FACULTAD DE INGENIERÍA

Escuela Profesional de Ingeniería de Sistemas y

Computación
Asignatura:
PROCESO DE DECISIONES
Dr. Casio Aurelio Torres López
Email: d.ctorres@upla.edu.pe
HUANCAYO - 2022
 TOMA DE DECISIONES EN UN AMBIENTE
UNIDAD IV
DE INCERTIDUMBRE

TEMA: Modelos de Espera o Teoría

de Colas
Objetivo: Utilizar modelos determinísticos y
probabilísticos de optimización en
escenarios inciertos.

Dr. Casio A. Torres López Proceso de Decisiones

“No importa en qué cola se sitúe: La otra
siempre avanzará más rápido” (Primera Ley de
Harper)

“Y si cambia de cola,
aquella en la que estaba
al principio empezará a
ir más de prisa”
(Segunda Ley de Harper)
 Introducción
Las "colas" son un aspecto de la vida moderna que nos
encontramos continuamente en nuestras actividades diarias.
En el contador de un supermercado, en los Bancos, etc., el
fenómeno de las colas surge cuando unos recursos
compartidos necesitan ser accedidos para dar servicio a un
elevado número de trabajos o clientes.
 El estudio de las colas es importante porque
proporciona tanto una base teórica del tipo de
servicio que podemos esperar de un determinado
recurso, como la forma en la cual dicho recurso
puede ser diseñado para proporcionar un
determinado grado de servicio a sus clientes.
 Definiciones

➢La teoría de colas es el estudio

matemático del comportamiento
de líneas de espera. Esta se
presenta, cuando los “clientes”
llegan a un “lugar” demandando un
servicio a un “servidor”, el cual
tiene una cierta capacidad de
atención. Si el servidor no está
disponible inmediatamente y el
cliente decide esperar, entonces se
forma la línea de espera.
➢ Una cola es una línea de espera y la teoría de colas es una
colección de modelos matemáticos que describen sistemas
de línea de espera particulares o sistemas de colas.
➢ Los sistemas de colas son modelos de sistemas que
proporcionan servicio.

➢ El problema es determinar qué capacidad o

tasa de servicio proporciona el balance
correcto.
➢ Los problemas de “colas” se presentan
permanentemente en la vida diaria: un estudio
en EEUU concluyó que, por término medio,
un ciudadano medio pasa cinco años de su
vida esperando en distintas colas, y de ellos
casi seis meses parado en los semáforos.
Teoría de Colas
✓En muchas ocasiones en la vida
real, un fenómeno muy común es
la formación de colas o líneas de
espera. Esto suele ocurrir cuando
la demanda real de un servicio es
superior a la capacidad que existe
para dar dicho servicio.
✓Todavía más frecuentes, son las
situaciones de espera en el
contexto de la informática, las
telecomunicaciones y, en general,
las nuevas tecnologías.
 Origen
El origen de la Teoría de Colas está en el
esfuerzo de Agner Kraup Erlang
(Dinamarca, 1878 - 1929) en 1909 para
analizar la congestión de tráfico
telefónico con el objetivo de cumplir la
demanda incierta de servicios en el
sistema telefónico de Copenhague. Sus
investigaciones acabaron en una nueva
teoría denominada teoría de colas o de
líneas de espera. Esta teoría es ahora una
herramienta de valor en negocios debido
a que un gran número de problemas
pueden caracterizarse, como problemas
de congestión llegada-salida.
Modelo de formación de colas
▪ En los problemas de formación de cola,
se habla de clientes, tales como personas
que esperan la desocupación de líneas
telefónicas, la espera de máquinas para ser
reparadas y los aviones que esperan
aterrizar y estaciones de servicios, tales
como mesas en un restaurante, operarios
en un taller de reparación, pistas en un
aeropuerto, etc.
▪ Los problemas de formación de colas a
menudo contienen una velocidad variable
de llegada de clientes que requieren cierto
tipo de servicio, y una velocidad variable
de prestación del servicio en la estación
de servicio.
▪ Cuando hablamos de líneas de espera, nos referimos a las
creadas por clientes o por las estaciones de servicio. Los
clientes pueden esperar en cola simplemente por que los
medios existentes son inadecuados para satisfacer la demanda
de servicio; en este caso, la cola tiende a ser explosiva, es decir,
a ser cada vez mas larga a medida que transcurre el tiempo.
▪ En la teoría de la formación de colas, se llama sistema a un
grupo de unidades físicas, integradas de tal modo que pueden
operar al unísono con una serie de operaciones organizadas.
▪ La teoría de la formación de colas busca una solución al problema de la
espera prediciendo primero el comportamiento del sistema. Pero una
solución al problema de la espera consiste en minimizar el tiempo que los
clientes pasan en el sistema, así como también en minimizar los costos
totales de aquellos que solicitan el servicio y de quienes lo prestan.
▪ La teoría de colas incluye el estudio
matemático de las colas o líneas de
espera y provee un gran número de
modelos matemáticos para
describirlas.
▪ Se debe lograr un balance económico
entre el costo del servicio y el costo
asociado a la espera por ese servicio.
La teoría de colas en sí no resuelve
este problema, sólo proporciona
información para la toma de
decisiones.
 Objetivos de la Teoría de Colas
✓Identificar el nivel óptimo de capacidad del sistema que
minimiza el coste global del mismo.
✓Evaluar el impacto que las posibles alternativas de modificación
de la capacidad del sistema tendrían en el coste total del mismo.
✓Establecer un balance equilibrado (“óptimo”) entre
las consideraciones cuantitativas de costes y las
cualitativas de servicio.
✓Prestar atención al tiempo de permanencia en el
sistema o en la cola: la “paciencia” de los clientes
depende del tipo de servicio específico considerado
y eso puede hacer que un cliente “abandone” el
sistema.
 Elementos de un modelo de colas
❖ Fuente de entrada o población potencial: Es un conjunto de individuos
(no necesariamente seres vivos) que pueden llegar a solicitar el servicio en
cuestión. Podemos considerarla finita o infinita.
❖ Cliente: Es todo individuo de la población potencial que solicita servicio.
❖ Capacidad de la cola: Es el máximo número de clientes que pueden estar
haciendo cola (antes de comenzar a ser servidos). Puede suponerse finita o
infinita.
❖ Disciplina de la cola: Es el modo en el que los clientes son seleccionados
para ser servidos. Las disciplinas más habituales son:
✓ La disciplina FIFO (first in first out), también llamada FCFS (first come first
served): según la cual se atiende primero al cliente que antes haya llegado.
✓ La disciplina LIFO (last in first out), también conocida como LCFS (last
come first served) o pila: que consiste en atender primero al cliente que ha
llegado el último.
✓ La RSS (random selection of service), o SIRO (service in random order), que
selecciona a los clientes de forma aleatoria.
❖ Mecanismo de servicio: Es el procedimiento por el cual se da servicio a los
clientes que lo solicitan.
❖ La cola: Es el conjunto de clientes que hacen espera, es decir los clientes que
ya han solicitado el servicio pero que aún no han pasado al mecanismo de
servicio.
❖ El sistema de la cola: Es el conjunto formado por la cola y el mecanismo de
servicio, junto con la disciplina de la cola, que es lo que nos indica el criterio de
qué cliente de la cola elegir para pasar al mecanismo de servicio.
Mecanismo de
Servicio
Llegada de Cola
un Cliente

Fuente de
Entrada
Disciplina de la Cola
Servicio
Sistema de la Cola
Un modelo de sistema de colas
debe especificar la distribución
de probabilidad de los tiempos
de servicio para cada servidor.
La distribución más usada para
los tiempos de servicio es la
exponencial, aunque es común
encontrar la distribución
degenerada o determinística
(tiempos de servicio constantes)
o la distribución Erlang
(Gamma).
 Notación de Kendall
Por convención los modelos que se trabajan en teoría de colas se etiquetan:
___/___/__
_
Distribución de Distribución de Número de
Tiempo entre tiempos de servidores
llegadas servicio

Las distribuciones que se utilizan son:

▪ M: Distribución exponencial (Markoviana)
▪ D: Distribución degenrada (tiempos constantes)
▪ Ek: Distribución Erlang
▪ G: Distribución general
▪ M/M/s: Modelo donde tanto los tiempos entre llegada como el tiempo de servicio son
exponenciales y se tienen s servidores.
▪ M/G/1: Tiempos entre llegada exponenciales, tiempos de servicio general y 1 sólo
servidor.
 Terminología
➢ Estado del sistema: Número de clientes en el sistema.
➢ Longitud de la cola: Número de clientes que esperan servicio.
➢ N(t): Número de clientes en el sistema de colas en el tiempo t (t =0).
➢ Pn (t): Probabilidad de que exactamente n clientes estén en el sistema
en el tiempo t, dado el número en el tiempo cero.
➢ s: Número de servidores en el sistema de colas.
➢ Λ(n): Tasa media de llegadas (número esperado de llegadas por unidad
de tiempo) de nuevos clientes cuando hay n clientes en el sistema.
➢ µ(n): Tasa media de servicio para todo el sistema (número esperado
clientes que completan su servicio por unidad de tiempo) cuando hay n
clientes en el sistema.
 El Proceso de Llegada
❑ Determinístico, en el cual clientes sucesivos llegan en un
mismo intervalo de tiempo, fijo y conocido.
❑ Probabilístico, en el cual el tiempo entre llegadas sucesivas es
incierto y variable. Los tiempos entre llegadas probabilísticos se
describen mediante una distribución de probabilidad.
La distribución exponencial, ha probado ser confiable en muchos de los
problemas prácticos. La función de densidad, para una distribución
exponencial depende de un parámetro, digamos λ (letra griega lambda), y está
dada por:
f (t)=(1/ λ) e-λ*T
en donde λ (lambda) es el número promedio de llegadas en una unidad de
tiempo.

Con una cantidad, T , de tiempo se puede hacer uso de la función de densidad

para calcular la probabilidad de que el siguiente cliente llegue dentro de las
siguientes T unidades a partir de la llegada anterior, de la manera siguiente:

P (tiempo entre llegadas ≤ T) = 1- e-λ*T

Ejemplo: Si los clientes llegan al banco con una rapidez
promedio de λ=20 por hora y si un cliente acaba de llegar,
entonces la probabilidad de que el siguiente llegue dentro de los
siguientes 10 minutos (es decir Y=1/6 de hora) es:
Solución:

▪ P (tiempo entre llegadas ≤ 1/6 hora) = 1 – e-20*(1/6)

= 1 – e-3.3333
= 1 – 0.036
= 0.964
Ejemplo: Si los clientes llegan al banco con una rapidez
promedio de λ=20 por hora y si un cliente acaba de llegar,
entonces la probabilidad de que el siguiente llegue dentro de los
siguientes 10 minutos (es decir Y=1/6 de hora) es:
Solución:

▪ P (tiempo entre llegadas ≤ 1/6 hora) = 1 – e-20*(1/6)

= 1 – e-3.3333
= 1 – 0.036
= 0.964
≈ 96%
 El Proceso de Servicio
El proceso de servicio se define cómo son atendidos los clientes.
El tiempo de servicio puede ser determinístico o probabilístico. Con un
tiempo determinístico, cada cliente, requiere de la misma cantidad conocida de
tiempo para ser atendido. En el probabilístico, cada cliente requiere una
cantidad distinta e incierta de tiempo de servicio.
Los tiempos de servicio probabilísticos se describen mediante una
distribución de probabilidad, siendo la más confiable la distribución
exponencial. Su función de densidad depende de un parámetro, μ:

s(t)= (1/ µ) e-µ*t

µ = número promedio de clientes atendidos por unidad de tiempo

1/µ = tiempo promedio invertido en atender a un cliente.
 Medidas de
Rendimiento
para evaluar un
Sistema de
Colas
• Preguntas relacionadas con el tiempo, centradas en el cliente
a) ¿Cuál es el tiempo promedio que un cliente recién llegado tiene que esperar en la fila
antes de ser atendido?
Tiempo promedio de espera, Wq.
b) ¿Cuál es el tiempo que un cliente invierte en el sistema entero, incluyendo el tiempo de
espera y el de servicio?
Tiempo promedio en el sistema, W.

• Preguntas cuantitativas relacionadas al número de clientes

a) En promedio ¿cuántos clientes están esperando en la cola para ser atendidos?
Longitud media de la cola, Lq.
b) ¿Cuál es el número promedio de clientes en el sistema?
Número medio en el sistema, L.

• Preguntas probabilísticas que implican tanto a los clientes como a los

servidores:
a) ¿Cuál es la probabilidad de que un cliente tenga que esperar a ser atendido?
Probabilidad de bloqueo, pw.
b) ¿Cuál es la probabilidad de que un servidor esté ocupado?
Utilización, U. Esta medida indica también la fracción de tiempo que un servidor esta
ocupado.
c) ¿Cuál es la probabilidad de que existan n clientes en el sistema?

Probabilidad Po de que no haya clientes en el sistema, la Probabilidad P1 de

que haya un cliente en el sistema, y así sucesivamente.
Esto tiene como resultado la distribución de probabilidad de estado: Pn, n
= 0,1...

d) Si el espacio de espera es finito, ¿cuál es la probabilidad de que la cola esté llena

y que un cliente que llegue no sea atendido?
Probabilidad de negación del servicio, Pd.

• Preguntas relacionadas con los costos:

a) ¿Cuál es el costo promedio por unidad de tiempo para operar el sistema?
b) ¿Cuántas estaciones de trabajo se necesitan para lograr mayor efectividad en los
costos?

El cálculo específico de estas medidas de rendimiento depende de la clase de

sistema de colas.
 Relaciones entre medidas de rendimiento
El cálculo de muchas medidas de rendimiento depende de los procesos de
llegadas y de servicio del sistema de colas en específico.

λ = número promedio de llegadas por unidad de tiempo

µ = número promedio de clientes atendidos por unidad de tiempo

El tiempo total que un cliente invierte en el sistema es la cantidad de tiempo

invertido en la fila más el tiempo durante el cual es atendido:

{Tiempo promedio en el sistema} = {Tiempo de espera} + {Tiempo de servicio}

W = Wq + 1/ µ
W = tiempo promedio en el sistema
Wq = tiempo promedio de espera
1/ µ = tiempo de servicio
La relación entre el número promedio de clientes en el sistema y el tiempo
promedio que cada cliente pasa en el sistema.

{Tiempo promedio de clientes en el sistema} = {Número promedio de

llegadas por unidad de tiempo} * {Tiempo promedio en el sistema}

L = λ* W

{Tiempo promedio de clientes en el sistema} = {Número promedio de

llegadas por unidad de tiempo} * {Unidad de tiempo en la cola}

Lq = λ * Wq
 Análisis de un
sistema de colas de
un solo canal de
una sola línea con
llegada
exponencial y
procesos de
servicio (M/M/1)
 Consiste en:

➢ Una población de clientes finita.

➢ Un proceso de llegada en el que los clientes se presentan de acuerdo con un
proceso de Poisson con una tasa promedio de λ clientes por unidad de
tiempo.
➢ Un proceso de colas que consiste en una sola línea de espera de capacidad
infinita, con una disciplina de colas de primero en entrar primero en salir.
➢ Un proceso de servicio que consiste en un solo servidor que atiende a los
clientes de acuerdo con una distribución exponencial con un promedio de µ
clientes por unidad de tiempo.

Para que este sistema alcance una condición de estado estable, la tasa de
servicio promedio, µ, debe ser mayor que la tasa de llegadas promedio, λ.
De no ser así, la cola del sistema continuará creciendo debido a que, en
promedio, llegarían más clientes que los que pueden ser atendidos por unidad
de tiempo.
 Ejemplo:
El problema de colas del MTC tiene un número de estaciones para el pesado de camiones a
lo largo de la autopista Huancayo-Lima, para verificar que el peso de los vehículos cumple
con las regulaciones estipuladas. La administración del MTC está considerando mejorar la
calidad del servicio en sus estaciones de pesado y ha seleccionado una de las instalaciones
como modelo a estudiar, antes de instrumentar los cambios.
La administración desea analizar y entender el desempeño
del sistema actual durante las horas pico, cuando llega a la
báscula el mayor número de camiones, suponiendo que el
sistema puede desempeñarse bien durante este período, el
servicio en cualquier otro momento será aún mejor.
El gerente de operaciones siente que el sistema actual cumple con las cuatro condiciones
mencionadas, estima las tasas promedio de llegada y de servicio en dicha estación y
determina que:

λ = número promedio de camiones que llegan por hora = 60

µ = número promedio de camiones que pueden ser pesados por hora = 66
El valor de µ = 66 es mayor que el de λ = 60, (µ > λ), entonces es posible hacer el
análisis de estado estable de este sistema.
Cálculo de las Medidas de
Rendimiento
 (*) Intensidad de tráfico:

ρ=λ/µ ρ = 60/66 = 0.9091

Mientras más cerca esté ρ de 1, más cargado estará el sistema, lo cual tiene como
resultado colas más largas y tiempos de espera más grandes.

En términos de ρ, λ y µ, las medidas de rendimiento, para el problema del MTC, son:

1. Probabilidad de que no haya clientes en el sistema (P0)

P0 = 1 – ρ P0 = 1 – 0.9091 = 0.0909

Este valor indica que aproximadamente 9% del tiempo un camión que llega no tiene que
esperar a que se le proporcione el servicio porque la estación de pesado está vacía; o,
aproximadamente 91% del tiempo un camión que llega tiene que esperar.
2. Número promedio en la fila (Lq)
Lq = ρ2 / 1 – ρ Lq = (0.9091)2 / 1 – 0.9091 = 9.0909

En el estado estable, en promedio, la estación de pesado puede esperar tener

aproximadamente nueve camiones esperando para obtener el servicio (sin incluir al que
está pesando).
3. Tiempo promedio de espera en la cola (Wq)
Wq = Lq / λ Wq = 9.0909 / 60 = 0.1515
Este valor indica que, en promedio, un camión tiene que esperar 0.1515 horas,
aproximadamente 9 minutos, en la fila antes de que empiece el proceso de pesado.

4. Tiempo promedio de espera en el sistema (W)

W = Wq + 1/ µ W = 0.1515 + 1/66 = 0.1667

Este valor indica que, en promedio, un camión invierte 0.1667 horas, 10 minutos,
desde que llega hasta que sale.
 5. Número promedio en el sistema (L)
L=λ*W L = 60 * 0.1667 = 10
Este valor indica que, en promedio, existe un total de 10 camiones en la estación de
pesado, ya sea en la báscula o esperando a ser atendidos.
6. Probabilidad de que un cliente que llega tenga que esperar (pw)
pw = 1 - P0 = ρ pw = 0.9091

Este valor indica que aproximadamente 91% del tiempo un camión que llega tiene que
esperar.

7. Probabilidad de que haya n clientes en el sistema (Pn)

Pn = ρn * P0 n Pn
0 0.0909
1 0.0826
2 0.0751
Utilizando esta fórmula se obtienen las 3 0.0683
siguientes probabilidades: . .
. .
. .
Esta tabla proporciona la distribución de probabilidad para el número de camiones que
se encuentran en el sistema. Los números que aparecen en la tabla se puede utilizar
para responder una pregunta como: ¿cuál es la probabilidad de que no haya más
de tres camiones en el sistema? En este caso, la respuesta de 0.3169 se obtiene
mediante la suma de las primeras cuatro probabilidades de la tabla, para n = 0, 1, 2 y 3.

8. Utilización (U)

U=ρ U = 0.9091

Este valor indica que aproximadamente 91% del tiempo las instalaciones de pesado
están en uso (un camión está siendo pesado). De manera equivalente,
aproximadamente 9% del tiempo la estación está sin funcionar, sin que haya camiones
que se estén pesando.
Interpretación
de las
Medidas de
Rendimiento
Al evaluar el sistema actual, la gerencia del MTC encuentra que muchas
medidas de rendimiento están dentro de los intervalos aceptables.
Un tiempo de espera de W = 10 minutos para que un chofer pueda pasar por
el proceso de pesado es algo razonable.

Un promedio de Lq = 9 camiones
esperando para ser pesados es
tolerable, pues la rampa de salida
de la carretera tiene una capacidad
de 15 camiones, pero la gerencia
está preocupada pues hay
ocasiones en que la cola llega hasta
la autopista.
Para calcular la probabilidad de que esto suceda, se debe:

✓ Calcular la probabilidad de que el número de camiones en el sistema sea

de 17 o más (uno siendo atendido y 16 o más esperando en la rampa).

Este número se obtiene sumando las probabilidades Pn, de que n camiones se

encuentren en el sistema, para n = 17, 18,…
Esto tiene como resultado Aproximadamente 20% del tiempo los
Es decir camiones sobrepasarán la rampa
un valor de 0.20
completa y llegarán hasta la autopista.

Como éste no es un nivel aceptable de desempeño, la gerencia desea mejorar la

eficiencia global del sistema, no solamente por la razón anterior, sino también porque se
prevé un aumento en el tráfico de camiones sobre la autopista en el futuro cercano.

Un informe reciente indica que el MTC debería

planear una tasa de llegada pico de
aproximadamente 70 camiones por hora, en vez
del actual valor de 60.
Para atender estas cuestiones, la gerencia del MTC ha propuesto contratar un
trabajador adicional, lo cual tendría como resultado un aumento en la
eficiencia de aproximadamente 10%.

Es decir, con esta persona extra, aproximadamente 73 camiones por hora

pueden ser pesados en lugar de los originales 66. Como gerente de
operaciones, se le ha pedido a usted que evalúe el impacto de la propuesta.

Aplicación del software

WINQSB para este
análisis
 Las primeras tres líneas muestran los datos de entrada.

Este sistema consiste en

un servidor, con tasa de
llegada de 70 camiones
por hora, y una tasa de
servicio de 73 camiones
por hora.
En este cuadro se enumera
los valores de las diferentes
medidas de rendimiento.
La gerencia está
particularmente preocupada
tanto por el tiempo
promedio que un
conductor de camión
invierte en el sistema como
por el número esperado de
camiones que esperan en
la rampa.

En promedio, un conductor de camión pasa 0.3333 horas (20 minutos) desde el inicio
al final del proceso (W).

El número promedio de camiones que esperan en la rampa es de

aproximadamente 22 (Lq = 22.3744).
La gerencia del MTC encuentra que tal nivel de rendimiento es inaceptable.
No solo porque los conductores se quejarán del hecho de tener que tardar 20
minutos en el sistema, sino también porque la longitud de cola esperada de 22
camiones excede con mucho la capacidad disponible de 15, lo cual podría
tener como consecuencia un posible accidente en la autopista.

Para obtener niveles de rendimiento aceptables,

se ha propuesto otra alternativa, la construcción
de una segunda báscula al otro lado de la
estación de pesado. Utilizando el personal
actual para que opere ambas básculas, las
estimaciones de la gerencia tendrán como
resultado una capacidad de peso de
aproximadamente 40 camiones por hora en
cada báscula.

Con esta información adicional, se le ha pedido

que evalúe la presente propuesta.
 Análisis de un
Sistema de Colas de
Canal Múltiple de
una sola línea con
llegada Exponencial
y Procesos de
Servicio (M/M/s)
Este modelo consiste en:
❖ Una población de clientes infinita.
❖ Un proceso de llegada en el que los clientes se presentan de
acuerdo a un proceso de Poisson con una tasa promedio de λ
clientes por unidad de tiempo.
❖ Un proceso de colas que consiste en una sola fila de espera de
capacidad infinita, con una disciplina de colas de primero en
entrar, primero en salir.
❖ Un proceso de servicio que consiste en s servidores idénticos,
cada uno de los cuales atiende a los clientes de acuerdo con una
distribución exponencial, con una cantidad promedio, µ, de
clientes por unidad de tiempo.

Este sistema es distinto al sistema M/M/1 únicamente en el paso 4,

que nos permite tener s servidores en lugar de solo uno.
Para que un sistema M/M/s alcance una condición de estado estable, la tasa
promedio de servicio, s*µ, debe ser estrictamente mayor que la tasa
promedio de llegadas, λ. Si este no fuera el caso, la cola del sistema continuaría
creciendo debido a que, en promedio y por unidad de tiempo, llegarían más
clientes que los que pueden ser atendidos.

La propuesta del MTC de construir una segunda báscula en la estación de

pesado, tiene como resultado un sistema con dos servidores, dos básculas, y la
siguiente estimación de llegada, utilizando el personal actual:

S = 2 servidores
λ = 70 camiones por hora
µ = 40 camiones por hora cada báscula

El valor de s*µ = 2 *40 = 80, es mayor que el de λ = 70 (s* µ > λ),

de modo que se puede llevar a cabo un análisis de estado estable para
este sistema.
 Cálculo de las Medidas
de Rendimiento
Fórmulas en términos de ρ, λ y µ. Para el
problema del MTC:

ρ=λ/µ ρ = 70 / 40 = 1.75
1. Probabilidad de que ningún cliente esté en el sistema (P0)

1
P0 =
 s −1  n    s   s 
   +   *  
 n =0    
n ! s ! s −  
donde: s −1
n 0 1  s −1
 n! =
n =0 0!
+
1!
+ ... +
( s − 1)!

y k! = k (k-1)…1 0! =1. Para el problema del MTC, donde ρ=1.75 y s = 2,

s −1
n (1.75)0 (1.75)1

n =0 n!
=
0!
+
1!
= 1 + 1.75 = 2.75

s s (1.75) 2 2
* = + = 1.53125* 8 = 12.25
n! s −  2! 2 − 1.75

1 1
P0 = = = 0.06667
2.75 + 12.25 15

Este valor de P0 indica que aproximadamente 7% del tiempo, la estación de

pesado está vacía.
 2. Número promedio en la fila (Lq)
 s +1 1 (1.75)3 1
Lq = * * P = * * 0.06667
( s − 1)! ( s −  ) (2 − 1.75)
2 0 2
1!

= 5.359375*16 * 0.06667 = 5.7167

Significa que en promedio, la estación de pesado puede esperar tener
aproximadamente seis camiones esperando a ser atendidos (sin incluir al que ya
está en la báscula).
3. Tiempo promedio de espera en la cola (Wq)
Lq 5.7167
Wq = = = 0.081667
 70
Este valor indica que en promedio, un camión tiene que esperar 0.0817 horas,
aproximadamente 5 minutos, en la fila antes de iniciar el proceso de pesado.
4. Tiempo promedio de espera en el sistema (W)
1 1
W = Wq + = 0.081667+ = 0.081667+ 0.025 = 0.10667
 40
Este valor indica que en promedio, un camión tiene que esperar 0.10667 horas,
aproximadamente 7 minutos, desde que llega hasta que sale de la estación.
5. Número promedio en el sistema (L)

L =  *W = 70 * 0.10667 = 7.4667
Este valor indica que, en promedio, se tienen entre siete y ocho camiones esperando
en la estación, ya sea en la báscula o en espera de ser atendidos.

6. Probabilidad de que un cliente que llega tenga que esperar (pw)

1 s 1 2
pw = * s * * P0 = * (1.75) 2 * * 0.06667
s! s− 2! 2 − 1.75

= 0.5 * 3.0625* 8 * 0.06667 = 0.81667

Este valor indica que aproximadamente 82% de las veces

un camión que llega tiene que esperar o, de manera
equivalente, aproximadamente 18% de las veces un
camión que llega es pesado sin que tenga que esperar.
 7. Probabilidad de que haya n clientes en el sistema (Pn)

Si n ≤ s: n
Pn = * P0
n!
n Pn
0 0.06667
Al utilizar esta fórmula se obtienen las siguientes probabilidades: 1 0.11667
2 0.10210

Si n > s: n
Pn = n−s
* P0
( s!) s
n Pn
3 0.08932
4 0.07816
Al utilizar esta fórmula, se obtienen las siguientes probabilidades: . .
. .
. .

Estas tablas proporcionan la distribución de probabilidad para el número de camiones

que hay en el sistema. Las cantidades que aparecen en tales tablas se pueden utilizar
para responder preguntas como: ¿cuál es la probabilidad de que al menos una báscula
no esté funcionando? Esta probabilidad es la misma que la probabilidad de que haya
menos de dos camiones en el sistema. Sumando las dos primeras probabilidades de la
tabla para n = 0 y 1, se obtiene la respuesta: 0.18334.
 8. Utilización (U)

  s −1  s −2 1 

U = 1 −  P0 +   P1 +   P2 + ... +   Ps −1 
  s   s  s 

 1 
U = 1 −  P0 +   P1  = 1 − 0.06667 + (0.5 * 0.11667) = 1 − 0.125 = 0.875
 2 

Este valor indica que cada báscula está ocupada 87% del tiempo.
Interpretación
de las
Medidas de
Rendimiento
Los resultados de la evaluación de las fórmulas con el paquete
WINQSB, se muestra en el cuadro siguiente:

Las primeras tres líneas corresponden a los datos de entrada. Este sistema
tiene una tasa de llegada de 70 camiones por hora y dos servidores, con
una tasa promedio de servicio de 40 camiones por hora en cada
servidor.
 Este cuadro enumera los valores de las medidas de rendimiento:

El tiempo promedio que un conductor de camión tiene que invertir en el sistema

(W) es de 0.106667 horas (aproximadamente 7 minutos) desde que entra hasta que
sale.
El número esperado de camiones que esperan en la rampa para ser pesados
(Lq) es de 5.716664.
 La gerencia del MTC encuentra aceptable este nivel de rendimiento. Sin
embargo, la gerencia de nuevo se pregunta si la fila de camiones llegará hasta la
autopista. Este suceso se presenta cuando hay dos camiones en la báscula y más de
15 esperando en la rampa.
¿Cuál es la probabilidad de que más de 17 camiones estén en el sistema en
cualquier momento?

Se puede utilizar el informe del WINQSB

para responder a esta pregunta. Específicamente, la
probabilidad de que se presente este caso se
obtiene sumando las probabilidades
correspondientes a cada valor de n = 18,19,…La
probabilidad resulta ser de 9.6%. Si tal valor no
es aceptable, deben sugerirse modelos alternativos.

Por ejemplo, la contratación de una persona más para aumentar la tasa de servicio,
o el aumento de la capacidad del área de espera teniendo dos filas en lugar de una
sola, podrían ser sugerencias apropiadas.
Aplicaciones
con el
WINQSB
 Un primer paso consiste en establecer si el modelo es un M/M/S (Simple
M/M System) o un modelo general (General Queuing System).

Los campos requeridos:

Supongamos un modelo M/M/S. Lo que sigue es el ingreso de los datos de acuerdo con
las especificaciones de la ventana.
La ventana anterior consta de:

• Número de servidores (Number of Servers)

• Tasa de servicio (Service Rate)
• Tasa de llegada de clientes (Customer Arrival Rate)
• Capacidad de la cola (Queue Capacity)
• Tamaño de la población de clientes (Customer Population)
• Costo del servidor ocupado (Busy Server Cost per Hour)
• Costo del servidor desocupado (Idle Server Cost per Hour)
• Costo de espera de los clientes (Customer Waiting Cost per Hour)
• Costo de los clientes siendo servidos (Customer Being Served Cost per Hour)
• Costo de los clientes siendo despachados (Cost of Cestones Being Balked)
• Costo de la unidad de capacidad de la cola (Unit Queue Capacity Cost)
 Ejemplo:

En el siguiente modelo (recuerde que M indican un valor infinito o muy grande):

Una de las posibilidades de solución es calcular las tradicionales medidas de

desempeño (medidas de efectividad), que nos proporciona el tablero siguiente:
 Otra opción es simular el sistema, la que inicialmente nos proporciona la
siguiente ventana:

Usando el sistema de reloj con 1000 horas de simulación del sistema de colas.
Se obtienen los
resultados que se
muestran a
continuación:
El resumen de probabilidades de encontrar n clientes en el sistema es:
Análisis de sensibilidad a cambios en número de servidores iniciando
en 2 y terminando en 10.

Un análisis parecido puede hacerse

tomando como base la capacidad del
sistema, que puede ir desde una
capacidad específica de x clientes
(capacidad limitada) hasta infinita.