POR QU ESTUDIAR SISTEMAS DE COLAS?

El estudio de las lneas de espera trata de cuantificar el fenmeno de esperar

formando colas, mediante medidas representativas de eficiencia, como la longitud
promedio de la cola, el tiempo promedio de espera en ella, y la utilizacin promedio de
las instalaciones.

ELEMENTOS DE UN MODELO DE COLA

Los actores principales en una lnea de espera o cola son el cliente y el servidor. Los
clientes se generan en una fuente. Al llegar a la instalacin pueden recibir servicio de
inmediato, o esperar en una cola o lnea de espera, si la instalacin est ocupada.
Cuando en una instalacin se termina un servicio, en forma automtica se atrae a un
cliente que espera, si lo hay, de la cola. Si la cola est vaca, la instalacin se vuelve
inactiva hasta que llega un cliente nuevo.
Desde el punto de vista del anlisis de las colas, el proceso de llegada se representa
con el tiempo entre llegadas, de los clientes sucesivos, y el servicio se describe con
el tiempo de servicio por cada cliente. Por lo general, los tiempos entre llegadas y de
servicio pueden ser probabilsticos, como en el funcionamiento de una oficina de
correos, o determinsticos, como en la llegada de solicitantes a las entrevistas de
trabajo.
El tamao de la cola desempea un papel en el anlisis de las colas, y puede ser
finito, como en el rea de reserva entre dos mquinas consecutivas, o puede ser
infinito, como en las instalaciones de pedidos por correo. La disciplina de la cola, que
representa el orden en el que se seleccionan los clientes de una cola, es un factor
importante en el anlisis de los modelos de colas. La disciplina ms comn es la de
primero en llegar, primero en servirse (PLPS; tambin FCFS, del ingls first come, first
served). Entre otras disciplinas estn ltimo en llegar, primero en servirse (ULPS;
tambin LCFS de last come, first served), y de dar servicio en orden aleatorio (SEOA;
tambin SIRO, de service in random order). Tambin, los clientes se pueden
seleccionar en la cola con base en cierto orden de prioridad. Por ejemplo, los trabajos
urgentes en un taller se procesan antes que los trabajos normales.
El comportamiento de los clientes en espera juega un papel en el anlisis de las
lneas de espera. Los clientes humanos se pueden saltar de una cola a otra,
tratando de reducir la espera. Tambin pueden rehusar totalmente a la cola por haber
esperado demasiado. El diseo de la instalacin de servicio puede comprender
servidores en paralelo (por ejemplo, el funcionamiento de la oficina de correos).
Tambin, los servidores pueden ordenarse en serie (por ejemplo, cuando los trabajos
se procesan en mquinas sucesivas) o bien pueden formar una red (por ejemplo, los
enrutadores en una red de computadoras).
La fuente donde se generan los clientes puede ser finita o infinita. Una fuente finita
limita a los clientes que llegan al servicio (por ejemplo, las mquinas que piden el
servicio de mantenimiento). Tambin, una fuente infinita es abundante por siempre
(por ejemplo, las llamadas que llegan a una central telefnica). Las variaciones de los
elementos de un caso de colas dan lugar a diversos modelos de colas.

PAPEL DE LA DISTRIBUCIN EXPONENCIAL

En la mayor parte de los casos de colas, la llegada de los clientes se hace en una
forma totalmente aleatoria. Aleatoriedad quiere decir que la ocurrencia de un evento
(por ejemplo, la llegada de un cliente o la terminacin de un servicio) no est influida
por el tiempo que haya transcurrido desde la ocurrencia del evento anterior. Los
tiempos aleatorios entre llegadas se describen en forma cuantitativa, en los modelos
de colas, con la distribucin exponencial.
 f 1t2 = _e-_t, t 7 0

MODELOS CON NACIMIENTOS Y MUERTES PURAS

(RELACIN ENTRE LAS DISTRIBUCIONES EXPONENCIAL Y DE
POISSON)

En esta seccin se describen dos situaciones en las colas: la primera es un modelo de

nacimiento(s) puro(s), en el que slo se permiten llegadas, y el segundo es el
modelo de muerte(s) pura(s), en el que slo se permiten salidas. Un ejemplo del
modelo de nacimiento puro es la emisin de los certificados de nacimiento para los
recin nacidos. El modelo de muerte pura se puede visualizar con el retiro aleatorio de
un artculo en una tienda. La distribucin exponencial se usa para describir el tiempo
entre llegadas en el modelo de nacimiento puro, y el tiempo entre salidas con el
modelo de muerte pura. Un producto secundario del desarrollo de los dos modelos es
la demostracin de la estrecha relacin entre las distribuciones exponencial y de
Poisson, en el sentido que una distribucin define en forma automtica a la otra.

MODELO GENERALIZADO DE COLA DE POISSON

En esta seccin se formula un modelo general de cola donde se combinan llegadas y

salidas, basndose en las hiptesis de Poisson: los tiempos entre llegadas y de
servicio tienen una distribucin exponencial. El modelo es la base para deducir
modelos de Poisson especializados, que se vern en la seccin 17.6. El desarrollo del
modelo generalizado se basa en el comportamiento a largo plazo, o de estado
estable, de la cola, que se alcanza despus de que el sistema ha estado funcionando
durante un tiempo suficientemente largo. Esta clase de anlisis contrasta con el
comportamiento transitorio (de calentamiento) que prevalece durante el inicio del
funcionamiento del sistema. Una razn para no describir el comportamiento transitorio
en este captulo es su complejidad analtica. Otra es que el estudio de la mayor parte
de los casos de lneas de espera sucede bajo condiciones de estado estable.
En el modelo generalizado supone que las frecuencias tanto de llegada como de
salida dependen del estado, y eso quiere decir que dependen de la cantidad de
clientes en la instalacin de servicio. Por ejemplo, en la caseta de cobro de una
autopista, los empleados tienden a acelerar el cobro durante las horas pico. Otro
ejemplo se da en un taller, con determinada cantidad de mquinas, cuando disminuye
la frecuencia de descomposturas, cuando aumenta la cantidad de mquinas
descompuestas (porque slo las mquinas que trabajan son capaces de generar
descomposturas nuevas).

Se definir lo siguiente:

n _ Cantidad de clientes en el sistema (en la cola y en el servicio)

_n _ Frecuencia de llegada cuando hay n clientes en el sistema
_n _ Frecuencia de salida cuando hay n clientes en el sistema
pn _ Probabilidad de estado estable de que haya n clientes en el sistema
El modelo generalizado define a pn como funcin de _n y pn. Despus se usan esas
probabilidades para determinar las medidas de funcionamiento del sistema, como la
longitud promedio de la cola, el tiempo promedio de espera y la utilizacin promedio de
la instalacin.

Las probabilidades pn se calculan usando el diagrama de frecuencia de transicin

(o rapidez o tasa de transicin) de la figura 17.3. El sistema de cola est en el
estado n cuando la cantidad de clientes en l es n. Como se explic en la seccin
17.3, la probabilidad de que suceda ms de un evento durante un intervalo pequeo h,
tiende a cero cuando.
Eso quiere decir que para n _ 0, el estado n slo puede cambiar a dos estados
posibles: n 1 cuando hay una salida con frecuencia _n, y n _ 1 cuando hay una
llegada con la frecuencia _n. El estado 0 slo puede cambiar al estado 1 cuando hay
una llegada con la frecuencia _0.
Observe que _0 no est definida, porque no pueden haber salidas si el sistema est
vaco.

OTROS MODELOS DE COLA

Las secciones anteriores se concentraron en modelos de cola de Poisson. Las

publicaciones sobre colas contienen abundancia de otros modelos. En especial, las
colas con prioridad de servicio, colas de red y colas no de Poisson, forman una parte
importante de este campo. Esos modelos se pueden encontrar en la mayor parte de
los libros especializados en teora de colas.

MODELOS DE DECISIN CON COLAS

El nivel de servicio de una instalacin con lneas de espera es una funcin de la tasa
de servicio _ y de la cantidad de servidores en paralelo c. En esta seccin se
presentan dos modelos de decisin para determinar los niveles de servicio
adecuados para sistemas de cola: 1) un modelo de costo y 2) un modelo de nivel de
aspiracin. En ambos modelos se reconoce que los mayores niveles de servicio
reducen el tiempo de espera en el sistema. Los dos modelos tratan de llegar a un
notable balance entre los factores opuestos, de nivel de servicio y de espera.

Modelos de costo

En los modelos de costo se trata de balancear dos costos opuestos:

1. El costo de ofrecer el servicio.

2. El costo de demorar la oferta del servicio (el tiempo de espera del cliente).

Las dos clases de costo se contraponen, porque al aumentar una se reduce la otra
automticamente, como se ve en la figura 17.1.
Si x _ (_ o c) representa el nivel de servicio, se puede expresar como sigue el modelo
de costo:

en donde

ETC _ Costo total esperado por unidad de tiempo

EOC _ Costo esperado del funcionamiento de la instalacin por unidad de tiempo
EWC _ Costo esperado de la espera por unidad de tiempo

Las formas ms sencillas de EOC y EWC son las siguientes funciones lineales:

en donde

C1 _ Costo por unidad de x por unidad de tiempo

C2 _ Costo de la espera por unidad de tiempo por cada cliente que espera

Modelo de nivel de aspiracin

La viabilidad del modelo de costo depende de lo bien que se puedan estimar los
parmetros de costo. En general es difcil estimarlos, en especial el relacionado con el
tiempo de espera de los clientes. El modelo de aspiracin alivia esta dificultad al
trabajar en forma directa con las medidas de desempeo de la cola que se trate. La
idea es determinar un intervalo aceptable de nivel de servicio (_ o c) especificando
lmites razonables de medidas contrapuestas de desempeo. Esos lmites son los
niveles de aspiracin que desea lograr quien toma las decisiones.
Ilustraremos el procedimiento aplicndolo al modelo de varios servidores, donde se
desea determinar una cantidad c* aceptable de servidores. Esto se hace teniendo en
cuenta las dos medidas (contrapuestas) de desempeo:

1. El tiempo promedio en el sistema, Ws.

2. El porcentaje de inactividad de los servidores, X.

El valor de Ws se puede calcular usando TORA. El porcentaje de inactividad se puede

calcular como sigue: