Beruflich Dokumente
Kultur Dokumente
ESPERA
Teora de Colas
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.
= 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)
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
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.
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
PATRN de LLEGADAS
M: Markoviano /(Poisson)
G : General
E : Erlang
TAMAO DE LA
POBLACIN
: Infinita
P : Finita
(A/B/c)(D/E/F)
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
NOTACIN
DE KENDALL-LEE
Clasificacin
de Kendall y Lee
c
Nmero de servidores
28
29
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
35
36
37
38
39
= 1 - .762
= .238
40
44
45
l
Lq =
m (m - l )
2
Lq = (20)2/[(30)(30-20)]
Lq = 400/300
Lq = 4/3
47
l
r=
m
l/m = 20/30
l/m = 2/3 o 66.67%
48
l
Pn = P0
m
Solucin
a
l
P(n a ) = P0 = P0 r n
n =0 m
n =0
a
n=0
n =0
P(n < 3) = ( 13 ) ( 23 ) = ( 13 ) [1 + 23 + 94 ] = 19
27
2
n =0
49
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
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
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
54
55
k -1
n=0
(l / m ) n
n!
1
(l / m ) k
km
)+
(
)
k!
km - l
(l / m ) n
n!
n =0
k -1
1
(l / m ) k
km
)+
(
)
k!
km - l
58
lm (l / m ) k
P
Lq =
2 o
(k - 1)!(km - l )
Wq =
Lq
W = Wq +
59
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
k
l
m
2
30
30
Po
Lq
L
Wq
W
Pw
0.3333
0.3333
1.3333
0.0111
0.0444
0.3333
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
66
67
P0 =
( (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
(k-1)!(k -l )2
(40)(30)(40/30)2
P0 =
(1/5) = 16/15
1!(60-40)2
P0 =
( (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
69
2 Ejecutivos
3 Ejecutivos
Costo/hrCosto/hr
Costo/hr
salarios espera
TOTAL
44.35
104.35
EJERCICIO 6.
(PROBLEMA 23 LIBRO DE ANDERSON)
71
MODELO DE CAPACIDAD
FINITA
M/M/1/GD/c/
74
p o = Po p n = Pn
para l m,
para l = m,
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 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
K=5
83
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
85
ECUACIONES (CONTINA)
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
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
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
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).
92