Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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
pn (t) (1 U) Un { Probabilidaddequehayanclientesenelsistemaenelinstantet
conU O / P
N { Númerodeclientesenelsistemaenestadoestable.
N(t) { Númerodeclientesenelsistemade colasenelinstantet(t t 0).
También,estadodelsistemaenelinstantet.
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
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
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