Beruflich Dokumente
Kultur Dokumente
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
El proceso entre llegadas: El proceso entre de entrada se denomina por lo regular, proceso de
llegadas. Las llegadas se llaman clientes. En todos los modelos que se estudian se supone que no
ms de una llegada ocurre en un instante dado. En el caso de un restaurante es una suposicin
irreal. Si hay ms de una llegada en un instante dado se dice que se permiten las llegadas en masa.
Las llegadas pueden ser:
Personas
Automviles
Maquinas que requieren reparacin, etc.
Se supone por lo comn que el nmero de clientes presentes en el sistema no afecta el proceso de
llegadas. Hay dos situaciones comunes en las cuales el proceso de llegadas podra depender de la
cantidad de clientes presentes. La primera se presenta cuando se extrae de una pequea
poblacin su ponga que hay solo cuatro barcos en un astillero, si los cuatro barcos estn en
reparacin entonces ningn barco puede estropearse en un futuro cercano, por otro lado silos
cuatro barcos estn navegando existe una probabilidad muy alta de una descompostura en un
futuro cercano. Los modelos en los cuales las llegadas se toman de una pequea poblacin reciben
el nombre de modelos de origen finito.
Otra situacin en la cual el proceso de llegadas depende de la cantidad de clientes presentes
ocurre cuando la razn a la cual llegan los clientes a cierta instalacin disminuye cuando esta est
llena.
El nmero esperado de llegadas por unidad de tiempo se llama tasa media de llegadas (). El
tiempo esperado entre llegadas es 1/. Adems es necesario estimar la distribucin de
probabilidad de los tiempos entre llegadas, generalmente se supone una distribucin exponencial,
esto depende del comportamiento de las llegadas. La distribucin exponencial supone una mayor
probabilidad para tiempos entre llegadas pequeos, en general se considera que las llegadas son
aleatorias, la ltima llegada no influye en la probabilidad de llegada de la siguiente.
Servicio: El servicio puede ser brindado por un servidor o por servidores mltiples, el tiempo de
servicio vara de cliente a cliente, el tiempo esperado de servicio depende de la tasa media de
servicio ().El tiempo esperado de servicio equivale a 1/. Para representar todo lo mencionado
aqu se encuentran unos modelos bsicos de los sistemas de colas.
La cola: El nmero de clientes en la cola es el nmero de clientes que esperan el servicio, el
nmero de clientes en el sistema es el nmero de clientes que esperan en la cola ms el nmero
de clientes que actualmente reciben el servicio. La capacidad de la cola es el nmero mximo de
clientes que pueden estar en la cola, generalmente se supone que la cola es infinita, aunque
tambin la cola puede ser finita.
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
4.1.2 N servidores, una cola.
Una lnea de espera con canales mltiples consiste en dos o ms canales deservicio que se supone
son idnticos desde el punto de vista de su capacidad. En el sistema de canales mltiples, las
unidades que llegan esperan en una sola lnea y luego pasan al primer canal disponible para ser
servidas. La operacin de un solo canal de Burger Dome puede expandirse a un sistema de dos
canales al abrir un segundo canal de servicio.
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
TERMINOLOGA NOTACIN LNEAS DE ESPERA
Notacion kendall-lee. Esta notacin sirve para etiquetar o nombrar a los diferentes modelos de
lneas de espera que se pueden tener. La notacin consta de 6 nmeros de la forma siguiente:
a/b/c/d/e/f
Donde los smbolos representan lo siguiente:
a = La distribucin de tiempo entre llegadas.
b = La distribucin de tiempo de servicio.
c = El nmero de servidores en paralelo.
d = Tipo de disciplina en el servicio (FCFS, LCFS, SIRO, PRIORIDAD)
e = Nmero mximo admitido en el sistema (lnea de espera + en servicio).
f = Tamao de la poblacin de donde se extrae los clientes.
Para reemplazar a los smbolos a y b se usan las siguientes iniciales:
M = Cuando el tiempo de llegada o servicio tiene una distribucin exponencial entrada o salida de
Poisson (o Markoviana).
D= Cuando el tiempo de llegada o servicio es determinista.
Ek = Cuando el tiempo de llegada o servicio tiene una distribucin de Erlangs con parmetro K.
G = Cuando el tiempo de llegada o servicio tiene una distribucin general (cualquier distribucin
arbitraria).
Como observamos los elementos bsicos para crear un modelo de lnea de espera, depender de
los siguientes factores:
4.2 Criterios bajo la distribucin de Poisson y Exponencial para la seleccin del modelo
apropiado de lneas de espera.
La distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos
durante cierto periodo de tiempo.
Propiedades.
La funcin de masa de la distribucin de Poisson es:
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
Dnde:
K es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que
el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio
4 veces por minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un
intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40.
e es la base de los logaritmos naturales (e = 2,71828...) Tanto el valor esperado como la
varianza de una variable aleatoria con distribucin de Poisson son iguales a .
Los momentos de orden superior son polinomios de Touchard en cuyos coeficientes tienen una
interpretacin combinatoria. De hecho, cuando el valor esperado de la distribucin de Poisson es
1, entonces segn la frmula de Dobinski, el n-simo momento iguala al nmero de particiones de
tamao n. La moda de una variable aleatoria de distribucin de Poisson con un no entero es
igual a, el mayor de los enteros menores que (los smbolos representan la funcin parte entera).
Cuando es un entero positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor esperado es:
Intervalo de confianza
Un criterio fcil y rpido para calcular un intervalo de confianza aproximada de , se propone en
Guerriero (2012). Dada una serie de eventos k (al menos el 15 -20) en un periodo de tiempo T, los
lmites del intervalo de confianza para la frecuencia vienen dadas por:
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson independientes es otra variable aleatoria de Poisson
cuyo parmetro es la suma de los parmetros de las originales. Dicho de otra manera, si:
~ ( ), = 1, ,
Son N variables aleatorias de poisson independientes entonces
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
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. La teora de colas requiere de un estudio matemtico del comportamiento de
lneas de espera.
Estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio al "servidor", el
cual tiene cierta capacidad de atencin. Si el servidor no est disponible inmediatamente y el
cliente decide esperar, entonces se forma en la "lnea de espera".
Objetivos de la teora de colas
Dada la funcin de costes anterior, los objetivos de la teora de colas consisten en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el coste global del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la capacidad del sistema
tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones cuantitativas de costes y
las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en la cola: la paciencia de
los clientes depende del tipo de servicio especfico considerado y eso puede hacer que un cliente
abandone el sistema.
4.4 Inferencia de resultados.
Inferencia es la accin y efecto de inferir (deducir algo, sacar una consecuencia de otra cosa,
conducir a un resultado). La inferencia surge a partir de una evaluacin mental entre distintas
expresiones que, al ser relacionadas como abstracciones, permiten trazar una implicacin lgica.
Al partir de hiptesis o argumentos, es posible inferir una conclusin (que puede resultar
verdadera o falsa). Por ejemplo: Todava no recib la confirmacin oficial por parte de la empresa,
lo que te digo es slo una inferencia ma, Cada vez que juega la seleccin, Mariana falta al
trabajo: mi inferencia es que maana vamos a estar solos en la oficina, No podemos guiarnos
por inferencias, sino que tenemos que aguardar a que los sucesos se confirmen antes de tomar
una decisin.
El silogismo es una forma esencial de inferencia. Se trata de una forma de razonamiento deductivo
que se forma por dos proposiciones (premisas) y una conclusin. Esta conclusin es la inferencia
que necesariamente se deduce de las dos premisas.
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
La veracidad de la conclusin depender de las leyes que regulan la relacin entre las premisas
comparadas. La garanta de verdad del nuevo juicio es la lgica, que deber establecer distintas
clasificaciones de las premisas.
No todas las inferencias ofrecen conclusiones verdaderas. Es posible afirmar que todos los perros
son animales peludos de cuatro patas, pero no se puede inferir que todos los animales peludos
con cuatro patas son perros.
Las inferencias suelen generarse a partir de un anlisis de caractersticas y probabilidades. Si
alguien hace referencia a un animal de cuatro patas, peludo y que mueve la cola, puedo inferir que
lo ms probable es que est haciendo referencia a un perro.
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
EJERCICIOS SISTEMA DE COLA (M/M/1)
1. El escritor de referencias de una biblioteca universitaria recibe solicitudes de ayuda.
Suponga que pueden usarse una distribucin de probabilidad de poisson con una tasa
media de 10 solicitudes por hora para describir el patrn de llegada y que los tiempos tasa
media de 12 solicitudes por hora.
a. Cul es la probabilidad de que no haya solicitudes de ayuda en el sistema?
b. Cul es la cantidad promedio de solicitudes que esperaran por el servicio?
c. Cul es el tiempo de espera promedio en minutos antes de que comience el servicio?
d. Cul es el tiempo promedio en el escritorio de referencias en minutos (tiempo de
espera ms tiempo de servicio)?
Solucin:
= 10
= 12
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
EJERCICIOS SISTEMA DE COLA (M/M/K)
1. Considere una lnea de espera con dos canales con llegadas de poisson y tiempos de
servicio exponenciales. La tasa media de llegada es de 14 unidades por hora, y la tasa
media de servicio es de 10 unidades por hora para cada canal.
a. Cul es la probabilidad de que no haya unidades en el sistema?
b. Cul es la cantidad de unidades promedio en el sistema?
c. Cul es el tiempo promedio que espera una unidad por servicio?
d. Cul es el tiempo promedio que una unidad est en el sistema?
e. Cul es la probabilidad de tener que esperar por el servicio?
Solucin:
= 14 unidades/hora
= 10 unidades/hora
k=2
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
2.
INVESTIGACIN DE OPERACIONES
UNIDAD 4: LINEAS DE ESPERA
c.