Beruflich Dokumente
Kultur Dokumente
TESIS
QUE PARA OBTENER EL TTULO DE
LICENCIADO EN FSICA Y MATEMTICAS
PRESENTA
JULIA AGUEDA ROSETE LIMA
Mxico D. F
Marzo de 2009
NDICE
Introduccin
Captulo I
Fundamentos de procesos estocsticos
1.1 Conceptos y clasificacin
1.2 Distribuciones de probabilidad
1.2.1 Distribucin exponencial
1.2.2 Distribucin de Poisson
1.3 Procesos de Markov
1.3.1 Proceso de Markov en tiempo discreto
1.3.2 Ecuacin de Chapman
1.3.3 Proceso de Markov tiempo continuo
1.3.4 Proceso de Markov para procesos estables
1.4 Proceso de nacimiento muerte
1.4.1 Ecuaciones de balance
1.4.2 casos particulares
6
6
10
11
12
14
14
14
15
16
17
19
23
Captulo II
Fundamentos de sistemas de lneas de espera
2.1 Por qu se crean lneas de espera?
2.2 Ejemplos de sistemas de lneas de espera
2.3 Aplicaciones de la teora de lneas de espera
2.4 Estructura de los problemas de lneas de espera
2.5 Arreglos de las instalaciones de servicio
2.6 Suposiciones generales de un modelo bsico de
lneas de espera
2.7 Medidas de rendimiento para evaluar un sistema de
lneas de espera
2.8 Formula de Little
25
25
26
28
33
34
36
36
38
Captulo III
Uso de los modelos de lneas de espera
3.1 Clasificacin de los modelos de lneas de espera
3.2 M/M/1
3.2.1 Modelo de un solo servidor, poblacin infinita
3.2.2 Modelo de un solo servidor, poblacin finita
3.2.3 Modelo de un solo servidor, capacidad finita
3.3 M/M/S
2
40
41
42
45
49
52
57
59
60
63
64
65
66
70
Captulo IV
Costo de los sistemas de lneas de espera
4.1 Costo de la espera y del servicio
4.2 Sistema de costo mnimo
75
75
76
Captulo V
Ejemplos y aplicaciones
5.1 Ejemplo de una clnica
5.2 Ejemplo de una exportadora de trigo
5.3 Ejemplo de maquinas de alimentos y su reparacin
5.4 Ejemplo de una tienda departamental
5.5 Ejemplo de la administracin de una escuela
5.6 Ejemplo de una Terminal de camiones
84
88
92
93
94
97
Conclusiones
100
Bibliografa
103
INTRODUCCIN
ANTECEDENTES
La teora de colas incluye el estudio matemtico de colas o lneas de espera y
provee un gran nmero de modelos matemticos para describirlas.
Generalmente el administrador tiene que tomar decisiones entre
Asumir los costos derivados de prestar un buen servicio
Asumir los costos derivados de tener largas colas
Para esto debe lograr un balance econmico entre el costo del servicio y el costo
asociado a la espera por el servicio.
La teora de colas en s no resuelve este problema, pero proporciona la
informacin necesaria para poder tomar decisiones.
PROBLEMTICA
El problema fundamental en casi todas las lneas de espera tiene que ver con el
equilibrio.
El administrador debe sopesar el costo adicional de proporcionar un servicio ms
rpido (ms carriles de trnsito, pistas de aterrizaje adicionales, ms mostradores
de registro de salidas) contra el costo inherente a la espera.
Con frecuencia, el costo de esta decisin es directo. Por ejemplo, si encontramos
que el tiempo total que pasan los empleados en una fila para poder utilizar una
copiadora puede dedicarse a actividades ms productivas, compararamos el
costo de instalar una mquina adicional contra el valor del tiempo que se ahorran
los empleados. Despus de esto la decisin se reduce al costo en pesos, lo cual
facilita la eleccin.
Por otra parte, supongamos que los problema de la lnea de espera es la demanda
de camas en un hospital, en este caso no podemos simplemente calcular el costo
de las camas adicionales sumando los costos de construccin del edificio, equipo
adicional requerido y el incremento en el mantenimiento, ya que, de hacerlo as,
qu pondramos del otro lado de la balanza? En este caso se enfrenta el
problema de tratar de asignarle una cifra en pesos a la necesidad del paciente de
una cama de hospital que no est disponible. Aun cuando podemos estimar los
ingresos perdidos para el hospital, qu hay sobre el humano que sufre por esta
falta de atencin adecuada en el hospital?
OBJETIVOS
El objetivo de la teora de colas consiste en responder a intereses administrativos
pertenecientes al diseo y a la operacin de un sistema de colas.
Loa objetivos particulares del presente trabajo son:
a. Presentar el desarrollo de la fundamentacin de los modelos matemticos de
lneas de espera. Esto se hace en base en la de procesos de Markov.
b. Desarrollar los principales modelos de las lneas de espera, su uso y
clasificacin fundamentado en las necesidades clientes-servidor(es) y la toma
de decisiones basada en los costos de espera y servicio
c. Presentar ejemplos y aplicaciones de los modelos de lneas de espera.
DESCRIPCIN DEL TRABAJO
A continuacin describiremos brevemente la estructura el trabajo
En el captulo I se presentan los fundamentos de procesos estocsticos
considerando los procesos de Markov y en particular los procesos de nacimiento
y muerte que son fundamentales para el presente trabajo.
En el captulo II se da la fundamentacin de los sistemas de lneas de espera se
describe la escritura y las medidas de rendimiento para evaluar un sistema de
lneas de espera.
En el captulo III se considera el uso de diferentes modelos de lneas de espera
tomando en cuenta diferentes factores como el nmero de servidores, la
modalidad del servicio y la capacidad del sistema.
En el captulo IV se introduce el costo de los sistemas de lneas de espera. Se
consideran el costo de espera, costo del servicio y se ve un sistema de costo
mnimo.
Finalmente en el captulo V se presentan diversos ejemplos y aplicaciones de
sistemas de espera y se dan las conclusiones del trabajo
5
CAPTULO I
FUNDAMENTOS DE PROCESOS ESTOCSTICOS
La teora de los procesos estocsticos se centra en el estudio y modelizacin de
sistemas que evolucionan a lo largo del tiempo, o del espacio, de acuerdo a unas
leyes no determinsticas, esto es, de carcter aleatorio.
La forma habitual de describir la evolucin del sistema es mediante sucesiones o
colecciones de variables aleatorias. De esta manera, se puede estudiar cmo
evoluciona una variable aleatoria a lo largo del tiempo. Por ejemplo, el nmero de
personas que espera ante una ventanilla de un banco en un instante t de tiempo;
el precio de las acciones de una empresa a lo largo de un ao.
La primera idea bsica es identificar un proceso estocstico con una sucesin de
variables aleatorias
, donde el subndice indica el instante de tiempo (o
espacio) correspondiente.
Esta idea inicial se puede generalizar fcilmente, permitiendo que los instantes de
tiempo en los que se definen las variables aleatorias sean continuos. As, se podr
hablar de una coleccin o familia de variables aleatorias
, que da una
idea ms exacta de lo que es un proceso estocstico.
1.1 CONCEPTOS Y CLASIFICACIN
X n 1, X n
2,
del proceso, slo depende del estado presente, y no del resto de estados
pasados.
Formalmente se expresa como:
P Xt n
xn X t1
x1,..., X tn 1
xn
P Xt n
xn X t n 1
xn
r ,s
Cov X r , Xs
Xr
E Xr
Xs
E Xs
donde r,s
T.
T , es un proceso
r ,s
t , s t , r , s, t T
T.
Observaciones:
Debe existir el momento de orden dos de las variables aleatorias.
Todas las variables aleatorias tienen la misma media.
r , s Cov X r , X s
Cov xr t , X s t significa que la
El hecho de que
funcin de autocovarianzas toma el mismo valor para dos variables
aleatorias que estn separadas por un retardo t en el proceso,
independientemente de dnde se encuentren situadas estas
variables aleatorias en el tiempo.
r s,0 es decir, es una
Si se considera t = s, entonces r , s
funcin de (rs). Esta cantidad es la distancia de separacin entre las
dos variables X r y Xs . As, la funcin de autocovarianzas de un
proceso estacionario dbil slo es funcin de una variable que es la
separacin (r s) entre las variables en consideracin.
Si se toma r = s, entonces:
*
r ,r
Cov X r , X r
ya que
h, r
Var xr
h
Var X r
Cov X r h , X r
para toda h T
h
h
r ,r
por(2)
(*)
T , es un proceso
estacionario estricto si
, h T y t1, t 2 , t n T las variables aleatorias Xt1 , Xt2 Xtn
tienen la misma distribucin conjunta que X t1 h , X t2 h X tn
P. E. estricto
Xr h , Xs
t1, t n
T , con t1
y1
X t2
X t1
y1
X tn
X tn 1
son independientes.
Proposicin Todo proceso de incrementos ortogonales es un proceso
markoviano
Demostracin:
Suponemos un proceso X1, X 2 , X 3
Para ver que es Markoviano mostraremos que
9
P X3
x3 X 2
x2 , X1
x1
P X3
x3 X 2
x2 , X1
x2 , X1
x2 .
x1
P X3
x3 X 2
x1
P X3
X2
x3
x2 X 2
x2 , X 2
P X3
X2
x3
x2 X 2
x2
P X3
x3 X 2
X1
x2
x1
x2
10
p0 (t )
pn t , el intervalo de
Sean
f(t): (fdp) del intervalo de tiempo t entre la ocurrencia de eventos sucesivos
t 0
T: intervalo de tiempo desde la ocurrencia del ltimo evento.
Entonces:
P el tiempo entre evento exede a T = no ocurren eventos durante T
Esto se puede expresar:
f t dt
p0 T
f t dt
1 e
T>0
T
T
O bien
T>0
EJEMPLO 1
Un gerente de una tienda departamental, debe determinar si es necesario ms
entrenamiento para el empleado de servicio al cliente. El cual puede atender un
promedio de tres clientes por hora. Cul es la probabilidad que el empleado
atienda a un cliente en menos de 10 minutos?
11
SOLUCIN
En este caso
T
P t
St
P t
T *S t
P t
P t
P t
T S
e
e
P t
EJEMPLO 2
El gerente est rediseando el proceso de servicio al cliente en una tienda
departamental. Es importante atender a cuatro clientes. Los clientes llegan al
mostrador a una tasa de dos clientes por hora. Cul es la probabilidad que cuatro
clientes lleguen en cualquier hora?
SOLUCIN
En este caso:
13
La matriz dada en la ecuacin (1.1) puede ser descrita para un instante m como:
Pij (m)
Pij
P Xm
i
j Xn
i P Xn
EJEMPLO 3
Una cadena de Markov con dos estados n = 1, 2, tiene la siguiente matriz de
entrada:
14
0.7 0.3
0.4 0.6
SOLUCIN
P4
Por lo tanto p(1; 4)
0.61 0.4251
0.5668 0.4332
p12 4
p22 4
0.4251
0.4332
(0.4)(0.5749) (0.6)(0.5688)
0.57
Con lo que el sistema, descrito por un proceso contnuo de Markov, cumple con
las siguientes condiciones:
El tiempo de permanencia en el estado i, Ti es una variable aleatoria con
distribucin exponencial y media 1 vi .
Cuando el proceso sale del estado i, pasa al estado j con una probabilidad Pij .
Lo que satisface que
jPij
(1.2)
qij
mvi Pij
vi Pij
m
donde qij es la tasa instantnea de transicin del estado i al estado j.
La tasa con la que el sistema va a realizar la transicin, estando en el estado i es:
1 Pii ( m)
vi lim
(1.3)
m 0
m
Pii ( m) es la probabilidad de que el sistema contine en el estado i despus del
Pii
P Ti
Pe
i
vi m
1 vi m e
vi m
(1.5)
pij (t
s)
Pij (t ) * pij ( s )
dt
Pik t
k j
qkj Pik t
lim
m
Pkj
m
m
Pij t
lim
m
0 se tiene en
1 Pii
m
m
v j Pij t
k j
16
El cual define una relacin de recurrencia que permite conocer la evolucin del
vector de probabilidad de estado en el instante m, conociendo el vector de
probabilidad inicial, haciendo n = 0 de la siguiente forma:
=
(1.6)
independiente del vector de probabilidad inicial. Por lo tanto, cuando el sistema
llega a un estado estable j, la probabilidad en estado estable llega a ser:
j
lim Pij
Usando (1.6)
Donde:
(m-1)= (m-1)
La mayor parte de los modelos elementales de colas suponen que las entradas
(llegadas de clientes) y las salidas (clientes que se van) del sistema ocurren de
acuerdo al proceso de nacimiento y muerte.
Nacimiento: Llegada de un nuevo cliente al sistema de colas
Muerte: Salida del cliente servido
El sistema se encuentra en el estado E n cuando el nmero de elementos que
compone dicho estado es igual a n
El proceso es de nacimiento puro cuando slo es posible una transicin del
estado E n al estado En 1
El proceso se considera de muerte cuando solo es posible la transicin de E n a
En 1 .
El proceso se llama de nacimiento y muerte cuando son posibles las transiciones
tanto de E n a En 1 como E n a En 1
17
1
1
n 2
2
2
n-2
n 1
n-1
n 1
n
n
n+1
n 1
Donde:
: Tasa media
n (del n al n
Tasa media
n:
n (del n al n
Supongamos que en el tiempo cero se inicia el conteo del nmero de veces que el
sistema entra en cualquier estado n y el nmero de veces que sale del mismo.
En (t ) Ln (t ) 1
Entonces
Donde:
En (t ) : Nmero de veces que el sistema entra al estado n hasta el tiempo t
18
Como los dos tipos de eventos deben alternarse la diferencia ser a lo sumo 1
Lim
t
En (t )
t
Ln (t )
t
1
t
En (t )
t
Ln (t )
t
En (t )
t
t
L (t )
Lim n
Tasa media a la que el proceso sale del estado n
t
t
Para cualquier estado n (n=0,1,...) del sistema, la tasa media de entrada es igual a
la tasa media de salida
Tasa media a la que el proceso entra al estado n
Lim
2)
3)
Esta ecuacin solo es vlida cuado n 1 , si n=0 solo es posible una transaccin
de E0 a E1 y la ecuacin se reduce a
Pn'
( 0 P0 )
1 1
1 1
0 0
Donde:
Pn : Probabilidades de estado estable de encontrarse en el estado n.
P1 : Representa la proporcin de tiempo posible cuando el proceso se
encuentra en el estado cero
Nota: como 0 0 el sistema est en el estado 0 por lo tanto no puede
haber muertes.
Estado 1
0 0
2 2
) P1
Entonces:
Estado
0
1
2
n -1
n
20
Pn
1 1
0 0
0 0
2 2
3 3
n 1
1 1
) P1
) P2
n 2 n 2
n
1 Pn
n n
n
1 Pn
n 1
) Pn
n ) Pn
Estado
0
1
2
n -1
n
P1
) P0
P2
) P1
(1/
P3
) P2
(1/
n 1
)(
P)
0 0
P)
2 2
1 1
Pn
Pn
) Pn
n 1
) Pn
(1/
)(
n 1 n 1
n 1
)(
n n
n 1
) P0
n 1
n 1
) P0
(1/
P )
n 2 n 2
P )
n 1 n 1
Estado
0
1
2
n -1
n
P1
) P0
P2
) P1
P3
) P2
n 1
Pn
Pn
Estado
0
1
2
n -1
n
)( 1 P1
) Pn
n 1
) Pn
P1
) P0
P2
0 1
P3
2 1 0
) P0
n 1 n 2
) P0
Pn
Pn
n 1
n -1 n -2
Simplificando la notacin Cn
n -1
n 1, 2,...
1
Entonces el requisito
Pn
Cn P0
n 0
0
1
n 0
De esta forma
P0
Cn
n 0
nPn
n 0
21
Lq
(n s ) Pn
n 0
n n
n 0
Nota:
Varias de las expresiones tienen un nmero infinito de trminos. Para
muchos casos especiales estas sumas tienen solucin analtica o
pueden aproximarse por mtodos numricos.
Estos resultados de estado estable se desarrollaron bajo la suposicin de
que los parmetros n y n tiene valores tales que el proceso, de hecho
puede alcanzar la condicin de estado estable.
0 para algun n mayor que el estado inicial
n
se cumple si
1
s
No se cumple cuando
Cn
n 1
EJEMPLO 4
La estacin de gasolina de una pequea poblacin tiene capacidad para 2
automviles. Cuando la estacin est desocupada llegan 3 automviles por hora,
pero cuando en la estacin hay un automvil la tasa de llegadas disminuye a 2
automviles por hora.
La tasa a la cual el servidor puede atender a los automviles que llegan es de 4
por hora.
SOLUCIN
Se deben encontrar L, Lq , W , Wq y las probabilidades de estado estable
FIGURA 2
3
0
22
2
2
Estado 0
1 1
0 0
4 P1
Estado 1
0 0
2 2
2 2
P0
P1
P2
1 1
3P0
P1
4 P2
2 P1
4 P2
3P1
P1
0.353
P2
0.177
0.707
P0
P1
P2
Por lo tanto
L
Lq
nPn
(n s ) Pn
P
n n
W
Wq
0 * 0.353 1* 0.177
0.177
2.116
0.707
0.334 horas
2.116
Lq 0.177
0.083 horas
2.116
n n
'
0
1 1
P
P
0)
P n 1
n 1 n 1
P n
n 1 n 1
P0'
0 0
0)
P n 1
n n
P n
23
I. proceso de Poisson
Pn'
L Pn
P0'
cte
Pn n 1
LP0 n
nL
'
n
nLPn n 1
n 1 LPn
P0'
LP1 n 1
a bn
P0'
n 1 LPn
(nL nM ) Pn
nL,
nM
n 1 MPn 1 n 1
MP1 n
LPn
P0'
LP0
( L M ) Pn
MPn 1 n 1
MP1 n
proceso de Erlang
Pn'
LPn
L,
nM
( L nM ) Pn
(n 1) MPn 1 n 1
P0'
LP0 MP1 n 0
Este proceso aparece en la teora de colas cuando se considera el caso en
el que existen varias fuentes de llegada y estas se producen con la ley de
Poisson
24
CAPTULO II
FUNDAMENTOS DE SISTEMAS DE LNEAS DE ESPERA
Las lneas de espera son parte de nuestra vida cotidiana. Todos esperamos en la
fila para comprar un boleto para el cine, efectuar un depsito bancario, pagar los
vveres, enviar un paquete por correo, obtener comida en la cafetera, comenzar
un recorrido en un parque de diversiones, etctera. Nos hemos acostumbrado a
cantidades notables de espera, pero an nos molestamos cuando estas son
prolongadas.
Sin embargo, tener que esperar no es slo una pequea molestia personal. La
cantidad de tiempo que la poblacin de un pas pasa esperando en filas es un
factor primordial tanto en la calidad de vida como en la eficiencia de la economa
del pas.
Un claro ejemplo, es Estados Unidos, se estima que sus ciudadanos gastan
37000,000,000 horas anuales esperando en filas. Tiempo que podra usarse en
forma productiva, (equivaldra a 20 millones de aos-persona de trabajo til cada
ao)
Quien haya tenido que esperar en un semforo, en las cajas de un centro
comercial, al abordar el Metro o esperar a registrar la salida en el trabajo ha
experimentado lo que es una lnea de espera. Quizs uno de los mejores ejemplos
de la administracin efectiva de las lneas de espera es el de Walt Disney World.
Un da lo pueden visitar 25,000 personas, pero otro da pueden ser 90,000. Un
anlisis cuidadoso del proceso de flujo, de la tecnologa para movilizar a la gente
(manejo de materiales), transporte del equipo, capacidad y distribucin de las
instalaciones hacen que los tiempos de espera para las atracciones sean de un
nivel aceptable.
El anlisis de lneas de espera es de inters para los administradores porque son
los que efectan el diseo, planean la capacidad y distribucin, controlan el
inventario, y efectan la programacin de las actividades en la empresa donde
trabajan.
2.1 PORQU SE CREAN LAS LNEAS DE ESPERA?
artculos del inventario que esperan para ser utilizados. Las formas de la lnea de
espera se deben a un desequilibrio temporal entre la demanda por el servicio y la
capacidad del sistema para proporcionar el servicio. En la mayora de los
problemas de lneas de espera en la vida real, la tasa de la demanda vara; es
decir, los clientes llegan a intervalos imprevisibles.
Con frecuencia, la tasa para producir el servicio tambin vara y depende de las
necesidades del cliente
EJEMPLO 5
a) Suponga que los clientes del banco llegan a una tasa media de 15 por hora
a lo largo del da y que el banco puede atender un promedio de 20 clientes
por hora. Siempre se forma una lnea de espera porque la tasa de llegada
del cliente vara durante el da y el tiempo requerido para atender un cliente
tambin vara.
Las lneas de espera pueden crecer aun cuando el tiempo para atender a
un cliente sea constante.
b) En el servicio de transporte Metro se controla el tiempo del recorrido entre
estaciones a lo largo de toda la ruta. Cada tren se programa para llegar a
una terminal, digamos, cada 5 minutos. Incluso con el tiempo de servicio
constante, se crean lneas de espera. Las personas esperan el prximo tren
o no pueden abordar un tren debido a la muchedumbre en un momento del
da cuando la demanda es mayor. Por consiguiente, en este caso la
variabilidad en la tasa de demanda determina el tamao de la lnea de
espera.
Nota: Si no hay variabilidad en la demanda o en las tasas de servicio y se tiene
suficiente capacidad en el sistema de servicio, no puede crearse una lnea de
espera.
2.2 EJEMPLOS DE SISTEMAS DE LNEAS DE ESPERA
Servidor (es)
Peluquero
Cajero automtico
Cajero
Plomero
Cajero
Corredor de valores
Bomba
Representante tcnico
Dentista
b. Servicio interno
En algunos casos, los clientes son empleados de las organizaciones. En otros
ejemplos, los clientes son cargas que deben moverse, mquinas a ser reparadas,
artculos para inspeccin, etctera.
EJEMPLOS DE SISTEMAS DE SERVICIOS INTERNOS
Tipo de sistema
Clientes
Servicios secretariales
Empleados
Servicios de copiado
Empleados
Computadoras grandes
Empleados
Servicios de fax
Empleados
Sistema de mantenimiento
Mquinas
Estacin de inspeccin
Artculos
Sistema de produccin
Trabajos
Mquinas semiautomticas
Mquinas
Depsito de herramientas
Operadores de mquinas
Servidor(es)
Secretaria
Mquina copiadora
Computadora
Mquina de fax
Cuadrilla de reparacin
Inspector
Mquina
Operador
Empleado
c. Servicio de transporte
En ocasiones, los vehculos involucrados son los clientes y en otros casos, cada
vehculo es un servidor.
En particular, el servicio de aerolnea y el de elevador involucran a un servidor que
sirve a un grupo de clientes en forma simultnea en lugar de uno a la vez. La lnea
de espera en el ejemplo del estacionamiento tiene capacidad cero porque los
autos que llegan (clientes) van a cualquier otro lugar a estacionarse si todos los
espacios del estacionamiento (servidores) estn ocupados.
EJEMPLOS DE ESTACIONES DE SERVICIOS DE TRANSPORTE
Tipo de sistema
Clientes
Servidor(es)
Caseta de cobro en autopista
Autos
Cajero
Muelle de carga de camiones
Camiones
Cuadrilla de carga
rea de descarga portuaria
Barcos
Cuadrilla de descarga
Aviones que esperan despegar
Aviones
Pista
Aviones que esperan aterrizar
Aviones
Pista
Servicio de aerolnea
Personas
Avin
Servicio de taxis
Personas
Taxi
Servicio de elevador
Personas
Elevador
Bomberos
Incendios
Carro de bomberos
Estacionamiento
Autos
Espacios de estacionamiento
Servicio de ambulancia
Personas
Ambulancia
27
FIGURA 3
Poblacin
de clientes
Sistema de servicio
Lnea de espera
Clientes
atendidos
Regla de
prioridad
Instalacin
de servicio
28
Es todo individuo de la poblacin que solicita servicio. Suponiendo que los tiempos
de llegada de clientes consecutivos son 0 t1 t2 ..., ser importante conocer el
patrn de probabilidad segn el cual la fuente de entrada genera clientes. Lo ms
habitual es tomar como referencia los tiempos entre las llegadas de dos clientes
consecutivos: T k tk tk 1 fijando su distribucin de probabilidad. Normalmente,
cuando la poblacin potencial es infinita se supone que la distribucin de
probabilidad de los T k (que ser la llamada distribucin de los tiempos entre
llegadas) no depende del nmero de clientes que estn en espera de completar su
servicio, mientras que en el caso de que la fuente de entrada sea finita, la
distribucin de los T k variar segn el nmero de clientes en proceso de ser
atendidos.
3. LNEAS DE ESPERA
Lnea de espera: es el conjunto de clientes que esperan, es decir los clientes que
ya han solicitado el servicio pero que an no han pasado al mecanismo de
servicio.
Se caracteriza por el nmero mximo de clientes que se pueden admitir (antes
de dar inicio el servicio)
Tamao de la cola: puede ser finita o infinita (el estndar es infinita).
Lo ms sencillo, a efectos de simplicidad en los clculos, es suponerla infinita.
Aunque es obvio que en la mayor parte de los casos reales la capacidad de la
cola es finita, no es una gran restriccin el suponerla infinita si es
30
FIFO (first in first out), tambin llamada FCFS (first come first served):
segn la cual se atiende primero al cliente que antes haya llegado (primero
en llegar primero en salir.
LIFO (last in first out), tambin conocida como LCFS (last come first served)
o pila: que consiste en atender primero al cliente que ha llegado el ltimo.
Grado de paciencia
Los clientes en las lneas de espera pueden ser pacientes o impacientes.
Cliente paciente: es el que entra en el sistema y permanece all hasta que
es atendido
Cliente impaciente: Es el que decide no entrar en el sistema o lo abandona
antes de ser atendido.
FIGURA 4
No avanza!
Cliente
impaciente
No avanza!
Cliente
paciente
4. MECANISMO DE SERVICIO
servicio. Cuando los servidores tienen diferente destreza para dar el servicio, se
debe especificar la distribucin del tiempo de servicio para cada uno.
El mecanismo de servicio consiste en una o ms instalaciones de servicio.
Instalacin de servicio: consistente de una persona, cuadrilla, mquina, grupo
de mquinas, o ambas y que son necesarias para realizar el servicio para el
cliente.
El sistema de servicio queda definido por el nmero de lneas y los arreglos de
las instalaciones.
El canal Hace referencia al nmero de servidores que hay en el sistema.
Tiempo de servicio: Es el tiempo que transcurre desde el inicio del servicio
para un cliente hasta su termino.
Cualquiera que sea el proceso de servicio, es necesario tener una idea de
cunto tiempo se requiere para llevar a cabo el servicio. Esta cantidad es
importante debido a que cuanto ms dure el servicio, ms tendrn que esperar
los clientes que llegan. Como en el caso del proceso de llegada, este tiempo
pude ser determinstico o probabilstico.
1.
2.
Las lneas de espera pueden disearse para que sean de una sola lnea o lneas
mltiples. La Figura 5 muestra un ejemplo de cada arreglo.
FIGURA 5
Servidor 2
Servidor 3
Servidor 4
Servidor 5
Servidor 2
Servidor 3
Servidor 4
Servidor 5
33
Una lnea se utiliza en los mostradores de las aerolneas, dentro de los bancos, y
en algunos restaurantes de comida rpida.
Cuando estn disponibles mltiples servidores y cada uno puede manejar todas
las transacciones, el arreglo de una sola lnea mantiene a los servidores
constantemente ocupados y da a los clientes un sentido de imparcialidad. Los
clientes creen que son atendidos de acuerdo a como fueron llegando, no tienen
que adivinar que lnea de espera es la que avanzar ms rpido.
Las lneas mltiples se utilizan en los centros comerciales, en las casetas de las
autopistas y en las tiendas de descuento.
El diseo de mltiples lneas optimiza cuando algunos de los servidores
proporcionan servicios fijos limitados. En este arreglo, los clientes seleccionan los
servicios que necesitan y esperan en la lnea donde se proporciona ese servicio,
como en los centros comerciales que hay lneas especiales para los clientes que
pagan en efectivo o compran menos de 10 artculos.
2.5 ARREGLOS DE LAS INSTALACIONES DE SERVICIO
Instalacin
de servicio 1
Instalacin
de servicio
Instalacin
de servicio 1
Instalacin
de servicio 2
Instalacin
de servicio 1
Instalacin
de servicio 2
Instalacin
de servicio 3
Instalacin
de servicio 1
Instalacin
de servicio 4
Instalacin
de servicio 3
34
Instalacin
de servicio 2
Instalacin
de servicio 2
Ruta para
:124
Ruta para
:243
Ruta para
:3214
Instalacin
de servicio 4
35
FIGURA 7
Mltiples
fases
Una persona
peluquera
Lavado de
autos
Ventanillas de
los cajeros en
un banco
Ingreso a
un hospital
38
EJEMPLO 6
Consideremos la relacin entre el nmero promedio de clientes en el sistema y el
tiempo promedio que cada cliente pasa en el. Imaginemos que un cliente acaba de
llegar y se espera que permanezca en el sistema un promedio de media de hora.
Durante esta media hora, otros clientes llegan a una tasa, digamos doce por hora.
Cuando el cliente en cuestin abandona el sistema, despus de media hora,
Cul es el promedio de clientes nuevos que queda?
SOLUCIN
De manera que Lq
Wq
Wq
para todo 1 n
Lq
39
CAPTULO III
USO DE LOS MODELOS DE LNEAS DE ESPERA
Los gerentes de operaciones usan los modelos de lneas de espera para equilibrar
las ganancias que pueden obtenerse si se aumenta la eficiencia del sistema de
servicio contra los costos que esto involucra.
Las largas lneas de espera pueden causar que los clientes abandonen o estn
inconformes con el servicio. Por lo que deben considerarse las siguientes
operaciones caractersticas del sistema.
1. Longitud de la lnea. El nmero de clientes en la lnea de espera refleja:
Las lneas cortas significan que el servicio al cliente es bueno o tiene
demasiada capacidad.
Las lneas largas indican poca eficiencia del servidor o la necesidad de
aumentar la capacidad.
2. Nmero de clientes en el sistema. El nmero de clientes en la lnea de espera
y los que son atendidos estn relacionados con la eficiencia y capacidad del
servicio. Un nmero grande de clientes en el sistema ocasiona una congestin
y puede producir el descontento del cliente, a menos que se aumente la
capacidad.
3. Tiempo de espera en la lnea. Las lneas largas no siempre significan tiempos
largos de espera. Si la tasa de servicio es rpida, una lnea larga se atiende
con eficiencia. Sin embargo, cuando el tiempo de espera parece largo, los
clientes perciben una mala calidad del servicio. Los gerentes pueden intentar
cambiar la tasa de llegada de los clientes o disear el sistema de modo que el
tiempo de espera parezca ms corto de lo que realmente es. Por ejemplo, en
Walt Disney World los clientes en lnea para una atraccin son entretenidos por
videos y tambin son informados acerca del tiempo que les falta por esperar, lo
que parece ayudarlos para que la espera no sea desesperante.
4. Tiempo total en el sistema. El tiempo total de espera en el sistema desde la
entrada hasta la salida del mismo nos indica los problemas con los clientes, la
eficiencia del servidor, o la capacidad. Si algunos clientes pasan demasiado
tiempo en el sistema de servicio, puede haber la necesidad de cambiar la
disciplina de prioridad, aumentar la productividad, o ajustar capacidad de
alguna manera.
5. Uso de la instalacin de servicio. El uso colectivo de las instalaciones refleja el
porcentaje de tiempo que estn ocupadas. La meta de la administracin es
mantener uso y rentabilidad alta sin afectar de manera adversa las dems
caractersticas.
El mejor mtodo para analizar un problema de lneas de espera es relacionar
estas caractersticas de operacin y sus alternativas en unidades monetarias. Sin
40
Hay muchos modelos de lneas de espera posibles. Por ejemplo, si el tiempo que
existe entre las llegadas en el modelo bsico M/M/1 se le diera una distribucin
diferente (no la exponencial) tendramos un modelo diferente. Para facilitar la
comunicacin entre aquellos que trabajan con modelos de lneas de espera, D. G.
Kendall propuso una clasificacin o taxonoma con base en la siguiente notacin:
A/B/s
Donde
A = distribucin de las llegadas.
B = distribucin del servicio.
s = nmero de servidores
Se utilizan diferentes letras para designar ciertas distribuciones colocndolas en la
posicin A o B.
M = distribucin exponencial.
D = nmero determinstico.
G = cualquier distribucin (general) de tiempos de servicio.
GI = cualquier distribucin (general) de tiempos de llegada.
MEDIDAS DE DESEMPEO
Existen varias maneras de juzgar la calidad del servicio en un sistema de procesamiento. Los resultados pueden evaluarse para un perodo corto una vez que el sistema abre, o por los resultados a largo plazo o de equilibrio. Por lo general, el
tiempo en que los trabajos estn en espera es importante y puede observarse el
tiempo de espera promedio o una medida como la del porcentaje de los trabajos
que esperan ms. Una medida relacionada es el tiempo de rendimiento para un
trabajo (tiempo de espera ms tiempo de servicio); otra es la longitud de la lnea
de espera. stas son medidas de la calidad del desempeo del sistema, desde el
punto de vista del cliente.
Otras medidas se relacionan con el costo de operacin del sistema, cuyo factor de
carga o de uso de la capacidad mide la capacidad del sistema para manejar la
carga que llega. La gerencia tiene la opcin de agregar ms capacidad.
Un sistema de procesamiento dado puede tener cualquier combinacin de los
elementos descritos hasta ahora. Por consiguiente, existe un nmero muy grande
de posibles sistemas, y ningn modelo matemtico puede describirlos todos, por lo
que se tratan algunos modelos simples de amplia aplicacin y que dan una
perspectiva acerca del comportamiento del sistema de lneas de espera, en
general.
41
SISTEMA DE ESPERA
SISTEMA DE ESPERA
Salida
cliente
Llegada de
un cliente
UNIDAD DE SERVICIO
Cliente en
servicio
Servidor
Cliente
atendido
Clientes en lnea de
espera
Pn P0 P0 1 1 n
42
Ls
(1 ) 1
2
2
2
1
2
Lq = Ls =
( )
1 1 1
2 1
2
2
( )
2
= Wq =
=
L
( )
( )
( ) ( )
Nmero promedio de clientes en la lnea de espera para un sistema ocupado
Lb
1
Ws s
( )
Tiempo promedio de espera en la lnea
1
1
1 ( )
Wq Ws
( )
( )
Wq Ws
( )
Tiempo promedio que un cliente permanece en la lnea de espera en un sistema
1
ocupado
Wb
Probabilidad de que no haya clientes en el sistema
P0 1 (1 )
Probabilidad de que haya n ms clientes (unidades) en el sistema
P(n k ) 1 ( P0 P1 P2 Pk 1 Pk )
k 1
k 1
43
Ley de Little:
Ls Ws
Lq Wq .
Ws Wq 1 /
Ls Lq / .
EJEMPLO 7
Un fotgrafo de la embajada de los Estados Unidos toma las fotografas para los
pasaportes a una tasa promedio de 20 por hora. El fotgrafo debe esperar hasta
que el cliente deje de parpadear y hacer gestos, as que el tiempo para tomar una
fotografa se distribuye exponencialmente. Los clientes llegan a una tasa promedio
de acuerdo a una distribucin de Poisson de 19 clientes por hora.
a. Cul es la utilizacin promedio del fotgrafo?
b. Cunto tiempo promedio permanece el cliente en el estudio del fotgrafo?
SOLUCIN
1hora
20 19
EJEMPLO 8
El gerente de una tienda de abarrotes en una comunidad de jubilados est
interesado en proporcionar buen servicio a los ciudadanos de la tercera edad que
compran en su tienda. Actualmente, la tienda tiene una caja de cobro exclusiva
para los ciudadanos de la tercera edad. En promedio, 30 ciudadanos de la tercera
edad llegan por hora a la caja, de acuerdo a una distribucin de Poisson, y se
atienden a una tasa promedio de 35 clientes por hora, con tiempos de servicio
exponencial. Determine las siguientes caractersticas de operacin:
44
a.
b.
c.
d.
e.
f.
30
P0 1 1 0.1429 .
35
30
0.8751 .
35
30
Ls
6.
35 30
30
Lq = LS = LS (6) 5.1429
35
L
6
Ws s
0.2
30
30
Wq Ws Ws (0.2) 0.1714
35
Considere
=tasa de llegadas promedio
=tasa de servicio promedio
N= tamao de la poblacin
Las medidas de desempeo del modelo de poblacin finita con un nico canal o
servidor de turno son las siguientes:
Probabilidad que ningn cliente est en el sistema o que el sistema est vaco
45
n
N
N!
P0 =
n=0 (N - n)!
-1
= 1- P0
+ -
= N -
( 1- P0 ) = N - ( 1- P0 )
Wq =
Lq
ef
N
L
Ws s
donde ef n Pn ( N n)Pn ( N Ls )
ef
n 0
n 0
Nmero promedio de clientes en la lnea en un sistema ocupado
Lq
Lb =
1 - P0
Tiempo promedio que el cliente permanece en la lnea en un sistema ocupado.
Wq
Wb =
1 - P0
Probabilidad de que al llegar un cliente tenga que esperar o el sistema est
ocupado
P(n > 0) = 1- P0
Probabilidad de n clientes en el sistema
n
N!
Pn =
P0
(N - n)!
46
para n=1,2,N
EJEMPLO 9
La Worthington Gear Company instal un banco de 10 robots hace tres aos.
Desde entonces los robots aumentaron en gran medida la productividad de la
empresa. Sin embargo, recientemente la atencin se ha enfocado en su
mantenimiento. La empresa no hace mantenimiento preventivo en los robots
debido a la variabilidad que hay en la distribucin de las descomposturas. Cada
robot tiene una distribucin de descompostura exponencial (o entre llegadas) con
un tiempo medio entre fallas de 200 horas. Cada hora perdida por estar el robot
descompuesto tiene un costo por interrupcin de la produccin de $30, lo que
significa que la empresa tiene que reaccionar con rapidez ante las fallas de los
robots. La empresa cuenta con una persona de mantenimiento, que necesita 10
horas en promedio para arreglar un robot. Los tiempos actuales de mantenimiento
se distribuyen exponencialmente. La tasa de salario es de $10 por hora para la
persona de mantenimiento quien trabaja productivamente si no hay robots
descompuestos. Determine el costo diario por mano de obra y tiempo fuera de
servicio del robot.
SOLUCIN
El modelo de fuente finita es apropiado para este anlisis porque hay 10 mquinas
en la poblacin de clientes y se cumplen los otros supuestos. En este sentido
1 / 200 , 0.005 descomposturas por hora, y 1 / 10 0.10 robot por hora.
Para calcular el costo de mano de obra y del tiempo fuera de servicio del robot,
necesitamos calcular la utilizacin promedio de la persona de mantenimiento y L s ,
el nmero promedio de robots en el sistema de mantenimiento.
El enunciado del problema describe un modelo de fuente finita, con N = 10. La
probabilidad de que ningn robot est en el sistema es
n
N
N!
P0
n 0 (N n )!
10 10! 0.005 n
n 0 (10 n )! 0.10
10! 0.005 10! 0.005 10! 0.005 10! 0.005 10! 0.005 10! 0.005
=
+ 9! 0.10 + 8! 0.10 + 7! 0.10 + 6! 0.10 + 5! 0.10
10! 0.10
1
6
7
8
9
10
10! 0.005 10! 0.005 10! 0.005 10! 0.005 10! 0.005
+
+
+
+
+
4! 0.10
3! 0.10
2!! 0.10
1! 0.10
0! 0.10
-1
0.10
Ls N (1 P0 ) 10
(1 0.5380 ) 0.76
0.005
Tiempo promedio de espera en el sistema
1
1
Ws Ls ( N Ls ) 0.76(10 0.76)(0.005) 16.43 horas
Nmero promedio de robots en la lnea
0.005 0.10
Lq N
(1 P0 ) 10
(1 0.5380 ) 0.298
0.005
Tiempo promedio de espera en la lnea
1
1
Wq Lq ( N Ls ) (0.298)(10 0.76)(0.005) 6.43
Los resultados muestran que la persona de mantenimiento utiliza slo 46.2 por
ciento del tiempo y el nmero promedio de robots que estn esperando en la lnea
o reparndose es 0.76 de robot. Sin embargo, un robot espera un promedio de
16.43 horas en el sistema de reparacin, de las cuales 6.43 horas espera en la
lnea por el servicio.
El costo diario por mano de obra y tiempo de inactividad del robot es:
Costo de mano de obra: ($10/hora) (8 horas/da) (0.462 utilizacin) = $ 36.96
Costo del robot averiado: (0.76 robot) ($30/robot hora) (8 horas/da) = 182.40
Costo total diario = $219.36
Nmero promedio de robots en la lnea de espera en un sistema ocupado
Lq
0.298
Lb
0.645 robot
1 P0 1 0.5380
Tiempo promedio que un robot permanece en la lnea de espera en un sistema
ocupado
Wq
6.43
Wb
13.92 horas
1 P0 1 0.538
Probabilidad de que al llegar un robot tenga que esperar o el sistema est
ocupado.
P(n 0) 1 P0 1 0.5380 0.462 46.2%
48
Probabilidad que ningn cliente est en el sistema o que el sistema est vaco:
1
1
1
P0
n
K
1
K
1 ( / ) 1 K 1
1 /
n 0
Probabilidad de n clientes en el sistema:
(1 ) n
Pn
para n 0, 1, 2, , K
1 K 1
Para el caso de un rea finita de espera no es necesario que 1 . De hecho, Pn
tiene ese valor para todos los valores de 1 . Cuando 1 resulta que todos
los estados son igualmente posibles, as que
1
para 0 n K (slo cuando 1).
Pn
K 1
La frmula de Little se sigue aplicando pero debemos usar un valor modificado de
la tasa de llegadas, porque no a todos los clientes que llegan se les permite entrar
al sistema. Cuando hay K o ms en el sistema, la tasa de llegadas es 0, y
entonces la tasa general de llegadas es menor que . La tasa efectiva de llegada,
ef se calcula como sigue:
ef P (Cantidad en el sistema < K)+0P(Cantidad en el sistema = K )
1-P cantidad en el sistema 0K (1-Pn )
( K 1) K 1
K
Ls
si 1 entonces Ls
K 1
1
1
2
Cantidad promedio de clientes (unidades) en la lnea de espera
Lq Ls (1 P0 )
49
Ws
Ls
ef
Lq
Wq
ef
EJEMPLO 10
Una atraccin conocida en la playa de Acapulco es un artista que pinta una
caricatura en unos 5 minutos. Sin embargo, como los tiempos que requiere cada
dibujo cambian considerablemente, se pueden describir bastante bien con una
distribucin exponencial. Las personas desean esperar su turno, pero cuando hay
ms de 10, optan por irse y se les sugiere regresen despus. En las horas pico
cabe esperar que haya hasta 20 clientes por hora. Suponga que los clientes llegan
totalmente al azar en las horas pico.
a.
b.
c.
d.
SOLUCIN
(1 ) n
Pn
1 K 1
0.40.
K 1
12
459 .5
1
1 1.667
b. Como la tasa de llegada es 20 por hora y el sistema est lleno el 40% del
tiempo, durante las horas pico hay (20) (0.40) = 8 clientes por hora que se
retiran. Esto da como resultado ef 20 8 12 por hora.
50
c. Medidas de desempeo.
Cantidad promedio de clientes dentro del sistema
(K 1) K 1
1.667
(11 1)(1.667)111
Ls =
1
1 1.667
1 K 1
1 (1.667)111
1.667 5,525.97
0.00145 .
K 1
111
459 .5
1
1 (1.667 )
El valor (pequeo) de P0 indica que el sistema casi nunca est vaco. En
particular, el artista est inactivo slo el 0.145% del tiempo!
Cantidad promedio de clientes en la lnea de espera
Lq Ls (1 P0 ) 9.53 (1 0.00145 ) 8.53
Anteriormente se indic que ef 12 , de modo que el tiempo promedio de
espera dentro del sistema es Ws
Ls
ef
9.53
0.7942 hora (unos 48 minutos)
12
Lq
ef
8.53
0.7108 hora ( unos 43 minutos)
12
22
1 211
1 1.667
21
P21
30,533 .28
0.40
76,309 .31
51
Con el modelo de mltiples servidores, los clientes forman una sola lnea y los
atiende uno de los s servidores cuando uno est disponible. Recuerde que el
tercer smbolo de la etiqueta de un modelo de lneas de espera indica el nmero
de servidores.
Para analizar un sistema de colas M/M/s consiste en lo siguiente:
1. una poblacin de clientes infinita
2. un proceso de llegada en el que los clientes se presentan de acuerdo a un
proceso de poisson con una tasa promedio de clientes por unidad de
tiempo
3. un proceso de colas que consiste en una sola fila de espera de capacidad
finita y disciplina primero en entrar primero en salir.
4. un proceso de servicio de s servidores idnticos, que atiende a los clientes
con distribucin exponencial, con una cantidad promedio de clientes por
unidad de tiempo
FIGURA 9
s 1 ( / )n
P0
n 0 n !
( / )s 1
s ! 1
1
s 1 1
n 0 n !
1 s s
s ! s
n!
Pn =
n
(/) P ,
ns
s!s n-s 0
Probabilidad de que haya s servidores y se tenga que esperar
(/)s s
P(n s) =
P0
s!(s - )
Nmero promedio de clientes en la lnea de espera
s
s
P (/)
s 1
Lq = 0
=
L
P
s
(s 1)!(s )2 0 s 1(s 1)!(s )2 0
s!(1 - )2
Nmero promedio de clientes en el sistema de servicio
s
1 Lq
P (/)
s+1
P + =
Ls = Ws = Wq + = + = Lq + = 0
+
=
P+
2
2 0
s-1
2 0
s!( 1- ) (s - 1)!(s - )
(s - 1)!(s - )
1 Lq
Wq = Ws - =
=
P0
(s - 1)!(s - )2
Ls -
Ls -
1
1 Lq 1
1 L - 1 L - + Ls
1
Ws = Wq + = + =
+ =
+ = s + = s
= =
P+
2 0
(s - 1)!(s - )
53
- t s-1-
P0
1- e
- t
P Ws > t = e 1+
para t 0
s!( 1 - )
s
1
1 e
t s 1
s 1
por t .
P Wq > t = 1- P Wq = 0 es (1 ) t
donde P Wq = 0 = Pn
s-1
n=0
EJEMPLO 11
Una pequea escuela de negocios ha asignado una secretaria a cada uno de sus
departamentos: contabilidad, finanzas, mercadotecnia y direccin. Cada secretaria
procesa material de clase y correspondencia nicamente para su propio
departamento. El director de la escuela recibi muchas quejas, especialmente, del
departamento de contabilidad acerca de los retrasos en los trabajos secretariales.
El asistente del director rene la informacin acerca de las tasas de llegada de los
trabajos y tiempos de servicio. Despus de un anlisis detallado encuentra que las
solicitudes de trabajo siguen una distribucin de Poisson con 2 solicitudes por
hora, para todos los departamentos, excepto contabilidad, que tiene 3
solicitudes por hora. El tiempo promedio de terminacin de un trabajo (o servicio)
es de 15 minutos independientemente del departamento que lo solicite, estos
tiempos se distribuyen exponencialmente.
Debido a restricciones en el presupuesto ninguna secretaria adicional puede ser
contratada. El director considera que el servicio puede mejorarse si se agrupa a
las secretarias y se les ubica en un solo lugar, usando la poltica primero que
entra, primero que se le da el servicio. Antes de proponer el nuevo plan el director
pide a su asistente que analice el desempeo correspondiente y lo compare con el
sistema actual.
54
SOLUCIN
2
Ls
1 trabajo.
42
1
2
Lq
L (1) 0.5 trabajos
2
4
1
1
1
Ws
(1 / 2) 1
Wq
de hora 15 minutos.
42 4
2
P0 1 1 0.5
4
El nmero promedio de solicitudes de trabajo en la lnea de espera para un
2
sistema ocupado es
Lb
1 solicitud de trabajo
42
El tiempo promedio que una solicitud de trabajo permanece en la lnea de espera
1
1
en un sistema ocupado es
Wb
0.5 horas
42
Probabilidad de que una solicitud que llegue tenga que esperar, o bien, el sistema
P(n k ) k , si k 1 solicitud
est ocupado
2
P(n 1) 1 0.5 50%.
4
En el caso del departamento de contabilidad estos valores son 3 y 4
3
Ls
3 trabajos.
43
9
3
Lq
L (3) 2.25 trabajo
4
4
1
1
Ws
1 hora.
43
(3 / 4) 3
Wq
de hora = 45 minutos.
43 4
3
P0 1 1 0.25
4
55
3
Lb
3 solicitudes de trabajo
43
El tiempo promedio que una solicitud de trabajo permanece en la lnea de espera
en un sistema ocupado es
1
1
Wb
1 hora
43
Probabilidad de que una solicitud que llegue tenga que esperar, o bien, el sistema
P(n k ) k , si k 1 solicitud
est ocupado
3
P(n 1) 1 0.75 75%.
4
La propuesta para reunir al personal de secretarias, crea un sistema de mltiples
canales, una sola lnea de espera, o un sistema M/M/4 en este caso. La tasa de
llegada son las llegadas combinadas (2 + 2 + 2 + 3) en todos los departamentos, o
bien, 2 2 2 3 9 solicitudes de trabajo por hora, 4 solicitudes de
trabajo por hora y s 4 servidores.
El factor de utilizacin promedio del sistema es
9
9
s 4(4) 16
Probabilidad de que cero clientes estn en el sistema o que el sistema est
desocupado
-1
+
+
+
+
=
= 0.0988
n!
s!(
)
0!
1!
2!
3!
4!(19/16)
2,688
n=0
4 ! 1
16
Nmero promedio de clientes en el sistema
9
Ls Lq 0.31 0.31 2.25 2.56 solicitudes de trabajo
4
Tiempo promedio de espera de las solicitudes de trabajo en el sistema
L
2.56
Ws s
0.28 44 horas 17 minutos
9
56
9
Probabilidad de que haya s = 4 servidores y se tenga que esperar.
4
9
4 (4)(4)
s
( / ) s
410.0625
P (n s )
P0
(0.09881)
(0.09881) 24.1155%
s !(s )
4!(4 4 9)
168
Nmero promedio de solicitudes de trabajo en la lnea de espera en un sistema
ocupado
Lq
0.31
Lb
Ls
Lq
Ws
Wq
P0
Actual (contabilidad)
3
2.25 1
0.75 0.25
Actual (finanzas, mercadotecnia y direccin) 1
0.5 0.5 0.25 0.50
Secretarias agrupadas
2.56 0.31 0.28 0.034 0.098
57
MEDIDAS DE DESEMPEO
Considere:
tasa de llegadas promedio
tasa de servicio promedio,
N tamao de la poblacin
Las medidas de desempeo de este modelo de poblacin finita para varios
canales o servidores de turno son las siguientes:
Probabilidad que ningn cliente est en el sistema o que el sistema est vaco
1
P0 =
n
n
s-1
N
N!
N!
n-s
n=0 (N - n)!
n=s (N - n)!s!s
Utilizacin promedio del servidor
1 P0
Lq = (n - s)Pn
n=1
Wq =
Lq
ef
N
L
Ws s
donde: ef n Pn ( N n)Pn ( N Ls )
ef
n 0
n 0
Nmero promedio de clientes en la lnea en un sistema ocupado
Lq
Lb =
1 - P0
Tiempo promedio que el cliente permanece en la lnea en un sistema ocupado.
Wq
Wb =
1 - P0
Probabilidad de que al llegar un cliente tenga que esperar o el sistema est
ocupado
P(n > 0) = 1 - P0
58
N!
P0
(N - n)!n!
N!
Pn =
P0
n-s
(N - n)!s!s
si 0 n s
si s n N
si n > N
Probabilidad que ningn cliente est en el sistema o que el sistema est vaco:
1
P0
s 1 n 1 s K ns
s! n s 1 s
n 0 n!
P0
n!
n
1
Pn = n-s P0
n = s,s + 1,,K
s!s
0
n > K,
59
Ls nPn Lq s1 Pn ;
n 0
n 0
Tasa efectiva de llegada
ef P cantidad en el sistema<K OP cantidad en el sistema=K
1 P cantidad en el sistema=K 1 Pk
Ws
Ls
.
ef
Lq
Wq
.
ef
3.4 M/G/
3.4.1 MODELO M/G/1 (2 = varianza del tiempo de servicio), POBLACIN
INFINITA
60
Wq . Las medidas de desempeo para este modelo general son las siguientes.
MEDIDAS DE DESEMPEO
Probabilidad que ningn cliente est en el sistema o que el sistema est vaco
P0 1 1
Ls Lq Lq
E (T ) 1 / y E (T ) / ;
Lq
2 2 (1 / ) 2 2 2 ( / ) 2 2 2 2
21 ( / )
2 1 ( / )
2(1 )
()
Wq +
Lq +
( Wq +1) Wq +1
L
1
Ws = s =
=
=
=
=
= Wq +
2 2
2
2
2
(1/ )
Lq
2(1 )
2(1 )
2(1 )
2
2 2
2 2
2
2(1 ) 2(1 ) 1
Que es equivalente a la ecuacin de Lq para el modelo estndar M/M/1. Ahora
considere el modelo M/D/1, con un tiempo de servicio determinista y varianza
62
Lq
2
2(1 )
M/G/s, POBLACIN
63
FIGURA 11
...
Clientes
regulares
Clientes
con
prioridad
Centro de
servicio
Todos los modelos de lneas de espera presentados hasta ahora suponen que los
clientes se atienden segn primero en entrar, primero en salir. No todos los
sistemas de lneas de espera funcionan as. En algunos se atiende primero a los
clientes importantes, antes que otros que han esperado ms. La administracin
puede querer que ciertos clientes especiales tengan prioridad sobre otros. En
algunos casos, los clientes en los sistemas de lneas de espera pueden ser
trabajos a realizar y las diferentes fechas de entrega para estos trabajos dicta el
orden en que se sirve a estos clientes. Los trabajos urgentes necesitan hacerse
antes que los rutinarios.
64
DE
LNEAS
DE
ESPERA
CON
PRIORIDADES
CON
Junto con las suposiciones generales dadas para las prioridades, este modelo
hace las siguientes suposiciones.
Suposiciones adicionales
1. Las prioridades con interrupcin se usan como se acaba de describir. (Sea n el
nmero de clases de prioridad).
2. Para la clase de prioridad i (i 1, 2, , n) , los tiempos entre llegadas de los
65
Junto con las suposiciones generales dadas para las prioridades, las de este
modelo son las que se muestran enseguida.
Suposiciones adicionales
1. Se usan las prioridades sin interrupcin como se describi anteriormente. (De
nuevo, sea n el nmero de clases de prioridad).
2 y 3. Las mismas que para el modelo con prioridades con interrupcin.
4. El sistema de lneas de espera puede tener cualquier nmero de servidores.
Excepto por el uso de prioridades no preferentes, estas suposiciones son las
mismas que para el modelo M/M/s. El factor de utilizacin de los servidores es
2 n
1
s
De nuevo, se requiere que 1 para que el sistema de lneas de espera alcance
una condicin de estado estable para todas las clases de prioridad.
66
Como antes, suponiendo que 1 , hay frmulas disponibles para calcular las
medidas principales de desempeo (Ls, Ws, Lq y Wq) para cada una de las clases
de prioridad.
Resultados para el modelo con prioridades sin interrupcin:
Sea W k el tiempo estimado de espera en el sistema en estado estable (incluyendo
el tiempo de servicio) para un miembro de la clase de prioridad k . Entonces
1
1
Wk
, para k 1, 2,, N ,
AB k 1 Bk
Donde
s s 1 r j
s ,
r s j 0 j!
B0 1,
A s!
Bk 1
i 1
,
s
s nmero de servidores,
tasa media de servicio por servidor ocupado,
i tasa media de llegadas para la clase de prioridad i ,
N
i 1
i 1
bk 1bk k
k
Donde: a k
i 1
i
,
i2
b0 1,
k
bk 1
i 1
i
i
k
i 1
EJEMPLO 12
Prioridades con interrupcin. La sala de urgencias del HOSPITAL GENERAL
proporciona cuidados mdicos rpidos a los casos urgentes que llegan en
ambulancia o vehculos particulares. En cualquier momento se cuenta con un
doctor de guardia. No obstante, debido a la creciente tendencia a usar estas
instalaciones para casos de emergencia en lugar de ir a una clnica privada, el
hospital experimenta un aumento continuo en el nmero de pacientes anuales que
llegan a la sala de urgencias. Como resultado, es bastante comn que los
pacientes que llegan durante las horas pico (temprano en la tarde) tengan que
esperar turno para recibir el tratamiento del doctor. Por esto, se ha hecho una
propuesta para asignar un segundo doctor a la sala de emergencia durante esas
horas pico, para que se puedan atender dos casos de emergencia al mismo
tiempo. Se ha pedido al ingeniero administrador del hospital que estudie esta
posibilidad.
El ingeniero administrador comenz por reunir los datos histricos pertinentes y
hacer una proyeccin de estos datos al siguiente ao. Reconoci que la sala de
urgencias es un sistema de lneas de espera y aplic varios modelos de teora de
lneas de espera para predecir las caractersticas de la espera en el sistema con
uno y dos doctores. El ingeniero ha concluido que los casos de emergencia llegan
casi de manera aleatoria (proceso de entrada Poisson), por lo que los tiempos
entre llegadas tienen una distribucin exponencial con una tasa promedio de
media hora Tambin lleg a la conclusin de que el tiempo que necesita el doctor
para atender a los pacientes sigue aproximadamente una distribucin exponencial.
Un doctor requiere un promedio de 20 minutos para atender al paciente. Los
pacientes llegan a una.
El ingeniero administrador observ que los pacientes no se atienden sobre la base
de primero en llegar, primero en salir. En su lugar, parece que la enfermera que
realiza las admisiones divide a los pacientes en tres grandes categoras: 1) casos
crticos, para los que el tratamiento inmediato es vital para la supervivencia; 2)
casos serios, para los que un tratamiento rpido es importante para prevenir
mayor dao, y 3) casos estables, en los que el tratamiento puede retrasarse sin
consecuencias mdicas adversas. Entonces, se atiende a los pacientes en este
orden de prioridad, en donde los pacientes de la misma categora por lo general se
atienden segn la regla de primero en llegar, primero en salir. Un doctor
interrumpe el tratamiento de un paciente si llega un caso nuevo de una categora
de prioridad ms alta. Aproximadamente 10% de los pacientes caen en la primera
categora, 30% en la segunda y 60% en la tercera. Como los casos ms serios se
internan en el hospital despus de recibir el tratamiento urgente, el tiempo
promedio de tratamiento por un doctor en la sala de urgencias en realidad no
difiere mucho entre estas categoras.
El ingeniero ha decidido emplear el modelo de lneas de espera con disciplina de
prioridades como una representacin razonable de este sistema de lneas de
69
espera, en el que las tres categoras de pacientes constituyen las tres clases de
prioridad del modelo. Como el tratamiento se interrumpe por la llegada de un caso
de prioridad ms alta, la versin de prioridades con interrupcin es la apropiada.
Con los datos que se obtuvieron ( 3 y 2) , los porcentajes anteriores
conducen a 1 (0.10)(2) 0.2 , 2 (0.30)(2) 0.6 , 3 (0.60)( 2) 1.2 .
Obtencin de resultados de prioridades con interrupcin, s = 2
Estos resultados de prioridades con interrupcin para s 2 se obtuvieron como
sigue. Ya que los tiempos de espera para los clientes de la clase de prioridad 1 no
se ven afectados por la presencia de clientes en clases de prioridad ms baja, W1
ser la misma para cualesquiera otros valores de 2 y 3 , incluyendo 2 0 y
3 0 . Entonces, W1 debe ser igual a W para el modelo correspondiente de una
clase (modelo M/M/s). Con s 2 , 3 y 1 0.2 , lleva a que W1 W 0.33
3.6 MODELO M/Ek /s
k
As, k es el parmetro que especifica el grado de variabilidad de los tiempos de
servicio con relacin a la media. Por lo general se hace referencia a k como el
parmetro de forma.
La distribucin de Erlang es muy importante en la teora de lneas de espera por
dos razones.
Para describir la primera suponga que T1 , T2 ,, Tk son k variables aleatorias
independientes con una distribucin exponencial idntica, cuya media es 1 /( k ) .
70
promedio
de
clientes
/.
(unidades)
en
la
lnea
de
espera:
2
2
2
2 k 2 2 (k 1)
2 2
k2 k2 2
2 (k 1)
2 (k 1) k 1 2
k2
k2
Lq k
2 1
2k 2 ( ) 2k ( ) 2 k ( )
2 1
2 1 2
2
Si / ,
entonces /, de donde
k 1
2
k 1
Lq
2k / / 2k
k 1
2
/ / 2k
k 1 1 k 1
2
2 1/ 2 1/ 2k (1 )/ 2 2k
71
2
o bien
Lq k
2 1
2 k2
k
2 1
(k 1) 2 k 1 2
2k (1 ) 2k 1
2
k 1
Lq 2k ( ) k 1
Wq
2k ( )
Tiempo promedio de espera de los clientes (unidades) en el sistema, incluye el
servicio:
L
1
W s s Wq
EJEMPLO 13
La base de mantenimiento de Friendly Skies Airline cuenta con instalaciones para
reparar slo un motor de avin a la vez. Por lo tanto, devuelven los aviones a
servicio lo ms pronto posible, la poltica ha sido alternar la reparacin de los
cuatro motores de cada avin. En otras palabras, slo se repara un motor cada
vez que entra un avin al hangar. Con esta poltica, los aviones llegan en forma
aleatoria a una tasa media de uno diario. El tiempo requerido para la reparacin de
un motor (una vez comenzado el trabajo) tiene una distribucin exponencial con
media de 1/2 da.
Se ha hecho una propuesta para cambiar la poltica a fin de que los cuatro
motores se reparen de manera consecutiva cada vez que un avin entra al
hangar. Esto significara que cada avin necesitara venir a la base de
mantenimiento un cuarto de las veces. Puesto que el tiempo requerido para la
reparacin de un motor tiene una distribucin exponencial, la teora estadstica
indica que el tiempo requerido para la reparacin de cuatro motores tiene una
distribucin Erlang con media cuatro veces mayor y parmetro de forma k = 4.
Ahora, la administracin necesita decidir si continua trabajando como lo ha venido
haciendo o adopta la propuesta. El objetivo es minimizar el tiempo promedio de
vuelo de la flota completa perdido por da debido a las reparaciones de los
motores.
a. Compare las dos alternativas el promedio de tiempo de vuelo perdido por un
avin cada vez que llega a la base de mantenimiento.
72
1
Ls
1
2 1
2
12
1
Lq
0.5
( ) 2(2 1) 2
L
1
Ws s 1
1
1
1
Wq Ws (1) 0.5
2
2
Propuesta: Modelo M/Ek/1.
Observe que: media 1 / (1 / 2)(4) 2 , por lo tanto
1 / 2 0.5 aviones diarios,
1 / 4 0.25 de avin diario,
k 4,
s 1.
1/ 4 1
1/ 2 2
4 1 (1 / 2) 2 5 1 / 4 5 1 5
k 1 2
Lq
0.3125
2k 1 2(4) 1 1 / 2 8 1 / 2 8 2 16
5 1 13
0.8125
16 2 16
5 / 16 5
1.25
1/ 4 4
13 / 16 13
3.25
1/ 4
4
Ls Lq
Wq
Lq
Ws
Ls
73
74
CAPTULO IV
COSTOS DE LOS SISTEMAS DE LNEAS DE ESPERA
4.1 COSTO DE LA ESPERA Y DEL SERVICIO
Un sistema de colas puede dividirse en sus dos componentes de mayor
importancia, la cola y la instalacin de servicio. Las llegadas son las unidades que
entran en el sistema para recibir el servicio. Una vez que se completa el servicio,
las llegadas se convierten en salidas.
Ambas componentes del sistema tienen costos asociados que deben de
considerarse.
FIGURA 12
SISTEMAS DE COLAS
Disciplina de la cola
Llegadas
cola
Mecanismo
de servicio
salidas
FIGURA 13
Nivel de servicio
Nivel de servicio
COSTO DE ESPERA
Esperar significa desperdicio de algn recurso activo que bien se puede
aprovechar en otra cosa y esta dado por:
Costo total de espera CW L
Donde CW costo de espera por hora por llegada por unidad de tiempo
L longitud promedio de la lnea.
COSTO DE SERVICIO
Este en la mayora de ocasiones se trata de comprar varias instalaciones de
servicio, en estos casos solo se ocupan los costos comparativos o diferenciales.
4.2 SISTEMA DE COSTO MNIMO
Aqu hay que tomar en cuenta que para tasas bajas de servicio, se experimenta
largas colas y costos de espera muy altos.
Conforme aumenta la capacidad de servicio hay una reduccin el numero de
clientes en la cola y sus tiempos de espera por lo que disminuyen los costos de la
lnea de espera, aumenta el costo de servicio y por lo tanto el costo total
disminuye, sin embargo, finalmente se llega a un punto de disminucin en el
rendimiento. Entonces el propsito es encontrar el balance adecuado para que el
costo total sea el mnimo.
76
Las decisiones ms comunes en las lneas de espera son fijar los parmetros:
a) Nmero requerido de servidores en una unidad de servicio
b) Nmero requerido de unidades de servicio
c) Eficiencia del servicio
de tal forma que se logre un equilibrio entre el costo de operacin del sistema y el
costo asociado a la espera. el nivel se puede fijar individualmente o combinando
unos con otros
Una vez expresados el costo de espera y el costo del servicio se debe minimizar la
suma de estas dos cantidades.
MinimizarE (CT ) E (CS ) E (CW )
E (CS): Costo esperado del servicio
E (CW): Costo esperado de la espera
E (CT): Costo esperado total
En la Figura 15 se muestra la relacin esencial del equilibrio en condiciones
tpicas (estado estacionario) de trnsito de clientes.
FIGURA 15
CAPACIDAD DEL SERVICIO VERSUS LNEA DE ESPERA
$
C
o
s
t
o
eCosto
s
p
e
r
a
d
o
Mnimo
Costo de la
capacidad de servicio
E(CS)
Costo de la lnea de
espera
E (CW)
Capacidad
ptima
Capacidad de la instalacin de servicio
La variacin en esta funcin suele estar representada por una curva exponencial
negativa.
El costo de la capacidad de servicio se muestra de una manera sencilla
como una funcin lineal, ms que como una funcin escalonada.
El costo agregado o total se muestra como una curva en forma de U, que
es una aproximacin comn en estos problemas de equilibrio.
77
G(n)
E CW
E g N
g n Pn
n 0
78
Cuando g(N) es una funcin lineal (es decir, la tasa de costo de espera es
g N
Cw N
proporcional a N)
Donde: Cw
Entonces:
E CW
Cw
nPn
Cw L
n 0
Caso 2. Forma h (W )
Clientes externos
Costo de espera relacionado con la prdida de ganancias por negocio
perdido o costos sociales
La propiedad que determina la tasa actual a la que se incurre en costos de
espera es W (el tiempo de espera en el sistema de colas para los clientes
individuales)
FIGURA 17
Donde: fW
h W fW W dW
E hW
costo esperado de espera por cliente
fW
E CW
E CW
costo esperado de espera por unidad de tiempo
E h W
h W fW W dW
0
79
EJEMPLO 14
Una fbrica cuenta con 10 mquinas para el ensamblaje de dispositivos para
computadoras. Sin embargo la empresa slo cuenta con 8 operadores, as que
hay 2 mquinas de reserva para descomposturas eventuales.
Siempre que no haya ms de 2 mquinas esperando reparacin habr 8 mquinas
funcionando, pero este nmero se reduce en 1 por cada mquina que espera ser
reparada por encima de 2
El tiempo que transcurre hasta que una mquina en operacin se descompone
(Distribucin exponencial con media de 20 das)
El tiempo que se necesita para reparar una mquina
(Distribucin exponencial con media de 2 das)
Actualmente la compaa cuenta con un mecnico para la reparacin de estas
mquinas pero est considerando la contratacin de otro ms.
Cada mecnico le cuesta a la compaa $280 por da
La prdida de ganancias estimadas por tener menos de 8 mquinas en operacin
es $400 por da por cada mquina descompuesta.
Debe la compaa contratar un mecnico ms?
SOLUCIN
N = 10 maquinas
= 1/120 clientes por da
= clientes por da
Para S = 1
Ecuacuon de balance
10-n
0
n
para n = 0,1,2
para n = 3,4,...,10
para n > 10
para n =1,2,...,N
estado 0
estado 1
estado 2
estado 3
estado 4
estado 5
estado 6
estado 7
estado 8
estado 9
estado 10
10
Pn
n 0
80
8
20 0
8
20 1
8
20 2
7
20 3
3
10 4
1
4 5
1
5 6
3
20 7
1
10 8
P
P
P
P
P
P
P
P
P
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
20
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P9
8
20
P0
8
20
8
20
7
20
3
10
1
4
1
5
3
20
1
10
1
20
1
2
P10
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
P1
P2
P3
P4
P5
P6
P7
P8
P9
FIGURA 18
8
6
4
10
Para s = 2
Ecuacion de balance
8
20
P0
estado 2
8
20
P1
P3
8
20
1 P2
estado 3
8
20
P4
7
20
1 P3
para n = 3,4,...,10
estado 4
7
20
P3
P5
3
10
1 P4
para n > 10
estado 5
estado 6
3
10
1
4
P4
P5
P6
P7
1
4
1
5
1 P5
1 P6
estado 7
1
5
P6
P8
3
20
1 P7
estado 8
3
20
1 P8
1 P9
para n = 0,1,2
= 10-n
0
n =
n
s
8
20
P1
P2
1
2
estado 0
estado 1
para n = 1,2
para s = 3,4,...
estado 9
1
10
P2
P7
P9
1
10
P8
P10
1
20
1
20
estado 10
P0
8
20
P9
1
2
1
2
P1
P10
10
Pn
n 0
FIGURA 19
s=1
0.271
0.217
0.173
0.139
0.097
0.058
0.029
0.012
s=2
0.433
0.346
0.139
0.055
0.019
0.006
0.001
0.030
7 10
10
7 10-5
3
4
4
2
10
10
10
10
4
5
6
7
81
0
400 n-2
Entonces: g n
para n = 0,1,2
para n =3,4,...,10
10
Por lo tanto
E (CW )
g n Pn
0
De donde se tiene
s=1
s=2
N=n
g(n)
Pn
0
1
2
3
4
5
6
7
0
0
0
400
800
1200
1600
2000
0.271
0.217
0.173
0.139
0.097
0.058
0.029
0.012
g (n) Pn
0
0
0
56
78
70
46
24
2400
0.030
2800
10
3200
7 10
7 10
E=(CW)
$281 por da
g(n) Pn
0
0
0
24
16
8
0
0
Pn
0.433
0.346
0.139
0.055
0.019
0.006
0.001
3
4
4
2
10
10
10
10
$48 por da
sC
280
560
840
E(CW)
281
48
0
E(CT)
$561 por da
$680 por da
840 por da
Por lo tanto como el mnimo es $561 por da la compaa debe continuar con un
mecnico para minimizar los costos totales derivados de la espera y el servicio.
Las llegadas van a la instalacin de servicio de acuerdo con la disciplina de la
cola, es decir, de acuerdo con la regla para decidir cul de las llegadas se sirve
82
despus. El primero en llegar primero en ser servido es una regla comn, pero
podra servir con prioridades o siguiendo alguna otra regla. Una vez que se
completa el servicio, las llegadas se convierten en salidas.
Ambas componentes del sistema tienen costos asociados que deben de
considerarse.
83
CONCLUSIONES
100
101
DEFINICIN DE SMBOLOS
n = nmero de clientes en el sistema.
= lambda tasa promedio de llegadas (por ejemplo, clientes que llegan por
hora)
1 / = tiempo esperado entre llegadas.
= mu tasa promedio de servicio para un servidor continuamente ocupado (por
ejemplo, capacidad de servicio en clientes por hora).
1 / = tiempo esperado de un servicio.
= rho ( / ) utilizacin promedio del sistema o factor de carga del sistema.
N = nmero mximo de clientes permitidos en el sistema.
s = nmero de servidores.
Pn = probabilidad de exactamente n clientes en el sistema.
Ls = nmero promedio de clientes en el sistema.
Lq = nmero promedio de clientes en la lnea de espera.
Lb = nmero promedio de clientes en la lnea de espera para un sistema
ocupado.
Ws = tiempo promedio que un cliente espera en el sistema.
Wq = tiempo promedio que un cliente permanece en la lnea de espera.
Wb = tiempo promedio que un cliente permanece en la lnea de espera en un
sistema ocupado.
k = nmero de clientes.
102
Bibliografa
[1] Bonini Ch., Hausman W., Bierman H. Anlisis cuantitativo para los negocios.
Novena edicin. Irwin-McGraw-Hill, 2000.
[2] Eppen G. D., F, J. Gould, C. P. Schmidt, J. H. Moore, L. R. Weatherford.
Investigacin de operaciones en la ciencia administrativa, quinta edicin.
Prentice Hall, 2000.
[3] Hamdy A. Taha Investigacin de operaciones. Quinta edicin Pearson, 1995
[4] Hillier, F. S., Hillier, M. S.; Lieberman, G. J. Introduction to Management
Science: A Modeling and Case Studies Approach with Spreadsheets. Segunda
edicin. Irwin-McGraw-Hill, 2002.
[5] Nahmias, Steven. Anlisis de la produccin y las operaciones, tercera edicin.
CECSA, 2004.
[6] Prawda Witenberg, J. Mtodos y modelos de la investigacin de operaciones,
segunda edicin. Limusa, Mxico, 1981
[7] Ross S.M., A First Course in Probability, Prentice-Hall, New Jersey, 2008.
[8] Ross S.M., Introduction to Probability Models, Academic Press, New York,
1997.
[9] Saaty T. L., Elementos de la Teora de Colas, Aguilar, Madrid, 1961.
[10] Yih-Long Chang. WinQSB version 2.0. Prentice Hall. 2006.
103