ENSAYO LINEAS DE

ESPERA
22100486 Cardona Morales Cristina
Tema 4 Lineas de Espera

Investigación de Operaciones
Instituto Tecnológico Nuevo Laredo
Maestro Salvador Lugo Amador
Unidad 4

4to Semestre

Grupo: A
 ÍNDICE
Resumen.............................................................................................................................................. 3

Introducción ........................................................................................................................................ 4

4.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEA DE ESPERA..................................................... 5

4.1.1 UN SERVIDOR, UNA COLA .......................................................................................................... 6

4.1.2 N SERVIDORES UNA COLA .......................................................................................................... 7

4.1.3 N SERVIDORES N COLAS ............................................................................................................. 8

4.2 CRITERIOS DISTRIBUCION DE POISSON Y EXPONENCIAL PARA LA SELECCIÓN DEL MODELO

APROPIADO DE LINEAS DE ESPERA. .................................................................................................... 9

4.3 APLICACIÓN MODELOS DE DECISION EN LINEAS DE ESPERA...................................................... 10

4.4 INFERENCIA DE RESULTADOS .................................................................................................... 10

4.5 Distribución de Poisson ............................................................................................................... 11

4.6 Distribución exponencial de Markov .......................................................................................... 12

4.7 Notación de Kendall .................................................................................................................... 16

4.8 Ecuación de Colas ........................................................................................................................ 17

Conclusión ......................................................................................................................................... 18

Bibliografía ........................................................................................................................................ 33

2
 Resumen
El espacio de aprendizaje en la unidad cuatro, aborda la teoría de colas o líneas de
espera, a diario las organizaciones se ven enfrentados a prestar un servicio oportuno y
de calidad, para sus clientes, la exigencia y nivel competitivo del entorno, se hace cada
vez más demandante, debido a esto los profesionales en diferentes áreas, deben
conocer e implementar teorías que faciliten analizar y mejorar los procesos.

Algunos interrogantes que nos hacemos cuando requerimos un servicio son: ¿Por qué
debo esperar?, ¿Cuánto debo esperar?, ¿otras empresas prestan mejor servicio?, a
estos interrogantes se intenta dar respuesta mediante la teoría de colas, utilizando
métodos matemáticos analíticos.

Podemos definir un sistema de colas, como un conjunto de personas que llegan

demandando un servicio, este puede tomar diferentes comportamientos, desde recibir
un servicio rápido, un servicio lento, esperar o abandonar la espera, de acuerdo a la
percepción del cliente puede afectar o beneficiar directamente en los objetivos de la
organización. Con el término “cliente”, no nos referimos directamente a un ser
humano que espera por un servicio, también puede ser, una pieza esperando para su
proceso en una máquina, un documento a la espera de imprimir, entre otros.

Las organizaciones buscan agilizar la atención al cliente regularmente, con un

funcionario de otra sección o la contratación de un empleado adicional puede dar
solución, este caso es fácil de solucionar para el administrador, pero en algunos casos
no es tan sencillo, un empleado adicional puede significar un costo elevado de
contratación, capacitación, equipo de cómputo, etc. La administración se ve ante la
disyuntiva del costo de mejorar el tiempo de servicio y el costo del tiempo de espera
del cliente. No prestar un servicio de manera rápida y eficiente, puede traer como
consecuencia resultados negativos a la organización, debido que el cliente puede optar
por abandonar la línea de espera, esperar por el servicio, pero no regresar nunca más,
generar comentarios negativos, entre otros.

3
 Introducción
Se conoce como línea de espera a una hilera formada por uno o varios clientes que
aguardan para recibir un servicio.

Los clientes pueden ser personas, objetos, maquinas que requieren mantenimiento,
contenedores con mercancías en espera de ser embarcados o elementos de inventario
a punto de ser utilizados. Las líneas de espera se forman a causa de un desequilibrio
temporal entre la demanda de un servicio y la capacidad del sistema para
suministrarlo.

Las líneas de espera son parte de la vida diaria. Hacemos cola en el supermercado
para obtener diferentes productos o para pagar los artículos adquiridos, en el banco
para gestionar nuestras cuentas, en la cantina universitaria para tomar un café o en el
médico esperando a ser atendidos.

También encontramos colas en un proceso de producción en el que los artículos

esperan a ser manipulados por la siguiente maquinaria, o en un servicio de
reparaciones en el que los distintos aparatos esperan su turno para ser revisados por
los técnicos, o en determinados sistemas informáticos en el que las tareas esperan a
ser procesadas por los computadores.

El tiempo que la población pierde al esperar en las colas es un factor importante tanto
en la calidad de vida como en la eficiencia de la economía. La teoría de colas es el
estudio de los sistemas de líneas de espera en sus distintas.

El estudio de estos modelos sirve para determinar la forma más efectiva de gestionar
un sistema de colas. Proporcionar demasiada capacidad de servicio llevaría consigo
excesivos costos, pero no contar con la suficiente capacidad de servicio supondría
aumentar los tiempos de espera y las posibilidades de rechazo del servicio. Los
modelos de colas permiten encontrar un equilibrio adecuado entre el coste del
servicio y los tiempos de espera.

Una línea de espera es el efecto resultante en un sistema cuando la demanda de un

servicio supera la capacidad de proporcionar dicho servicio. Este sistema está
formado por un conjunto de entidades en paralelo que proporcionan un servicio a las
transacciones que aleatoriamente entran al sistema. Dependiendo del sistema que se
trate, las entidades pueden ser cajeras, máquinas, semáforos, grúas, etcétera, mientras
que las transacciones pueden ser: clientes, piezas, autos, barcos, etcétera. Tanto el
tiempo de servicio como las entradas al sistema son fenómenos que generalmente

4
tienen asociadas fuentes de variación que se encuentran fuera del control del tomador
de decisiones, de tal forma que se hace
necesaria la utilización de modelos estocásticos que permitan el estudio de este tipo
de sistemas.
Una línea de espera puede modelarse como un proceso estocástico en el cual la
variable aleatoria se define como el número de transacciones en el sistema en un
momento dado

4.1 ESTRUCTURA BASICA DE LOS

MODELOS DE LINEA DE ESPERA
La teoría de colas es el estudio de los sistemas de colas en sus diversas modalidades.

El propósito de examinar estos modelos es determinar la forma más efectiva de

gestionar un sistema de colas.

• Capacidad de servicio demasiado grande => Costos excesivos

• Mala capacidad de servicio => Mal servicio

Objetivo: encontrar un equilibrio adecuado entre los costos del servicio y los tiempos
de espera.

Fuente de entrada: (población de clientes potenciales). Se llama finito o ilimitado

dependiendo de si su tamaño es finito o infinito. Generalmente se supone que es
ilimitado (el caso finito es analíticamente más difícil)

Clientes: Ingrese al sistema de vez en cuando y únase a una cola. Se debe especificar
el patrón estadístico mediante el cual los clientes ingresan al sistema.

Proceso de llegada: El supuesto habitual es que los clientes acceden al sistema según
un proceso de Poisson, es decir, que los clientes que llegan en un determinado
intervalo de tiempo siguen una distribución de Poisson, con una tarifa media fija y sin
importar cuántos clientes ya hay allí hay sistemas. Un supuesto equivalente es que el
tiempo entre dos llegadas consecutivas (tiempo entre llegadas) es exponencial.

Cola: cuando los clientes ingresan al sistema, se les coloca en una cola. Los clientes
hacen cola para ser atendidos. Una cola se caracteriza por la cantidad máxima de
clientes que puede admitir. La suposición de una cola infinita es analíticamente más

5
fácil de manejar que la de una cola finita. También se pueden tener en cuenta otras
suposiciones sobre el comportamiento del cliente al ingresar al sistema, por ejemplo,
si a un cliente se le niega el acceso al servicio porque la cola es demasiado larga.

Disciplina de cola: en un momento dado, un miembro de la cola es seleccionado

mediante una regla llamada disciplina de servicio. La disciplina de servicio es el orden
en el que se selecciona a los clientes de la cola para recibir servicio.

– FIFO (el más común)

- Al azar

– LIFO

– Sistema de prioridades

Mecanismo de servicio: cuando un cliente sale de la cola, accede al mecanismo de

servicio, que consta de una secuencia de instalaciones de servicio en serie que el
cliente debe atravesar para completar el servicio. Cada instalación de servicio consta
de varios canales de servicio paralelos, los llamados servidores. Se debe especificar el
número de instalaciones de servicios serie y el número de servidores paralelos que
contiene cada uno. Los modelos

Los más habituales son una única instalación con uno o más servidores disponibles.

4.1.1 UN SERVIDOR, UNA COLA

Queue es un sistema que busca medir y cuantificar las causas de las colas utilizando
métricas como la longitud promedio, tiempo promedio y comodidad del usuario. La
teoría de las colas se remonta a un experimento realizado por Agner Kraup Erlang en
1909 para conectar una central telefónica en Copenhague. Los sistemas de colas se
dividen en dos componentes principales: el pegamento y la comodidad. La llegada de
clientes se llama progreso entre llegadas, con la suposición de que ocurren múltiples
llegadas durante un período de tiempo.

Los modelos de colas pueden variar dependiendo del tipo de clientes y la cantidad de
ellos en el sistema. Se pueden presentar llegadas masivas de diferentes tipos, como
personas, coches o máquinas reparables. El progreso del sistema puede depender del
número de clientes presentes, lo que puede influir en la probabilidad de futuras

6
averías. Los modelos que consideran una población pequeña se llaman modelos de
conjuntos finitos.

En algunos casos, el progreso del sistema puede depender de la disminución en la tasa

de llegada de clientes a medida que el sistema se llena. Las llegadas esperadas a
ciertas ubicaciones se denominan derechos promedio de llegada. La colección de
clientes en un sistema de colas es la cantidad de clientes que esperan ser atendidos. El
potencial de mercado también juega un papel importante en la cantidad de clientes
que pueden ser atendidos adecuadamente.

Existe una variedad de tipos de colas y modos de atención, como FIFO (first-in, first-
out) y Last Come First Served (LCFS), que determinan el orden en el que se atiende a
los clientes. En situaciones como una sala de emergencias, las especialidades
primarias suelen determinar la prioridad de atención de los pacientes. La
organización de baños de servicio con varios servidores puede ayudar a agilizar el
proceso de atención a los clientes.

En resumen, los sistemas de colas buscan optimizar el proceso de espera y atención de

clientes en diversos establecimientos, desde bancos hasta restaurantes. La teoría de
las colas se basa en modelos matemáticos que buscan predecir y mejorar el
rendimiento de estos sistemas. La variedad de factores que influyen en las colas, como
la llegada de clientes, la tasa de servicio y la organización de la atención, hacen que sea
importante estudiar y entender estos sistemas para mejorar la experiencia de los
usuarios.

4.1.2 N SERVIDORES UNA COLA

En resumen, el análisis de costos en una línea de espera con canales múltiples es
fundamental para la toma de decisiones en cuanto a la cantidad de servidores
necesarios y la optimización del sistema.

Se deben considerar tanto los costos directos de proveer más servidores como los
costos indirectos de demoras en el servicio y de la posible pérdida de clientes.

Es importante realizar una evaluación detallada de estos costos para diseñar un

sistema de colas eficiente, inteligente y controlable que brinde un servicio de calidad a
los clientes.

7
Los clientes atendidos

Definiendo:

Cr = Costo de no brindar el servicio a un cliente

A = Tasa de llegadas

P = Probabilidad que un cliente se vaya de la cola sin ser atendido

El costo total será

L Cd + c Cs + p A Cr

4.1.3 N SERVIDORES N COLAS

El tercer sistema, en que cada servidor tiene una línea separada, es característico de
los bancos y las tiendas de autoservicio. Para este tipo de servicio pueden separarse
los servidores y tratarlos como sistemas independientes de un servidor y una cola.
Esto sería válido sólo si hubiera muy pocos intercambios entre las colas. Cuando el
intercambio es sencillo y ocurre con frecuencia, como dentro de un banco, la
separación no sería válida.

8
4.2 CRITERIOS DISTRIBUCION DE POISSON Y EXPONENCIAL
PARA LA SELECCIÓN DEL MODELO APROPIADO DE LINEAS
DE ESPERA.

La distribución de Poisson se refiere al número de ocurrencias de un evento o

fenómeno, con un parámetro positivo λ que representa la frecuencia esperada durante
un intervalo específico. Tanto el valor esperado como la varianza de esta distribución
son iguales a λ, y sus momentos de orden superior están relacionados con polinomios
de Touchard en λ. La moda de una variable aleatoria de distribución de Poisson es el
entero menor más grande que λ en caso de no ser entero, mientras que si es un entero
positivo la moda puede ser λ o λ − 1.

La función generadora de momentos de la distribución de Poisson con un valor

esperado λ es una herramienta útil para obtener información adicional sobre la
distribución.Las variables aleatorias de Poisson son infinitamente divisibles y se
pueden sumar de manera independiente para obtener otra variable Poisson cuyo
parámetro es la suma de los parámetros originales.

En términos de intervalos de confianza para el parámetro λ, se pueden calcular de

manera aproximada utilizando una serie de eventos k en un tiempo T determinado.
Estos límites de confianza pueden ser útiles para estimar con cierta certeza el valor de
λ en una distribución de Poisson.

La distribución de Poisson también está relacionada con la distribución binomial,

donde la Poisson es el límite de la binomial cuando los parámetros n y p tienden a
infinito y cero, respectivamente. Para valores grandes de λ, la variable Poisson puede
aproximarse a una distribución normal debido al teorema central del límite.

Además, la distribución exponencial está relacionada con la distribución de Poisson en

términos de los tiempos entre eventos sucesivos. Si el número de eventos sigue una

9
distribución de Poisson con parámetro λt, entonces los tiempos entre estos eventos
siguen una distribución exponencial.

4.3 APLICACIÓN MODELOS DE DECISION

EN LINEAS DE ESPERA
La teoría de colas es un estudio matemático del comportamiento de las líneas de espera, que se
forman cuando los clientes llegan a un lugar buscando un servicio del servidor. El problema radica
en determinar la capacidad o tasa de servicio adecuada para lograr un equilibrio.

Las llegadas de clientes y el tiempo de servicio no son fijos, lo que hace que sea difícil predecir
cuándo llegarán los clientes o cuánto tiempo tomará brindarles el servicio.

Las llegadas se describen a través de distribuciones estadísticas, siendo la distribución de Poisson

comúnmente utilizada si las llegadas son independientes y ocurren con una tasa promedio. La
teoría de colas consiste en modelos matemáticos que tratan de encontrar un equilibrio entre los
costos del sistema y los tiempos de espera promedio.

Las empresas a menudo necesitan decidir cuántos servicios deben tener preparados, pero la
imprevisibilidad de las llegadas de clientes y los tiempos de servicio hace que estas decisiones sean
difíciles.La teoría de colas ayuda a identificar el nivel óptimo de capacidad del sistema, evaluar el
impacto de posibles cambios en la capacidad y encontrar un equilibrio entre los costos y la calidad
del servicio.

Es importante considerar el tiempo de espera en la cola, ya que la paciencia de los clientes puede
hacer que abandonen el sistema. En resumen, la teoría de colas busca optimizar la capacidad del
sistema, evaluar los costos y brindar un equilibrio entre costos y calidad del servicio para
garantizar una satisfacción del cliente adecuada.

4.4 INFERENCIA DE RESULTADOS

Inferencia es el proceso de deducir conclusiones a partir de premisas o argumentos. Puede surgir a
partir de hipótesis y abstracciones, permitiendo trazar una implicación lógica. El silogismo es una
forma esencial de inferencia, consistente en dos premisas que conducen a una conclusión. La
veracidad de la conclusión depende de las leyes que regulan la relación entre las premisas
comparadas.

10
No todas las inferencias ofrecen conclusiones verdaderas, ya que se basan en características y
probabilidades. Por ejemplo, si se menciona un animal peludo de cuatro patas que mueve la cola,
se puede inferir que se habla de un perro.

4.5 Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta utilizada en
casos donde los clientes llegan de manera independiente durante un período de
tiempo y el número de llegadas depende de la duración del intervalo. Se caracteriza
por una variable aleatoria discreta que toma valores enteros (0,1,2,3,4,5,6...). Es una
de las distribuciones más importantes en variables discretas y se utiliza para modelar
situaciones donde se busca determinar el número de eventos de cierto tipo que
ocurren en un intervalo de tiempo o espacio bajo circunstancias aleatorias.

También se emplea para representar procesos dicotómicos repetidos un gran número

de veces con una baja probabilidad de éxito. Fue desarrollada por Siméon-Denis
Poisson y se utiliza en situaciones donde los eventos son impredecibles o aleatorios.
Se emplea como una aproximación en experimentos binomiales con un gran número
de pruebas pero una probabilidad de éxito muy baja.

(p→0).
Se dice que X sigue una distribución de Poisson de parámetro λ y que se obtiene del
producto n*p (que nombraremos a partir de aquí como np, por mayor simplicidad),
que se representa con la siguiente notación:

X ~ Ps (λ)
La distribución de Poisson se caracteriza por tener una población de tamaño infinito,
una muestra de tamaño bastante elevado, sucesos independientes entre sí. Se utiliza
cuando la probabilidad de un suceso es muy pequeña y tiende a cero, y el producto
entre el tamaño de la muestra y la probabilidad tiende a un valor promedio llamado
lambda. La función de probabilidad de la distribución de Poisson está definida por la
ecuación 1.

Esta distribución se utiliza en diversos campos, como la disminución de una muestra

radioactiva, la llegada de pasajeros en aeropuertos o estaciones, usuarios en una web
por hora, entre otros. Fue utilizada durante la Segunda Guerra Mundial para

11
determinar si los ataques alemanes a Londres desde Calais eran dirigidos o al azar, lo
que tendría implicaciones importantes en cuanto a tecnología balística.

En el campo del riesgo operacional, se utiliza para modelar situaciones de pérdida

operacional, mientras que en riesgo de mercado se emplea para los tiempos de espera
entre transacciones financieras. En riesgo de crédito se usa para modelar el número
de quiebras. Para que una variable aleatoria siga una distribución de Poisson, deben
cumplirse ciertos supuestos como la independencia de los intervalos y que dos
eventos no ocurran al mismo tiempo.

Algunos ejemplos de variables aleatorias que siguen una distribución de Poisson son
el número de clientes en un supermercado en un día, accidentes en una fábrica
durante una semana, llamadas a una central telefónica en un minuto, bacterias en un
litro de agua, vehículos en una gasolinera en una hora, fallas en una pieza de cerámica,
y toxinas en un litro de agua de un río.

El número de vehículos que pasan por una caseta de cobro en horas de mayor tráfico
es un ejemplo que muestra las características de la distribución de Poisson. El
promedio de arribos de vehículos por hora se puede estimar a partir de los datos de
tráfico. Las características de esta distribución incluyen la probabilidad de un vehículo
llegando por segundo, la probabilidad de múltiples vehículos llegando en un segundo,
la independencia del número de arribos en diferentes intervalos de tiempo, y la
independencia de los arribos en diferentes intervalos de un segundo.

4.6 Distribución exponencial de Markov

Muchos fenómenos del mundo real pueden ser modelados como una secuencia de
transiciones de un estado a otro, donde cada transición tiene una incertidumbre
asociada. Las cadenas de Markov proveen un modelo para información secuencial que
permite que resultados futuros dependan de otros resultados previos.

Un modelo simplista del tiempo atmosférico en un lugar está dado por la secuencia

temporal {X1, X2, X3, . . .}, donde Xi tiene los dos únicos valores 0 (“seco”) y 1

(“húmedo”).

12
Los precios de las acciones de una empresa tienen una incertidumbre respecto a si

el precio va a hacer una transición hacia un valor mayor o menor.

En ambos casos, las transiciones pueden modelarse de manera probabilística y es

crucial el conocimiento del estado actual. Las cadenas o procesos de Markov son

un modelo de dependencia.

Otros ejemplos de aplicaciones

 Predicción de cambios en la demanda de electricidad

 Modelado del movimiento de insectos
 Monitoreo del uso de camillas en hospitales
 Personas que cambian de servicio celular
 Monitoreo de patrones de navegación web para proveer anuncios
personalizados

Las cadenas de Markov son procesos estocásticos que cumplen la propiedad de

Markov.

Informalmente, esta propiedad establece que los estados futuros dependen

únicamente del estado actual, y no de la secuencia de estados para llegar ahí. De algún
modo, “trunca la memoria”.

Propiedad de Markov o de la falta de memoria

Formalmente, es una probabilidad condicional de la forma

Un par de casos especiales de la distribución exponencial son útiles para determinar

los parámetros de interés en las cadenas de Markov.

La distribución exponencial es la típica caracterización de la probabilidad de los

tiempos de espera (o “de vida”).

13
Si T es el tiempo de vida de un componente que está exponencialmente distribuido
con parámetro α, entonces T tiene densidad.

Regularmente cuando se habla de tiempos constantes, lo observamos en el servicio

realizado por maquinas, ejemplo, tiempo que tarda una maquina embotelladora en
colocar la tapa o etiqueta o un refresco, este se puede tomar como un tiempo
constante, importante conocer este tiempo, ya que la llegada de refrescos debe estar
acorde, si la llegada es más lenta, el sistema no puede realizar el servicio
adecuadamente, si la llegada es más rápida puede saturar el sistema, ocasionando
inconvenientes.
Por otro lado, cuando se atiende personas, el tiempo de servicio se distribuye
aleatoriamente. En la mayoría de los casos, se trabaja con la distribución de Poisson,
esta es una distribución de probabilidad discreta, donde podemos saber la
probabilidad, conociendo los eventos y su frecuencia promedio.
La distribución exponencial también llamada de Markov, en la teoría de líneas de
espera, esta distribución es la más habitual ya que su aleatoriedad tiene
características particulares que la hacen muy apropiada para la descripción de
llegadas y servicio de los clientes. Esto nos da la probabilidad de analizar un evento,
independientemente del tiempo y comportamiento del evento anterior.
En los casos donde la atención al cliente depende de varios servicios, de tiempos
exponenciales, la distribución del tiempo de servicio al cliente serio no exponencial.

La segunda imagen muestra una línea de espera, que debe ser atendida en dos fases,
cada fase tiene un servidor.

14
Lo podemos observar en distintos establecimientos, por ejemplo, en una panadería
donde encontramos un servidor para para atender al público y otro en la caja, que
solo se encarga de recibir el dinero. El cliente para ser atendido completamente debe
pasar por los dos puntos de servicio, como muestra la imagen 2.

15
 4.7 Notación de Kendall
D.G. Kendall propuso una notación útil para clasificar los diferentes modelos de líneas
de espera. La notación de Kendall consta de tres símbolos: A/B/K, donde A representa
la distribución de probabilidades de las llegadas, B la distribución de probabilidades
de los tiempos de servicio y K el número de canales. Dependiendo de la letra en la
posición de A o B, se pueden describir varios sistemas de líneas de espera. Las letras
comúnmente utilizadas son: M para una distribución de Poisson o exponencial, D para
llegadas o tiempos de servicio determinísticos y G para distribuciones de probabilidad
general.

Las características de operación son medidas de qué tan bien funciona el sistema,
centrándose en el estado estable en lugar de los estados transitorios. Se calculan las
longitudes y tiempos de espera promedio en las líneas de espera. Para un modelo de
una sola línea con un servidor, llegadas de Poisson y tiempos de servicio
exponenciales (M/M/1), se pueden calcular diversas métricas como la longitud
promedio de la línea, el tiempo de espera promedio y la utilización de la instalación.

En un ejemplo de un hipermercado, se ilustra cómo aplicar las fórmulas para

determinar los tiempos de espera y la utilización de la instalación. Otro modelo es el
de línea de espera de múltiples canales con llegadas de Poisson y tiempos de servicio
exponenciales (M/M/k), donde se considera el número de canales para calcular las
métricas correspondientes.

En el caso de un modelo de línea de espera de un solo canal con tiempos de servicio

arbitrarios (M/G/1), se proporcionan fórmulas para determinar la probabilidad de
que no haya unidades en el sistema, la longitud y tiempo de espera promedio, así
como la utilización de la instalación. Se presenta un ejemplo de un empleado de un
almacén para ilustrar su aplicación.

16
Otro modelo es el de línea de espera de un solo canal con tiempos de servicio
constantes (M/D/1), donde se calculan métricas como el número promedio de
unidades en la línea de espera y en el sistema, así como los tiempos de espera
promedio.

Finalmente, se menciona el modelo de línea de espera de un solo canal con llegadas de

Poisson, tiempos de servicio exponencial y población finita (M/M/1 población finita),
incluyendo fórmulas y un ejemplo de una industria manufacturera con máquinas
averiadas. Estos modelos y fórmulas son útiles para analizar y optimizar sistemas de
líneas de espera en diversos escenarios.

4.8 Ecuación de Colas

La "ecuación de colas" es un concepto fundamental en la teoría de las colas o teoría de
colas, que es un área de estudio en matemáticas aplicadas que se centra en el análisis
de sistemas de espera. La ecuación de colas se utiliza para modelar y predecir el
comportamiento de sistemas de espera, como líneas de servicio, centros de llamadas,
sistemas de transporte, entre otros.

La ecuación de colas básica describe la relación entre la tasa de llegada de clientes al

sistema, la tasa de servicio, y el número promedio de clientes en el sistema. La forma
general de la ecuación de colas depende del tipo de sistema de colas que se esté
modelando (por ejemplo, colas de un solo servidor, colas con múltiples servidores,
colas con prioridades, etc.). Sin embargo, una forma básica de la ecuación de colas
para un sistema de colas de un solo servidor (conocido como modelo M/M/1) es:

𝐿=𝜆𝜇−𝜆L=μ−λλ

Donde:

𝐿L es el número promedio de clientes en el sistema.

𝜆λ es la tasa promedio de llegada de clientes al sistema (en clientes por unidad de

tiempo).

17
𝜇μ es la tasa promedio de servicio del servidor (en clientes por unidad de tiempo).

Esta ecuación establece una relación entre la tasa de llegada de clientes (𝜆λ), la tasa de
servicio del servidor (𝜇μ), y el número promedio de clientes en el sistema (𝐿L). La
ecuación de colas permite a los analistas y diseñadores de sistemas de espera
comprender mejor y optimizar el rendimiento de dichos sistemas.

Conclusión
Como conclusión podemos decir que la teoría de las colas es el estudio matemático de
las colas o líneas de espera. Esta información se deriva a través de un fenómeno
común que ocurre siempre que la demanda efectiva de un servicio excede a
la oferta efectiva.
Dicho así, las empresas deben tomar decisiones respecto al caudal de servicios que
debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible predecir
con exactitud cuándo llegarán los clientes que demandan el servicio y/o cuanto
tiempo será necesario para dar ese servicio; es por eso que esas decisiones implican
dilemas que hay que resolver con información escasa. Estar preparados para ofrecer
todo servicio que se nos solicite en cualquier momento puede implicar mantener
recursos ociosos y costos excesivos. Pero, por otro lado, carecer de la capacidad de
servicio suficiente causa colas excesivamente largas en ciertos momentos. Cuando los
clientes tienen que esperar en una cola para recibir nuestros servicios, están pagando
un coste, en tiempo, más alto del que esperaban. Las líneas de espera largas también
son costosas por tanto para la empresa ya que producen pérdida de prestigio y
pérdida de clientes.
La teoría de las colas en si no resuelve directamente el problema, pero contribuye con
la información vital que se requiere para tomar las decisiones concernientes
prediciendo algunas características sobre la línea de espera: probabilidad de que se
formen, el tiempo de espera promedio.

En conclusión, los modelos de colas proporcionan herramientas analíticas poderosas

para entender y optimizar sistemas donde los clientes esperan para ser atendidos.
Estos modelos son fundamentales en una amplia gama de industrias y contextos,
desde tiendas minoristas hasta centros de atención médica y sistemas de transporte.
Al utilizar modelos de colas, es posible predecir y gestionar eficazmente aspectos
clave del rendimiento del sistema, como los tiempos de espera, la utilización de los
recursos y la satisfacción del cliente. Esto permite a las organizaciones tomar
decisiones informadas sobre la asignación de recursos, el diseño de sistemas y la
implementación de estrategias para mejorar la eficiencia y la calidad del servicio.

18
Sin embargo, es importante tener en cuenta que los modelos de colas simplifican la
realidad y pueden no capturar todos los aspectos de un sistema en particular. Por lo
tanto, es crucial complementar el análisis teórico con datos empíricos y observaciones
del mundo real para obtener una comprensión completa y precisa del
comportamiento del sistema de colas y diseñar soluciones efectivas.
En resumen, los modelos de colas son una herramienta valiosa para la gestión de
operaciones y la toma de decisiones estratégicas, pero su aplicación exitosa requiere
un enfoque integrado que combine análisis cuantitativos con conocimiento del
contexto específico y una comprensión profunda de las necesidades y expectativas de
los clientes.

Bibliografía
Redirect notice. (s/f). Com.Mx. Recuperado el 22 de abril de 2024, de
http://www.google.com.mx/url?sa=t&rct=j&q=un%20servidor%2C%20una%20cola.
&source=web&cd=1&cad=rja&ved=0CCsQFjAA&url=http%3A%2F%2Fwww.itescam.
edu.mx%2Fprincipal%2Fsylabus%2Ffpdb%2Frecursos%2Fr67805.DOC&ei=-
CrCUMvWIZKe8gT014DIDw&usg=AFQjCNHN4vtS2DPg4cWR5A3yWeGKcO0q3w

Software DELSOL. (2021, marzo 15). Modelo de línea de espera y programación

lineal. Sdelsol.com. https://www.sdelsol.com/blog/tendencias/modelo-de-linea-de-
espera-y-programacion-lineal/

El diseño, E. A. de L. de E. es de I. P. L. G. P. A., & De la capacidad, la P. (s/f). M O D E L O

S D E L Í N E A S D E E S P E R A. Edu.ar. Recuperado el 22 de abril de 2024, de
https://nulan.mdp.edu.ar/id/eprint/1622/1/17_modelos_lineas_espera.pdf

(S/f-b). Edu.ar. Recuperado el 22 de abril de 2024, de

https://sedici.unlp.edu.ar/bitstream/handle/10915/84843/Documento_completo.pd
f?sequence=1&isAllowed=y

Modelos de lineas de espera - Tarea 4. (s/f). Scribd. Recuperado el 22 de abril de 2024,

de https://www.scribd.com/document/463025007/Modelos-de-lineas-de-espera-
tarea-4

De la teoría de colas, E. T. en R. se P. M. C. la A., De colas, es P. E. Q. es I. E. y. C. E. V.

D. S. la T., de Operaciones, U. de E. y. de S. I. es la Q. M. J. E. V. en el L. I. a. la I., de las

19
líneas de espera o colas. Además, ya Q. I. Q. la T. de C. se O. del A. M. de L. F., & de tipo
probabilístico., M. Q. las C. se P. C. F. C. se S. un S. P. P. de U. S. de C. y. T. el S. C. L.
C. S. (s/f). 2 Teoría de colas o líneas de espera. Udlap.mx. Recuperado el 22 de abril de
2024, de http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/capitulo2.pdf

TOMA DE DECISIONES A TRAV�S DE LA INVESTIGACI�N DE OPERACIONES. (s/f).

Eumed.net. Recuperado el 24 de abril de 2024, de https://www.eumed.net/libros-
gratis/2011b/969/notacion%20de%20kendall%20lee.html

20