Professional Documents
Culture Documents
FACULTAD DE INGENIERÍA
Ciclo: 01 -2016
INTEGRANTES DE GRUPO:
Apellidos, Nombres Grupo
Alas Cabrera, Kevin Emilio 2-1
Cabrera Molares, Eduardo Rafael 2-1
Ochoa Méndez, Teresa Cristina 2-1
Romero de León, Luis Alfredo 2-1
1
Índice
Introducción ....................................................................................................................................... 4
Objetivos ............................................................................................. ¡Error! Marcador no definido.
Objetivo General ............................................................................ ¡Error! Marcador no definido.
Objetivo Especifico ........................................................................ ¡Error! Marcador no definido.
Modelo de cola .................................................................................................................................. 5
Modelo de Colas de Poisson Generalizado ............................................................................. 6
Ejemplo 1.1 ................................................................................................................................ 8
Ejemplo 1.2 ................................................................................................................................ 9
Ejemplo 1.3 .............................................................................................................................. 10
Colas especializadas de Poisson ............................................................................................ 10
Notación usada en la teoría de colas ...................................................................................... 11
Medidas de Rendimiento de Estado Estable ......................................................................... 14
Ejercicio 2.1 ............................................................................................................................. 15
Ejercicio 2.2 ............................................................................................................................. 17
Modelo de un Solo Servidor...................................................................................................... 17
2
Ejemplo 6.1 .............................................................................................................................. 35
Ejemplo 6.2 .............................................................................................................................. 36
Ejemplo 6.3 .............................................................................................................................. 37
(M/M/C): (DG/N/∞)...................................................................................................................... 38
Ejemplo 7.1 .............................................................................................................................. 40
Ejemplo 7.2 .............................................................................................................................. 41
Ejemplo 7.3 .............................................................................................................................. 43
Modelo (M/M/∞): (GD/∞/∞) ....................................................................................................... 46
Ejemplo 8.1 .............................................................................................................................. 48
Ejemplo 8.2 .............................................................................................................................. 49
Modelo de Servicio de Máquinas .................................................................................................. 50
Ejercicio 9.1 ............................................................................................................................. 51
Ejercicio 9.2 ............................................................................................................................. 52
Formula de Pollaczek-Khintchine (P-K) .................................................................................. 53
Ejercicio 10.1 ........................................................................................................................... 54
Ejercicio 10.2 ........................................................................................................................... 55
Fuentes de información ................................................................................................................. 57
Bibliografía ................................................................................................................................... 57
Páginas Web ............................................................................................................................... 57
3
Introducción
Una cola se caracteriza por el número máximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; el proceso básico de colas estáreferido
como “cliente” que requiere de servicio se generan en el tiempo por medio de una
“fuente de entrada”. Estos clientes entran al sistema y se unen a una cola. En
diversos momentos, se selecciona a uno de los clientes formados para darle
servicios mediante un modelo de cola.
Los modelos de colas en los que las llegadas y salidas no siguen la distribución de
Poisson son complejos. En general, es aconsejable utilizar la simulación como una
herramienta alternativa para analizar estas situaciones entre esta conocerán La
fórmula estados Pollaczek - Khinchine una relación entre la longitud de la cola y la
distribución del tiempo de servicio. El término también se utiliza para referirse a las
relaciones entre la longitud media de cola y la media de espera con respecto al
tiempo del servicio.
4
MODELO DE COLA
Una cola se caracteriza por el número máximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; la suposición de una cola infinita es la
estándar para la mayor parte de modelos de colas, incluso para casos en donde se
hace referencia a un número predeterminado de clientes es relativamente grande;
para los sistemas de cola en donde este número predeterminado de clientes es
pequeño y logra alcanzar con frecuencia entonces decimos que es necesario
suponer una cola finita.
El proceso básico de colas está referido como “cliente” que requiere de servicio se
generan en el tiempo por medio de una “fuente de entrada”. Estos clientes entran al
sistema y se unen a una cola. En diversos momentos, se selecciona a uno de los
clientes formados para darle servicios mediante la disciplina de cola.
• Fuente de • Mecanismo
Entrada • Cola del Servicio
cliente cliente
servidos
5
Modelo de Colas de Poisson Generalizado
La característica de operaciones en modelos de colas es determinada en gran parte
por propiedades estadísticas en este caso la distribución de Poisson nos ayuda con
los tiempos entre llegada y los tiempos de servicios para los sistemas reales de
colas, estas distribuciones pueden tomar cualquier forma sin embargo para la
exposición de un modelo de teoría de colas se requiere de predicciones reales
Dentro de esta sección se desarrolla un modelo de colas general que combina tanto
llegadas como salidas con base en la superposición de Poisson, es decir, los
tiempos entre llegadas y los tiempos de servicio siguen la distribución exponencial.
El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo
o de “estado estable” de la situación de colas, alcanzado después de que el sistema
ha estado en operación durante un tiempo suficientemente largo. Este tipo de
análisis contrasta con el comportamiento transitorio (o de calentamiento) que
prevalece durante el inicio de la operación del sistema.
Se definirá lo siguiente:
6
n=Cantidad de clientes en el sistema
λn =Frecuencia de llegada cuando hay n clientes en el sistema
μn =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 general asume que tanto las tasas de entrada como de salida dependen
del estado; lo que significa que dependen de la cantidad de clientes en la instalación
de servicio.
7
𝑛
𝑃{𝑈 > 𝑡} = 𝑒 − ∑𝑖=1 𝛼𝑡
4. Relación de Poisson
𝑃{𝑥(𝑡)} = 𝑒 −𝛼𝑡
5. Si tenemos todos los valores positivos
𝑃{𝑥(𝑡)} = 1 − 𝑒 −𝛼∆𝑡
Ejemplo 1.1
B&K Groceries opera con tres cajas. El gerente usa el siguiente programa para
determinar la cantidad de cajeras en operación, en función de la cantidad de clientes
en la tienda:
Los clientes llegan a las cajas siguiendo una distribución de Poisson, con una
frecuencia media de 10 por hora. El tiempo promedio de atención a un cliente es
exponencial, con 12 minutos de promedio. Calcular la probabilidad p de estado
estable de que haya n clientes en las cajas.
60
= 5 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝑛 = 1,2,3
μn { 12
2𝑥5 = 101 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝑛 = 4,5,6
3𝑥5 = 15 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑡𝑎, 𝑛 = 7,8
Entonces:
10 1
𝑃1 = { } 𝑃0 = 2𝑃0
5
10 2
𝑃2 = { } 𝑃0 = 4𝑃0
5
10 3
𝑃3 = { } 𝑃0 = 8𝑃0
5
10 3 10 1
𝑃4 = { } { } 𝑃0 = 8𝑃0
5 10
8
10 3 10 2
𝑃5 = { } { } 𝑃0 = 8𝑃0
5 10
10 3 10 3
𝑃6 = { } { } 𝑃0 = 8𝑃0
5 10
10 3 10 3 10 𝑛−6 2 𝑛−6
𝑃𝑛 = { } { } { } 𝑃0 = 8 { } 𝑃0
5 10 15 3
Po+Po(2+4+6+8+8+8+8(2/3)+ 8(2/3)2+8(2/3)3+…)=1
∝
1
∑= , 𝑙𝑥𝑙 < 1
1−𝑥
𝑖=0
Para obtener
1
𝑃𝑜 = (31 + 8 ( )) = 1
2
1−3
Ejemplo 1.2
Continuando con el problema anterior diremos que, la probabilidad de que solo haya
una caja abierta se calcula como la que haya entre 1 y 3 clientes en el sistema, esto
es
P1+P2+P3=(2+4+8)(1/55)=0.225
9
Se puede usar Pn para determinar medidas de funcionamiento, o de eficiencia, para
el caso de B&K. Por ejemplo.
3Po+2(P1+P2+P3)+1(P4+P5+P6)+0(P7+P8+…)= 1 Caja.
Ejemplo 1.3
1) Marty’s Barber Shop tiene una peluquería. Los clientes llegan a la tasa de 2.2
clientes por hora, y los cortes de pelo se dan a la tasa promedio de cinco por
hora. Use el modelo de llegadas de Poisson y tiempos de servicio
exponenciales para responder las siguientes preguntas:
a) ¿Cuál es la probabilidad de que no haya unidades en el sistema?
b) ¿Cuál es la probabilidad de que un cliente esté recibiendo un corte de
pelo y nadie esté esperando?
c) ¿Cuál es la probabilidad de que un cliente esté recibiendo un corte de
pelo y un cliente esté esperando?
λ = 2.2 clientes por horas = 0.037 clientes por minuto
μ = 5 cortes por hora = 0.083 cortes por minuto
2.2
𝑎)𝑃0 = 1 − = 0.56
5
2.2 0
𝑎)𝑃1 = { } ∗ 0.56 = 0.56
5
2.2 1
𝑎)𝑃2 = { } ∗ 0.56 = 0.2464
5
10
quiere decir que la tasa de servicio en cualquier servidor es μ clientes por unidad de
tiempo. La cantidad de clientes en el sistema incluye por definición; los que hay en
el servicio y los que esperan en la cola.
Tenemos que:
a= Distribución de llegadas
d= disciplina en la cola
11
M = Distribución de Markov (o de Poisson) de las llegadas o de las salidas
(o lo que es igual, distribución exponencial del tiempo entre llegadas o
tiempo de servicio)
D = Tiempo constante (determinístico)
Ek = Distribución Erlang o gamma de tiempo (o bien, la suma de
distribuciones exponenciales independientes)
GI = Distribución general del tiempo entre llegadas
G = Distribución general del tiempo de servicio
Nomenclatura
12
L : Número medio de clientes en el sistema
13
Medidas de Rendimiento de Estado Estable
El objetivo que se persigue al analizar situaciones de espera consiste en generar
medidas de desempeño para evaluar los sistemas reales. Se debe decidir con
anticipación, debido a que un sistema de espera opera como función del tiempo, si
interesa analizar el sistema en condiciones transitorias o de estado estable
Se recuerda que el sistema incluye tanto la cola como las instalaciones de servicio.
Entonces:
Para Ls
𝜆
𝑙𝑠 = ∑𝛼𝑛=1 𝑛𝑃𝑛 = 𝑙𝑞 + 𝜇
Para Lq:
𝑳𝒒 = ∑𝜶𝒄+𝟏(𝒏 − 𝒄)𝑷𝒏
Para Ws:
𝟏
𝑾𝒔 = 𝑾𝒒 +
𝝁
Para 𝒄̅:
𝝀
𝒄̅ = 𝑳𝒔 − 𝑳𝒒 ̅𝒄 =
𝝁
14
Ejercicio 2.1
El estacionamiento para visitantes en el colegio Ozark se limita a solo 5 espacios.
Los autos que utilizan estos espacios llegan de acuerdo con una distribución de
Poisson a razón de 6 por hora.
Solución:
60 𝑎𝑢𝑡𝑜𝑠
𝑛 ( ) = 2𝑛 , 𝑛 = 1,2,3,4,5
𝜇𝑛 = { 30 ℎ𝑜𝑟𝑎
60
5 ( ) , 𝑛 = 6,7,8
30
Luego
15
3𝑛
𝑃𝑜, 𝑛 = 1,2,3,4,5
𝑃𝑛 = { 𝑛! 𝑛
3
𝑃𝑜, 𝑛 = 6,7,8
5! 5𝑛−5
Po+P1+…+P8=1
O bien
3 32 33 34 35 36 37 38
P0 + P0(1! + + + + + 5!5 + 5!52 + 5!53 ) =1
2! 3! 4! 5!
n 1 2 3 4 5 6 7 8
Pn 0.14436 0.21654 0.21654 0.16240 0.09744 0.05847 0.03508 0.02105
λ=λefect. + λperdida
Entonces
16
c) Ls=0P0+1P1+…+8P8=3.1286 autos
Un auto que espera en el espacio temporal es en realidad un auto que está haciendo
cola. Por lo tanto su tiempo de espera hasta que se encuentra un espacio W q. Para
determinar W q usamos:
1
Wq=W s- 𝜇
𝐿𝑠 3.1286
Si Ws=𝜆𝑒𝑓𝑒𝑐𝑡.=5.8737 = 0.53265 ℎ𝑜𝑟𝑎𝑠
𝜆𝑒𝑓𝑒𝑐𝑡
𝑐̅ = 𝐿𝑠 − 𝐿𝑞 =
2
Ejercicio 2.2
Suponga una estación de gasolina a la cual llegan en promedio 45 clientes por hora
se tiene capacidad para atender en promedio a 60 clientes por hora se sabe que los
clientes esperan en promedio 3 minutos en la cola La tasa media de llegadas es
45 clientes por hora o 45/60 = 0.75 clientes por minuto La tasa media de servicio
es 60 clientes por hora o 60/60 = 1 cliente por minuto
Wq 3 min
1 1
Ws Wq 3 4 min
1
Ls Ws 0.75 4 3 clientes
Lq Wq 0.75 3 2.25 clientes
17
λ = tasa media de llegadas para los clientes que entran al sistema de colas, o
número esperado de llegadas por unidad de tiempo.
Entonces podemos decir que 1/λ es el tiempo esperado entre llegadas (el tiempo
promedio entre la llegada de clientes consecutivos) y 1/μ es el tiempo esperado de
servicio para cada cliente.
Un nuevo símbolo para esta sección es ρ = λ / μ donde ρ es la letra griega ro. A esta
cantidad ρ se llama factor de utilización, y representa la fracción de tiempo promedio
que utiliza el servidor para atender a los clientes.
Acá se presentan dos modelos para el caso de un solo servidor (c=1). El primer
modelo no limita el número máximo de su sistema, y el segundo supone un límite
finito del sistema. Ambos modelos suponen una capacidad infinita de la fuente. Las
llegadas ocurren a razón de λ clientes por unidad de tiempo y la tasa de servicio es
un μ clientes por unidad de tiempo.
Los resultados de los modelos se derivan como casos especiales de los resultados
del modelo generalizado, visto anteriormente.
(M/M/1): (GD//)
Características:
Posee 1 servidor.
No hay límites de capacidad en el sistema.
Los clientes son servidos con la política PEPS y cada arribo espera a ser
servido sin importar la longitud de la línea o cola.
Los arribos son independientes de arribos anteriores, pero el promedio de
arribos no cambia con el tiempo.
18
Los arribos son descritos mediante la probabilidad de poisson y proceden de
una población muy grande o infinita.
Los tiempos de servicio varían de cliente a cliente y son independientes entre
sí, pero su tasa promedio es conocida
Los tiempos de servicio se representan mediante la distribución de
probabilidad exponencial negativa.
La tasa de servicio es más rápida que la de arribo.
λ ≡ tasa de llegadas.
µ ≡ tasa de servicio.
s ≡ numero de servidores.
Se calcula:
19
De estas tres fórmulas se deduce: L = Lq + λ/µ.
Deducción de formulas
𝑝𝑛 = 𝜌𝑛 𝑝𝑜 , n= 0,1,2…
Para “𝐿𝑠 ”
∝ ∝
∝
𝑑
= (1 − 𝜌)𝜌 ∑ 𝜌𝑛
𝑑𝜌
𝑛=0
𝑑 1
= (1 − 𝜌)𝜌 ( )
𝑑𝜌 1 − 𝜌
1
𝐿𝑠 = ( )
1−𝜌
Como 𝜆𝑒𝑓𝑓 = 𝜆 las medidas restantes de desempeño se calculan con las siguientes
ecuaciones.
𝐿𝑠 1 1
𝑊𝑆 = = =
𝜆 𝜇(1 − 𝜌) 𝜇 − 𝜆
20
1 𝜌
𝑊𝑞 = 𝑤𝑠 − =
𝜇 𝜇(1 − 𝜌)
𝜌2
𝐿𝑞 = 𝜆𝑊𝑄 =
1−𝜌
𝐶̅ = 𝐿𝑆 − 𝐿𝑞 = 𝜌
𝐿𝑠 = 𝜆𝑒𝑓𝑓 𝑤𝑠
𝐿𝑒𝑓𝑓
𝐿𝑠 = 𝐿𝑞 +
𝜇
𝜆𝑒𝑓𝑓
𝐶̅ = 𝐿𝑆 − 𝐿𝑞 = 𝜇
Por lo tanto podemos decir que la diferencia entre el numero promedio de clientes
en el sistema y el numero promedio de clientes en la cola es igual al número
promedio de servidores ocupados.
Ejercicio 3.1
El servicio de lavado de autos Mr. Clean está abierto seis días a la semana, pero el
día de trabajo más pesado es siempre el sábado. A partir de datos históricos, el
gerente estima que los coches sucios llegan a una tasa de 22 por hora, durante todo
el sábado. Con una brigada completa trabajando la línea de lavado a mano, él
calcula que los automóviles se pueden lavar a una tasa de uno cada dos minutos.
Se cuenta con una línea de espera con un solo canal, es decir, los automóviles se
lavan de uno en uno cuando les toca su turno. Supón las llegadas con distribución
de Poisson y tiempos exponenciales de servicio.
Solución:
21
A continuación, obtendremos los parámetros operacionales.
El número promedio de automóviles en la línea se definirá de la siguiente
manera:
Ejercicio 3.2
Datos:
1 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 1 𝑡𝑟𝑎𝑏𝑎𝑗𝑜𝑠
𝜆=5 𝜇=4
𝑑𝑖𝑎𝑠 𝑑𝑖𝑎𝑠
Solución
a) 𝑃𝑂 = 1 − 𝜌
22
𝜆
=1−𝜇 = 1 − 0.8 = 0.2
1
b) 𝜇(30𝑑𝑖𝑎𝑠)($50) = (30𝑑𝑖𝑎𝑠)($50) = $375
4
𝜌2 0.82
c) 𝐿𝑞 = 1−𝜌 = 1−0.8 = 3.2
$40(3.2)=$128
23
(M/M/1): (GD/N/∞)
Este modelo difiere de (M/M/1) : (GD/∞/∞) en que hay un límite N en el número del
sistema (longitud máxima de la cola= N-1). Algunos ejemplos incluyen situaciones
de manufactura en las que una maquina puede tener un espacio intermedio limitado
y una ventanilla de servicio en su coche en un restaurante de comida rápida. No se
permiten nuevas llegadas cuando la cantidad de clientes en el sistema llega a N.
Ejercicio 4.1
Los pacientes llegan a una Clínica según una distribución de Poisson a una tasa de
30 pacientes por hora. La sala de espera tiene sólo 14 asientos y no da más cabida,
El tiempo de auscultación por paciente es exponencial con tasa media de 20
pacientes por hora. Determine:
Para éste modelo no importa que ρ>1, así que ya tenemos el ρ = 1,5pacientes
esperando, pero uno que debe estar adentro chequeándose con el Dr.
24
Ejercicio 4.2
En Forester Manufacturing se ha asignado a un técnico el mantenimiento de 3
máquinas. Para cada máquina la distribución de probabilidad de tiempo de
operación antes de descomponerse es exponencial con media de 9 horas. El tiempo
de reparación también tiene distribución exponencial con media de 2 horas.
Datos:
1
𝜆= (3) = 1/3
9
𝜇 = 1/2
Solución
𝜆 1/3
b) 𝜌 = 𝜇 = 1/2 = 2/3
Ejercicio 4.3
Janeth tiene un auto lavado y desea saber cuántos espacios asignar a los autos que
esperan. Janet espera que los clientes lleguen en forma aleatoria (proceso poisson)
con una tasa media de 1 cada 4 minutos, al menos que el área de espera esté llena,
en cuyo caso los autos se irán a otra parte. El tiempo de lavado de un carro tiene
función exponencial con media de 3 minutos. Compara la fracción de clientes
potenciales que se pierden por falta de espacio de espera si se proporcionan. A)0,
b)2, c) 4 espacios además del lugar de lavado)
1
𝜆= 𝑚𝑖𝑛
4
1
=3
𝜇
25
𝜇 = 1/3𝑚𝑖𝑛
1/4
𝜌= = 3/4
1/3
a) Para 0 espacios
1−𝜌
𝑃1 = 𝑁+1
𝜌𝑛
1−𝜌
3 3
(1 − 4)(4)
𝑃1 = = 0.429
1 − 3/42
b) Para 2 espacios
3
(1 − 4)3/43
𝑃3 = = 0.154
1 − 3/44
c) Para 4 espacios
3
(1 − 4)3/45
𝑃5 = = 0.72
1 − 3/46
(M/M/1): (DG/∞ / ∞)
Este es un modelo de servidor único sin límites en la capacidad del sistema o de la
fuente de llamadas, con llegadas y salidas de Poisson con tasa medias λ y µ.
Pn = (1- ρ ) * r ρ n , n = 0,1,2,…
26
Para este modelo las medidas de básicas de desempeño se calculan de la siguiente
forma:
Ls = E{ n} = (ρ) / (1- ρ ) Ws = Ls / λ = 1 / [ µ ( 1- ρ ) ]
Lq = Ls - l / m = ρ 2 /(1- ρ) Wq = Lq / l = r / [m ( 1- ρ ) ]
Ejemplo 5.1
A un cajero automático sólo llega un promedio de 10 vehículos por hora.
3.- En promedio, ¿cuántos clientes por hora serán atendidos por el cajero
automático?
(para n = 0, 1, 2, …)
P0 (1 + ρ + ρ2 + …) = 1
27
Suponiendo que ρ < 1, la serie geométrica tiene la suma finita (1/(1- ρ)), y entonces
P0 = 1- ρ, siendo que ρ < 1.
Pn = (1 – ρ) ρn, n = 1, 2, … (ρ <1)
Ejemplo 5.2
Datos:
2
𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜆=5
𝑚𝑖𝑛𝑢𝑡𝑜
N=10
1
= 1.5𝑚𝑖𝑛
𝜇
𝜇 = 0.6667
28
Solución:
a) 𝑝0 = 1 − 𝜌
= 1 − 𝜆/𝜇
2
1− 5 = 0.4
1 − 0.6667
𝜌2
b) 𝐿𝑞 = 1−𝜌
0.62
= 0.9 automovil
1 − 0.6
𝜌
c) 𝑊𝑞 = 𝜇(1−𝜌)
0.6
= = 2.24𝑚𝑖𝑛
0.6667(1.0.6)
Ejemplo 5.3
Los clientes llegan en automóvil a una ventanilla bancaria de acuerdo con una
distribución de poisson, con una media de 10 por hora. El tiempo de servicio de
cada cliente es exponencial, con una media de 5 minutos. Hay 3 espacios frente a
la ventanilla, incluyendo el del automóvil que es atendido. Si llegan más vehículos,
deben esperar fuera de este espacio para 3 vehículos, que es atendido.
29
a) ¿Cuál es la probabilidad de que un automóvil que llega pueda entrar en uno de
los 3 espacios?
b) ¿Cuál es la probabilidad de que un automóvil que llega deba esperar fuera de los
3espacios?
c) ¿cuánto tiempo debe esperar un cliente que llegue para que comiencen a
atenderlo?
Datos
10 1
𝜆= =
ℎ𝑜𝑟𝑎 6
1
= 5 min , 𝜇 = 1/5
𝜇
Solución
1/63
a) 𝑃(𝐿 = 𝑛) = 𝜌𝑛 = 1/5 = 0.5787
53+1
b) 𝑃(𝐿𝑞 > 3) = (𝜌𝑛+1 ) = 6 = 0.4822
𝜌 5/6
c) 𝑊𝑞 = 𝜇(1−𝜌) = 1/5(1−5/6) = 25 𝑚𝑖𝑛
(M/M/1): (DG/N/∞)
La diferencia de este modelo y el anterior radica en que el número máximo de
clientes (para este modelo) permitidos en el sistema es N (longitud máxima de la
línea de espera es = N-1). Esto significa cuando haya N clientes en el sistema, se
impiden todas las nuevas llegadas o no se les permite unirse a la línea de espera.
30
(1- ρ) / ( 1- ρ N+1) ; ρ ≠1
Po = 1 / N+1 ; ρ = 1
[ (1- ρ ) / ( 1- ρ N+1) ] ρ n ; ρ ≠ 1
pn = n = 0,1,2, ...
1 / (N+1) ; ρ = 1
Para este modelo no se hace necesario que r > 1 pues el número de unidades en
el sistema está controlado por la longitud de la línea de espera (= N-1).
Ls = N / 2 ; ρ = 1
Las medidas Lq, Ws y Wq se pueden calcular a partir de Ls, una vez que se
determina la tasa efectiva de llegadas λ ef de la forma siguiente:
λ e, f = l ( 1-pn)
Wq = Lq / λ e, f = Ls / [λ ( 1-pN ) ]
Ws = Wq +1/ µ = Ls / [λ ( 1-pN ) ]
31
Modelo de Servidores Múltiples
Dentro de los modelos de teoría de colas que incorporan servidores múltiples, se
pueden identificar las siguientes variantes:
o Canal único, Fases múltiples. Un centro de lavado de autos ilustra este tipo
de estructura, pues allíse realiza una serie de servicios (aspirar, mojar,
enjabonar, lavar, secar, limpiar ventanas y estacionar) en una secuencia
bastante uniforme. Uno de los factores críticos en el caso de canal único con
servicio en serie es la cantidad de acumulación de elementos que se permite
frente a cada servicio, lo cual a su vez significa filas de espera separadas.
o Canales Múltiples, Fase única: Las ventanillas de los cajeros en un banco
y las cajas registradoras en almacenes de departamentos con altos
volúmenes de ventas son ejemplos de este tipo de estructura. La dificultad
que plantea este sistema es que el tiempo de servicio desigual que se asigna
a cada cliente redunda en una velocidad o flujo desigual en las filas. Como
resultado, algunos clientes son atendidos primero que otros que llegaron
antes y hasta cierto punto se producen cambios entre las filas. Para cambiar
esta estructura con el fin de asegurar la atención de los clientes en orden
cronológico de llegada, sería preciso formar una fila única desde la cual, a
medida que se desocupa un servidor, se llama al siguiente cliente en la fila.
El principal problema que plantea esta estructura es que requiere un control
rígido de la fila para mantener el orden y dirigir a los clientes a los servidores
múltiples. En algunos casos, la asignación de números a los clientes en orden
de llegada ayuda a aliviar este problema.
o Canales Múltiples, Fases Múltiples: Este caso es semejante al anterior,
salvo que se realizan dos o más servicios en secuencia. La admisión de
pacientes en un hospital sigue este patrón, porque por lo general se sigue en
una secuencia especifica de pasos:
Establecer el contacto inicial en el sitio de admisiones
Llenar formularios
Elaborar etiquetas de identificación
Asignar un cuarto
32
Llevar al paciente al cuarto
Modelo
Cola Servidor Salida
Llegada varias líneas;
Múltiples
Cola Servidor
servidores
Salida
Cola Servidor
Salida
Llegada
Modelo de
Cola una línea;
Servicios
secuenciales
Servidor
Cola
Servidor Salida
33
(M/M/C): (DG/∞ / ∞)
En este modelo los clientes llegan con una tasa constante λ y un máximo de c
unidades puede ser atendidos simultáneamente. La tasa de servicio por servidor
activo es también constante e igual a m y λ e, f = λ.
λn=λn≥0
nµ , n ≤ c
µn = cµ , n ³c
( ρ n/ n!) p0 0 ≤ n ≤ c
Pn = ( ρ n/ c n-cc!) p0 n > c
𝑝𝑛 𝑝𝑐 1
P0=(∑𝐶−1
𝑛=0 𝑛! + ( 𝑝 )-1
𝑐! 1−
𝑐
Lq = [ρ c+1/ (c-1)(c- ρ ) ] p0 = [ c ρ / ( c- ρ ) 2] pc
Ls = Lq + ρ
Wq = Lq/λ
Ws = Wq + 1/µ
Las operaciones asociadas con este modelo pueden ser tediosas. Morse da dos
aproximaciones útiles para p0 y Lq. Para ρ mucho menor que 1
34
P0= 1- ρ y Lq= ρ c+1 /c2
Ejemplo 6.1
Hay dos empresas de taxis que dan servicio a una población. Cada empresa es
dueña de dos taxis, y se sabe que las dos empresas comparten partes iguales del
mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de cada
empresa. El tiempo promedio en el viaje es de 12 minutos. Las llamadas llegan
siguiendo una distribución de Poisson, y el tiempo de viaje es exponencial. Hace
poco, un inversionista compro las dos empresas, y le interesa consolidarlas en una
sola oficina para dar mejor servicio a los clientes. Analice la propuesta del nuevo
dueño.
Solución.
Desde el punto de vista de las colas, los taxis son los servidores y el viaje es el
servicio. Se puede representar a cada empresa como un modelo (M/M/2): (GD/∞/∞)
con un 𝜆=8 llamadas por hora y µ=60/12=5 viajes por taxi por hora. Al consolidarlas
se tendrá el modelo (M/M/4): (GD/∞/∞) con 𝜆=2x8=16 llamadas por hora y µ=5 viajes
por taxi por hora.
Una medida adecuada para comparar los modelos es el tiempo promedio que
espera un cliente para un viaje, esto es, 𝑊𝑞
Utilizando los datos para 2 y 4 servidores con las fórmulas de tiempo de espera se
obtiene que:
35
El tiempo de espera para un viaje es 0.356 horas (21 minutos) para el caso de dos
empresas
Ejemplo 6.2
La tienda Mom-and-Pop’s tiene un estacionamiento pequeño adyacente con tres
espacios reservados para los clientes. Si la tienda está abierta los autos llegan y
usan un espacio con una tasa media de 2 por hora. Para n=0, 1, 2,3 la Probabilidad
Pn de que haya justo n espacios ocupados es P0= 0.2, P1=0.1, P2=0.3, P3=0.2. a)
Describa la interpretación de este estacionamiento como sistema de colas. En
particular, identifique los clientes y los servidores. ¿Cuál es el servicio
proporcionado? ¿Qué constituye el tiempo de servicio? B) Determine las medidas
de desempeño básicas para este sistema de colas C) Use los resultados para
determinar el tiempo promedio que un auto permanece en el espacio.
Solución.
b) 𝐿 = 0𝑃0 + 1𝑃1 + 2𝑃2 + 3𝑃3 = 0(0.2) + 1(0.3) + 2(0.3) + 3(0.2) = 1.5 𝑎𝑢𝑡𝑜𝑠
𝐿 1.5
𝑊= = = 0.75 ℎ𝑜𝑟𝑎𝑠
𝜆 2
36
Ejemplo 6.3
Un sistema de colas tiene dos servidores, distribución de tiempos entre llegadas
exponencial con media de 2 horas y distribución de tiempos de servicio exponencial
con media de 2 horas para cada servidor. Lo que es más, a las 12:00 del día acaba
de llegar un cliente. A) ¿Cuál es la probabilidad de que la siguiente llegada ocurra
i) antes de la 1:00pm ii) entre la 1:00 y las 2:00pm, iii) después de las 2:00pm?
Suponga que no llegan más clientes antes de la 1:00pm, ahora, ¿Cuál es la
probabilidad de que la siguiente llegada tenga lugar entre la 1:00 y las 2:00pm?
¿Cuál es la probabilidad de que el número de llegadas entre la 1:00pm y las 2:00pm,
sea i) 0, ii)1, iii) 2 o más? Si ambos servidores están ocupados a la 1:00pm, ¿Cuál
es la probabilidad de que ningún cliente haya completado su servicio) antes de las
2:00pm, ii) antes de la 1:10pm, iii) antes de la 1:01pm?
Solución.
1
1 , 𝑛>0
Teniendo 𝜆𝑛 = 2 μ 𝑛 = {2
1, 𝑛=2
a) Probabilidad
1
Siguiente llegada antes de 1:00pm 𝑃 = 1 − 𝑒 −2 = 0.393
−1𝑥2 −1
Siguiente llegada entre 1:00pm-2:00pm 𝑃 = (1 − 𝑒 2 ) − (1 − 𝑒 2 ) = 0.238
−1𝑥2
Siguiente llegada después de 2:00pm 𝑃 = (1 − 𝑒 2 ) = 0.368
37
−1
𝑃 = (1 − 𝑒 2 ) = 0.393
(𝜆𝑡)𝑒 −𝜆𝑡 −1
𝑃= = 𝑒 2 = 0.607
0!
(𝜆𝑡)𝑒 −𝜆𝑡 1 −1
𝑃= = 𝑒 2 = 0303
1! 2
1 1 −1
𝑃 = 1 − 𝑒 −2 − 𝑒 2 = 0.4 − 0.3 = 0.1
2
𝑃 = 𝑒 −1 = 0368
1
𝑃 = 𝑒 −1(6) = 0.846
1
𝑃 = 𝑒 −1(60) = 0.983
(M/M/C): (DG/N/∞)
El modelo difiere de (M/M/C): (GD/∞/∞) en el que el límite del sistema es finito e
igual a N. Esto significa que el tamaño de la cola es (N-c). Las tasas de llegadas y
servicio son 𝜆 y µ. La tasa de llegadas efectiva 𝜆𝑒𝑓𝑓 es menor que 𝜆 debido al límite
de sistema N.
38
En términos generales se tiene:
𝜆, 0<𝑛<𝑁
𝜆𝑛 = {
0, 𝑛>𝑁
𝑛μ, 0<𝑛<𝑐
μ𝑛 = {
𝑐μ, 0<𝑛<𝑁
𝜆
Sustituyendo 𝜆𝑛 y μ𝑛 en la expresión general y dado que 𝜌 = µ se obtiene:
𝜌𝑛
𝑃, 0<𝑛<𝑐
𝑃𝑛 = { 𝑛! 𝑜
𝜌𝑛
𝑃𝑜 , 𝑐<𝑛<𝑁
𝐶 𝑛−𝑐 𝐶!
En donde se tiene:
𝑁
𝜌
𝐿𝑞= ∑(𝑛 − 𝑐)𝑃𝑛 , ≠1
𝑐
𝑛=𝑐
𝜌𝑐 (𝑁 − 𝑐)(𝑁 − 𝑐 + 1) 𝜌
𝐿𝑞= 𝑃𝑜 , =1
2𝑐! 𝑐
𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎 = 𝜆𝑃𝑛
𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎 = 𝜆 − 𝜆𝑝𝑒𝑟𝑑𝑖𝑑𝑎 = (1 − 𝑃𝑛 )
39
Ejemplo 7.1
En el departamento de servicios del concesionario de automóviles Glenn-Mark, los
mecánicos que requieren piezas para reparación o servicio de vehículos presentan
sus formularios de solicitud en el mostrador del departamento de autopartes. El
funcionario de esa división hace la solicitud mientras el mecánico aguarda. Los
mecánicos llegan de manera aleatoria (Poisson) a una tasa de 40 por hora, y un
empleado puede hacer solicitudes a una tasa de 20 por hora (exponencial). Si el
costo de un empleado del departamento de autopartes es de US$6 la hora y el costo
de un mecánico es de US$12 la hora, determine el número óptimo de empleados
para atender el mostrador. (Debido a la alta rasa de llegadas, puede presumirse una
fuente infinita).
Solución.
En primer lugar se van a utilizar tres empleados, porque el hecho de tener solo uno
o dos generaría filas infinitamente largas (puesto que 𝜆 = 40 Y μ = 20).
𝜆
Primero hay que obtener el numero promedio en la fila, dados los valores de =2
µ
Para un día de 8 horas a US$12 por hora, existe una pérdida de tiempo por
mecánico que vale
𝐿𝑞 = 0.1730 𝑚𝑒𝑐𝑎𝑛𝑖𝑐𝑜𝑠
40
0.1730 𝑥 𝑈𝑆$12 𝑥 8 ℎ𝑜𝑟𝑎𝑠
= 𝑈𝑆$16.61 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑢𝑛 𝑚𝑒𝑐𝑎𝑛𝑖𝑐𝑜 𝑞𝑢𝑒 𝑎𝑔𝑢𝑎𝑟𝑑𝑎 𝑒𝑛 𝑢𝑛𝑎 𝑓𝑖𝑙𝑎
𝑈𝑆$6
8 ℎ𝑜𝑟𝑎𝑠 𝑥 = 𝑈𝑆$48
ℎ𝑜𝑟𝑎
Ejemplo 7.2
American Vending Inc. (AVI) suministra dispensadores de alimentos a una
universidad de gran tamaño. Como los estudiantes acostumbran patear las
maquinas furiosos y frustrados, la gerencia tiene que afrontar un problema
constante de reparaciones. En promedio se averían tres máquinas por hora, y las
averías se distribuyen de manera Poisson. El tiempo muerto le cuesta a la compañía
US$25/hora por máquina y a cada empleado de mantenimiento le pagan US$4 por
hora. Un empleado puede reparar las maquinas a una tasa promedio de cinco por
hora, distribuida exponencialmente; dos empleados que trabajen juntos pueden
reparar siete maquinas por hora, distribuida exponencialmente; y un equipo de tres
trabajadores puede reparar ocho por hora distribuidas exponencialmente. ¿Cuál es
el tamaño óptimo del equipo de mantenimiento para reparar las maquinas?
Solución. Se debe resolver para cada uno de los casos en los que se determinara
el número de servidores a utilizar.
Caso I: Un trabajador
41
Dado que 𝜆 = 3/ℎ𝑜𝑟𝑎 y μ = 5/ℎ𝑜𝑟𝑎
𝜆 3 1
𝐿𝑠 = µ−𝜆 = 5−3 = 1 2 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠
El tiempo muerto es de
𝑈𝑆$25 𝑥 1.5 = 𝑈𝑆$37.50 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎; 𝑒𝑙 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 𝑒𝑠 𝑑𝑒 𝑈𝑆$40 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎;
𝜆 3
𝐿𝑠 = = = 0.75 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠
μ−𝜆 7−3
42
Dado que 𝜆 = 3/ℎ𝑜𝑟𝑎 y μ = 8/ℎ𝑜𝑟𝑎
𝜆 3
𝐿𝑠 = = = 0.60 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠
μ−𝜆 8−3
Comparando los costos obtenidos respectivamente, se determina que el caso II, con
dos trabajadores es la decisión óptima, con un costo de US$26.75.
Ejemplo 7.3
Estética Antonio es atendida y es propiedad de Antonio Jiménez, peluquero durante
más de 20 años. Antonio no hace citas, de modo que el patrón de llegada de sus
clientes es esencialmente aleatorio. Siempre ha sido más o menos 1 cliente cada
50 minutos. Hace 2 meses el periódico local público un artículo sobre Antonio, que
hizo que su negocio mejorara bastante. En la actualidad la tasa de llegada se acerca
más a un cliente cada 35 minutos. Para los cortes de pelo necesita un promedio de
25 minutos, pero esos tiempos varían mucho, dependiendo de las necesidades del
cliente. Un recorte podría requerir tan solo 5 minutos, pero el champú con estilo
podría llevar hasta una hora o más. Por esta razón, parece que la distribución
exponencial se adapta razonablemente bien para representar la distribución de los
tiempos de servicio. Los clientes de Antonio siempre han sido pacientes, pero desde
que el negocio mejoro hay quienes se quejan que la espera es demasiado larga.
Antonio está considerando llevar al negocio a Marcos, su primo, para mejorar el
servicio a los clientes. Suponga que Marcos corta el cabello con la misma velocidad
que Antonio.
43
a. ¿Cuánto ha disminuido la calidad del servicio desde que la peluquería tiene más
clientes?
b. ¿Qué mejoría en el desempeño del sistema podrán percibir los clientes cuando
haya un peluquero más?
Solución.
60
μ= = 2.4 𝑐𝑜𝑟𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
25
𝜆
Por consiguiente, 𝜌 = µ = 0.5
𝜌 0.5
𝐿= = =1
(1 − 𝜌) 0.5
𝐿𝑞 = 𝜌𝐿 = 0.5
𝐿 1
𝑊= = = 0.8333 ℎ𝑜𝑟𝑎
𝜆 1.2
𝐿𝑞 0.5
𝑊𝑞 = = = 0.4167 ℎ𝑜𝑟𝑎
𝜆 1.2
44
Esto significa decir que antes los clientes esperaban (0.4167) (60)=25 minutos, en
promedio, para pasar a cortarse el cabello.
0.7143
𝐿= = 2.5
1 − 0.7143
𝐿𝑞 = 𝜌𝐿 = (0.7143)(2.5) = 1.7857
𝐿 2.5
𝑊= = = 1.458 ℎ𝑜𝑟𝑎𝑠
𝜆 1.7143
𝐿𝑞 1.78
𝑊𝑞 = = 1.0383 ℎ𝑜𝑟𝑎
𝜆 1.7143
Es claro que la queja de los clientes es válida. Un cliente debe esperar, en promedio,
más de una hora para ser atendido. De hecho, debido a que la distribución de 𝑊𝑞
es exponencial, hay muchos que podrían esperar bastante más.
𝜆 1.7143
𝜌= = = 0.3571
μ (2)(2.4)
−1
0.71432 1
𝑃0 = {1 + 0.7143 + + } = 2.111−1 = 0.4737
2! 1 − 0,3572
45
Por consiguiente
22 0.35713
𝐿𝑞 = (0.4737) = 0.0522
(1 − 0.3571)2 2!
𝐿𝑞 0.0522
𝑊𝑞 = = = 0.0384 ℎ𝑜𝑟𝑎 (1.82 𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
𝜆 1.7143
1
𝑊 = 𝑊𝑞 + = 0.0304 + 0.4167 = 0.04471 ℎ𝑜𝑟𝑎 (27 𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
μ
𝑟 𝑛 𝑒 −𝑟 𝜆
𝑃𝑛 = , 𝑛>0 𝑟=
𝑛! μ
46
𝜆 1
𝐿= 𝑊=
μ μ
μ𝑛 = 𝑛μ
Una cantidad infinita de servidores indica que siempre hay un servidor disponible,
independientemente de cuantos clientes se encuentren en el sistema. Aunque esto
podría parecer no realista, muchos problemas en la realidad se pueden modelar en
esta forma. Como no hay cola de clientes que esperen su servicio, no hay tiempo
de espera. Por consiguiente, las medidas de desempeño 𝐿𝑞 y 𝑊𝑞 son ambas cero.
Sin embargo, L, la cantidad de clientes en el sistema, no es cero. El número de
clientes en el sistema es igual al número de servidores ocupados. Por lo tanto se
busca lo siguiente:
− 𝜆𝑘𝜆
µ
𝑒 μ
𝑃{𝑛=𝑘} = 𝑝𝑎𝑟𝑎 𝑘 = 0,1,2, …
𝑘!
47
Ejemplo 8.1
La planeación de personal es una función importante para muchas empresas.
Veamos el departamento de una compañía con tamaño deseado de personal igual
a 100 puestos. Supongamos que los empleados dejan sus puestos con una
frecuencia o tasa de 3.4 por mes, y que la empresa requiere 4 meses para llenar las
vacantes. El análisis de datos del pasado indica que la cantidad de empleados que
salen de la empresa por mes tiene distribución de Poisson. ¿Cuál es la probabilidad
de que haya más de 15 puestos vacantes en cualquier momento? ¿Cuántos puestos
del departamento están ocupados en promedio? ¿Cuántos puestos debe tener la
empresa para que las personas que trabajen en el departamento sean 100 en
promedio?
Solución.
Siendo entonces 𝜆 la tasa con la que dejan sus puestos los empleado, que es 3.4
por mes, y µ la rapidez con la que se llenan los puestos, que es ¼ por mes. Por
consiguiente, la media de la cantidad de puestos vacantes es
𝜆 3.4
= = (3.4)(4) = 13.6
μ 1
4
48
La probabilidad de que haya más de 15 puestos vacantes es la de una variable
aleatoria de Poisson, con media 13.6, sea mayor que 15. En tanto, la probabilidad
es 0.29 aproximadamente.
Ejemplo 8.2
Los clientes llegan a un sistema de colas según un proceso de Poisson con tasa
media de llegadas de 2 clientes/minuto. Los tiempos de servicio tienen una
distribución exponencial con media de 1 minuto. Se tiene un número ilimitado de
servidores por lo que los clientes nunca esperan que comience su servicio. Calcule
las probabilidades de estado estable de que haya justo un cliente en el sistema.
Solución.
𝜆
𝑃1 = 𝑃𝑜 = 2𝜌0
μ
𝑃2 = 2(1)𝑃𝑜
2𝑛
𝑃𝑛 = 𝑃
𝑛! 𝑜
∞
∑ 𝑃𝑛 = 𝑒 2 𝑃0 = 1
𝑛=0
𝑃0 = 𝑒 −2
𝑃1 = 2𝑒 −2 = 0.3
49
Modelo de Servicio de Máquinas
La jurisdicción de este modelo es un taller con k maquinas. Cuando una maquina
se descompone, se llama a uno de los técnicos en mantenimiento para que la
repare. La tasa de descomposturas y servicios siguen la distribución de Poisson.
La fuente en este modelo es finita porque las maquinas que están funcionando
pueden descomponerse y por consiguiente puede generar llamadas de servicio.
Una vez que todas las maquina se descompongan, no podrá haber más llamadas
de servicio. Dada λ de descomposturas por máquina, la tasa de descomposturas de
todo el taller es proporcional a la cantidad de máquinas que están funcionando. En
función del modelo de colas, tener n maquinas en el sistema significa que n
máquinas están descompuestas y que la tasa de descomposturas asociada de todo
el taller es:
𝜆𝑛 = (𝐾 − 𝑛)𝜆, 0 ≤ 𝑛 ≤ 𝐾
(𝐾 − 𝑛)𝜆
𝜆𝑛 = {
0
𝑛𝜇
𝜇𝑛 = {𝑅𝜇
Luego
𝐶𝑛𝐾 𝜌𝑁 𝑝0
𝑃𝑛 = { 𝐾 𝑛! 𝜌𝑛
𝐶𝑛 ( )𝑝
𝑅! 𝑅 𝑛−𝑅 0
𝑅 𝐾
𝑛! 𝜌𝑛
𝑃0 = (∑ 𝐶𝑛𝑘 𝜌𝑛 + ∑ 𝐶𝑛𝐾 )
𝑅! 𝑅 𝑛−𝑅
𝑛=0 𝑛=𝑅+1
50
𝐾
𝐿𝑠 = ∑ 𝑛𝑃𝑛
𝑛=0
Ejercicio 9.1
P0 = 1 − ρ = 1 − 0.8333 = 16.7%
51
1+K ρ2 1+5 0.83332
Lq = ( )( )=( )( ) = 2.49
2K 1−ρ 2 ∗ 5 1 − 0.8333
1+K ρ 1 + 5 0.8333
Wq = ( )( )=( )( ) = 1.249 horas = 1hora 14min
2K μ−λ 2 ∗ 5 2.4 − 2
1 1
W = Wq + = 1.249 + = 1.66 horas = 1 hora 39 min
μ 2.4
Ejercicio 9.2
En una empresa la reparación de un cierto tipo de maquinaria existente en el
mercado se realiza en 5 operaciones básicas que se efectúan de una manera
secuencial; si le tiempo que se lleva en realizar cada uno de los 5 pasos tiene una
distribución exponencial con media de 5 minutos. Estas máquinas se descomponen
según una distribución Poisson con una razón media de 2 máquinas / hora y en la
fábrica solo hay un mecánico que las repara. Calcular las características de
operación de la empresa.
λ 2
𝜌= = 2.4 = 0.8333. Tiempo promedio que permanece ocupado el sistema.
µ
52
1+𝑘 𝜌2 1+5 0.83332 6 0.83332
L= ( 2𝑘 ) (1 − 𝜌 + 𝜌) = ( 2∗5 ) (1−0.8333 + 0.8333) = (10) ( + 0.8333) = 3
0.167
1 1
W= W q+ = 1.249 + W= 1.66h.= 1hor 39 min.
𝜇 2.4
Acá se presenta una de las pocas colas no de Poisson para la cual hay disponibles
resultados analíticos. Se trata del caso en el que el tiempo de servicio t, está
representado por cualquier distribución de probabilidad con media E(t) y varianza
var(t). Los resultados del modelo incluyen las medidas de desempeño básicas Ls,
Lq, Ws, y Wq, asícomo también Po. El modelo no proporciona una expresión de
forma cerrada para Pn debido a la incontrolabilidad analítica.
53
Sea λ la tasa de llegadas a la instalación de un solo servidor. Dadas E(t) y var(t) de
la distribución del tiempo de servicio y que λE(t)< 1, se puede demostrar por medio
de un análisis de cadena de Markov/probabilidad compleja que
𝜆2 (𝐸 2 (𝑡) + 𝑣𝑎𝑟(𝑡))
𝐿𝑠 = 𝜆𝐸(𝑡) +
2(1 − 𝜆𝐸(𝑡))
𝜆𝐸(𝑡) < 1
𝑝0 = 1 − 𝜆𝐸(𝑡) = 1 − 𝜌
Ejercicio 10.1
En la instalación de lavado de autos Automata los autos llegan según una
distribución de Poisson con una media de 4 autos por hora. Se tiene un nuevo
sistema de modo que el tiempo de servicio de todos los autos es constante e igual
a 10 minutos. ¿ Cómo afecta el nuevo sistema al funcionamiento de la instalación?
Solución
1 2
1 42 ((6) + 0)
𝐿𝑠 = 4 ( ) + = 1.333𝑎𝑢𝑡𝑜𝑠
6 4
2(1 − 6)
4
𝐿𝑞 = 1.333 − ( ) = 0.667 𝑎𝑢𝑡𝑜𝑠
6
1.333
𝑊𝑠 = = 0.333 ℎ𝑜𝑟𝑎𝑠
4
0.667
𝑊𝑞 = = 0.167 ℎ𝑜𝑟𝑎𝑠
4
54
Ejercicio 10.2
Los clientes de un coffee shop siguen un proceso Poisson con tasa media de 30 por
hora. El tiempo necesario para que sirvan a un cliente tiene distribución exponencial
con media de 75 segundos.
a. = 30
3600
𝜇= = 48
75
1
= 0.0208333
𝜇
1
σ= = 0.208333
𝜇
S=1
Resolviendo:
𝐿𝑞 = 1.04166
55
1.04166
𝑊𝑞 = = 0.034722b.
30
𝐿𝑞 = 0.5208
0.5208
𝑊𝑞 = = 0.01736
30
56
Fuentes de información
Bibliografía
INVESTIGACIÓN DE OPERACIONES, 7ªEDICIÓN TAHA HAMDY A.
Páginas Web
https://books.google.com.sv/books?id=3oHztjMSuL8C&pg=PA593&lpg=PA593&dq
=modelo+de+colas+de+poisson+generalizado&source=bl&ots=nMDF9e5SFL&sig
=zCbj4MhD8Nm_vLE05xyyWMLVEnU&hl=es&sa=X&ved=0ahUKEwj3lqPx-
nKAhUGpB4KHdzAB1YQ6AEINjAH#v=onepage&q&f=true
http://www.buenastareas.com/materias/modelo-generalizado-de-colas-de-
poisson/0
http://fmarrerodelgado.galeon.com/colas.html
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/capitulo2.pdf
57