Lineas Deespera. IO

Instituto Tecnolgico de Cd.
Guzmn Materia: Investigacin de Operaciones II

UNIDAD II. LINEAS DE ESPERA
OBJETIVO. Que el alumno sea capaz de comprender, y aplicar la teora de lnea de espera a las situaciones
donde se presentan estas, con el propsito de disear los sistemas de lnea de espera; buscar optimizar los
recursos econmicos o bien en funcin de tener un determinado nivel de servicio. Adems como existen varios
paquetes de cmputo, como el WINQSB, STORM, QSB, MS, haga uso de ellos.
2.1 INTRODUCCIN
La teora de lneas de espera se origin en los trabajos de A. K. Erlang que participaron en 1909 se
inici experimentando con un problema relacionado con la congestin del trfico telefnico el problema
original que trat Erlang fue el clculo de esa demora y en 1917 los resultados se extendieron al caso de varias
operadoras.
Despus se utiliz el mtodo de Montecarlo que bsicamente es una tcnica de simulacin en la que se
crean funciones estadsticas de distribucin, usando una tabla de nmeros aleatorios. Se emplearon para
resolver problemas de lneas de espera de un solo canal y de canales mltiples.
Un proceso de lneas de espera est constituido por los clientes que llegan a una instalacin que ofrece
un servicio, esperan luego en lnea , en caso de que todos los servidores estn ocupados, reciben servicio en
algn momento y finalmente abandonan la instalacin.
Un sistema de lneas de espera es un conjunto de clientes, un conjunto de servidores y un orden en el
cual los clientes llegan y son atendidos.
Un sistema de lneas de espera es un proceso de nacimiento-muerte con una poblacin formada por
clientes en espera del servicio. Un nacimiento ocurre cuando un cliente llega a la instalacin en que se
proporciona el servicio, una muerte ocurre cuando un cliente la abandona, el estado del sistema es el nmero de
clientes en dicha instalacin.
PATRONES DE LLEGADA ARRIBOS
El patrn de llegadas de los clientes generalmente est especificado por el tiempo entre llegadas, que es
el tiempo entre las llegadas de los clientes sucesivos a la instalacin que ofrece el servicio. Puede ser
determinstico una variable aleatoria cuya distribucin probabilstica conocida.
Existen dos casos comunes en los que el proceso de llegada puede depender del nmero de clientes:
1. Se presenta cuando las llegadas se obtienen de una poblacin pequea, las cuales se consideran
como modelos de origen finito.
2 Se tiene cuando la rapidez a la que llegan los clientes a la instalacin disminuye cuando est
demasiado concurrida. Puede depender del nmero de clientes que ya est en el sistema o puede ser
independiente del estado.
En general, suponemos que el proceso de llegada no es afectado por el nmero de clientes presentes en
el sistema.
Las llegadas o arribos pueden ser uniformes durante cierto periodo, o pueden ser aleatorias.
Generalmente, la tasa de llegadas se expresa como la tasa de llegada por unidad de tiempo, si es aleatoria los
clientes no llegan en un orden o patrn lgico en el transcurso del tiempo.
Se puede presentar un rechazo cuando un cliente al llegar se niega a entrar en la instalacin porque la
lnea de espera es demasiado grande o un abandono cuando un cliente que ya est en la lnea de espera, sale de
la fila y se marcha porque la espera es demasiado larga. Los clientes pueden presentarse de uno en uno o en
grupos. A menos que se especifique lo contrario, la consideracin normal ser que los clientes llegan de uno en
uno y que no hay ni rechazos ni abandonos.
PATRONES DE SERVICIO
Un patrn de servicio est especificado por el tiempo que le toma a un servidor atender a un cliente.
Tambin es importante determinar si un servidor atiende por completo o si el cliente requiere una secuencia de
servidores. A menos que se especifique lo contrario, la consideracin normal ser que un servidor puede
Maestro: Hctor Luis Juan Morales Ago-Dic/10 1
Instituto Tecnolgico de Cd. Guzmn Materia: Investigacin de Operaciones II
atender por completo a un cliente. En la mayor parte de los casos suponemos que la distribucin de tiempo de
servicio es independiente del nmero de clientes presentes. Esto significa, por ejemplo, que el servidor no
trabaja ms rpido cuando hay ms clientes.
CAPACIDAD DEL SISTEMA
La capacidad del sistema es el nmero mximo de clientes, que puede estar simultneamente en la
instalacin del servicio. Siempre que el cliente llegue a una instalacin que est llena, se le negar la entrada.
A este cliente no se le permite esperar fuera de las instalaciones, si no que se le obliga a partir sin recibir
servicio. Un sistema que no tiene lmite en cuanto al nmero de clientes que pueden permanecer dentro de las
instalaciones, tiene capacidad infinita; un sistema con lmite tiene capacidad finita.
DISCIPLINAS DE LAS LINEAS DE ESPERA
Consiste en clasificar cada llegada en alguna categora. Se asigna un nivel de prioridad a cada categora.
La disciplina de las lneas de espera es el orden en que se atiende a los clientes. Este puede ser del tipo primero
en llegar, del tipo ltimo en llegar, primero en atenderse, de tipo aleatorio, o de acuerdo a prioridades.
NOTACIN DE KENDALL
La notacin de Kendall para especificar las caractersticas de una lnea de espera es V/W/X/Y/Z, donde
V denota el patrn de llegada, W el patrn de servicio, X significa el nmero de servidores disponibles, Y
representa la capacidad del sistema y Z indica la disciplina de la lnea de espera. Si Y o Z no se especifican, se
toman como infinito o FIFO (primero en llegar, primero en salir), respectivamente.
DESARROLLO
2.2 SISTEMAS M/M/1
CARACTERSTICAS DEL SISTEMA
Es un sistema de lneas de espera que tiene tiempos entre llegadas distribuidos exponencialmente, con
parmetro ; tiempos de servicio distribuidos exponencialmente con parmetro ; un servidor; la capacidad del
sistema no tiene lmite y una disciplina de lnea de espera del tipo primero en llegar, primero en atenderse. La
constante es la tasa promedio de llegada de clientes; la constante es la tasa promedio de servicio a clientes
el tiempo esperado entre llegadas y el tiempo esperado para atender al cliente son 1/ y 1/, respectivamente.
EL MODELO MARKOVIANO
Un sistema M/M/1 es un proceso Poissoniano de nacimiento-muerte. La probabilidad, P
n
(t), de que el
sistema tenga exactamente n clientes.
SOLUCIONES DE ESTADO ESTABLE
Factor de utilizacin (o intensidad de trnsito)

Si <1, entonces las probabilidades de estado estable existen y estn dadas por:
) 1 (

n
n P
MEDIDAS DE EFECTIVIDAD
Para un sistema de lneas de espera en estado estable, las medidas de mayor inters son:
L nmero promedio de clientes en el sistema
L
q
longitud promedio de la lnea de espera
W tiempo promedio que un cliente permanece en el sistema
W
q
tiempo promedio que un cliente permanece (o espera) en la lnea
W(t)

probabilidad de que un cliente permanezca mas de t unidades de tiempo en el sistema
W
q
(t) probabilidad de que un cliente permanezca ms de t unidades de tiempo en la lnea de espera
En muchos sistemas de lneas de espera, las primeras cuatro de ests medidas estn relacionadas por
1
+
wq
W
y por las formulas de little
w L
q q
w L

Las frmulas de little son vlidas para sistemas generales, siempre y cuando denote la tasa promedio de
llegada de clientes dentro de las instalaciones de servicio.
Para un sistema M/M/1, =
1
L

wq
1
2
q
L

e
w t
t W
/
) (

1
W

e w
w t
q
t
/
) (

2.3 SISTEMAS M/M/S
Un sistema M/M/S constituye un proceso de lneas de espera, con patrn Poissoniano de llegada, S servidores,
con s tiempos de servicios independientes entre s e independientes del estado del sistema, y con la misma
distribucin exponencial; con capacidad infinita, disciplina FIFO. Ya que el patrn de llegadas es
independiente del estado,
n
= para toda n. Los tiempos de servicio asociados con cada servidor son tambin
independientes del estado; pero ya que el nmero de servidores que en realidad atienden a los clientes depende
del nmero de clientes en el sistema, el tiempo que dicho sistema tarda en atender a los clientes dentro de las
instalaciones depende del estado.
Las condiciones de estado estable prevalecen cuando:
1
s
Las probabilidades de estado estable estn dadas por

1
0
1
0
! ) 1 ( !
) (

+
1
1
]
1

s
n
n s
s
n s
s
s
p

'
+ +
,...) 2 , 1 (
!
) ,..., 1 (
!
0
0
) (
s s n
s
s n
n
p
s
p
s
p
n
s
n
n

2
0
1
) 1 ( !
+
s
p
s
L
s
s
q

[ ]
) 0 (
) 1 )( 1 ( !
1 ) (
1 ) (
) 1 (
0
'

+

t
s s s
s
t w
e
p
e
s s t
s
t

=Exp(-Mu*t)*(1+((((S*R)^S)*Po*(1-Exp(-Mu*T*(S-1-S*R)))))/(Fact(S)*(1-R)*(S-1-S*R)))
=EXP(-B6*B5)*(1+((((B2*B3)^B2)*B4*(1-EXP(-B6*B5*(B2-1-B2*B3)))))/(FACT(B2)*(1-B3)*(B2-1-
B2*B3)))
=((B2*B3)^B2)*B4*EXP(-
B2*B6*B5*(1-B3))/(FACT(B2)*(1-B3))
2.4 SISTEMAS M/M/1/K
Este sistema puede aceptar simultneamente un mximo de k clientes en las instalaciones.
'
+
) 1 (
1
1
) 1 (
1
) 1 (
1
k
p
p
k
n
n

'
+
+
) 1 (
2
) 1 (
1
) 1 (
1
1
1
k
k
L
k
k
) 1 (
k

2.5 SISTEMAS M/M/S/K
Este es un sistema de capacidad finita, con S servidores con tiempos de servicio independientes entre s
e independientes del estado; y con la misma distribucin exponencial. Ya que la capacidad debe ser por lo
menos igual al nmero de servidores, S K.

( )
( ) s n p
n
s
p
n
n
..... 3 , 2 , 1
!
0

'

( ) k s n p
s
s
p
n s
n
,..... 1
!
0
+
'
'
1
]
1
+ +
1
]
1
) 1 (
!
) (
!
) 1 (
!
) (
) 1 ( !
) 1 (
1
0
1
0
1
0

s
n
n s
s
n
n s s
n
s
s k
s
s
n
s
s
s
p
?
n
P

0
2
1
) )( 1 ( 1
) 1 ( !
p s k
s
s
L
s k s k
s s
q

+


) 0 (
) 1 ( !
) (
) (
) 1 ( 0

t e
s
p s
t
t s
s
q w


) 1 (
k

2.6 MODELO DE AUTOSERVICIO

L=

W=1/
Lq = Wq = 0
2.7 PROBLEMAS RESUELTOS
1. A una mueblera llegan televisiones que requieren 1.2 mt
2
de espacio, llegan en promedio 10 televisiones por
da (cada da tiene 8 hrs.). Hay 3 mecnicos que reparan estas televisiones, a una tasa de 4 televisiones por da.
Suponga que los tiempos entre-arribos y de servicio siguen una distribucin exponencial.
a) De cuanto espacio debe ser la bodega de manera que haya espacio del 70% de las veces.
b) Si Juan es uno de los mecnicos, que porcentaje de tiempo estar desocupado
a)
TVs Sistema TVs Bodega Probabilidad Prob.
acum..
Espacio Requerido
0 0 0.0449 0.0449
1 0 0.1124 0.1873
2 0 0.1404 0.2977
3 0 0.1170 0.4147
4 1 0.0975 0.5122 1.2 mt
2
5 2 0.0813 0.5933 2.4 mt
2
1 3 0.0677 0.6610 3.6 mt
2
7 4 0.0564 0.7174 4.8 mt
2
8 0.047
9 0.037
b) P(Juan est ocupado) = 1 (P
0
+ 2/3 P
1
+ 1/3 P
2
)
TVs Sistema Juan
ocupado
Juan ocioso
0 No Si
1 1/3 2/3
2 2/3 1/3
3 Si No
S

= 10 / 3(4) = 10 / 12 = 0.8333
2. SISTEMA M/M/S/K y M/M/S. En una oficina hay 2 telefonistas, Lupita y Juanita, las cuales trabajan 8
hrs/da. Se recibe en promedio 20 llamadas/hr y s un cliente recibe la seal de ocupado colgar. La duracin
promedio de una llamada es en promedio de 3 minutos. Suponga que ambos procesos son Poissonianos.
a) Cuantas horas esta ociosa Juana durante el da?
b) Cul es el numero de llamadas que se pierden por da?
c) Suponga que existe un conmutador y que las personas pueden esperar hasta que se desocupe una
telefonista. Cul es la probabilidad de que haya ms de 2 personas esperando para hablar?
Solucin...
a) M/M/S = 2/ K=2
= 20 llam. / hr.
R = P
0
+ 1/2 P
1
R= 0.4 + 0.5(0.4) = 0.6
1 / = 3 min/llam. = 1/3 llam/min * 60 min/hr. = 20 llam/hr.
1 / = 3 min/llam.* 1 hr./60min = 3/60 = 1/20 = 0.5 hrs/llam
b) M/M/S= 2/K= 2
Llamadas perdidas / da = - = (20-16) 8 = 32 pers. / da
= (1 - P
2
) = 20*(1-0.2) =16
c) M/M/S = 2
Probabilidad de que haya ms de 2 esperando
= P
5
+ P
6
+ ...+ P
= 1 (P
0
+ P
1
+ P
2
+ P
3
+ P
4
)
P
0
= 0.3333 +
P
1
= 0.3333 1 0.9583 = 0.0417
P
2
= 0.1667
P
3
= 0.0833 4.17%
P
4
= 0.0417
0.9583
3. Una empresa de ventas por telfono debe determinar cuantos telefonistas se necesitan para manejar los
pedidos durante el turno de 9 a 5. Se calcula que se reciben un promedio de 480 llamadas durante este lapso y
que la llamada promedio dura 6 min. Si la empresa desea tener una probabilidad mxima de 1 en 100 de que
alguien que llame encuentre ocupado el telfono, Cuntas operadoras debe contratar para este turno?
Solucin. M/M/S/K
= 1 / 10(0.1666)
= 480/8hrs. = 60 llam / hr. = 1 llam / min
1 / = 6 min/llam. = 1/6 llam/min * 60 min/1hr. = 10 llam/hr.
# Servidores 1 2 3 4 5 6 7 8 9 10 11 12 13
P(ocupado) N.A. N.A. N.A. N.A. N.A. N.A. P
n
=7 P
n
=8 P
n
=9 P
n
=10
Pb.Enc.Ocup. .18 .12 .07 0.04 0.02 0.011 0.0052
Pb.de Espera 1%
Maestro: Hctor Luis Juan Morales Ago-Dic/10
Sistema Espera
0 0
1 0
2 0
3 1
4 2
5 3
6
Si S = 7 servidores
Clientes en el
sistema
Obtendra la seal
de ocupado
0 no
1 No
2 No
3 No
4 No
5 No
6 No
7 Si 0.18
8 N .A.
Si S = 8 servidores
Clientes en el
sistema
Obtendr la seal
de ocupado
0 no
1 No
2 No
3 No
4 No
5 No
6 No
7 no
8 Si 0.12
9 N.A.
Solucin: 13 Operadores
4. Llega un promedio de 100 clientes por hora al Banco. El tiempo promedio de servicio para cada cliente es de
1 minuto, los tiempos de servicio y entre llegadas son exponenciales. El gerente desea asegurarse que cuando
mucho el 1% de los clientes tengan que esperar mas de 5 minutos. Si el banco tiene una sola lnea de espera.
Solucin.
= 100 ctes. / hr. * 1 hr./ 60min = 1.666 ctes. / min.
1 / = 1 min/serv. = 1serv./ min = 60 serv. /hr.
No. de servidores.
2 3 4 5 6 7 8 9 10 11
P
0
0.0909 0.1727 0.1859 0.1883 0.1888 0.1889 =s
P
1
0.1515 0.2878 0.3094 0.3139 0.3146 0.3148 =s
P
2
0.1263 0.2398 0.2582 0.2616 0.2622 0.2623 =s
P
3
0.1052 0.1232 0.1435 0.1453 0.1457 0.1457 =s
P
4
0.0877 0.074 0.0598 0.0606 0.0607 0.0007 =s
P
5
0.0731 0.0411 0.0249 0.0202 0.0202 0.0202 =s
Probabilidad de que duren mas de 5 min. en la lnea de espera W
q
(t=5 min.).
2 3 4 5 6 7 8
W
q
(t=5) 0.14 0.0003
S* = 3 cajeros
5. Un Banco desea determinar cuantos cajeros debe emplear. El costo de emplear un cajero es $100/da y un
cajero puede atender a un promedio de 60 clientes por da. Al banco llega un promedio de 50 clientes por da y
los tiempos de servicio y entre llegada son exponenciales. Si el costo de demora por cliente por da es de $100
Cuntos cajeros se deben contratar?
Solucin.
= 50 ctes. /da
= 60 ctes. /da
1 / = 1 / 60 = 0.01666
Solucin: 2 Servidores
Costo Total = Costo por lo servidores + Costo de Espera de los Clientes
Costo por servidor * Numero de Servidores + Costo de Espera/(por cliente por da) *Lq
100*2 + 100 * 0.1751= 217.5
6.- En la oficina de correos de Austn los clientes esperan en una cola para que se desocupe la primera de las
ventanillas. Entra un promedio de 100 clientes por hora, y cada ventanilla puede despachar un promedio de 45
clientes por hora. La oficina de correos calcula que el costo es de 10 c de dlar por cada minuto que un cliente
espera en la cola, y cree que cuesta 20 dlares por hora mantener abierta una ventanilla. Los tiempos entre
llegadas y los de servicio son exponenciales.
a).- Para minimizar los costos totales esperados por hora, Cuntas ventanillas deben estar abiertas?
b).- Si la meta de la oficina de correos es asegurar que cuando mucho el 5% de los clientes pasen ms de 5
minutos en la cola, Cuntas ventanillas debe abrir?
Modelo: M/M/S=?
Respuesta:
Maestro: Hctor Luis Juan Morales Ago-Dic/10
Sistema
Actual
Optimo
Servidores 1 2 * 3
Cto. Total 516 217.5 302
Datos
=
100 clientes / hr.
=
45 clientes hr.
1/ =
0.0222
Costo de Espera = $ 6 clientes/ hr.
Costo por Servidor = $ 20/hr.
Costo por Cliente Rechazado = $ 0
8
a).- Se requieren___servidores para minimizar los costos de las ventanillas, dando como costo
__________.
b).-Si se desea que cuando mucho el 5% de los clientes, duren mas de 5 minutos en la lnea de espera; es decir
que el 95% de los clientes duren menos de 5 minutos en la lnea de espera.
Seleccionar el numero de servidores S cuando Wq(t) 0.05
t = 5/60min = 0.0833hrs
S = 3
S 1 2 3 4 5 6
P0
Wq(t) Hasta que sea 0.05
Al analizar este problema podemos verificar que es necesario utilizar la siguiente formula, ya que se nos esta
pidiendo la probabilidad de que un cliente permanezca ms de t unidades de tiempo en la lnea de espera.
Con 3 servidores
26 . 0 * 0833 . * 45 * 3
0
3
) 26 (. ! 3
) 74 . * 3 (
) 0833 (.

e
p
wq
26 . 0 * 0833 . * 45 * 3
3
) 26 (. ! 3
0784 . ) 74 . * 3 (
) 0833 (.

e
w
q
92383 . 2
3
) 26 (. ! 3
0784 . ) 74 . * 3 (
) 0833 (.

e
w
q
029 . ) 0833 (.
w
q
Esto es un 2.9% aproximadamente un 3%. S tenemos tres servidores en servicio, un 3% de los clientes
esperaran ms de 5 minutos en la lnea de espera. Es decir que el 95% de los clientes duraran menos de 3
minutos en la fila.
7.- La Newcoat Painting Company, durante largo tiempo, ha tenido alta demanda de su servicio de pintura
automotriz. Como ha tenido que rechazar trabajos, a la gerencia le preocupa que el espacio restringido de que
dispone para guardar los automviles sea la causa de ingresos perdidos. Al lado de las instalaciones hay un
pequeo lote vaco, que se ofrece en renta bajo condiciones de larga duracin a un costo de 10 dlares por da.
La gerencia cree que cada cliente perdido cuesta 20 dlares en ganancias. Se calcula que la demanda actual es
de 21 automviles por da con tiempos exponenciales entre llegadas, incluyendo los que no se atienden, y el
taller puede dar servicio a una rapidez exponencial de 24 vehculos por da. Los coches se procesan en base
PLPS. El espacio de espera queda limitado ahora a 9 autos, pero si se renta el lote vaco se puede aumentar a 20
autos en total. Newcoat desea determinar si se debe alquilar el lote vaco. Tambin desea conocer la ganancia
diaria perdida a causa de rechazar trabajos, cuando se rente el lote. Slo se puede pintar un automvil a la vez.
Actualmente
Modelo= M/M/1/k/10
Datos
=
21 autos / da.
=
24 autos / da.
Capacidad = k =10
Costo por Rechazo = $20 por auto rechazado
P10 = 0.427
= 21(1 0.427) = 20.10
Rechazo por da =
-
= 21 20.10 = 0.90
Costo Total por Rechazo = 0.90*0.20 = 18
Costo Total = $18 da.
S se renta el lote
Modelo : M/M/1/k/21
Datos
=
21 autos / da.
=
24 autos / da.
Capacidad = k =21
Costo por Rechazo = $20 por auto rechazado
Costo por Renta = $10 da
P21 = 0.0080
=
21(1 0.0080) = 20.83
Rechazo por da =
-
= 21 20.83 = 0.168
Costo Total por Rechazo = 10 + (20)(0.168) = $ 13.36 da
Costo Total = $ 13.36 da
Lo mximo de pagar de la renta seria = 18 3.3572 = 14.6428
8. Problema resuelto usando el software STORM
Escenario 1 M/M/C
Un taller de torno cuenta con 2 maquinas para maquinar piezas. Esta considerado aadir una tercera, debido a
los grande retardos que se ocasionan. Se carga un alto precio por este tipo de trabajo, y los clientes empiezan a
mostrar gran impaciencia. Los tiempos de maquinado de los trabajos varan enormemente y una distribucin
exponencial se ajusta bien, con un valor medio (promedio) de 2 horas.
Se reciben rdenes para este tipo de trabajo a una lnea de trabajo a una tasa promedio de 38 rdenes por
semana. La gente trabaja 8 hrs/da, 5 das a la semana. Una maquina nueva cuesta $1,500,000 y tendr un valor
estimado de salvamento de $200,000 despus de 20 aos. A una taza de inters anual de 15% esto da un valor
equivalente (equivalente worth) de aproximado -$238,000, o un costo de $ 4,600 /sem. Finalmente, la pregunta
difcil de contestar: cuanto cuesta la tardanza de las rdenes? Costos directos de manejo de quejas,
expeditaciones, etc. son, mucho menos significantes que la posibilidad de disminuir el negocio hacia los
competidores. Muchos clientes ya han mencionado esta posibilidad, y algunos ya se han cambiado. Como la
demanda de estos servicios especializados no esta muy expandida ser muy costosa. Por ultimo despus de
estimar el costo por cliente perdido, lo mejor que se puede y la probabilidad de que esto suceda como una
funcin del tiempo de espera, se considera un costo total por retardo por semana por cliente de $1,000.
S = 2 Maquinas
= 38 ordenes/Semana
1/ = 2 horas /pedido (1sem/40hrs)= 0.05 sem/pedido
Costo por Maquina por semana = $4,600/Semana
Costo por trabajo retrasado por semana = $1,000 /Semana
Escenario 2 M/G/C
S decidimos reducir la desviacin estndar de los tiempos de servicio, buscando alternativas como mejor
mantenimiento o ms entrenamiento a operadores; as la distribucin ya no ser exponencial sino una de tipo
general.
Suponga que se reduce la desviacin estndar a (tiempo de servicio); esto es 0.025hrs.
Escenario 3 M/M/C/K
Para mejorar la imagen del taller, vamos a limitar l numero de trabajo que aceptaramos en cualquier tiempo,
con esto generemos reputacin o imagen. Suponga que l numero mximo en el sistema es de 12 trabajos.
Como el trabajo promedio genera una ganancia de $ 5,000, este sera el costo por rechazar una orden.
Escenario 4 M/M/C/K/K
Conoces que tu negocio esta formado solo por 200 clientes y ninguno de ellos va algn otro taller con sus
trabajos. En promedio cada cliente le pide un trabajo cada 5 semanas 0.2 rdenes por semana.
Considere que para Capacidad finita de clientes, se pone el numero de ordenes por cliente por semana en lugar
de Lamda = 38 ordenes/Semana.
.
Valor
equivalente
Anual
Escenario 1 Escenario 2 Escenario 3 Escenario 4
L No. Clientes Sist 19.5 11 3.8
Lq No. Clientes Cola 17.5 12.9 5.5
W 0.51 0.33
Wq 0.46 0.29
Costo Total 16388 16130
S Optimo 3 3
Solucin por medio del software Storm
9 Problema. El gerente de un grupo grande de empleados debe decidir si necesita otra maquina fotocopiadora.
El costo de una es 400 pesos por da de 8 horas se use o no. En promedio, 4 personas por hora necesitan usar la
maquina. Cada persona la usa durante un promedio de 10 minutos. Los tiempos entre llegadas y los de copiado
tienen distribucin exponencial. A los empleados se les paga $64/da, y suponga que se incurre en un costo de
espera cuando un empleado espera en la cola para usar la copiadora, cuntas copiadoras se deben rentar?
S =
= 4 Clientes /hr = 32clientes por dia
1/ = 10 min /Cliente = (1/10)(60min/hr)(8hr/dia) = 48 Clientes/da
Costo por Maquina por da = $400/dia
Costo por empleado (cliente) por da que permanece en la cola = $64 /da
PROBLEMAS PROPUESTOS
1.- Un supermercado trata de decidir cuantas cajas deben de estar funcionando. Suponga que cada hora
llega un promedio de 18 clientes, el tiempo promedio de atencin a un cliente es de 4 minutos, los tiempos
promedio entre llegadas y los tiempos de servicio son exponenciales, y el sistema se puede modelar como
M/M/s/DG/ / . El funcionamiento de una caja cuesta 20 dlares / hr. y se carga un costo de 25c de dlar por
minuto que el cliente pasa en la zona de cajas.
Cuntas Cajas debe de abrir el supermercado?. R. 2 cajas
2.- Al banco de Gotham City llega un promedio de 100 clientes por hora, un cajero se tarda un
promedio de 2 minutos en atender a un cliente. Los tiempos entre llegadas y de servicio son exponenciales, el
banco tiene actualmente 4 cajeros trabajando. El gerente desea comparar los 2 sistemas siguientes en cuanto al
nmero promedio de clientes en el banco:
Sistema 1.- Cada cajero tiene su propia cola y no se permite cambiar de cola.
Sistema 2.-Todos los clientes esperan en una cola nica a que se desocupe un cajero.
Si el lector fuera el gerente del banco, que sistema escogera. R: Sistema 2
3.- El programa de doctorado de la universidad del estado admite un promedio de 25 estudiantes de doctorados
cada ao. Si un estudiante de doctorado pasa un promedio de 4 aos en la universidad.
Cuntos estudiantes de doctorados cabe esperar encontrar en ella?. R:100 estudiantes.
4.- Llegan un promedio de 120 estudiantes cada hora a la oficina de inscripciones de un colegio; los tiempos
entre llegadas son exponenciales; para determinar su inscripcin, una persona debe pasar por tres ventanillas,
cada ventanilla tiene un solo servidor, los tiempos de servicio en cada ventanilla son exponenciales y sus
duraciones son 20 segundos en la ventanilla 1, 15 en la ventanilla 2 y 12 en la ventanilla 3.
En promedio Cuntos estudiantes habr en la oficina de inscripciones para tramitar sus cursos?.
R: Aproximadamente 4 alumnos.
5.-La inscripcin a la universidad se hace como sigue: Al entrar al saln de inscripciones, los estudiantes
esperan primero en una cola. Una sola ventanilla maneja la inscripcin a clases, y le toma al servidor un
promedio de 2 minutos procesar una inscripcin. A continuacin el estudiante debe hacer cola para pagar. Un
solo cajero recibe las cuotas. El cajero tarda un tiempo promedio de 2 minutos en atender al estudiante.
Despus el estudiante sale del saln de inscripciones. Llega un promedio de 15 estudiantes por hora a ese saln.
a).- Si fueran exponenciales los tiempos entre llegadas y los de servicio Cul es el tiempo esperado que
debe pasar un estudiante en el saln de inscripciones? R: 8 min Cul es la probabilidad de que durante
los siguientes 5 minutos entren exactamente 2 estudiantes al saln de inscripciones? R: 0.22383
b).- Sin ms informacin, Cul es la probabilidad de que durante los prximos 3 minutos no llegue estudiante
alguno a la sala de inscripciones? R: 0.4724
c).- Supongamos que el sistema de registro cambia para que un estudiante se pueda inscribir y pagar en la
misma ventanilla. Si el tiempo de servicio en esta ventanilla nica tiene una distribucin de Erlang con
parmetro de velocidad 1.5 por minuto y parmetro de forma 2, Cul es el tiempo esperado que un estudiante
pasa en la cola? R: 1.26 min
6. Cada ao, un promedio de 500 personas pasan el examen de la barra de abogados de Nueva York y entran al
servicio legal. En promedio, un licenciado practica en el estado de Nueva York durante 35 aos. En 20 aos a
partir de ahora, Cuntos abogados se espera que haya en el estado de Nueva York?
R: 350,018
7.- Hay 5 estudiantes y un barril de cerveza en una fiesta. El tiempo que transcurre entre despachos sucesivos
de tarros de cerveza es exponencial, con promedio de 2 minutos. El tiempo para tomarse una cerveza tambin
sigue una distribucin exponencial, con un promedio de 18 minutos. Al terminarse su cerveza, el estudiante
regresa de inmediato para pedir otra.
a).- En promedio, cunto tiempo hace cola un estudiante para que le den su cerveza? R: 1.0486 minutos
b).- Qu fraccin del tiempo no hay movimiento en el barril? R: El 52.48% del tiempo
c).- Si el barril tiene 500 tarros de cerveza, Cunto tiempo, en promedio, pasar para que se termine la
cerveza? R: 35 horas con 5 minutos
8.- El gerente de un grupo grande de empleados debe decidir si necesita otra maquina fotocopiadora. El costo
de una es de 40 dlares por da de 8 horas se use o no. En promedio, 4 personas por hora necesitan usar la
maquina. Cada persona la usa durante un promedio de 10 minutos. Los tiempos entre llegadas y los de copiado
tienen distribucin exponencial. A los empleados se les paga 8 dlares por hora, y suponemos que se incurre en
un costo de espera cuando un empleado espera en la cola para usar la copiadora. Cuntas copiadoras se deben
rentar? R: Debe haber 2 copiadoras funcionando
9.- Un lavado automtico de automviles tarda 10 minutos en lavar un coche. Las llegadas son a un
espaciamiento promedio de 15 minutos, distribuidos exponencialmente.
a).- En promedio, Cuntos automviles estn esperando su turno de lavado? R: 1.33336 autos
b).- Si el lavado automtico se pudiera acelerar, Qu tiempo de lavado reducira el tiempo promedio de espera
a 5 minutos? R: 6.51388 min/auto
10.- En un restaurante selecto slo hay una mesa y espacio de espera slo para un grupo; si llegan otros cuando
la salan de espera est ocupada, se van. La frecuencia de llegada sigue una distribucin exponencial con
promedio de un grupo por hora. Al grupo promedio le toma 1hora, distribuida en forma exponencial, su
comida. Cul es el tiempo promedio que pasa un grupo en la sala de espera? R: 0.5 minutos
11.- El dueo de un restaurante selecto tiene dos mesas, pero solo un mesero. Si se ocupa la segunda mesa, el
dueo sirve en esa mesa. Los tiempos de servicio tienen distribucin exponencial con promedio de 1 hora y los
tiempos entre llegadas tambin tiene distribucin exponencial con promedio 1.5 horas. Cuando el restaurante se
llena, las personas deben hacer cola para esperar su turno.
a).- Qu porcentaje del tiempo esta sirviendo el dueo en una mesa? R: 11.11%.
b).- Si el dueo desea pasar el 10% de su tiempo atendiendo a clientes, Cul es la frecuencia mxima de
llegadas que se puede tolerar? R: 0.6144 arribos/hr
BIBLIOGRAFA
1.- MODELOS CUANTITAVOS PARA ADMINISTRACIN
Autor: Davis /Mc Keown
Grupo Editorial: Iberoamrica
2.- INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES
Autor: Robert J. Thierauf.
Editorial: Noriega Limusa.

3.- INVESTIGACIN DE OPERACIONES
Autor: James E. Shamblin
Editorial: Mc. Graw Hill
Autor: Richard Bronson, Serie Schaum
Editorial: Mc. Graw Hill
Aplicaciones y Algoritmos
Autor: Wayne L Winston
Grupo Editorial: Iberoamrica
Tutorial de Lineas de espera para el winqsb
Los apuntes de IO son una serie de apuntes introductorios en tpicos que caen bajo amplio campo de la
Investigacin de operaciones (IO). Fueron utilizados originalmente por m en un curso de introduccin de IO
que doy en la Universidad Imperial. Estn disponibles ahora para el uso de cualesquiera estudiantes y
profesores interesados en IO conforme a las siguientes condiciones.
Una lista completa de los tpicos disponibles en apuntes de IO que pueden encontrarse aqu
TEORIA DE ESPERA (Lneas de espera).
Lneas de espero se ocupa de problemas que implican el hacer cola (o el esperar). Los ejemplos tpicos
pudieran ser:
Bancos / supermercados-esperar por el servicio
Computadoras- esperar por una respuestas
Situaciones de falla esperar por una ocurrencia de falla ejemplo en una pieza de maquinaria
Transporte publico-esperar por un tren o un autobs.
Como sabemos hacer cola es una experiencia diaria y muy comn. Hacer cola se forma porque los recursos son
muy limitados. De hecho, hacer colas tiene un sentido econmico. Por ejemplo: cuantos supermercados se
necesitaran para evitar hacer cola?, Cuntos autobuses o trenes serian necesarios si las colas fueran
eliminadas?
En diseo de sistemas de lneas de espera necesitamos apuntar para un equilibrio entre el servicio o clientes
(lneas de espera cortas implican de muchos servicios) y consideraciones econmicas (no tambin muchos
servidores) en esencia todos los sistemas pueden ser analizados en los subsistemas individuales consistiendo de
entidades de lneas de espera para alguna actividad (como lo mostrado abajo)
Podemos hablar tpicamente de este subsistema individual como tratando con clientes haciendo cola para un
servicio. Para analizar este subsistema necesitamos informacin que concierne con:
- PROCESO DE LLEGADA:
- Como llegan los clientes, por ejemplo individualmente o en grupos (o llegada en grupos)
- Como se distribuyen las llegadas en el tiempo (por ejemplo cual es la distribucin de probabilidad de
tiempo entre la llegada sucesiva la distribucin entre llegadas del tiempo).
- O si hay una poblacin finita de clientes o (efectivamente) un nmero infinito.
El proceso de llegada mas simple es una donde tengamos llegadas completamente regulares (es decir el
mismo intervalo constante del tiempo de llegadas sucesivas) una distribucin Poisson las llegadas corresponden
a las llegadas al azar. En una distribucin Poisson los clientes sucesivos llegan despus de que los intervalos
son distribuidos exponencialmente. La distribucin de Poisson es tan importante que es un modelo matemtico
conveniente de muchos sistemas de lneas de espera de la vida real y es descrito por un solo parmetro la tasa
de llegada media. Otro importante proceso de llegada son las llegadas programadas, llegadas de la hornada, y
tasas de llegada vara segn la hora del da.
Mecanismo del servicio. Descripcin de los recursos
Que necesito para que el servicio comience:
- Cunto tiempo tomar el servicio (la distribucin de tiempo del servicio)
- El numero de servidores disponibles
- Si los servidores estn en serie (cada servidor tiene una fila de espera separada) o en paralelo (una cola
para todos los servidores )
- Si el derecho preferente de compra est permitido (un servidor puede parar de procesar a un cliente para
tratar con otro cliente emergencia).
Asumiendo que los tiempos de servicio para clientes son independientes y no dependen del proceso de
llegada son comunes. Otra acepcin comn acerca de los tiempos de servicio es que estn distribuidos
exponencialmente.
Caractersticas de la lnea de espera
Como el sistema de clientes que esperan servicio, elegimos el que servir en segunda por ejemplo FIFO
(Primero en Entrar-Primero en salir) y tambin conocido como FCFS (Primero que llega, Primero
servido); LIFO (Ultimo en entrar-Primero en salir) Aleatoriamente (esto a menudo se llama disciplina
de la lnea de espera).
O tenemos:
El que reniega (Clientes que deciden no permanecer en la fila si esta es muy larga)
El que renuncia (Clientes que dejan la fila si han esperado mucho tiempo por un servicio)
Jockeying (maniobrando, cruzando) (Clientes que cambian entre las filas si piensan que conseguirn
servicios mas rpidamente por hacer esto)
Una fila de capacidad finita o (efectivamente) de capacidad infinita.
Cambiando la disciplina de las lneas de espera (la regla por la cual seleccionamos al siguiente cliente a ser
servido) puede reducir a menudo la congestin.
A menudo la disciplina de las lneas de espera elegir entre el cliente con el ms bajo tiempo de servicio
resulta en el ms pequeo valor para el tiempo (en promedio) que un cliente pasa haciendo cola.
Las situaciones integrales que las lneas de espera es la idea de inciertamente, por ejemplo tiempos entre
llegadas y tiempos de servicios. Esto significa que la probabilidad y estadstica son necesarias para analizar las
situaciones de las lneas de espera.
En trminos del anlisis de situaciones de lneas de espera los tipos de pregunta en que estamos interesados son
tpicamente concernientes con temas de sistemas y deben incluir:
Que tanto un cliente tiene expectativa de esperar en la fila antes de ser servido, y cuanto tendrn que
esperar antes de que el servicio este completo
Cul es la probabilidad de que un cliente tenga que esperar mas tiempo que el dado en el intervalo
antes de ser servido?
Cul es el promedio de tiempo de espera mas largo en la fila?
Cul es la probabilidad que el hacer cola exceder un cierto tiempo ms largo?
Cul es la expectativa de utilizacin del servidor y la expectativa del periodo de tiempo durante el cual
esta totalmente ocupado (recuerde que los servidores nos cuestan dinero entonces necesitamos
mantenerlos ocupados). De hecho podemos asignar costos a factores al tiempo de espera de cada
cliente y el servidor con tiempo ocio, entonces podemos investigar como disear un sistema con costo
total mnimo.
Estas son preguntas que necesitamos responder para que la administracin pueda valorar alternativas en
prueba para control /mejora de la situacin. Algunos de los problemas que a menudo son investigados en
prctica son:
Vale la pena invertir esfuerzo para reducir el tiempo de servicio?
Cuntos servidores deben ser empleados?
Habr prioridades para que cierto tipo de clientes sean atendidos?
El rea de espera es adecuada para los clientes?
En orden para obtener respuestas acerca de las preguntas estn dos enfoques:
1. mtodos Analticos o Teora de lnea de espera (basado en la frmula); y
2. Simulacin (basado en la computadora).
La razn para empezar con estos dos enfoques (en vez de slo uno) es que el mtodo analtico es solo
viable para sistemas de lneas de espera relativamente simples. Los sistemas de lneas de espera complejos son
casi siempre analizados usando simulacin (ms tcnicamente conocidos como simulacin de eventos
discretos).
Los sistemas de lneas de espera simples se pueden abordar por la teora de lnea de espera esencialmente:
Consisten de slo una lnea de espera los sistemas donde los cliente pasan de una fila a otra no pueden
ser abordados va teora de lneas de espera.
Tiene distribuciones para las llegadas y procesos de servicio que son bien definidos (por ejemplo
distribuciones estadsticas estndar como Poisson o Normal); sistemas de datos observados, o son
tiempos dependientes, son difciles de analizarse por medio de la teora de lneas de espera.
El primer problema de teora de lneas de espera fue considerado por Erlang en 1908 quien observ que tan
grande necesitaba ser un intercambio de telfono porque estaba ocupado (las llamadas perdidas). En el plazo de
10 aos l haba desarrollado la formula (compleja) para solucionar el problema.
NOTACIN DE LAS LINEAS DE ESPERA Y UN EJEMPLO SIMPLE
Es comn utilizar estos smbolos:
Lambda para la media (o promedio) nmero de llegadas por periodo de tiempo. Por ejemplo la media
de la tasa de llegada.
para la media (o promedio) de clientes que sirvi por el periodo, es decir la media de la tasa de
servicio.
Este es un sistema de notacin estndar para clasificar los sistemas de lneas de espera como A/B/C/D/E donde:
A representa la distribucin de probabilidad para el proceso de llegada.
B representa la distribucin de probabilidad para el proceso de servicio.
C representa el nmero de canales (servidores)
D representa el mximo nmero de clientes permitidos en el sistema de lneas de espera (siendo servido
o esperando por el servicio)
E representa el mximo nmero de clientes en total.
Opciones comunes para A y B son:
M para una distribucin de llegada Poisson (Distribucin exponencial de llegada) o un servicio de
tiempo de distribucin exponencial.
D para un valor determinado o constante
G para una distribucin general (pero con una media y varianza conocida)
si D y E no estn especificadas entonces se asume que son infinitas.
Por ejemplo el sistema de lneas de espera M/M/1 el mas simple sistema de lneas de espera, tiene una
distribucin Poisson para la llegada, un tiempo de servicio exponencial y un solo canal (un servidor). Note aqu
que usando esta notacin se asume siempre que esto es de una sola cola (lnea de espera) y los clientes se
mueven de esta sola lnea a los servidores.
EJEMPLO SIMPLE M/M/1
Supongamos que tenemos un solo servidor en una tienda y los clientes llegan a la tienda con una
distribucin Poisson, la media de lambda =0.5 clientes por minuto, es decir un promedio de aparicin de
clientes cada 1/lambda = 1/0.5= 2 min. Esto implica que los tiempos entre llegadas tienen una distribucin
exponencial con promedio de tiempo de entre llegadas de 2 minutos. El servidor tiene un servicio con
distribucin exponencial con una media de servicio de 4 clientes por minuto. Es decir una tasa de servicio de
=4 clientes por minuto. Como tenemos una llegada con tasa de distribucin Poisson /, tiempo de servicio
exponencial /1 servidor tenemos un M/M/1 Lneas de espera; en trminos de la notacin estndar.
Podemos analizar esta situacin de lneas de espera usando el paquete. El llenado se muestra abajo:
Con la capacidad siendo:
La primera lnea de la ventana de salida (resultados) dice que los resultados son de una formula. Para
este muy simple sistema de lneas de espera, estas son formulas exactas que dan las estadsticas acerca de la
asuncin que el sistema tiene alcance un estado estable- que es que el sistema ha estado funcionando mucho,
suficiente como para establecerse dentro de algn tipo de posicin de equilibrio.
Naturalmente en los sistemas de la vida real difcilmente llegamos a un sistema estable. Simplemente
porque la vida no es as. Como fuere a pesar de esto, esta simple formula puede darnos algo para penetrar
dentro de cmo funciona un sistema muy rpidamente. El paquete toma un fraccin de segundo producir las
respuestas.
Un factor que es de notar es intensidad de trfico = tasa de llegada /tasa de salida donde la tasa de
llegada = numero de llegadas por unidad de tiempo y tasa de salida = numero de salidas por unidad de tiempo.
La intensidad de trfico es una medida de la congestin del sistema. Si esta es cerca de cero, la lnea de espera
es muy chica y en general como la intensidad del trafico aumenta (para cerca de 1 o mas grande que 1) la
cantidad de la lnea de espera incrementa. Para el sistema nosotros tenemos considerado la tasa de llegada es
0.5 y la tasa de salida es 4 entonces la intensidad de trafico es 0.5/4=0.125
SERVIDORES MS RPIDOS O MS SERVIDORES
Considerando la situacin que tenemos arriba cul preferiras?
Un servidor trabajando dos veces mas rpido o
Dos servidores cada uno trabajando a la tasa de tiempo original?
La respuesta es simple y podemos analizarla utilizando el paquete. Para la primer situacin 1 servidor
trabajando 2 veces mas rpido corresponde a una tasa de servicio de =8 clientes por minuto.
Los resultados para esta situacin se muestran abajo:
Para dos servidores trabajando la tasa original de salida es como abajo. Note aqu que esta es una
situacin M/M/2 sistema de lneas de espera. Note para que el paquete asuma que estos 2 servidores son para
atender una sola lnea de espera ms que teniendo una fila individual.
Comparando las dos pantallas de arriba, cual operacin prefiere?
De las figuras en las pantallas arriba algunas son parecidas. Extrayendo imgenes de las que son
diferentes tenemos:
Servidores tasa original un servidor dos veces ms rpido
Promedio de tiempo en el sistema 0.1333
0.2510
(Esperando y empezar a ser atendido)
Promedio de tiempo de la fila de espera 0.0083
0.0010
Probabilidad de tener que esperar por servicio 6.25%
0.7353%
Con esto se puede ver que con 1 servidor trabajando 2 veces mas rpido los clientes pierden menos tiempo en
el sistema en promedio, pero tienen que esperar ms tiempo por servicio y tambin tienen una alta probabilidad
de tener que esperar por servicio.
EXTENDIENDO EL EJEMPLO M/M/1 Y M/M/2 CON COSTOS
Abajo tenemos el ejemplo de antes donde ahora tenemos multiplicada la tasa de llegada de los clientes
por un factor de 6 (es decir los clientes llegan 6 veces ms rpido que antes). Tenemos tambin entrada una
capacidad de lneas de espera (espacio para esperar) de 2 es decir si todos los servidores estn ocupados y dos
clientes estn esperando cuando un nuevo cliente aparece entonces se van esto es conocido como malogrando,
frustrando (balking).
Tenemos tambin adherido la informacin del costo relativo a los servidores y a los clientes:
Cada minuto de ocio de un servidor cuesta 0.5
Cada minuto que un cliente espera por un servidor nos cuesta 1
Cada cliente que es insatisfecho (se va antes de ser servido ) nos cuesta 5
El paquete para poner los datos esta mostrado abajo:
Con los resultados_
Note como la pantalla lo indica que es un sistema M/M/1/3 desde que tenemos un servidor y el mximo
numero de clientes que pueden estar en el sistema (uno u otro siendo atendido o esperando) es 3 (uno estando
atendido, 2 esperando).
La clave aqu es que como tenemos integrados los datos de costo tenemos un perfil por el total del costo
de la operacin del sistema, 3.0114 por minuto en el estado estable.
Supongamos ahora que tenemos 2 servidores en vez de uno- podra el costo ser mayor o menor?
La respuesta simple es que el paquete puede decirnos, como abajo. Note que esto es un M/M/2/4
sistema de lnea de espera como tenemos 2 servidores y un numero total de clientes en el sistema de 4 (2
estando servidos) 2 esperando en la fila por servicio.
Note que el paquete asume que estos 2 servidores son abastecidos de una sola fila de espera (en vez que
cada uno tenga su propia fila de espera)
queue).
As que podemos ver que esto es un costo de salvado considerable por minuto en donde tenemos 2
servidores en vez de uno.
De hecho el paquete puede presentar automticamente un anlisis para nosotros de cmo varan en total
los costos con los nmeros de servidores. Esto puede ser visto abajo.
LNEA DE ESPERA GENERAL
La pantalla de abajo muestra los posibles parmetros de entrada para el paquete en caso de un modelo
general de lneas de espera (es decir no un sistema M/M/r)
Aqu tenemos un nmero de posibles opciones para el tiempo de servicio con una distribucin y la
distribucin de tiempo entre llegadas. De hecho el paquete reconoce algunas 15 distribuciones diferentes
Otros temas mencionados arriba son:
Coeficiente preassure de servicio: indica como crece la rapidez del servicio cuando el sistema esta ocupado, es
decir cuando todos los servidores estn ocupados la tasa incrementa. Si este coeficiente es s y tenemos r
servidores cada uno con tasa de servicio entonces la tasa de servicio cambia de a (n/r)
s
cuando son n
clientes el sistema y n> = r.
Coeficiente de reduccin de llegada: indica como los clientes son desalentados cuando el sistema esta
ocupado, es decir cuando todos los servidores estn ocupados, la tasa de llegada decrece. Si este coeficiente es s
y tenemos r servidores con la tasa de llegada siendo lambda entonces la tasa de llegada cambia de lambda a
((r/n1))
s
lambda cuando estos son n clientes y el sistema n>= r.
Distribucin tamao de llegada (en masa): los clientes pueden llegar juntos (en masa tambin conocida como
bulk) y esto s indican la distribucin de tamao de cada aglomeracin.
Como una indicacin del anlisis que puede hacerse un problema como se muestra abajo:
Esta pantalla indica que no existe formula para evaluar la situacin que arriba principia.
Podemos tratar de evaluar esta situacin usando una formula aproximada o por simulacin MonteCarlo. Si
elegimos utilizar la aproximacin cercana obtenemos:
La dificultad es que esta aproximacin resulta sin sentido (es decir, no es una buena aproximacin) Por
ejemplo el numero promedio de clientes en la fila de espera es de 2.98110, la probabilidad que todos los
servidores estn ociosos es de 320%, etc. Para este caso particular es obvio que la aproximacin (o quiz el
paquete) no este funcionando, para otros problemas parecer que la aproximacin no esta trabajando.
Si adoptamos la simulacin MonteCarlo nos proporcionar la pantalla de abajo:
Que pasar aqu, que la computadora construir un modelo de sistema que tenemos especificado e
internamente genera llegadas de clientes, tiempos de servicio, etc., y recolectar estadsticas en como presenta
los sistemas. Como se especifica arriba esto har para 1000 unidades de tiempo (horas en este caso). La frase
MonteCarlo se deriva de la bien conocida ciudad del juego en el mediterrneo en Mnaco. Como en la
ruleta cuando esta es girada obtenemos nmeros aleatorios, as en simulacin MonteCarlo hacemos que use
nmeros al azar generados por la computadora.
Los resultados son mostrados abajo:
Estos resultados son mucho ms razonables que los obtenidos de la aproximacin.
De cualquier manera un factor a tomar en consideracin es el comportamiento del sistema nos podr hacer
simular por mas tiempo. Los resultados de la simulacin tanto 10 como 100 tiempos largos estn mostrados
abajo
Claramente simulamos la mas grande , la mayor confidencia la podramos tener en las estadsticas/
probabilidades obtenidas.
Como antes podemos investigar como el sistema debe ser con ms servidores. Simulando por 1000 horas (para
reducir sobre todo el tiempo del lapso requerido) y observando que justamente el costo total del sistema por
hora (detalle 22 en la pantalla de arriba) tenemos lo siguiente:
num. de servidores Costo total del sistema
1 4452
2 3314
3 2221
4 1614
5 1257
6 992
7 832
8 754
9 718
10 772
11 833
12 902
De aqu que el numero de servidores asociado con el costo mnimo total del sistema es de 9.
Anexo 1: Ejemplo de datos
LINEA DE ESPERA 1
CAJA 2 ( Mary)
NUMERO TIEMPO DE ARRIBOTIEMPO ENTRE ARRIBOS TIEMPO DE SERVICIO
1 10:40:00 a.m. 0 25seg
2 10:41:00 a.m. 60seg 20seg
3 10:41:41 a.m. 41seg 65seg
4 10:41:55 a.m. 14seg 80seg
5 10:42:15 a.m. 20seg 30seg
6 10:42:26 a.m. 11seg 35seg
7 10:44:15 a.m. 169seg 30seg
8 10:44:40 a.m. 25seg 30seg
9 10:45:00 a.m. 20seg 10seg
10 10:46:00 a.m. 60seg 20seg
11 10:47:05 a.m. 65seg 25seg
12 10:47:20 a.m. 15seg 10seg
13 10:47:30 a.m. 10seg 15seg
14 10:47:31 a.m. 60seg 25seg
15 10:48:00 a.m. 29seg 25seg
16 10:50:00 a.m. 120seg 20seg
17 10:50:42 a.m. 42seg 25seg
18 10:52:00 a.m. 138seg 25seg
19 10:52:25 a.m. 25seg 25seg
20 10:52:45 a.m. 20seg 25seg
21 10:53:10 a.m. 25seg 25seg
22 10:53:15 a.m. 5seg 40seg
23 10:53:30 a.m. 15seg 20seg
24 10:54:00 a.m. 30seg 60seg
25 10:57:00 a.m. 180seg 130seg
26 11:00:05 a.m. 185seg 25seg
27 11:05:00 a.m. 295seg 10seg
28 11:05:30 a.m. 30seg 20seg
29 11:15:00 a.m. 30seg 35seg
30 11:19:00 a.m. 240seg 20seg
31 11:19:15 a.m. 15seg 30seg
32 11:19:35 a.m. 20seg 35seg
33 11:19:40 a.m. 5seg 10seg
34 11:20:25 a.m. 45seg 35seg
35 11:21:00 a.m. 35seg 30seg
36 11:22:00 a.m. 60seg 45seg
37 11:23:00 a.m. 60seg 20seg
38 11:25:00 a.m. 120seg 20seg
39 11:27:00 a.m. 120seg 95seg
40 11:35:00 a.m. 480seg 105seg
41 11:35:10 a.m. 10seg 35seg
LINEA DE ESPERA 2
CAJA 1 (susana)
NUMER
O TIEMPO DE ARRIBO TIEMPO ENTRE ARRIBOTIEMPO DE SERVICIO
1 10:40:50 a.m. 0 25seg
2 10:41:00 a.m. 50seg 20seg
3 10:41:30 a.m. 30seg 40seg
4 10:41:45 a.m. 15seg 40seg
5 10:43:15 a.m. 90seg 10seg
6 10:45:00 a.m. 105seg 10seg
7 10:45:20 a.m. 20seg 30seg
8 10:45:30 a.m. 10seg 25seg
9 10:46:10 a.m. 40seg 30seg
10 10:47:05 a.m. 55seg 25seg
11 10:47:20 a.m. 15seg 35seg
12 10:47:30 a.m. 10seg 45seg
13 10:48:00 a.m. 30seg 35seg
14 10:49:30 a.m. 90seg 20seg
15 10:50:10 a.m. 40seg 130seg
16 10:51:40 a.m. 90seg 35seg
17 10:52:00 a.m. 20seg 35seg
18 10:52:45 a.m. 45seg 30seg
19 10:53:15 a.m. 30seg 35seg
20 10:53:45 a.m. 30seg 50seg
21 10:55:00 a.m. 75seg 45seg
22 10:55:30 a.m. 30seg 30seg
23 10:58:25 a.m. 175seg 10seg
24 10:58:30 a.m. 5seg 35seg
25 10:59:10 a.m. 40seg 35seg
26 11:00:05 a.m. 55seg 45seg
27 11:02:05 a.m. 120seg 35seg
28 11:02:45 a.m. 40seg 20seg
29 11:03:15 a.m. 30seg 20seg
30 11:05:00 a.m. 105seg 30seg
31 11:05:45 a.m. 45seg 30seg
32 11:06:25 a.m. 40seg 25seg
33 11:08:40 a.m. 135seg 55seg
34 11:09:15 a.m. 35seg 65seg
35 11:09:50 a.m. 35seg 25seg
36 11:10:25 a.m. 35seg 25seg
37 11:12:45 a.m. 140seg 15seg
38 11:13:15 a.m. 30seg 35seg
39 11:15:45 a.m. 150seg 25seg
40 11:18:30 a.m. 165seg 30seg
41 11:19:05 a.m. 35seg 45seg
42 11:21:10 a.m. 125seg 35seg
43 11:25:25 a.m. 255seg 45seg
44 11:28:15 a.m. 170seg 60seg
45 11:35:10 a.m. 415seg 70seg
46 11:36:15 a.m. 65seg 20seg
47 11:38:40 a.m. 145seg 40seg
48 11:39:05 a.m. 25seg 20seg
49 11:39:45 a.m. 40seg 25seg
LINEA DE ESPERA 3
FARMACIA ( BETY)
NUMERO TIEMPO DE ARRIBO TIEMPO ENTRE ARRIBO TIEMPO DE SERVICIO
1 10:40:00 a.m. 0 60seg
2 10:41:15 a.m. 75seg 60seg
3 10:41:40 a.m. 25seg 60seg
4 10:43:00 a.m. 80seg 60seg
5 10:44:00 a.m. 60seg 60seg
6 10:45:35 a.m. 95seg 60seg
7 10:45:45 a.m. 10seg 60seg
8 10:47:00 a.m. 75seg 60seg
9 10:48:00 a.m. 60seg 60seg
10 10:49:00 a.m. 60seg 30seg
11 10:49:50 a.m. 60seg 60seg
12 10:50:30 a.m. 40seg 45seg
13 10:50:45 a.m. 15seg 60seg
14 10:51:00 a.m. 15seg 60seg
15 10:52:00 a.m. 60seg 60seg
16 10:52:45 a.m. 45seg 60seg
17 10:53:00 a.m. 15seg 60seg
18 10:54:20 a.m. 80seg 60seg
19 10:54:30 a.m. 10seg 120seg
20 10:56:00 a.m. 90seg 300seg
21 10:57:00 a.m. 60seg 60seg
22 10:58:00 a.m. 60seg 60seg
23 11:00:00 a.m. 120seg 60seg
24 11:01:00 a.m. 60seg 60seg
25 11:02:36 a.m. 96seg 60seg
26 11:02:53 a.m. 17seg 180seg
27 11:03:00 a.m. 7seg 120seg
28 11:04:00 a.m. 60seg 60seg
29 11:05:12 a.m. 72seg 60seg
30 11:05:23 a.m. 71seg 60seg
31 11:07:00 a.m. 97seg 60seg
32 11:08:00 a.m. 60seg 60seg
33 11:09:00 a.m. 60seg 30seg
34 11:09:10 a.m. 10seg 35seg
35 11:09:45 a.m. 35seg 60seg
36 11:10:00 a.m. 15seg 60seg
37 11:11:00 a.m. 60seg 60seg
38 11:12:08 a.m. 68seg 60seg
39 11:12:15 a.m. 7seg 60seg
40 11:13:33 a.m. 78seg 240seg
41 11:13:45 a.m. 12seg 120seg
42 11:14:00 a.m. 15seg 60seg
43 11:16:00 a.m. 120seg 60seg
44 11:17:00 a.m. 60seg 60seg
45 11:18:00 a.m. 60seg 60seg
46 11:20:00 a.m. 120seg 60seg
47 11:21:00 a.m. 60seg 60seg
48 11:22:30 a.m. 90seg 120seg
49 11:22:55 a.m. 25seg 60seg
50 11:24:00 a.m. 65seg 60seg
51 11:25:00 a.m. 60seg 60seg
52 11:26:00 a.m. 60seg 60seg
53 11:33:00 a.m. 420seg 60seg
54 11:37:00 a.m. 240seg 60seg
55 11:38:00 a.m. 60seg 120seg
56 11:40:00 a.m. 120seg 60seg
Anexo 2 Posibles Hipotesis en Lineas de Espera
Las siguientes hiptesis pertenecen a las formulas dadas:
1.- Las llegadas siguen una distribucin de poisson.

En general, la distribucin de poisson establece que en una escala continua de tiempos existe una probabilidad
muy pequea de que ocurra un evento en cualquier instante determinado y que existe un gran nmero de veces
en que puede ocurrir un evento.
2.- Los servicios siguen una distribucin exponencial.
P (> t) = e
-t
3.- La tasa promedio de servicio es mayor que la tasa promedio de llegada, > .
4.- La disciplina de la cola es la prioridad para quien llega primero sin que existan desertores de la lnea de
espera.
5.- El nmero de clientes es infinito y la magnitud de la lnea de espera es limitada.

Lineas Deespera. IO

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Lineas Deespera. IO

Hochgeladen von

Copyright:

Verfügbare Formate

Instituto Tecnolgico de Cd.

Guzmn Materia: Investigacin de Operaciones II

Maestro: Hctor Luis Juan Morales Ago-Dic/10 4

Instituto Tecnolgico de Cd. Guzmn Materia: Investigacin de Operaciones II

2.6 MODELO DE AUTOSERVICIO

Das könnte Ihnen auch gefallen