Sie sind auf Seite 1von 87

INSTITUTO POLITCNICO NACIONAL

ESCUELA SUPERIOR DE FSICA Y MATEMTICAS

INTRODUCCIN A PROCESOS ESTOCSTICOS Y


SISTEMAS DE LNEAS DE ESPERA

TESIS
QUE PARA OBTENER EL TTULO DE
LICENCIADO EN FSICA Y MATEMTICAS

PRESENTA
JULIA AGUEDA ROSETE LIMA

Director de Tesis: Dr. Roberto S. Acosta Abreu

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

3.3.1 Modelo de mltiples servidores, poblacin infinita


3.3.2 Modelo de mltiples servidores, poblacin finita
3.3.3 Modelo de mltiples servidores, capacidad finita
3.4 M/G/
3.4.1 Modelo con poblacin infinita
3.4.2 Modelo de mltiples servidores poblacin finita
3.5 Modelos de lneas de espera con prioridad
3.5.1 Modelos de lneas de espera con prioridad
con interrupcin
3.5.2 Modelos de lneas de espera con prioridad
sin interrupcin
3.6 Modelo M/ Ek / s

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?

Los problemas de decisin de las lneas de espera pueden ser de 3 tipos:


1. Dada una funcin de costo de espera, una funcin de costo de servicio del
sistema, los parmetros y , se desea encontrar un nmero ptimo de
servidores s que minimiza el costo total esperado
2. Dada una funcin marginal de servicio por unidad de tiempo para fija, el
valor de y un rango permisible de variacin de , se desea encontrar el
nmero de servidores s, y el valor de que minimizan el costo total
3. Dado el costo total de servicio por unidad de tiempo, un costo de servicio
fijo por unidad de servicio por unidad de tiempo, un valor y , se desea
encontrar un nmero de estaciones de servicio y el nmero de servidores
por estacin que minimiza el costo total

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

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

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

Definicin: Un proceso estocstico esta definido por una coleccin de variables


aleatorias X t : t T donde:
T R
t: es el parmetro que se asocia al tiempo
X t : representa el estado de proceso en el instante t.
Ejemplo:
Si X t representa la distancia entre dos puntos que se mueven
aleatoriamente sobre una recta, entonces
y
Si X t representa el piso en el que se encuentra un ascensor despus
de la t-ensima parada, entonces,
y
Si X t representa el nmero de llamadas a un nmero telefnico hasta el
instante de tiempo t, entonces
y
Para que un proceso estocstico est completamente definido hay que determinar
todas las variables aleatorias, es decir, determinar e identificar la distribucin de
probabilidad asociada a cada una y la distribucin conjunta de todas ellas.
Los procesos estocsticos pueden ser clasificados:

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Por el nmero de valores (o de estados) posibles para la funcin aleatoria, X t


en un instante determinado. Este nmero puede ser
Finito
infinito numerable
infinito no numerable.
(Incluso, el nmero puede ser de distinta categora entre dos pocas
consideradas).
Por las pocas tt en que puede cambiar de estado el sistema.
El proceso es discreto cuando la serie tt finita o infinita numerable, est
fijada de antemano (la serie no es aleatoria).
El proceso es permanente cuando el sistema puede cambiar de .estado, en
cualquier poca.
El proceso se llama discontinuo o continuo segn los cambios de estado
tengan lugar por saltos o de modo continuo (T es un intervalo).
El punto de vista ms importante por el que se pueden clasificar los procesos
es por su ley de evolucin en el tiempo.
En la vida real se producen distintas relaciones entre las variables aleatorias
que constituyen un proceso estocstico. Por ejemplo, la ganancia monetaria
obtenida en la tirada n-sima depender de la ganancia obtenida en la tirada
(n1).
Las propiedades probabilsticas de las variables aleatorias son importantes al
momento de identificar y clasificar un proceso estocstico que puede ser:
Procesos Markovianos.
Procesos estacionarios.
Procesos de incrementos independientes.
Proceso de Markov. Si la evolucin del sistema depende slo de su estado
en el instante t, las aplicaciones son muy amplias, en especial debido al
hecho de que muchos procesos no markovianos pueden considerarse
como tales, mediante una definicin conveniente de los estados posibles
(cuando el proceso de Markov es discreto y discontinuo suele denominarse
cadena de Markov)
La caracterstica principal de los procesos estocsticos markovianos es que
la distribucin de X n 1 slo depende de la distribucin de X n y no de las
anteriores

X n 1, X n

2,

Se puede resumir diciendo que el estado futuro

del proceso, slo depende del estado presente, y no del resto de estados
pasados.
Formalmente se expresa como:

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

Cuando el espacio de estados E es discreto, entonces se puede escribir

P Xt n

xn X t1

x1,..., X tn 1

xn

P Xt n

xn X t n 1

xn

Procesos estacionarios. La ley temporal del proceso, o incluso slo, ciertas


caractersticas del proceso son independientes de una traslacin cualquiera
del eje tiempo (un proceso estacionario puede ser tambin un proceso de
Markov).
Definicin: (Funcin de autocovarianzas de un proceso estocstico)
Dado X t : t T se llama funcin de autocovarianzas a la funcin

r ,s

Cov X r , Xs

Xr

E Xr

Xs

E Xs

donde r,s

T.

Existen dos clases de procesos estacionarios:


1. estacionario dbil
2. estacionario estricto.
Definicin. (Proceso estacionario dbil).
X t : t T , tal que E X t2
Un proceso

T , es un proceso

estacionario dbil si:


1. E X t
m t T
2.

r ,s

t , s t , r , s, t T

Esto implica, tambin, que V ar X t es constante para todo 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)

(*)

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Definicin (Proceso estacionario estricto).


Un proceso X t : t T , tal que E X t2
n

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

P. E. dbil, pero no al contrario.

Observacin: Si X t : t T es un proceso estacionario estricto:


Cuando n=1
Se obtiene que todas las variables aleatorias tienen la misma
distribucin y, si se supone la existencia de momentos de orden dos,
tienen la misma media, con lo que se cumple la condicin (1).
Cuando n = 2
(Xr, Xs) se distribuye igual que X r h , X s h , h T . De este modo,
y slo depende de cul sea la diferencia (rs),
quedando, as, demostrado (2).
r ,s

Xr h , Xs

Observacin: En el caso de la distribucin normal, la estacionalidad dbil


implica estacionalidad estricta dado que, en este caso, la distribucin
conjunta n-dimensional queda determinada por las marginales y
condicionadas.
Se define un proceso gaussiano como aquel que cumple la propiedad de
t1, t 2 t n T la distribucin de
que
es normal nXt1 , Xt2 Xtn
dimensional.
Procesos aditivos o de incrementos independientes.
Si la evolucin en un intervalo cualquiera (t , t dt ) es independiente del
pasado incluido el instante t
Se dice que un proceso X t : t T es de incrementos independientes
si,

t1, t n

T , con t1

t n las variables aleatorias


y 1 X t3 X t 2

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

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

P X3

x3 X 2

x2 , X1

x1

P X3

As, dado que se conocen X 2

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

(*) por hiptesis, los incrementos son independientes.


1.2 DISTRIBUCIONES DE PROBABILIDAD

Las fuentes de la variacin en los problemas de lneas de espera se deben a las


llegadas aleatorias de los clientes y a las variaciones en los tiempos de servicio.
Cada una de estas fuentes se describe con una distribucin de probabilidad.
Un modelo de sistema de colas debe especificar la distribucin de probabilidad de
los tiempos de servicio para cada servidor.
La distribucin ms usada para los tiempos de servicio es la exponencial, aunque
es comn encontrar la distribucin degenerada o determinstica (tiempos de
servicio constantes) o la distribucin Erlang (Gamma)
Las distribuciones que utilizaremos son:
M: Distribucin exponencial (markoviana)
D: Distribucin degenerada (tiempos constantes)
Ek: Distribucin Erlang
G: Distribucin general
Considere en la que el nmero de llegadas y salidas, durante un intervalo de
tiempo es controlado por las condiciones siguientes:
1. La probabilidad de que la entrada salida ocurra entre los tiempos t y t
t
dependen nicamente de t por lo tanto la probabilidad no depende de el
nmero de eventos que ocurren en el tiempo t ni de el valor especfico del
periodo (0,t) (la funcin de probabilidad tiene incrementos independientes
estocsticos)
2. La probabilidad de que ocurra un evento durante un intervalo de tiempo
t 1 es
t o t
muy pequeo 0
3. en un intervalo de tiempo t a lo mas puede ocurrir un evento

10

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

1.2.1 DISTRIBUCIN EXPONENCIAL

La distribucin exponencial describe la probabilidad de que el tiempo de servicio


del cliente en una instalacin particular no sea mayor de T perodos de tiempo.
Por la condicin 1 la probabilidad de que no ocurra ningn evento en el tiempo
t
p0 t
p0 t para t>0 suficientemente pequea.
t+ t es: p0 t
0 p0 ( t ) 1 , por lo tanto
Por la condicin 2
Donde es una constante positiva y t 0

p0 (t )

A continuacin veremos que para el proceso descrito por


tiempo entre eventos sucesivos es exponencial

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

La probabilidad se calcula usando la frmula:


P(t T ) 1 e T
Donde:
nmero promedio de clientes que terminan el servicio por perodo.
t tiempo de servicio del cliente.
T tiempo de servicio objetivo.
1 / = media de la distribucin del tiempo de servicio
(1 / ) 2 = varianza
A medida que aumenta T , la probabilidad que el tiempo de servicio del cliente sea
menor de T se aproxima a 1.0. Por su sencillez, veremos un arreglo de un solo
canal, una sola fase.

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

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

SOLUCIN
En este caso
T

3 clientes por hora


10 minutos 10 / 60 hora
P(t T ) 1 e T

0.167 hora. Entonces

P(t 0.167 hora ) 1 e (3) ( 0.167) 1 0.61 0.39


Por lo tanto. La probabilidad de que el empleado requiera solo de 10 minutos o
menos no es muy alta, esto indica la posibilidad de que los clientes tengan que
esperar un poco. El gerente debe considerar el entrenamiento adicional del
empleado para que ste reduzca el tiempo que toma atender a un cliente.

Algunas caractersticas de la distribucin exponencial no siempre conforman a una


situacin real. El modelo de la distribucin exponencial se basa en el supuesto que
cada tiempo de servicio es independiente de aquellos que lo precedieron. Sin
embargo en, la vida real, puede mejorar la productividad a medida que los
servidores humanos aprenden su trabajo. Otra suposicin de este modelo es que
son posibles tiempos de servicio muy pequeos, as como muy grandes. Sin
embargo, las situaciones de la vida real requieren con frecuencia tiempos de
servicio casi constantes.
1.2.2 DISTRIBUCIN DE POISSON

La distribucin de Poisson describe una variable aleatoria discreta. Esta


distribucin se usa en modelos de lneas de espera para describir el nmero de
eventos (llegadas o salidas) en un periodo dado.
Los clientes llegan en forma aleatoria a las instalaciones de servicio. La
variabilidad en la llegada de los clientes se describe con frecuencia por una
distribucin de Poisson, que especifica la probabilidad que n clientes lleguen en t
perodos de tiempo:
( t )n t
Pn (t )
e
para n 0, 1, 2,
n!
Donde: Pn (t ) probabilidad de n llegadas en t perodos de tiempo.
nmero promedio de clientes que llegan por perodo.
t = media de la distribucin de Poisson = varianza

El proceso de Poisson es un proceso completamente aleatorio pues el intervalo de


tiempo que transcurre hasta que se presenta el prximo evento no depende del
tiempo que transcurre desde que ocurri el evento anterior.
Esta propiedad se le conoce como olvido, falta de memoria propiedad
markoviana de la distribucin exponencial
P t T St S
P t T
Donde S es el intervalo de tiempo desde que ocurri el ltimo evento.
Como t es exponencial, tenemos:
12

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

P t

St

P t

T *S t
P t

P t
P t

T S

e
e
P t

Otra caracterstica de la distribucin de Poisson es que es la nica distribucin


cuya media y varianza son iguales
La distribucin de Poisson es una distribucin discreta; es decir, las probabilidades
son para un nmero especfico de llegadas por unidad de tiempo.

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:

2 clientes por hora,


t 1 hora
n 4 clientes

La probabilidad de que cuatro clientes lleguen en una hora es


4
2(1)
( t )n
16 2
t
Pn (t )
e
e2
e
0.090
n!
4!
24
Por lo tanto. El gerente de servicio al cliente puede usar esta informacin para
determinar los requerimientos de espacio para el mostrador y el rea de espera.
Hay una probabilidad relativamente pequea de que cuatro clientes lleguen en una
hora. Por consiguiente, la capacidad de asientos para dos o tres clientes es ms
que adecuada a menos que el tiempo para atender a cada cliente sea largo.

Otra manera de especificar la distribucin de la llegada es hacerlo en trminos de


los tiempos entre llegadas (el tiempo entre las llegadas de los clientes). Si la
poblacin de clientes genera clientes segn una distribucin de Poisson,

13

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

1.3 PROCESOS DE MARKOV


1.3.1 PROCESO DE MARKOV TIEMPO DISCRETO

Un proceso de Markov se define como un proceso estocstico, en donde las


llegadas son descritas por un proceso de Poisson con tasa
y el tiempo entre
llegadas es una variable aleatoria con distribucin exponencial y media 1 .
Sea una cadena de Markov discreta descrita por el conjunto de estados
X n , n 0,1, 2,3, cuya probabilidad de transicin del estado i al estado j se denota
como pij . El conjunto de probabilidades de transicin de estados se puede
representar por la matriz
P
pij
(1.1)
Los procesos Markovianos pueden describir un estado determinado en un instante
de tiempo. Para ello se cuenta con las siguientes variables:
Pij P X n 1 j X n i
Probabilidad de que el sistema pase del estado i al estado j en m instantes:
pij (m) P X m n j X n i
Ntese que es una probabilidad condicional de transicin de estado probabilidad
de que el sistema est en el estado i en el instante m : p(i; m) P X m i y que es
un valor de probabilidad.
1.3.2 ECUACIN DE CHAPMAN

La matriz dada en la ecuacin (1.1) puede ser descrita para un instante m como:

Pij * Pij ** Pij

Pij (m)

Pij

Esta ecuacin se denomina ecuacin de Chapman-Kolmogorov, o ecuacin CK.


Se puede entonces, conocidas las probabilidades del sistema en el estado i y el
instante n, p(i; n) , determinar las probabilidades del sistema en el estado i, en m
instantes posteriores, p(i; n m) con:
p(i; n m)

P Xm
i

j Xn

i P Xn

pij (m) p (i; n)


i

EJEMPLO 3
Una cadena de Markov con dos estados n = 1, 2, tiene la siguiente matriz de
entrada:

14

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

0.7 0.3
0.4 0.6

SOLUCIN

P4
Por lo tanto p(1; 4)

0.61 0.4251
0.5668 0.4332

p11 (4) p(1;0)

p21 (4) p(2;0)

p12 4
p22 4

0.4251
0.4332

(0.4)(0.5749) (0.6)(0.5688)

0.57

1.3.3 PROCESO DE MARKOV TIEMPO CONTNUO

Aplicando la probabilidad de transicin de estados para el caso que la distancia


entre los instantes m m 0 , los instantes se cambian del espacio discreto al
contnuo, con lo que el proceso se vuelve estocstico. Luego:
Pij t
lim Pijm P N t s
j N (s) i
m

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

nota: Si esta probabilidad no depende de s, se dice que el sistema tiene


trancisiones estacionarias.
La tasa con la que el sistema pasa del estado i al estado j es:
Pij ( m)
qij lim
m 0
m

(1.2)

Donde: Pij ( m) es la probabilidad de que el sistema deje el estado i antes del


periodo m y cambie al estado j. Dicho valor, utilizando la desigualdad de Markov,
es igual a:
Pij ( m) P Ti
m
1 e vi m Pij
mvi Pij
Luego

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

periodo m. Dicho valor, utilizando la desigualdad de Markov, es igual a:


15

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

Pii

P Ti

Pe
i

vi m

1 vi m e

vi m

vi es la tasa de transicin de estado cuando el sistema est en el estado i. Ntese


que:
dPij t
Pij ( m t ) Pij (t )
lim
(1.4)
m 0
dt
m

entonces el equivalente contnuo de la ecuacin CK


pij t s
pik (t ) pkj ( s )

(1.5)

Que en forma matricial queda

pij (t

Luego, reemplazando (1.5) en (1.4)


Pij t
m Pij (t )

s)

Pij (t ) * pij ( s )

Pik (t ) Pkj ( m) Pij (t )


k

Pik (t ) Pkj ( m) (1 Pii ( m)) Pij (t )


k j

Dividiendo la ecuacin por m y evaluando el lmite cuando m


las ecuaciones (1.4) y (1.2)
dPij (t )
Pij m t Pij (t )
lim
m 0
dt
m
Pkj m 1 Pii m
Pik t
Pij t
m
m
k j
Reemplazando (1.2) y (1.3)
dPij (t )

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

Esta ecuacin se denomina ecuacin hacia atrs de Kolmogorov


1.3.4 PROCESO DE MARKOV PARA PROCESOS ESTABLES

Es conveniente saber cmo se comporta el sistema, Despus de cierto tiempo.


Para el caso discreto, se utiliza el vector fila de probabilidades
En el ejemplo 3 se tiene:
p(1; 4) p11 (4) p(1;0) p21 (4) p(2;0) (0.4)(0.5749) (0.6)(0.5688) 0.57
Por lo tanto:

16

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Luego el vector de probabilidades en estado estable est dado por:

Usando (1.6)
Donde:

(m-1)= (m-1)

Con lo que la ecuacin queda:


1
Donde se cumple la condicin de probabilidad
j
Y as determinar el vector de probabilidades de estado, en estado estable.
1.4 PROCESO DE NACIMIENTO Y MUERTE

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

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

N(t) es el nmero de clientes que hay en el sistema en el tiempo t. El proceso de


nacimiento y muerte describe en trminos probabilsticos como cambia N(t) al
aumentar t.
Suposicin 1
Dado N (t ) n , la distribucin de probabilidad actual del tiempo que falta
para el prximo nacimiento (llegada) es exponencial con parmetro
0,1, 2
n n
Suposicin 2
Dado N (t ) n , la distribucin de probabilidad actual del tiempo que falta
para la prxima muerte (terminacin del servicio) es exponencial con
parmetro
0,1, 2
n n
Suposicin 3
Las variables aleatorias de los tiempos que faltan para la prxima llegada y
para la terminacin del servicio son mutuamente independientes
Transicin en el estado del proceso n n 1 o n n 1
El proceso de nacimiento y muerte es un tipo especial de cadenas de Markov de
tiempo continuo.
FIGURA 1
PROCESO DE NACIMIENTO Y MUERTE
0

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

de llegadas cuando el sistema est en el estado


1)
de salidas cuando el sistema est en el estado
1)

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Ln (t ) : Nmero de veces que el sistema sale del estado n hasta el tiempo t

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

1.4.1 ECUACIONES DE BALANCE

Para el clculo de la ecuacin de un proceso de nacimiento y muerte,


consideramos intervalos de tiempo suficientemente pequeos para que en ellos
solo se pueda producir uno o ningn cambio,
Para calcular la ecuacin general de un proceso de nacimiento y muerte
consideremos la probabilidad de que el sistema se encuentre en el estado E n en
el instante t+t si se divide el intervalo (0, t+t) en (0, t) y (t,t+t) podemos
considerar tres casos mutuamente excluyentes que pueden dar lugar a que el
sistema tenga tamao n en el instante t+t
1)

que el sistema tenga n elementos en el instante t y no exista cambio entre t


y t+t cuya probabilidad ser
Pn 1 n
n

2)

que el sistema tenga n-1 clientes en el instante t y se produzca un


nacimiento entre el instante t y t+t cuya probabilidad ser
Pn 1 n 1

3)

que el sistema tenga n+1 clientes en el instante t y se produzca una muerte


entre el instante t y t+t cuya probabilidad ser
Pn 1 n 1
Si el sistema se encuentran en En 2 , En 3 , En 2 En 3 en el instante t no se
podra llegar al estado E n ya que se ha supuesto que en el intervalo de amplitud
solo puede producirse un cambio por lo que la probabilidad buscada cuando
lim t
0 ser:
Pn'
n 1 Pn 1
n
n Pn
n 1 Pn 1
19

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

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

Despus de construir las ecuaciones de balance para todos los estados en


trmino de las probabilidades Pn desconocidas, se puede resolver este sistema de
ecuaciones (ms una ecuacin que establezca que la suma de las Pn debe ser 1).
Estado 0

Tasa media global de


tasa media global de
=
entradas al estado 0
salidas del estado 0
P

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

Tasa media global de


tasa media global de
=
entradas al estado 1
salidas del estado 1
P

0 0

2 2

) P1

Se contina con esta metodologa y se debe construir para todos los


estados.
Nota: Recordemos que la

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

El nmero de clientes en el sistema es

nPn
n 0

21

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

La longitud de espera en la cola es:

Lq

(n s ) Pn
n 0

Donde s: nmero de servidores (representa el nmero de clientes que


pueden estar en servicio y no los que estas en la cola)
De estas relaciones tenemos:
Lq
L
W
Wq
( = la tasa de llegadas promedio)
Entonces

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Resolviendo estas tres ecuaciones obtenemos


4 P1 3P0
P0 0.47

4 P2

3P1

P1

0.353

P2

0.177

0 * 0.47 1* 0.353 2 * 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

3* 0.47 2 * 0.353 0 * 0.177

2.116

0.707
0.334 horas
2.116
Lq 0.177
0.083 horas
2.116

1.4.2 CASOS PARTICULARES

Considerando diferentes valores de las probabilidades de nacimiento y muerte se


obtienen casos particulares de procesos estocsticos, cuyas ecuaciones pueden
deducirse a partir de la frmula general.
Una clase importante de procesos son los llamados homogneos para los cuales
las probabilidades son independientes del tiempo.
A continuacin se dan las formulas para algunos casos particulares
A. proceso de muerte homogneo (
'
n

n n

'
0

1 1

P
P

0)

P n 1

n 1 n 1

P n

B. proceso de nacimiento homogneo (


'
n

n 1 n 1

P0'

0 0

0)

P n 1

n n

P n

23

FUNDAMENTOS DE PROCESOS ESTOCSTICOS

I. proceso de Poisson

Pn'

L Pn

P0'

II. proceso de Yule Ln

cte

Pn n 1

LP0 n

nL
'
n

nLPn n 1

n 1 LPn

P0'

LP1 n 1

Otros procesos de nacimiento particulares son:


I
Proceso de Berniulli
s n L siendo s un nmero finito
Para n
Proceso de contagio.
Para

a bn

Los procesos de Bernoulli y de Poisson son casos Particulares del de


contagio cuando a=c, b=0 y a=sL; b=-L
Proceso no homogneo de Polya,
L 1 bn
para n
1 blt
C. proceso lineal homogneo de nacimiento y muerte
'
n

P0'

n 1 LPn

(nL nM ) Pn

nL,

nM

n 1 MPn 1 n 1

MP1 n

a. proceso de nacimiento y muerte con coeficientes constantes


L, n M
n
Pn'

LPn

P0'

LP0

( L M ) Pn

MPn 1 n 1

MP1 n

Este proceso es fundamental en la teora de colas cuando se considera


una sola fuente de llegada
ii.

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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?

Las lneas de espera se producen cuando la demanda excede la capacidad de


servicio
En una lnea de espera uno o ms clientes esperan por un servicio.
Los clientes pueden ser personas u objetos inanimados como las mquinas que
requieren de mantenimiento, las rdenes de ventas que esperan a despacharse, o
25

FUNDAMENTOS DE SISTEMAS 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

La teora de lneas de espera se aplica tanto en los servicios como en las


empresas manufactureras, relacionan la llegada de clientes y las caractersticas
del proceso de produccin en el sistema de servicio.
Se define el trmino servicio como el acto de trabajar para un cliente.
a. Servicios comerciales.
Los clientes externos reciben servicios de organizaciones comerciales.
La mayora de estos ejemplos involucran a clientes que acuden al servidor en un
lugar fijo, donde se forma una lnea de espera fsica si los clientes necesitan
esperar para que comience el servicio. Sin embargo, para los ejemplos de
servicios de plomera y de techado, el servidor va a los clientes, de modo que los
clientes en la lnea de espera estn geogrficamente dispersos. En algunos casos,
26

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

el servicio se proporciona por telfono, quiz despus de algunos clientes que


estn en espera (en la lnea).
EJEMPLOS DE SISTEMAS DE SERVICIOS COMERCIALES
Tipo de sistema
Clientes
Peluquera
Personas
Cajero automtico
Personas
Caja en tienda
Personas
Servicios de plomera
Caeras tapadas
Ventanilla de boletos en un cine
Personas
Servicio de corretaje
Personas
Gasolinera
Autos
Atencin para soporte tcnico
Personas
Servicios dentales
Personas

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

FUNDAMENTOS DE SISTEMAS DE ESPERA

Existen muchos ejemplos adicionales de sistemas de lneas de espera importantes


que pueden no estar dentro de las categoras mencionadas. Por ejemplo, un
sistema judicial es una red de lneas de espera donde los juzgados son los locales
de servicio, los jueces (o paneles de jueces) son los servidores y los casos en
espera de juicio son los clientes.
Los sistemas de servicios de salud, como las salas de urgencias de los hospitales,
tambin son sistemas de lneas de espera. Por ejemplo, las mquinas de rayos X
y las camas de hospital se pueden ver como servidores en sus propios sistemas
de lneas de espera.
Las aplicaciones iniciales de la teora de lneas de espera (gracias a A. K. Erlang
en la compaa telefnica de Copenhague) fueron la ingeniera telefnica, y el
rea general de las telecomunicaciones contina siendo un rea de aplicacin
muy importante. Ms an, todos tenemos nuestras propias lneas de espera
personales: asignacin de tareas, libros que leer, etctera. Sin duda, los sistemas
de lneas de espera prevalecen en muchas reas de la sociedad.
2.3 ESTRUCTURA DE LOS PROBLEMAS DE LNEAS DE ESPERA

FIGURA 3

ELEMENTOS BSICOS DE MODELOS DE LNEAS DE ESPERA

Poblacin
de clientes

Sistema de servicio

Lnea de espera

Clientes
atendidos
Regla de
prioridad

Instalacin
de servicio

El sistema de servicio describe el nmero de lneas y la distribucin de las


instalaciones.
Despus de realizado el servicio, los clientes atendidos salen del sistema.
El anlisis de los problemas de lneas de espera inicia con una descripcin de los
elementos bsicos de la situacin. Cada situacin especfica tendr caractersticas
diferentes, pero tienen elementos que son comunes a todas ellas (la Figura 3
muestra estos elementos).

28

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

1. POBLACIN DE CLIENTES O FUENTE DE ENTRADA

Es un conjunto de individuos (no necesariamente seres vivos) que pueden llegar a


solicitar el servicio en cuestin.
Los clientes que entran al sistema se generan a travs del tiempo en una fuente
de entrada.
En los sistemas de lneas de espera es comn que los tiempos entre llegadas
varen, por lo que no se puede predecir la llegada del siguiente cliente al sistema
sin embarbo es posible manejar dos casos:
1) Estimar el nmero esperado de llegadas por unidad de tiempo
2) Estimar la forma de distribucin de probabilidad de los tiempos entre llegadas.
Tamao de la Poblacin: Es el nmero total de clientes que pueden requerir
servicio en determinado momento, es decir el nmero total de clientes
potenciales distintos (el tamao puede ser infinito o finito).
Poblacin finita: Cuando el nmero de nuevos clientes para el sistema de
servicio se ve reducido considerablemente por el nmero de clientes que ya
estn en el sistema
Una poblacin finita se refiere a un conjunto reducido de clientes que utilizarn el servicio y que, en ocasiones, deben formarse en una fila. La razn
por la que es importante clasificarla como finita es que cuando un cliente
sale de su posicin como miembro de la poblacin (por ejemplo, una
mquina se descompone y requiere servicio), el tamao del grupo de
usuarios se reduce en uno, lo que a su vez reduce la probabilidad de que se
vuelva a requerir el servicio. A la inversa, cuando se le ofrece el servicio a
un cliente y regresa al grupo de usuarios, la poblacin se incrementa al
igual que la probabilidad de que un usuario requiera un servicio
Por ejemplo, considere un grupo de seis mquinas a las que un encargado
de reparaciones da mantenimiento. Cuando una mquina se descompone,
la poblacin fuente se reduce a cinco mquinas y la probabilidad de que
una de las cinco restantes se descomponga y necesite una reparacin es,
menor que cuando haba seis mquinas operando. Si hay dos mquinas
descompuestas y slo cuatro estn operando, la probabilidad de que otra
se descomponga cambia de nuevo. A la inversa, cuando una mquina se
repara y vuelve a estar en servicio, la poblacin de mquinas se
incrementa, aumentando en consecuencia la probabilidad de una
descompostura.

Poblacin infinita. Es aquella en la que el nmero de clientes en el sistema


no afecta la tasa a la que la poblacin genera nuevos clientes.
Una poblacin infinita es muy grande en relacin con el sistema de servicio,
de manera que el tamao de la poblacin, que es consecuencia de las
29

FUNDAMENTOS DE SISTEMAS DE ESPERA

restas o sumas a la poblacin (un cliente que necesita un servicio o un


cliente que recibi el servicio y regresa a la poblacin), no afecta de manera
significativa las probabilidades del sistema.
Si en el caso anterior hubiera 100 mquinas en vez de seis, y si una o dos
mquinas se descompusieran, la probabilidad de la descompostura de otra
no sera muy diferente y podra suponerse, sin un error significativo, que la
poblacin (para todos los fines prcticos) es infinita.
Las frmulas para los problemas de lneas de espera infinitas tampoco
causaran un error significativo si se aplican a un mdico con mil pacientes o
a una tienda departamental con diez mil clientes.
Forma de las llegadas: Patrn estadstico mediante el cual se generan los
clientes a travs del tiempo.
La suposicin normal es que los clientes se generan de acuerdo con un
proceso poisson, esto equivale a decir que el tiempo entre dos llegadas
consecutivas tiene una distribucin de probabilidad exponencial.
2. CLIENTE

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

extremadamente improbable que no puedan entrar clientes a la cola por haber


llegado al nmero lmite en la misma.
Regla de prioridad o Disciplina de la cola:
Se refiere al orden en el que se seleccionan los clientes para recibir el servicio.
Las disciplinas mas usadas son:

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.

RSS (random selection of service), o SIRO (service in random order), que


selecciona a los clientes de forma aleatoria.

Disciplina con derecho preferente es una regla que permite al cliente de


mayor prioridad interrumpir el servicio de otro cliente. Por ejemplo, en una
sala de emergencia del hospital, los pacientes con las lesiones graves
reciben tratamiento primero, sin importar su orden de llegada.

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

GRADO DE PACIENCIA DEL CLIENTE

No avanza!

Cliente
impaciente

No avanza!

Cliente
paciente

4. MECANISMO DE SERVICIO

Es el procedimiento por el cual se da servicio a los clientes que lo solicitan.


Para determinarlo se debe conocer el nmero de servidores de dicho mecanismo
y la distribucin de probabilidad del tiempo que le lleve a cada servidor dar un
31

FUNDAMENTOS DE SISTEMAS DE ESPERA

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.

Servicio determinstico: cada cliente requiere precisamente de la


misma cantidad conocida de tiempo para ser atendido.

2.

Servicio probabilstico: cada cliente requiere una cantidad distinta e


incierta de tiempo de servicio. Los tiempos de servicio probabilsticos
se describen matemticamente mediante una distribucin de
probabilidad. En la prctica resulta difcil determinar cul es la
distribucin real, sin embargo, una distribucin que ha resultado
confiable en muchas aplicaciones, es la exponencial. En este caso,
su funcin de densidad depende de un parmetro y esta dada por
y esta dada por:
1 e
s t
,
t 0
Donde:
= nmero promedio de clientes atendidos por unidad de
tiempo
1/ = tiempo promedio invertido en atender a un cliente
El tiempo de servicio puede seguir cualquier distribucin, pero, antes
de analizar el sistema, se necesita identificar dicha distribucin.

Tiempo entre llegadas:


1. Determinstico: Los clientes llegan en intervalos de tiempo fijo y conocido.
Un ejemplo clsico es el de una lnea de ensamble, en donde los artculos
32

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

llegan a una estacin en intervalos invariables de tiempo (conocido como


ciclos de tiempo)
2. Probabilstico: El tiempo entre llegadas es incierto y variable. Los tiempos
entre llegadas probabilsticos se describen mediante una distribucin de
probabilidad.
En el caso probabilstico, la determinacin de la distribucin real, a
menudo, resulta difcil. Sin embargo, la distribucin exponencial, ha
probado ser confiable en muchos de los problemas prcticos. La funcin
de densidad, para una distribucin exponencial depende de un parmetro,
digamos , y est dada por:
1 e ,
t 0
f t
Donde es nmero promedio de llegadas en una unidad de tiempo.
Con una cantidad, t, de tiempo se puede hacer uso de la funcin de
densidad para calcular la probabilidad de que el siguiente cliente llegue
dentro de las siguientes T unidades a partir de la llegada anterior, de
manera que
P(tiempo entre llegadas T) 1 e L t 0
Sistema de lnea de espera: es el conjunto formado por la lnea de espera y el
mecanismo de servicio, junto con la disciplina de la cola, que es lo que nos
indica el criterio de qu cliente de la cola elegir para pasar al mecanismo de
servicio.
2.4 NMERO DE LNEAS DE ESPERA

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

EJEMPLOS DE ARREGLOS DE LNEAS DE ESPERA


Instalaciones de servicio
Servidor 1

Servidor 2

Servidor 3

Servidor 4

Servidor 5

(a) Una lnea


Instalaciones de servicio
Servidor 1

Servidor 2

Servidor 3

Servidor 4

Servidor 5

(b) Mltiples lneas

33

FUNDAMENTOS DE SISTEMAS DE ESPERA

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

Las instalaciones de servicio consisten en el personal y equipo necesario para


realizar el servicio requerido por el cliente. La Figura 6 muestra cinco ejemplos de
los tipos bsicos de arreglos de la instalacin de servicio.
Los gerentes deben seleccionar un arreglo considerando el nmero de clientes y
la naturaleza de los servicios a realizar, algunos de los servicios requieren de un
solo paso, tambin llamado fase, mientras que otros requieren de una secuencia
de pasos.
FIGURA 6

ARREGLOS DE INSTALACIONES DE SERVICIO

Instalacin
de servicio 1
Instalacin
de servicio

(a) Un solo canal, una sola fase

Instalacin
de servicio 1
Instalacin
de servicio 2

Instalacin
de servicio 1

Instalacin
de servicio 2

(c) Mltiples canales, una sola fase

(b) Un solo canal, mltiples fases

Instalacin
de servicio 3

Instalacin
de servicio 1

Instalacin
de servicio 4
Instalacin
de servicio 3

(d) Mltiples canales, mltiples fases

34

Instalacin
de servicio 2

(e) Arreglo mixto

Instalacin
de servicio 2

Ruta para

:124

Ruta para

:243

Ruta para

:3214

Instalacin
de servicio 4

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

a) Arreglo de un canal-una fase


Los servicios requeridos por un cliente pueden ser realizados por una sola
instalacin de servicio. Los clientes forman una sola lnea y pasan por la
instalacin, uno a la vez. Por ejemplos el manejo del automvil a travs del
lavado automtico, una peluquera atendida por una sola persona.
b) Arreglo de un canal-mltiples fases
Se usa cuando los servicios se realizan mejor en serie por ms de una
instalacin, aunque la cantidad de clientes u otras restricciones limitan el
diseo de un canal. Los clientes forman una sola lnea y se atienden en forma
secuencial de una instalacin de servicio a la siguiente. Un ejemplo de este
arreglo es el servicio en el automvil en McDonalds, donde la primera
instalacin toma la orden, las segunda realiza el cobro, y la tercera entrega la
comida.
c) Arreglo de mltiples canales-sola fase
Se usa cuando la demanda es muy grande para garantizar el ofrecimiento del
mismo servicio en ms de una instalacin o cuando los servicios ofrecidos por
las instalaciones son diferentes. Los clientes forman una o ms lneas,
dependiendo del diseo. En el diseo de una sola lnea, los clientes son
atendidos por el primer servidor disponible como en la sala de espera de un
banco. Si cada canal tiene su propia lnea de espera, los clientes esperan
hasta que el servidor que corresponde a su lnea pueda atenderlos, como en
una instalacin de servicio de un banco que atiende a los clientes en el
automvil.
d) Arreglo de mltiples canales-mltiples fases
Ocurre cuando los clientes son atendidos por una de las instalaciones de la
primera fase pero entonces requieren del servicio de una instalacin de la
segunda fase, y as sucesivamente. En algunos casos, los clientes no pueden
cambiar de canal despus de haber empezado el servicio; en otros pueden
hacerlo. Un ejemplo de este arreglo es el de una lavandera automtica. Las
mquinas de lavado son las instalaciones de la primera fase, y las secadoras
son de la segunda
e) Arreglo mixto
Las lneas de espera se forman delante de cada instalacin, como en un taller,
donde cada trabajo personalizado requiere del uso de varias mquinas y
asignaciones de ruta diferentes.
El problema de lneas de espera ms complejo involucra a los clientes que tienen
una sola secuencia de los servicios requeridos; por consiguiente, el servicio no
puede describirse en fases. En dicho caso se usa un arreglo mixto

35

FUNDAMENTOS DE SISTEMAS DE ESPERA

FIGURA 7

EJEMPLOS DE ARREGLOS DE INSTALACIONES DE SERVICIO


Una sola
fase
Un solo
canal
Mltiples
canales

Mltiples
fases

Una persona
peluquera

Lavado de
autos

Ventanillas de
los cajeros en
un banco

Ingreso a
un hospital

2.6 SUPOSICIONES GENERALES DE UN MODELO BSICO DE LNEAS DE


ESPERA

1. Los tiempos de llegadas son independientes e idnticamente distribuidos de


acuerdo a una distribucin de probabilidad especificada.
2. Todos los clientes que llegan entran al sistema de colas y permanecen ah
hasta que termina el servicio.
3. El sistema de lneas de espera tiene una sola lnea infinita, de modo que
en la lnea puede haber un nmero ilimitado de clientes (para propsito
prctico).
4. La disciplina de la lnea de espera es primero en entrar, primero en servir.
5. El sistema de lneas de espera tiene un nmero especificado de servidores,
donde cada uno es capaz de servir a cualquiera de los clientes.
6. Cada cliente es atendido en forma individual por cualquiera de los
servidores.
7. Los tiempos de servicio son independientes e idnticamente distribuidos de
acuerdo con la distribucin de probabilidad especificada.
2.7 MEDIDAS DE RENDIMIENTO PARA EVALUAR UN SISTEMA DE LNEAS DE
ESPERA

Existen muchas medidas de rendimiento diferentes que se utilizan para evaluar un


sistema de lneas de espera en estado estable.
Para disear y poner en operacin un sistema de lneas de espera, por lo general,
los administradores se preocupan por el nivel de servicio que recibe un cliente, as
como el uso apropiado de las instalaciones de servicio de la empresa. Algunas de
las medidas que se utilizan para evaluar el rendimiento surgen de hacerse las
siguientes preguntas:
36

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Preguntas relacionadas con el tiempo, centradas en el cliente


a. Cul es el tiempo promedio que un cliente recin llegado tiene que esperar en
la fila antes de ser atendido?
La medida de rendimiento asociada es el tiempo promedio de espera,
W
representado con q
b. Cul es el tiempo que un cliente invierte en el sistema entero, incluyendo el
tiempo de espera y el de servicio?
La medida de rendimiento asociada es el tiempo promedio en el sistema,
denotado con W
Preguntas cuantitativas relacionadas al nmero de clientes
a. En promedio cuntos clientes estn esperando en la lnea de espera para ser
atendidos?
La medida de rendimiento asociada es la longitud media de la lnea de espera,
L
representada con q
b. Cul es el nmero promedio de clientes en el sistema?
La medida de rendimiento asociada es el nmero medio en el sistema,
representado con L
Preguntas probabilsticas que implican tanto a los clientes como a los
servidores, por ejemplo:
a. Cul es la probabilidad de que un cliente tenga que esperar a ser atendido?
La medida de rendimiento asociada es la probabilidad de bloqueo, que se
representa por, PW
b. En cualquier tiempo particular, cul es la probabilidad de que un servidor est
ocupado?
La medida de rendimiento asociada es la utilizacin. Esta medida indica
tambin la fraccin de tiempo que un servidor esta ocupado.
c. Cul es la probabilidad de que existan n clientes en el sistema?
La medida de rendimiento asociada se obtiene calculando la probabilidad P0 de
que no haya clientes en el sistema, la probabilidad P1 de que haya un cliente
en el sistema, y as sucesivamente. Esto tiene como resultado la distribucin de
probabilidad de estado, representada por Pn , n 0,1, 2,...
d. Si el espacio de espera es finito, Cul es la probabilidad de que la cola est
llena y que un cliente que llega no sea atendido?
La medida de rendimiento asociada es la probabilidad de negacin del servicio,
representada por Pd
Preguntas relacionadas con los costos
a. Cul es el costo por unidad de tiempo por operar el sistema?
37

FUNDAMENTOS DE SISTEMAS DE ESPERA

b. Cuntas estaciones de trabajo se necesitan para lograr mayor efectividad en


los costos?
El clculo especfico de estas medidas de rendimiento depende de la clase de
sistema de colas. Algunas de estas medidas estn relacionadas entre s.
Conocer el valor de una medida le permite encontrar el valor de una medida
relacionada.
2.8 FORMULA DE LITTLE
Indicaremos algunas relaciones tiles entre los valores esperados en estado
estable de L,W , Lq ,Wq
El clculo de muchas de las medidas de rendimiento depende de los procesos de
llegadas y de servicio del sistema de colas en especfico. Estos procesos son
descritos matemticamente mediante distribuciones de llegada y de servicio.
Incluso sin conocer la distribucin especifica, las relaciones entre algunas de las
medidas de rendimiento pueden obtenerse para ciertos sistemas de colas,
nicamente mediante el uso de los siguientes parmetros de los procesos de
llegada y de servicio.
=nmero promedio de llegadas por unidad de tiempo
=nmero promedio de clientes atendidos por unidad de tiempo en una seccin
Supongamos una poblacin de clientes infinita y una cantidad limitada de espacio
de espera en la fila. El tiempo total que un cliente invierte en el sistema es la
cantidad de tiempo invertido en la fila ms el tiempo durante el cual es atendido:
Tiempo promedio
Tiempo promedio
Tiempo promedio
=
+
en el sistema
de espera
de servicio

El tiempo promedio en el sistema y el tiempo promedio de espera estn


representados por las cantidades W y Wq , respectivamente. El tiempo promedio de
servicio puede expresarse en trminos de parmetros de

Donde s=nmero de servidores

Suponga que un cliente se une a la lnea de espera en estado estable. En el


momento que va a terminar el servicio, voltea a ver a los clientes que llegaron
despus que l. Habr en promedio L s clientes en el sistema. La cantidad
esperada de tiempo que ha transcurrido desde que se uni a la lnea de espera
es, por definicin W s . Como los clientes llegan con una frecuencia constante ,
durante un tiempo W s habrn llegado, en promedio, W s clientes, y de esto resulta
Ls
Ws .

38

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Deja tras de s un promedio de (1/2)*12 = 6 clientes nuevos.


Es decir, en promedio, existen seis clientes en el sistema en cualquier tiempo
dado.
Entonces
Tiempo promedio de
Numero promedio de
Tiempo promedio
=
*
clientes en el sistema
llegadas por unidad de tiempo
en el sistema
Es decir

En este caso, el argumento es esencialmente igual, excepto que el cliente voltea


al momento de entrar en el servicio, y no despus de ser atendido.
Utilizando una lgica parecida se obtiene la relacin entre el nmero promedio de
clientes que esperan en la lnea y el tiempo promedio de espera en la fila:
Numero promedio de
Numero promedio de
Tiempo promedio
=
*
clientes en el sistema
llegadas por unidad de tiempo
en la cola

De manera que Lq

Wq

Suponga que el tiempo medio de servicio es una constante 1

Wq

para todo 1 n

Lq

(Si la tasa media de servicio es


, por consiguiente el tiempo promedio de
servicio ser 1 / ). La frmula de Little, nombrada as en honor de John D. C.
Little del M.I.T., demostr ser vlida bajo condiciones muy generales, es una
relacin sencilla, pero muy til, entre las L y las W.

39

USO DE LOS MODELOS DE LNEAS DE ESPERA

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

embargo, es difcil asignar una cifra de una unidad monetaria en ciertas


caractersticas (como el tiempo de espera de un comprador en una tienda de
alimentos). En tales casos, un analista puede ponderar el costo de implementar la
alternativa bajo consideracin contra una evaluacin subjetiva del costo de no
hacer el cambio.
3.1 CLASIFICACIN DE LOS MODELOS DE LNEAS DE ESPERA

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

3.2 MODELO DE UN SOLO SERVIDOR M/M/1


3.2.1 MODELO DE UN SOLO SERVIDOR M/M/1 (0<<1). POBLACIN INFINITA

El modelo ms simple de lneas de espera involucra a un servidor y a una sola


lnea de clientes. Para especificar un poco ms el modelo, se harn las siguientes
suposiciones:
1. La poblacin de clientes es infinita y todos los clientes son pacientes.
2. Los clientes llegan conforme a una distribucin de Poisson, con una tasa media
de llegada igual a .
3. La distribucin de servicio es exponencial, con una tasa media de servicio
iguala a .
4. Los clientes se atienden sobre una base primero en llegar, primero en ser
atiende
5. La longitud de la lnea de espera es ilimitada.
FIGURA 8

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

MEDIDAS DE DESEMPEO DEL MODELO M/M/1, POBLACIN INFINITA

Uso promedio del sistema o factor de carga del sistema

El requisito matemtico de que 1 es necesario para garantizar la convergencia


de la serie geomtrica (1 2 ) que conduce a un argumento intuitivo.
Fundamentalmente, 1 significa que lo que establece que la tasa de
llegadas debe ser estrictamente menor que la tasa de servicio, para que el sistema
alcance estabilidad (condiciones de estado estable). Esto tiene sentido pues bajo
otras condiciones, el tamao de la lnea de espera crecera indefinidamente.
Probabilidad de exactamente n clientes en el sistema
n


Pn P0 P0 1 1 n

42

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Nmero promedio de clientes en el sistema de servicio

Ls

(1 ) 1

Numero promedio de clientes en la lnea de espera


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

Tiempo promedio de espera en el sistema, incluye el servicio

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

Probabilidad de que llegue un cliente (k) y tenga que esperar


P(n k ) k

43

USO DE LOS MODELOS DE LNEAS DE ESPERA

Probabilidad de que el tiempo de espera en el sistema exceda alguna cantidad de


tiempo t
para t 0
P(Ws t ) e (1 ) t
Probabilidad de que el tiempo de permanencia en la lnea de espera exceda a t
P(Wq t ) e (1 ) t
Relaciones bsicas entre estos parmetros

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

a. Las suposiciones en el enunciado del problema son consistentes con el modelo


de un solo servidor. El factor de utilizacin del servidor es:
19

0.95 .
20
b. El tiempo promedio que el cliente permanece en el estudio del fotgrafo es
1
1
Ws

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

a. Probabilidad que no haya clientes en el sistema, o bien, la probabilidad de


tener a todos los servidores desocupados.
b. Utilizacin promedio de la cajera.
c. Nmero promedio de clientes en el sistema.
d. Nmero promedio de clientes en la lnea.
e. Tiempo promedio de espera en el sistema.
f. Tiempo promedio de espera en la lnea.
SOLUCIN

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

3.2.2 MODELO DE UN SOLO SERVIDOR M/M/1. POBLACIN FINITA

Consideraremos el caso en la que todas excepto una de las suposiciones del


modelo de un solo servidor son apropiadas. En este caso, la poblacin de clientes
es finita, y tiene N clientes potenciales. Si N >30, el modelo de un solo servidor
con la suposicin de una poblacin de clientes infinita es adecuado. De no ser as,
el modelo de fuente finita es el nico que debe usarse.
Las frmulas utilizadas para calcular las caractersticas de operacin de este
sistema son las que se presenta a continuacin.
MEDIDAS DE DESEMPEO

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

n
N
N!
P0 =

n=0 (N - n)!

Uso promedio del servidor

-1

= 1- P0

Nmero promedio de clientes en la lnea de espera


N
+m
Lq = (n - 1)Pn = N -
( 1- P0 )

n=1
Nmero promedio de clientes (unidades) dentro del sistema
+
+
Ls = Lq + = N -
( 1- P0 )+( 1- P0 ) = N -
- 1 ( 1- P0 )

+ -

= N -
( 1- P0 ) = N - ( 1- P0 )

Tiempo de espera promedio en la lnea

Wq =

Lq
ef

Tiempo de permanencia promedio dentro del sistema

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

= 1 + 0.5 + 0.225 + 0.09 + 0.0315 + 0.00945 + 0.0023625 + 0.0004725


+ 0.000070875 + 0.0000070875 + 0.00000035 = 0.5380
-1

Uso promedio de la persona de mantenimiento


47

USO DE LOS MODELOS DE LNEAS DE ESPERA

1 P0 1 0.5380 0.4620 46.20%


Nmero promedio de robots en el sistema de mantenimiento

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

3.2.3 MODELO DE UN SOLO SERVIDOR CON CAPACIDAD FINITA

Un caso especial de lnea de espera M/M/1 con servicio y tasas de llegadas


dependientes del servicio es aquel en que hay un rea finita de espera. Si las
llegadas se presentan cuando el rea de espera est llena, se van. Los problemas
de este tipo son comunes en sistemas de servicio como restaurantes, cines, salas
de concierto, etctera. Tambin se pueden presentar en sistemas de manufactura,
en que los amortiguadores entre los centros de trabajo tienen una capacidad finita.
Supongamos que la cantidad mxima de clientes que permite el sistema es K.
MEDIDAS DE DESEMPEO

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 )

Las medidas de desempeo se obtienen a partir de L s , la cantidad esperada en el


sistema, en estado estable. L s se calcula como sigue:
Cantidad promedio de clientes (unidades) dentro del sistema

( 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

USO DE LOS MODELOS DE LNEAS DE ESPERA

Tiempo promedio de espera en el sistema, incluye el servicio


Tiempo promedio de espera de los clientes en la lnea
Factor de utilizacin del servicio

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.

Qu proporcin del tiempo tiene la lnea de espera su mxima capacidad?


En promedio, cuntos clientes optan por irse?
Determine las medidas de desempeo para este sistema de lneas de espera.
Si el rea de espera duplicara su tamao, cmo afectara a las respuestas de
los incisos a y b?

SOLUCIN

20 por hora (Tasa de llegada)


60 / 5 12 por hora (Tasa de servicio)
/ 20 / 12 5 / 3 1.667 .
K = 11 (Cantidad mxima en el sistema 10 en la lnea de espera ms el cliente que
se est
atendiendo).
a. Probabilidad de n clientes en el sistema

(1 ) n
Pn
1 K 1

si el sistema est lleno n k y se puede expresar como:


11
(1 ) K 1 1.667 1.667
184 .25
PK

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

2.5 12.03 9.53


0.667 459.5
Probabilidad de que ningn cliente est en el sistema o que el sistema est
vaco
1
1 1.667
0.667
P0

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

y el tiempo promedio de espera de los clientes en la lnea, Wq es:


Wq

Lq

ef

8.53
0.7108 hora ( unos 43 minutos)
12

d. Si el tamao del rea de espera duplicara su tamao, entonces K = 21. En ese


caso, PK se determina con
(1 ) 21 1 1.667 1.667

22
1 211
1 1.667

21

P21

30,533 .28
0.40
76,309 .31

Es interesante que al duplicar la capacidad de la lnea de espera no haya


diferencia en relacin con la probabilidad de que el sistema est lleno. La razn
es que como la tasa de llegada es mayor que la de servicio, el sistema llena su
capacidad con rapidez en ambos casos. En estos, la tasa efectiva de llegada,
ef es aproximadamente igual a la tasa de servicio (aunque siempre se cumple
que ef ). Aun cuando los sistemas sean mucho mayores, en este caso PK
es 0.4.

51

USO DE LOS MODELOS DE LNEAS DE ESPERA

3.3 MODELO DE MLTIPLES SERVIDORES M/M/S


3.3.1 MODELO DE MLTIPLES SERVIDORES M/M/S (0<<S). POBLACIN
INFINITA

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

Podemos observar que este sistema es distinto al M/M/1 nicamente en el paso 4,


que nos permite tener s servidores.
Recuerde tambin que / es el smbolo para el factor de utilizacin del
servidor en un sistema de lneas de espera con un servidor. Para varios
servidores, la frmula cambia a / s .
MEDIDAS DE DESEMPEO

Uso promedio del sistema:

Probabilidad que cero clientes estn en el sistema (para s )


52

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

s 1 ( / )n
P0
n 0 n !

( / )s 1

s ! 1

1
s 1 1

n 0 n !

1 s s

s ! s

Probabilidad que n clientes estn en el sistema


(/)n
P0 ,
0<n<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 - )

Nmero promedio de clientes en la lnea para un sistema ocupado


Lq
Lb =
P(n s)
Tiempo promedio de espera de los clientes en la lnea
s


1 Lq

Wq = Ws - =
=
P0

(s - 1)!(s - )2

Tiempo promedio de espera en el sistema, incluye el servicio


s

Ls -
Ls -

1
1 Lq 1
1 L - 1 L - + Ls
1


Ws = Wq + = + =
+ =
+ = s + = s
= =
P+
2 0

(s - 1)!(s - )

53

USO DE LOS MODELOS DE LNEAS DE ESPERA

Tiempo promedio que permanece el cliente en la lnea para un sistema ocupado


Wq
Wb =
P(n s)
Probabilidad de que el tiempo de espera en el sistema exceda a alguna cantidad
de tiempo t
s


- t s-1-
P0

1- e

- t

P Ws > t = e 1+
para t 0

s!( 1 - )
s
1

Cuando s 1 / 0 , debe sustituirse

1 e

t s 1

s 1

por t .

Probabilidad de que el tiempo de espera en la lnea exceda a alguna cantidad de


tiempo 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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

SOLUCIN

El sistema actual consiste esencialmente de cuatro sistemas M/M/1


independientes con una tasa de servicio 4 requerimientos por hora. La
diferencia en los departamentos es la tasa de llegada. En todos los departamentos
2 solicitudes por hora, excepto contabilidad. En estos casos ( / ):
En el caso de los departamentos de finanzas, mercadotecnia y direccin

2
Ls

1 trabajo.
42

1
2
Lq
L (1) 0.5 trabajos

2
4
1
1
1
Ws

0.5 de hora 30 minutos.


42 2

(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

USO DE LOS MODELOS DE LNEAS DE ESPERA

El nmero promedio de solicitudes de trabajo en la lnea de espera para un


sistema ocupado es

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

s-1 (l/ )n ( / )s (9/4)0 (9/4)1 (9/4)2 (9/4)3


(9/4)4
27,204
P0 =
+

+
+
+
+

=

= 0.0988
n!
s!(
)
0!
1!
2!
3!
4!(19/16)
2,688
n=0

Nmero promedio de clientes en el la lnea de espera


4
224 9 9
P ( / )s 2267 4 16 1.424456
Lq 0

0.31 solicitudes de trabajo


2
4.59375
s !(1 )2
9

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Tiempo promedio de espera de las solicitudes de trabajo en el la lnea


Lq 0.31
Wq

0.034 horas = 2.04 minutos.

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

1.2855 solicitudes de trabajo


P(n s) 0.241155
Tiempo promedio que permanece el cliente en la lnea de espera en un sistema
ocupado
Wq
0.034
Wb

0.141 horas u 8.48 minutos.


P(n s) 0.241155
En resumen:
Estado

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

3.3.2 MODELO DE MLTIPLES SERVIDORES M/M/S (Ns1) POBLACIN


FINITA

En los modelos de colas anteriores se ha supuesto que la poblacin de clientes es


infinita, aunque esto nunca es verdadero, para muchas situaciones practicas la
suposicin es razonable, sin embargo en algunos modelos esta suposicin no es
apropiada como en el caso del personal de mantenimiento en un laboratorio de
computacin con 50 computadoras. Como la poblacin es muy limitada en
tamao, obtener medidas de rendimiento utilizando la suposicin de que una
poblacin infinita puede producir resultados no validos
En este caso, la tasa de llegadas disminuye conforme aumenta el nmero de
clientes en el sistema, porque existen menos clientes restantes que aun no llegan.
Los procesos de llegada para una poblacin finita no se pueden describir de
manera matemtica mediante una tasa de llegada fija, ya que la tasa de llegada
cambia de acuerdo al nmero de clientes que se encuentran en el sistema (entre
ms clientes haya en el sistema, menor ser la tasa de llegada de clientes).

57

USO DE LOS MODELOS DE LNEAS DE ESPERA

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

Nmero promedio de clientes en la lnea de espera


N

Lq = (n - s)Pn
n=1

Nmero promedio de clientes (unidades) dentro del sistema


s-1
s-1
Ls = nPn + Lq + s 1 - Pn
n=0
n=0
Tiempo de espera promedio en la lnea

Wq =

Lq
ef

Tiempo de permanencia promedio dentro del sistema

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Probabilidad de n clientes en el sistema


n

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

3.3.3 MODELO DE MLTIPLES SERVIDORES M/M/s, CAPACIDAD FINITA

En este modelo no hay un rea de espera o la capacidad de sta es limitada.


Como en el caso de reservaciones por telfono que puede tener un nmero
limitado de llamadas.
Cuando se llena el rea de espera los clientes que llegan son rechazados y
podran o no regresar por lo que las medidas de rendimiento que se obtienen
suponiendo un rea de espera infinita pueden no ser vlidas. Por lo que las
formulas para calcular las medidas de rendimiento se modifican tomando en
cuenta el espacio de espera limitado para obtener resultados validos
Resultados para el caso de varios servidores (s>1).
Como este modelo no permite ms de K clientes en el sistema, K es el nmero
mximo de servidores que pueden tenerse. Suponga que s K .
MEDIDAS DE DESEMPEO

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!

Probabilidad de n clientes en el sistema:


1 n
n = 1,2,,s

P0
n!

n
1
Pn = n-s P0
n = s,s + 1,,K

s!s

0
n > K,

Cantidad promedio de clientes (unidades) en la lnea de espera:


s
P /
Lq 0
1 K s ( K s) K s (1 ) .
2
s!(1 )

59

USO DE LOS MODELOS DE LNEAS DE ESPERA

Cantidad promedio de clientes (unidades) dentro del sistema:


s 1
s 1

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

Tiempo promedio de espera en el sistema, incluye el servicio


Tiempo promedio de espera de los clientes en la lnea
Factor de utilizacin del servicio:

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

Un supuesto que se requiere en algunos modelos es que la distribucin del tiempo


de servicio sea exponencial. Hay muchos casos en que este supuesto no tiene
base. Cabra esperar que los tiempos de servicio fueran raramente exponenciales
porque la distribucin exponencial tiene la propiedad de amnesia: la cantidad de
tiempo que queda en el servicio debera ser independiente del tiempo que ya pas
en ese servicio. Cabra esperar que una distribucin modal, como la normal o la de
Erlang, fueran un modelo ms fiel de los tiempos de servicio en la mayora de las
circunstancias.
Por esta razn es muy interesante el modelo M/G/1. En este caso, G quiere decir
general y significa que puede usarse cualquier distribucin del tiempo de
servicio con media E (t ) y varianza V (t ) . La condicin que 1 todava se aplica
para el estado estable ( / 1 , donde es igual a E (t ) ). Excepto para la
generalizacin de la distribucin del tiempo de servicio, se aplican las
suposiciones del el modelo M/M/1 estndar. Las medidas de eficiencia o
desempeo se deducen con la frmula Pollaczek-Khintchine (P-K) en honor de
dos pioneros del desarrollo de la teora de lneas de espera que derivaron la
frmula de manera independiente a principios de los aos 30 del siglo pasado.
El modelo M/G/1 supone que el modelo de lneas de espera tiene un servidor y un
proceso de entradas Poisson (tiempos entre llegadas exponenciales) con una tasa
media de llegadas fija .

60

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Se supone que los clientes tienen tiempos de servicio independientes con la


misma distribucin de probabilidad, pero no se imponen restricciones sobre cul
debe ser esta distribucin de tiempos de servicio. De hecho, slo es necesario
conocer (o estimar) la media 1 / y la varianza 2 de esta distribucin.
La flexibilidad total en cuanto a la distribucin de los tiempos de servicio que
proporciona este modelo es en extremo til, por lo que es lamentable que no haya
tenido xito en el desarrollo de resultados anlogos para el caso de varios
servidores.
Desafortunadamente, no existe una ecuacin para determinar las probabilidades
del estado del sistema; sin embargo, se tienen las ecuaciones para Ls , Lq , Ws y

Wq . Las medidas de desempeo para este modelo general son las siguientes.
MEDIDAS DE DESEMPEO

Factor de utilizacin del servicio

Probabilidad que ningn cliente est en el sistema o que el sistema est vaco

P0 1 1

Cantidad promedio de clientes (unidades) dentro del sistema

Ls Lq Lq

Cantidad promedio de clientes (unidades) en la lnea de espera


2 Var(T ) E (T ) 2
Lq
2(1 E (T ))

Usando la notacin anterior

E (T ) 1 / y E (T ) / ;

igualando Var(T ) 2 , esta frmula se transforma en:

Lq

2 2 (1 / ) 2 2 2 ( / ) 2 2 2 2

21 ( / )
2 1 ( / )
2(1 )

()

Si se toma en cuenta la complejidad que representa el anlisis de un


modelo que permite cualquier distribucin de tiempos de servicio, es
notable que se haya podido obtener una frmula tan sencilla para Lq .
Esta frmula es uno de los resultados ms importantes de la teora de
lneas de espera gracias a la facilidad con que se aplica y al predominio
de los sistemas M/G/1 en la prctica. Esta ecuacin para Lq (o su
61

USO DE LOS MODELOS DE LNEAS DE ESPERA

contraparte para Wq ) con frecuencia recibe el nombre de frmula de


Pollaczek-Khintchine.
Tiempo promedio de espera de los clientes en la lnea
Lq
Wq

Tiempo promedio de espera dentro del sistema, incluye el servicio


Wq +

Wq +
Lq +
( Wq +1) Wq +1
L
1

Ws = s =
=
=
=
=
= Wq +

Tiempo promedio que un cliente pasa en la lnea de espera en un sistema que


est ocupado
Lq
Wb

Note que para cualquier tiempo de servicio esperado fijo 1 / , Lq , Ls , Wq y Ws se


incrementan cuando 2 aumenta. Este resultado es importante porque indica que
la consistencia del servidor tiene gran trascendencia en el desempeo de la
instalacin de servicio, no slo su velocidad promedio. Por consiguiente, pueden
mejorarse las medidas del desempeo de un sistema si se disminuye la varianza
del tiempo de servicio, aunque no cambie el tiempo promedio de este.
El trmino 2 la varianza del tiempo de servicio en la ecuacin () proporciona
algunas ideas interesantes. Evidentemente, el nmero estimado de clientes que
esperan por el servicio ( Lq ) est directamente relacionado con la variabilidad de
los tiempos de servicio ( 2 ) . Por ejemplo. El limitado men de los restaurantes de
comida rpida contribuye a su xito, porque tal reduccin en la variedad de
alimentos que ofrecen permite la estandarizacin del servicio.
La varianza de la distribucin exponencial es 1 / 2 , observe que sustituyendo este
valor por 2 en la ecuacin (), resulta:
1

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

cero. Nuevamente, de acuerdo a la ecuacin (), cuando 2 0 , entonces:

Lq

2
2(1 )

De esta manera, se explica la reduccin de la medida del congestionamiento Lq a


la mitad por la variacin en los tiempos de servicio. Esto implica que la variabilidad
en el tiempo entre las llegadas cuenta para la congestin restante. Por lo tanto,
existe un considerable potencial para la reduccin de la congestin al utilizar
simplemente citas o reservaciones para controlar la variabilidad en las llegadas. La
congestin en un sistema de lneas de espera es igualmente ocasionada por la
variabilidad en los tiempos de servicio y los tiempos entre llegadas; por
consiguiente, las estrategias para controlar la congestin deben considerar ambos
aspectos.
3.4.2 MODELO DE MLTIPLES SERVIDORES
FINITA

M/G/s, POBLACIN

El problema de cuntas lneas telefnicas se necesitan en un conmutador se ataca


tpicamente utilizando el modelo M/G/s, eliminando a los clientes bloqueados.
Este modelo es una lnea de espera multi-canal con s servidores (s lneas),
tiempos entre llegadas exponenciales para las llamadas y una distribucin general
para el tiempo de servicio, que en este caso es la duracin de cada llamada. La
frase eliminacin de los clientes bloqueados Significa que cuando una llamada
encuentra todos los servidores ocupados (todas las lneas ocupadas), el usuario
no ingresa en la lnea de espera, sino que simplemente se va. Esta frase describe
claramente el comportamiento del conmutador telefnico tradicional. Los sistemas
ms sofisticados de ahora tienen una lnea de espera para un nmero finito de
clientes, en algunos casos, incluso proporcionando al cliente la oportunidad de
disfrutar de una buena meloda.
FIGURA 10

Probabilidad de j servidores ocupados.

63

USO DE LOS MODELOS DE LNEAS DE ESPERA

El problema de seleccionar la cantidad apropiada de lneas (servidores) se ataca


calculando la probabilidad en estado estable de que exactamente j lneas estn
ocupadas. Esto, a su vez, ser utilizado para calcular la probabilidad de estado
estable de que todas las s lneas estn ocupadas. Claramente, si se tienen s
lneas y todas estn ocupadas, la siguiente persona que llame no ser capaz de
lograr la llamada.
La probabilidad de estado estable de que haya exactamente j servidores
ocupados, dado que s lneas (servidores) estn disponibles, est dada por la
expresin
( / ) j / j!
Pj s
( / ) k / k!
k 0

donde tasa de llegadas (la velocidad a que llegan las llamadas)


1
tiempo medio de servicio (duracin promedio de una conversacin)

s nmero de servidores (lneas)

Esta expresin se conoce como distribucin de Poisson truncada o distribucin de


prdida de Erlang. Es vlido observar que aunque estamos considerando una
distribucin general del tiempo de servicio, el valor Pj definido por la ecuacin
anterior depende solamente de la media de esta distribucin.
3.5 MODELOS DE LNEAS DE ESPERA CON PRIORIDADES

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Una sala de urgencias de un hospital es un ejemplo de un sistema de lneas de


espera donde se usan en forma automtica las prioridades. Es natural que el
paciente que llega en condicin crtica, sea atendido antes que un paciente de
rutina quien ya se hallaba esperando.
Los modelos para esos sistemas de lneas de espera hacen las siguientes
suposiciones generales:
1. Hay dos o ms categoras de clientes. Cada categora se asigna a una clase
de prioridad. Los clientes en la clase con prioridad 1 tienen preferencia para
recibir el servicio antes que los clientes en la clase con prioridad 2. Si hay ms
de dos clases de prioridad, entonces, los clientes en la clase con prioridad 2
tienen preferencia sobre los clientes en la clase con prioridad 3, etctera.
2. Despus de clasificar a los clientes de prioridad ms alta, los clientes en cada
clase de prioridad se sirven sobre la base de primero en entrar, primero en
salir. As, dentro de cada clase de prioridad, la preferencia para recibir servicio
se basa en el tiempo que han esperado en el sistema de lneas de espera.
Como se describe en seguida, en realidad hay dos tipos de prioridades.
1. Prioridades sin interrupcin: una vez que un servidor ha comenzado a atender
a un cliente, el servicio tiene que terminar sin interrupcin aunque llegue un
cliente de prioridad ms alta mientras este servicio est en proceso. Una vez
que termina el servicio, si hay clientes en la lnea de espera, se aplican las
prioridades para seleccionar a quien servir. En particular, el seleccionado es el
miembro de prioridad ms alta representada en la lnea de espera quien ms
ha esperado.
2. Prioridades con interrupcin: el cliente con menor prioridad que se est
sirviendo se interrumpe (y regresa a la lnea de espera) cada vez que entra al
sistema un cliente con prioridad ms alta. De este modo, se libera a un servidor
para comenzar a servir de inmediato a la nueva llegada. Cuando un servidor
logra terminar un servicio, se elige el siguiente cliente para comenzar el
servicio justo como se describi para las prioridades sin interrupcin. (El cliente
excluido se convierte en el cliente de su clase de prioridad en la lnea de
espera que ha esperado ms, con suerte, volver a ser atendido pronto y,
quiz despus de otras interrupciones, terminar).
3.5.1 MODELO
INTERRUPCIN

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

clientes en esa clase tienen una distribucin exponencial con media 1 / i .


3. Todos los tiempos de servicio tienen una distribucin exponencial con media
1 / , sin importar la clase de prioridad involucrada.
4. El sistema de lneas de espera tiene un solo servidor.
As, excepto por la complicacin de usar prioridades con interrupcin, las
suposiciones son las mismas que para el modelo M/M/l. Puesto que i es la tasa
media de llegadas para clientes en la clase de prioridad i (i 1, 2, , n) ,
(1 2 n ) es la tasa media de llegadas global para todos los clientes.
Entonces, el factor de utilizacin del servidor es
2 n
1

Como en los modelos anteriores, se requiere que 1 para que el sistema de


lneas de espera alcance una condicin de estado estable para todas las clases de
prioridad.
La razn para usar prioridades es disminuir los tiempos de espera de los clientes
de alta prioridad. Esto se logra a expensas de aumentar los tiempos de espera de
los clientes de baja prioridad.
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.
3.5.2 MODELO DE LNEAS DE ESPERA CON PRIORIDADES SIN
INTERRUPCIN

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Estos resultados suponen que

i 1

s , de manera que la clase de prioridad k

puede alcanzar una condicin de estado estable.


La frmula de Little se aplica a las clases individuales de prioridad, por lo que L k ,
el nmero esperado de miembros de la clase de prioridad k en el sistema de
lneas de espera (incluso que estn en servicio), es
Lk k Wk , para k 1, 2,, N .
Para determinar el tiempo estimado en la lnea de espera (sin incluir el tiempo de
servicio) para la clase de prioridad k , sencillamente se resta 1 / de W k ; la
longitud de la lnea de espera correspondiente se obtiene de nuevo si se multiplica
por k .
Para el caso especial en el que s 1, la expresin para A se reduce a A 2 / .
Variacin de un servidor para el modelo de prioridades sin interrupcin
La suposicin anterior de que el tiempo de servicio esperado 1 / es el mismo
para todas las clases prioritarias es bastante restrictiva. En la prctica, a veces se
viola esta suposicin debido a diferencias en los requerimientos de servicio entre
las clases de prioridad.
67

USO DE LOS MODELOS DE LNEAS DE ESPERA

Por fortuna, para el caso especial de un servidor, es posible admitir tiempos


esperados de servicio distintos y de todas formas obtener resultados tiles.
Sea 1 / k la media de la distribucin exponencial del tiempo de servicio para la
clase de prioridad k, entonces
k tiempo medio de servicio para la clase de prioridad k , para k 1, 2,, N .
As, el tiempo esperado de estado estable en el sistema para un miembro de
prioridad k es
ak
1
, para k 1, 2,, N ,
Wk

bk 1bk k
k

Donde: a k
i 1

i
,
i2

b0 1,
k

bk 1
i 1

i
i
k

Este resultado es vlido cuando

i 1

1, que permite a la clase de prioridad k

alcanzar una condicin de estado estable.


La frmula de Little se puede usar como se describi para obtener las otras
medidas de desempeo para cada clase prioritaria.
Resultados para el modelo de prioridades con interrupcin
Para el modelo de prioridades con interrupcin, se necesita retomar la suposicin
de que el tiempo esperado de servicio es el mismo para todas las clases de
prioridad. Con la misma notacin que para el modelo sin interrupcin, el hecho de
poder interrumpir cambia el tiempo esperado total en el sistema (incluyendo el
tiempo total de servicio) a
1/
Wk
, para k 1, 2,, N ,
Bk 1 Bk
para el caso de un servidor ( s 1). Cuando s 1 , la W k se puede calcular
mediante un proceso iterativo que se ilustrar con el ejemplo del Hospital General.
La L k que se acaba de definir todava satisface la relacin
Lk k Wk , para k 1, 2,, N .
Los resultados correspondientes para la lnea de espera (excluyendo los clientes
en servicio) tambin se pueden obtener a partir de W k y L k igual que para el caso
de prioridades sin interrupcin. Debido a la propiedad de falta de memoria de la
distribucin exponencial, las interrupciones no afectan el proceso de servicio
(ocurrencias de terminaciones de servicio) de ninguna manera. El tiempo total
esperado de servicio para cualquier cliente es 1 /
68

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

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

El modelo M/D/s supone una variacin cero en los tiempos de servicio ( 0) ,


mientras que la distribucin exponencial de tiempos de servicio supone una
variacin muy grande ( 1 / ) . Entre estos dos casos extremos hay un gran
intervalo (0 1 / ) , en el que caen la mayor parte de las distribuciones de
tiempos de servicio reales. Otra distribucin terica de tiempos de servicio que
concuerda con este espacio intermedio es la distribucin Erlang (llamada as en
honor del fundador de la teora de lneas de espera).
La funcin de densidad de probabilidad para la distribucin de Erlang es
( k ) k k 1 k t
,
para t 0 ,
f (t )
t e
(k 1)!
donde y k son parmetros estrictamente positivos de la distribucin y k est
restringido a valores enteros. (Excepto por esta restriccin de entero y la definicin
de los parmetros, esta distribucin es idntica a la distribucin gama). Su media y
desviacin estndar son:
1
1 1
media
y desviacin estndar,
.

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

Entonces se suma, T T1 T2 Tk , tiene una distribucin Erlang con


parmetros y k . El tiempo requerido para realizar cierto tipo tareas podra tener
una distribucin exponencial. Sin embargo, el servicio total requerido por un
cliente, puede incluir una secuencia k de tareas, y no slo una, realizadas por el
servidor. Si las tareas respectivas tienen una distribucin exponencial idntica
para su duracin, el tiempo total de servicio tendr una distribucin Erlang; ste
sera el caso, por ejemplo, si el servidor debiera realizar la misma tarea
exponencial k veces para el cliente.
La distribucin Erlang tambin es til debido a que es una gran familia (dos
parmetros) de distribuciones que permiten slo valores no negativos. As por lo
general, se puede obtener una aproximacin razonable de la distribucin emprica
de los tiempos de servicio si se usa una distribucin de Erlang. De hecho, tanto la
distribucin exponencial como la degenerada (constante) son casos especiales de
la distribucin Erlang con k 1 y k , respectivamente. Los valores intermedios
de k proporcionan distribuciones intermedias con media 1 / , moda (k 1) /( k )
y varianza 1 /( k 2 ) . Por lo tanto, despus de estimar la media y la varianza de
una distribucin de servicio emprica, estas frmulas para la media y la varianza se
puede usar para elegir el valor de k que se ajuste a estas estimaciones de
manera ms cercana.
Cuando los tiempos de servicio tienen alguna variabilidad, pero menos que para la
distribucin exponencial, el modelo M/Ek/s proporciona un punto intermedio entre
los modelos M/M/s y M/D/s.
Ahora considere el modelo M/Ek/1, que es justo el caso especial del modelo M/G/1
donde los tiempos de servicio tienen una distribucin Erlang con parmetro de
forma k . Para la distribucin de Erlang, con parmetro de forma k (k 1, 2,) las
medidas de desempeo son:
Factor de utilizacin del servicio
Cantidad

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

2
o bien

Lq k

2 1

2 k2
k
2 1

(k 1) 2 k 1 2


2k (1 ) 2k 1

Cantidad promedio de clientes (unidades) dentro del sistema:


Ls Lq Ws
Tiempo promedio de espera de los clientes (unidades) en la lnea:

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

b. Compare las dos alternativas respecto al nmero promedio de aviones que


pierden tiempo de vuelo debido a la permanencia en la base de mantenimiento.
c. Cul de estas dos comparaciones es la apropiada para tomar decisiones
administrativas? Explique.
SOLUCIN

a. y b. Poltica actual. Modelo M/M/1.


Observe que media 1 / 1 / 2 , por lo tanto
2 aviones diarios,
1 avin diario.
1
0.5 50%
2

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

USO DE LOS MODELOS DE LNEAS DE ESPERA

Con la poltica actual un avin pierde 1 da de tiempo de vuelo, en cambio


pierde 3.25 das con la poltica propuesta.
Con la poltica actual 1 avin est perdiendo tiempo de vuelo por da, en
cambio 0.8125 de avin estn perdiendo tiempo de vuelo con la poltica
propuesta.
c.

74

La comparacin en la parte b. es la apropiada para tomar la decisin pues


hay que tomar en cuenta que los aviones no pueden ir a servicio muy
frecuentemente.

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Aunque la teora de colas proporciona informacin importante no es una


herramienta que por s sola permita llevar a cabo la toma de decisiones ptima
Las situaciones del tipo de sistema de colas que requieren la toma de decisiones
surgen en muy diversas reas, por lo que no es posible presentar un
procedimiento general aplicable a todas las situaciones.
Una situacin que en la prctica se presenta con frecuencia es decidir Cul es el
nmero de servidores que se debe tener en cada instalacin?
Para tomar las decisiones respecto a la capacidad de servicio que se ha de
proporcionar se basan principalmente en:

Costos derivados de prestar un buen servicio


Costos derivados de tener largas cola

Para reducir los costos de servicio


Para reducir los tiempos de espera

Bajo nivel de servicio


Alto nivel de servicio

Se debe encontrar un balance entre el retraso promedio al solicitar un servicio y el


costo de proporcionarlo
Para comparar los costos de servicio y los tiempos de espera, es necesario
adoptar una medida comn de su impacto
75

COSTOS DE LOS SISTEMAS DE COLAS

Se debe estimar el costo de espera


Se clasifica a los clientes en dos grupos:
Clientes externos a la organizacin
Costo de espera relacionado con la prdida de ganancias por negocio
perdido o costos sociales (Difcil de estimar)
Clientes internos de la organizacin
Costo de espera relacionado con la prdida de ganancias debida a la
productividad perdida.
FIGURA 14

Costo de servicio por llegada

Tiempo de espera en el servicio

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Costo agregado o total


E(CT)=E(CS)+E(CW)

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

COSTOS DE LOS SISTEMAS DE COLAS

El costo ptimo idealizado se encuentra en el punto donde se cruzan las


curvas de la capacidad de servicio y de la fila de espera.
Para expresar E CW (funcin de costo espera) Como vara en realidad el costo
en el que se incurre respecto al comportamiento real del sistema de colas
La forma de esta funcin depende del contexto del problema pero se puede
modelar principalmente de dos maneras.
Si g(n) representa el costo esperado de demora de n clientes y Pn la probabilidad
de que existan n personas en el sistema en un periodo de tiempo determinado
La forma g(n) puede ser lineal o no lineal (exponencial, etc.).
Caso 1. Forma g(N)
Clientes internos
Costo de espera relacionado con la prdida de ganancias debida a la
productividad perdida.
La propiedad que determina la tasa actual a la que se incurre en costos de
espera es N (el nmero de clientes en el sistema)
g(N) se construye estimando g(n) cuando N=n para n=1,2, y g(0)=0
FIGURA 16

Costo esperado por unidad e tiempo

G(n)

Numero de clientes en el sistema

Despus de calcular las probabilidades Pn para un sistema de colas


sepuede calcular

E CW

E g N

Como N es una variable aleatoria, en este clculo se emplea la expresin


para el valor esperado de una funcin de una variable aleatoria discreta
E CW

g n Pn
n 0

78

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Coto espera por unidad de tiempo para cada cliente

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)

Costo esperado por cliente

FIGURA 17

Tiempo esperado en el sistema

Una manera de construir h(W ) es estimar h(w) para distintos valores de w y


despus ajustar un polinomio donde h(w) es el costo de espera en el que se
incurre cuando un cliente espera en un tiempo W w
E h W

Donde: fW

h W fW W dW

funcin de densidad de probabilidad de W

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

COSTOS DE LOS SISTEMAS DE COLAS

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

Parametros del modelo


8
n

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

Parametros del modelo


8

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

Las probabilidades Pn son:


N=n
0
1
2
3
4
5
6
7

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

COSTOS DE LOS SISTEMAS DE COLAS

Para decidir si la empresa debe contratar un mecnico adicional se debe


observar la esperanza de costo total E (CT )
E(CW) la podemos obtener formulando una funcin g(n) , ya que en este
caso las mquinas se pueden considerar clientes internos.
Recordemos que la prdida de ganancias estimadas por tener menos de 8
mquinas en operacin es $400 por da por cada mquina descompuesta.

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

Como cada mecnico le cuesta a la compaa $280 por da, cuando s es


conocida
E (CS ) sCn
s $280 por dia
Entonces
S
1
2
3

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

INTRODUCCIN A PROCESOS ESTOCSTICOS Y SISTEMAS DE LNEAS DE ESPERA

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

La teora de colas es el estudio matemtico de las colas o lneas de espera. La


formacin de colas es, por supuesto, un fenmeno comn que ocurre siempre que
la demanda efectiva de un servicio excede a la oferta efectiva.
Con frecuencia, las empresas deben tomar decisiones respecto al caudal de
servicios que debe estar preparada para ofrecer. Sin embargo, muchas veces es
imposible predecir con exactitud cundo llegarn los clientes que demandan el
servicio y/o cuanto tiempo ser necesario para dar ese servicio; es por eso que
esas decisiones implican dilemas que hay que resolver con informacin escasa.
Estar preparados para ofrecer todo servicio que se nos solicite en cualquier
momento puede implicar mantener recursos ociosos y costos excesivos. Pero, por
otro lado, carecer de la capacidad de servicio suficiente causa colas
excesivamente largas en ciertos momentos.
Cuando los clientes tienen que esperar en una cola para recibir el servicio, estn
pagando un costo, en tiempo, ms alto del que esperaban.
Las lneas de espera largas tambin son costosas por tanto para la empresa ya
que producen prdida de prestigio y prdida de clientes. La teora de las colas en
si no resuelve directamente el problema, pero contribuye con la informacin vital
que se requiere para tomar las decisiones concernientes prediciendo algunas
caractersticas sobre la lnea de espera: probabilidad de que se formen, el tiempo
de espera promedio.
Pero si utilizamos el concepto de "clientes internos" en la organizacin de la
empresa, asocindolo a la teora de las colas, nos estaremos aproximando al
modelo de organizacin empresarial "just in time" en el que se trata de minimizar
el costo asociado a la ociosidad de recursos en la cadena productiva.

100

SUGERENCIAS PARA ADMINISTRAR LAS LNEAS DE ESPERA


1. Determinar un tiempo de espera aceptable para los clientes.
Cunto tiempo creen los clientes que debern esperar? Establecer objetivos
operacionales con base en lo que es aceptable.
2. Tratar de desviar la atencin de los clientes cuando esperan.
Si se proporciona msica, un video u alguna otra forma de entretenimiento, puede ayudar
a distraer a los clientes del hecho de que se les hace esperar.
3. Informar a los clientes qu tiempo deben esperar.
Esto es especialmente importante cuando el tiempo de espera es ms largo de lo normal.
Informar por qu el tiempo de espera se prolonga ms de lo normal y qu es lo que se
esta haciendo para aligerar la espera.
4. Mantener fuera de la vista de los clientes a los empleados que no los estn
atendiendo.
Nada es ms frustrante para quien espera en una lnea que ver a los empleados que
potencialmente podran estar atendindolos trabajando en otras actividades.
5. Segmentar a los clientes.
Si un grupo de clientes necesita algo que puede hacerse con mayor rapidez, crear una
lnea especial, de manera que no tengan que esperar a causa de los clientes ms lentos.
6. Capacitar a sus servidores para que sean cordiales.
Saludar al cliente por su nombre, o bien proporcionarle alguna otra atencin especial,
puede para vencer los sentimientos negativos de una larga espera. (Sugerencia: en vez
de decir a los servidores simplemente que sean cordiales, los psiclogos sugieren que se
les diga cundo deben recurrir a acciones cordiales especficas, como sonrer cuando
saludan al cliente, cuando toman pedidos y al dar el cambio en una tienda. Las pruebas
que se han hecho utilizando esas conductas especficas demostraron incrementos significativos en la percepcin del cliente respecto de la actitud amistosa de los servidores.)
7. Animar a los clientes para acudir durante periodos de poca actividad. Informar a los
clientes cules son los horarios en los que por lo comn no tienen que esperar. Tambin
indicarles cules son los perodos pico; esto puede ayudar a mitigar la carga.
8. Tener la perspectiva a largo plazo de deshacerse de las lneas de espera.
Desarrollar planes para formas alternativas de atencin a sus clientes. Cuando sea
apropiado, desarrollar planes para automatizar o acelerar de alguna manera el proceso.
Esto no quiere decir que usted deba eliminar la atencin personal, pues para algunos
clientes sta es deseable.

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

Das könnte Ihnen auch gefallen