UNIVERSIDAD DOCTOR JOSÉ MATÍAS DELGADO.

FACULTAD DE INGENIERÍA

Ciclo: 01 -2016

Materia: Investigación de Operaciones II

Tema: Modelo de colas

Catedrático: Ingeniero Rene Hernán Linares Silva

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

Fecha de entrega: Antiguo Cuscatlán, 11 de febrero del 2016

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

(M/M/1): (GD//) ...................................................................................................................... 18

Ejercicio 3.1 ............................................................................................................................. 21
Ejercicio 3.2 ............................................................................................................................. 22
(M/M/1): (GD/N/∞) ...................................................................................................................... 24
Ejercicio 4.1 ............................................................................................................................. 24
Ejercicio 4.2 ............................................................................................................................. 25
Ejercicio 4.3 ............................................................................................................................. 25
(M/M/1): (DG/∞ / ∞) .................................................................................................................... 26
Ejemplo 5.1 .............................................................................................................................. 27
Ejemplo 5.2 .............................................................................................................................. 28
Ejemplo 5.3 .............................................................................................................................. 29
(M/M/1): (DG/N/∞) ...................................................................................................................... 30
Modelo de Servidores Múltiples ............................................................................................... 32
(M/M/C): (DG/∞ / ∞) ................................................................................................................... 34

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.

El desarrollo del modelo generalizado se basa en el comportamiento a largo plazo,

o de estado estable, de la cola, que se alcanza después de que el sistema ha estado
funcionando durante un tiempo; supone que las frecuencias tanto de llegada como
de salida dependen del estado, y esto quiere decir que dependen de la cantidad de
clientes en la instalación de servicios.

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.

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

Esquema del proceso básico de colas

La disciplina en cola se refiere al orden en que se selecciona a los miembros de la

cola para que reciban el servicio; un ejemplo es el primero en llegar recibirá el primer
servicio, también puede ser seleccionado al azar.

Mecanismo de servicio este consiste en medios de servicios que contiene en uno o

más canales paralelos de servicio llamado servidores, un modelo de colas debe
especificar la disposición de los medios y el número de servidores en cada uno. El
tiempo que transcurre, para un cliente, desde que se inicia el servicio hasta su
compleción en uno de los medios a esto le llamamos tiempo de servicio

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.

En el modelo generalizado supone que las frecuencias tanto de llegada como de

salida dependen del estado, y esto quiere decir que dependen de la cantidad de
clientes en la instalación de servicios.

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 generalizado define a Pn como función de λn y Pn. Después se usan estas

probabilidades para determinar las medidas de funcionamiento del sistema, como
la longitud promedio de la cola, el tiempo promedio de espera y la utilización
promedio de la instalación.

Las probabilidades Pn se calculan usando el diagrama de frecuencia de transición.

El sistema de colas está en estado n cuando la cantidad de clientes en él es “n”.

Como es conocido la probabilidad de que suceda más de un evento durante un

intervalo pequeño h, tiende a cero cuando h→0, eso quiere decir que para n>o, el
estado “n” solo puede cambiar a dos estados posibles : n-1 cuando hay una salida
con frecuencia μn, y n+1 cuando hay una llegada con la frecuencia λn. El estado
cero solo puede cambiar al estado q cuando hay una llegada con frecuencia λo.

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.

Para la representación matemática de Poisson tomaran en cuenta las siguientes 5

propiedades

1. Si 𝑓𝑡 (𝑡) es una función estrictamente decreciente (𝑡 ≥ 0) tenemos que:

𝑃{0 ≤ 𝑇 ≤ ∆𝑡} < 𝑃{𝑡 ≤ 𝑇 ≤ 𝑡 + ∆𝑡}
Para cualquier calor estrictamente positivo ∆𝑡 y 𝑡.
2. Cuando se carece de un dato estadístico
𝑃{𝑇 < 𝑡 + ∆𝑡} = 𝑒 −𝛼𝑡
3. El mínimo de varias variables aleatorias exponenciales independientes se
representan de la siguiente forma.

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.

De la información del problema se tiene que

Λn= λ=10 clientes por hora n=0,1….

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

El valor de Po se determina con la ecuación

Po+Po(2+4+6+8+8+8+8(2/3)+ 8(2/3)2+8(2/3)3+…)=1

Se aplica la fórmula para una serie geométrica:

∝
1
∑= , 𝑙𝑥𝑙 < 1
1−𝑥
𝑖=0

Para obtener

1
𝑃𝑜 = (31 + 8 ( )) = 1
2
1−3

En consecuencia, Po= 1/55

Conocida Po ya se puede determinar cualquiera de las probabilidades del problema.

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.

(Cantidad esperada de cajas vacías)

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

Colas especializadas de Poisson

El modelo de colas especializadas de Poisson se da cuando hay “c” servidores en
paralelo. Un cliente en espera se selecciona de la cola para iniciar su servicio en el
primer servidor disponible. La frecuencia de llegadas al sistema es λ clientes por
unidad de tiempo. Todos los servidores están en paralelo y son idénticos; lo que

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.

Fig.1 Representación esquemática de un sistema de colas con c servidores paralelos.

Tenemos que:

a= Distribución de llegadas

b= Distribución de salidas (tiempo de servicio)

c= Cantidad de servidores paralelos (=1,2….∞)

d= disciplina en la cola

e= Número máximo (finito o infinito) permitido en el sistema (haciendo cola o en

servicio)

f= tamaño de la fuente solicitante (finita o infinita)

Notación usada en la teoría de colas

Las notaciones normales o estándar para representar las distribuciones de
llegadas y de salidas son:

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

Entre la notación de disciplinas de cola están:

 PLPS = Primero en llegar, primero en ser servido
 ULPS = Último en llegar, primero en ser servido
 SEOA = Servicio de orden aleatorio
 DG = Disciplina en general (es decir, cualquier tipo de disciplina)
Relaciones entre L, W, Lq y Wq La única.

Nomenclatura

λ= Número de llegadas por unidad de tiempo

µ= Número de servicios por unidad de tiempo si el servidor está ocupado

c= Número de servidores en paralelo

ρ ⋅ = λ/(c* µ) : Congestión de un sistema con parámetros: (λ,µ, c)

N(t): Número de clientes en el sistema en el instante t

Nq(t): Número de clientes en la cola en en el instante t

Ns(t): Número de clientes en servicio en el instante t

Pn(t): Probabilidad que haya n clientes en el sistema en el instante t=Pr{N(t)=n}

N: Número de clientes en el sistema en el estado estable

Pn : Probabilidad de que haya n clientes en estado estable Pn=Pr{N=n}

12
L : Número medio de clientes en el sistema

Lq : Número medio de clientes en la cola

Tq : Representa el tiempo que un cliente invierte en la cola

S : Representa el tiempo de servicio

T = Tq+S: Representa el tiempo total que un cliente invierte en el sistema

Wq= E[Tq]: Tiempo medio de espera de los clientes en la cola

W=E[T]: Tiempo medio de estancia de los clientes en el sistema

r: número medio de clientes que se atienden por término medio

Pb: probabilidad de que cualquier servidor esté ocupado.

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

Las medidas de desempeño más comúnmente utilizadas en una situación de colas

son:

Ls= Cantidad esperada de clientes en un sistema

Lq= cantidad esperada de clientes en una cola

Ws= Tiempo de espera en el sistema

Wq= Tiempo de espera anticipado en la cola

𝑐̅= Cantidad esperada de servidores ocupados

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.

El tiempo de estacionamiento está distribuido exponencialmente con una media de

30 minutos. Los visitantes que no pueden encontrar un espacio vacío pueden
esperar temporalmente en el estacionamiento hasta que un auto estacionado salga.
El espacio temporal tiene cabida solo para 3 autos. Otros que no pueden
estacionarse o encontrar un espacio de espera temporal deben irse a otra parte.
Determine lo siguiente:

a) La probabilidad Pn de que haya n autos en el sistema

b) La tasa de llegadas efectiva de los autos que por lo general utilizan el
estacionamiento
c) El promedio de autos en el estacionamiento
d) El tiempo promedio que un auto espera un espacio de estacionamiento

Solución:

Observamos primero que en un espacio de estacionamiento actúa como un

servidor, de modo que el sistema cuenta con un total de c=5 servidores paralelos.
Asimismo, la capacidad máxima del sistema es 5+3=8 autos.

La probabilidad Pn puede determinarse como un caso especial del modelo

generalizado

λn= 6 autos/hora, n=0,1,2,…8

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

El valor de Po se calcula sustituyendo Pn, n=1,2,….8, en la siguiente ecuación

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!

a) Esto da un resultado de P0=0.4812

Ahora se procede a calcular p1 a p8 teniendo:

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

La tasa de llegadas efectivas se calcula por medio de la ecuación

λ=λefect. + λperdida

Entonces se tiene que un auto no podrá entrar al estacionamiento si ya entraron 8.

Esto significa que la proporción de autos que no podrán entrar al estacionamiento
es P8. Por lo tanto,

λperdida=λ8 =6x0.02105=0.1263 autos/hora

Entonces

b) λefect.= λ- λperdida =6-0.1236=5.8737 autos/hora

El promedio de autos en el estacionamiento (los que esperan que se desocupe un

espacio) como:

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

d) Wq=0.53265- 1/2 = 0.03265 horas

El promedio de espacios de estacionamientos ocupados es igual al promedio de

servidores ocupados,

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

Modelo de un Solo Servidor

Esta sección se centra en los sistemas de colas básicos que tiene un solo servidor.
Se usarán los símbolos claves introducidos anteriormente:

17
λ = tasa media de llegadas para los clientes que entran al sistema de colas, o
número esperado de llegadas por unidad de tiempo.

μ = tasa media de servicio (para un servidor normalmente ocupado), o número

esperado de terminaciones de servicio 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.

Se utilizara la notación ampliada de Kendall para caracterizar cada situación. Se

utilizara la notación “GD” (disciplina general).

(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.

Objetivo: dados los siguientes parámetros (se suelen estimar estadísticamente)

 λ ≡ tasa de llegadas.
 µ ≡ tasa de servicio.
 s ≡ numero de servidores.

Se calcula:

 ρ = λ/µ ≡ factor de utilización del sistema o intensidad de tráfico (proporción

de tiempo esperado en el que los servidores están ocupados). Si ´ ρ < 1
entonces el sistema se estabiliza. En otro caso el número de clientes en el
sistema se incrementa sin límite.
 L ≡ valor esperado del número de clientes en el sistema
 Lq ≡ valor esperado del número de clientes en cola
 W ≡ tiempo medio de espera en el sistema
 Wq ≡ tiempo medio de espera en la cola
 𝑝𝑛 ≡ probabilidad de que n clientes esten en el sistema (en estado
estacionario).
 𝑐̅ ≡ numero medio de clientes en servicio.
 1/𝜆= tiempo promedio entre llegadas
 1/𝜇=tiempo promedio requerido para el servicio

Relaciones básicas: Modelo general

Formula de Little: ´ L = λW y Lq = λWq.

Además, ´W = Wq + 1/µ.

19
 De estas tres fórmulas se deduce: L = Lq + λ/µ.

Deducción de formulas

 Si ρ = λ/µ la ecuación 𝑝𝑛 en el modelo generalizado se reduce a

𝑝𝑛 = 𝜌𝑛 𝑝𝑜 , n= 0,1,2…

Suponiendo que ρ < 1, entonces: 𝑝𝑜 = 1 − ρ.

La fórmula general de 𝑝𝑛 es de la siguiente distribución geométrica:

𝒑𝒏 = (𝟏 − 𝝆)𝝆𝒏 , n=1,2,… (ρ<1)

Esta fórmula impone la condición (ρ<1) o que 𝜆 < 𝜇. Si 𝜆 ≥ 𝜇, la serie geométrica

no converge, y no existirían las probabilidades 𝑝𝑛 de estado estable. Este resultado
tiene sentido, intuitivamente, porque al menos que la tasa de servicio sea mayor
que la frecuencia de llegada, la cola crece en forma indefinida.

 Para “𝐿𝑠 ”
∝ ∝

𝐿𝑠 = ∑ 𝑛𝑝𝑛 = ∑ 𝑛(1 − 𝜌)𝜌𝑛

𝑛=0 𝑛=0

∝
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

𝜆𝑒𝑓𝑓 : es la tasa de llegadas efectiva al sistema, es igual a la tasa nominal 𝜆, cuando

todos los clientes que llegan ingresan al sistema.

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:

El tiempo promedio que un automóvil espera antes de ser lavado:

El tiempo promedio que un automóvil pasa en el sistema de servicio:

La probabilidad de que no haya automóviles en el sistema:

Ejercicio 3.2

John Macko es un alumno de la universidad de Ozark. Hace trabajos extraños para

aumentar sus ingresos. Las peticiones de trabajo llegan en promedio cada 5 días,
pero el tiempo en promedio es exponencial. El tiempo en promedio para terminar un
trabajo es también exponencial, con una media de 4 días

a) ¿Cuál es la probabilidad de que le falte trabajo a John?

b) Si John cobra $50 por trabajo, ¿Cuál es su ingreso mensual promedio?
c) Si al final del semestre John decide subcontratar los trabajos pendientes a
$40 cada uno, ¿Cuánto debe esperar pagar en promedio?

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:

a)La probabilidad de que un paciente no tenga que esperar.

b) La tasa efectiva de llegada.
c) ¿Cuál es el tiempo promedio estimado que un paciente, tarda en la Clínica?
Solución

a) λ=30 y µ =20 por tanto ρ= 30/20 = 1,5

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.

Son N=16, asíya podemos encontrar a P0 y éste viene dado por:

P0 = {(1 - ρ ) / ( 1 – ρ N+1) = (1 – 1.5) / ( 1- 1.516) = -05/-655,84008 = 0,000762

Asíla probabilidad de que un paciente no Espere es de 0,000762.

b) λefectiva = λ(1-PN) = 30(1- 0,33384158) =19,98475≈ 20. Exactamente 20

pacientes llegan a la clínica.
c) Debemos hallar a Ws = Ls/ λefectiva pero no se tiene a Ls, procedamos a
encontrarla por aplicación de la fórmula: Ls= { ρ[ 1- (N+1)ρN + N ρN+1] / (1- ρ)(1-
ρN+1) Ls= {1,5[ 1- (15+1)1,515 + 15 1,515+1] / (1- 1,5)(1- 1,515+1) =0,65172 de
hora, esto es que en promedio un paciente debe esperar 39 minutos en la clínica.

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.

a) ¿Qué modelos de colas se ajusta a este sistema?

b) ¿Cuál es la fracción de tiempo que el técnico estará ocupado?

Datos:

1
𝜆= (3) = 1/3
9

𝜇 = 1/2

Solución

a) Es un modelo M/M/1 con una población finita de arribos (N=3 máquinas)

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.

Definiendo ρ = λ / µ obtenemos la siguiente fórmula general para este modelo:

Pn = (1- ρ ) * r ρ n , n = 0,1,2,…

Que es una distribución geométrica, donde además p0 = 1- ρ .

El requisito matemático de que r > 1 necesario para garantizar la convergencia de

la serie geométrica (1 + ρ + ρ 2 +… ) , conduce a un elemento intuitivo. O sea ρ > 1
significa que λ < µ lo que establece que la tasa de llegadas debe ser estrictamente
menor que la tasa de servicio en la instalación, para que el sistema alcance
estabilidad.

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.

Suponga que el tiempo promedio de servicio para cada cliente es de 4minutos, y

que los tiempos entre llegadas y los de servicio son exponenciales. Conteste las
preguntas siguientes:

1.- ¿Cuál es el número promedio de automóviles que esperan en la cola su turno?

Se considera que un vehículo que está ocupado en el cajero automático, no está
esperando en la cola.

2.- ¿Cuál es el tiempo promedio que un cliente pasa en el estacionamiento del

banco, incluyendo el tiempo de servicio?

3.- En promedio, ¿cuántos clientes por hora serán atendidos por el cajero
automático?

4.- ¿Cuál es la probabilidad de que el cajero automático se encuentre vacío?

Para responder la interrogante anterior es necesario plantear el siguiente modelo

de probabilidad para el sistema de colas con un servidor:

Pn = probabilidad de estado estable de tener exactamente n clientes en el sistema

(para n = 0, 1, 2, …)

Si ρ = λ / μ, la ecuación de Pn en el modelo generalizado de colas con un servidor

se reduce a: Pn = ρn P0

Para determinar el valor de P0 se usa la siguiente identidad:

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.

La fórmula general de Pn es entonces la de la siguiente distribución geométrica:

Pn = (1 – ρ) ρn, n = 1, 2, … (ρ <1)

Ejemplo 5.2

Un restaurante de comida rápida tiene una ventanilla de servicio para

automovilistas. Los automovilistas llegan de acuerdo a una distribución de poisson
con una frecuencia de 2 cada 5 minutos. En el espacio de la ventanilla pueden caber
10 vehículos cuanto mucho, incluyendo al que se está sirviendo. Si es necesario,
otros automóviles pueden esperar fuera de este espacio. El tiempo de servicio por
cliente es exponencial, con una media de 1.5 minutos. Calcule lo siguiente:

a) La probabilidad de que la instalación este vacía.

b) La cantidad estimada de clientes esperando que los atiendan.
c) El tiempo estimado de espera para que un cliente llegue a la ventanilla y haga
su pedido.
d) La probabilidad de que la línea de espera sea mayor que la capacidad de 10
lugares.

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)

d) P(𝐿𝑞 > 10) = 𝜌𝑛+1

P(𝐿𝑞 > 10) = 0.610+1 = 0.0036

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.

En este modelo, haciendo r = l / m obtenemos que:

30
(1- ρ) / ( 1- ρ N+1) ; ρ ≠1

Po = 1 / N+1 ; ρ = 1

Entonces las fórmulas para pn pueden resumirse como:

[ (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).

Usando el valor anterior de pn, encontramos que el número esperado de unidades

en el sistema se calcula como sigue:

{ ρ [ 1-( N+1)* ρ N + N ρ N+1] } / [ ( 1- ρ ) ( 1- ρ N+1) ] ; ρ≠ 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)

usando Ls y λ ef obtenemos las fórmulas para calcular, Lq, Wq y Ws:

Lq = Ls-( λ e, f / µ ) = Ls - [ ( 1-pN )] / µ pN = Probabilidad de que una unidad no sea

capaz de unirse al sistema.

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

Como hay varios servidores disponibles para efectuar este procedimiento, se

puede procesar a más de un paciente a la vez.

La estructura principal de estos modelos es la siguiente

Servidor Salida Modelo de

Cola
Llegada una línea;
Servidor
Salida Servidores
Múltiples
Servidor
Salida

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.

El efecto último de usar c servidores paralelos es acelerar la tasa de servicio al

permitir servicios simultáneos. Si el número de clientes en el sistema, n, es igual o
excede a c, la tasa combinadas de salidas de la instalación es c* µ. Por otra parte,
si n es menor que c, la tasa de servicio es igual a n* µ. Así, en términos del
modelo generalizado, tenemos:

λn=λn≥0

nµ , n ≤ c

µn = cµ , n ³c

Si hacemos ρ = λ / µ ; el valor de pn y p0 se calcula de la siguiente forma:

( 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

Los valores de las medidas de desempeño se obtienen como sigue:

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

Y para ρ/c muy próxima a 1

P0=((c- ρ)(c-1)!/cc y Lq= ρ/c-p

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

Por lo tanto se tienen dos escenarios en dicho problema:

Dado 𝜆=8, µ=5, numero de servidores c=2 y

𝜆=16, µ=5, numero de servidores c=4.

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

El tiempo de espera para un viaje es 0.149 horas (9 minutos) para el caso de la

fusión. Por lo tanto la decisión óptima es optar por consolidar las 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.

a) Un estacionamiento es un sistema de colas que provee a los automóviles como

clientes y espacios de estacionamiento como servidores. El tiempo de servicio es la
cantidad de tiempo que un automóvil pasa en dicho espacio.

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

c) Pasa un tiempo promedio de 45 minutos.

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

b) Probabilidad siguiente llegada entre 1:00-2:00pm pero no llegadas entre 12:00-

1:00pm:

37
 −1
𝑃 = (1 − 𝑒 2 ) = 0.393

c) Probabilidad de no llegada entre 1:00pm y 2:00pm:

(𝜆𝑡)𝑒 −𝜆𝑡 −1
𝑃= = 𝑒 2 = 0.607
0!

Probabilidad de una llegada entre 1:00-2:00pm

(𝜆𝑡)𝑒 −𝜆𝑡 1 −1
𝑃= = 𝑒 2 = 0303
1! 2

Probabilidad de dos o más llegadas entre 1:00-2:00pm

1 1 −1
𝑃 = 1 − 𝑒 −2 − 𝑒 2 = 0.4 − 0.3 = 0.1
2

d) Probabilidad de teléfono no atendido antes de las 2:00pm

𝑃 = 𝑒 −1 = 0368

Probabilidad de teléfono no atendido antes de 1:10pm

1
𝑃 = 𝑒 −1(6) = 0.846

Probabilidad de teléfono no atendido antes de 1:10pm

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

Para determinar 𝑊𝑞 y por consiguiente 𝑊𝑠 y 𝐿𝑠 , calculamos el valor de 𝜆𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎 como:

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

y 𝑐 = 3, se obtiene 𝐿𝑞 = 0.8888 𝑚𝑒𝑐𝑎𝑛𝑖𝑐𝑜𝑠.

En este punto se tiene un promedio de 0.8888 mecánicos aguardando todo el día.

Para un día de 8 horas a US$12 por hora, existe una pérdida de tiempo por
mecánico que vale

0.8888 𝑚𝑒𝑐𝑎𝑛𝑖𝑐𝑜𝑠 𝑥 12 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝑥 8 ℎ𝑜𝑟𝑎𝑠 = 𝑈𝑆$85.32

El siguiente paso consiste en volver a determinar el tiempo de espera si se agrega

otro empleado al departamento de autopartes. Luego, se compara el costo
agregado del empleado adicional con el tiempo que ahorran los mecánicos. Una vez
más, utilizando las formulas y agregando el empleado adicional es decir 𝑐 = 4, se
obtiene:

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

El valor ahorrado en tiempo de mecánico es de

𝑈𝑆$85.32 − 𝑈𝑆$16.61 = 𝑈𝑆$68.71

El costo de un empleado adicional es de

𝑈𝑆$6
8 ℎ𝑜𝑟𝑎𝑠 𝑥 = 𝑈𝑆$48
ℎ𝑜𝑟𝑎

Costo de la reducción al agregar un cuarto empleado es 𝑈𝑆$20.71

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

En el sistema hay un número promedio de máquinas de:

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;

Y el costo total por hora para un trabajador es de 𝑈𝑆$37.50 + 𝑈𝑆$4.00 = 𝑈𝑆$41.50

Tiempo muerto (1.5 x US$25)

Mano de obra (1 trabajador x US$4)

𝑈𝑆$37.50 + 𝑈𝑆$4.00 = 𝑈𝑆$41.50

Caso II: Dos trabajadores

Dado que 𝜆 = 3/ℎ𝑜𝑟𝑎 y μ = 7/ℎ𝑜𝑟𝑎

𝜆 3
𝐿𝑠 = = = 0.75 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠
μ−𝜆 7−3

Tiempo muerto (0.75 x US$25)

Mano de obra (2 trabajadores x $US4)

𝑈𝑆$18.75 + 𝑈𝑆$8.00 = 𝑈𝑆$26.75

Caso III: Tres trabajadores

42
Dado que 𝜆 = 3/ℎ𝑜𝑟𝑎 y μ = 8/ℎ𝑜𝑟𝑎

𝜆 3
𝐿𝑠 = = = 0.60 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠
μ−𝜆 8−3

Tiempo muerto (0.60 x US$25)

Mano de obra (3 trabajadores x US$4)

𝑈𝑆$15.75 + 𝑈𝑆$12.00 = 𝑈𝑆$27.00

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.

a) Primero se determinan las diversas medidas de desempeño del sistema,

antes de la aparición del artículo periodístico. El tiempo promedio entre
llegadas era 1 de cada 50 minutos, que da una tasa de llegadas igual a 𝜆 =
60
= 1,2 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
50

Cada corte requiere un promedio de 25 minutos, que se traduce en un tiempo de

servicio igual a

60
μ= = 2.4 𝑐𝑜𝑟𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
25

𝜆
Por consiguiente, 𝜌 = µ = 0.5

Esto es, Antonio está ocupado la mitad de su tiempo.

Los valores de las medidas de desempeño son

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.

Después de la aparición del artículo, la tasa de llegada aumento a 1 cliente cada 35

minutos. Esto indica que 𝜆 se modificó a 60/35= 1.7143 y 𝜌=0.7143. Las medidas
de desempeño son ahora

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.

b. Si se agrega un peluquero más, mejora el desempeño del sistema.

Con dos barberos:

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!

𝐿 = 𝐿𝑞 + 𝑐𝜌 = 0.0522 + 0.7143 = 0.7665

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

Se puede apreciar que al agregar otro peluquero se mejora mucho el desempeño

del sistema. Con un solo peluquero, los clientes podrían más de una hora para ser
atendidos. Integrando al peluquero, este tiempo se reduce a menos de 2 minutos
en promedio.

Modelo (M/M/∞): (GD/∞/∞)

En ocasiones se puede estar diseñando un sistema donde el número de servidores

simultáneos no sea un límite (por ejemplo a un servidor de red).

Si el tiempo de servicio tiene igual distribución con el número de servidores μ𝑛 = 𝑛μ

La probabilidad de que hayan n clientes simultáneamente es de:

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:

Con una tasa de llegada 𝜆 y tasa de servicio µ, la distribución de la cantidad de

clientes en el sistema (o la cantidad de servidores ocupados) en el estado estable
1
tiene distribución de Poisson con tasa , es decir:
µ

− 𝜆𝑘𝜆
µ
𝑒 μ
𝑃{𝑛=𝑘} = 𝑝𝑎𝑟𝑎 𝑘 = 0,1,2, …
𝑘!

Lo que significa que la media y la varianza de la cantidad de clientes en el sistema,

𝜆
en estado estable, es µ en ambos casos.

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.

Para determinar la distribución de los puestos ocupados, se modela como un

problema M/M/∞. Cada vez que sale un empleado, su puesto entra a la cola de
puestos vacantes. Suponiendo que se inicia de inmediato la búsqueda de un
remplazo, el modelo correcto es el de una cantidad infinita de servidores. La
𝜆
cantidad esperada de puestos vacantes es µ

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

Por consiguiente, hay

100 − 36 = 86.4 𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝑙𝑙𝑒𝑛𝑜𝑠

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.

También la consecuencia es que si el departamento tuviera 114 plazas y no 100,

habría en promedio, 100 puestos ocupados en cualquier momento.

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

En función del modelo generalizado se obtiene

(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

Todo el término anterior se eleva a la -1

No hay expresión de alguna forma cerrada para Ls y por consiguiente debe

calcularse por medio de la siguiente definición básica:

50
 𝐾

𝐿𝑠 = ∑ 𝑛𝑃𝑛
𝑛=0

El valor de efecto se calcula como

λefect = E{λ(K − n)} = λ(K − Ls )

Ejercicio 9.1

Al Taller El Recambio para cambio de aceite, los autos llegan a un promedio de 18

carros por hora en forma Poisson. La población es infinita pero el espacio físico en
el sistema alcanza solamente para 3 vehículos; puede servir a un promedio de 6
carros por hora de acuerdo a una distribución exponencial; determinar las
estadísticas de congestión de este taller.

Llegadas Poisson; servicios especiales con cola finita; = 18 carros / hora; = 6

carros/hora; K = 3; = ?; P0 = ?; L = ?; Lq = ?; W = ?; Wq = ?; Ws = ?; S = 1; S = 1

= 2/24; = 83.33% En promedio el tiempo que permanece ocupado el

sistema es del 83.33%

El tiempo promedio que el sistema permanece ocioso es:

P0 = 1 − ρ = 1 − 0.8333 = 16.7%

En promedio la cantidad de máquinas a reparar en la empresa es:

1−K ρ2 1+5 0.83332

L=( )( + ρ) = ( )( + 0.8333) = 3
2K 1−ρ 2 ∗ 5 1 − 0.8333

La cantidad de máquinas en promedio en cola es:

51
 1+K ρ2 1+5 0.83332
Lq = ( )( )=( )( ) = 2.49
2K 1−ρ 2 ∗ 5 1 − 0.8333

En promedio las maquinas en la cola antes de ser atendidas permanecen:

1+K ρ 1 + 5 0.8333
Wq = ( )( )=( )( ) = 1.249 horas = 1hora 14min
2K μ−λ 2 ∗ 5 2.4 − 2

En promedio una maquina espera en el sistema antes de ser atendida:

1 1
W = Wq + = 1.249 + = 1.66 horas = 1 hora 39 min
μ 2.4

Ws = W - Wq; Ws = 0.158 - 0.104; Ws = 0.054 hor = 3.27 min Un cambio de aceite

tarda en promedio 3.27 minutos.

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.

Llegadas Poisson; servicios constantes: λ= 2 máquinas/hora; µ= 2.4

máquinas/hora; K=5; 𝜌 =?; P0 =?; Lq=?; W q=?:; W s=?

λ 2
𝜌= = 2.4 = 0.8333. Tiempo promedio que permanece ocupado el sistema.
µ

P0 = 1- 𝜌 = 1-0.8333 = 0.16666. Tiempo promedio que el sistema permanece

ocioso.

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

En promedio la cantidad de máquinas a reparar en la empresa es de 3.

1+𝐾 𝜌2 1+5 0.83332 6 0.8332

Lq= ( 2𝐾 ) (1−𝜌); Lq = ( 2∗5 ) (1−0.8333)= (10) ( 0.166 )= 2.49

La cantidad de máquinas promedio en cola es de 2.49

1+𝐾 𝜌 1+5 0.8333 6 0.8333

Wq= ( 2𝐾 ) (𝜇−𝜌); W q= ( 2∗5 ) (2.4−2.0) ; 𝑊 q= (10) ( );W q= 1.249h = 1h. 14 min.
0.4

En promedio las maquinas en la cola antes de ser atendidas permanecen 1 hora 14

minutos.

1 1
W= W q+ = 1.249 + W= 1.66h.= 1hor 39 min.
𝜇 2.4

En promedio una maquina espera en el sistema antes de ser atendida 1 hora 39

minutos.

Ws = W - Wq; Ws = 1.66 - 1.249; Ws = 0.411 hor = 25 min En promedio el tiempo

de un servicio es de 25 minutos

Formula de Pollaczek-Khintchine (P-K)

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.

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

La probabilidad de que la instalación este vacía se calcula con:

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

λefect=4autos por hora. El tiempo de servicio es constante de modo que

E(t)=10/60=1/6 hora y var(t)=0. Por lo tanto,

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) Con el modelo M/G/1 encuentre L, Lq, W s y Wq

b) Suponga que sustituyen el coffee shop por una máquina expendedora que
requiere justo 75 segundos de operación por cliente. Encuentre Ls, Lq, W s y
Wq

a. = 30
3600
𝜇= = 48
75
1
= 0.0208333
𝜇
1
σ= = 0.208333
𝜇

S=1

Resolviendo:

(30)2 (0.0208333)2 + (0.625)2

𝐿𝑞 =
2(1 − 0.625)

𝐿𝑞 = 1.04166

𝐿𝑠 = 0.625 + 1.04166 = 1.6667

𝑊𝑠 = 0.034722 + 0.020833 = 0.05555

55
 1.04166
𝑊𝑞 = = 0.034722b.
30

(30)2 (0)2 + (0.625)2

𝐿𝑞 =
2(1 − 0.625)

𝐿𝑞 = 0.5208

𝐿𝑠 = 0.625 + 0.5208 = 1.1458

𝑊𝑠 = 0.01736 + 0.020833 = 0.038193

0.5208
𝑊𝑞 = = 0.01736
30

56
 Fuentes de información
Bibliografía
INVESTIGACIÓN DE OPERACIONES, 7ªEDICIÓN TAHA HAMDY A.

INVESTIGACION DE OPERACIONES HILLIER LIBERMAN 7 EDICION.

METODOS CUANTITATIVOS PARA ADMINISTRACION, HILLIER, LIBERMAN

7ªedición

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