TECNOLÓGICO NACIONAL DE MÉXICO

CAMPUS CERRO AZUL

CARRERA:
Ingeniería en Sistemas Computacionales

INTEGRANTES DEL EQUIPO:

Carlos Humberto Cruz Cruz
José de Jesús Ramírez Burgos

SEMESTRE: 3ro

ASIGNATURA:
Investigación de Operaciones

DOCENTE:
Ing. María del Carmen Baca Gutiérrez

UNIDAD:
4. Teoría de inventarios.
5. Líneas de espera.

Cerro Azul, Veracruz. 23 de noviembre de 2023

1
 CONTENIDO

UNIDAD 4: Teoría de inventarios.............................................................................3

4.1 Sistemas de administración y control..............................................................3
4.2 Modelos determinísticos.................................................................................5
4.2.1 Lotes económicos sin déficit.....................................................................6
4.2.2 Lotes económicos con déficit....................................................................7
4.3 Lote económico de producción.......................................................................8
UNIDAD 5: Líneas de espera...................................................................................9
5.1 Definiciones, características y suposiciones.................................................10
5.2 Terminología y notación................................................................................12
5.3 Proceso de nacimiento o muerte..................................................................13
5.4 Modelos Poisson...........................................................................................13
5.4.1 Un servidor............................................................................................. 14
5.4.2 Múltiples servidores................................................................................14

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.

La función de la teoría de inventarios consiste en planear y controlar el volumen

del flujo de los materiales en una empresa, desde los proveedores, hasta que se
entrega a los consumistas.

En toda compañía existen cuatro funciones principales que deben de trabajar en

forma coordinada. Estas funciones son Compras, Producción, Finanzas y Ventas.
La función de finanzas actúa como un medio de apoyo a la labor de compras,
producción y ventas.

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.

 El costo fijo o de preparación de la corrida de producción es de 12 000

dólares. Además, cada bocina cuesta 10 dólares; el costo de producción
cuando se ordena una corrida de producción de z bocinas está dado por:
c(z) = 12 000 + 10z, para z > 0.

 El costo de mantener inventario se calcula en forma continua como $0.30

por bocina en inventario por mes, o sea, el costo de mantener promedio por
mes es de $0.30 por el número promedio de bocinas en el inventario mensual.

 En el caso de un fabricante que incurre en un faltante temporal de materiales

necesarios para la producción (como un faltante de bocinas para el ensamble
de los televisores), el costo por faltantes se convierte en el costo asociado al
retraso en la terminación del proceso de producción. En este caso, llamado sin
faltantes, si ocurre un exceso de demanda sobre el inventario disponible, el
distribuidor no puede esperar a la siguiente entrega normal para reabastecer
el inventario, ya sea que 1) el exceso de demanda se satisfaga mediante un
envío prioritario o 2) no se cumpla todo porque las órdenes fueron canceladas.

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.

4.1 Sistemas de administración y control.

Los sistemas de administración y control son Sistemas de Información Logística

que permiten una administración mucho más eficiente de todos los flujos de
información necesarios para que los procesos logísticos se completen de manera
exitosa.
Estos sistemas permiten mejorar la gestión de entrada y salida de mercancías,
preparación de pedidos, gestión de pedidos, así como todas las tareas
relacionadas con el control de inventarios.

Los tipos de sistemas de administración y control que se pueden encontrar son

variados. Dependiendo de las características y necesidades concretas de cada
centro logístico o almacén, se pueden encontrar tipologías diferentes.

- Sistemas de administración y control de inventarios temporales o

permanentes: Según las necesidades, estos sistemas pueden funcionar de forma
continuada o solo temporal. Es decir, con protocolos aplicables siempre o
protocolos que solo se aplican en situaciones o mercancías determinadas.
- Sistemas de administración y control de inventarios automáticos o
manuales: Dependiendo de las características de las mercancías y de los
recursos disponibles, se pueden encontrar sistemas de administración y control de
inventario que son ejecutados por máquinas de manera automática o que son
ejecutados por trabajadores humanos. Además, también se pueden encontrar
sistemas mixtos. Es decir, que combinan ambas tipologías.

Algunos ejemplos de sistemas de administración y control son los siguientes:

5
 SISTEMAS DE ADMINISTRACIÓN Y CONTROL

MÉTODO ABC MÉTODO PEPS MÉTODO EOQ

- Las mercancías se dividen

en tres categorías:
Productos A: son aquellos
que se venden con mucha
frecuencia.
Productos B: los que se
venden con una frecuencia
media.
Productos C: los que se
venden con una frecuencia
baja.
- Se calcula la necesidad de
existencias de cada producto
dependiendo de la categoría
a la que pertenece cada uno.
- Identificar el momento
exacto en el que vender un
- Se identifican aquellos
producto y mantenerlo en el
productos que entran
almacén tienen el mismo
primero en el almacén.
coste.
- A continuación, trabaja para
- La gestión del producto se
que también sean los
adecúa para que este salga
primeros en salir. De este
del almacén antes del
modo, se evita la
momento en el que su venta
acumulación de stock.
no compensa su
conservación.

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.

El ejemplo resuelto queda de la siguiente manera:

PEPS Entradas Salidas Saldos

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.

4.2 Modelos determinísticos.

Un modelo se define como determinístico cuando siempre que se someta a un

mismo estimulo, reacciona de la misma manera.

Los sistemas que representan los modelos deterministas carecen de

incertidumbre, es decir, todos los cambios de estado del sistema se pueden
predecir con certeza, y su comportamiento se evalúa con medidas de efectividad o
eficiencia tales como: Costos, tiempo y utilidades.

Los modelos determinísticos son importantes por cinco razones:

1. Una asombrosa variedad de importantes problemas de administración pueden
formularse como modelos determinísticos.
2. Muchas hojas de cálculo electrónicas cuentan con la tecnología necesaria para
optimizar modelos determinísticos, es decir, para encontrar decisiones óptimas.
Cuando se trata en particular de modelos PL grandes, el procedimiento puede
realizarse con mucha rapidez y fiabilidad.
3. El subproducto de las técnicas de análisis es una gran cantidad de información
muy útil para la interpretación de los resultados por la gerencia.
4. La optimización restringida, en particular, es un recurso extremadamente útil
para reflexionar acerca de situaciones concretas, aunque no piense usted
construir un modelo y optimizarlo.
5. La práctica con modelos determinísticos le ayudará a desarrollar su habilidad
para la formulación de modelos en general.

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

Por lo que el número óptimo de bombas es:

Q∗¿
√
2 ( 1000 )( 10 )
0.5
=200 bombas

Ahora si el costo por ordenar cambia a:

𝐶0 = $40 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛

El nuevo valor óptimo es:

Q∗¿
√ 2 ( 1000 )( 40 )
0.5
=400 bombas

4.2.1 Lotes económicos sin déficit.

Para trabajar este modelo se supone una tasa de producción continua, lo cual
permite hacer una reposición del inventario constante durante el tiempo de
producción. En este modelo en particular, por ser de compra, se deduce que el
artículo no será producido sino comprado o que se necesita un material auxiliar
utilizado en la producción, pero este elemento es comprado.

Este modelo es también conocido como modelo de cantidad de pedido económico

o lote económico (EOQ); es uno de los modelos de inventario más antiguo y
conocido. Está basado en las siguientes hipótesis:
 La demanda es constante y conocida.
 El plazo de entrega es constante y conocido.
 El pedido llega en un solo lote y todo de una vez.
 Los costos por ordenar un pedido y los costos de mantenimiento son
constantes y conocidos.
 No son posibles los descuentos por cantidad.
 Se evitan las roturas de inventario.
 No se permite diferir demanda al futuro.

Para trabajar este modelo es necesario conocer algunas variables como:

Q = Cantidad óptima a comprar por pedido (EOQ).
D = Demanda por unidad de tiempo.
Co = Costo por ordenar el pedido.
Cm = Costo de mantener una unidad por año.
CTO = Costo total por ordenar un pedido.
CTM = Costo total de mantenimiento.

8
CT = Costo total del inventario.

La cantidad óptima de pedido ocurrirá en el punto en que el costo por ordenar un

pedido y los costos de almacenamiento sean iguales.
 Costo total por ordenar = (Demanda anual / Cant. optima) * Costo por ordenar
CTO = (D / Q) * Co

 Costo total de mantenimiento = (Cantidad optima / 2) * Costo de

mantenimiento
CTM = (Q/2) * Cm

Luego se procede a la igualación:

CTO = CTM
(D/Q)*Co = (Q/2) * Cm
2 (D*Co) = Q (Q*Cm)
2DCo = Q^2 CM
Q^2 =2 DCMo/cM
Q = √(2DCo/Cm)

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?

La información entregada por la empresa Galey es la siguiente:

Demanda por unidad de tiempo D = 8,000 uds/año
Costo por ordenar Co = $30,000/pedido
Costo de mantenimiento Cm = $3,000 /uds/año

Aplicando la fórmula:
Q=
√ 2 DCo
Cm

Q=
√ 2(8,000)(30,000)
3,000

Q=400 uds / pedido

4.2.2 Lotes económicos con déficit.

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.

Para su funcionalidad requiere lo siguiente:

• Demanda conocida con tasa constante.
• Tasa de producción conocida con tasa constante.
• Tasa de producción mayor que tasa de demanda.
• Los costos deben ser conocidos y constantes.
• Se permite diferir demanda al futuro.

Los parámetros y variables que maneja este modelo son:

T: tiempo total del periodo de planeación.
R: demanda total del periodo.
r: tasa de demanda por unidad de tiempo.
K: tasa de producción por unidad de tiempo.
Co: costo por ordenar una tanda de producción.
S: nivel máximo de inventario o superávit.
t1: tiempo de producción y demanda hasta generar el superávit.
t2: tiempo de demanda hasta consumir el superávit.
Cm: costo unitario de mantenimiento por unidad de tiempo.
D: déficit máximo.
t3: tiempo de demanda hasta generar el déficit.
t4: tiempo de producción y demanda hasta cubrir el déficit.
Te: tiempo total del ciclo.
Cp: costo unitario de penalización por unidad de tiempo.
Q: cantidad óptima a producir por ciclo.
Cv: costo variable por unidad.
Ct: costo total promedio por unidad de tiempo.
CT: costo total por unidad de tiempo.
N: número de ciclos en el periodo.
UMC: unidades mantenidas por ciclo.
Cme: costo de mantenimiento por ciclo.
UPC: unidades penalizadas por ciclo.
Cpe: costo de penalización por ciclo.

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.

Para satisfacerla, se coloca una nueva orden de producción con la cual se

empieza a reducir el déficit y a cubrir la demanda de este tiempo t4, al final el
tiempo se vuelve a repetir ya que la información es determinística y genera los
ciclos.

Ejemplo: Una compañía se abastece actualmente de cierto producto solicitando

una cantidad suficiente para satisfacer la demanda de un mes. La demanda anual
del artículo es de 1500 unidades. Se estima que cada vez que hace un pedido se
incurre en un costo de $20. el costo de almacenamiento por inventario unitario por
mes es de $2 y no se admite escasez.
a. Determinar la cantidad de pedido optima y el tiempo entre pedidos.
b. Determinar la diferencia de costos de inventarios anuales entre la política
óptima y la política actual, de solicitar un abastecimiento de un mes 12 veces al
año.

Los datos que se manejan son los siguientes:

D= 1500 unidades/año
Cp =$20
Cmi =$2 unidad/mes x 12meses = $24 unidad/año

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)

Política actual: se le agota cada mes, o sea, 1/12 año

1500
Q= x 1=125
12

1500 125
CTA ( Q )=20 x +24 x =$ 1740 año
125 2

11
Política óptima: Q* = 50
CTA ¿

Diferencia:
CTA ( Q )−CTA ¿

4.3 Lote económico de producción.

Lote Económico de Producción (conocido en inglés como Economic Production

Quantity o por sus siglas EPQ) es un modelo matemático para control de
inventarios que extiende el modelo de Cantidad Económica de Pedido a una tasa
finita de producción.
Así, en este modelo la recepción de pedidos de inventario y la producción y venta
de productos finales ocurrirán de forma simultánea, lo que lo diferencia del modelo
de cantidad económica de pedido. Su finalidad es encontrar el lote de producción
de un único producto para el cual los costos por emitir la orden de producción y los
costos por mantenerlo en inventario se igualan.

Modelo: Normalmente una orden de pedido es seguida de una orden de

producción del artículo pedido, por lo que es necesario un cierto periodo de tiempo
para completar dicha orden de producción. Durante este tiempo el artículo está
siendo producido y demandado. Para que este caso tenga sentido la tasa de
producción, tiene que ser mayor que la tasa de demanda, ya que si no fuese así
no existiría inventario en ningún momento.

Se define la tasa de producción, P, como el número de unidades producidas en un

periodo de tiempo generalmente un año. Cuando el inventario se agota, punto A,
se inicia la producción de la orden de pedido del lote Q. Se requiere un tiempo de
producción Q/P. Durante este tiempo, el inventario se va acumulando a una tasa
P-D, por lo que cuando se acabe la producción del lote de tamaño Q se alcanzará
el nivel máximo de inventario I (punto B), que es:
I = Q/P (P-D) = Q(1-P)

Desde este punto, el nivel de inventario decrece, como consecuencia de una

demanda uniforme y constante, cuando las existencias se agotan el ciclo se inicia
de nuevo.

Costo anual de emisión: D/Q x CE

Inventario promedio: Q/2 (1 - D/P)

Costo anual de mantener inventarios: Q/2 (1 - D/P) x r x c

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

Ejemplo: FitnessYEP es una empresa que comercializa artículos para gimnasios

y centros deportivos. El pronóstico de demanda para el artículo “PESA DE 20kg”
es de 2000 unidades.
La empresa trabaja 240 días al año, por ende, estima su demanda promedio en
8,33 (8) unidades diarias, sin embargo, produce 12 unidades diarias.
Estima que el costo de mantener es del 12% como porcentaje del costo por
unidad, y que el costo de una unidad es de $35. El costo de colocar una orden es
de $20. El tiempo de entrega de su proveedor desde que se coloca la orden hasta
que se recibe es de 3 días.

Tenemos entonces que:

D= 2000 unidades por año.
d= 8 unidades diarias.
p= 12 unidades diarias.
H= 12%*35=4,2 anual por unidad.
S= $20

La empresa requiere conocer

1- El número óptimo de unidades por lote (Q*).
2- El nivel de inventario máximo
3- El tiempo entre pedidos (T)
4- El tiempo de producción (t)
5- El tiempo en que solo se consumirá el inventario
6- La cantidad de pedidos al año (N)
7- El nivel de inventario en que deberá colocar otra orden (R)
8- El costo anual de ordenar
9- El costo anual de mantener
10-El costo total anual de inventario
Los cálculos se realizan considerando todos los decimales.

Q = número de unidades por orden.

H= costo de mantener inventario por unidad de año.
S= costo de ordenar por orden.
P = tasa de producción diaria.
D= tasa de demanda diaria.

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

Inventario máximo=Q∗ 1− ( dp )=249.69(1− 8.33

12 )
=76.29 unidades

Q∗¿ 249.68
T= = =29.96 días¿
d 8.33

Q∗¿ 249.68
t= = =20.81 días ¿
p 12

Tiempo de consumo de inventario=29.96−20.81=9.15 días

D
N=
2000
Q∗¿= =8.01 órdenes de pedido por año ¿
249.68

R=dL=8.33 ( 3 )=25 unidades

D
Costo de ordenar=
2000
Q∗¿ S= 20=160.21¿
249.68

Costo de mantener =0.5 ( H ) ¿

Costo total de inventario=costo de ordenar + costo de mantener =160.21+ 160.21=320.42

Por lo tanto, se realizarán 8 órdenes de pedido al año (N) de una cantidad de

249,68 unidades cada una. Hacerlo tendrá un costo de $160,21. Si consideramos
que el tiempo de llegada de una orden es de 3 días, se deberán generar nuevas
órdenes justo cuando el inventario llegue a 25 unidades (R).

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.

La teoría de colas es el estudio de la espera en las distintas modalidades. Utiliza

los modelos de colas para representar los tipos de sistemas de líneas de espera
(sistemas que involucran colas de algún tipo) que surgen en la práctica. Las
fórmulas de cada modelo indican cuál debe ser el desempeño del sistema
correspondiente y señalan la cantidad promedio de espera que ocurrirá en
diversas circunstancias. Por lo tanto, estos modelos de líneas de espera son muy
útiles para determinar cómo operar un sistema de colas de la manera más eficaz.
Proporcionar demasiada capacidad de servicio para operar el sistema implica
costos excesivos; pero si no se cuenta con suficiente capacidad de servicio surgen
esperas excesivas con todas sus desafortunadas consecuencias. Los modelos
permiten encontrar un balance adecuado entre el costo de servicio y la cantidad
de espera.

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.

Disciplina de la cola: La disciplina de la cola se refiere al orden en el que sus

miembros se seleccionan para recibir el servicio. Por ejemplo, puede ser: primero
en entrar, primero en salir; aleatoria; de acuerdo con algún procedimiento de
prioridad o con algún otro orden. En los modelos de colas se supone como normal
a la disciplina de primero en entrar, primero en salir, a menos que se establezca
de otra manera.

Mecanismo de servicio: El mecanismo de servicio consiste en una o más

estaciones de servicio, cada una de ellas con uno o más canales de servicio
paralelos, llamados servidores. Si existe más de una estación de servicio, el
cliente puede recibirlo de una secuencia de ellas (canales de servicio en serie). En
una estación dada, el cliente entra en uno de estos canales y el servidor le presta
el servicio completo. Los modelos de colas deben especificar el arreglo de las
estaciones y el número de servidores (canales paralelos) en cada una de ellas.
Los modelos más elementales suponen una estación, ya sea con un servidor o
con un número finito de servidores.
El tiempo que transcurre desde el inicio del servicio para un cliente hasta su
terminación en una estación se llama tiempo de servicio (o duración del servicio).
Un modelo de un sistema de colas determinado debe especificar la distribución de
probabilidad de los tiempos de servicio de cada servidor (y tal vez de los distintos
tipos de clientes), aunque es común suponer la misma distribución para todos los
servidores.

Modelo de Formación de Colas: Se forman debido a un desequilibrio temporal

entre la demanda del servicio y la capacidad del sistema para suministrarlo.

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.

Objetivos: Los objetivos de la teoría de colas consisten en:

 Identificar el nivel óptimo de capacidad del sistema que minimiza el coste 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 de
espera.

5.2 Terminología y notación.

A menos que se establezca otra cosa, se utilizará la siguiente terminología

estándar:
 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 0.
 s = número de servidores (canales de servicio en paralelo) 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.
 μn = tasa media de servicio en todo el sistema (número esperado de
clientes que completan su servicio por unidad de tiempo) cuando hay n
clientes en el sistema. Nota: n representa la tasa combinada a la que todos
los servidores ocupados (aquellos que están sirviendo a un cliente) logran
terminar sus servicios.
 Cuando λ n es constante para toda n, esta constante se denota por λ .
 Cuando la tasa media de servicio por servidor ocupado es constante para
toda n ≥ 1, esta constante se denota por μ.

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:

 Pn = probabilidad de que haya exactamente n clientes en el sistema.

∞
 L = número esperado de clientes en el sistema = ∑ n P n.
n=0

 Lq = longitud esperada de la cola (excluye los clientes que están en

∞
servicio) = ∑ (n−s )Pn.
n=s

 ° W = tiempo de espera en el sistema (incluye tiempo de servicio) para cada

cliente.
 W = E(° W ).
 ° W q = tiempo de espera en la cola (excluye tiempo de servicio) para cada
cliente.
 W q = E(° W q).

Relaciones entre L ,W , Lq , y W q

Suponga que λ n es una constante λ para toda n . Se ha demostrado que, en un

proceso de colas en estado estable,
L=λW .
(Dado que John D. C. Little proporcionó la primera demostración rigurosa, a veces
se le da el nombre de fórmula de Little.) Además, la misma demostración prueba
que
Lq = λ 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.

5.3 Proceso de nacimiento o muerte.

En la mayor parte de los modelos elementales de colas es común que las
entradas y salidas del sistema ocurran según un proceso de nacimiento y muerte.
El proceso explica cómo varía el estado del sistema N (t ) al aumentar t .
En este contexto,
N(t) estado del sistema en tiempo t ≡ Número de cliente en el sistema
Nacimiento ≡ Llegada de clientes al sistema
Muerte ≡ Salida de clientes una vez servidos
 La distribución del tiempo que falta para la llegada es exponencial Exp( λ n)
con n = 0, 1, 2, ..., siendo λ n la tasa de llegada de clientes al sistema.
 La distribución del tiempo que falta para la salida es exponencial Exp( μn )
con n = 0, 1, 2, ..., siendo μn la tasa de salida de clientes del sistema.
 Hay independencia entre el tiempo hasta próxima llegada y tiempo hasta
próxima salida.

La transición del estado será: {nn→

→n+ 1un nacimiento
n−1una muerta

Tomando estos supuestos, el proceso es un tipo especial de cadena de Markov de

tiempo continuo.
Los parámetros λ n y μn son tasas medias en la distribución exponencial, en
ocasiones estos valores son constantes ∀μ.

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

Tasa media de salida del estado n ≡ λn p n+ μ n pn

pn ≡ Probabilidad de que haya n clientes en el sistema de manera estacionaria

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

λ n−1 pn−1 + μn+1 pn+ 1 ≡ λ n p n+ μ n pn

Ecuaciones del balance o de equilibrio:

λ0
n=0 : μ1 p1= λ0 p 0 → p1= p
μ1 0
λ 0 λ1
n=1: λ0 p 0+ μ 2 p2= λ1 p 1+ μ1 p1 → p2= p
μ1 μ2 0
λ 0 λ1 λ2
n=2: λ1 p 1+ μ3 p3=λ 2 p2 + μ2 p 2 → p3= p
μ1 μ2 μ3 0

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

Para simplificar la notación se denota por C n al multiplicador de p0:

21
 λn−1 λn−2 … λ1 λ0
C n=
μn μ n−1 … μ2 μ1

Para n=0se define C n=1

La expresión de la probabilidad de estado estable es: pn=C n × p0

( )
∞ ∞
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

Tasas de entrada (nacimientos): λ j=4 ∀ j ≥ 0 clientes/minuto

Tasas de salida (muertes): μ j= ( 101 ) × j ∀ j≥ 0 clientes/minuto

Ecuaciones de balance o equilibrio: λ n−1 pn−1 + μn+1 pn+ 1=λn pn + μn p n

λ0 4
n=0 : μ1 p1= λ0 p 0 → p1= p0= p =40 p0
μ1 1/10 0

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!
∞ ∞

∑ p n=∑ n1! 40n p 0=1 → p0 = ∞

1
= ∞
1
=e−40
n=0 n=0
∑ n1! 40n 1+∑ n!1 40n
n=0 n=1

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

n=0 n=1 n! n=1 ( )

n n−1 ! n=1 n−1 ) !
(
∞ k
¿ 40 e −40
∑ 40
k!
=40 e−40 e 40=40
k=0

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

En consecuencia, los cambios de la variable X (t) son a estados contiguos. En

concreto, sí X ( t )=h los cambios inmediatos son a (h−1) y a (h+1).
Como los cambios son a estados contiguos, se puede modelar X (t) como un
proceso de Poisson de nacimiento y muerte.
Tasa de nacimiento: λ ( k )=q (k )

Tasa de muerte: μ ( k ) = {
μ+ ϕk k >0
0 k =0

Ecuaciones del balance o de equilibrio:

λ (0) λq (0) q (0)
p1 = p0= p 0=λ p
μ(1) μ+ θ μ+θ 0
λ (1) λq(1) λq(1) λq(0) q ( 0 ) λq (1)
p2= p1= p1= p0 =λ2 p
μ(2) μ+2 ϕ μ+2 ϕ μ+θ μ+ ϕ μ+ 2 ϕ 0

λ (2) λq (2) λq (2) λq(1) λq(0) q ( 0 ) q(1) q(2)

p3= p2= p2 = p 0=λ 3 p
μ(3) μ+3 ϕ μ+3 ϕ μ+2 ϕ μ+θ μ+θ μ+2 ϕ μ+ 3 ϕ 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 , …

La capacidad del sistema es ilimitada y la disciplina de la cola es FIFO.

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)

a) Para calcular el tiempo promedio que un cliente pasa en el Sistema ( W s

). Lo podemos calcular a partir de W q y µ.

1 1
W s=W q+ =¿ 3 minutos + =3+1=4 minutos
μ 1

Es decir, en promedio, un cliente pasa 4 minutos en el Sistema:

distribuidos así 3 minutos pasa esperando en la cola + 1 minutos en
servicio.
b) Para calcular el número de clientes en la cola ( Lq ), usaremos la fórmula
siguiente:
Lq = λ W q
cliente
Lq= λ ×W s=¿ 0.75 × 4 minutos=3 clientes
minutos
Es decir, en promedio hay tres clientes en el sistema, como se nos ha
dicho que solo hay un servidor, sabemos que solo un cliente puede
estar en servicio, por lo que los demás deben estar en la cola. Esto
indica que hay dos clientes en espera.

2. Suponga un restaurante de comidas rápidas al cual llegan en promedio 100

clientes por hora. Se tiene capacidad para atender en promedio a 150
clientes por hora Se sabe que los clientes esperan en promedio 2 minutos
en la cola. Calcule las medidas de desempeño del sistema
a) ¿Cuál es la probabilidad que el sistema este ocioso?
b) ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar,
porque el sistema está ocupado?
c) ¿Cuál es el número promedio de clientes en la cola?
d) ¿Cuál es la probabilidad que haya 10 clientes en la cola?

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:

( )( ) Para nuestro caso n = 1 y la formula se convierte en:

n
λ λ
Pn= 1−
μ μ

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.

c) Ahora requerimos calcular el número de clientes en la línea de espera.

cliente
Lq= λ ×W s=¿ 1.667 ×2 minutos=3.334 clientes ≈ 4 clientes en la
minutos
cola.
Es decir, existe la posibilidad de llegar a tener un promedio de 4 clientes
en la línea de espera.
d) La probabilidad de que haya 10 clientes en la cola, como hemos visto
existe un promedio de tener hasta 4 clientes en la cola que hayan más
de 4 las probabilidades serán muy pequeñas, para ese cálculo haremos
uso de la fórmula que usamos en el inciso b de este mismo ejemplo.

( )( ) ( )( )
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.

5.4.2 Múltiples servidores.

En este modelo, los clientes forman una sola fila y entre servidores se elige al que
esté disponible. Cuenta con una sola fase. Se parte de los siguientes supuestos:
 Tenemos s servidores idénticos.
 Distribución del servicio para cada uno es idéntico.
30
 1
 Tiempo medio de servicio igual a .
µ
Se toman en cuenta los supuestos hechos para el modelo de un solo servidor.
Para describir las características de operación de servicio se aplican las siguientes
fórmulas:
λ
ρ=¿ utilización promedio del sistema ¿
sμ
P0=¿ Probabilidad de que cero clientes estén en el sistema

[ ( )]
s−1 −1
( λ/ μ)n ( λ/ μ)s 1
¿ ∑ +
n=0 n! s ! 1−ρ

Pn=¿ Probabilidad de haya n clientes en el sistema

n
( λ /μ)
P 0 ; 0< n<s
n!
n
( λ /μ)
n−s
P 0 ; 0< n<s
s !s
Lq=¿ número promedio de clientes en la fila de espera
s
P 0 (λ /μ) ρ
2
s ! (1− ρ)
W q=¿ tiempo promedio de espera en la fila

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

b) La probabilidad de que al menos un mecánico esté ocioso está dada

por:

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

c) El promedio de cañas de timón o podadoras en espera de servicio:

c 3
ρ (N −c)(N −c +1) 3 (15−3)(15−3+1)
Lq= π 0= π 0=5.24
2c ! 12

2. Una empresa de reparación de ordenadores recibe una media de 10

solicitudes de reparación al día, que se distribuyen según un proceso de
Poisson. Se supone que μ es la velocidad de reparación de la persona
reparadora en ordenadores/día, y el tiempo de reparación es exponencial.
Cada unidad de velocidad de reparación supone un coste de 100 euros por
semana. Además, se ha estimado que el coste de tener ordenadores no
reparados supone 200 euros por ordenador y semana, siendo este coste
proporcional al tiempo. Suponiendo que una semana tiene cinco días
laborables, se pide:
a) Que determine la velocidad de reparación óptima.
b) Que determine si sería más económico tener dos personas, cada una
con la mitad de la velocidad determinada en el apartado anterior.

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.

b) Para este caso, se tiene un problema tipo (M/M/2)

λ 10
ρ= = =1.38
μ 7.24

[ ( )( )]
−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

5.5 Análisis de costos.

Los costes asociados a dos componentes fundamentales del sistema de colas:
COSTE DE ESPERA: Coste del tiempo que se produce cuando los clientes tienen
que esperar, como un activo que no está siendo utilizado repercute
negativamente, afectando a la imagen de la empresa o sistema, por lo que se
considera de forma económica.

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:

Coste total de espera: CQ=c q × Lq

Coste total del servicio: CS=c s × s

Coste total del sistema: CTS=c q L s+ c s s

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