Beruflich Dokumente
Kultur Dokumente
TEORA DE COLAS /
lneas de espera
1
En Teoras de Colas se considera que el
esperar es una experiencia desagradable, no
productiva, que el tiempo de esperar es un
tiempo ocioso. Lo ideal es que las colas no
existieran.
2
INTRODUCCIN A LA
TEORA DE COLAS
La teora de colas incluye el
estudio matemtico de las colas o
lneas de espera y provee un gran
nmero de modelos matemticos
para describirlas
3
TEORIA DE COLAS
4
MODELOS DE LINEA DE ESPERA
Servidores
Salida
S1 del
Sistema
Entrada S2
al Fila
Sistema Sp
Cundo se produce
una Cola?
Sistema de colas
6
EJEMPLO DE SISTEMAS DE COLAS
7
PROBLEMAS RELACIONADOS
A LOS SISTEMAS DE COLAS
La espera ocurre porque las instalaciones de servicio operan
en forma aleatoria: La llegada del cliente y su tiempo de
servicio no se conocen con anticipacin. De conocerse, la
operacin de la instalacin se podra programar en forma tal
que se eliminara la espera por completo. Definitivamente las
colas estn relacionadas con procesos que tienen variabilidad
en las llegadas de los clientes
PROBLEMA DE ANALISIS .-
8
COMPONENTES
Gracias
Proceso de Atencin: El proceso de atencin se representa por por su
el tiempo que tarda la atencin de un cliente Tiempo de visita
Servicio. Este tiempo puede ser deterministico, es decir,
cualquier cliente es atendido en un tiempo exactamente igual,
probabilistico, en cuyo caso debe definirse la distribucin de
probabilidad del tiempo de atencin de un cliente. Tambin se
define si la atencin se hace individual por batches.
9
Fuente de entrada
10
La suposicin normal es que los clientes se generan de acuerdo
con un proceso POISSON .
Cualquier otra suposicin como por ejemplo
que un cliente desista de entrar a la cola por
estar demasiado larga, debe especificarse en
el modelo.
11
cola
12
Mecanismo de servicio
Canales de Canales de
servicio en serie servicio en paralelo
13
Tiempo de servicio : es el tiempo que transcurre desde el inicio
del servicio para un cliente hasta su terminacin.
14
COMPONENTES DE UN PROCESO
BASICO DE COLAS
Proceso Disciplina
de llegada Colas
Proceso de
Configuracin
Servicio
de colas
15
UNA COLA, UN SERVIDOR
Servidor Salidas
Servidor Salidas
16
VARIAS COLAS, MULTIPLES SERVIDORES
17
TIPOS DE CONFIGURACIONES DE
COLAS
18
UN SISTEMA DE COLAS
Tiempo promedio
de espera en cola
(Wq )
Servicio
Tasa de
Salida
Llegada Numero promedio Tasa de servicio
de clientes en cola
( (
(Lq )
20
Las distribuciones que utilizaremos son :
En este caso n = s cuando n s
24
Factor de utilizacin para la instalacin se servicio
(fraccin esperada de tiempo que los servidores
individuales estn ocupados).
= Tambin puede interpretarse
s como nmero promedio de
personas siendo atendidas
25
f(x) p(x)
Tiempo Informacin
de Espera
estadisticamente
ESTABLE
Informacin
estadisticamente
INESTABLE
FASE FASE ESTABLE Nmero de
TRANSITORIA Clientes
26
Cualquier sistema de colas pasa por 2 fases bsicas: La fase
transitoria y la fase estable.
Tiempo Informacin
de Espera
estadisticamente
ESTABLE
Informacin
estadisticamente
INESTABLE
FASE FASE ESTABLE Nmero de
TRANSITORIA Clientes
27
La siguiente notacin supone la condicin de estado estable.
W : E(w)
28
Wq : tiempo de espera en la cola para cada cliente.
Wq : E (Wq)
Relaciones entre L, W , Lq y Wq
L=W Lq = Wq
29
Suponga que el tiempo medio de servicio es
una constante 1/ para toda n 1
W = Wq + 1/ L = Lq + /
30
EL PAPEL DE LA DISTRIBUCIN
EXPONENCIAL
31
Para formular un modelo de teora de colas como una
representacin del sistema real, es necesario
especificar la forma supuesta de cada una de estas
distribuciones .
Suficientemente
Suficientemente
sencilla
realista
Predicciones Matemticamente
razonables manejable
Distribucin exponencial
32
Suponga que una variable aleatoria T representa
ya sea los tiempos entre llegadas o los tiempos de
servicio
e-t Para t 0
fT (t )
0 Para t < 0
33
P T t = 1 e-t P T>t = e-t
t>0
1 1
E{T } Var{T }
2
P 0 T t > P t T t + t
35
FT (t )
Funcin de densidad de
probabilidad para la distribucin
exponencial
1 t
E { T } = ----
36
En el caso de que T represente los tiempos
entre llegadas , la propiedad 1 descarta las
situaciones en las que los clientes que llegan al
sistema tienden a posponer su entrada si ven
que otro cliente entra antes que ellos .
37
Propiedad 2
Falta de memoria
PT t t | T t pT t
38
PT t , T t t
PT t t | T t
PT t
PT t t e (t t )
t e t
PT t e
PT t t | T t PT t
Si ha pasado un tiempo de
Tiempo servicio considerable, la nica
de implicacin puede ser que este
servicio cliente en particular requiera un
servicio ms extenso que los
dems
41
Propiedad 3
42
Si Ti representa el tiempo que pasa hasta que ocurre un
tipo de evento, entonces U representa el tiempo que
pasa hasta que ocurre el primero de los n diferentes tipos
de eventos.
= e 1t e 2t .. e n t
n
= exp [ - n t ]
i =1
43
Tiempo entre llegadas
1 2 n
n tipos de
clientes
44
Tiempo de servicio
1 2 n
n tipos de
servidores
45
Propiedad 4
46
NATURALEZA ESTOCASTICA DE
LOS SISTEMAS DE COLAS
LLEGADAS DE
Supuesto de las COLAS POISSON
CLIENTES
El numero de clientes que (T ) k eT
llegan en un tiempo T P( X k ) , si k 0,1,...
(variable X), se distribuye k!
Poisson con parmetro T
e t f (Y t ) e t , t0
f (Y t ) , t0
47
P { X (t) = 0 } = e t P { T > t } = e t
48
NATURALEZA ESTOCASTICA DE
LOS SISTEMAS DE COLAS
TIEMPO DE
SERVICIO Supuesto de las COLAS POISSON
et
f (Z t ) , t0 f (Z t ) e t , t0
49
Llegadas
Servicios
X(t) = el nmero de servicios
Tiempo de servicio tiene en un tiempo transcurrido t,
distribucin exponencial tiene distribucin Poisson con
con media = 1 / media
50
Propiedad 5
1 2 n
n tipos de
clientes
51
PROCESO DE NACIMIENTO Y MUERTE
52
Recordemos que N(t) es el numero 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
53
Suposicin 2
Suposicin 3
54
El proceso de nacimiento y muerte es un tipo especial de
cadenas de markov de tiempo continuo.
0 1 n-2 n-1 n
0 1 2 . n2 n1 n n +1
1 2 n n+1
n-1
56
Lim En(t) : tasa media a la que el
t t proceso entra al estado n
57
Ecuaciones de balance
58
Estado 0
Taza media
global de entradas Tasa media P1 representa la proporcin de
al estado 0 tiempo posible que el proceso se
global de encuentra en el estado cero.
salidas del
estado 0
59
Estado 1
0 p0 2 p 2 = (1 1) p1
60
Estado 0: 1P1 0 P 0
Estado 1 : 0 P 0 2 P 2 ( 1 1) P1
Estado 2 : 1P1 3 P 3 ( 2 2) P 2
Estado n -1 n 2 Pn 2 nPn (n 1 n 1) Pn 1
Estado n n 1Pn 1 n 1Pn 1 (n n) Pn
sigue
61
El requisito implica
P 1 n P0 1
C
n 0
n
n 0
01...n2n1
Cn
12 ...n1n
De esta forma
1
P0 Cn
n 0
62
Recordemos
L nPn
L : numero esperado de clientes en el sistema n 0
Lq (n s) Pn
L q : longitud esperada de la cola
ns
L Lq -
Es la tasa de llegadas
W W q
promedio
63
n : tasa media de llegadas cuando
el sistema se encuentra en el estado n
( n = 0,1,2,..)
como
Pn : proporcin de tiempo que el
Sistema esta en este estado.
n Pn
n 0
64
Aspectos a considerar
65
Esta ultima suposicin se cumple si :
<1
s
No se cumple si
C
n 1
n
66
Ejemplo
67
Se deben encontrar las probabilidades de estado estable y
Hallar Lq , W y Wq
estado
3 2 1P1 0 P0 4 p1 3 p 0
0
0 1 2
estado 0 P0 2 P 2 (1 1) P1
1
4 4 2P2 = 1P1 4P2 = 2P1
P0+P1+P2=1
68
Resolviendo estas 3 ecuaciones obtenemos
P0+P1+P2 =1 P2 = 0.177
2
L nPn = 0 * 0.47 + 1 * 0353 + 2 * 0.177
n 0
L = 0.707
69
2
Lq (n s) Pn = 0 * 0.353 + 1 * 0.177
n 1
Lq = 0.177
L 2
W Con n Pn
n 0
70
0.707
W= = 0.334 horas
2.116
Lq
W q
71
Modelos de colas basados en el
proceso de nacimiento y muerte
72
Modelo M/M/s
73
Este modelo es un caso especial el proceso de nacimiento y muerte
cuando :
74
a) Caso un servidor (s=1)
75
1
Cuando Tasa media de servicio
menor que la tasa media
de llegadas. Se forma
una cola infinita.
Cuando <1 Tasa media de servicio
mayor que la tasa media
de llegadas .
76
Los resultados de estado estable generales hallados implicaban
01...n2n1
Cn para n = 1,2,..
12 ...n1n
Cn 1 para n = 0
1
P0 Cn
n 0
77
Para s = 1, los factores Cn para el proceso de nacimiento y
muerte se reducen a
n
Cn n para n = 0,1,2,
Pn n P0 para n = 0,1,2,..
78
1 1
1
P0 n =
n 0 1
1
n 0
xn
1 x
, si x 1
P0 1 - Pn (1 - ) n para n = 0,1,2,..
79
L nPn Lq (n s) Pn
n 0 ns
L n(1 - ) n = =
n 0
1- -
L=
-
80
Lq (n 1) Pn = L 1 ( 1 P0 ) = L
n 1
2
Lq =
Lq = -
(-) ( - )
2
Lq =
1-
L=W Lq = W q
81
L 1
W= = W=
-
(- )
Lq 2
Wq = =
( - ) Wq =
( - )
82
Disciplina de atencin FIFO
P W >t = - (1 )t para t 0
P { Wq > t } = - (1 )t para t 0
P {Wq = 0 } = P0 = 1 para t 0
83
b) Caso mltiples servidores ( s > 1)
n = n Para n s
Segn el nmero de
personas en el sistema
n = s Para n s
84
Los parmetros de los
n = para n = 0,1,2,
modelos son :
n Para n = 1,2,.,s
n =
s Para n = s,s + 1,.
0 1 2 . s s+1 n n+1
2 s s s
ns ns
85
Tasa media de servicio
Cuando = 1
s menor que la tasa media
de llegadas. Se forma
una cola infinita.
86
MODELO M/M/S: DG//
87
s
=e -t
P W>t P0 1 e- t ( s 1 / )
1+
s! (1- ) s1-
P Wq>t = (1 P W q =0 ) e - s ( 1 ) t
s-1
P Wq=0 p0
n=0
88
Ejemplo HOSPITAL GENERAL
89
El ingeniero administrador a recolectado datos y ha podido estimar
que las llegadas de pacientes siguen una distribucin Poisson con
media de un cliente cada media hora.
La distribucin del tiempo de atencin es exponencial con media de
servicio de 20 minutos para atender un paciente.
90
1 clientes cada 1 / 2 hora = 2 clientes por hora
1 1 1
=
20 min. 3 hora
91
a) Caso un servidor ( s = 1 )
2 1
P0 = 1 - P0 =1 - =
3 3
92
P0 = ( 1 ) n para n = 0,1,2,..
1 2
P1 = (1 ) 1 = *
3 3
n
1 2
Pn = (1 ) n = *
3 3
93
2
L= L = =2
- 3-2
(2)2 4
Lq = =
Lq = 2 3 ( 3 -2 ) 3
(-)
1 1
W= W = = 1 hora
- 3-2
2 2
Wq = Wq = = Hora
3(32) 3
( - )
94
P W > t = e -(1- )t P W > t = e -3(1- 2 )t = e-t
3
P Wq > t = e -(1- )t
2 2
P wq < t = e-3 (1 )t =3 e-t
3
= P0 =1- 1
P Wq=0 P Wq = 0 =
3
95
b) Caso mltiples servidores ( s = 2 )
96
1
P0 =
n s
s-1
1
+
n=0 n! s!
1-
s
1
P0 =
2 0 2 1 2 2
3 3 3 1
+ + *
0! 1! 2! 1- 1
3
1
P0 =
2
97
n
P0 para n = 0,1,2
n!
Pn
n
P0 para n = n = 2, 3,
s!sn-s
1
2
3 1 1
P1 = =
1! 2 3
98
Para n 2
n n
2 2
3 1 3 1 n
Pn = = =
2!2n-2 2 2n 3
2
1 2 1
s
P0
2 3 3
Lq =
2! ( 1 - 1 ) 2
Lq 3
s!(1 ) 2
1
Lq =
12
99
L = Lq + 1 2 3
L= + =
12 3 4
1
Lq 12 1
Wq = Wq = = hora
2 24
1 1 = 3
1 + hora
W = Wq + 24 3 8
100
s
1+ P0 1 e - t ( s 1 /)
P w>t = e - t
s! ( 1 ) (s1- )
2
1
1+
P w>t =e - 3t 2 1 e - 3t ( 2 1 2/3)
2! ( 1 1 )2 (21- 2 )
3
3
P w>t = 1
e - 3t ( 3 e -t)
2
101
s-1
P wq = 0 = Pn
n=0
1 1 5
P wq = 0 = P0 + P1 = + =
2 3 6
= 5 1
P wq > 0 1- 6 e-2*2 (1-1/3)t = e-4t
6
102
S=1 S=2
2 2
3 3
1 1
P0
3 2
2 1
P1
9 3
n
n
Pn 1 2 1
*
3 3 3
3
L 2
4
103
Lq 4 1
3 12
3
W 1 hora hora
8
Wq 2 1
hora hora
3 24
1
P w>t e-t e-3t ( 3 e t )
2
2 1
P wq > t e-t e-4t
3 6
1 5
P wq = 0
3 6
104
Los indicadores de eficiencia para el modelo con 2 mdicos mejoran
notablemente con respecto al modelo de un solo medico.
105
Variacin de cola finita al modelo M / M / s
106
MODELO M/M/s: DG/k/
Modelo M / M / s / K
107
a) Caso un servidor ( s = 1 )
0
108
MODELO M/M/1: DG/k/
Si 1 entonces
Si =1 entonces
1 k
Pn n 0, 1, 2, ..., k L
1 k 2 109
MODELO M/M/1: DG/k/
k 1
Pn (1 Pk )
n 0
re Pk
re tasa promedio de clientes no atendidos
(clientes rechazados por el sistema) por estar el
sistema a plena capacidad
110
b) Caso mltiples servidores ( s > 1 )
2 (s 1 ) s s
111
Para n = 0,1,2,.,k - 1
n =
0 Para n k
Los
parmetros
del modelo
son: n Para n = 1,2,..,s
n =
s Para n = s,s+ 1 .,k
Suponga que s k
= <1
s
112
MODELO M/M/s: DG/k/
Si 1 entonces
113
MODELO M/M/s: DG/k/
k 1
Pn (1 Pk )
n 0
115
EJEMPLO PRACTICO
Tambin se desea saber cul sera el efecto de cambiar la poltica
de espera a los clientes. Ms concretamente, cmo se veran
afectados los valores anteriores si:
Se deja esperar cinco grupos de clientes, en vez de dos (poltica B).
Se deja esperar a todos los grupos de clientes que lleguen. Dada la
calidad del restaurante, se supone que ninguno de ellos
abandonar, por larga que sea la cola (poltica C).
116
MODELO M/M/s: DG/ N /N
Variacin fuente de entrada finita al modelo M / M / s
117
El tiempo que pasa desde que una mquina deja el sistema hasta
que regresa tiene una distribucin exponencial con parmetro .
118
b) Caso un servidor ( s = 1 )
a)
(N n) Para n = 0,1,2,,N
n =
0 Para n >N
N (N 1)
(N n +2) ( N n +1)
119
(N-n) Para n = 0,1,2,.,N
n =
0 Para n > N
Los
parmetros
del modelo
son:
n = Para n = 1,2,..,N
= <1
120
1
P0 =
N n
N!
n=0 (N n)!
n
N!
Pn = P0 si n = 1,2,.,N
(N-n)!
+
Lq = N- ( 1 P0 ) Lq = N- ( 1 P0 )
L Lq
W= Wq =
= p = ( N n ) P = ( N L )
n n n
121
b) Caso mltiples servidores ( s > 1 )
(N n) para n = 0,1,2,,N
n =
0 para n >N
N (N 1)
(N s +2) ( N s +1)
2 (s-1) s s
122
(N n ) Para n = 0,1,2,.,N
n =
0 Para n >N
Los
parmetros
del modelo
son: n Para n = 1,2,..,s
n =
s Para n = s+1, s+2
= <1
123
1
s 1 N!
n
N
N!
n
P0
n 0 ( N n )! n!
ns ( N n )! s! s ns
N! P0 Para n = 0,1,2,,s
(N-n)! n !
N! P0
Pn = Para n = s, s+1, N
( N-n)! s!sn-s
0 Para n > N
124
N
Lq (n s) Pn
ns
s-1 s-1
L = n Pn + Lq + s 1 - Pn
n=0 n=0
125
OTROS MODELOS NO MARKOVIANOS
126
Modelo M/G/1
Se necesita conocer
1 P0 1
2 2 2
L Lq Lq
2(1 )
1 Lq
Ws Wq Wq
Pw
127
Modelo M/G/1: ejemplo
128
Modelo M/G/1: ejemplo
129
Modelo M/D/1
2
Ls Ws Lq
2(1 )
1 Lq
Ws Wq Wq
1
130
Modelo M/D/1: ejemplo
Un lavadero de carros puede atender un
auto cada 5 min.
131
Modelo M/D/1: ejemplo
Ls Ws 1.875 clientes
2
Lq 1.125 clientes
2(1 )
1
Ws Wq 0.21 hrs 12.5 min
Lq
Wq 0.125 hrs 7.5 min
132
Modelo M/Ek/1
( k ) k k 1 kt
f (t ) t e t, , k 0 k Z
(k 1)!
Media 1
1
( k )
133
Modelo M/Ek/1
2 /(k 2 ) 2 1 k 2
Lq
2(1 ) 2k ( )
1 k
Wq
2k ( )
1
W Wq L W
134
Modelo M/Ek/1: ejemplo
135
Modelo M/Ek/1: ejemplo
Ls Ws 2.437 clientes
2 (k 1)
Lq 1.6875 clientes
2k (1 )
1
Ws Wq 0.2708 hrs 16.25 min
Lq
Wq 0.1875 hrs 11.25 min
136
APLICACIN DE LA TEORA DE COLAS
Costos derivados de
Las decisiones respecto prestar un buen servicio
a la capacidad de
servicio que se ha de
proporcionar se basan Costos derivados de
principalmente en tener largas colas
137
Costo de Servicio
Costo esperado por unidad de tiempo
138
Costo esperado por unidad de tiempo Costo de Espera
139
Para reducir los costos de Bajo nivel de servicio
servicio
140
Para comparar los
costos de servicio y los Debemos estimar
tiempos de espera, es el costo de espera
necesario adoptar una
medida comn de su impacto.
141
Costos de espera
relacionado con la
Clientes externos perdida de ganancias
por negocio perdido
o costos sociales.
Difcil de estimar
142
Una vez expresados el costo de espera y el costo del servicio se debe
minimizar la suma de estas cantidades.
E (CS)=Cs*s
Si incurrimos en estos costos slo cuando el servidor est
ocupado,
E(CS)= tendremos:
* Cs * S
143
Costo total Costo servicio
E (CT) = E(CS) + E(CW) E(CS)
Costo esperado
COSTO ESPERA
E(CW)
Nivel de servicio
144
Para expresar E(CW) funcin de costo espera
145
Forma g(N)
Consideramos el caso :
146
g (N) se construye estimado g(n)
cuando N=n, para n=1,2,..,y g(0)=0 g (N)
Costo esperado por unidad de tiempo
N
0
1 2 3 ------------ n ----------
Numero de clientes en el sistema
147
Despus de calcular las probabilidades Pn para un sistema de colas
se puede calcular
E(CW) = E g (N)
E (CW) = g (n) pn
n=0
148
Cuando g(N) es una funcin lineal ( es decir , la tasa de costo
espera es proporcional a N )
g (N) = C w N
Cw : costo espera por unidad
De tiempo para cada cliente
149
APLICACIN DE LA TEORA DE COLAS. EJEMPLO
150
APLICACIN DE LA TEORA DE COLAS. EJEMPLO
Caso M/M/s
120 clientes/hora
80 clientes/hora
Cw $ 48
Cs $ 20
n ( / ) n / n!
0 1.000 s Po Lq L
1 1.500 2 14% 1.9286 3.4286
2 1.125 3 21% 0.2368 1.7368
3 0.563 4 22% 0.0448 1.5448
4 0.211 5 22% 0.0086 1.5086
5 0.063
Mnimo 143.3684211
151