MODELOS DE LNEAS DE

ESPERA
Teora de Colas

MODELOS DE LNEAS DE ESPERA

Temas:
Introduccin
Estructura de un sistema de lneas de espera
Caractersticas de operacin
El modelo de una fila con un servidor, llegadas Poisson
y tiempos de servicio Exponenciales
Modelo de una fila con mltiples servidores
Anlisis econmico de lneas de espera
Modelos con capacidad finita y poblacin finita.

INTRODUCCIN
Lneas de Espera / Teora de Colas

INTRODUCCIN
Las lneas de espera son omnipresentes en nuestra vida diaria y en el contexto
de la industria y los negocios.
Los ejemplos ms evidentes son las filas de personas en las taquillas del cine, en
las paradas de autobuses, en el trmite de la licencia de manejar, etc.
Tambin forman lneas de espera los autos en un semforo o en la gasolinera y
los camiones en espera de ser descargados en la frontera.
Forman fila las llamadas en el sistema telefnico del banco, los documentos en la
charola del jefe que los va a firmar, los correos electrnicos en espera de ser
ledos.

INTRODUCCIN (CONTINA)
Tambin forman fila los documentos en el spooler de una
impresora compartida.
En un proceso de fabricacin forman fila los materiales en espera de
ser procesados, los lotes de producto en proceso que esperan por
una mquina o por un operario, los productos terminados en espera
de ser embarcados. Tambin estn en una fila los pedidos de
clientes en espera de ser surtidos.
Los pacientes del IMSS que estn esperando en lista para una
intervencin quirrgica tambin estn formando una fila.
Las lneas de espera forman parte natural en nuestras vidas, tanto
que muchas veces no nos damos cuenta de que estamos siendo
afectados por una lnea de espera.
5

INTRODUCCIN (CONTINA)
Puedes dar al menos tres ejemplos diferentes de lneas de
espera que no hayamos mencionado?
Los efectos de las lneas de espera son importantes porque casi
siempre las filas generan costos adicionales a las empresas (por
ejemplo los costos de inventarios), incrementan los tiempos de
respuesta y afectan negativamente a los niveles de servicio.
En muchos procesos de servicio o de fabricacin, la mayor parte
del tiempo que un cliente o un producto pasan en la empresa es
tiempo de espera en alguna lnea de espera al inicio, en medio o
al final del proceso. Los tiempos efectivos de operacin o
atencin son pequeos comparados con las esperas.

INTRODUCCIN (CONTINA)
Dados los efectos negativos que tienen las lneas de espera
sobre los costos, los inventarios, los tiempos totales de proceso
y los niveles de servicio, es muy relevante analizar su
comportamiento, de manera que si no pueden eliminarse por
completo las lneas de espera, s se puedan estudiar sus
efectos, y en caso de ser posible, mejorar su desempeo.
Algunos de los parmetros de desempeo usualmente
asociados a lneas de espera son: el nmero promedio de
unidades (clientes) en la fila, tiempo promedio de espera en las
filas, tiempo total de una unidad en el sistema, costo de
operacin del sistema, entre otros.

ESTRUCTURA
Caractersticas, parmetros y nomenclatura de las lneas de
espera

ESTRUCTURA DE UN SISTEMA DE
LNEAS DE ESPERA
Teora de Colas es el estudio de las lneas de espera.
Cuatro caractersticas que determinan el comportamiento de una lnea
de espera:
La forma en la cual arriban los clientes a la fila
El tiempo requerido para dar el servicio
La prioridad que determina el orden de servicio a los clientes
El nmero y configuracin de los servidores en el sistema (canales).

10

ESTRUCTURA DE UN SISTEMA DE
LNEAS DE ESPERA
En general, la llegada de clientes al sistema es un
evento aleatorio
Frecuentemente se modela el patrn de llegadas
como un proceso Poisson
El tiempo de servicio es tambin usualmente una
variable aleatoria
La distribucin Exponencial se utiliza
frecuentemente para modelar los tiempos de
servicio.
11

ESTRUCTURA DE UN SISTEMA DE
LNEAS DE ESPERA
La disciplina de servicio ms comn en lneas de espera es PEPS (primeras
entradas primeras salidas)
Un elevador podra ser un ejemplo de UEPS (ltimas entradas primeras
salidas).
Hay comportamientos de los clientes que hacen difcil su modelacin
matemtica: abandonar la fila cuando ya esper mucho, saltar de una fila a otra,
decidir no formarse si las filas son largas, etc.

12

DISTRIBUCIONES EXPONENCIAL Y
POISSON
En los modelos Markovianos de lneas de espera, se utiliza la
funcin de densidad de probabilidad exponencial para modelar
el comportamiento aleatorio de los tiempos entre llegadas de
clientes y de los tiempos de servicio.
Si l es la tasa promedio de llegadas por unidad de tiempo,
entonces 1/l es el tiempo promedio entre arribos consecutivos.
Si los tiempos entre llegadas son ocurrencias de una variable
aleatoria con f.d.p. exponencial, el valor esperado del tiempo
entre llegadas sera 1/l.
La f.d.p. exponencial de los tiempos entre arribos tiene entonces
la siguiente forma:
=

para t 0.

13

DISTRIBUCIONES EXPONENCIAL Y
POISSON
Si m es la tasa promedio de servicio (capacidad de servicio en clientes
por unidad de tiempo), entonces 1/m es el tiempo promedio de servicio.
Si los tiempos de servicio son ocurrencias de una variable aleatoria con
f.d.p. exponencial, el valor esperado del tiempo entre llegadas sera
1/m.
La f.d.p. exponencial de los tiempos de servicio tiene entonces la
siguiente forma:
=

para t 0.

La funcin de probabilidad acumulada (Funcin de Distribucin) es:

= 1

P(t a) = F

para t 0.

= 1

P(t a) =
14

DISTRIBUCIONES EXPONENCIAL Y
POISSON
Las funciones de probabilidad Poisson y Exponencial son
funciones duales, dos formas distintas de modelar el mismo
fenmeno aleatorio.
La funcin de densidad exponencial sirve para modelar el
comportamiento aleatorio de los tiempos, una variable aleatoria
continua.
Si en lugar de observar el tiempo entre llegadas o el tiempo de
servicio, observamos el NMERO de entidades (clientes) que
llegan en un cierto intervalo de tiempo, o que son atendidos en
un intervalo de tiempo, ese nmero es una variable aleatoria
discreta con distribucin Poisson.

15

DISTRIBUCIONES EXPONENCIAL Y
POISSON
En el caso de los eventos de llegadas de clientes, el tiempo que
transcurre entre 2 eventos consecutivos es una variable aleatoria
continua con distribucin Exponencial y valor esperado 1/l . El
nmero de eventos (llegadas) que ocurren en un cierto intervalo
de tiempo es una variable aleatoria discreta Poisson con valor
esperado l.
Sea x el nmero de eventos que ocurren en una unidad de
tiempo, la funcin de probabilidad Poisson es la siguiente:

>

x = 0, 1, 2, 3,

= 1

= P(x =a)

!
16

EJEMPLO1: EXPONENCIAL
Los pedidos de clientes llegan a una empresa de
acuerdo a un patrn Markoviano, a razn de 20
pedidos por hora.
a) Cul es la probabilidad de que transcurran ms de 5
minutos entre las llegadas de 2 pedidos consecutivos?
Tasa de llegadas = l = 20
Pregunta: P(t > 5 min) = P(t > 1/12 hora)
P(t > 1/12) = e -20(1/12) = 0.1889
P(t > 5 min) = 0.1889

P(t a) =

17

EJEMPLO 2: POISSON
Los pedidos de clientes llegan a una empresa de acuerdo a
un patrn Markoviano, a razn de 20 pedidos por hora.
b) Cul es la probabilidad de que lleguen menos de 3 pedidos en un
lapso de 15 minutos?
Tasa de llegadas = l = 20 (en una hora)
Tasa de llegadas = l = 5 (en 15 minutos)

Pregunta: P(x < 3) = P(x 2) = P(x=0) + P(x=1) + P(x=2)

P(x < 3) =

P(x < 3) = 0.1247

18

EJERCICIO 1.
La tasa de llegadas al servicio de copiado en Office Mart es de 15
clientes por hora. El tiempo entre llegadas de clientes
consecutivos es una variable aleatoria exponencial.
a) Cul es la probabilidad de que lleguen menos de 2 clientes en
un lapso de 10 minutos?
b) Cul es la probabilidad de que transcurran ms de 5 minutos
entre la llegada de un cliente y el siguiente?
c) Cul es la probabilidad de que lleguen exactamente 3 clientes
en un lapso de 5 minutos?

19

EJERCICIO 2.
La tasa de servicio de copiado en Office Mart es de 25 clientes
por hora. El tiempo de servicio es una variable aleatoria
exponencial.
a) Qu porcentaje de los clientes tendrn tiempos de servicio
menores a 3 minutos?
b) Qu porcentaje de los clientes traern trabajos que requieran
ms de 10 minutos para procesarse?
c) Cul es la probabilidad de que no llegue ningn cliente en un
lapso de 8 minutos?
d) Cul es la probabilidad de que llegue al menos un cliente en
un lapso de 2 minutos?
20

PROCESO DE NACIMIENTO Y MUERTE

Los llamados procesos de nacimiento y muerte describen
una gran diversidad de situaciones prcticas cuya
caracterstica principal consiste en la aparicin y/o
desaparicin de entes en la cantidad +1 o 1.
Si n(t) expresa el nmero total de entes que componen la
poblacin al tiempo t, entonces n(t) puede sufrir cambios
crecientes o decrecientes de magnitud 1 en un instante
infinitesimal de tiempo.
En una lnea de espera ocurrira un nacimiento cuando un
nuevo cliente se incorpora al sistema y ocurre una muerte
cuando un cliente que est siendo atendido termina su
servicio y se retira del sistema.
21

PROCESO DE NACIMIENTO Y MUERTE

El proceso se puede modelar con un diagrama de transicin de
estados, en el que n(t) es el estado del sistema (nmero de entes
en el sistema) en el periodo t. As, si la poblacin es de 5
entidades el sistema se encuentra en el estado 5, su estado
puede cambiar a 6 si ocurre un nacimiento o a 4 si ocurre una
muerte. En un instante de tiempo el sistema solamente puede
cambiar a los estados adyacentes, ya que solo puede ocurrir un
nacimiento o una muerte.
En general en cada estado las tasas de nacimiento y muerte
pueden ser diferentes a las de otro estado:

ln = Tasa de nacimientos cuando el sistema est en el estado n

mn = Tasa de muertes cuando el sistema est en el estado n
22

PROCESOS DE NACIMIENTO Y MUERTE

Dado que hay n clientes en el sistema en un instante t, el nmero de
clientes luego de un Dt suficientemente pequeo ser (n-1) si ocurri
una salida o (n+1) si fue una entrada

ln

ln-1

...

n-1

mn

n+1

mn+1

...

Pj es la
probabilidad
de que en un
instante dado
el sistema se
encuentre en
el estado j.

Se obtiene la ecuacin de equilibrio (condicin para que el sistema

permanezca en el estado n):
ln-1Pn-1 + mn+1Pn+1= ( ln + mn) Pn
23

NOTACIN
DE KENDALL
Y LEE
(1953)
Clasificacin
de Kendall
y Lee
Kendall y Lee proponen un sistema de clasificacin para
sistemas de lneas de espera, el cual considera seis de las
caractersticas mencionadas en la estructura de los
modelos.
El sistema tiene el siguiente formato:
(A/B/c)(D/E/F)

24

CLASIFICACIN DE KENDALL Y LEE

DISCIPLINA
DE SERVICIO
DG , FIFO , LIFO
RAND, PRI

PATRN de LLEGADAS
M: Markoviano /(Poisson)
G : General
E : Erlang

TAMAO DE LA
POBLACIN
: Infinita
P : Finita

(A/B/c)(D/E/F)

PATRN del SERVICIO

M: Markoviano (Exponencial)
G : General
E: Erlang

NUMERO DE
SERVIDORES
1: un servidor
s: s servidores
en paralelo

CAPACIDAD DEL
SISTEMA
: Infinita
K : Finita

25

Clasificacin
de Kendall y Lee
NOTACIN
DE KENDALL-LEE
A

Distribucin de probabilidad del tiempo entre

llegadas de los clientes

Distribuciones de probabilidad del tiempo de

servicio.

Smbolos utilizados en estos dos primeros campos son:

D:
constante
Ek:
distribucin Erlang con parmetro k
G:
cualquier tipo de distribucin
GI:
distribucin general independiente
H:
distribucin hiperexponencial
M:
distribucin exponencial
26

NOTACIN
DE KENDALL-LEE
Clasificacin
de Kendall y Lee
c

Nmero de servidores

Orden (disciplina o poltica) de atencin de los clientes

Smbolos utilizados en este campo son:

FIFO : primeras entradas, primeros servicios (PEPS)
LIFO : ltimas entradas, primeros servicios (UEPS)
SIRO : orden aleatorio (Service In Random Order)
PR : con base en prioridades
GD : en forma general (General Discipline)
E

Nmero mximo de clientes que soporta el sistema en un

mismo instante de tiempo

Nmero de clientes potenciales del sistema de lneas de espera

27

NOTACIN DE KENDALL - LEE

Ejemplos de la notacin:
M/M/2/PEPS/10/1000 se refiere a un sistema en el que los tiempos
entre llegadas y los tiempos de servicio siguen distribuciones
exponenciales (Markovianas) y se tienen 2 servidores en paralelo. La
poltica de servicio es PEPS. El sistema tiene capacidad para 10
clientes en total (los dems que lleguen se rechazan) y los clientes
provienen de una poblacin de 1000 unidades.
M/D/1 se refiere a un sistema en el cual los tiempos entre llegadas
de clientes siguen una distribucin exponencial (M = Markoviano), el
tiempo de servicio es constante ( D = Determinstico) y se cuenta con
un solo servidor. Si se omiten los dems caracteres se asume que
son PEPS, infinito, infinito.

28

CARACTERSTICAS DEL SISTEMA

l = tasa promedio de llegadas
1/l = tiempo promedio entre llegadas
= tasa promedio de servicio por cada servidor
1/ = tiempo promedio de servicio
s = desviacin estndar del tiempo de servicio
Por ejemplo si a una gasolinera llegan en promedio 10 autos
por hora (l = 10), el tiempo promedio entre llegadas es de
1/10 hora = 6 minutos. Si el tiempo promedio de servicio es
de 5 minutos (1/m = 5), entonces la tasa promedio de servicio
es de 1/5 por minuto = 12 por hora.

29

CARACTERSTICAS DE OPERACIN DEL

SISTEMA
P0 = probabilidad de que el sistema est ocioso (vaco)
Pn = probabilidad de que haya n unidades (clientes) en
el sistema (en la fila ms los que estn siendo
atendidos)
Pw = probabilidad de que un cliente que llegue tenga
que esperar en la fila
Lq = nmero promedio de unidades (clientes) en la fila
de espera.

30

CARACTERSTICAS DE OPERACIN
DEL SISTEMA
L = nmero promedio de clientes en el sistema (en la fila
ms los que estn siendo atendidos)
Wq = tiempo promedio de espera en la fila
W = tiempo promedio de estancia en el sistema (en la fila
ms el servicio)

31

MODELOS ANALTICOS
El modelo bsico M/M/1

32

FRMULAS ANALTICAS
Para prcticamente todos los sistemas de lneas de espera, existe una
relacin entre el tiempo promedio que una unidad (o un cliente)
permanece en el sistema y el nmero promedio de unidades en el
sistema.
Estas relaciones se conocen como las Ecuaciones de Flujo de Little:
L = lW and Lq = lWq
A un tnel en la carretera entran vehculos a razn de 2 por minuto en promedio
(l = 2), si los autos cruzan el tnel en un promedio de 3 minutos (W = 3),
entonces habr en promedio 6 (L = lW ) autos dentro del tnel.
En una lnea de produccin el tiempo de ciclo de materiales que entran y salen es
de 30 segundos, es decir, entra o sale una unidad cada 30 segundos (1/l = 30),
si el inventario en proceso en promedio es de 500 unidades (L = 500), entonces
el tiempo total de produccin desde que entra una unidad hasta que sale es
15000 segundos (W = L/l), en promedio 4 h 10 min.
33

FRMULAS ANALTICAS
Cuando la poltica de servicio es PEPS, se han
desarrollado modelos analticos para diferentes
modelos, incluyendo: M/M/1, M/M/k, M/G/1, y
M/M/1 con poblacin finita.
Es muy complicado modelar analticamente otros
sistemas con caractersticas ms complejas (por
ejemplo patrones irregulares de llegadas, diversidad de
servicios otorgados, horarios fijos, etc.), o modelar
algunos comportamientos de los clientes (como
abandonar la fila, cambiarse de fila, etc.). En estos
casos es preferible utilizar la simulacin para modelar y
aprender acerca del sistema.
34

EL MODELO M/M/1
Es uno de los sistemas ms simples, una fila nica frente a un nico
servidor, tiempos con distribucin Exponencial.
M / M / 1 / DG / /
Markoviano (tiempos entre llegadas exponenciales), Markoviano (tiempos
de servicio exponenciales), 1 servidor, disciplina general (no importa el
orden), capacidad infinita del sistema, poblacin de origen infinita.

lDt
0
mDt

.......

l
n

....
m

Como la poblacin es infinita, la tasa de llegadas l no se altera aunque haya muchos

clientes en el sistema. Los servidores trabajan al mismo ritmo independientemente
del nmero de clientes que haya en el sistema, m es constante.

35

EJEMPLO 3: FPP S.C. (A)

Sistema de lneas de espera M/M/1
Jos Ferrer es un corredor de bolsa en la BMV,
quien trabaja para el despacho Ferrer, Prez y
Pereyra.
Las peticiones de transacciones le llegan de sus
clientes a razn de 20 por hora en promedio.
Cada transaccin recibida requiere en promedio 2
minutos para ser procesada.

36

EJEMPLO 3: FPP S.C. (A)

Las peticiones llegan a una tasa media de 20 por hora, lo que
equivale a 1 peticin cada 3 minutos. Por lo tanto, en un
intervalo de 15 minutos el nmero esperado de peticiones
que lleguen ser l = 15/3 = 5.

37

EJEMPLO 3: FPP S.C. (A)

Distribucin de las llegadas.
Pregunta
Cul es la probabilidad de que no se reciban
transacciones en un lapso de 15 minutos?
Solucin (Poisson)
P(x = 0) = (50e-5)/0! = e-5 = .0067

38

EJEMPLO 3: FPP S.C. (A)

Distribucin de las llegadas
Pregunta
Cul es la probabilidad de que en un lapso
de 15 minutos se reciban exactamente 3
peticiones
Solucin (Poisson)
P(x = 3) = (53e-5)/3! = 125(.0067)/6 = .1396

39

EJEMPLO 3: FPP S.C. (A)

Distribucin de las llegadas
Pregunta
Cul es la probabilidad de que lleguen ms de 6 peticiones
en un lapso de 15 minutos?
Solucin (Poisson)
P(x > 6) = 1 [P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4) + P(x = 5) + P(x = 6)]

= 1 - .762
= .238

40

EJEMPLO 3: FPP S.C. (A)

Distribucin tiempos de servicio
Pregunta
Cul es la tasa media de servicio por hora?
Solucin
Dado que Jos puede procesar una peticin en un
tiempo promedio de 2 minutos (1/30 hora),
entonces la tasa promedio de servicio, , es =
1/(tiempo promedio), o 30/hr.
41

EJEMPLO 3: FPP S.C. (A)

Distribucin de los tiempos de servicio
Pregunta
Qu porcentaje de las peticiones requerirn menos de un minuto
para ser procesadas?
Solucin (Exponencial)
Dado que las unidades estn expresadas en horas:
P(t < 1 min) = P(T < 1/60 hora).
Utilizando la distribucin exponencial, P(T < t) = 1 - e-t.
Por lo tanto, P(T < 1/60) = 1 - e-30(1/60)
= 1 - .6065
= .3935
42

EJEMPLO 3: FPP S.C. (A)

Distribucin de los tiempos de servicio
Pregunta
Qu porcentaje de las transacciones sern
procesadas en exactamente 3 minutos?
Solucin
Dado que la f.d.p. Exponencial corresponde a
una variable aleatoria continua, la probabilidad de
que tome un valor determinado es cero.
43

EJEMPLO 3: FPP S.C. (A)

Distribucin de los tiempos de servicio
Pregunta
Qu porcentaje de las transacciones
requerir ms de 3 minutos para procesarse?
Solucin (Exponencial)
P(T > 3/60) = e-30(3/60) = e -1.5 = .2231 = 22.31%

44

FRMULAS PARA LOS PARMETROS

DE DESEMPEO M/M/1

45

EJEMPLO 4: FPP S.C. (A)

Tiempo promedio en el sistema (W).
Pregunta
En promedio, cunto tiempo transcurre desde que Jos
recibe una peticin hasta que termina de procesarla?
Solucin
El parmetro que se necesita calcular es W, el tiempo total
de estancia de una entidad en el sistema. Incluye el tiempo
promedio de espera en la fila ms el tiempo promedio de
procesamiento. Sistema M/M/1 con l = 20 por hora and m = 30 por
hora.
1
W = 1/(30 - 20)
W =
W = 1/10 hora o 6 minutos
m -l
46

EJEMPLO 4: FPP S.C. (A)

Nmero promedio de clientes en la fila (Lq).
Pregunta
En promedio, cuntas transacciones tiene Jos
esperando en fila antes de procesarlas?
Solucin

l
Lq =
m (m - l )
2

Lq = (20)2/[(30)(30-20)]
Lq = 400/300
Lq = 4/3
47

EJEMPLO 4: FPP S.C. (A)

Factor de Utilizacin
Pregunta
Qu porcentaje de su tiempo est Jos procesando
peticiones de sus clientes?
Solucin

l
r=
m

l/m = 20/30
l/m = 2/3 o 66.67%

48

EJEMPLO 4: FPP S.C. (A)

Probabilidad de que haya n entidades en el sistema.
Pregunta
Cul es la probabilidad de que en un momento dado Jos
tenga en sus manos menos de 3 solicitudes de clientes?
n

l
Pn = P0
m

Solucin

a
l
P(n a ) = P0 = P0 r n
n =0 m
n =0
a

P(n > a) = 1 - P(n a)

P(n < 3) = P(n 2) = P0 r = (1 - r ) r n

n

n=0

n =0

P(n < 3) = ( 13 ) ( 23 ) = ( 13 ) [1 + 23 + 94 ] = 19
27
2

n =0

49

EJEMPLO 4: FPP S.C. (A)

A
1
2
3
4
5
6
7
8

C
D
E
Tasa de Llegadas
Tasa de Servicio

G
l
m

H
20
30

Caractersticas de Operacin

Probabilidad de sistema ocioso

Nmero de entidades en espera
Nmero de entidades en el sistema
Tiempo promedio de espera
Tiempo promedio de estancia
Probabilidad de que una entidad
9
tenga que esperar

Po
=1-H1/H2
Lq =H1^2/(H2*(H2-H1))
L
=H5+H1/H2
Wq
=H5/H1
W
=H7+1/H2
Pw

=H1/H2
50

EJEMPLO 4: FPP S.C. (A)

Tasa de Llegadas
Tasa de Servicio
Caractersticas de Operacin
Probabilidad sistema ocioso
Nmero promedio entidades en fila
Nmero prom. entidades en sistema
Tiempo promedio espera en fila
Tiempo promedio estancia sistema
Probabilidad entidad deba esperar

l
m

20
30

Po
Lq
L
Wq
W
Pw

0.333
1.333
2.000
0.067
0.100
0.667

51

EJERCICIO 3. LA DESCRIPCIN
A una empresa que vende por internet llegan pedidos aleatoriamente, con
un tiempo promedio de 2 minutos entre cada pedido. El sistema de
procesamiento de pedidos tiene capacidad para procesar cada pedido en
80 segundos en promedio. Tanto el tiempo entre llegadas como el de
servicio son variables aleatorias con funcin de densidad exponencial.
Muchas veces los pedidos tienen que esperar en fila antes de ser
procesados. El proceso incluye la validacin de los datos del pedido, la
bsqueda en inventario, y la expedicin de la orden de picking para el
almacn. Los pedidos se procesan uno por uno en el orden en el que
llegan.
En los negocios por internet una de las principales variables competitivas es
el costo por transaccin, las empresas deben cuidar con mucho detalle
cuanto les cuesta el atender cada pedido.
El factor principal que determina el costo de transaccin es el tiempo que
se dedica a atender cada transaccin. La empresa ha calculado que cada
minuto que un pedido pasa en la empresa desde que llega hasta ser surtido
cuesta a la empresa $5. La empresa trabaja 24 horas diarias 365 das al ao.

52

EJERCICIO 3. LAS PREGUNTAS.

a) Qu porcentaje del tiempo estar ocioso el sistema de procesamiento de
pedidos?
b) Cul es la probabilidad de que un pedido que llega tenga que esperar antes de
iniciar su procesamiento?
c) Cul es el nmero promedio de pedidos en espera de ser procesados?
d) Cul es el nmero promedio de pedidos en el sistema (en la fila + en proceso)?
e) Cul es la probabilidad de que en un momento dado haya ms de 5 pedidos en la
empresa?
f) Cul es el costo promedio de transaccin por pedido?
g) Cul es el valor esperado del costo anual de las transacciones de la empresa?
h) Un proveedor de sistemas de cmputo ofrece a la empresa un sistema que puede
reducir el tiempo promedio de proceso del pedido a 60 segundos (actualmente es 80
seg). Si la empresa quiere recuperar su inversin en un ao, cunto es lo mximo
que debe pagar por ese sistema?.
53

FRMULAS PARA M/M/K

Sistema unifila con k

servidores idnticos en
paralelo.

54

EJEMPLO 5: FPP S.C. (B)

Sistema M/M/k (Sistema unifila con k=2 servidores idnticos)
El despacho FPP ha lanzado una campaa de publicidad
que incrementar su demanda en un 50%. Para poder atender
la demanda han contratado a un ejecutivo adicional de nombre
Alfredo, quien trabaja con la misma rapidez que Jos. Ntese
que la nueva tasa de llegadas es 50% ms alta que en el
pasado, por lo tanto l = 1.5(20) = 30 por hora.

55

EJEMPLO 5: FPP S.C. (B)

Capacidad de la tasa de servicio
Pregunta
Podra Jos sin ayuda manejar la nueva tasa de
llegadas?
Solucin
Dado que Jos es capaz de procesar = 30
transacciones por hora, ahora l = = 30 y el factor de
utilizacin sera 1. Para que el sistema M/M/1 sea viable es
necesario que l < . Jos no podra por s solo atender la
nueva demanda.

Cuando hay k servidores en paralelo, la

condicin para que el sistema no colapse es
que l < k*m.
56

EJEMPLO 5: FPP S.C. (B)

Probabilidad de n clientes en el sistema.
Pregunta
Cul es la probabilidad de que tanto Jos como Alfredo
se encuentren ociosos en algn punto del tiempo?
Solucin P =
0

k -1

n=0

(l / m ) n
n!

1
(l / m ) k
km
)+
(
)
k!
km - l

Dado que l = 30, = 30, k = 2 and (l /) = 1, la probabilidad de

que ambos estn desocupados se calcula as:
57

EJEMPLO 5: FPP S.C. (B)

P0 =

(l / m ) n

n!
n =0
k -1

1
(l / m ) k
km
)+
(
)
k!
km - l

Po = 1/[(1 + (1/1!)(30/30)1] + [(1/2!)(1)2][2(30)/(2(30)-30)]

Po = 1/(1 + 1 + 1) = 1/3

58

EJEMPLO 5: FPP S.C. (B)

Tiempo promedio total en el sistema (W)
Pregunta
Con Jos y Alfredo trabajando lado a lado, cunto
tiempo en promedio transcurre desde que llega una
peticin al sistema hasta que se termina de procesar?
Solucin alternativa

lm (l / m ) k
P
Lq =
2 o
(k - 1)!(km - l )

Wq =

Lq

W = Wq +

59

EJEMPLO 5: FPP S.C. (B)

Solucin propuesta
lm (l / m ) k
P
Lq =
2 o
(k - 1)!(km - l )

l(l /)k
Lq =

L = Lq +

l
m

W =

(30)(30)(30/30)2
P0 =

(k-1)!(k - l )2

(1/3) = 1/3
(1!)((2)(30)-30))2

L = Lq + (l /) = 1/3 + (30/30) = 4/3

W = L/l = (4/3)/30 = 4/90 hr. = 2.67 min.
60

EJEMPLO 5: FPP S.C. (B)

Longitud promedio de la fila (Lq)
Pregunta
Cul es el nmero promedio de
transacciones en espera de ser procesadas por
Jos o Alfredo?
Solucin
El nmero promedio de entidades en la fila es
Lq. En la hoja anterior se haba calculado ya este
valor, Lq = 1/3.
61

EJEMPLO 5: FPP S.C. (B)

RESUMEN DE PARMETROS.

Nmero de canales (servidores)

Tasa de llegadas
Tasa de servicio
Caractersticas de Operacin
Probabilidad sistema ocioso
Nmero promedio clientes fila
Nmero promedio clientes sistema
Tiempo promedio espera en fila
Tiempo promedio total sistema
Probabilidad de tener que esperar

k
l
m

2
30
30

Po
Lq
L
Wq
W
Pw

0.3333
0.3333
1.3333
0.0111
0.0444
0.3333

VER OTRO EJEMPLO M/M/2 EN VIDEO:

Primera parte (8 min.) http://youtu.be/CmeRrnDuzmM
Segunda parte (8 min.) http://youtu.be/TJPp1sE9uYM
62

EJERCICIO 4.
El taller mecnico DOHC opera un mostrador de servicio donde se
surten las refacciones que los mecnicos necesitan para hacer las
reparaciones. El mostrador es atendido por un coordinador de
refacciones. Los mecnicos acuden al mostrador a una tasa media de 4
por hora. El coordinador de refacciones ocupa un promedio de 6
minutos con cada uno de ellos.
a) Actualmente se trabaja con un coordinador de refacciones. En promedio
cada mecnico espera 4 minutos en fila antes de que el coordinador de
refacciones est disponible para atenderlo. Calcula Lq. W y L para esta
operacin de refacciones de un solo canal.
b) El gerente consider que los mecnicos pierden demasiado tiempo
esperando por las refacciones que necesitan, por lo que contrat
temporalmente a un segundo coordinador de refacciones. En este periodo
de prueba con 2 servidores atendiendo a los mecnicos se mostr que, en
promedio, cada uno de los mecnicos tuvo que esperar slo 15 segundos
antes de que estuviera disponible un coordinador de refacciones. Calcula Lq,
W y L para este sistema de una fila dos canales.
63

EJERCICIO 5
LA DESCRIPCIN (PROB 22 LIBRO ANDERSON)

64

EJERCICIO 5
LAS PREGUNTAS

NOTA: Contesta las 6 preguntas para cada uno de los 3 sistemas que
se describen en el problema. Puedes utilizar las frmulas de Excel que
vienen en los ejemplos.

65

EJEMPLO 6: FPP S.C. (C)

Anlisis Econmico de las Lneas de Espera
La campaa publicitaria de FPP ha sido tan exitosa que de hecho la demanda se
duplic, ahora se reciben transacciones de clientes a razn de 40 por hora. La
empresa debe decidir cuntos ejecutivos contratar para enfrentar el
incremento de demanda, los ejecutivos tienen idntico desempeo y pueden
procesar en promedio una transaccin en 2 minutos.
De acuerdo a los clculos de sus contadores la empresa estima que el costo
promedio de espera de una transaccin es de $0.50 por minuto (L = nmero de
transacciones en el sistema). Los ejecutivos ganan cada uno $20 por hora.
Utilizando esta informacin compare los costos totales de operacin con k=2
ejecutivos y con k=3 ejecutivos.

66

EJEMPLO 6: FPP S.C. (C)

Anlisis Econmico
Costo Total por Hora
= (Salarios por hora) + (Costo por las transacciones en el sistema)
= ($20 por ejecutivo por hora) x (nmero de ejecutivos) + ($30 costo por
hora) x (nmero promedio de transacciones en el sistema)
Costo Total por hora = 20k + 30L.
Para hacer los clculos se necesita calcular L, con k=2 y k=3 siendo l = 40/hr.
and m = 30/hr. (dado que el tiempo de servicio es 2 min.).

67

P0 =

EJEMPLO 6: FPP S.C. (C)

( (l / m )
n!
k -1

n =0

1
(l / m ) k
km
)+
(
)
k!
km - l

lm (l / m ) k
P
Lq =
2 o
(
k
1
)!
(
k
m
l
)

L = Lq +

l
m

COSTO CON 2 SERVIDORES (k=2)

Po = 1 / [1+(1/1!)(40/30)]+[(1/2!)(40/30)2(60/(60-40))]
Po = 1 / [1 + (4/3) + (8/3)] = 1/5
l(l /)k
Lq =

(k-1)!(k -l )2

(40)(30)(40/30)2
P0 =

(1/5) = 16/15
1!(60-40)2

L = Lq + (l /) = 16/15 + 4/3 = 12/5

Costo Total = (20)(2) + 30(12/5) = $112.00 por hora.
68

P0 =

EJEMPLO 6: FPP S.C. (C)

( (l / m )
n!
k -1

n =0

1
(l / m ) k
km
)+
(
)
k!
km - l

lm (l / m ) k
P
Lq =
2 o
(
k
1
)!
(
k
m
l
)

L = Lq +

l
m

COSTO CON 3 SERVIDORES (k = 3)

P0 = 1/[[1+(1/1!)(40/30)+(1/2!)(40/30)2]+ [(1/3!)(40/30)3(90/(90-40))] ]
= 1 / [1 + 4/3 + 8/9 + 32/45] = 15/59
(30)(40)(40/30)3
Lq =

(15/59) = 128/885 = .1446

(2!)(3(30)-40)2

L = 128/885 + 40/30 = 1308/885 (= 1.4780)

Costo Total = (20)(3) + 30(1308/885) = $104.35 por hora.

69

EJEMPLO 6: FPP S.C. (C)

Comparacin Final

2 Ejecutivos
3 Ejecutivos

Costo/hrCosto/hr

Costo/hr

salarios espera

TOTAL

$40.00 $82.00 $112.00

60.00

44.35

104.35

El costo de operacin resulta ms conveniente con 3 ejecutivos que con

2.
VER OTRO EJEMPLO M/M/1 CON COSTOS EN VIDEO:
http://youtu.be/c2iomTap78M
70

EJERCICIO 6.
(PROBLEMA 23 LIBRO DE ANDERSON)

71

MODELOS ADICIONALES DE LNEAS

DE ESPERA
Capacidad Finita y Poblacin Finita

MODELO DE CAPACIDAD
FINITA
M/M/1/GD/c/

DIAGRAMA DE ESTADOS PARA EL

MODELO M/M/1/GD/C/
Tiempos de llegadas y de servicio exponenciales
Un nico servidor (un canal)
No importa la disciplina de servicio
El sistema tiene capacidad c, 1 cliente siendo atendido, c-1 clientes en fila.
No es necesario que l < m porque el sistema est limitado, se rechazan los
clientes que excederan la capacidad
Ejemplo: Llamadas en espera en un servicio de atencin al cliente, si no se
excede la capacidad pone al cliente en espera, si se excede la capacidad da tono
de ocupado.

74

ECUACIONES ANALTICAS MODELO

M/M/1/GD/C/
lefectiva = l - lp c = l (1 - p c )
l
r=
m

p o = Po p n = Pn

Cuando en el sistema hay menos de c

clientes (todava tiene capacidad), la
tasa de llegadas es l.
- Cuando ya hay c clientes, que es la
capacidad del sistema, la tasa de
llegadas es cero porque ya no se
pueden incorporar clientes al sistema.
- pj es la probabilidad de que haya j
clientes en el sistema.
- Lambda efectiva es la tasa a la que
realmente se aaden clientes al
sistema, es igual a la lambda de
llegadas multiplicada por la
probabilidad de que el sistema no
est lleno.
75

para l m,

para l = m,

Ls = Nmero promedio de clientes siendo atendidos por el servidor

EJEMPLO 7
Un promedio de 40 carros por hora (tiempos entre llegadas son
exponencialmente distribuidos) intentan utilizar la ventanilla de
servicio en el auto en el restaurant Hot Dog King. Si hay en total 4
carros en la lnea, incluyendo el que ya est en la ventanilla, no
se pueden incorporar ms autos al sistema. El tiempo de servicio
es de 4 minutos en promedio, con distribucin exponencial.
a) Cul es el nmero esperado de carros haciendo fila, sin
contar el que est siendo atendido?
b) En promedio, cuntos carros son atendidos por hora?
c) Si un carro acaba de llegar a la fila, cunto tiempo en
promedio transcurrir en la fila hasta que empiecen a
atenderlo?

77

SOLUCIN
l = 40 / hora = (2/3) / min
c=4
1/m = 4 min, m=(1/4)/min
r = l / m = 8/3
po = 0.012452
pc = 0.629669 (con la frmula de pj , con j = c = 4 )
l efectiva = l*(1 - pc ) = 0.246887 / min
L = 3.437356 (con la frmula larga de L)
Ls = 1 po = 0.987548
Pregunta a: Lq = L Ls = 2.449808
Pregunta c: Wq = Lq/l efectiva = 9.922790 (ntese que las ecuaciones de flujo de Little
se mantienen, siempre y cuando se use la lambda efectiva)
Pregunta b: Cuntos clientes se sirven por hora? = l efectiva = 0.246887 * 60 =
14.81322 autos por hora.
78

EJERCICIO 7.
Cerca de la zona peatonal en el centro histrico de la ciudad operan 2
pequeas peluqueras tradicionales. Cada peluquera es atendida por
un solo peluquero. Cada una de ellas tiene un silln de peluquero y 3
sillas para los clientes que esperan. Cuando un cliente potencial se
asoma y ve todas las sillas ocupadas, mejor se va.
El peluquero de la peluquera Alfredo Castillo cobra $110 por corte y
se tarda 12 minutos con cada cliente. El peluquero de la peluquera
Pronto y Bien cobra $50 por corte y se tarda 6 minutos con cada
cliente.
En promedio, a cada peluquera se acercan 10 clientes potenciales por
hora, claro que solamente se quedan si no estn llenas las sillas.
Cul peluquero est ganando ms dinero?

79

MODELO DE REPARACIN DE
MQUINAS
Modelo de Poblacin Finita

MODELO DE POBLACIN FINITA: REPARACIN DE

MQUINAS
M/M/R/GD/K/K
En el modelo de reparacin de mquinas, el
sistema consiste de K mquinas y R cuadrillas de
reparacin (cada cuadrilla podra tener una o ms
personas). En cualquier instante de tiempo, una
mquina en particular puede estar ya sea en
buenas o malas condiciones para operar. El tiempo
durante el cual cada mquina se encuentra en
buenas condiciones de operacin, sigue una
distribucin exponencial con tasa igual a l.
Siempre que una mquina se descompone es
enviada a un centro de reparacin en el que
trabajan R cuadrillas. El centro de reparacin da
servicio a las mquinas como si estuvieran
arribando a un sistema M/M/R/GD// .
81

MODELO M/M/R/GD/K/K
Si j R mquinas estn descompuestas, una mquina que justo
se acaba de descomponer es asignada de inmediato a una
cuadrilla para su reparacin. Si hay j > R mquinas
descompuestas entonces j R mquinas estarn en una fila
simple esperando a que se desocupe una de las R cuadrillas.
El tiempo necesario para hacer la reparacin de una mquina
descompuesta, tiene una distribucin exponencial con tasa m (el
tiempo promedio de reparacin es 1/m). Una vez que la mquina
ha sido reparada regresa a una buena condicin operativa y
nuevamente es susceptible de descomponerse.

82

DIAGRAMA DE ESTADOS PARA EL MODELO DE

REPARACIN DE MQUINAS
R=2

K=5

NOTA: El estado (0, 1, 2, 3, 4, 5) significa el nmero de mquinas

descompuestas.
l es la tasa de descomposturas de cada mquina, en el estado 0
significa que todas las mquinas estn funcionando, por eso la
tasa de descomposturas es 5l, al estar todas las mquinas
operando las 5 son susceptibles de descomponerse, en cambio
en el estado 4 ya estn descompuestas cuatro mquinas, solo
hay una mquina funcionando y susceptible de descomponerse,
las tasa de descomposturas es l.

83

DIAGRAMA DE ESTADOS PARA EL MODELO DE

REPARACIN DE MQUINAS
R=2

En el estado 4, por ejemplo,

hay 4 mquinas
descompuestas, pero como
solo hay 2 cuadrillas, entonces
hay 2 mquinas en reparacin,
la tasa de reparacin es 2m.
Como solamente hay 2
cuadrillas, la tasa de reparacin
es 2m para los estados 2, 3, 4 y
5 aunque haya ms de 2
mquinas descompuestas.

K=5
Por otro lado, en el estado 1
hay una mquina
descompuesta, solo se ocupa 1
cuadrilla, y la tasa de
reparaciones es m.

84

ECUACIONES PARA EL MODELO

M/M/R/GD/K/K
La probabilidad de que haya j mquinas en el taller (descompuestas o siendo reparadas)
es pj. Hay 2 frmulas, para j R, y para R < j K:

La probabilidad de que un reparador en particular est ocioso es:

85

ECUACIONES (CONTINA)

L = nmero esperado de mquinas

descompuestas
Lq = nmero esperado de mquinas
en espera de ser reparada
W = tiempo promedio que una
mquina no est disponible para
trabajar (tiempo de estancia en el
taller)
Wq = tiempo promedio en la fila de
espera por servicio
86

Ejercicios
EJEMPLO 8.
Una lavandera tiene 5 mquinas lavadoras. Una mquina
tpicamente se descompone una vez cada 5 das. Un mecnico
puede reparar una lavadora en un promedio de 2.5 das.
Actualmente se cuenta con 3 mecnicos trabajando.
El dueo de la lavandera tiene la opcin de remplazar los 3
mecnicos con un sper-mecnico. Este personaje podra
reparar una lavadora en un tiempo promedio de 5/6 de da.
El salario del sper-mecnico equivaldra a la suma de los salarios
de los 3 mecnicos normales.
Los tiempos entre descomposturas y de reparacin son variables
aleatorias exponenciales.
Qu decisin debe tomar el dueo?
87

SOLUCIN CON 3 MECNICOS:

K=
l=
m=
R=
r=
po =
j
0
1
2
3
4
5
SUMA =

5
0.2

/da

0.4

/da

Nota: Abrir en
Excel para ver
las frmulas.

3
0.5000
0.1293

pj
0.1293
0.3232
0.3232
0.1616
0.0539
0.0090
1

jR
L=
Lq =

0
1
2

1.7145
0.0718
=
0.6571
W=
2.6093
Wq =
0.1093
Prom Lav disp= 3.2855

das
das

88

SOLUCIN CON UN SPERMECNICO

K=
l=
m=
R=
r=
po =
j
0
1
2
3
4
5
SUMA =

5
0.2

/da

1.2

/da

1
0.1667
0.3604

pj
0.3604
0.3003
0.2002
0.1001
0.0334
0.0056
1

jR
0
1
2
3
4

L=
Lq =

1.1624
0.5228
0.7675
=
W=
1.5145
Wq =
0.6812
Prom Lav disp= 3.8376

das
das

Es ms efectivo el sistema con un solo reparador ms rpido, aunque

son mayores las esperas, el tiempo total para reparar la mquina es
menor.
89

NOTAS SOBRE LA SOLUCIN

En el modelo de Reparacin de Mquinas NO hay una frmula para po, lo que se
hace es poner todas las dems pj en funcin de po y despejar po, ya que la suma
de las pj debe ser 1. j es el nmero de mquinas descompuestas (incluye las
que estn siendo reparadas).
l es la tasa de descomposturas por mquina, significa cuntas veces se
descompone una mquina por unidad de tiempo, 1/l es el tiempo promedio que
una mquina permanece en buen estado.
Si hay K mquinas y estn todas funcionando, la tasa de llegadas al taller sera
Kl, si todas estn ya descompuestas la tasa de llegadas sera 0. Por eso lj =
l*(K j). lj es la tasa de llegadas cuando hay j mquinas descompuestas.

= ( ) es la tasa efectiva (media) de llegadas (K L es el nmero

esperado de mquinas en buen estado).

VER OTRO EJEMPLO EN VIDEO: http://youtu.be/fe3r59P-a0c

90

EJERCICIO 8
El departamento de polica de Pelotillehue tiene 5 patrullas. En
promedio cada patrulla se descompone cada 30 das. El
departamento de polica cuenta con 2 estaciones de reparacin
para patrullas. En promedio cualquiera de ellas se tarda 3 das
reparando una patrulla. Los tiempos de reparacin y entre
descomposturas son variables aleatorias exponenciales.
a) Cuntas patrullas en promedio estn disponibles funcionando
fuera del taller?
b) Cuando se descompone una patrulla, cunto tiempo tardar en
estar de nuevo en circulacin?
c) Cul es el porcentaje de tiempo ocioso en cualquiera de las
estaciones de reparacin en promedio?
91

BIBLIOGRAFA
Anderson, David R., Dennis J. Sweeney, Thomas A. Williams,
Jeffrey D. Camm y Kipp Martin. Mtodos cuantitativos para los
negocios, 11a ed. Cengage Learning . Mxico. 2011. ISBN-13:
978-607-481-697-6.
Lectura obligatoria: Captulo 15 (Secciones 15.1 a 15.5).

Para profundizar ms en los temas:

Taha, Hamdy A. Investigacin de operaciones. Novena edicin.
Pearson Educacin, Mxico, 2012. ISBN: 978-607-32-0796-6
Lectura recomendada: Captulo 18 completo. En este libro los temas
son tratados con mayor rigor matemtico, es un libro ms adecuado
para un curso de Ingeniera.

92