Investigacion de Operaciones 2 Doc

INSTITUTO TECNOLÓGICO DE
CERRO AZUL
CARRERA:
INGENIERIA INDUSTRIAL
MATERIA:
INVESTIGACION DE OPERACIONES 2
GRUPO 2:
1:00 A 2:00PM
UNIDAD 5:
LINEA DE ESPERA
ALUMNO:
RODOLFO ABAD SEQUERA ROMAN
LUIS FELIPE PERALES CRUZ
ALEJANDRO LARA ROSALES
PROFESOR:
ING. MARTHA PATRICIA BERMUDEZ DEL ANGEL
CERRO AZUL, VER.

UNIDAD 5 LINEAS DE ESPERA
ÍNDICE
Introducción.........................................................................................……………………………………………2
5. LINEAS DE ESPERA…………………………………………………………………………………………………………………………3
5.1 introducción y terminología, notación y casos de aplicación………………………………………………………3
5.2 Proceso de Nacimiento y Muerte (Modelos Poisson)…………………………………………………………………..5
5.3 Población infinita un servidor, cola infinita.…………………………………………........................................8
5.4 Población finita un servidor, cola finita.…………………………………………………………………………………….10
5.5 Población Infinita servidores múltiples, cola infinita…………………………………………………………………15
5.6 Uso de programas de computación……………………………………………………………………………………………21
Conclusión……………………………………………………………………………………………………………………………………..28
Bibliografia…………………………………………………………………………………………………………………………………….29
INTRODUCCIÓN
La teoría de líneas de espera se origino en los trabajos de A. K. Erlang que iniaron en 1909.
Experimentó con un problema relacionado con la congestión del tráfico telefónico. Durante los
periodos ocupados, los que pretendan hacer llamadas sufrían algunas demoras, porque las operadoras
eran incapaces de atender las llamadas con la rapidez con que se hacían. El problema original que trató
Erlang fue el cálculo las demoras para una operadora, y en 1917 los resultados se extendieron al caso
de varias operadoras. En ese año Erlang publicó su obra, Solutions of Some Problems in the Theory of
30
Probabilities of Significance in Automatic Telephone Exchanges. Los adelantos en el campo del tráfico
telefónico continuaron generalmente en el sentido iniciado por Erlang, y las publicaciones principales
fueron las de Molina en 1927 y de Thornton D. Fry en 1928, pero solo fue hasta el fin de la Segunda
Guerra Mundial cuando esos trabajos se extendieron a otros problemas relacionados con líneas de
espera.
En el presente trabajo se presentarán las derivaciones matemáticas de las formulas de un problema de

líneas de espera de un solo canal. Los modelos matemáticos para problemas de líneas de espera de
canales múltiples, se darán sin ninguna prueba matemática. Se presentara el método de Hontecarlo,
que básicamente es una técnica de simulación en la que se crean funciones estadísticas de
distribución, usando una tabla de números aleatorios y se empleara para resolver problemas de líneas
de espera de un solo canal y de canales múltiples,
La mayor parte de los modelos elementales de colas suponen que las entradas (llegada de clientes) y
las salidas (clientes que se van) del sistema ocurren de acuerdo al proceso de nacimiento (llegada de
clientes a la cola en determinado lapso de tiempo) y muerte (salida del cliente servido). La Teoría de
Colas es una formulación matemática para la optimización de sistemas en que interactúan dos
procesos normalmente aleatorios: un proceso de “llegada de clientes” y un proceso de “servicio a los
clientes”, en los que existen fenómenos de “acumulación de clientes en espera del servicio”, y donde
existen reglas definidas (prioridades) para la “prestación del servicio”.
A menudo es deseable tomar decisiones respecto de una situación de teoría de cola, y se caracteriza
por el flujo de clientes que arriban a una o más estaciones en las que se efectúa el servicio. Al arribo
del cliente, éste puede ser atendido inmediatamente o puede tener que esperar hasta que el servicio
esté disponible; el tiempo en la cual se atiende a cada cliente puede ser fijo o aleatorio, dependiendo
del tipo de servicio. En la vida diaria hay muchos ejemplos que se adaptan a esta situación: autos
arribando a una estación de servicio, o a un peaje; personas arribando al cajero automático; máquinas
que fallan y que requieren ser reparadas; etc.
Para ello se ha desarrollado la Teoría de Cola o de la Línea de Espera que se basa en describir el arribo
o la partida y/o servicio) por distribuciones de probabilidad apropiadas. Usando teoría de probabilidad
se derivan las características operativas del problema, como ser tiempo de espera hasta que el servicio
del cliente sea completado, porcentaje de tiempo desocupado por servicio.
5. LINEAS DE ESPERA
5.1. INTRODUCCIÓN, TERMINOLOGÍA, NOTACIÓN Y CASOS DE APLICACIÓN
USO DE LAS TASAS DE LLEGADA Y DE SERVICIO
Como la mayor parte de las técnicas matemáticas, la teoría de líneas de espera tiene su propio
conjunto de términos. El de disciplina de la línea de espera se refiere a la condición en que se escogen
30
las llegadas para recibir servicio. En este capitulo el procedimiento consiste en que las llegadas ocupan
su lugar en la línea de espera, a base de que el que llega primero queda en primer lugar.
Las llegadas pueden ser uniformes durante cierto periodo, o pueden ser aleatorias. La tasa de llegadas
puede tomar la forma de empleados que llegan a la caseta de herramientas de la empresa, o en otras
condiciones podrían representar el número de clientes que esperan para comer. General-mente, la
tasa de llegada se expresa como tasa de llegada por unidad de tiempo. Si es aleatoria los clientes no
llegan en un orden o patrón lógico en el transcurso del tiempo, lo que representa la mayor parte de los
casos en el mundo de los negocios. En las situaciones en que las llegadas se distribuyen en forma
aleatoria puede utilizarse su promedio si se registra durante un periodo suficientemente prolongado.
La tasa de servicio se ocupa de la forma en que las instalaciones de servicio pueden manejar las
demandas de llegada, y se expresa como una tasa por unidad de tiempo. Por ejemplo, la tasa de
servicio podría indicar el número de pedidos que el departamento de piezas de repuesto procesa por
hora. También el tiempo de servicio puede ser uniforme o distribuido en forma aleatoria. En las
problemas de-negocios ‘se encontraran más casos de tasa uniforme de servicio que de tasa uniforme
de llegada.
APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA
La teoría de las líneas de espera se ha aplicado a una gran variedad de situaciones de negocios. Una
breve descripción de algunas aplicaciones será de gran ayuda para sugerir problemas a los que pueda
aplicarse la teoría. Una gran cadena de supermercados ha utilizado las líneas de espera para
determinar el número de estaciones de control que se requieren para lograr un funcionamiento
continuo y económico de sus almacenes, a diversas horas del día. Otro uso de esta teoría consiste en
analizar las demoras en las casetas de peaje de puentes y túneles. Un estudio de esta índole se refiere
al numero y programación de las casetas de peaje requeridas sobre una base de veinticuatro horas, a
fin de reducir al mínimo los costos en determinado nivel de servicio. Otras áreas relacionadas con un
cliente, serian las líneas de espera de restaurantes y cafeterías, expendios de gasolina, oficinas de
líneas aéreas, almacenes de departamentos y la programación de los pacientes en las clínicas. En todos
los casos, los clientes esperan cierto nivel aceptable de servicio, mientras que la empresa espera poder
mantener sus costos al mínimo.
La teoría de las líneas de espera no solo es aplicable a los establecimientos de ventas a] menudeo o
mayoreo, sino que las empresas manu-facturaras también la usan extensamente. Una aplicación muy
popular de la teoría de las líneas de espera es el area de las casetas de herramientas. Los sobrestantes
se quejan constantemente de que sus hombres tienen que esperar mucho tiempo en las filas para
recibir herramientas y piezas. Aunque se presiona a los gerentes de fabrica para que reduzcan los
gastos generales de administración, e! aumento de empleados puede reducir realmente los gastos
generales de manufactura, porque el personal de la fabrica puede trabajar en vez de esperar en una
fila.
Otro problema que ha resuelto con éxito la teoría de las líneas de espera. es la
determinación adecuada del numero de muelles que se requieren cuando se construyen
instalaciones terminales para barcos y camiones. como tanto los costos de los muelles como los de las
demoras pueden ser considerables, ya que los primeros disminuyen mientras aumentan los segundos,
30
o viceversa, es muy conveniente construir el numero de muelles que reduzcan al mínimo la suma de
esos dos costos, Varias empresas manufactureras han atacado el problema de descomposturas y
reparaciones de sus maquinas, utilizando la misma teoría, El problema se refiere a una batería de
maquinas que se descomponen individual-' mente en diferentes épocas. En realidad, las maquinas que
se descomponen forman una línea de espera para su reparación por el personal de mantenimiento. Es
conveniente emplear el personal de reparaciones necesario para disminuir al mínimo la suma del
costo de la perdida de producción causada por el tiempo de espera y del costo de los mecánicos.
La teoría de las líneas de espera se ha extendido para estudiar un plan I de incentivos de salarios. Por
ejemplo, se había asignado cierto personal de línea de producción para manejar dos maquinas,
mientras que a otros se les había asignado para manejar. Cuatro maquinas. Como. Todas las maquinas
son Iguales, los trabajadores reciben el mismo salario básico, pero la gratificación •: de incentivo por la
producción sobre la cuota, es de la mitad por unidad i para los operadores con cuatro maquinas que
para los que tienen dos : maquinas. Superficialmente ese arreglo parece equitativo. No obstante, un;
estudio de las condiciones reales revela que aunque cada una de las dos I maquinas que maneja un
solo hombre estarían ociosas alrededor del 12 por ciento de su tiempo programado, cada una de las
cuatro maquinas manejadas j por un solo individuo estarían ociosas alrededor del 16 por ciento de su •
tiempo programado. El problema es que dos (o mas) maquinas pueden descomponerse a la
vez en el grupo de cuatro maquinas, lo que-general-; mente no ocurre con el grupo de dos maquinas.
El individuo que maneja el , grupo de cuatro maquinas tiene que trabajar a mayor eficiencia que el que
j maneja un grupo de dos maquinas, a fin de ganar el mismo incentivo. El f problema se resolvería
pagando a los operadores de las baterías de cuatro | maquinas un salario básico mayor, determinado
básicamente empleando las J probabilidades calculadas con la teoría de las líneas de espera.
Las áreas anteriores no agotan en modo alguno las posibles aplicaciones de la teoría de las líneas de
espera, que pueden extenderse para incluir la i dotación de personal de las operaciones de oficina, y el
equilibrio del flujo I _ de materiales en un taller de tareas. Esa teoría puede tener una influencia bien
definida en el desafío de un sistema de inventario y de control de producción.
TIEMPOS UNIFORMES DE LLEGADA Y DE SERVICIO
El manejo apropiado de los tiempos uniformes de llegada y de servicio, en términos de costo mínimo,
puede demostrarse con un ejemplo. Una empresa manufacturera maneja muchas casetas de
herramientas dentro de una de sus grandes fábricas. Actualmente, el grupo de análisis de sistemas
tiene en observación una de esas casetas atendida por un trabajador: los maquinistas llegan a
solicitar servicio a una tasa uniforme de 10 por hora mientras que se observa que el encargado
de la caseta de herramienta ' atiende sus peticiones a una tasa uniforme de 7 1/2 por
hora. ¿Seria lucrativo para la empresa aumentar el número de encargados si se les paga a razón de
$3.00 por hora, y se paga a los maquinistas a razón de $4.QO hora? Esas cuotas incluyen los beneficios
marginales.
Inicialmente, el problema se calcula sobre una base de 4 horas, porque el personal del taller trabaja de
las 8 a. m. a las 12, y luego sale a almorzar Los resultados finales se calculan sobre una base de 8 horas.
En vista de esos datos —tasa uniforme de llegada de 10 por hora (uno cada 6 minutes) y una tasa
uniforme de servicio de 7 1/2 por hora (uno cada 8 minutos)-' el problema puede resolverse
30
empleando la formula de la suma de una serie aritmética. Si el primer hombre llega a las 8 a. m. no
tiene tiempo de espera. Antes de dar servicio al que llego primero, el que liego en segundo lugar se
convierte en el primero que espera en la fila, y su tiempo de espera es de 2 minutos (8 minutos — 6
minutos), antes de que se le de servicio.
Una vez que conocemos el tiempo de espera del primer maquinista, es necesario calcular el tiempo de
espera del ultimo hombre en nuestras 4 horas iníciales. Como llegan 40 maquinistas (10 hombres por
hora X 4 horas), y el primero no espera, debemos calcular el tiempo de espera de los treinta y nueve
restantes, o sea que 39 maquinistas multiplicados por 2 minutos son igual a 78 minutos. Como el
aumento del tiempo de espera para cada maquinista adicional es lineal, podemos promediar el tiempo
de espera del segundo y del cuadragésimo. El promedio del tiempo de espera de cada maquinista es
igual a 2 minutos más 78 minutos, dividido entre 2, 6 40 minutos, lo que se resume en la tabla 14-1. (La
probabilidad de que los que lleguen al último no espere en la fila, porque se acerca la hora del
almuerzo, no se ha considerado aquí, aunque normalmente lo será.) El examen de los datos indica que
el costo se reduce al mínimo empleando dos encargados. En contraste con las tasas uniformes, la
mayor parte de los problemas de los negocios se ocupa de tasas aleatorias de llegada y de servicio,
cuya solución requiere un proceso diferente, que constituirá el tema del resto de este capitulo.
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL
En la última sección, estudiamos las tasas uniformes de llegada y de servicio, y ahora estudiaremos las
tasas aleatorias de llegada y de servicio en un problema de líneas de espera de un solo canal (una sola
estación). No trataremos aquellos casos en los que la capacidad de las instalaciones de servicio es
mayor que el promedio de las demandas de las entradas, porque esta condición da por resultado que
no haya líneas de espera. En vez de ello nos ocuparemos de un problema de líneas de espera de un
solo canal, en el que hay una línea de espera que resulta de tiempos aleatorios de llegada y de servicio.
Vale la pena notar que los modelos de líneas de espera pueden usarse para eliminar un exceso de
trabajadores, cuando la instalación de servicio es mayor que las demandas de servicio. La forma en que
llegan las unidades es aleatoria, si no puede predecirse exactamente cuando llegara cierta unidad.
5.2 PROCESO DE NACIMIENTO Y MUERTE (MODELOS DE POISSON)
PROCESO DE NACIMIENTO PURO Y MUERTE PURA
En esta sección consideraremos dos procesos especiales. En el primer proceso, los clientes llegan y
nunca parten y en el segundo proceso los clientes se retiran de un abasto inicial. En ambos casos los
procesos de llegada y retiro ocurren de manera aleatoria. Las dos situaciones se denominan proceso de
nacimiento puro y proceso de muerte pura.
MODELO DE NACIMIENTO PURO
Considere la situación de emitir actas de nacimiento para bebes recién nacidos. Estas actas se guardan
normalmente en una oficina central de Registro Civil. Hay razones para creer que el nacimiento de
bebes y, por ello, la emisión de las actas correspondientes es un proceso completamente aleatorio que
se puede describir por medio de una distribución de Poisson. Usando la información de la sección 15.2
30
y suponiendo que λ es la tasa con que se emiten las actas de nacimiento, el proceso de nacimiento
puro de tener n arribos o llegadas (acta de nacimiento) durante el periodo de tiempo t se puede
describir con la siguiente distribución de Poisson:
n − λt
( λt ) e
pn (t )=
n! , n=0,1,2,…. (Nacimiento puro)
Donde λ es la tasa de llegadas por unidad de tiempo, con el número esperado de llegadas durante t
igual a λ t.
Ejemplo 1
Suponga que los nacimientos en un país están separados en el tiempo, de acuerdo con una distribución
exponencial, presentándose un nacimiento cada 7 minutos en promedio.
Como el tiempo promedio entre arribos (entre nacimientos) es de 7 minutos, la tasa de nacimiento en
el país se calcula como:
24 x 60
λ= =205 . 7 nacimientos/dia
7
El número de nacimientos en el país por año está dado por
λ t = 205.7x365 = 75080 nacimientos/año
La probabilidad de ningún nacimiento en cualquier día es

0 −205. 7 x 1
(205 .7 x 1) e
po = ≈0
0!
Suponga que nos interesa la probabilidad de emitir 45 actas de nacimiento al final de un periodo de 3
horas, si se pudieron emitir 35 actas en las primeras 2 horas.
Observamos que debido a que los nacimientos ocurren según un proceso de Poisson, la probabilidad
requeridas reduce a tener 45-35=10 nacimientos en una hora ( =3-2). Dado λ=60/7=8.57
10 −8.57 x 1
(8 . 57 x 1) e
p 10 (19)= =0 . 11172
nacimientos/hora, obtenemos: 10 !
MODELO DE MUERTE PURA
Considere la situación de almacenar N unidades de artículo al inicio de la semana, para satisfacer la

demanda de los clientes durante la semana. Si suponemos que la demanda se presenta a una tasa de µ
unidades por día y que el proceso de demanda es completamente aleatorio, la probabilidad asociada
de tener n artículos en el almacén después de un tiempo t, la da la siguiente distribución truncada de
Poisson:
30
N−n − μt
(μt ) e
pn (t )= ,
( N −n)! n = 1,2,…N
N
p0 (t )=1− ∑ pn (t )
n=1 (Muerte pura)
Ejemplo 2
Al inicio de la semana, se almacenan 15 unidades de un artículo de inventario para utilizarse durante la

semana. Solo se hacen retiros del almacenamiento durante los primeros 6 días (la empresa está
cerrada los domingos) y sigue una distribución de Poisson con la media de 3 unidades/día. Cuando el
nivel de existencia llega a 5 unidades, se coloca un nuevo pedido de 15 unidades para ser entregado al
principio de la semana entrante. Debido a la naturaleza del artículo, se desechan todas las unidades
que sobran al final de la semana
Podemos analizar esta situación en varias formas. Primero, reconocemos que la tasa de calculo es µ = 3
unidades por día. Supóngase que nos interesa determinar la probabilidad de tener 5 unidades (el nivel
de nuevo pedido) al día t; es decir,
(3t )15−5 e−3 t

p5 (t )= ,
(15−5 )! t= 1,2,…,6
Como ejemplo ilustrativo de los cálculos, tenemos los siguientes resultados utilizando el programa
TORA µt=3, 6, 9…., y 18
t (días) 1 2 3 4 5 6
µt 3 6 9 12 15 18
p5(t) 0.0008 0.0413 0.1186 0.1048 0.0486 0.015
Obsérvese que p5(t) representa la probabilidad de hacer un nuevo pedido el día t. Esta probabilidad
llega a su nivel máximo en t=3 y después disminuye conforme transcurre la semana. Si nos interesa la
probabilidad de hacer un nuevo pedido para el día t, debemos determinar la probabilidad de tener
cinco unidades o menos el día t; esto es,
Pn<=5 (t) = p0(t)+p1(t)+…..+p5(t)
Usando TORA nuevamente obtenemos
t (días) 1 2 3 4 5 6
µt 3 6 9 12 15 18
pn<=5(t) 0.0011 0.0839 0.4126 0.7576 0.9301 0.9847
30
Podemos advertir en la tabla que la probabilidad de hacer el pedido para el día t aumente
monótonamente con t.
Otra información, que es importante al analizar la situación, es determinar el número promedio de

unidades de inventario que se desecharan el fin de semana.
15
∑ np n(6 )
E { n|t=6 } = n=0
Esto se hace calculando el número esperado de unidades para el día 6; es decir,
La tabla que sigue presenta un resumen de las operaciones dado µt=18

N 0 1 2 3 4 5 6 7 8 9 10 11
pn(6) 0.792 0.0655 0.0509 0.0368 0.0245 0.015 0.0083 0.0042 0.0018 0.0007 0.0002 0.0001
Y pn(6) ~= 0 para n = 12,13,14 y 15. Por lo tanto, al calcular el promedio, obtenemos
E { n|t=6 } = 0.5537 unidad

Esto indica que, en promedio, se desechará menos de una unidad al término de cada semana.
5.3 POBLACIÓN INFINITA UN SERVIDOR, COLA INFINITA
Este modelo puede aplicarse a personas esperando en una cola para comprar boletos para el cine, a
mecánicos que esperan obtener herramientas de un expendio o a trabajos de computadora que
esperan tiempo de procesador.
LLEGADAS
Consiste en la entrada al sistema que se supone es aleatoria. No tienen horario, es impredecible en que
momento llegarán. El modelo también supone que las llegadas vienen de una población infinita y llegan
una a la vez .
COLA
En este modelo se considera que el tamaño de la cola es infinito. La disciplina de la cola es primero en
llegar, primero en ser servido sin prioridades especiales. También se supone que las llegadas no
pueden cambiar lugares en la línea (cola) o dejar la cola antes de ser servidas.
INSTALACIÓN DE SERVICIO.
Se supone que un solo servidor proporciona el servicio que varía aleatoriamente.
30
SALIDAS.
No se permite que las unidades que salgan entren inmediatamente al servicio.
CARACTERÍSTICAS DE OPERACIÓN
Un servidor y una cola.
Llegada Poisson.
Cola infinita, primero en llegar primero en ser servido.
Tiempos de servicio exponenciales.
COLA:
Longitud promedio de la línea:
Tiempo de espera promedio:
SISTEMA:
Longitud promedio de la línea:
Tiempo de espera promedio:
Utilización de la instalación:
Probabilidad de que la línea exceda a n :
A = tasa promedio de llegada.
S = tasa promedio de servicio.
Ejemplo 3 (Un supermercado )
Supóngase un supermercado grande con muchas cajas de salida, en donde los clientes llegan para
que les marquen su cuenta con una tasa de 90 por hora y que hay 10 cajas en operación. Si hay poco
30
intercambio entre las lìneas, puede tratarse este problema como 10 sistemas separados de una sola
lìnea, cada uno con una llegada de 9 clientes por hora. Para una tasa de servicio de 12 por hora :
Dados A = 9 clientes por hora
S = 12 clientes por hora
Entonces :
= 2.25 Clientes
= 0.25 horas o 15 minutos.
= 3 clientes.
= 0.33 horas o 20 minutos.
= 0.75 o 75%
0.32
Entonces, para este ejemplo, el cliente promedio espera 15 minutos antes de ser servido. En
promedio, hay un poco más de dos clientes en la línea o tres en el sistema. El proceso completo lleva
un promedio de 20 minutos. La caja está ocupada el 75 % del tiempo. Y finalmente, el 32 % del tiempo
habrá cuatro personas o más en el sistema ( o tres o más esperando en la cola).
5.4 POBLACIÓN FINITA UN SERVIDOR, COLA FINITA
El sistema que se analizó en la sección anterior supone que el número de clientes que requieren
servicio en un periodo de tiempo determinado es infinito. Este caso no corresponde a la realidad ya
que una población es, por regla, de tamaño finito. Este caso no corresponde a la realidad ya que una
población es, por regla, de tamaño finito. Esta consideración, en vez de simplificar el desarrollo de
fórmulas que describen cuantitativamente al sistema, lo complica. Por ello, se refiere trabajar con el
supuesto de población infinita y no con el real.
30
Suponiendo que una población finita de m elementos (o<m<∞) requiriera servicios de un sistema
similar al de la sección anterior, las series infinitas analizadas para la sección 3.4 se convierten en series
finitas y generan de manera análoga los siguientes resultados.
Si m es la población que pudiera requerir un servicio determinado y n (n < m) elementos de esa

población piden ese servicio, entonces P 0 (t) se calcula mediante el uso simultáneo de las expresiones
3.20 y 3.21, determinadas a continuación9-1:
(3.20)
(3.21)
Una vez conocida (t) se calcula L, W, Ts, Tw de:
(3.22)
(3.23)
(3.24)
(3.25)
Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:
(3.26)
Ejemplo 4
Suponga que en la flota de Aeroméxico existen cuatro aviones del tipo jumbo 747. Se ha venido
observando el comportamiento de estos aviones desde 1971 y, en especial, las fallas de las turbinas.
Los datos indican que las fallas de cualquier turbina de cualquier avión es una variable aleatoria y que
el tiempo promedio entre dos fallas consecutivas de cualquier avión es de un año. El tiempo promedio
de revisión y compostura de la falla de la turbina es de 45 días (un octavo de año). Solamente se tienes
un equipo humano de expertos para dar servicios y se proporciona servicio bajo la política de “primero
que entra al taller, primero que se le sirve”. Durante el periodo de mantenimiento el avión no vuela.
Describa cuantitativamente al sistema de espera.
30
Si se toma como unidad de tiempo un año, entonces
Como , se aplica los conceptos anteriores. Se calcula la expresión 3.20

para n = 0, 1, 2, 3, 4 y m = 4, donde n es el número de aviones que esperan compostura y m es la flota
de jumbos 747 de Aeroméxico.
n m
0 4 1.00000
1 4 0.50000
2 4 0.18750
3 4 0.04688
4 4 0.00576
Tabla 3.2
Por lo tanto, y de acuerdo con 3.21, se tiene:
Que significa que existe un 5704% de probabilidad de que no se encuentre ningún avión jumbo 747 en
el sistema de compostura de turbinas en el tiempo t.
30
La probabilidad de que se encuentre un avión en mantenimiento y otro en espera es:
El número promedio de aviones de aviones que esperan servicio en 1 año es de:
Mientras que el número promedio de aviones en el sistema (esperando en la cola y en el taller) es:
El tiempo promedio de espera en la cola para recibir servicio es:
O sea aproximadamente 18 días, mientras que el tiempo promedio en el sistema (espera más servicio)
es de:
O sea casi 64 días:
¿Qué representa esto en costo?
Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos, de 2 mil cuando está en tierra y
de 5 mil cuando está en mantenimiento. Se supone que estos aviones vuelan, en promedio, 14 horas
por día y por cada mil horas de vuelo se les proporcionaría mantenimiento preventivo (independiente
de las composturas de falla de turbina) que dura en promedio 100 horas. Se supone que el sueldo
mensual del personal especializado de reparación es de 200 mil pesos y el costo mensual del equipo de
reparación (luz, depreciación, seguros, etc.,) es de 125 mil pesos.
El costo de la espera para componer las fallas de la turbina de un avión es, por lo tanto, la suma de los
siguientes costos:
a) Tiempo muerto del avión mientras espera y le reparan la turbina, (T w).

b) Tiempo muerto de la tripulación cuando el avión se encuentra en el taller por compostura de
turbinas.
c) Tiempo de reparación de la turbina (sin incluir refacciones), es decir T w – Ts.
Como la unidad de tiempo es un año, se deben convertir todos los costos unitarios a costo por año.
En un año (365 días) el avión vuela:
30
Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno, para un total de 500
de servicio de mantenimiento. Si en un año existen 8760 horas, lo anterior quiere decir que:
8760 – (5110 + 500) = 3150
Estará parado el avión en tierra. Entonces el costo total anual para cada avión será de:
(5110 ) + (500
* 5000
) + (3150 2000
) = 59.9
Si un avión de este tipo pasa T w = 0.175 de año (64 días), en el sistema de compostura de turbinas, el
costo asociado a este tiempo muerto es:
(59.9 ) (0.175 años) = 10.48
El sueldo mensual de una tripulación es de 400 mil pesos (4.8 millones de pesos por año); por lo tanto,
el costo del tiempo muerto de la tripulación asociado a la compostura de una turbina será:
La nómina mensual del equipo de reparación más sus costos mensuales suman 325 mil pesos (3.9
millones de pesos por año). Por lo tanto, el costo del tiempo de reparación por avión, sin tomar en
cuenta refacciones es:
30
El costo total de tener a un avión en el sistema de compostura es:
(10.48 + 0.21 + 0.49) = 11.58
Este resultado motiva las siguientes preguntas: ¿Conviene aumentar el equipo especializado de
reparación de turbinas a 2 o 3? Si es así, ¿En cuánto disminuiría el costo de la espera por avión en el
sistema? ¿A cuánto aumenta el costo del equipo de reparación? ¿Cuál es un buen punto de equilibrio?
5.5 POBLACIÓN INFINITA SERVIDORES MULTIPLES, COLA INFINITA
Se supone un sistema con una sola cola, a la cual puede llegar un número infinito de clientes en espera
de recibir un mismo servicio por parte de S(S>1) servidores en paralelo. La política del sistema es que
sirve a los clientes en el orden de su llegada; el servicio lo proporciona el primer servidor que se haya
desocupado al principio y se irán ocupando en forma progresiva (primero el servidor 1, después el 2 y
así sucesivamente) en la medida que vayan llegando los clientes.
El número promedio de llegadas por unidad de tiempo es λ y se supone que este tiene una distribución
de Poisson.
El número promedio de servicios de cada servidor por unidad de tiempo es el mismo y se denota por
µ. Se supone que este número tiene una distribución exponencial negativa.
Se observa que cuando el número de elementos en la cola y en las estaciones de servicio, m, es mayor
que el número de servidores, S, (m > S), la probabilidad de que algún cliente abandone el sistema
(después de recibir su servicio) en el intervalo de tiempo Δ t es S µ Δ t. En caso contrario (S > m), dicha
probabilidad es m µ Δ t.
Esta observación incorporada en la expresión 3.3 origina:
(3.27)
En la expresión anterior no tiene sentido cuando m = O, por lo que una vez agrupados
los términos se obtiene:
30
Restando en ambos lados PQ (t) y dividiendo entre A t, se tiene
Tomando el límite cuando tiende a cero genera
Por lo que
(3.28)
El límite, cuando tiende a cero, de la expresión general 3.27, para m = 1, genera
(3.29)
Substituyendo 3.28 en 3.29
(3.30)
Generalizando 3.30 para un valor m — 1 cualquiera se obtiene
que se puede reescribir:
(3.31)
Para el caso en que m < S, se sigue el mismo razonamiento cambiando el término de

3.27 por m µ Δ t, para obtener
(3.32)
Una fórmula explícita de se genera despejando este término de

, arrojando la expresión:
30
(3.33)
Combinando 3.33 con 3.31 y 3.32 y tomando el límite cuando m tiende a infinito, se construye después
de un buen ejercicio algebraico (que aquí se omite) la expresión final para dada por
(3.34)
El largo de la cola L, lo dará la expresión
Que una vez desarrollada, utilizando 3.31 y agrupando términos, genera la fórmula
(3.35)
El número de elementos en el sistema W, es igual a
W=L+ (3.36)
El tiempo de espera en la cola Ts es:
(3.37)
Mientras que el tiempo de espera en el sistema, Tw
(3.38)
Así como en el caso de un servidor se supone que (para que no se formen colas de tamaño
infinito), en el caso de servidores múltiples se requiere que se cumpla la condición , la
cual se puede reescribir como

Se puede demostrar que
Donde
30
Ejemplo 5
Suponga que en el cruce fronterizo de México y Estados Unidos, localizado entre las poblaciones de
Piedras Negras, Coahuila, y Eagle Pass, Texas, existe un puente sobre el Río Bravo con dos líneas de
tráfico, una en dirección de México a Estados Unidos y la otra en sentido contrario. La línea de tráfico
de Estados Unidos a México, se bifurca a 5 garitas de inspección migratoria y aduanera.
Suponga que las llegadas de automóviles tienen una distribución de Poisson con ƛ igual a 15 llegadas
por hora, mientras que el número de servicios tiene una distribución exponencial negativa con µ igual a
8 servicios por hora.
Por decreto gubernamental, no existe prioridad de trato, así que las garitas migratorias y aduaneras
proporcionan servicio en la medida que se desocupan, y se atiende en primer término al primer
automóvil de la cola y así sucesivamente.
Se describe en forma cuantitativa al sistema de garitas migratorias y aduaneras.
Primero se corrobora que el parámetro , queriendo decir que en el puente internacional

de Piedras Negras no se formará una cola infinita de automóviles o, en términos más reales, que esta
cola no tiende a crecer sin freno:
Se tiene
30
Lo anterior implica que existe un 15% de probabilidades de que, al llegar un automóvil cualquiera a la
garita internacional de Piedras Negras, en el tiempo t las 5 estaciones de servicio se encuentren vacías,
y no exista ningún automóvil esperando este servicio.
Por lo tanto, no se forma una cola hasta que m > 6, como se verifica en la tabla 3.3.
El largo de la cola, L es:
El número de elementos en el sistema, W, es:
El tiempo promedio de espera en la cola, Ts es:
M Tamaño de Garitas Número de automóviles a los Pm (t)+,*

la cola desocupadas cuales se les está dando servicio
0 0 5 0 0.152
1 0 4 1 0.286**
2 0 3 2 0.267
3 0 2 3 0.167
4 0 1 4 0.078
5 0 0 5 0.029***
6 1 0 5 0.011****
7 2 0 5 0.004
8 3 0 5 0.001
30
o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:
Aproximadamente 7 minutos con 36 segundos.
Ejemplo 6
El Director General de Egresos, el Lie. A. Uslero, experto en sistemas, sospecha que se puede lograr un
considerable ahorro económico, si en vez de 5 garitas funcionan 2, y que esto no causa graves
problemas al turismo. ¿Estará en lo cierto?
Se calcula
30
Es decir, existe un 3% de probabilidades de que al llegar un automóvil cualquiera a la garita

internacional de Piedras Negras, en el tiempo t las 2 garitas se encuentren vacías y no hay automóviles
esperando por un servicio.
No se forma una cola hasta que m > 3, tal como se aprecia en la siguiente tabla.
M Tamaño de Garitas Número de automóviles a los cuales Pm (t) + ,*

la cola desocupadas se les está dando servicio
0 0 2 0 0.03226
1 0 1 1 0.06048
2 0 0 2 0.05670
3 1 0 2 0.05316
4 2 0 2 0.04984
5 3 0 2 0.046725
El largo de la cola, L, es:
Mientras que el número de elementos en el sistema, W, es:
W=L+
= 13.61 + 1.875 = 15.49 automóviles
El tiempo promedio de espera en la cola, TS, es:
O sea casi 55 minutos, mientras que el tiempo dentro del sistema, Tw, es:
30
O sea, casi 62 minutos.
Así, por un lado, la medida de reducir de 5 a 2 garitas podría ahorrarle al país el salario y el
mantenimiento de 3 garitas, por el otro provocaría pérdidas en turismo, ya que, en promedio cada
automóvil que cruce por ese puerto fronterizo, esperará más de una hora por trámites.
5.6 USO DE PROGRAMAS DE COMPUTACIÓN

El problema de Líneas de Espero, es determinar que capacidad o tasa de servicio proporciona el
balance correcto, con el costo de mantener el sistema de colas.
Cuatro tipos de sistemas.
30
FORMULACIÓN DE UNA PRÁCTICA
 Armar el formulario de los diferentes Modelos de Inventarios, para posteriormente seleccionar el

idóneo a emplear.
 Realizar la visita e identificar alguna situación factible de mejora, mediante algún Modelo de Líneas
de Espera.
 Realizar anotaciones relevantes y recabar evidencias.
 Realizar la propuesta de Mejora de alguna situación problemática:
Planteamiento del problema
Desarrollo (aplicación de fórmulas)
Propuesta de solución.
 Realizar la validación de Mejora de la situación problemática, mediante el Software elegido.
30
Algunos de los programas de computadora utilizados para resolver modelos planteados en

Programación Lineal y modelos de Sistemas de Espera son:
a) Lingo
b) What´s Best
c) Lindo
d) QSB
Los programas Lingo, What´sBest y Lindo han sido elaborados por Lindo Systems para trabajar con
sistema operativo Windows. El programa QSB, presentado por Prentice Hall, ha sido elaborado para
trabajar con sistema operativo MS-DOS.
USO DEL PROGRAMA QSB
Quantitative Systems Business, QSB, es un programa creado para trabajar con el sistema operativo
MS-DOS.
El menú de programas contiene entre otros:
1—Linear programming” (Programación lineal)

2—Integer linear programming” (Programación lineal entera)
3—Transshipment problem” ( Problema de transbordo)
3—Assignment problem” (Problema de asignación)
4— Network modeling “ (Modelado de redes)
5—Project scheduling – CPM” (Programación de proyectos-CPM)
6-- Project scheduling – PERT” (Programación de proyectos-PERT)
A—Queuing theory” (Teoría de colas)
B—Queuing system simulation” (Simulación de sistemas de espera)
Los cálculos a efectuar en el modelo estudiado M/ M/1 están limitados a calcular las características
operacionales y algunas probabilidades. Se ilustra su uso en un sistema de espera con λ = 20 llegadas
por hora y µ = 30 servicios por hora. El programa es PROG8.EXE
En la tabla inicial de opciones se selecciona “entrar el nuevo problema”. Al igual que en otras técnicas,
solicita el nombre que se le da al nuevo problema y además pide que se especifique la unidad de
tiempo en la cual serán presentadas tanto la tasa de llegadas como la tasa de servicio. Se le asignó el
nombre “colas” al archivo de computadora usado para el modelo.
Este punto lo presenta de la manera siguiente:
30
Luego presenta la información siguiente que trata de convencionalismos para poder introducir la
información del modelo en el programa.
A continuación solicita los datos del modelo, es decir la tasa de llegadas y la tasa de servicio. Además
pregunta el tipo de distribución probabilística y la longitud de la cola.
Cuando se pide la opción de solucionar el modelo aparece en pantalla lo siguiente:
Esto es, solicita el valor del numero de unidades para las cuales se calculará la probabilidad. Si no tiene
ningún número en particular, el programa la calculará hasta 10 unidades. El resultado que presenta es
el siguiente.
30
Las siguientes opciones son similares a las de las otras técnicas donde se usa el programa. Es decir,
imprimir, mostrar en pantalla, volver al menú principal, salir de QSB, Etc.
Ejemplo de Introducción de datos
Solución del Modelo
30
Aunque el cálculo de la probabilidad de terminación del proyecto en 12 semanas se realizó

manualmente, se presenta a continuación el mismo resultado obtenido con el programa QSB.
USO DEL PROGRAMA LINGO
Al empezar a usar el programa, previamente instalado en la computadora, aparece una pantalla en

blanco que utilizará para copiar el modelo.
Detalles Generales:
• Todo signo de exclamación (!) señala un comentario y debe ser terminado con Punto y coma (;).
• Puede introducir los comentarios que considere convenientes para facilitar la lectura del modelo.
• Cualquier comentario escrito entre un signo de exclamación y un punto y coma es ignorado por
Lingo. Esos comentarios pueden ocupar más de una línea y pueden compartir líneas con otras
expresiones de Lingo.
• Lingo no distingue entre mayúsculas y minúsculas para nombrar las variables. Por eso puede usar
cualquiera de las dos formas para nombrarlas.
• Los nombres de variables deben empezar con una letra. Después puede contener números y letras,
hasta 32 caracteres.
• Las instrucciones claves en Lingo son mostradas en azul, los comentarios en verde y todo lo
remanente en negro.
• Paréntesis iguales aparecen titilando en rojo cuando se coloca el cursor inmediatamente después de
un paréntesis. Esto es útil para localizar errores de sintaxis en sus modelos.
• Misceláneos:
@FOR se usa para generar restricciones sobre los miembros de un set
@SUM calcula la suma de una expresión sobre todos los miembros de un set
@MIN calcula el mínimo de una expresión sobre todos los miembros de un set
30
@MAX calcula el máximo de una expresión sobre todos los miembros de un set
• En general cada vez que inicia una información debe colocar dos puntos y al finalizar un determinado
dato o información debe colocar punto y coma.
• Permite usar hasta 300 variables y 150 restricciones.
• Lingo permite seleccionar el algoritmo de solución o Usted puede permitir que él mismo lo
seleccione. Contiene el algoritmo de puntos interiores que es de mejor uso en modelos de gran
tamaño.
• Antes de ejecutar la orden de solucionar el modelo, Lingo revisa la información y le muestra si hay
errores y donde los hay.
• Además del formato de resultados le presenta una hoja llamada “solver status Windows”
conteniendo información sobre la composición del modelo y lo mantiene al tanto del progreso del
proceso de solución.
• Cada expresión condicional colocada sobre un set operador, aritmético, lógico o de relación, debe
ser terminada con dos puntos (:).
• Se trabaja con sets o grupo de objetos relacionados y sus atributos.
• HELP TOPICS, le ayudará en consultas sobre la introducción del modelo y puntos particulares del
programa. El texto está escrito en inglés.
Ejemplo de solución usando programa LINGO
Solución factible a encontrar: 0
Variable Valor
ARV_RATE 2.000000
SRV_TIME 0.3330000
NO_SRVRS 1.000000
LOAD 0.6660000
PWAIT 0.6660000
WAITCND 0.9970060
WAITUNC 0.6640060
Fila Déficit o Superávit

1 0.0000000
2 0.0000000
3 0.0000000
4 0.0000000
CONCLUSION
Los sistemas de colas son muy comunes en la sociedad. La adecuación de estos sistemas puede tener
un efecto importante sobre la calidad de vida y la productividad.
30
Para estudiar estos sistemas, la teoría de colas formula modelos matemáticos que representan su
operación y después usa estos modelos para obtener medidas de desempeño que realmente ayudan
mucha para el desarrollo de una empresa o compañía reduciendo el tiempo en que esperan los
clientes, y optimizando la eficiencia del equipo trabajador. Este análisis proporciona información vital
para diseñar de manera práctica sistemas de colas que logren un balance apropiado entre el costo de
proporcionar el servicio y el costo asociado con la espera por ese servicio.
La teoría de colas es el estudio matemático de las líneas de espera (o colas) permitiendo el análisis de
varios procesos relacionados como: la llegada al final de la cola, la espera en la cola, o también
matemática etc.
La teoría de colas generalmente es considerada una rama de investigación operativa porque sus
resultados a menudo son aplicables en una amplia variedad de situaciones como: negocios, comercio,
industria, ingenierías, transporte y telecomunicaciones.
En el contexto de la informática y de las nuevas tecnologías estas situaciones de espera son más
frecuentes. Así, por ejemplo, los procesos enviados a un servidor para ejecución forman colas de
espera mientras no son atendidos, la información solicitada, a través de Internet, a un servidor Web
puede recibirse con demora debido a la congestión en la red, también se puede recibir la señal de línea
de la que depende nuestro teléfono móvil ocupada si la central está colapsada en ese momento, etc.
En conclusión tenemos que la Teoría de Cola no es una técnica de optimización, sino una herramienta
que utiliza fórmulas analíticas, limitadas por suposiciones matemáticas. No se asemejan a una situación
real, pero da una primer aproximación a un problema y a bajo costo, que brindan información sobre el
comportamiento de líneas de espera; estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio a un "servidor" el cual tiene una cierta capacidad de atención y no está
disponible inmediatamente y el cliente decide esperar.
Ya que a menudo es deseable tomar decisiones respecto de una situación de teoría de cola, basándose
en algún tipo de análisis de costos. Por ejemplo, un incremento en el número de servidores en el
sistema reduciría el tiempo de espera, pero incrementaría el costo del servicio e inversamente. Si se
pudiera expresar el tiempo promedio de espera en valores monetarios, es posible seleccionar el
óptimo número de servidores (o la velocidad de servicio) que minimiza la suma de los costos se servicio
y el tiempo de espera. El problema de este enfoque radica que en la práctica es muy difícil de estimar
el costo por unidad de espera.
BIBLIOGRAFÍA
Métodos y Modelos de Investigación de Operaciones, Vol. 2

Dr. Juan Prawda Witenberg
30
Editorial Limusa.
http://sistemas.itlp.edu.mx/tutoriales/investoper2/index.htm
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r69436.DOC
http://www.investigacion-operaciones.com/material%20didactico/MANUAL%20INV%20OPER.pdf
http://simulacionitca.blogspot.mx/2011/05/modelos-de-linea-de-espera-equipo-5.html
Toma de decisiones Investigación de Operaciones

Robert J. Thierauf
Editorial Limusa.
Investigación de Operaciones, 5ta edición

Hamdy A. Taha
Editorial Alfaomega.
Investigación de Operaciones, Aplicaciones y Algoritmos, 4ta edición

Wayne L. Winston
Editorial Thomson.
http://www.investigacion-operaciones.com/Curso_Inv_Oper.htm
http://enlaweb.com.mx/io2/lineas-de-espera.php#higher
Investigación de Operaciones II
Angélica Gutiérrez Limón
Instituto Tecnológico Superior
Investigación de Operaciones, Capitulo 2

L. E. Garduño
Universidad de las Américas de Puebla
30

Investigacion de Operaciones 2 Doc

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones 2 Doc

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO DE

CERRO AZUL, VER.

5.1 introducción y terminología, notación y casos de aplicación………………………………………………………3

5.2 Proceso de Nacimiento y Muerte (Modelos Poisson)…………………………………………………………………..5

5.3 Población infinita un servidor, cola infinita.…………………………………………........................................8

5.4 Población finita un servidor, cola finita.…………………………………………………………………………………….10

5.5 Población Infinita servidores múltiples, cola infinita…………………………………………………………………15

5.6 Uso de programas de computación……………………………………………………………………………………………21

En el presente trabajo se presentarán las derivaciones matemáticas de las formulas de un problema de

5.1. INTRODUCCIÓN, TERMINOLOGÍA, NOTACIÓN Y CASOS DE APLICACIÓN

USO DE LAS TASAS DE LLEGADA Y DE SERVICIO

APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA

TIEMPOS UNIFORMES DE LLEGADA Y DE SERVICIO

TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL

5.2 PROCESO DE NACIMIENTO Y MUERTE (MODELOS DE POISSON)

PROCESO DE NACIMIENTO PURO Y MUERTE PURA

MODELO DE NACIMIENTO PURO

λ t = 205.7x365 = 75080 nacimientos/año

La probabilidad de ningún nacimiento en cualquier día es

MODELO DE MUERTE PURA

Considere la situación de almacenar N unidades de artículo al inicio de la semana, para satisfacer la

Al inicio de la semana, se almacenan 15 unidades de un artículo de inventario para utilizarse durante la

(3t )15−5 e−3 t

Pn<=5 (t) = p0(t)+p1(t)+…..+p5(t)

Usando TORA nuevamente obtenemos

Otra información, que es importante al analizar la situación, es determinar el número promedio de

La tabla que sigue presenta un resumen de las operaciones dado µt=18

Y pn(6) ~= 0 para n = 12,13,14 y 15. Por lo tanto, al calcular el promedio, obtenemos

E { n|t=6 } = 0.5537 unidad

5.3 POBLACIÓN INFINITA UN SERVIDOR, COLA INFINITA

Se supone que un solo servidor proporciona el servicio que varía aleatoriamente.

No se permite que las unidades que salgan entren inmediatamente al servicio.

Un servidor y una cola.

Cola infinita, primero en llegar primero en ser servido.

Tiempos de servicio exponenciales.

Longitud promedio de la línea:

Tiempo de espera promedio:

Longitud promedio de la línea:

Tiempo de espera promedio:

Probabilidad de que la línea exceda a n :

A = tasa promedio de llegada.

S = tasa promedio de servicio.

Ejemplo 3 (Un supermercado )

Dados A = 9 clientes por hora

S = 12 clientes por hora

= 0.25 horas o 15 minutos.

= 0.33 horas o 20 minutos.

5.4 POBLACIÓN FINITA UN SERVIDOR, COLA FINITA

Si m es la población que pudiera requerir un servicio determinado y n (n < m) elementos de esa

Una vez conocida (t) se calcula L, W, Ts, Tw de:

Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:

Si se toma como unidad de tiempo un año, entonces

Como , se aplica los conceptos anteriores. Se calcula la expresión 3.20

Por lo tanto, y de acuerdo con 3.21, se tiene:

La probabilidad de que se encuentre un avión en mantenimiento y otro en espera es:

El número promedio de aviones de aviones que esperan servicio en 1 año es de:

El tiempo promedio de espera en la cola para recibir servicio es:

O sea casi 64 días:

¿Qué representa esto en costo?

a) Tiempo muerto del avión mientras espera y le reparan la turbina, (T w).

En un año (365 días) el avión vuela:

8760 – (5110 + 500) = 3150