MÉTODOS CUANTITATIVOS Y

SIMULACIÓN

LÍNEAS DE ESPERA

Dr. Salvador García L.

 LÍNEAS DE ESPERA
 La formación de líneas de espera es un fenómeno
común que ocurre siempre que la demanda por un
servicio excede la capacidad para proveer ese
servicio.

 Proveer demasiado servicio involucra costos

excesivos. No proveer suficiente servicio causa
largas líneas de espera.

Dr. Salvador García L. 2

 LÍNEAS DE ESPERA
 El tiempo de espera excesivo es costoso.

 El objetivo primordial es lograr un balance

económico entre el costo de servicio, y el
costo asociado con la espera de ese servicio.

Dr. Salvador García L. 3

 LÍNEAS DE ESPERA
 Los modelos de líneas de espera no resuelven
directamente el problema; sin embargo,
proporcionan información vital para la toma
de decisiones, al predecir varias características
de la línea de espera.

Dr. Salvador García L. 4

ESTRUCTURA BÁSICA

Dr. Salvador García L. 5

ESTRUCTURA BÁSICA

Dr. Salvador García L. 6

ESTRUCTURA BÁSICA

Dr. Salvador García L. 7

ESTRUCTURA BÁSICA

Dr. Salvador García L. 8

MEDIDAS DE DESEMPEÑO DEL SISTEMA

 UTILIZACIÓN DEL SERVIDOR  (% DE

TIEMPO QUE ESTÁ OCUPADO)

 LONGITUD DE LINEA DE ESPERA Lq

 TIEMPO PROMEDIO DE ESPERA Wq

Dr. Salvador García L. 9

 PARÁMETROS DE ENTRADA

 RAZÓN DE LLEGADA DE CLIENTES 

 RAZÓN DE SERVICIO 

 NÚMERO YARREGLO DE LOS SERVIDORES

Dr. Salvador García L. 10

 EJEMPLOS DE SISTEMAS

SISTEMA CLIENTES SERVIDOR

Taller Camiones Mecánico

Hospital Pacientes Enfermeras

Aeropuerto Aviones Pista

Computadora Programas CPU

Dr. Salvador García L. 11

 SÍMBOLOS UTILIZADOS

TIEMPOS M D Ek G
INTERR-
ARRIBOS
TIEMPO M D Ek G
SERVICIO

NÚMERO 1,2,... 1,2,.. 1,2,... 1,2,...

SERVIDORES

CAPACIDAD 1,2,... 1,2,... 1,2,... 1,2,...

SISTEMA

COMPORTAM ABANDO- RENEGAR JOCKEY

IENTO NAR
(BALKING)
DISCIPLINA FIFO LIFO SIRO PRI
FILA

Dr. Salvador García L. 12

 NOTACIÓN KENDALL
(arrival process/service process/num. servers/system
capacity/population size)

 EJEMPLOS
 (M/M/1// ) = (M/M/1)
 (M/D/3/5/5)
 (G/M/1)
 (G/G/3)

Dr. Salvador García L. 13

 SISTEMA (M/M/1)

 Proceso de arribo aleatorio con una

distribución Poisson con razón de llegada 
clientes/unidad de tiempo.

 Un sólo servidor con razón de servicio  y

tiempo de servicio aleatorio con una
distribución Exponencial con media de 1/.

Dr. Salvador García L. 14

 SISTEMA (M/M/1)

 Si un cliente llega y el servidor no está

ocupado, entonces es atendido
inmediatamente. En caso contrario, el cliente
pasa a formar una fila de capacidad infinita.
 El flujo de clientes a través del sistema
(fila+servidor) es un proceso estocástico: {Nt:
t0}, Nt =Num. de clientes al tiempo t

Dr. Salvador García L. 15

 SISTEMA (M/M/1)

 Probabilidad de tener n clientes en el sistema

en el estado estable (t ):

Pn  lim t  P{Nt  n}

 N = num. de clientes en sistema en estado

estable. N es una variable aleatoria con una
función de masa de probabilidad
{P0 , P1 ,...}

Dr. Salvador García L. 16

 SISTEMA (M/M/1)

 El objetivo es derivar una expresión para

Pn n  0,1,2,...

 Esta derivación se realiza en dos etapas:

 Obtener un sistema de ecuaciones definiendo las
probabilidades
{P0 , P1 ,...}
 Resolver el sistema

Dr. Salvador García L. 17

 SISTEMA (M/M/1)

 DIAGRAMA DE ESTADO
 

0 1 2 3

 

 CONDICIÓN DE BALANCE: RAZÓN DE

LLEGADA =RAZÓN DE SALIDA

Dr. Salvador García L. 18

 SISTEMA (M/M/1)

Nodo 0: 
 P1  P0  P1    P0

 Nodo 1:
2
 λ λ
λP0  μP2  λP1  μP1  P2    P1    P0
 μ  μ
 En general: n

Pn    P0


Dr. Salvador García L. 19

 SISTEMA (M/M/1)

Intensidad de Tráfico: 
 

 Expresión para Po:
n

  

P
0
n 1     P0    n P0  1
0   0



1 1
P0  
;  
 n

1 
,  1
  n

0
0

 P0  1    Pn  (1   )  n
Dr. Salvador García L. 20
 SISTEMA (M/M/1) EJEMPLO

 Un operador de un pequeño elevador de grano tiene una sola

plataforma de descarga. Los arribos de camiones durante la
temporada forman un proceso de Poisson con tasa media de
llegadas de 4/hr. Debido a la diferencia de carga de los camiones,
el tiempo que cada camión pasa en la plataforma es aproximado
por una variable aleatoria Exponencial con media de 14 min.
Asumiendo que los sitios de estacionamiento son ilimitados, el
sistema M/M/1 describe la línea de espera que se forma.

Dr. Salvador García L. 21

 SISTEMA (M/M/1) EJEMPLO

 Parámetros:

1
  4 cam / hr  14 min/ cam

1 60 min/ hr
    4.2857 cam / hr
14 min/ cam 14 min/ cam

   0.933


Dr. Salvador García L. 22

 SISTEMA (M/M/1) EJEMPLO

 Probabilidad de que la plataforma esté vacía:

P0  1  ρ  0.0667
 Porcentaje de tiempo que la plataforma está ocupada:
ρ  0.933  93.3%
 Probabilidad de 3 camiones esperando:

P4  ( ρ) 4 P0  (0.933) 4 (0.0667)  0.05

Dr. Salvador García L. 23

 SISTEMA (M/M/1)
MEDIDAS DE EFECTIVIDAD

 Número promedio de clientes en sistema:

 
L  E[ N ]   nPn   n(1   )  n
0 0

 1  
L  (1   )   n n 1
 (1   )   2

1  (1   )  1  

Dr. Salvador García L. 24

 SISTEMA (M/M/1)
MEDIDAS DE EFECTIVIDAD

 Número promedio de clientes en fila:

 
Lq  E[ N ]   nPn 1   n(1   )  n 1
0 0

 1   2
Lq  (1   )   n  (1   )  
2 n 1 2
2

1  (1   )  1  

Dr. Salvador García L. 25

 SISTEMA (M/M/1)
MEDIDAS DE EFECTIVIDAD

 Varianza del Número de clientes en sistema:


Var ( N ) 
(1   ) 2

 Varianza del Número de clientes en fila:

 (1     )
2 2
Var ( N q ) 
(1   ) 2

Dr. Salvador García L. 26

 SISTEMA (M/M/1)
MEDIDAS DE EFECTIVIDAD
 Tiempo Promedio en el sistema:
L 1
W Var (W ) 
 (   )2
 Tiempo Promedio en Fila:

Lq 2   2
Wq  Var (Wq ) 
 (   ) 2

Dr. Salvador García L. 27

 SISTEMA (M/M/1)
EJEMPLO

 Para el problema del elevador de grano:

 Número Promedio de camiones en el sistema:

 
L  14 Var ( N )   19.8
1  (1   ) 2

 Número Promedio en Fila:

2  2 (1     2 )
Lq   13.1 Var ( N q )   14.4
1  (1   ) 2

Dr. Salvador García L. 28

 SISTEMA (M/M/1)
EJEMPLO
 Tiempo promedio en el sistema:

L
W  3.5hr Var (W )  3.5hr

 Tiempo Promedio en Fila:

Lq
Wq   3hr16m Var (Wq )  3hr 29m


Dr. Salvador García L. 29

 SISTEMA (M/M/c)
LÍNEA DE ESPERA MULTICANAL

 Sistema con c servidores idénticos, cada uno con

razón de servicio 
 1
 P0 
c  c 1  /  n  /  c  c 
   
 0 n! c!  c   

( /  ) c P0 P( L  c)
P( L  c)  L  ( /  ) 
c!(1   ) 1 

L Lq
Lq  L  ( /  ) W Wq 
 
Dr. Salvador García L. 30
 SISTEMA (M/M/c) EJEMPLO

 Una máquina copiadora es operada en una oficina. Los trabajos

requeridos varían en calidad y extensión y son modelados por un
proceso Poisson con razón media de servicio de 10/hr. Los
requerimientos de servicio mantienen una razón promedio de
llegadas de 5/hr.

 Ocasionalmente se forma una línea de espera, lo que ha

cuestionado el uso de 2 copiadoras. Los datos son los siguientes:

Dr. Salvador García L. 31

 SISTEMA (M/M/c) EJEMPLO

Tipo de copiadora Razón de servicio Costo/día

Std (actual) 10 5

Más grande 15 10

 Si el tiempo de una secretaria es valorado en $3.50/hr, convendría

tener 2 copiadoras como la actual o una sola copiadora grande?

Dr. Salvador García L. 32

 SISTEMA (M/M/c)
EJEMPLO

 Costo/día = Renta + Costo tiempo perdido.

 1 copiadora actual:

 1
  5/10  0.5 W  0.2hr
  
Costo  (8hr / día )(W sec)($ 3.5 / hr  sec)  $5  $33 / día

 1 copiadora grande:

1
W  0.1hr
 
Costo  (8hr / día )(W sec)($ 3.5 / hr  sec)  $10  $24 / día

Dr. Salvador García L. 33

 SISTEMA (M/M/c)
EJEMPLO

 2 copiadoras como la actual:

1 1
P0  
 c 1  /  n  /  c  c  
1  (1 / 2)  (1 / 2)(1 / 2) 2 (20 /( 20  5) 
   
 0 n! c!  c   

P0  0.6
( /  ) c P0 (1/4)(0.6) P( L  c)
P( L  c)    0.1 L  ( /  )   0.533
c!(1   ) 2(1 - 0.25) 1 

L
W  0.107hr


Dr. Salvador García L. 34

 SISTEMA (M/M/c)
EJEMPLO

 Costo/día de 2 copiadoras como la actual:

Costo  (8hr / día )(W sec)($ 3.5 / hr  sec)  (2)($5)  $24.98 / día

 1 copiadora grande es ligeramente una mejor opción.

Dr. Salvador García L. 35

 SISTEMA (M/M/1/N)
CAPACIDAD FINITA

 Sistema con 1 servidor y capacidad finita.

  n (1   )
   1
 Pn   1   N 1

  1
 N  1
 1

  (1  N N 1  ( N  1)  N )
  1
L (1   N 1
)(1   ) Lq  eWq
 N
  1
2

Dr. Salvador García L. 36

 SISTEMA (M/M/1/N)
CAPACIDAD FINITA

 La intensidad de tráfico puede ser igual a 1 sin que la

fila llegue a infinito, ya que la capacidad es sólo N.

L 1
W Wq  W 
e 

e
e   (1  PN )  e   1  P0

Dr. Salvador García L. 37
 SISTEMA (M/M/1/N)
CAPACIDAD FINITA
 Una sala de belleza es atendida por una sola persona
y tiene un total de 10 asientos. Los tiempos entre
llegadas están exponencialmente distribuidos y un
promedio de 20 clientes potenciales por hora arriban
a la sala. Aquellos clientes que encuentran la sala
llena, no entran. La persona que atiende la sala tarda
en promedio 12 min para cortar el pelo del cliente.
Los tiempos están exponencialmente distribuidos.

Dr. Salvador García L. 38

 SISTEMA (M/M/1/N)
CAPACIDAD FINITA

 En promedio, cuántos cortes de pelo se completan en

una hora?

 1  1 4
N  10,   20,   5 / hr ,   4 P0  
 1  N 1
1  411

P10  410 P0  0.75  e   (1  PN )  5 / hr

Dr. Salvador García L. 39

 SISTEMA (M/M/1/N)
CAPACIDAD FINITA

 En promedio, cuánto tiempo pasa en la sala de

belleza un cliente que entra?

4[1  11(410 )  10(411 )]

L  9.67
(1  4 )(1  4)
11


L
W   1.93hr
λe

Dr. Salvador García L. 40

 SISTEMA (M/G/1)

 Considere un sistema con llegadas de acuerdo a una

distribución de Poisson con parámetro . El tiempo
de servicio puede tener cualquier distribución de
probabilidad con media y varianza conocidas.

 2 2   2
 P0  1   Lq 
 2(1   )

Lq 1
L  Lq   Wq  W  Wq 
 
Dr. Salvador García L. 41
 SISTEMA (M/G/1)
EJEMPLO

 Máquinas de un proceso de manufactura se

descomponen aleatoriamente requiriendo servicio
mecánico. Se asume que las fallas ocurren de
acuerdo a una distribución Poisson con razón de
1.5/hr. Observaciones a lo largo de varios meses
muestran que los tiempos de reparación por parte de
un mecánico, tienen una media de 30 min con una
desviación std de 20 min.

Dr. Salvador García L. 42

 SISTEMA (M/G/1)
EJEMPLO

 Calcular el número promedio de máquinas en

reparación.

 1.5 2 2   2
   0.75 Lq   1.625
 2 2(1   )

L  Lq    2.375 maq

Dr. Salvador García L. 43