SISTEMA DE COLAS

PORQUE ESTUDIAR LAS COLAS?

EN SERES HUMANOS
• ESPERAMOS EN LOS RESTAURANTES.
• HACEMOS FILA PARA ABORDAR UN AVIÓN.
• FORMAMOS EN LA COLA PARA QUE NOS ATIENDAN EN DEPENDENCIAS OFICIALES. ETC.
NO SE LIMITA A SERES HUMANOS
LOS TRABAJOS ESPERAN PARA SER PROCESADOS.
LOS AVIONES VUELAN EN CÍRCULOS A DIFERENTES ALTURAS HASTA QUE SE LES PERMITE
ATERRIZAR.
LOS AUTOS SE DETIENEN EN LOS SEMÁFOROS, ETC.
ELIMINAR LA ESPERA POR COMPLETO NO ES UNA OPCIÓN FACTIBLE DEBIDO A QUE EL COSTO DE
INSTALACIÓN Y OPERACIÓN DEL CENTRO DE OPERACIÓN PUEDE SER PROHIBITIVO. NUESTRO
ÚNICO RECURSO ES BUSCAR EL EQUILIBRIO ENTRE EL COSTO DE OFRECER UN SERVICIO Y EL DE
ESPERAR A QUE LO ATIENDAN.
Ejemplo
 Elementos de un modelo de colas
Cliente Servidor Instalacion
Fuente Tiempo entre llegadas Tiempo de servicio
Tamaño de la cola Disciplina de las colas Primero en llegar primero en ser
atendido Ultimo en llegar primero en ser atendido
Servicio en orden aleatorio Prioridad Cambiarse
Desistir Salirse Fuente finita
Fuente infinita

Las variaciones en los elementos de una situación

de colas originan varios modelos de colas
matemáticos. Las situaciones de colas complejas
que no pueden representarse matemáticamente se
suelen analizar por medio de simulación.
Analizar
Distribuciones de Probabilidad mas
usadas en los sistemas de colas.
1. Distribución de Probabilidad de
Poisson.

2. Distribución de Probabilidad
Exponencial
Distribución de Poisson
Caracteristicas
Función de Probabilidad
Ejemplo
 DISTRIBUCION EXPONENCIAL
 La distribución exponencial tiene una gran utilidad práctica ya que podemos considerarla como
un modelo adecuado para la distribución de probabilidad del tiempo de espera entre dos
hechos que sigan un proceso de Poisson.
 La distribución exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas
son de Poisson el tiempo entre estas llegadas es exponencial.
 La distribución exponencial es continua porque el tiempo entre llegadas no tiene que ser un
número entero. Esta distribución se utiliza mucho para describir el tiempo entre eventos. Más
específicamente la variable aleatoria que representa al tiempo necesario para servir a la
llegada.
 Ejemplos típicos de esta situación son el tiempo que un medico dedica a una exploración, el
tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia.
 El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir,
que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni
de la posible cola que pueda estar formándose.
 Otra característica de este tipo de distribución es que no tienen "edad" o en otras palabras,
"memoria". Por ejemplo. Supongamos que el tiempo de atención de un paciente en una sala
quirúrgica sigue una distribución exponencial. Si el paciente ya lleva 5 horas siendo operado, la
probabilidad de que esté una hora más es la misma que si hubiera estado 2 horas, o 10 horas o
las que sea. Esto es debido a que la distribución exponencial supone que los tiempos de servicio
tienen una gran variabilidad. A lo mejor el próximo paciente operado tarda 1 hora porque su
cirugía era mucho más simple que la anterior.
Funcion de probabilidad, densidad, y falta de
memoria
 Ejercicios
EJEMPLO 1.-El tiempo durante el cual cierta marca de batería trabaja en forma efectiva hasta que falle (tiempo de
falla) se distribuye según el modelo exponencial con un tiempo promedio de fallas igual a 360 días.
a) ¿qué probabilidad hay que el tiempo de falla sea mayor que 400 días?.
b) Si una de estas baterías ha trabajado ya 400 días, ¿qué probabilidad hay que trabaja más de 200 días más?

EJEMPLO 2.-Suponga que la vida de cierto tipo de tubos electrónicos tiene una distribución exponencial con vida
media de 500 horas. Si X representa la vida del tubo (tiempo q dura el tubo).
a) Hallar la probabilidad que se queme antes de las 300 horas.
b) ¿Cuál es la probabilidad que dure por lo menos 300 horas?
c) Si un tubo particular ha durado 300 horas. ¿cúal es la probabilidad de que dure otras 400 horas?

EJEMPLO 3.-Suponga que el tiempo que necesita un cajero de un banco para atender a un cliente tiene un
distribución exponencial con una media de 40 segundos.
a) Hallar la probabilidad que el tiempo necesario para atender un cliente dado sea mayor que 20 minutos?
b) ¿Cuál es la probabilidad que el tiempo necesario para atender a un cliente esté comprendido entre 1 y 2
minutos.
 Ejemplo 4.-Las fallas de un equipo de radar siguen la distribución exponencial, el promedio de
fallas es de una por cada 300 horas. Si se tiene una probabilidad del 96% de que no exista una
avería en un intervalo de tiempo > 0 = a t, calcule el tiempo para esta probabilidad.

 Ejemplo 5.- Una fábrica de llantas para automóviles garantiza que duran 2 años en promedio, si
el desgaste de estas llantas sigue la distribución exponencial. ¿Cuál es la probabilidad de que
una llanta dure menos de 4 años?

 Ejemplo 6.- Según estadísticas que se han llevado a cabo un molino de trigo se descompone en
promedio una vez cada dos años. ¿Cuál es la probabilidad de que la siguiente descompostura
sea dentro de 6 meses?

 Ejemplo 7.- Una compañía que produce tarjetas de video para PC, sabe que el tiempo de vida
de estas, sigue una distribución exponencial con una vida media de 10 años. Si el fabricante no
quiere reemplazar más del 8% de su producto, determine este tiempo de garantía al mes más
cercano.

 Ejemplo 8.- Una compañía de fabrica de focos para un fin determinado sabe que el tiempo de
vida de estos sigue una distribución exponencial con una vida media de 7 años, la compañía
quiere determinar un tiempo de garantía de tal manera que no tenga que reemplazar mas del
10% de los focos. Determine este tiempo de garantía, aproxime al mes más cercano
Proceso de nacimiento y muerte
pura

En esta sección consideraremos dos procesos

especiales. En el primer proceso, los clientes llegan y
nunca parten y en el segundo proceso los clientes se
retiran de un abasto inicial. En ambos casos los
procesos de llegada y retiro ocurren de manera
aleatoria. Las dos situaciones se denominan proceso de
nacimiento puro y proceso de muerte pura.
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.
Ejemplo
 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 n artículos
en el almacén después de un tiempo t, la da la siguiente distribución truncada de
Poisson:
Ejemplo
Relaciones entre Poisson y Exponencial
Medición del Rendimiento de las colas
Notacion de los modelos de colas
Ejemplo de Notación Kendall
Variedad de colas
4 modelos a estudiar
Condiciones Necesarias.
Estado Estable y Transitorio.

PARA QUE SE APLIQUE LA TEORIA DE COLAS EL

SISTEMA TIENE QUE TENER EL ESTADO ESTABLE.

En este contexto tenemos que la tasa de llegadas tiene

que ser menor que la tasa de salida del sistema.

Ejemplo: Si llegan 30 clientes cada hora y se pueden

atender 14 clientes por hora por servidor ¿ Cuál es la
cantidad mínima de servidores para que el sistema tenga
la condición de estable?
Modelo 1: M/M/1
Terminología Notación Fórmulas
M/M/1
Fórmulas M/M/1
Ejercicios
Modelo 2 : M/M/s
Formulas y Notación
Modelo 3: M/D/1
Modelo 4: De población Limitada
Notación
Formulas: