Sie sind auf Seite 1von 32

Teora de Colas o

Modelos de Lneas de Espera

Tal como su nombre lo indica, la teora de colas o modelos de lneas


de espera, estudia las colas o filas que se generan en un estado de espera de
un determinado servicio. Situaciones como stas las vivimos con frecuencia
cuando estamos en un banco intentando cobrar un cheque, pagar una cuenta,
esperando un peaje, comprar los boletos para entrar a un cine, haciendo fila en
un restaurante de comida rpida, etc. La experiencia nos

el desagrado que resulta el esperar ms tiempo del que tenemos presupuestado


para estos trmites. En calidad de clientes esperamos, adems, que se nos
entregue un servicio rpido y oportuno. Con frecuencia nos sentimos incmodos
al ver que la fila no avanza, nos tentamos a desertar de ella y pensamos en
volver cuando la cola est ms corta.
La formacin de colas o lneas de espera es un fenmeno comn que
ocurre siempre que la demanda de un servicio excede a la capacidad de
proporcionarlo, de tal modo que, con frecuencia, deben tomarse decisiones
respecto de cmo mejorar dicho servicio. En general, cuando estamos en una
cola, cualesquiera que sta sea, aquellos que prestan el servicio lo realizan en
un tiempo absolutamente aleatorio. De lo dicho se desprende que una cola se
caracteriza por un flujo de clientes que llegan a una instalacin de servicio y en
la cual se debe esperar un tiempo, difcil de precisar, antes de ser atendido. Es
claro quela formacin de una cola tiene un costo para aquellos que prestan el
servicio. Los costos asociados a este fenmeno pueden ser de tipo econmico,
por la prdida de clientes, o de tipo social, por la prdida de imagen o de
prestigio cuando se espera demasiado tiempo en la cola, cuestiones ambas que
finalmente se traducen en costos econmicos.
La Teora de Colas o de Lnea de Espera ayuda a entregar
informacin que permite predecir el comportamiento de las colas y as,
entonces, tomar las decisiones que permiten un equilibrio entre los costos

econmicos y un buen servicio al cliente. Los modelos que se construyen con


esta teora permiten describir una gran variedad de situaciones en las cuales
existen colas o lneas de espera.
Estructura bsica de un sistema de colas
La estructura de un modelo bsico de colas consta
fundamentalmente de los clientes que se van incorporando a la cola en un
determinado intervalo de tiempo y de una instalacin que presta un servicio a
dichos clientes. Si en un instante cualquiera un miembro de la cola es
seleccionado para darle el servicio, la regla mediante la cual se lo elige para
prestarle el servicio se llama disciplina de la cola o disciplina del servicio. La
disciplina de la cola que la mayora de nosotros ha experimentado es, primero
en llegar, primero enser atendido, es decir, los clientes son atendidos en
estricto orden de llegada. Sin embargo, podran darse otras disciplinas en un
sistema de colas. Por ejemplo, la cola que se forma cuando un individuo espera
un donante de rgano para ser transplantado, es diferente. La persona, sujeto
del transplante, se elige slo si rene determinadas condiciones de
compatibilidad con el rgano que ser transplantado. Despus que el cliente ha
sido atendido, cualesquiera que sea la disciplina que se haya elegido, ste sale
del sistema de colas.
Con frecuencia es necesario identificar el nmero total de clientes
potenciales que podran requerir un determinado servicio. Este nmero
potencial de clientes se llama usualmente Tamao de la Poblacin, que puede
ser finito o infinito. De esta poblacin, finita o infinita, surgen los clientes que
llegan a nuestra cola. En general, los clculos son ms sencillos si suponemos
que el tamao de la cola es finita, por tal motivo, a menos que se diga lo
contrario, trataremos colas finitas.
Nuestra experiencia nos muestra que los clientes se van
incorporando a la cola aleatoriamente, es decir, resulta imposible predecir en
qu instante se unir un nuevo individuo a ella. Esto nos sugiere la siguiente
pregunta: Existe un patrn estadstico mediante el cual se pueda predecir la
incorporacin de clientes a una cola en un determinado lapso de tiempo, en que,
adems, la llegada de uno es independiente de la llegada de otro?, Es
responsable predecir exactamente el momento en que un nuevo sujeto se
incorporar a ella? Hay que decir que cualquier modelo que consideremos para
2

intentar resolver este problema no lo har exactamente. Sin embargo, se ha


hallado que la funcin Distribucin de Probabilidad de Poisson describe
bastante acertadamente, el patrn de llegadas de clientes a una determinada
cola, sin importar cuantos clientes haya en la cola. Esta funcin permite
estimar la probabilidad de que hasta n personas lleguen a la cola en un cierto
tiempo. Dicha funcin tiene la forma siguiente:
P( X x)

x e
, x 0,1,2,....
x!

donde X = Nmero de llegadas en el perodo o intervalo de tiempo, y


Nmero promedio de llegadas en el intervalo de tiempo.

Observamos que para aplicar esta funcin debemos haber estimado


previamente la tasa de promedio de llegadas por perodo; por ejemplo, en
una hora, un da, etc. Cuando se estudia una cola este clculo debe hacerse
experimentalmente, esto es, se debe observar la cola y calcular una tasa
promedio de llegadas. Por ejemplo, la tasa promedio de arribo de una cola del
Banco Santander de los das lunes entre las 9:30 y las 10:30 horas fue de 30
30
personas por hora en promedio, esto es, = =0,5 . Es decir, arriban a la
60
cola un promedio de 0,5 personas por minuto.
Si usamos la funcin de probabilidad de Poisson para calcular la
probabilidad de llegadas en el transcurso de 1 minuto, escribimos
P( X x)

0.5 x e 0.5
0,5
, x 0,1,2,....
0,5 e
P( )=
x!
!

=0,1,2,3,4,5

Las siguientes son las probabilidades de que lleguen 0, 1, 2, 3, 4, 5


personas en el lapso de 1 minuto.
0,50 e0,5 0,5
P ( 0 )=
=e =0,6065 P ( X 0)
0!

0.5 0 e 0.5
e 0.5 0.6065
0!
.

probabilidad de que no haya llegadas en 1 minuto.

Es

la

0,5 1 e0,5
P (1 ) =
=0,5 ( e0,5 ) =0,3032 P( X 1)
1!

0.51 e 0.5
0.5 e 0.5 0.3032
1!
.

Es

la

0.5 2 e 0.5
0.125 e 0.5 0.0758
2!
.

Es

probabilidad de que llegue 1 cliente en 1 minuto.

0,52 e0,5 (
P ( 2 )=
= 0,125 ) ( e0,5 ) =0,0758 P( X 2)
2!

la probabilidad de que lleguen 2 clientes en 1 minuto.

0,53 e0,5 (
P ( 3 )=
= 0,020 ) ( e0,5 ) =0,0126 P ( X 3)
3!

0.53 e 0.5
0.020 e 0.5 0.0126
3!
.

Es

la probabilidad de que lleguen 3 clientes en 1 minuto.

0.5 4 e 0.5
0.0026 e 0.5 0.0015
40!
. Es la probabilidad de que lleguen 4
personas en 1 minuto.
P ( X 4)

0.55 e 0.5
0.0002 e 0.5 0.0001
5!
. Es la probabilidad de que lleguen 5
clientes en 1 minuto.
P ( X 5)

Notemos que la probabilidad de que lleguen ms clientes por minuto disminuye


drsticamente, puesto que el promedio de llegadas por minuto es apenas 0,5
clientes. Observe que P(X=0) + P(X=1) + . + P(X=5) es prcticamente igual a la
unidad.

Caso Banco Santander


El Banco Santander estudia la posibilidad de poner en operacin una
ventanilla, para clientes automovilistas, que deseen realizar operaciones tales
como depsitos, cambio de cheques, pago de cuentas, etc. sin que stos se

bajen de sus vehculos. Una primera experiencia mostr que las llegadas al azar
de los clientes, fue de 24 clientes por hora. Los ejecutivos del Banco necesitan
saber: (a) Cul podra ser la llegada promedio de clientes en un lapso de 20
minutos? (b) Cul es la probabilidad de que lleguen 0, 1, 2, 3 clientes en un
promedio de 5 minutos? (c) Se espera tener problemas de demora si llegan ms
de 3 clientes en un perodo de 5 minutos, cul es la probabilidad de que esto
ocurra?
(a) Observemos que en promedio llegan 24 clientes cada 60 minutos,
24
=0,4 clientes por minuto. De esto se
en consecuencia estn llegando
60
desprende que, en promedio, llegan 8 clientes en 20 minutos. (b) De la situacin
anterior se desprende que cada 5 minutos estn llegando 2 clientes. En
consecuencia, el promedio de llegada cada 5 minutos es 2, esto es =2 . Si
suponemos que las llegadas son de tipo funcin de probabilidad de Poisson,
entonces tendremos que:
(1) La probabilidad de que no lleguen clientes en 5 minutos es:
2 0 e 2
P ( X 0)
e 2 0.1353
0!
(2) La probabilidad que llegue 1 cliente en 5 minutos es:
P ( X 1)

21 e 2
2 e 2 2 0.1353 0.2706
1!

(3) La probabilidad que lleguen 2 clientes en 5 minutos es:


P ( X 2)

2 2 e 2
2 e 2 2 0.1353 0.2706
2!

(4) La probabilidad que lleguen 3 clientes en 5 minutos es:


P ( X 3)

2 3 e 2
1.3333 e 2 1.3333 0.1353 0.1803
3!

Distribucin del tiempo de servicio


Cuando alguien, por ejemplo hace la cola en un banco, el tiempo de
servicio empieza en el momento en que el cliente inicia una determinada
operacin frente al cajero y termina cuando el cliente se retira de la caja. La
experiencia muestra que el tiempo que demora una operacin de cobro de
cheque, de depsito, de efectuar un pago cualquiera, vara de cliente en cliente
y de cajero en cajero. No escapa al lector que estos tiempos tambin son
aleatorios y debemos preguntarnos, tambin, si existe alguna funcin que
modele el tiempo de servicio de cualquier operacin en un sistema de colas. Se
ha determinado que la Distribucin de Probabilidad Exponencial da una muy
buena aproximacin para predecir los tiempos de servicio. Si la distribucin de
probabilidad de los tiempos de servicio es exponencial, la probabilidad de que
el tiempo de servicio sea menor o igual a un tiempo t est dada por:
P (tiempo de servicio t )=1et
En donde = al nmero de clientes que pueden ser atendidos en un cierto
intervalo de tiempo.
En el caso de la atencin a los automovilistas del Banco Santander, si
suponemos que el tiempo de servicio promedio es de 20 clientes por hora, esto
20 1
es, de = = =0,3333 clientes por minuto, resulta que las probabilidades
60 3
de que un cliente pueda ser atendido, en 1 minuto, 2 minutos, 3 minutos, 10
minutos son respectivamente.
P (tiempo de servicio 01 )=1e0,3333=10,7165=0,2835
0,6666
P (tiempo de servicio 02 )=1e
=10,5134=0,4866

P (tiempo de servicio 03 ) =1e0,9999 =10,3679=0,6321


3,3333

P (tiempo de servicio 10 )=1e

=10,3556=0,9643

De estos clculos se desprende que la probabilidad que un cliente sea


atendido antes de 1 minuto, o en 1 minuto, es de 0,2835; probabilidad bastante
baja, pero de acuerdo con el hecho de que en promedio se atiende 0,3333
clientes por minuto. Observemos que la probabilidad de que un cliente sea
atendido en 3 minutos, o en menos de tres minutos, es bastante alta, cuestin
que est de acuerdo con el hecho de que se atiende a un cliente cada 3
minutos. Y la probabilidad de que sea atendido en 10 minutos es prcticamente
100 por ciento.
En todos los lugares donde se forma comnmente una cola, en los
primeros momentos no hay clientes, el canal donde se presta el servicio est
vaco, no ha llegado nadie. A este lapso inicial de tiempo se le llama Perodo de
Transicin. En general, los modelos de lnea de espera modelan fenmenos de
cola en una situacin de estabilidad.
Imaginemos que los tiempos de servicio de la caja del Banco
Santander, que presta servicio a los automovilistas, siguen una distribucin del
tipo exponencial, con una tasa promedio de servicio de 36 clientes pro hora,
36 3
esto es = = =0,6 clientes por minuto. (a) Cul es la probabilidad de
60 6
que el tiempo de servicio sea de 1 minuto o menos? (b) Cul es la probabilidad
de que el tiempo de servicio sea de 2 minutos o menos?
Recordemos que si la probabilidad de los tiempos de servicio es de
tipo exponencial, entonces, P (tiempo de servicio t )=1et , en consecuencia, la
probabilidad de que el tiempo de servicio para los automovilistas sea de 1
minuto o menos es:
P (tiempo de servicio 1 )=1e0,6 =10,5488=0,4512

La probabilidad de que el tiempo de servicio para los automovilistas


sea de 2 minutos o menos es:
P (tiempo de servicio 2 )=1e1,2 =10,3012=0,6988

En lo que sigue, analizaremos con mayor detalle un sistema de lneas de espera


con un solo canal, es decir, de una instalacin que tiene una nica ventana de
servicio con llegada tipo distribucin de Poisson, tiempo de servicio tipo
distribucin de probabilidad exponencial y disciplina; primero en llegar, primero
en ser atendido. La figura (1) muestra una situacin de esta naturaleza.

Modelo de colas de un solo canal


Con llegada: Distribucin de probabilidad tipo Poisson.
Tiempo de servicio: Distribucin de probabilidad exponencial.
Disciplina: Primero en llegar, primero en ser atendido.
Debemos decir que, en este modelo, cada cliente recibe el servicio
de un mismo servidor despus de esperar en la cola. La fuente de entrada
genera clientes (unidades) que no necesariamente pueden ser personas. En
muchos casos pueden ser mquinas esperando ser usadas, camiones esperando
ser cargados, vehculos esperando ser reparados, artefactos que esperan ser
fabricados, vehculos esperando frente a un semforo, etc.
Una cuestin importante de sealar es que, a menos que se
especifique lo contrario, en este modelo, supondremos que un cliente que entra
a la cola, no la abandona hasta que ha sido servido.
8

solo canal

Caractersticas de operacin de una cola, o lnea de espera, de un

En lo que sigue analizaremos la notacin y las relaciones que se


generan en un sistema de colas que se encuentra en un estado estable. En
primer lugar, los parmetros = nmero promedio de llegadas por perodo
(tasa promedio de llegadas, calculada experimentalmente), y = nmero
promedio de servicio por perodo (tasa promedio de servicio, calculada
experimentalmente), son componentes esenciales en la determinacin de las

caractersticas de operacin de una lnea de espera. Observemos que


es

la relacin entre el nmero promedio de llegadas y el nmero promedio de

1 , significa que las llegadas se presentan con


servicio. Notemos que si

una tasa mayor de la que el servicio puede atender. En esta situacin la


longitud dela cola crece indefinidamente y el sistema deja de ser estable. En

<1 , el sistema se mantiene estable.


cambio si

No es de nuestro inters demostrar las relaciones probabilsticas


que se generan en una lnea de espera con un solo canal con llegadas de Poisson
y tiempos de servicio exponenciales de tal modo que, a continuacin las
describiremos y las analizaremos con algunos ejemplos. Dichas relaciones son
las siguientes:
1)

Po=1

,Es la probabilidad que no vaya clientes (unidades) en el

sistema.
2)

L q=

2
, Es el promedio de clientes (unidades) en la lnea de
( )

espera.
3)

L=Lq +

4)

W q=

de espera.

, Es el promedio de clientes (unidades) en el sistema.

Lq
, Es el tiempo promedio que un cliente (unidad) pasa en la lnea

10

5)

W =W q +

1
, Es el tiempo promedio que un cliente (unidad) pasa en el

sistema.
6)

Pwq =

Pw

, Es el factor de utilizacin del sistema (mide la

intensidad de trfico del sistema). Es tambin el porcentaje de clientes que


tiene que esperar para ser atendido.

7)

P n=
P Pn
o

()


P0

, Es la probabilidad de que haya n clientes

(unidades) en el sistema.
Imaginemos, ahora, que la tasa promedio de llegadas al Banco
Santander, los das lunes entre las 9:30 y las 10:30 es de 45 clientes por hora,
45
esto es, = =0,75 : Es decir, un promedio de 0,75 personas por minuto, y
60
una tasa de servicio de =1 clientes por minutos. Puesto que se cumple la
condicin de que > , podemos aplicar las relaciones descritas para un
sistema de colas de un solo canal. En efecto:

1) La probabilidad de que no haya clientes en el sistema es 0,25, en efecto:

0,75
P0=1 =1
=0,25

2) El promedio de clientes en la lnea de espera es 2,25, en efecto:


2

Lq =

0,75
=
=2,25
() 1(10,75)

3) El promedio de clientes en el sistema es 3, en efecto:

0,75
L=Lq + =2,25+
=3

1
11

4) El tiempo promedio que un cliente pasa en la lnea de espera es de 3


minutos, en efecto:
L 2,25
W q= q =
=3
0,75

5) El tiempo promedio que un cliente pasa en el sistema es de 4 minutos, en


efecto:
1
1
W =W q + =3+ =4

1
6) El factor de utilizacin del sistema es 0,75, en efecto:
0,75
Pw = =
=0,75

1
7) Las probabilidades de que hayan por ejemplo, 9 clientes, o menos, en el
sistema, estn dadas por la tabla siguiente:
Nmero de
clientes
0
1
2
3
4
5
6
7
8
9

Probabilidad
0,2500
0,1875
0,1406
0,1055
0,0791
0,0593
0,0445
0,0333
0,0250
0,0817

Un anlisis de estos resultados nos sugiere los siguientes


comentarios. Observemos que cada cliente espera un promedio de 3 minutos
antes de llegar al cajero, cuestin que habla bien de la atencin de dicho Banco.
Por otra parte, si en promedio hay solamente 3 clientes en el sistema y el
tiempo promedio que cada uno de ellos pasa en l es de 4 minutos, ir al banco a

12

las 9:00 de la maana es una muy buena hora. Por otra parte, puesto que el 75%
de los clientes tienen que esperar para obtener el servicio, teniendo en cuenta
que solamente 2,25 clientes esperan en la cola, resulta que el trfico de
clientes es bastante rpido. Observemos, adems, que la probabilidad de que
haya 3 clientes en la cola es apenas de 0,1055, bastante baja. En suma, el
Banco Santander, no tiene problemas de cola los das lunes entre las 9:30 y las
10:30 horas.
Utilizaremos estas mismas relaciones para estudiar las
caractersticas de operacin del sistema de colas para los automovilistas que
24 2
realizan sus operaciones por hora, esto es, = = =0,4 clientes por
60 6
minuto. Y la tasa de servicio es de 36 clientes por hora, es decir,
36 6
24 2
= = =0,6 . En consecuencia
= = =0,6666. Por lo tanto:
60 5
36 3

P0=1 =10,6666=0,3334 :

en el sistema.
(1)

Es la probabilidad de que no haya clientes

(0,4)
2
0,16
=
=
=0,4444 : Es el promedio de clientes que
() 0,6 (10,4 ) 0,36
esperan en la cola.

(3) L=Lq + =0,4444+ 0,6666=1,1111 : Es el nmero promedio de clientes

que espera en el sistema.


(2)

Lq=

Lq 0,4444
=
=1,1111: Es el tiempo promedio, en minutos, que el
0,4000
cliente pasa en la cola.
1
1
=1,711 : Es el tiempo promedio, en minutos,
(5) W =W q + =1,111+

0,6666
que el cliente pasa en el sistema.
(4)

W q=

Pw = =0,6666. Es el factor de utilizacin del sistema (probabilidad de

los clientes que tienen que esperar para obtener servicio).


(7) Las probabilidades de que hayan, por ejemplo, 0, 1, 2, 3 clientes en el
sistema estn dadas por la tabla siguiente:
(6)

Nmero de

Probabilidad
13

clientes
0
1
2
3

0,2500
0,1666
0,1111
0,0740

Un anlisis de estos resultados nos muestra que, de establecerse el


sistema de atencin de clientes en automviles sin bajarse de l, con la tasa de
llegada y de servicios calculadas, ser bienvenido por los clientes del Banco.
Basta observar, solamente, que el tiempo promedio que un cliente pasa en la
cola, es algo ms de 1 minuto. Sin embargo, podra ocurrir que cuando los
clientes se percaten de la magnfica atencin a los automovilistas, la cola
aumente significativamente y por lo tanto aumentar el tiempo de espera en el
sistema. Sera interesante simular las mismas operaciones con una tasa de
llegada algo mayor.

Modelo de colas de canales mltiples


Con llegada: Distribucin de probabilidad tipo Poisson.
Tiempo de servicio: Distribucin de probabilidad tipo exponencial.
Disciplina: Primero en llegar, primero en ser atendido.
En lo que sigue analizaremos los modelos de lneas de espera de
canales mltiples con llegadas de distribucin tipo Poisson y tiempos de
servicio tipo distribucin exponencial. Una lnea de espera de esta naturaleza
consta de dos o ms canales con idnticas capacidades de servicio. Cuando
estamos e una cola de esta naturaleza, hemos observado que los clientes
(unidades) llegan a una sola cola y despus pasan al primer canal disponible para
ser atendidos. La figura siguiente muestra una situacin de esta naturaleza.
Conviene insistir en que la tasa promedio de servicio es la misma para todos
los canales y la disciplina de la cola es primero en llegar, primero en ser
atendido. Usaremos la misma notacin que para el modelo anterior, esto es:
= Tasa promedio de llegadas para el sistema.
= Tasa promedio de servicio para cada canal.
= Nmero de canales.

14

Figura 0.2

Caractersticas de operacin de una cola, o lnea de espera, de


canales mltiples.
Puesto que es la tasa promedio de servicio para cada canal,
entonces, es la tasa promedio para el sistema de canales. Lo mismo que
antes, las relaciones con las cuales trabajaremos ms adelante tienen sentido

<1 , esto es, si > . De acuerdo a lo dicho, tenemos que:


slo si

(1) La probabilidad que no hayan clientes en el sistema es:


P0

1
( / ) ( / ) k

n!
k!
i 1
k 1

k
k

(2) El nmero promedio de clientes en la lnea de espera es:

/
P
2 0
k 1 ! k
k

Lq

(3) El nmero promedio de clientes en el sistema es:


L=Lq +

15

(4) El tiempo promedio que un cliente pasa en la lnea de espera es:


Lq
Wq

(5) El tiempo promedio que un cliente pasa en el sistema es:


W =W q +

(6) El porcentaje de clientes que tiene que esperar para ser


atendidos es:
1
Pw =
k!

( ) (
)P

(7) La probabilidad de que haya n clientes en el sistema es:



Pn=
P 0 , para y P =
P 0 , para >
!
! ( )

()

()

En caso del Restaurante Tip Top de comida rpida


Los administradores del Restaurante Tip Top de comida rpida, que
tiene un sistema de servicio de un solo canal, tienen problemas con la atencin
de sus clientes. En las ltimas semanas, han recibido quejas relacionadas con el
tiempo que esperan en la cola antes de ser atendidos. Hallaron que la tasa
promedio de clientes que se incorporan a la cola es de 45 clientes por hora,
45
esto es, una tasa promedio de arribos de 0,75 clientes por minuto. La
60
tasa promedio de servicio result ser de 1 cliente por minuto, esto es, =1.
Con estos datos las caractersticas de operacin de la cola resultaron ser las
siguientes:

16

efecto

1) La probabilidad de que no haya clientes en el sistema es 0,25, en

0,75
P0=1 =1
=0,25

1
2) El promedio de clientes en la lnea de espera es 2,25, en efecto:
2

Lq =

0,75
=
=2,25
() 1(10,75)

3) El promedio de clientes en el sistema es 3, en efecto:

0,75
L=Lq + =2,25+
=3

1
4) El tiempo promedio que un cliente pasa en la lnea de espera es de
3 minutos, en efecto:
W q=

Lq 2,25
=
=3
0,75

5) El tiempo promedio que un cliente pasa en el sistema es de 4


minutos, en efecto:
1
1
W =W q + =3+ =4

1
6) El factor de utilizacin del sistema es 0,75, en efecto:
0,75
Pw = =
=0,75

1
Estos datos nos sugieren el siguiente comentario: Los clientes
esperan un promedio de 3 minutos antes de formular su pedido, y no
permanecen ms de 4 minutos en el sistema, tiempos que no parecen
demasiado, pero que, sin embargo, para ser un restaurante de comida rpida, a
los clientes, 4 minutos le parecen mucho tiempo. Los administradores admiten
que debera hacerse algo para mejorar el servicio y deciden ampliar la
operacin de un solo canal a un sistema de dos canales.

17

Los siguientes son los supuestos para esta situacin: (a) La lnea de
espera tendr dos canales. (b) El patrn de llegadas sigue una distribucin de
probabilidad tipo Poisson. (c) El tiempo de servicio para cada canal sigue una
distribucin de probabilidad exponencial. (d) La tasa promedio de servicio es
la misma para cada uno de los canales. (e) Los clientes que llegan aguardan en
una sola cola y despus pasan al primer canal que est disponible. (f). La
disciplina de la cola es primero en llegar, primero en ser atendido.
Puesto que es la tasa promedio de servicio para cada canal,
entonces, es la tasa promedio de servicio para el sistema de canales
mltiples. Recordemos que las relaciones anteriores son aplicables siempre que
sea mayor que , cuestin que en este caso se cumple: =2> =0,75.
Tenemos entonces que:
(1) La probabilidad de que no haya clientes en el sistema es:

1
k 1
( / ) ( / ) k

n!
k!
i 1

P0

k
El lector debe observar que la sumatoria del denominador se aplica
( / )
solamente a
. Los clculos son los siguientes:
!
1

n0

n!

0.75
n!

n0

1 0.75

1.75
0! 1!

Por otra parte:


0,752
2
0,5625 2
=
=
=0,4500
!
2! 20,75
2 1,25

()

Luego:
P 0=

1
1
=
=0,4545

1,75+
0,45

+
!
!

() ()

18

En consecuencia la probabilidad de que no haya clientes en el sistema


es 0,4545.
(2) El nmero promedio de clientes en la lnea de espera es:

Lq =

0,75 2 (
0,75 )( 1 )
1

( )

( / )
( 0,4545 )=0,1227 clientes
P 0=
2
( 1 ) ! ( )2
( 21 ) ! [ 2 ( 1 )0,75 ]

(3) El promedio de clientes en el sistema es:

0,75
L=Lq =0,1227+
=0,8727 clientes

1
(4) El tiempo promedio que un cliente pasa en la lnea de espera es:
W q=

Lq 0,1227
=
=0,16 minutos

0,75

(5) El tiempo promedio que un cliente pasa en el sistema es:

1
W W q + =0,16+ =1,16 minutos

1
(6) Probabilidad de que un cliente que llega, tenga que esperar para
obtener servicio, el factor de utilizacin del sistema es:
P 0=

1
!

( )(

2 (1)
( ) ( 20,75
)( 0,4545 )=0,2045

1 0,75
P=
0 2 ! 1

(7) La probabilidad de que haya hasta 3 clientes en el sistema est


dada en la tabla siguiente:
Nmero de
clientes
0
1
2

Probabilidad
0,4545
0,3400
0,1278

19

0,0479

Un anlisis de estos resultados nos indica lo siguiente:

(1) El tiempo promedio que requiere el cliente desde el momento que


entra a la lnea de espera y el momento en que recibe el pedido, es decir, el
tiempo de espera y el momento en que existe el pedido, es decir, el tiempo de
espera ms el tiempo de servicio, se reduce de W = 4 minutos a W = 1,16
minutos.

(2) La longitud promedio de la cola se reduce de


Lq=0,1227 clientes.

Lq=2,25

clientes

(3) El tiempo promedio que un cliente espera para ser atendido, se


reduce de W q =3 minutos a W q =0,16 minutos.
(4) El porcentaje de clientes que tienen que esperar para ser
atendidos se reduce de Pw =0,75 ( 75 ) a Pw =0,2045 ( 20,45 ) .
En los modelos de lneas de espera de canales mltiples, se supone
que existe una sola cola. Sin embargo es posible hallar, con cierta frecuencia,
lneas de espera de canales mltiples, en que cada canal tiene su propia cola. En
general, se ha podido advertir que los sistemas de canales mltiples son
mejores cuando tienen una nica lnea de espera, esta es la razn del por qu
generalmente las lneas de espera de canales mltiples tienen una sola cola.
El lector habr observado que las caractersticas de operacin que ms
nos ha interesado en el estudio de las lneas de espera son las siguientes:
(1) El nmero promedio de clientes (unidades) en la cola: Lq
(2) El tiempo promedio de clientes (unidades) en el sistema: L
(3) El tiempo promedio que un cliente (unidad) pasa en la cola:
Wq
(4) El tiempo promedio que un cliente (unidad) pasa en el sistema:
W.
En lo que sigue estudiaremos algunas relaciones que se desprenden
de estas caractersticas.
20

Relaciones que se desprenden de los modelos de


lneas de espera
Con frecuencia se denomina Ecuaciones de flujo de Little (en honor
al matemtico John Little) a algunas relaciones que se aplican a diversos
modelos de lnea en Espera. Little hall que las caractersticas de operacin
Lq L , W q y W
pueden relacionarse de manera muy general mediante las
expresiones siguientes:
(1) L=W
(2) Lq= W q
La ecuacin (1) muestra que es posible hallar el nmero promedio L
de clientes (unidades) en el sistema multiplicando la tasa promedio de llegadas
, por el tiempo promedio W que un cliente (unidad) pasa en el sistema.
La ecuacin (2) muestra que se tiene la misma relacin general entre
el nmero promedio de clientes (unidades) en la lnea de espera Lq y el
tiempo promedio W q que una unidad pasa en la lnea de espera.
Lq
, es la

misma ecuacin que utilizamos en los modelos de lnea de espera de un solo


canal y de canales mltiples. De esto se infiere que, una vez que se ha calculado
Lq
para cualesquiera de estos modelos, puede utilizarse la ecuacin
Lq
W q=
para determinar W q .

Observamos que, despejando

Wq

de la ecuacin

W q=

Otra expresin general que se aplica a los modelos de lneas de


espera es la que muestra que el tiempo promedio W q que se pasa en la lnea
de espera, ms el tiempo promedio de servicio. Recordemos que para un
sistema con una tasa promedio de servicio , el tiempo promedio de servicio es
1
1
, de lo cual se desprende que W =W q +
. Recordemos que usamos esta

misma expresin para obtener el tiempo promedio en el sistema, tanto para el


sistema de un solo canal como para el sistema de canales mltiples.

21

La importancia de las ecuaciones de Little radican en que se aplican a


cualquier modelo de lneas de espera independientemente de si las llegadas
siguen o no siguen una distribucin probabilstica de Poisson, e
independientemente de si los tiempos de servicio siguen, o no, una distribucin
exponencial.
En lo que sigue, en el siguiente caso, veremos la ventaja de usar las
ecuaciones de Little, esto es, que es posible determinar W , LW q y Lq para
cualquier lnea de espera, sin importar el tipo de distribucin que sufren las
llegadas, los tiempos de servicio, y el nmero de canales. De hecho, en cuanto
se determina cualesquiera de la cuatro caractersticas de operacin antes
mencionadas, es posible calcular las otras tres. Se trata, entonces, de calcular
primero la caracterstica ms fcil de determinar y, a partir de ella, utilizando
las relaciones bsicas, se pueden hallar fcilmente el resto.

Caso de la casa de prstamo la Ta Rica


Los administradores de la popular casa de prstamos la Ta Rica, de
la ciudad de Santiago, realizaron un estudio de las colas que deban hacer los
clientes hasta esperar ser atendido. Dicho estudio, mostr que las llegadas se
podan describir mediante una distribucin de Poisson, con una tasa
24
promedio de 24 clientes por hora, esto es, = =0,40 clientes por
60
minuto. Se hall, adems, que los tiempos de servicio seguan una distribucin
normal y no una distribucin exponencial. Se encontr que la tasa promedio de
30
servicios era igual a 30 clientes por hora, es decir, = =0,5 clientes por
60
minuto. Finalmente se observ que los clientes esperan, en promedio, 4,5
minutos en el sistema, esto es, el tiempo de espera en la cola ms el tiempo que
se pasa en la caja antes de la salida era de W =45 .
Utilizando las ecuaciones de Little podemos calcular la otras
W q , L y Lq . En
caractersticas de operacin, esto es, podemos calcular
efecto, se ve que en promedio un cliente pasa en la cola.

22

W w=

1
1
=4,5
=2,5 minutos

0,50

Conociendo W y W q se pueden aplicar las ecuaciones de Little (1) y


(2) para calcular W y W q se pueden aplicar las ecuaciones de Little (1) y (2)
para calcular L y Lq . Por lo tanto, se tiene que, en promedio, en el sistema
hay:
L=W =0,40 ( 4,5 )=1,8 clientes
Y, en promedio, en la lnea de espera hay:
Lq=W q=0,40 ( 2,5 ) =1 cliente

Con estos resultados, los administradores de la Ta Rica quedaron


satisfechos ya que mostraron que un promedio de 1 cliente en la lnea de
espera significa una atencin bastante eficiente.
Una pregunta interesante de hacerse se refiere al costo econmico que se
genera cuando queremos modificar una determinada lnea de espera. Con el
objeto de realizar un anlisis econmico de un sistema de lneas de espera,
desarrollaremos un modelo de costo total que incluye el costo de espera y el
costo de ofrecer el servicio.

Costo econmico de un sistema de lneas de espera.


Casto del Restaurante Tip Top
Con cierta frecuencia las decisiones sobre el diseo de una lnea se
espera, como por ejemplo, la definicin acerca del nmero de canales, se basan
en evaluaciones subjetivas de aquellos que las toman. As, por ejemplo, entre
otras consideraciones, un administrador puede decidir que un promedio de 4 o
5 clientes en la cola es razonable para un sistema, cuestin que para otro
administrador, podra sugerirle la necesidad de aumentar el nmero de canales.
En situaciones como estas conviene, antes de tomar la decisin de aumentar o
disminuir los canales, estimar los costos que significara una modificacin de
esta naturaleza. Parece claro, que una mayor cantidad de canales significa una
23

mejor atencin, pero significa tambin un mayor costo en la prestacin del


servicio. Por otra parte, una cola ms larga hace que la gente se desmotive y
cambie de restaurante, cuestin que significa prdida de clientes, y en
consecuencia prdida de ventas para un costo difcil de evaluar. En lo que sigue
intentaremos sugerir soluciones frente a un problema de esta naturaleza.
En las secciones anteriores estudiamos la situacin del Restaurante
Tip Top de comida rpida utilizando los modelos de lneas de espera de un canal
y de dos canales. Los siguientes son los conceptos que surgen cuando
realizamos un anlisis econmico de las lneas de espera.
(a) C w = Costo de espera, por perodo, de cada cliente (unidad).
(b) L = Nmero promedio de clientes (unidades) en el sistema.
(c) C s = Costo de Servicios, por perodo, para cada canal.
(d) = Nmero de canales.
(e) TC = Costo total por perodo = C w L+C s k
De acuerdo a los conceptos descritos desde (a) hasta (e) nos
interesan fundamentalmente tres caractersticas en ambos tipos de modelos
C , L , y C s . En cada uno de ellos el valor de L es el nmero promedio de
clientes en el sistema. En el modelo de un solo canal L = 3. En cambio en el
modelo de dos canales L = 0,8727.
Por otra parte C el costo de espera por perodo, es difcil de
determinar, ya que no es un costo directo como el de servicio. El costo por la
espera puede ser muy grande o muy pequeo. S muchos clientes se van de la
cola por espera excesiva el costo puede ser bastante grande. Sin embargo, en
este tipo de situaciones, se estima un costo de oportunidad por cada perodo
de tiempo de espera de los clientes.
Finalmente, el costo de servicio por perodo C s es ms fcil de
calcular, ya que por cada canal que se agrega al modelo, hay un aumento de
personal y otros costos asociados.
En nuestro caso, los administradores de Tip Top, han determinado
que el costo de oportunidad, por el abandono de la cola de los clientes es de
8000 pesos por perodo. Y los costos asociados a la operacin de cada canal que

24

presta el servicio es de 5000 pesos por perodo. En consecuencia el Costo


Total para el modelo de un solo canal es:
TC=8000 ( 3 ) +5000 (1 ) =29000 pesos .
Y, por otro lado, el Costo Total para un sistema de dos canales es:
TC=8000 ( 0,8722 )+ 5000 ( 2 ) =16977,6 pesos .
Estos resultados muestran que el modelo de dos canales opera en
forma ms econmica.
Con frecuencia se muestran las grficas de la figura (3) para dejar
en evidencia las siguientes ideas: (a) El costo de servicio aumenta a medida que
aumenta el nmero de canales. (b) El costo de espera disminuye a medida que
aumenta el nmero de canales. (c) Se pueden evaluar diversas opciones,
respecto del nmero de canales, con el fin de optimizar el costo total.

25

Figura 0.3

26

Lnea de espera de un solo canal con llegadas de distribucin segn


Poisson y tiempos de servicio arbitrario
Frente a la gran variedad de modelos de lneas de espera que se han
desarrollado y de los cuales, hasta ahora, hemos analizado slo algunos, el
matemtico D.G. Kendal invent, en el ao 1953, una forma de clasificarlos
utilizando una notacin inventada por l mismo. Dicha notacin utiliza tres
letras que por el momento notaremos con asterisco, en la forma siguiente
*/*/*. La primera letra denota la distribucin de probabilidad para el nmero
de llegadas. La segunda denota la distribucin para el tiempo de servicio. Y, la
tercera, denota el nmero de canales. El matemtico A. Lee, en 1966, ampli
esta notacin agregando otras dos letras referidas a la disciplina de servicio y
al nmero mximo de clientes: Agregados que no utilizaremos.
Kendall utiliz la letra M (Markoviana) para designar la distribucin
de probabilidad de Poisson para el nmero de llegadas, o la distribucin
exponencial para los tiempos de servicio. La letra D (Determinstico), para
denotar que el nmero de llegadas o el tiempo de servicio es determinstico o
constante. Y la letra G (General), designa una distribucin general con Media y
Varianza conocidas para el nmero de llegadas o para el tiempo de servicio. As,
entonces, el tro de letras M/M/1, significara, un modelo de lneas de espera
con distribucin segn Poisson, tiempos de servicio exponenciales y de un solo
canal M/M/2, significara un modelo de lnea de espera con distribucin segn
Poisson, tiempos de servicio exponenciales y de dos canales.
Si consideramos un modelo de lnea de espera de un solo canal, cuyas
llegadas se describen mediante una distribucin probabilstica segn Poisson y
con tiempos de servicio no necesariamente descrita mediante una distribucin
exponencial, utilizando la notacin de Kendall, deberamos escribir, M/G/1 para
indicar que se trata de un modelo de un solo canal y donde la letra G de nota
una distribucin de probabilidad general, o de especificada.

Caractersticas de Operacin del modelo M/G/1


En este modelo, se mantiene la notacin que describen las
caractersticas de operacin de los modelos de lneas de espera que hemos

27

visto hasta ahora, agregando la desviacin estndar del tiempo de servicio esto
es:
(a) = tasa promedio de llegadas.
(b) = tasa promedio de servicio.
1
(c)
= tiempo promedio de servicio.

(d) = desviacin estndar del tiempo de servicio.


De acuerdo a esta notacin las caractersticas de operacin en
estado estable del modelo M/G/1, son las siguientes:
1) La probabilidad que no haya clientes (unidades) en el sistema es:
P0=1

es:

2) El nmero promedio de clientes (unidades) en la lnea de espera

Lq=

()

2 (1 )

3) El nmero promedio de clientes (unidades) en el sistema es:


L=Lq +

espera.

4) El tiempo promedio que un cliente (unidad) pasa en la lnea de

W q=

28

Lq

5) El tiempo promedio que un cliente (unidad) pasa en el sistema:


W =W q +

6) El factor de utilizacin del sistema. Es tambin, el porcentaje de


clientes que espera ser atendido.
Pw =

Observemos que las relaciones 3 4 y 5, son las mismas ecuaciones de


flujo de Little.

La caja para automovilistas del Banco Santander


Los administradores del Banco Santander, con el fin de atender
mejor a los automovilistas que realizan operaciones bancarias sin bajar de su
automvil, han decidido estudiar la cola que se produce los das viernes en la
maana, entre las 10:00 y las 11:00. Las llegadas de los clientes son aleatorias y
21
la tasa promedio de llegadas es de 21 clientes por hora, esto es: = =0,35
60
clientes por minuto. Un estudio del proceso muestra que el tiempo promedio de
=1,2
servicio es de 2 minutos por cliente, con una desviacin estndar de
minutos. 1Notemos que el cajero atiende a dos personas por minuto, en
1
consecuencia la tasa promedio de servicio es = =0,5 clientes por minuto.
2
Observemos que las llegadas de los clientes son aleatorias y por lo
tanto las llegadas podran ser descritas mediante una distribucin tipos
Poisson. Por otro lado el tiempo de servicio es descrito mediante una
distribucin general con Media y Varianza conocidas. Por lo tanto de esta
situacin se desprende que se trata de un modelo de lnea de espera M/G/1. De
acuerdo a lo dicho aplicaremos las caractersticas de operacin para este
modelo.
1) La probabilidad de que no haya clientes en el sistema es:

29


0,35
P0=1 =i
=0,30

0,50

2) El nmero promedio de clientes en la lnea de espera es:


2
2
2
0,35
(
)
(
)
0,35
1,2
+
2
0,50
2 2 + ( / )
Lq =
=
=1,11 clientes
2 ( 1 / )
0,35
2 1
0,50

( )
)

3) El nmero promedio de clientes en el sistema es:

0,35
L=Lq + =1,11+
=1,81 clientes

0,50

4) El tiempo promedio que un cliente pasa en la lnea de espera es:


W q=

Lq 1,1107
=
=3,17 clientes

0,35

5) El tiempo promedio que un cliente pasa en el sistema es:


1
1
W =W q + =3,17+
=5,17 clientes

0,50

6) El porcentaje de clientes que tiene que esperar para ser


atendidos es:
0,35
Pw = =
=0,70 clientes
0,50
De estos resultados se infiere que el tiempo promedio que un cliente
pasa en la lnea de espera no es demasiado, pensando en que se trata de un da
viernes. Y, pasar 5,17 minutos en el sistema, no parece tan malo. Sin embargo el

30

Banco deber evaluar esos resultados y ver si vale la pena poner otra caja para
los automovilistas o aumentar la tasa promedio de servicio.
Algunos comentarios que se desprenden de este modelo son los
siguientes:
Observe que si es grande, aumentar el nmero de clientes en la
lnea de espera. Esto lo sugiere claramente la expresin Lq , ya que la
desviacin estndar est en el numerador de la fraccin. Por otra parte, se
observa que, una mayor desviacin estndar significa una mayor dispersin en
los tiempos de servicio, por lo tanto en esta situacin lo que conviene es
reducir la variabilidad en dichos tiempos. De tal modo que, si no es posible
aumentar la tasa promedio de servicio, una reduccin de dara como
resultado una disminucin en el nmero promedio de clientes que se encuentran
en la lnea de espera y por lo tanto un mejoramiento en las operaciones de
sistema.

Otros modelos de lnea de espera


Existen una gran cantidad de modelos de lneas de espera
desarrollados para resolver problemas especficos de colas. As, por ejemplo,
una variacin interesante ocurre en el modelo en que no se permiten las
esperas. En este modelo, a los clientes que llegan buscando un determinado
servicio, se les niega el acceso a la cola si todos los canales estn ocupados. En
la terminologa de colas, a los clientes que llegan cuando el sistema est
ocupado y se les elimina del sistezzma, se dice que el sistema los ha bloqueado.
Obviamente en este sistema se pierden clientes, que de acuerdo a la realidad
en que opera el modelo, se espera que dichos clientes vuelvan por el servicio.
Una de las principales aplicaciones de este modelo est en el diseo
de sistemas telefnicos u otros sistemas de comunicacin, en donde las
llegadas son las llamadas y los canales son las lneas de telfono. En el caso de
una central telefnica, una llamada se dirige en forma automtica hacia un
canal abierto, y cuando todos los canales estn ocupados, las llamadas
adicionales reciben una seal de ocupado y no se permite acceso al sistema.
Debemos decir que la Teora de Colas empez a desarrollarse a principios de
siglos en base a las aplicaciones de la ingeniera a la naciente telefona. De
31

hecho, el fundador de esta disciplina fue el Ingeniero A.K. Erlang, empleado de


la Danish Telephone Company de Copenhague.
En el presente captulo hemos analizado algunos intereses, y ms
comunes modelos de lneas de espera. La experiencia nos muestra que estas
situaciones son muy comunes en nuestra sociedad y tienen un efecto
importante no solo desde el punto de vista de la productividad, sino, adems,
en la calidad de vida de las personas. Siempre estamos haciendo colas. Cuando
vamos a los hospitales, a los bancos, cuando tomamos alguna locomocin, cuando
buscamos trabajo, cuando vamos a la biblioteca, cuando pagamos nuestra
matrcula, cuando vamos al mdico, etc. En todos estos casos se han
desarrollado modelos matemticos con el fin de lograr que los clientes, las
mquinas y todo aquellos que sea objeto de una cola, tengan un comportamiento
ptimo desde el punto de la productividad y de la calidad en el servicio.
Hemos descrito los modelos bsicos de la teora de colas, para los
cuales se han obtenido resultados tiles y fciles de aplicar. No es el objetivo
de estos apuntes analizar muchos otros modelos a causa del tiempo y por la
caracterstica de esta asignatura. Finalmente, conviene precisar que cada da,
con la aparicin de nuevas tecnologas, y su consecuente uso, estn apareciendo
nuevos sistemas de colas y los consiguientes modelos matemticos que intentan
explicarlas.

32

Das könnte Ihnen auch gefallen