,despuésentranal
sistemayseunenaunacola.
Endeterminadomomentoseseleccionaaunclientedelacolaparaproporcionarleel
serviciomediantealgunareglaconocidacomodisciplinadelacola.Sellevaacaboel
servicioqueelclienterequieremedianteunmecanismodeservicio,ydespuésel
clientesaledelsistemadecolas.
x Enelsistemasepuedeactuarenlassiguientescaracterísticas:
(a)Leyquerigelasllegadas.
(b)Disciplinadelacola.
(c)Leyquedeterminaelservicio(elecciónentretipoynúmerodecanales).

Consideracionssobrelossistemas:

(a)Cuandohayvarioscanalesenparaleloesconvenientemantenerunacolaúnica.
(b)Cuandohaytiemposdeserviciosmuydisparesparalosdiferentesclientesque
formanlacolaconvieneestablecercanalesseparados.
(c)Silacolaaumentahastaciertolimiteconvieneaumentarlacapacidaddelos
canales.

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/12
x Conrelaciónaladisciplinadelacolahayqueconsiderar:
(a)Llegadasindividualesoengrupos.
(b)Dependenciadelmúmerodeclientesquepretendenincorporarsealsistemaen
funcióndelnúmerodeclientesqueseencuentranenelmismo.
(c)Disuasióndelosclientesquepretendenincorporarsealsistemaenfuncióndela
longituddelacola(conunaciertaprobabilidad).

x Enrelaciónconelserviciohayqueconsiderar:
(a)Leydeservicioúnicaalolargodeltiempoyparatodoslosclientes.
(b)Leydeserviciovariableenfuncióndeltipodeclienteylongituddelacola.

TIPOSDESISTEMASDECOLAS

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/13
DISTRIBUCIONESDEPROBABILIDADDELMECANISMODESERVICIO
Lasfuentesdevariaciónenlosproblemasdecolasofilasdeesperaprovienendel
carácteraleatoriodelallegadadeclientesydelasvariacionesqueseregistranenlos
distintostiemposdeservicio.Generalmentecadaunadeesasfuentessueledescribirse
medianteunadistribucióndeprobabilidad.
Lamayorpartedelosmodelosdecolasestocásticasasumenqueeltiempoentre
diferentesllegadasdeclientessiguenunadistribuciónexponencial Exp(O ) ,oloquees
equivalente,queelritmodellegadassigueunadistribucióndePoisson.
Tambiéneshabitualadmitirqueelritmodeatenciónalclientecuandoelservidorestá
ocupadosigueunadistribucióndePoissonyladuracióndelaatenciónalclientesigue
unadistribuciónexponencial.

(O t)n  Ot
Ladistribucióndellegadas: pn (t) e , n 0, 1, 2, "clientes
n!
pn (t) { Probabilidaddequen clientesesténenelsistemaeneltiempot

Eltiempoentrellegadas,sedefinecomolaprobabilidaddequenollegueningún
(O t)0  Ot
cliente,esdecir: p 0 (t) e e Ot ,siendounadistribuciónexponencial.
0!

PROCESOSDEPOISSON
Silostiemposentrellegadas/serviciosdeclientessedistribuyensegúnunaexponencial
Exp(O ) ,elnúmerodellegadas/serviciosdeclienteshastaunciertotiempoesun
procesodePoisson.

x Sealavariable X  Exp(O ) lavariablealeatoriaentrellegadasotiempodeservicio,

­ O e O x parax t 0
sufuncióndedensidad f(x) ® esestrictamentedecreciente.
¯ 0 enotrocaso

­1  e  O x xt0
³
x
Lafuncióndedistribución: F(x) f(t) dt ®
f ¯ 0 x0

1 1
X  Exp(O ) o E(X) V(X)
O O2

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/14
CARACTERÍSTICASDELOSSISTEMASDECOLAS
Unsistemadecolassedescribeadecuadamenteconseiscaracterística:
x Fuentedellegadadeclientes.
x Patróndeserviciodeservidores.
x Disciplinadecola.
x Capacidaddelsistema.
x Númerodecanalesdeservicio.
x Númerodeetapasdeservicio.

Fuentedellegadadeclientes:Ensituacionesdecolashabituales,lallegadadeclientes
esestocástica,estoes,dependedeunavariablealeatoria,conloquesenecesita
conocerladistribuciónprobabilísticaentredosllegadassucesivasdeclientes.
Lafuentedellegadapuedevariarconeltiempo,cuandosemantieneconstantesedice
estacionaria,sivaría(porejemplo,conlashorasdeldía)sellamanoͲ
estacionaria.
Puedencontemplarsedistintassituaciones:Clientesquelleganindependienteo
simultáneamente(lleganlotes),enesteúltimocasohayquedefinirsudistribución
probabilística.Clientesqueabandonanlacolaporserdemasiadolargaoquetras
esperarmuchoabandonan.
Elsupuestonormal,paraunmodelobásicodecolas,esquelallegadadeclienteshasta
unmomentoespecíficosigueunadistribucióndePoisson,aunquenosealaúnica
distribuciónquepuedeconsiderarse.

Patróndeserviciodeservidores:Puedenpresentaruntiempodeserviciovariable,en
cuyocasohayqueasociarunafuncióndeprobabilidad.Puedenatenderenlotesode
modoindividual.
Eltiempodeserviciopuedevariarconelnúmerodeclientesenlacola,trabajandomás
rápidoomáslento,enestecasoseconocecomopatronesdeserviciodependientes.
ElpatróndeserviciopuedesernoͲestacionariovariandoconeltiempotranscurrido.

Disciplinadecola:Eslareglaenelordenquesevanaseleccionarlosclientesquese
encuentranalaesperadeseratendidosenlacola,existenvariasreglas,entrelasmás
comunessepuedenencontrar:
kFIFO(firstinfirstout):Seatiendealclienteenelordenquelleganalacola,el
primeroenllegarseráelprimeroenseratendido.Enlosmodelosbásicosdecolasse
suponecomonormalladisciplinadeprimeroenentrar,primeroensalir,amenosque
seestablezcadeotramanera.
kLIFO(lastinfirstout):Consisteenatenderprimeroalquehallegadodeúltimo,
tambiénseleconocecomo'pila'.
kRSS(randomselectionofservice):Seseleccionaalosclientesdeunacoladeforma
aleatoria,conalgúnprocedimientodeprioridadoalgúnotrapreclasificación.
kProcessorSharing:Todoslosclientes experimentanconeficaciaelmismo

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/15
retraso,yaquecompartenentretodoslosclientesdelacolalacapacidaddelsistema
atendiendoatodosporigual.

Capacidaddelsistema:Eselnúmeromáximodeclientesquepuedenestardentrodel
sistemahaciendocolaantesdeseratendidospararecibirelservicio,aligualquela
fuentedellegadaestenúmeropuedeserfinitooinfinito.

Númerodecanalesdeservicio:Espreferibleutilizarsistemasmultiserviciosconuna
únicalíneadeesperaparatodosqueconunacolaporservidor.Alhablardecanales
deservicioparalelosetratageneralmentedeunacolaquealimentaavarios
servidores.

Númerodeetapasdeservicio:Puedeserunietapaomultietapa,enesteúltimoel
clientepuedepasarporunnúmerodeetapasmayorqueuno.Enalgunossistemas
multietapaseadmitelavueltaatrásoreciclado,modohabitualensistemas
productivoscomocontrolesdecalidadyreprocesos.

MECANISMODESERVICIO

Secaracterizaporlasestacionesdeservicio(servidoresodependientes)yporlos
canalesdeservicioquedesembocanencadaunodelosservidores.
Unaúnicacolapuededesembocarenvariosservidoresquevansiendoocupadosde
acuerdoaunadisciplinadeselección,elcasohabitualdeasignaciónalprimerservidor
quequedalibre.
Puedehabermultiplicidadenelnúmerodeservidores,esposibleencontrarmúltiples
colasquesurtanclientesaunúnicooamúltiplesservidores.
Enunadeterminadaestacióndeservicio,elclienteentraenunodeestoscanalesyel
servidorleprestaelserviciocompleto.
Losmodelosdecolasdebenespecificarelnúmerodeestacionesdeservicio(canales
deservicioenserie)yelnúmerodeservidores(canalesparalelos)encadaunadeellas.
Losmodeloselementalessecomponendeunaestación,yaseaconunservidorocon
unnúmerofinitodeellos.

Lavariablemásimportantequecaracterizaelmecanismodeservicioeseltiempode
servicioeseltiempodeservicio.Sedenominatiempodeservicioelquetranscurre

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/16
desdeeliniciodelservicioparaelclientehastasuterminaciónenunaestación.
Elmodelodeunsistemadecolasdebeespecificarladistribucióndeprobabilidadde
lostiemposdeserviciodecadaservidor,siendohabitualsuponerlamismadistribución
paratodoslosservidores.
Ladistribucióndeservicioquemásseempleaenlapráctica(porajustarseaungran
númerodesituacionescomoporsusimplicidadenelcálculo)esladistribución
exponencial.Otrasdistribucionesqieseutilizansonladistribucióndegenerada(para
tiemposdeservicioconstantes)yladistribucióndeErlang(Gamma)para
combinacionesdedistribucionesexponenciales.

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/17
NOTACIÓNDELMECANISMODESERVICIO

O n { Tasamediadellegadascuandohayn clientesenelsistema,tambiénnúmero
esperadodellegadasdeclientesporunidaddetiempocuandoseencuentran
n clientesenelsistema.
P n { Tasamediadeservicioentodoelsistema,estoes,númeroesperadode
clientesquesondespachadosporunidaddetiempoportodoslos
servidoresensuconjunto.
s { Númerodeservidoresenelsistemadecolas.
Muchasveces,elnúmerodeclientesenelsistemanoafectaalatasamediade
llegadasylatasamediadeservicio.En estecaso,O n yP n sedenotanporO yP ,
respectivamente.
CuandolosservidoresseencuentranocupadossetieneP n sP

O
us { Utilizaciónpromediodelsistema.
P

O
U (factordeutilización) { Congestióndeun sistema.
s. P

ElfactordeutilizaciónU daunaideade lacapacidaddelsistemaqueesutilizadapor

losclientesentrantes.
U  1 o Tasadeservicio>Tasadellegadadeclientes
U ! 1 o Tasadellegadadeclientes>Tasadeservicio o Lacolacrececoneltiempo

pn (t) (1  U) Un { Probabilidaddequehayanclientesenelsistemaenelinstantet
conU O / P 

N { Númerodeclientesenelsistemaenestadoestable.
N(t) { Númerodeclientesenelsistemade colasenelinstantet(t t 0).
También,estadodelsistemaenelinstantet.

Long _ cola N(t)  s { Longituddecola

L S { Númeroesperadodeclientesenelsistema,esdecir,elsumatoriodelas
probabilidadesdecadaestadoporelnúmerodeclientesensucorrespondiente
f

estado:L S ¦n . p
n 0
n

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/18
Lq pL { Longitudesperadadelacola,setratadeunavariablequeesmedidadelos
clientesesperandoencolaexcluidosaquellosqueestánrecibiendoservicio,
f

seexpresaporlafórmula:L q ¦ (n  s) . p
n s
n

Ws { Tiempodeesperaenelsistemaincluyendoeltiempodeservicio(1/P)para
cadacliente.Encondicionesdeestabilidad,seutilizalaesperanzadela
Ls
variablealeatoria:Ws E(w) 
O
Wq { Tiempodeesperaenlacolaexcluidoel tiempodeservicio(1/ P)paracada
Lq
cliente.Encondicionesdeestabilidadsetiene,Wq E(w q )
O
SuponiendoO n cte, enunprocesodecolasenestadoestable,elnúmerode
clientesenelsitemaindependientemente deltiempotranscurridoesigualala
tasadellegadasporeltiempodeesperamedioenelsistema,esdecir:L O W
DeduciéndosequeL q O Wq

Siendoelnúmerodeclientesenelsistemaigualalnúmerodeclientesservidos
máselnúmerodeclientesesperandoenlacola:L L s  L q

Suponiendoqueeltiempomediodeservicioesunaconstante(1 / P)para n t 1,
setieneentoncesqueeltiempoenelsistemaesigualaltiempoencolamásel
1
tiempodeservicio(Tsis Tcola  Tserv ):Ws Wq 
P

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/19
TERMINOLOGÍADELMECANISMODESERVICIO

DavidKendallintrodujoen1953unanotaciónquepermitedescribirlascolasymostrar
suscaracterísticaspudiendoclasificarlosdiferentestiposdecolaspormediode
iniciales.Deestemodo,setiene:
 A / S / c / K / N / D

A Distribuciónentreeltiempodellegadasconsecutivas
x M  { Tiemposentrellegadasdistribuidosde formaexponencial(ProcesodePoisson)
x D { Tiemposentrellegadasdeterministas,contiempopromedioconstante
x G { Tiemposentrellegadasgenerales(cualquierdistribución)
x Ek { ExisteunadistribucióntipoErlang
x Hk { Mezcladekexponenciales
x Ph { Tipofase

S Patróndeserviciodeservidores,esdecir,hacereferenciaaladistribuciónprobabilística
delostiemposdeservicio.PuedetomarlosmismosvaloresqueA.

c Númerodeservidores(onúmerodedependientes),tambiénsedenotapors.

K Capacidaddelsistema,esdecir,elnúmeromáximodeclientesquepuedehaberenel
sistema.Cuandosetratadeunacolainfinitaelparámetrosepuedeomitir.

N Cualquiertipodedisciplinadelacola(FIFO,LIFO,RSS,etc),sepuedeomitirelparámetro
encasodeserFIFO.

D Tamañodelapoblacióndeentrada,encasodeserinfinitaelparámetrosepuedeomitir.

MODELOSDECOLASSIMPLES

MODELODECOLAM/M/1
Elsistemadeesperasecaracterizaporquelostiemposdellegadasylostiemposde
serviciosedistribuyendemaneraexponencialytienenunúnicoservidor.
SegúnsuscaracterísticasladisciplinadelacolaesFIFOyeltamañodelapoblaciónde
entradaesinfinito,esdecir,elnúmerodeclientesenelsistemanoafectaalatasade
llegadas.

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/110
EnelmodeloM/M/1severifica:
EltiempodellegadassedistribuyesegúnExp(O )

EltiempodeserviciosedistribuyesegúnExp(P)

Unúnicoservidor s 1

MEDIDASDERENDIMIENTO:FÓRMULADELITTLE
O
ElFactordeutilizaciónenelcasodeunservidor U coincideconlaprobabilidadde
P
O
queunclientenuevotengaqueesperarparaserservido U p
P

Sí U  1 o Elsistemaesestable.Enotrocaso,esinestable.

O
Probabilidaddequeningúnclienteseencuentreenelsistemadecolas: p 0 1
P
O
Probabilidaddequenclientesseencuentrenenelsistemadecolas: pn 1
P
O U
Númeropromediodeclientesenelsistema: L s O Ws
PO 1U

Ls 1 § 1·
Tiempopromediodeestanciaenelsistema: Ws ¨ Ws Wq 
O PO © P ¸¹

(tiempopromedioensistema tiempopromedioencola  tiempodeservicio)

O O O2
Númeropromediodeclientesencola: L q p Wq x  (L q pL s )
P PO P . (P  O )

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/111
 Lq O
Tiempopromediodeesperaencola: Wq
O P . (P  O)

Númerodeclientesservidos: L L s  L q

Probabilidaddetiempodeesperanuloencola: p 0 P(Wq 0) 1  U

Probabilidaddequenclientestenganqueencola: P(L q n) pn (t) (1  U) . Un

Probabilidaddetiempodeesperatencola>t: P(Wq ! t) U eP (1  U ) t t!0

Probabilidaddetiempodeestanciatenelsistema>t: P(Ws ! t) eP (1  U ) t t!0

Numberofservers(Numerodeservidores): s
Servicerate(Tasadeservicio): P
Customerarrivalrate(Tasadellegadadeclientes): O
Queuecapacity(Capacidaddelacola:PordefectoapareceMindicandoqueesinfinita.Cuandola
colaesfinitaseponeeltamañomáximodelacolamenoselnúmerodeservidores (k  s)

Customerpopulation(Tamañodelapoblacióndeclientes):AparecepordefectoM,indicandoque
esinfinita.Encasodefuentelimitadaseponeeltamañodelapoblación.
Busyservercostperhour:Costedelservidorocupado { c q  c s
Idleserversostperhour:Costedelservidordesocupado { c s .s
Customerwaitingcostperhour:Costedeesperadelosclientes { c q
Customerbeingservedcostperhour:Costedelosclientessiendoservidos
Costofcustomerbeingbalked:Costeporlapérdidadeclientes,enelcasoquelacolaseafinita
Unitqueuecapacitycost:Costeunitariodecapacidaddecadaunidaddecola

PortalEstadísticaAplicada:TEORÍADECOLAS:MODELOM/M/112