Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARRERA:
Ingeniería en Sistemas Computacionales
SEMESTRE: 3ro
ASIGNATURA:
Investigación de Operaciones
DOCENTE:
Ing. María del Carmen Baca Gutiérrez
UNIDAD:
4. Teoría de inventarios.
5. Líneas de espera.
1
CONTENIDO
2
UNIDAD 4: Teoría de inventarios.
Inventarios: Son los materiales que una empresa mantiene en su almacén, con el
fin de obtener uniformidad en la producción de los artículos que fabrica.
Ejemplo: Una compañía que fabrica televisores produce sus propias bocinas para
utilizarlas en la fabricación de estos aparatos. Los televisores se ensamblan en
una línea de producción continua a una tasa de 8 000 por mes, y se necesita una
bocina por televisor. Las bocinas se fabrican por lotes, pues no justifican toda una
línea de producción y se pueden producir cantidades relativamente grandes en un
tiempo corto. Por lo tanto, estas bocinas se colocan en inventario hasta que se
necesitan para ser ensambladas en los televisores. La compañía está interesada
en determinar cuándo producir un lote de bocinas y cuántas producir en cada lote.
Es necesario tomar en cuenta varios costos:
3
1. Cada vez que se produce un lote, se incurre en un costo de preparación de 12
000 dólares. Esta cantidad incluye el “costo de preparar las máquinas y
herramientas”, los costos administrativos, los de registros, etc. Observe que la
existencia de estos costos es un argumento para producir lotes grandes de
bocinas.
2. El costo unitario de producción de una sola bocina (excluye el costo de
preparación) es de 10 dólares independientemente del tamaño del lote fabricado.
(No obstante, en general, el costo unitario de producción no necesita ser constante
y puede decrecer junto con el tamaño del lote.)
3. La producción de bocinas en grandes lotes conduce a la formación de un
inventario grande. La estimación del costo de mantener una bocina en almacén es
de $0.30 por mes. Este monto incluye el costo de capital comprometido en el
inventario. Como el dinero invertido en él no se puede usar de otra manera
productiva, este costo de capital consiste en el rendimiento perdido (llamado costo
de oportunidad) porque debe prescindirse de usarlo de otra forma. Otros
componentes del costo de mantener inventarios incluyen el costo de renta del
espacio de almacén, los seguros de incendio, robo o vandalismo, impuestos
basados en el valor del inventario y el costo de personal que supervisa y protege
el inventario.
4. La política de la compañía prohíbe la planeación deliberada de faltantes de
cualquiera de sus componentes. Sin embargo, en ocasiones faltan bocinas y se
estima que cada una de ellas que falta cuando se necesita cuesta $1.10 por mes.
Este costo por faltantes incluye el costo de instalar las bocinas con el televisor
totalmente ensamblado, el interés perdido por el retraso en recibir ingresos por
ventas, el costo de mantener registros y otros.
4
Este costo por faltantes se puede ver como la pérdida en la que se incurre por
no satisfacer la demanda, más el costo de perder negocios futuros debido a la
pérdida de la imagen.
5
SISTEMAS DE ADMINISTRACIÓN Y CONTROL
Esquema 1. Sistemas de administración y control comúnmente utilizados en las empresas. Fuente: Elaboración
propia.
Ejemplo:
1- Partimos diciendo que el valor por unidad para la compra del 4 de marzo es
$110. Por ende, 215 unidades compradas a un costo de $110 cada una, nos
da un total de $23,650 en inventario. Las unidades con las que quedamos en
inventario son las mismas 215 unidades, además del saldo.
2- El 8 de marzo compramos 400 unidades a un costo de 100 cada una. Por lo
tanto, agregamos $40,000 a nuestro saldo de inventario. Así mismo se ve
reflejado en el saldo de inventario. Tener en cuenta las 215 unidades del
movimiento anterior que, en caso de una venta, serán las primeras en salir.
3- De las 590 unidades que se venden el 17 de marzo, salen primero las 215 que
estaban en inventario a $110 (las del 4 de marzo), lo que corresponde a un
costo de $23,650 (215 * 110).
4- Luego salen 375 unidades restantes (salen de la compra del 8 de marzo) por
un costo de venta de $37500 (375 * 100). En inventario quedan 25 unidades.
6
Fecha Concepto Cantidad Valor Valor Cantidad Valor Valor Cantidad Valor Valor
unidad total unidad total unidad total
4-mar Compra 215 $110 $23,650 215 $110 $23,650
8-mar Compra 400 $100 $40,000 400 $100 $40,000
17- Venta 215 $110 $23,650
mar
17- Venta 375 $100 $37,500 25 $100 $2,500
mar
22- Compra 200 $105 $21,000 200 $105 $21,000
mar
30- Venta 25 $100 $2,500
mar
30- Venta 150 $105 $15,750 50 $105 $5,250
mar
Tabla 1. Ejemplo de un caso resuelto con el método PEPS.
Ejemplo: Sumco, una compañía que vende bombas a otras compañías, quiere
reducir su costo de inventario determinando el número óptimo de bombas que
debe obtener por orden y el costo anual total. La demanda anual es de 1,000
unidades, el costo por ordenar es de $10 por orden, ¿qué sucede con la demanda
anual si el costo por ordenar cambia a 40? El costo anual promedio por almacenar
por unidad es de $0.50.
7
Los datos del problema son:
𝐷 = 1000 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑜𝑟 𝑎ñ𝑜
𝐶0 = $10 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛
𝐶ℎ = $ 0.50 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑝𝑜𝑟 𝑎ñ𝑜
Q∗¿
√
2 ( 1000 )( 10 )
0.5
=200 bombas
Q∗¿
√ 2 ( 1000 )( 40 )
0.5
=400 bombas
8
CT = Costo total del inventario.
Ejemplo: La empresa manufacturera Galey compra 8.000 chip cada año para
utilizar en los equipos que produce. El costo unitario de cada chip es de $30.000 y
el costo de mantener o almacenar un chip en inventario por año es de $3.000,
además se sabe que realizar un pedido tiene un costo de $10.000. ¿Cuál es la
cantidad óptima de pedido?
Aplicando la fórmula:
Q=
√ 2 DCo
Cm
Q=
√ 2(8,000)(30,000)
3,000
9
Este modelo determina la cantidad a producir, cuando se permite déficit, faltantes
o pedidos pendientes. Recordemos que déficit es la cantidad que falta a los
ingresos para que se equilibren con los gastos.
Este modelo supone que se inicia el inventario en cero unidades, que se coloca
una orden de producción en ese instante y que dicha orden se completa en t1
unidades de tiempo; al final de éste se produce a razón de k unidades por unidad
de tiempo y es consumido a razón de r unidades por unidad de tiempo. Existen en
inventario S unidades (inventario máximo).
10
Cuando se llega al inventario máximo, la producción se suspende y durante un
tiempo de t2 unidades solo se suple la demanda, por lo tanto, al final de este
tiempo se encuentra en el nivel cero del inventario.
A partir de aquí el cliente causa demanda, la cual no es satisfecha; esto sucede en
t3 unidades de tiempo, al final se acumula una deuda de unidades con el cliente;
déficit máximo.
Solucionando el inciso a)
Q=
√ 2(1,500)(20)
24
Q 50 360 días
T= = =0.033 año x =12 días
D 1500 año
Solucionando el inciso b)
1500 125
CTA ( Q )=20 x +24 x =$ 1740 año
125 2
11
Política óptima: Q* = 50
CTA ¿
Diferencia:
CTA ( Q )−CTA ¿
12
Costo total anual: CT = Costo anual de emisión + Coste anual de mantener
inventarios.
CT = D/Q x CE + Q/2 (1 - D/P) x r x c
2 x D x CE
√
Cantidad económica de pedido: Q* = D
r x c x (1− )
P
13
T = longitud de la corrida de producción en días.
T = tiempo entre pedidos.
2 DS 2 ( 2000 ) ( 20 )
Q∗¿ = =249.68 unidades por orden
[ ( )] [ ( )]
H 1−
d
p
4.2 1−
8.33
12
Q∗¿ 249.68
T= = =29.96 días¿
d 8.33
Q∗¿ 249.68
t= = =20.81 días ¿
p 12
D
N=
2000
Q∗¿= =8.01 órdenes de pedido por año ¿
249.68
D
Costo de ordenar=
2000
Q∗¿ S= 20=160.21¿
249.68
Entre un pedido de producción y otro transcurren 29,96 días (T), de los cuales
20,81 días se estará produciendo y consumiendo inventario (t) a razón de p-d (12-
8,33) … lo que hará que al final de esos días, el inventario llegue a un nivel
máximo de 76,29 unidades, momento en el cual comenzará a ser consumido
durante 9,15 días (T-t).
14
A lo largo del año el inventario deberá de ser almacenado, esto tendrá un costo de
$160,21, lo que, sumado al costo de ordenar ya mencionado, representa un costo
anual de inventario de $320,42 unidades.
15
UNIDAD 5: Líneas de espera.
Las colas (líneas de espera) son parte de la vida diaria. Por ejemplo, todos
esperamos en colas para comprar un boleto para el cine, hacer un depósito en el
banco, pagar en el supermercado, enviar un paquete por correo, obtener comida
en la cafetería, subir a un juego en la feria, etc. Nos hemos acostumbrado a una
considerable cantidad de esperas, pero todavía nos molesta cuando éstas son
demasiado largas.
Sin embargo, tener que esperar no sólo es una molestia personal. El tiempo que la
población de un país pierde al esperar en las colas es un factor importante tanto
de la calidad de vida como de la eficiencia de su economía.
También ocurren grandes ineficiencias debido a otros tipos de espera que no son
personas en una cola. Por ejemplo, cuando las máquinas esperan ser reparadas
pueden provocarse pérdidas de producción. Los vehículos (incluso barcos y
camiones) que deben esperar su descarga pueden retrasar envíos subsecuentes.
Los aviones que esperan despegar o aterrizar pueden desorganizar la
programación posterior de vuelos. Los retrasos de las transmisiones de
telecomunicaciones por saturación de líneas pueden causar fallas inesperadas en
los datos. Cuando los trabajos de manufactura esperan su proceso se puede
perturbar el proceso de producción. El retraso de los trabajos de servicio respecto
de su fecha de entrega es una causa de pérdida de negocios futuros.
16
5.1 Definiciones, características y suposiciones.
Cola: La cola es donde los clientes esperan antes de recibir el servicio. Una cola
se caracteriza por el número máximo permisible de clientes que puede admitir. Las
colas pueden ser finitas o infinitas, según si dicho número es finito o infinito.
El supuesto de una cola infinita es el estándar de la mayoría de los modelos,
incluso en situaciones en las que en realidad existe una cota superior
(relativamente grande) sobre el número permitido de clientes, puesto que manejar
una cota así puede ser un factor que complique el análisis. En los sistemas de
colas en los que la cola superior es tan pequeña que se llega a ella con cierta
frecuencia, es necesario suponer una cola finita.
17
En las formaciones de colas se habla de clientes, tales como máquinas dañadas a
la espera de ser rehabilitadas. Los clientes pueden esperar en cola debido a que
los medios existentes sean inadecuados para satisfacer la demanda del servicio;
en este caso, la cola tiende a ser explosiva, es decir, a ser cada vez más larga a
medida que transcurre el tiempo. Los clientes puede que esperen temporalmente,
aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados
anteriormente están siendo atendidos.
18
También se requiere cierta notación para describir los resultados de estado
estable. Cuando un sistema de colas apenas inicia su operación, el estado del
sistema (el número de clientes que esperan en el sistema) se encuentra bastante
afectado por el estado inicial y el tiempo que ha pasado desde el inicio. Se dice
entonces que el sistema se encuentra en condición transitoria.
Sin embargo, una vez que ha pasado suficiente tiempo, el estado del sistema se
vuelve, en esencia, independiente del estado inicial y del tiempo transcurrido
(excepto en circunstancias no usuales). En este contexto, se puede decir que el
sistema ha alcanzado su condición de estado estable, en la que la distribución de
probabilidad del estado del sistema se conserva (la distribución estacionaria o de
estado estable) a través del tiempo.
La teoría de colas tiende a dedicar su análisis a la condición de estado estable, en
parte porque el caso transitorio es analíticamente más difícil. (Existen algunos
resultados transitorios, pero en general están más allá del alcance de este libro.)
La notación siguiente supone que el sistema se encuentra en la condición de
estado estable:
Relaciones entre L ,W , Lq , y W q
19
Si las λ n no son iguales, entonces λ se puede sustituir en estas ecuaciones por λ ,
la tasa promedio entre llegadas a largo plazo.
1
Ahora suponga que el tiempo medio de servicio es una constante , para toda
μ
n ≥ 1. Se tiene entonces que
1
W =W q + .
μ
Estas relaciones son en extremo importantes, puesto que permiten determinar las
cuatro cantidades fundamentales: L ,W , Lq , y W q en cuanto se encuentra
analíticamente el valor de una de ellas. Esta situación es afortunada, ya que suele
ser mucho más fácil determinar una de ellas que las otras al resolver un modelo
de colas a partir de los principios básicos.
20
La llegada como la salida son procesos de Poisson e independientes, luego de un
estado dado se puede pasar a dos posibles estados.
Tasa media de llegada al estado n ≡ λ p
n−1 n−1 + μ p
n +1 n +1
Por ser el sistema estacionario, la tasa media de llegada es igual a la tasa media
de salida para cualquier estado n, es decir, λ n−1 pn−1 + μn+1 pn+ 1 ≡ λ n p n+ μ n pn
por recurrencia,
∞
λ 0 λ 1 λ 2 … λ n−1
pn = p0 ↦ ∑ pn=1
μ1 μ2 μ 3 … μn n=0
∞
λ n−1 … λ 2 λ 1 λ 0 1 1
∑ μ n … μ3 μ2 μ1 n
p =1 → p 0= ∞
λ n−1 … λ 1 λ 0
= ∞
λ … λ 1 λ0
n=0
∑ μn … μ2 μ1
1+ ∑ n−1
n=0 n=1 μ n … μ2 μ 1
El procedimiento para resolver estas ecuaciones no es otro que despejar todas las
variables en términos de una de ellas, siendo la más conveniente p0
21
λn−1 λn−2 … λ1 λ0
C n=
μn μ n−1 … μ2 μ1
( )
∞ ∞
1
∑ p n=1→ ∑ c n × p 0=1 ⇒ p0= ∞
∑ cn
n=0 n=0
n=0
Estos resultados son de estado estable pues al aplicar el límite cuando t tiende a
infinito hay el mayor alejamiento del momento inicial y se desarrollan bajo el
supuesto de que los parámetros λ n y μn tienen valores con los cuales el proceso
puede alcanzar la condición de estado estable.
Ejemplos:
1. En un puesto del mercado se compran y venden mentiras, los clientes
entran según un proceso de Poisson de tasa 4 clientes/minuto y la
permanencia en el puesto es un tiempo exponencial con un tiempo medio
de 10 minutos. Suponiendo que la capacidad del puesto es infinita para
recibir a clientes, se solicita:
a) Probabilidades de equilibrio.
b) Número medio de clientes en el puesto del mercado.
Solución:
a) Sea X (t)≡ Número de personas en el mercado en el instante t { X (t ), t ≥ 0 } es
un proceso de nacimiento y muerte
22
λ0 λ1 4 ×4 1 2 1 2
p2 = p 0= p 0= 40 p0= 40 p 0
μ1 μ 2 1 2 2 2!
×
10 10
λ0 λ 1 λ 2 4×4×4 1 3 1 3
p3 = p0 = p 0= 40 p 0= 40 p0
μ1 μ 2 μ3 1 2 3 6 3!
× ×
10 10 10
1 n
Por recurrencia, pn= 40 p0 ∀ n≥ 1
n!
∞ ∞
2 n
x x x
Se considera el desarrollo de Taylor e x =1+ + +…+
1! 2! n!
∞
40 40 2 40 1
e x =1+ + +…+ → ∑ 40 n=e 40
n! 2! n ! n=0 n !
n
1 n 40 −40
Finalmente, pn= 40 p0= e n ≥0 → distribución de Poisson P ¿)
n! n!
b) El número medio de clientes en el mercado:
( )
∞ ∞ n ∞ n ∞ n−1
40 −40 40 40
L=∑ n p n=∑ n e =e ∑ n =40 e ∑
− 40 −40
2. En una oficina bancaria rural un empleado atiende a los clientes que llegan
según proceso de Poisson de parámetro λ . Los clientes son reacios a
esperar demasiado tiempo, de modo que si hay k personas esperando a
ser atendidas con probabilidad q (k ) se quedan en otro caso se van. Una
vez que entran en la cola esperan independientemente según su paciencia
o abandonan un tiempo exponencial de tasa ϕ . Por otra parte, el tiempo de
servicio del empleado es exponencial de tasa μ. Se quiere modelar el
número de personas en la cola como un proceso de nacimiento y muerte,
calculando tasas y probabilidades de la variable estado.
Solución:
23
X (t)≡ Número de personas en la cola de espera
Los clientes llegan a la cola (nacimientos) según una distribución de Poisson de
parámetro λq (k )
Los clientes salen atendidos (muertes) con distribución de Poisson de tasa μ o por
impaciencia con distribución de Poisson de tasa ϕ
Suponiendo que la variable X ( t ) se comporta como una cadena de Markov de
tiempo continuo, las probabilidades de transición se rigen por la ecuación:
d pij ( t )
dt {
=∑ pik ( t ) υ k p kj−¿ υ j p ij (t)¿ donde
k≠ j
υ k ≡Tasa de salida del estado k
υ j ≡ Tasade salida del estado j
Se supone que existe una distribución estacionaria, basta con imponer que las
tasas de muerte sean mayores que las tasas de nacimiento.
Con distribuciones estacionarias, las probabilidades de transición no dependen del
tiempo ni del estado inicial, es decir, pij (t)→ p j
Las probabilidades de transición no cambian con el tiempo, la ecuación de
equilibrio en cadenas de Markov en tiempo continuo:
d pij ( t )
=0 → ∑ pk υ k pkj −υ j p j=0⇒ υ j p j=∑ p k υ k p kj
dt k≠ j k≠ j
Tasa de muerte: μ ( k ) = {
μ+ ϕk k >0
0 k =0
24
n−1
q (k )
por recurrencia, pn= λ ∏
n
p n≥1
k=0 μ+kθ 0
1
p0 =
( )
∞ n−1
donde q (k )
1+ ∑ λ ∏ μ+ kθ
n
n=1 k=0
25
5.4 Modelos Poisson.
Si los tiempos entre llegadas/servicios de clientes se distribuyen según una
exponencial Exp ( λ ), el número de llegadas/servicios de clientes hasta un cierto
tiempo es un proceso de Poisson.
Sea la variable X ∼ Exp ( λ ) la variable aleatoria entre llegadas o tiempo de
{
−λx
servicio, su función de densidad f ( x )= λ e para x ≥0 es estrictamente
0 en otro caso
decreciente.
x
{
− λx
La función de distribución: F ( x )= ∫ f ( t ) dt =¿ 1−e x< 0 ¿
−∞ 0 x <0
1 1
X exp ( λ ) → E ( X )= V ( X )= 2
λ λ
La distribución de probabilidad del tiempo que falta para que ocurra el evento es
siempre la misma independientemente del tiempo que haya pasado.
P [ ( X >t+ s ) ∩ ( X >s ) ] P (X >t >s )
P ( X >t >s|X > s )= = =P (X >t)
P( X >s ) P(X > s)
En consecuencia, la distribución exponencial exp ( λ ) carece de memoria y es la
única
distribución continua con tal propiedad, ya que
−λ(t +s) −λt −λs
P ( X >t +s )=e =e e =P ( X >t ) P( X> s )
La suma de procesos de entrada de Poisson es también un proceso de Poisson
siendo la tasa la suma de las tasas respectivas.
Si las llegadas a un sistema son de tipo Poisson con tasa λ y cada llegada es
encaminada a un subsistema si con una probabilidad pi el proceso de llegada a
cada subsistema es también de Poisson con tasa λ pi .
5.4.1 Un servidor.
En este modelo se dispone sólo de un canal para dar servicio, las llegadas siguen
un proceso de Poisson y la distribución del tiempo de servicio es exponencial.
Así, las tasas de nacimiento y muerte no dependen del número de clientes en el
sistema y...
λ n=λ , n=0 , 1, 2 , … μn=μ , n=1 ,2 , 3 , …
26
M/M/1:
Este modelo consiste en un servidor con llegadas de Poisson y tiempos de
servicio exponenciales.
Se ha determinada que las ocurrencias aleatorias de un tipo especial pueden
describirse a través de una distribución discreta de probabilidad bien conocida, la
distribución de Poisson.
Características importantes de este modelo:
En primer lugar, se supone que las llegadas son por completo independientes
entre sí y con respecto al estado del sistema.
En segundo lugar, la probabilidad de llegada durante un periodo específico no
depende de cuando ocurre el periodo, sino más bien, depende solo de la longitud
del intervalo.
Formulas generales:
2
λ λ 1 λ
Ls = Lq = W s= W q=
λ−μ μ( μ−λ) μ−λ μ (μ− λ)
n +1 −μ ( 1−ρ ) t −μ ( 1− ρ ) t
Pn=(1− ρ) ρ P ( Ls >n )=ρ
n
P ( W s> t ) =e P ( W q > t ) =ρ e
t ≥ 0 , ρ<1
M/G/1:
Es un sistema de líneas de espera con llegadas aleatorias, distribución general de
los tiempos de servicio (para el cual se supone conocida la desviación estándar),
un canal de servicio y una línea de espera.
En este modelo las llegadas se distribuyen de acuerdo con la distribución de
Poisson, al igual a los casos anteriores, pero los tiempos de servicio no
necesariamente se distribuyen de acuerdo con la distribución exponencial
negativa. Si consideramos el caso en que solo existe un solo canal, estamos
considerando el caso M/G/1, es decir, llegadas de tipo Markov, tiempo de servicio
general y un canal de servicio.
Formulas generales
2
λ σ +ρ
2 2
1 Lq
Ls =Lq + ρ Lq = W s=W q+ W q=
2(1−ρ) μ λ
P0=1−ρ Pw = ρ
27
ρ<1
Modelo M/D/1
Este sistema de líneas de espera es con llegadas aleatorias, tiempo de servicio
constante, una línea de servicio y una línea de espera.
En este modelo los tiempos de servicio son determinísticos, en donde la
desviación estándar es igual a cero.
Formulas generales
2
ρ 1 Lq
Ls =λ W s Lq = W s=W q+ W q=
2(1−ρ) μ λ
ρ<1
Modelo M/Ek/1
Un tipo de sistemas de colas especialmente interesante es aquél en el que las
llegadas son de Poisson y la duración del servicio sigue una distribución de
Erlang, también llamada distribución K.
Esta distribución resulta de sumar variables aleatorias independientes e
idénticamente distribuidas con distribución exponencial de parámetro.
Formulas generales
2
ρ (k +1) 1 Lq
Ls =λ W s Lq = W s=W q+ W q=
2 k (1−ρ) μ λ
ρ<1
Ejemplos:
1. Suponga que en una estación con un solo servidor llegan en promedio 45
clientes por hora, Se tiene capacidad para atender en promedio a 60
clientes por hora. Se sabe que los clientes esperan en promedio 3 minutos
en la cola. Se solicita:
a) Tiempo promedio que un cliente pasa en el sistema.
b) Número promedio de clientes en la cola.
c) Número promedio de clientes en el Sistema en un momento dado.
Solución:
Se conoce la siguiente información:
28
λ=¿ 45 clientes/hora (media de llegada de los clientes) = 45/60
clientes/minutos
μ=¿ 60 clientes/hora (media de servicio a los clientes) = 60/60
clientes/minutos
W q=¿ 3 minutos (tiempo promedio de espera de un cliente en la cola)
1 1
W s=W q+ =¿ 3 minutos + =3+1=4 minutos
μ 1
Solución:
Se conoce la siguiente información:
λ=¿ 100 clientes/hora (media de llegada de los clientes) = 100/60
clientes/minutos
μ=¿ 150 clientes/hora (media de servicio a los clientes) = 150/60
clientes/minutos
W q=¿ 2 minutos (tiempo promedio de espera de un cliente en la cola)
29
a) Para conocer cuál es la probabilidad de que el sistema este ocioso,
primero conoceremos, cual es la probabilidad que esté ocupado o factor
de utilización del sistema.
λ 100 cliente/hora
ρ= = =0.66=66.7 % este porcentaje representa el
μ 150 cliente/hora
tiempo ocioso del sistema, es decir 1 - 0.667 = 0.333 = 33.3% el sistema
permanece ocioso.
Es decir (1- ρ) representa el tiempo ocioso del sistema, es decir 1-
0.667= 0.333 = 33.3% el sistema permanece ocioso.
b) La probabilidad que un cliente llegue y tenga que esperar es suponer
que estará como primer cliente en la cola. Usaremos la fórmula:
P =(1− )( ) =(1−
150 )( 150 )
1 1
λ λ 100 100
1 =( 1−0.667 ) ( 0.667 )=0.222=22.2 %
μ μ
Es decir, existe un 22.2% de posibilidad que haya un cliente en la cola
esperando ser atendido.
( )( ) ( )( )
10 10
λ λ 100 100 10
P10= 1− = 1− =( 1−0.667 )( 0.667 ) =0.0058=0.58 % (lo
μ μ 150 150
cual es casi cero). Es decir, es muy remoto o poco probable que pueda
haber 10 clientes en la línea de espera.
[ ( )]
s−1 −1
( λ/ μ)n ( λ/ μ)s 1
¿ ∑ +
n=0 n! s ! 1−ρ
Lq
λ
W =¿ tiempo promedio transcurrido en el sistema incluyendo el servicio
1
W q+
μ
L=¿ tiempo promedio de clientes en el sistema de servicio
λW
Ejemplos:
1. Tres mecánicos atienden un pequeño taller de reparación de motores. A
principios de marzo de cada año, las personas traen sus cañas de timón y
podadoras de césped para servicio y reparación. El taller está dispuesto a
aceptar todas las cañas de timón y podadoras que traigan los clientes. Sin
31
embargo, cuando los clientes nuevos ven el piso del taller tapizado de
trabajos en espera, se van a otra parte para un servicio más rápido. El piso
del taller puede alojar un máximo de 15 podadoras o cañas de timón,
excluyendo las que están en reparación. Los clientes llegan al taller cada 10
minutos en promedio, y a cada mecánico le lleva un promedio de 30
minutos completar cada trabajo. Tanto los tiempos entre llegadas como los
de servicio son exponenciales. Determine lo siguiente:
a) El promedio de mecánicos ociosos.
b) La probabilidad de que al menos un mecánico esté ocioso.
c) El promedio de cañas de timón o podadoras en espera de servicio
Solución:
Datos:
(M/M/3)
(Distribución de llegada = Exponencial, Distribución de salida =
Exponencial, Número de servidores = 3)
Máxima capacidad: N = 15
λ = 1C/10Min = 0.1 c/m
Número de servidores: S = 3
Ts = 30 minutos
μ = 1/30
λ 0.1
ρ= = =3
μ 1
30
ρ 3
= =1
c 3
C: Promedio de servidores ocupados
a)
1
π 0= =0.0149
( )
0 1 2
p p p p3
+ + + (15−3+1)
0 ! 1! 2 ! 3 !
15
p 9
π n= 15−3
× π 0= × π 0 =0.0672
3!C 2
λ efec =λ ( 1−0.0672 )=0.1 × ( 1−0.0672 )=0.0933
λefec 0.0933
C= = =2.80
μ 1
30
El promedio de servidores ociosos está dado por C = 3 – 2.8 = 0.2
32
Probabilidad de que haya 0 clientes en el sistema + Probabilidad de que
haya 1 cliente en el sistema + Probabilidad de que haya 2 clientes en el
sistema
1
π 0= =0.0149
( )
0 1 2 3
p p p p
+ + + (15−3+1)
0 ! 1! 2 ! 3 !
1
ρ
π 1= × π 0 =3× π 0=0.0448
1
2
ρ
π 2= × π 0 =4.5 × π 0 =0.0672
2
Resultado = π 0 + π 1+ π 2=0.0149+0.0448+ 0.0672=0.1269
Solución:
Unidad de velocidad de reparación: Cr = $100 euros/semana 20
euros/día
Costo partes no reparadas: Cn= $ 200 ordenador/semana 40
ordenadores/día
λ=¿ 10 solicitudes/día
μ=¿ ?
a)
33
λ
=ρ (M/M/1) ρ<1 μ> λ
μ
Tengo que,
Cr λ
μ= λ+
Cn
Ahora, reemplazo los valores y obtengo que:
√
μ=10+
20√
40 +10
≈ 14.47Ord/día
Por lo que la velocidad de reparación óptima es equivalente a 14,47
ordenadores por día.
[ ( )( )]
−1
2
ρ 2
π 0= ( 1+ ρ ) +
2 2−ρ
[ )]
−1
( )(
2
1.38 2
π 0= ( 1+ 1.38 ) + =0.18
2 2−1.38
Ahora,
c+1 2+1 3
ρ ρ ρ
Lq = π=
2 0
π =
2 0
π
2 0
( c−1 ) ! (c−ρ) ( 2−1 ) !(2−ρ) (2−ρ)
3
1.38 (
¿ 0.18 )=1.23
( 2−1.38 )2
Teniendo Lq, se procede a calcular L, así:
λ 10
L=Lq + =1 , 23+ =2 , 61
μ 7 ,23
Por último, se calcula el costo.
20 μ+40 L=20 (14 , 47 ) + 40 ( 2 ,6 )=394
Con esto, se observa que tener dos personas es más costoso, ya que el
coste de tener una sola persona es de 378,43 euros
34
COSTE DE SERVICIO: Se integra en el conjunto de gastos de funcionamiento del
servicio (coste de instalaciones, maquinaria, mantenimiento, personal, etc.). Se
calcula multiplicando el coste de servicio por el número de servidores que
componen el sistema:
Coste total del servicio = s ×C s
Equilibrio de Costes
La Teoría de Colas tiene como objetivo que estos costes sean los mínimos
posibles, con tasas de servicio bajas, los costes de espera son altos. Por el
contrario, con tasas de servicio altas, los costes de espera son bajos. La finalidad
del estudio de costes es encontrar una combinación adecuada donde el coste total
sea el mínimo.
Siendo c q ≡ coste espera cola y c s ≡ coste servicio, se tiene:
35
Conclusión.
En conclusión, la teoría de inventarios y las líneas de espera (teoría de colas) son
muy esenciales a la hora de llevarlas a cabo durante la vida diaria, ya que estas
ofrecen herramientas analíticas valiosas para mejorar la eficiencia y la efectividad
en la toma de decisiones.
Por otro lado, ambas áreas proporcionan enfoques sistemáticos y modelos
matemáticos que permiten a las organizaciones optimizar sus procesos, reducir
los costos y, al mismo tiempo, mejorar la experiencia del cliente, por lo que su
aplicación es muy importante dentro del campo laboral.
Por último, no queda más que decir que gracias a este trabajo, tenemos un mejor
conocimiento de estos temas los cuales nos podrán ser de gran utilidad en un
futuro, ya sea lejano o cercano.
36
Bibliografía.
• https://www.marcoteorico.com/curso/87/matematicas-para-
la-toma-de-decisiones/714/introduccion-a-la-teoria-de-
inventarios
• https://www.beetrack.com/es/blog/sistemas-de-
administracion-y-control-ejemplos-tipos
• https://www.marcoteorico.com/curso/87/matematicas-para-
la-toma-de-decisiones/718/modelos-deterministicos
• https://conocimientosweb.net/dcmt/ficha8415.html
• https://proyectositsvc.blogspot.com/2019/10/421-lotes-
economicos-sin-deficit.html
• https://proyectositsvc.blogspot.com/2019/10/422-lotes-
economicos-con-deficit.html
• https://www.studocu.com/es-mx/document/instituto-
tecnologico-de-ciudad-juarez/investigacion-de-
operaciones-ii/tarea-42-lotes-economicos-con-deficit-
jimenez-22110309/59782546
• https://www.studocu.com/es-mx/document/instituto-
tecnologico-de-nuevo-leon/fundamentos-de-investigacion/
investigacion-de-lotes-economico-de-produccion-del-tema-
4/20531558
• https://www.ingenioempresa.com/metodos-valoracion-
inventarios
• http://repositorio.cucea.udg.mx/jspui/bitstream/
123456789/468/3/Modelos%20determin%C3%ADsticos
%20de%20control%20de%20inventarios.pdf
• Betancourt, D. F. (29 de septiembre de 2017). Modelo de cantidad
económica de pedido (EOQ): Qué es y cómo se hace. Recuperado el 17 de
noviembre de 2023, de Ingenio Empresa:
www.ingenioempresa.com/modelo-de-cantidad-economica-eoq.
• https://dudasytareas.files.wordpress.com/2017/05/
hillier_lieberman.pdf
37
Referencias
5.4.1 Modelos de Poisson un servidor. (22 de Noviembre de 2017). Obtenido de
Blogger: https://operaciongadget.blogspot.com/2017/11/541-modelos-de-
poisson-un-servidor.html
5.4.2 Modelos de Poisson Múltiples servidores. (22 de Noviembre de 2017).
Obtenido de Blogger: https://operaciongadget.blogspot.com/2017/11/542-
modelos-de-poisson-multiples.html
A., J. R. (s.f.). Problemas resueltos de teoria de colas. Obtenido de studocu:
https://www.studocu.com/ec/document/universidad-politecnica-salesiana/
gerencia-de-operaciones/problemas-resueltos-de-teoria-de-colas/9283999
ANTONIO, J. A., RODRIGUEZ, R. R., & VARGAS, J. Á. (19 de Noviembre de
2021). Investigacion de lotes economico de produccion del tema 4.
Obtenido de studocu: https://www.studocu.com/es-mx/document/instituto-
tecnologico-de-nuevo-leon/fundamentos-de-investigacion/investigacion-de-
lotes-economico-de-produccion-del-tema-4/20531558
Barrios, C. (15 de Octubre de 2017). Ejercicios resueltos Colas con Múltiples
Servidores. Obtenido de ACADEMIA:
https://www.academia.edu/35192636/Ejercicios_resueltos_Colas_con_M
%C3%BAltiples_Servidores
Betancourt, D. F. (29 de Septiembre de 2017). Modelo de cantidad económica de
pedido (EOQ): Qué es y cómo se hace. Obtenido de Ingenio Empresa:
https://www.ingenioempresa.com/modelo-de-cantidad-economica-eoq/
Betancourt, D. F. (30 de Abril de 2018). Valuación o valoración de inventarios:
métodos, procedimiento y ejemplo. Obtenido de Ingenio Empresa:
https://www.ingenioempresa.com/metodos-valoracion-inventarios/
ConocimientosWeb.net. (s.f.). Modelos determinísticos. Obtenido de
ConocimientosWeb.net: https://conocimientosweb.net/dcmt/ficha8415.html
DispatchTrack. (s.f.). Sistemas de administración y control: ejemplos y tipos.
Obtenido de DispatchTrack: https://www.beetrack.com/es/blog/sistemas-de-
administracion-y-control-ejemplos-tipos
Fernández, S. d. (s.f.). TEORÍA DE COLAS. Obtenido de
https://www.estadistica.net/IO/7-1-TEORIA-COLAS.pdf
Galindo, E. R. (18 de Mayo de 2023). Tarea 4.2 - Lotes económicos con déficit-
Jimenez-22110309. Obtenido de studocu:
https://www.studocu.com/es-mx/document/instituto-tecnologico-de-ciudad-
38
juarez/investigacion-de-operaciones-ii/tarea-42-lotes-economicos-con-
deficit-jimenez-22110309/59782546
GARCÍA, A. D. (25 de Octubre de 2019). 4.2.1 Lotes Económicos sin Déficit.
Obtenido de Blogger: https://proyectositsvc.blogspot.com/2019/10/421-
lotes-economicos-sin-deficit.html
GARCÍA, A. D. (25 de Octubre de 2019). 4.2.2 Lotes Económicos con Déficit.
Obtenido de Blogger: https://proyectositsvc.blogspot.com/2019/10/422-
lotes-economicos-con-deficit.html
Gutiérrez, J. A., Santiago, J. A., Pérez, C. O., Navarro, I. H., Barrera, J. R.,
Rodríguez, R. D., . . . Rodríguez, K. I. (19 de Enero de 2018). Modelos
determinísticos de control de inventarios. Obtenido de
http://repositorio.cucea.udg.mx/jspui/bitstream/123456789/468/3/Modelos
%20determin%C3%ADsticos%20de%20control%20de%20inventarios.pdf
Hillier, F. S., & Lieberman, G. J. (2010). INTRODUCCIÓN A LA INVESTIGACIÓN
DE OPERACIONES. Obtenido de
https://dudasytareas.files.wordpress.com/2017/05/hillier_lieberman.pdf
MarcoTeorico.com. (s.f.). 3.1. Introducción a la teoría de inventarios. Obtenido de
MarcoTeorico.com: https://www.marcoteorico.com/curso/87/matematicas-
para-la-toma-de-decisiones/714/introduccion-a-la-teoria-de-inventarios
MarcoTeorico.com. (s.f.). 3.5. Modelos determinísticos. Obtenido de
MarcoTeorico.com: https://www.marcoteorico.com/curso/87/matematicas-
para-la-toma-de-decisiones/718/modelos-deterministicos
Paz, R. C., & Gómez, D. G. (s.f.). MODELOS DE LÍNEAS DE ESPERA. Obtenido
de https://nulan.mdp.edu.ar/id/eprint/1622/1/17_modelos_lineas_espera.pdf
Ucan, V. C., & Santos, B. P. (12 de Noviembre de 2020). Modelo de línea de
espera y programación lineal. Obtenido de gestiopolis:
https://www.gestiopolis.com/modelo-de-linea-de-espera-y-programacion-
lineal/
Vel´azquez, G. E. (s.f.). MODELOS DE TEOR´IA DE COLAS. Obtenido de
https://idus.us.es/bitstream/handle/11441/77595/Esteban%20Vel
%C3%A1zquez%20Gabriel%20TFG.pdf?sequence=1&isAllowed=y
39