ÍNDICE

INTRODUCCIÓN 2
5.1. Introducción, terminología, notación y casos de aplicación 4
5.2. Proceso de nacimiento y muerte (modelos Poisson) 6
5.3. Población infinita un servidor, cola infinita 10
5.4. Población finita un servidor, cola finita 12
5.5. Población infinita servidores múltiples, cola infinita 18
5.6. Uso de programa de computación (incluir los demás casos) 24
CONCLUSIÓN 29
FUENTES BIBLIOGRÁFICAS 32

1
 INTRODUCCIÓN

La Teoría de Colas, también conocida como Teoría de Filas o Teoría de Líneas de

Espera, constituye un campo esencial en la Investigación de Operaciones y la
Ingeniería de Sistemas. Se encarga del estudio y análisis de sistemas en los
cuales elementos, como clientes, procesos, datos o vehículos, llegan a un punto
de servicio y deben esperar su atención o procesamiento. Esta disciplina es
fundamental para comprender, modelar y optimizar el comportamiento de sistemas
que involucran flujos de espera, desempeñando un papel crucial en la eficiencia
operativa y la gestión efectiva de recursos en una amplia gama de aplicaciones.

Desde sus inicios a principios del siglo XX, la Teoría de Colas ha experimentado
un desarrollo significativo, transformando la forma en que se aborda la gestión de
la espera en diferentes contextos. Su crecimiento ha estado motivado por la
necesidad de comprender y mejorar sistemas que manejan la llegada y el servicio
de elementos, y su aplicación se ha extendido a industrias, servicios,
telecomunicaciones, logística y muchos otros ámbitos.

El análisis de colas se basa en conceptos clave como la tasa de llegada de

elementos al sistema, la capacidad de servicio, el tiempo de espera, la disciplina
de colas y la capacidad del sistema para manejar la demanda entrante. La
comprensión profunda de estos conceptos es esencial para la optimización y
mejora de sistemas que enfrentan flujos de espera, permitiendo tomar decisiones
informadas sobre cómo gestionar eficientemente la demanda y los recursos
disponibles.

Esta disciplina se vale de modelos matemáticos y estadísticos para representar y

predecir el comportamiento de los sistemas de colas. Entre los modelos más
comúnmente utilizados se encuentran el modelo M/M/1, que considera un único
servidor y una tasa de llegada y servicio exponenciales, y el modelo M/M/c, que
extiende el modelo a múltiples servidores. Estos modelos proporcionan una base

2
teórica sólida para entender cómo se comportan los sistemas de espera y cómo
pueden ser optimizados.

Las aplicaciones de la Teoría de Colas son vastas y diversas. En el ámbito de los

servicios, como en restaurantes, bancos y hospitales, se emplea para minimizar
los tiempos de espera y mejorar la satisfacción del cliente. En la industria
manufacturera, permite optimizar la producción y la distribución de recursos para
reducir los tiempos de espera en líneas de ensamblaje. En el sector de las
telecomunicaciones, es esencial para diseñar y gestionar redes eficientes y
minimizar las congestiones. Además, en la logística y el transporte, ayuda a
diseñar rutas eficientes y minimizar los tiempos de espera en almacenes y centros
de distribución.

El avance tecnológico ha potenciado la Teoría de Colas, permitiendo la utilización

de herramientas informáticas y simulaciones computacionales para modelar y
analizar sistemas de colas complejos. Plataformas y lenguajes de programación
como MATLAB, Python con bibliotecas como SimPy, R con paquetes
especializados y otros software dedicados, facilitan el análisis, la simulación y la
experimentación con diferentes configuraciones y parámetros.

La Teoría de Colas, una disciplina esencial en Investigación de Operaciones y la

Ingeniería de Sistemas, ha evolucionado significativamente desde sus inicios a
principios del siglo XX. Su desarrollo ha sido marcado por hitos clave y cambios
paradigmáticos, adaptándose continuamente a las necesidades modernas.
Además de los conceptos fundamentales, como tasas de llegada, capacidad de
servicio y tiempo de espera, se han introducido variantes más avanzadas, como
colas con prioridades o retroalimentación, para abordar situaciones más
complejas.

Esta teoría se ha adaptado a la era actual, integrando tecnologías emergentes

como la computación en la nube, IoT y la inteligencia artificial, transformando la

3
gestión de colas en diferentes industrias. Casos de estudio reales ejemplifican su
impacto, mostrando mejoras significativas en eficiencia y satisfacción del cliente.

Sin embargo, persisten desafíos y áreas de investigación activas, como la gestión

de colas en entornos dinámicos o la consideración ética en la equidad del acceso
al servicio.

5.1. Introducción, terminología, notación y casos de aplicación

La teoría de colas se desarrolla a partir de la observación y modelado matemático

de sistemas de espera. Estos sistemas pueden ser simples, como una fila en un
supermercado, o más complejos, como redes de comunicación o centros de
servicio al cliente.

Terminología y Notación:

Llegadas (Arrivals): Representa el proceso de llegada de nuevos clientes o

elementos al sistema de cola.

Servicio (Service): Es el proceso de atención o procesamiento que se realiza a los

elementos que están en la cola.

Sistema de Colas: Incluye todas las características del proceso de espera, como el
número de servidores, la capacidad de la cola, y el patrón de llegada y servicio.

Tasa de Llegada (Arrival Rate - λ): Es la velocidad promedio a la que llegan los
clientes al sistema de colas.

Tasa de Servicio (Service Rate - μ): Es la velocidad promedio a la que los clientes
son atendidos o procesados.

Longitud de la Cola (Queue Length): Número de clientes esperando en la cola en

un momento dado.

Tiempo de Espera (Waiting Time): Periodo de tiempo que un cliente pasa

esperando en la cola antes de recibir servicio.

La teoría de colas se aplica en diversas áreas:

4
● Gestión de operaciones: Optimización de procesos industriales para reducir
tiempos de espera y mejorar la eficiencia.
● Redes de computadoras: Análisis de congestión en redes de comunicación
para mejorar el rendimiento y la capacidad de respuesta.
● Servicios al cliente: Planificación de recursos y distribución de personal en
centros de atención telefónica o tiendas minoristas para minimizar los
tiempos de espera.
● Atención médica: Gestión de turnos y recursos en hospitales para mejorar
la atención a los pacientes y reducir los tiempos de espera.
● Transporte: Optimización de tráfico en sistemas de transporte público o en
aeropuertos para reducir las colas y mejorar la eficiencia del servicio.

5
5.2. Proceso de nacimiento y muerte (modelos Poisson)

En esta sección consideramos dos procesos especiales. En el primer proceso, los

clientes llegan y nunca parten y en el siguiente proceso los clientes se retiran de
un abasto inicial. En ambos casos los procesos de llegada y el retiro ocurre de
manera aleatoria. Las dos situaciones se denominan proceso de nacimiento puro.

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. 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.

6
Donde λ es la tasa de llegadas por unidad de tiempo, con el número esperado de
llegadas durante t igual a λ t.

Ejemplo:

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:

El número de nacimientos en el país por año está dado por: λ t = 205.7x365 =

75080 nacimientos/año

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 nacimientos/hora.

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

7
artículos en el almacén después de un tiempo t, la da la siguiente distribución
trucada de poisson.

Ejemplo:

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 cálculo es µ = 3 unidades por día.
Supóngase que nos interesa determinarla probabilidad de tener 5 unidades (el
nivel de nuevo pedido) al día t; es decir, t= 1, 2,…,6.

Para ilustrar mejor el problema nos enfocaremos en la siguiente imagen:

8
Obsérvese que p 5(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:

Usando tora obtenemos lo siguiente:

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:

9
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 servicios:

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

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.

Formulas:

10
para exprese mejor el punto de la teoría veremos el siguiente ejercicio de 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 intercambio entre las líneas, puede
tratarse este problema como 10 sistemas separados de una sola línea, 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.

11
 = 0.75 o 75%

0.32

En sí con los resultados obtenidos podemos decir que 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 abre 4
personas o más en el sistema.

5.4. Población finita un servidor, cola finita

El sistema de colas consiste esencialmente de tres componentes principales:

1- la población fuente y la forma en que los clientes llegan al sistema.

2- El sistema de servicio.
3- La condición en que los clientes que salen del sistema.

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 el cliente
decide esperar).

Población finita:

Es un grupo limitado de clientes que representan la fuente que usaran un servicio

y que en ocasiones forman una cola. En este caso un cliente deja su posición
como miembro de la población de usuarios, se reducirá en una unidad de el
12
tamaño del grupo de usuario, lo cual reduce la probabilidad que un usuario
requiere el servicio.

Por el contrario, si se brinda mantenimiento a un cliente y éste regresa al

grupo de usuarios, aumenta la población y también la probabilidad de que un
usuario requiera servicio.

Ejemplos:

fórmulas que describen cuantitativamente al sistema, lo complica. Por ello, se

refiere trabajar con el supuesto de población infinita y no con el real.

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 P0 (t) se calcula

13
mediante el uso simultáneo de las expresiones 3.20 y 3.21, determinadas a
continuación9-1:

𝑃𝑛(𝑡) 𝑚! ƛ 𝑛
𝑃0(𝑡)
= (𝑚−𝑛)!
(µ) (3.20)

1
𝑃0(𝑡) = 𝑚 𝑃𝑛 (𝑡)
(3.21)
∑ 𝑃0 (𝑡)
𝑛=0

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

ƛ+ µ
𝐿=𝑚 − ƛ
(1 − 𝑃0(𝑡)) (3.22)

(
𝑊 = 𝐿 + 1 − 𝑃0 (𝑡) ) (3.23)

𝐿
𝑇𝑠= µ(1− 𝑃0)
(3.24)

1
𝑇𝑤 = 𝑇 𝑠 + µ
(3.25)

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

𝑚! ƛ 𝑛
𝑃𝑛(𝑡) = 𝑃0(𝑡) (𝑚−𝑛)! ( µ ) (3.26)

Ejemplo:

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 composición de la falla de la turbina es de 45 días (un octavo de año).
Solamente se tiene 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. Describir
cuantitativamente el sistema de espera.

14
 ∞
9 − 1 ∑ 𝑃𝑛(𝑡) = 1
𝑛=0

𝑃𝑛 (𝑡) ∞
𝑃0 (𝑡)
∑ 𝑃𝑛(𝑡) = 1
𝑛=0

∞ 𝑃𝑛 (𝑡)
𝑃0(𝑡) ∑ 𝑃0 (𝑡)
𝑛=0

Si se toma como unidad de tiempo un año, entonces

1 1 1
ƛ = 1, ƛ
= 1, µ
= 8
, 𝑚 = 4.

ƛ 1
Como ρ = µ
= 8
< 1, se aplican los conceptos anteriores. Se calcula la

expresión 3.20 para n = 0, 1, 2, 3, 4 y = 4, donde n es el número de aviones que

esperan compostura y m es la flota de jumbos 747 de Aeroméxico.

c m 𝑚! ƛ 𝑛
(µ)
𝑃𝑛 (𝑡) 𝑚! ƛ 𝑛
(𝑚−𝑛)! 𝑃0 (𝑡)
= (𝑚−𝑛)!
(µ)

0 4 4!
= 1 1 0
( 8 ) = 1. 0000 1.00000
4!

1 4 4!
= 4 1 1
( 8 ) = 0. 12500 0.50000
3!

2 4 4!
= 12 1 2
( 8 ) = 0. 01563 0.18750
2!

3 4 4!
= 24 1 3
( 8 ) = 0. 00195 0.04688
1!

4 4 4!
= 24 1 4
( 8 ) = 0. 00024 0.00576
0!

4 𝑃𝑛 (𝑡)
Tabla 3.2 ∑ 𝑃0 (𝑡)
= 1. 74024
𝑛=0

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

15
 1 1
𝑃0(𝑡) = 4 𝑃𝑛 (𝑡)
= 1.74024
= 0. 57463
∑ 𝑃0 (𝑡)
𝑛=0

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.

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

es:

4! 1 2
𝑃2(𝑡) = (4−2)!
( 8 ) 0. 57463 = 0. 11

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

(1+8)
𝐿=4 − 1
(1 − 0. 57463) = . 017 𝑎𝑣𝑖𝑜𝑛𝑒𝑠

Mientras que el número promedio de aviones en el sistema (esperando en la cola

y en el taller) es:

𝑊 = 0. 17 + (1 − 0. 57463) = 0. 60 𝑎𝑣𝑖𝑜𝑛𝑒𝑠

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

0.17
𝑇𝑠 = 8(1−0.57463)
= 0. 05 𝑑𝑒 𝑎ñ𝑜

O sea aproximadamente 18 días, mientras que el tiempo promedio en el sistema

(espera más servicio) es de:

1
𝑇𝑤 = 0. 05 + 8
= 0. 175 𝑑𝑒 𝑎ñ𝑜

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 proporciona mantenimiento preventivo (independiente de las composturas
de falla de turbina) que dura en promedio 100 horas. Se supone que el sueldo
16
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, (Tw).

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 Tw – 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:

𝑑𝑖𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 ℎ𝑜𝑟𝑎𝑠

365 𝑎ñ𝑜
* 14 𝑑𝑖𝑎𝑠
= 5110 𝑎ñ𝑜

Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno, para un
ℎ𝑜𝑟𝑎𝑠
total de 500 𝑎ñ𝑜
de servicio de mantenimiento. Si en un año existen 8760 horas,

lo anterior quiere decir que:

ℎ𝑜𝑟𝑎𝑠
8760 – (5110 + 500) = 3150 𝑎ñ𝑜

Estará parado el avión en tierra. Entonces el costo total anual para cada avión
será de:

ℎ𝑜𝑟𝑎𝑠 𝑑𝑒 𝑣𝑢𝑒𝑙𝑜 𝑝𝑒𝑠𝑜𝑠 ℎ𝑜𝑟𝑎𝑠 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜

(5110 𝑎ñ𝑜
* 10, 000 ℎ𝑜𝑟𝑎 𝑑𝑒 𝑣𝑢𝑒𝑙𝑜
) + (500 𝑎ñ𝑜
* 5000

𝑝𝑒𝑠𝑜𝑠 ℎ𝑜𝑟𝑎𝑠 𝑒𝑛 𝑡𝑖𝑒𝑟𝑟𝑎 𝑝𝑒𝑠𝑜𝑠

ℎ𝑜𝑟𝑎 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜
) + (3150 𝑎ñ𝑜
* 2000 ℎ𝑜𝑟𝑎 𝑒𝑛 𝑡𝑖𝑒𝑟𝑟𝑎
) = 59.9

𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
𝑎ñ𝑜−𝑎𝑣𝑖𝑜𝑛

Si un avión de este tipo pasa Tw = 0.175 de año (64 días), en el sistema de

compostura de turbinas, el costo asociado a este tiempo muerto es:
17
 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
(59.9 𝑎ñ𝑜−𝑎𝑣𝑖𝑜𝑛
) (0.175 años) = 10.48 𝑎𝑣𝑖𝑜𝑛

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:

𝑇𝑤 (4.8)
=
(
(0.175 𝑎ñ𝑜𝑠) 4.8
𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
𝑎ñ𝑜 )
𝑎𝑣𝑖𝑜𝑛𝑒𝑠 4 𝑎𝑣𝑖𝑜𝑛𝑒𝑠
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎ñ𝑜

𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
= 0. 21 𝑎𝑣𝑖𝑜𝑛

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:

(𝑇𝑤 − 𝑇𝑠)𝑎ñ𝑜(3. 9 𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠

𝑎ñ𝑜−𝑎𝑣𝑖𝑜𝑛 ) = (0. 175 − 0. 05)(3. 9)
𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
= 0. 49 𝑎𝑣𝑖𝑜𝑛

El costo total de tener a un avión en el sistema de compostura es:

𝑚𝑖𝑙𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝑝𝑒𝑠𝑜𝑠
(10.48 + 0.21 + 0.49) = 11.58 𝑎𝑣𝑖𝑜𝑛

5.5. Población infinita servidores múltiples, 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
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 llevándolos clientes.

El número promedio de llegadas por unidad de tiempo es λ y se supone que este

tiene una distribución de Poisson.

18
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:

𝑃𝑚 (𝑡 + Δ 𝑡) = 𝑃𝑚 (𝑡)(1 − ƛ Δ 𝑡)(1 − 𝑆 µ Δ 𝑡) + 𝑃𝑚+1 (𝑡)(𝑆 µ Δ 𝑡)(1 − ƛ Δ 𝑡) + 𝑃𝑚−1(𝑡)(ƛ Δ 𝑡)(1 − 𝑆 µ Δ 𝑡) + 𝑃𝑚(𝑡)(ƛ Δ 𝑡)(𝑆 µ Δ 𝑡)

(3.27)

En la expresión anterior 𝑃𝑚−1(𝑡) no tiene sentido cuando m = O, por lo que una

vez agrupados los términos se obtiene:

2 2 2
𝑃𝑜(𝑡 + Δ 𝑡) = 𝑃𝑜 (𝑡) − 𝑃𝑜(𝑡) (ƛ Δ 𝑡) − 𝑃𝑜(𝑡)𝑆 µ Δ 𝑡 + 𝑃𝑜(𝑡)𝑆 µ ƛ ( Δ 𝑡) + 𝑃1(𝑡)(𝑆 µ Δ 𝑡) − 𝑃1(𝑡)𝑆 µ ƛ ( Δ 𝑡) + 𝑃0(𝑡) 𝑆 µ ƛ ( Δ 𝑡)

Restando en ambos lados PQ (t) y dividiendo entre A t, se tiene

𝑃𝑂 (𝑡+ Δ 𝑡)−𝑃𝑂(𝑡)
Δ𝑡
= − 𝑃0(𝑡)ƛ − 𝑃0(𝑡) 𝑆 µ + 𝑃0(𝑡) 𝑆 µ ƛ 𝑡 + 𝑃1(𝑡) 𝑆 µ ƛ Δ 𝑡 𝑃0(𝑡) 𝑆 µ ƛ Δ 𝑡

Tomando el límite cuando Δ 𝑡 tiende a cero genera

[𝑃0 (𝑡)+Δ 𝑡− 𝑃0(𝑡) ]

Δ𝑡
= − 𝑃0 (𝑡) ƛ − 𝑃0(𝑡) 𝑆 µ + 𝑃1(𝑡) 𝑆 µ = 0

Por lo que

ƛ
𝑃1(𝑡) = 𝑃0 (𝑡) (1 + 𝑆µ
) (3.28)

El límite, cuando Δ 𝑡 tiende a cero, de la expresión general 3.27, para m = 1,

general

𝑃1 ( 𝑡+Δ 𝑡)− 𝑃1(𝑡) 𝑑 𝑃1(𝑡)

[ Δ𝑡
] = 𝑑𝑡
=0

19
 ƛ ƛ
𝑃2(𝑡) = 𝑆µ
𝑃1 (𝑡) + 𝑃1 (𝑡) − 𝑆µ
𝑃0 (𝑡) (3.29)

Sustituyendo 3.28 en 3.29

𝑃2(𝑡) = 𝑃0 (𝑡) [
(µ)
ƛ 2

+
( )
ƛ
µ
+ 1] (3.30)
2 2
𝑆 𝑆

Generalizando 3.30 para un valor m — 1 cualquiera se obtiene

ƛ 𝑚 ƛ 𝑚−1
(µ) (µ)
𝑃𝑚(𝑡) = 𝑃0 (𝑡) [ 𝑚 + 𝑚−1 +. . . + 1]
𝑆 𝑆

que se puede reescribir:

𝑃𝑚(𝑡) = ( 𝑃0 (𝑡)
𝑆 ¡𝑆[𝑚−𝑠] )( ƛ 𝑚
µ
) 𝑝𝑎𝑟𝑎 𝑚 > 𝑆 (3.31)

Para el caso en que m < S, se sigue el mismo razonamiento cambiando el término

𝑆 µ Δ 𝑡 de 3.27 por m µ Δ t, para obtener

𝑃0 (𝑡) ƛ 𝑚
𝑃𝑚(𝑡) = 𝑚¡
( µ ) 𝑝𝑎𝑟𝑎 𝑚 < 𝑆 (3.32)

Una fórmula explícita de 𝑃0 (𝑡) se genera despejando este término de

∞
∑ 𝑃𝑚 (𝑡) = 1, arrojando la expresión:
𝑚=0

1
𝑃0 (𝑡) = 𝑠−1 ∞ (3.33)
∑ 𝑃𝑚(𝑡)+ ∑ 𝑃𝑚 (𝑡)
𝑚=1 𝑚=𝑠

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 𝑃0 (𝑡) dada por

𝑠−1
𝑃0 (𝑡) = [ ∑
𝑚 =0
1
𝑚¡
ƛ 𝑚
(µ) +
1
𝑠¡
ƛ 𝑠
(µ) ( 𝑠µ
(𝑠 µ− ƛ) )]
−1
(3.34)

20
El largo de la cola L, lo dará la expresión

∞
𝐿= ∑ ( 𝑚 − 𝑠)𝑃𝑚 (𝑡)
𝑚=𝑠+1

Que una vez desarrollada, utilizando 3.31 y agrupando términos, genera la fórmula
ƛ 𝑠
ƛµ(µ)
𝐿= 2 𝑃0 (𝑡) (3.35)
(𝑠−1)!(𝑠 µ− ƛ)

El número de elementos en el sistema W, es igual a

ƛ
W=L+ µ
(3.36)

El tiempo de espera en la cola Ts es:

𝐿
𝑇𝑆 = ƛ
(3.37)

Mientras que el tiempo de espera en el sistema, Tw

1
𝑇𝑤 = 𝑇𝑆 + µ
(3.38)

ƛ
Así como en el caso de un servidor se supone que µ
< 1 (para que no se formen

colas de tamaño infinito), en el caso de servidores múltiples se requiere que se

ƛ ƛ
cumpla la condición 𝑆µ
< 1, la cual se puede reescribir como µ
< 𝑆

Se puede demostrar que

{ } [
𝑃 𝑇𝑆 > ℎ = 1 − 𝑝 𝑇𝑆 = 0 𝑒 { }] −𝑠 µ (1−𝑝)ℎ
Donde

𝑆−1
{
𝑃 𝑇𝑆 = 0 = } ∑ 𝑃𝑛
𝑛=0

21
 ƛ
ƛ 𝑆 −µ 𝑧 (𝑠−1− )
−µ𝑍 (µ) µ

{
𝑃 𝑇𝑤 > 𝑍 = 𝑒 } [1 + 𝑃𝑂 𝑆 ¡(1−𝑃)
(
1− 𝑒
𝑠−1−
ƛ
µ
)]

Ejemplo:

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.

ƛ
Primero se corrobora que el parámetro 𝑆µ
< 1 , 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:

ƛ 15 15
𝑆µ
= 5 (8)
= 40
= 0. 375 < 1

4
Se tiene
ƛ
µ
=
15
8
= 1. 875 𝑦 𝑃𝑂 = [ ∑
𝑚=0
1
𝑚¡
(µ) +
ƛ 𝑚 1
5¡
ƛ 𝑆
(µ) ( 5µ
5 µ− ƛ )]
−1

1 0
= [ 0 ¡ (1. 875) +
1
1¡
1
(1. 875) +
1
2¡
(1. 875) +
2 1
3¡
(1. 875) +
3 1
4¡
(1. 875) +
4 1
5¡
5
(1. 875) + ( 40
40−15 )]
−1

−1
= [1 + 1. 875 + 1. 7578 + 1. 0986 + 0. 515 + 0. 193(1. 6)]

−1
= [6. 5552] = 0. 1526

22
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:

ƛ 𝑆
ƛµ(µ)
𝐿= 2 𝑃𝑂 (𝑡)
(𝑆−1)!(𝑆 µ− ƛ)

𝑠
(15)(8)(1.875) 0.1526
= 2 = 0. 0283 𝑎𝑢𝑡𝑜𝑚𝑜𝑣𝑖𝑙𝑒𝑠
4 ¡(40−15)

El número de elementos en el sistema, W, es:

ƛ
𝑊= 𝐿 + µ
= 0. 0283 + 1. 875 = 1. 9033 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠

El tiempo promedio de espera en la cola, Ts es:

𝐿 0.0283
𝑇𝑠 = ƛ
= 15
= 0. 0019 𝑑𝑒 ℎ𝑜𝑟𝑎

M Tamaño de Garitas Número de automóviles a los Pm (t)+,*

la cola desocupada cuales se les está dando
s 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***

23
 6 1 0 5 0.011****
7 2 0 5 0.004
8 3 0 5 0.001

1 𝑚
+ 𝑃𝑚 (𝑡) = 𝑚¡
(1. 875) 0. 1526 𝑝𝑎𝑟𝑎 𝑚 ≤𝑠

1 𝑚
* 𝑃𝑚 (𝑡) = (𝑚−5) (1. 875) 0. 1526 𝑝𝑎𝑟𝑎 𝑚 > 5
5 ¡5

1
** 𝑃1 (𝑡) = 1¡
(1. 875)0. 1526 = 0. 2861

1 5
*** 𝑃𝑠 (𝑡) = 0 (1. 875) 0. 1526 = 0. 0295
5 ¡5

1 6
**** 𝑃6 (𝑡) = 1 (1. 875) 0. 1526 = 0. 0111
5 ¡5

o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:

1
𝑇𝑤 = 𝑇 𝑆 + µ

1
= 0. 0019 + 8
= 0. 1269 𝑑𝑒 ℎ𝑜𝑟𝑎

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 𝑃0 (𝑡)

ƛ 15
𝑆µ
= 2 (8)
= 0. 9375 < 1

ƛ 15
µ
= 8
= 1. 875
24
 1
1 ƛ 𝑚 1 ƛ 2 2µ −1
𝑃0 (𝑡) = [ ∑ 𝑚¡
(µ) + 2¡
( µ ) ( 2 µ− ƛ ) ]
𝑚=0

1 0 1 1 1 2 16 −1
= [ 0 ¡ (1. 875) + 1¡
(1. 875) + 2¡
(1. 875) ( 16−15 )]

−1
= [1 + 1. 875 + 28. 13]

−1
= [31] = 0. 03226

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 Garitas Número de automóviles a los Pm (t) + ,*

de desocupada cuales
la cola s 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

1 𝑚
+ 𝑃𝑚 (𝑡) = 𝑚¡
(1. 875) 0. 03226, 𝑝𝑎𝑟𝑎 𝑚 ≤2

1 𝑚
* 𝑃𝑚 (𝑡) = (𝑚−2) (1. 875) 0. 03226, 𝑝𝑎𝑟𝑎 𝑚 > 2
2 ¡2

El largo de la cola, L, es:

µ 𝑆
ƛ µ( ƛ )
𝐿= 2 𝑃𝑂 (𝑡)
(𝑆−1)!(𝑆 µ− ƛ)

25
 2
(15)(8)(1.875) 0.03226
𝐿= 2 = 13. 16 𝑎𝑢𝑡𝑜𝑚𝑜𝑣𝑖𝑙𝑒𝑠
(2−1)!(16 −15)

Mientras que el número de elementos en el sistema, W, es:

ƛ
W=L+ µ

= 13.61 + 1.875 = 15.49 automóviles

El tiempo promedio de espera en la cola, TS, es:

𝐿
𝑇𝑆 = ƛ

13.61
= 15
= 0. 90733 𝑑𝑒 ℎ𝑜𝑟𝑎.

O sea casi 55 minutos, mientras que el tiempo dentro del sistema, Tw, es:

1
𝑇𝑤 = 𝑇 𝑆 + µ

1
= 0. 90733 + 8
= 1. 03 𝑑𝑒 ℎ𝑜𝑟𝑎

5.6. Uso de programa de computación (incluir los demás casos)

Los modelos de línea de espera consisten en fórmulas y relaciones

matemáticas que pueden usarse para determinar las características operativas
(medidas de desempeño) para una cola. Software para líneas de espera:

Promodel:

ProModel es un simulador con animación para computadoras

personales. Permite simular cualquier tipo de sistemas de manufactura, logística,
manejo de materiales, etc. Puedes simular bandas de transporte, grúas
viajeras, ensamble, corte, talleres, logística, etc. Puedes simular Justo a Tiempo,
Teoría de Restricciones, Sistemas de Empujar, Jalar, Logística, etc.
Prácticamente, cualquier sistema puede ser modelado. Algunos ejemplos incluyen

26
determinar la mejor combinación de factores para maximizar producción
minimizando costo, minimizar el número de camiones sin penalizar el servicio, etc.

● Único software de simulación con.

● Optimización plenamente integrada
● Creación de modelos rápida, sencilla y flexible.
● Modelos optimizables.
● Elementos de Logística, Manejo de Materiales, y Operaciones
incluidas. (Bandas de transporte, Grúas Viajeras, Operadores).
● Resultados probados.
● Importación del Layout de Autocad, y cualquier herramienta de CAD / CAE
/Diseño, así como de fotografías digitales.
● Integración a Excel, Lotus, Visual Basic y herramientas de Microsoft.
● Genera en automático las gráficas en 3 dimensiones para visualización en
el espacio tridimensional.

Arena:

Arena es un modelo de simulación por computadora que nos ofrece un mejor

entendimiento de las cualidades des de un sistema, efectúa diferentes análisis del
comportamiento. Arena facilita la disponibilidad del software el cual está formado
por módulos de lenguaje Siman. Arena no tiene un enfoque único objetivo de la
industria. La flexibilidad de la herramienta de modelado de simulación Arena

27
permite el análisis de todo, desde centros de atención al cliente para
completar las cadenas de suministro.

SIMNET II:

El diseño de SIMNET II se basa en la idea general que los modelos de

simulación discreta pueden crearse de una u otra manera como sistemas delineas
de espera. En este contexto, el lenguaje se basa en un acercamiento de red que
utiliza tres nodos auto descriptivos: una fuente, en donde llegan las transacciones
(clientes), una línea de espera, donde la espera tiene lugar en caso de que esta
sea necesaria, y una instalación, en donde se lleva a cabo el servicio. Se agrega
un cuarto nodo, llamado auxiliar, para incrementar las capacidades de
modelación de lenguaje. Esta información se almacena en archivos. SIMNET II
utiliza tres tipos de archivos:

● Calendario de eventos (o E.FILE como se llama en SIMNET II) es el archivo

principal que mueve la simulación.
● Línea de espera.

28
OR Brainware Decision Tools:

El objetivo del módulo de Líneas de Espera de OR Brainware Decision Tools

Versión 2.1.0 es apoyar a las pequeñas y medianas empresas en el estudio de las
colas en sus sistemas de producción de bienes o servicios de una manera sencilla
y rápida. Está compuesto por un total de 8 modelos de líneas de espera, seis de
los cuales están diseñados para poblaciones infinitas, y los otros dos modelos
restantes son para poblaciones finitas.

El módulo de Control de Inventarios del programa OR Brainware Decision Tools

versión 2.1.0 está constituido por un conjunto de diez (10) submódulos de
optimización que le ayudarán a las pequeñas y mediana empresas a tomar
decisiones en cuanto a tamaños óptimos del lote de producción o de compra.

29
30
 CONCLUSIÓN

La teoría de colas es un campo de estudio fascinante y práctico que se enfoca en

el análisis matemático del comportamiento de líneas de espera o colas. Surgió
inicialmente en el contexto de la gestión de servicios y se ha expandido a diversos
ámbitos, desde la ingeniería hasta la informática, la medicina y la gestión de
operaciones. Esta teoría proporciona herramientas y modelos para comprender,
predecir y optimizar el flujo de elementos en sistemas donde se forman colas, lo
que permite mejorar la eficiencia, la utilización de recursos y la satisfacción del
cliente.

En su esencia, la teoría de colas se basa en una serie de conceptos

fundamentales. Uno de ellos es el proceso de llegada, que describe cómo y con
qué frecuencia llegan los elementos al sistema. El proceso de servicio indica cómo
se atienden estos elementos una vez que entran en el sistema. Además, se
considera la capacidad del sistema para manejar estos elementos y la estructura
de la cola, ya sea de manera limitada o ilimitada.

Los modelos de teoría de colas adoptan diferentes distribuciones para los

procesos de llegada y servicio, como la distribución exponencial, la distribución de
Poisson o distribuciones más complejas dependiendo de la naturaleza específica
del sistema analizado. A partir de estas distribuciones y otros parámetros, se
pueden derivar medidas importantes, como la longitud promedio de la cola, el
tiempo de espera promedio y la tasa de utilización del sistema.

Uno de los resultados clave de la teoría de colas es el teorema de la ley de Little,

que establece una relación fundamental entre tres métricas principales: la longitud
promedio de la cola, el tiempo promedio de espera y la tasa promedio de llegada
de elementos al sistema. Esta ley simple pero poderosa ha sido fundamental para
comprender el impacto de las políticas de gestión en el rendimiento de los
sistemas de colas.

31
Las aplicaciones de la teoría de colas son vastas y diversificadas. En negocios y
servicios, ayuda a optimizar la disposición de cajeros en supermercados, la
gestión de llamadas en centros de atención al cliente y la planificación de servicios
de transporte público. En el ámbito informático, la teoría de colas es esencial para
el diseño y la optimización de sistemas informáticos y de redes, permitiendo
mejorar el rendimiento y la capacidad de respuesta de las aplicaciones y servicios
en línea.

Sin embargo, la teoría de colas tiene sus limitaciones. A menudo, los sistemas del
mundo real son complejos y pueden estar sujetos a variaciones impredecibles que
los modelos teóricos no pueden capturar completamente. Además, algunos
sistemas de colas pueden comportarse de manera no lineal o no estacionaria, lo
que dificulta la aplicación directa de ciertos modelos.

La teoría de colas es importante para un ingeniero industrial ya que este tipo de

métodos impactan mucho en la eficiencia y lo que busca un ingeniero industrial es
ser mas eficiente con los procesos los cuales tienen que ser eficaces en sus si
tema de lianas de espera. En si el método es un complemento perfecto para el
ingeniero industrial, quien utiliza la eficacia en mucho de sus labores de trabajo ya
sea en la producción o en la lógica las cuales son dos campos de requieren un
análisis complejo y cuidadoso de los tipos, así como también una buena medición
de estos y la solución de los problemas. Este tema me ayudo a visualizar más
como es que se reflejan las líneas de espera en algo muy simple como lo es un
banco o un autolavado los cuales son ejemplos muy básicos, ya que existen líneas
de esperas con un grado de dificultad muy aplicó, en si el ingeniero industrial es
muy importante que sepa de este tema, dado que en distintas empresas se llevan
una serie de análisis para poder atender más clientes y tener mayor ganancia a un
bajo costo, también es importante tener en cuenta que este método no solo se usa
para atender a una gran número de clientes sino que también para dar un mejor
servicio y atención al cliente evitando líneas de espera ociosas las cuales tienen
un índice de productividad alto y generan una gran cantidad de pérdidas tanto en
clientes como en dinero.
32
Gracias a este tema se me desarrollaron mejores habilidades como en análisis y
resolución de problemas que son de vital importancia para el desarrollo de un
ingeniero industrial así como también un gran desarrollo en el ámbito de lo
matemático y analítico.

33
 FUENTES BIBLIOGRÁFICAS

● Studocu. (s. f.). U5 Actividad 9 - Líneas de espera - . . .. . .. . .. . .. . .. . .. . .. .

.. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . .. . . - Studocu.
https://www.studocu.com/es-mx/document/universidad-tecnologica-de-tabas
co/matematicas-para-ingenieria/u5-actividad-9-lineas-de-espera/33923879
● Proceso de nacimiento y muerte poisson. (s. f.). PPT.
https://es.slideshare.net/arrza/proceso-de-nacimiento-y-muerte-poisson
● Studocu. (s. f.-a). 2DO articulo DEL TEMA 5.4 Población finita UN servidor,
COLA finita - 5 POBLACIÓN FINITA UN - Studocu.
https://www.studocu.com/es-mx/document/tecnologico-universitario-del-vall
e-de-chalco/matematicas/2do-articulo-del-tema-54-poblacion-finita-un-servi
dor-cola-finita/42170650
● Investigacion-operaciones.com. (s. f.).
http://www.investigacion-operaciones.com/material%20didactico/MANUAL%
20INV%20OPER.pd
● HILLIER, F. S. (2010). INVESTIGACION DE OPERACIONES (9a ed.).
● McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.V.
● TAHA, H. A. (1992). INVESTIGACION DE OPERACIONES (5a ed.). ALFA
● OMEGA GRUPO EDITOR.

34