INTRODUCCIN A LA

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

Asumir los costos

Generalmente el derivados de prestar
administrador se Un buen servicio
encuentra en un
dilema Asumir los costos
derivados de tener
largas colas

3
 TEORIA DE COLAS

Las LINEAS DE ESPERA, FILAS DE ESPERA o COLAS, son

realidades cotidianas:

Personas esperando para realizar sus transacciones

ante una caja en un banco,
Estudiantes esperando por obtener copias en la
fotocopiadora,
Vehculos esperando pagar ante una estacin de
peaje o continuar su camino, ante un semforo en rojo,
Mquinas daadas a la espera de ser rehabilitadas

4
 MODELOS DE LINEA DE ESPERA
Servidores
Salida
S1 del
Sistema
Entrada S2
al Fila
Sistema Sp
Cundo se produce
una Cola?

Por unidad de tiempo,

cuando la demanda de
Clientes
un servicio supera la
Potenciales capacidad de
proporcionar dicho
servicio.
5
 Se debe lograr un balance econmico entre el
costo del servicio y el costo asociado a la espera
por ese servicio.

La teora de colas en si no resuelve este problema , solo

proporciona informacin para la toma de decisiones

Estructura bsica de los modelos de colas

Sistema de colas

Fuente de clientes Mecanismo clientes

entrada cola
de servicio servidos

6
 EJEMPLO DE SISTEMAS DE COLAS

Entidad Caracterstica Prestadores del

Clientes
Afectada de la Cola servicio
Aviones en
Aeropuerto Aviones Pista
carreteo
Aeropuerto Pasajeros Sala de espera Avin

Alarmas de Carros contra

Bomberos Incendios
incendio incendio
Peaje Carros Paso vehicular Carretera
Camiones Camiones en Muelles de
Centro de descarga
cargados espera descarga
Empresa Telco (Int) Usuarios de red Espera Ingreso Servidores

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 .-

Cul es el tiempo promedio que un cliente tiene que esperar

en la fila antes de ser atendido?
Cunto demora el Servidor en atender al cliente o en procesar
un producto?
Cules son el nmero promedio y el mximo de clientes que
esperan en la fila?

8
 COMPONENTES

Proceso de Llegada: Representa la forma en que la llegada de

Siga
clientes ocurre. Un dato importante que se maneja en el proceso de
llegada es el Tiempo entre Llegadas de clientes, el cual puede ser
determinstico (constante), probabilstico (asociado a cierta
distribucin de probabilidad). Tambin se considera si las
llegadas de clientes son individuales por grupos (batches), en
cuyo caso se debe tener el dato del tamao del batch.

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

Los clientes que entran al sistema se generan a travs del

tiempo
en una fuente de entrada

Tamao de la poblacin : es el nmero total de clientes

que pueden requerir servicios en determinado momento ,
es decir el nmero total de clientes potenciales distintos
(puede suponerse que el tamao es infinito o finito ).

Forma de las llegadas : patrn estadstico mediante el

cual se generan los clientes a travs del tiempo.

10
La suposicin normal es que los clientes se generan de acuerdo
con un proceso POISSON .

esto quiere decir que el tiempo entre dos llegadas

consecutivas tiene una distribucin de probabilidad
exponencial .

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

Una cola se caracteriza por el nmero mximo de

clientes que se pueden admitir.

Tamao de la cola: una cola puede ser finita o

infinita. El estndar es infinita.

Disciplina de la cola : se refiere al orden en el que

se seleccionan sus miembros para recibir el servicio
( FIFO, aleatoria , por prioridad ). El estndar es
FIFO ( primero en entrar , primero en ser servido ).

12
Mecanismo de servicio

El mecanismo de servicio consiste en una o ms

instalaciones de servicio.

Canal: hace referencia al nmero de servidores

que hay en el sistema.

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.

Un modelo de sistema de colas debe especificar la

distribucin de probabilidad de los tiempos de servicio
para cada servidor.

La distribucin mas usada para los tiempos de servicio es

la exponencial, aunque es comn encontrar la
distribucin degenerada o determinstica (tiempo de
servicio constante) o la distribucin Erlang.

14
 COMPONENTES DE UN PROCESO
BASICO DE COLAS

Entrada de El Sistema de Colas

Fuentes
Trabajos
Llegada Trabajo Mecanismos servidos
Cola de Servicio
poblacin Abandono
del
sistema

Proceso Disciplina
de llegada Colas
Proceso de
Configuracin
Servicio
de colas

15
 UNA COLA, UN SERVIDOR

Llegadas Cola Servidor Salidas

UNA COLA, MULTIPLE SERVIDORES

Servidor Salidas

Llegadas Cola Servidor Salidas

Servidor Salidas

16
 VARIAS COLAS, MULTIPLES SERVIDORES

Cola Servidor Salidas

Llegadas Cola Servidor Salidas

Cola Servidor Salidas

UNA COLA, SERVIDORES SECUENCIALES

Llegadas Cola Servidor Cola Servidor Salidas

Indicadores para Evaluar el Rendimiento de un

Sistema de Colas

17
TIPOS DE CONFIGURACIONES DE
COLAS

Colas Multiples Una Cola

Servidores Servidores

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 )

Tiempo promedio en el sistema (W )

Numero promedio de clientes en el sistema (L )

19
 Notacin de kendall

Por convencin los modelos que se trabajan

en teora de colas se etiquetan.

Distribucin de Distribucin de Nmero de

tiempo entre tiempos de servidores
llegadas servicio

20
Las distribuciones que utilizaremos son :

M : distribucin exponencial ( markoviana )

D : distribucin degenerada (tiempo constante)
E : distribucin Erlang
G : distribucin general
Modelo donde tanto los tiempos
M/M/s entre llegadas como los tiempos de
servicio son exponenciales y se
tienen s servidores.

Tiempos entre llegada

M/G/1 exponenciales , tiempos de
servicio general y 1 solo servidor
21
 TERMINOLOGIA

A menos que se establezca otra cosa, se utilizar

la siguiente terminologa estndar

Estado del sistema: nmero de clientes en el

sistema
Longitud de la cola: nmero de clientes que
esperan servicio
N(t): nmero de clientes en el sistema de colas en
el tiempo
Pn(t): probabilidad de que exactamente n clientes
estn en el sistema en el tiempo t, dado el nmero
en el tiempo cero.
22
 S : nmero de servidores en el sistema de colas

n: tasa media de llegadas (nmero esperado de

llegadas por unidad de tiempo) de nuevos clientes
cuando hay n clientes en el sistema

n : tasa media de servicio para todo el sistema

(nmero esperado clientes que completan su
servicio por unidad de tiempo) cuando hay n
clientes en el sistema

Nota: n representa la tasa combinada a la

que todos los servidores ocupados logran
terminar sus servicios .
23
 Cuando n es constante para toda n

Cuando n es constante para toda n 1

En este caso n = s cuando n s

1 Tiempo esperado 1 Tiempo de

entre llegadas atencin
esperado

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

Nota: para los sistemas de colas que

analizaremos haremos la suposicin de que el
sistema se encuentra en la condicin de
estado estable.

25
 f(x) p(x)

Fenmeno Exponencial Fenmeno Poisson

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

Procesos de Nacimiento Puro y Muerte Pura

Fase
Transitoria
Difciles de analizar analticamente

Los casos ms estudiados son los de

Sistemas de Colas Poisson con servidores
Fase Estable en paralelo. Para redes de colas y en
general Sistemas de Colas No-Poisson se
suele usar la herramienta de simulacin.

27
 La siguiente notacin supone la condicin de estado estable.

Pn : probabilidad de que haya exactamente n clientes en el

sistema

L: numero esperado de clientes en el sistema

Lq : longitud esperada de la cola ( excluye los clientes que estn

en servicio

W : tiempo de espera en el sistema para cada cliente

W : E(w)

28
 Wq : tiempo de espera en la cola para cada cliente.

Wq : E (Wq)

Relaciones entre L, W , Lq y Wq

Suponga que n es una constante para toda n

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 + /

Estas relaciones son fundamentales pues permiten

determinar las cuatro cantidades fundamentales L,
W, Lq, Wq en cuanto se encuentra analticamente
el valor de una de ellas.

30
EL PAPEL DE LA DISTRIBUCIN
EXPONENCIAL

Las caractersticas operativas de los sistemas

de colas estn determinadas en gran parte
por dos propiedades estadsticas del
sistema:

Distribucin de los Distribucin de los

tiempos entre llegadas tiempos de servicio

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

Si T se distribuye exponencial con parmetro

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

cuales son las implicaciones para el modelo

de colas al suponer que T tiene distribucin
exponencial?
34
Propiedad 1

fT(t) es una funcin estrictamente

decreciente de t ( t 0 ).

P 0 T t > P t T t + t

Para cualquier valor estrictamente positivos

de t y 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 .

La probabilidad de que los tiempos entre llegadas

sean pequeos es muy alta.

37
 Propiedad 2

Falta de memoria

PT t t | T t pT t

Para cualquiera valores estrictamente positivas de t

y 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

La distribucin de probabilidad del tiempo que falta

hasta que ocurra el evento siempre es la misma
sin importar cuanto tiempo t haya transcurrido
39
 PROCESOS ALEATORIOS: COLAS
POISSON
Propiedad de prdida de memoria
r
s Segmentos de Tiempo

P ( t > r+s / t > s) = P ( t > r )

Ejemplo de prdida de memoria en un proceso de llegadas
Poisson

Cul es la probabilidad de que lleguen 12 clientes en 4 horas, si

se conoce que en las primeras tres horas llegaron 9 clientes?
1 hora P(4 horas / 12 clientes) = P (1 hora /3
3 horas clientes)
?
9 clientes
No importa lo que haya pasado en las
( t ) 3 e t tres primeras horas, lo que suceder
P( X 3) es totalmente independiente
3!
probabilsticamente.

Con =3 clientes/hora y t = 1 hora, P(X=3) = 22,4%

40
 Tiempo El tiempo que transcurre hasta
entre la llegada siguiente es
llegadas totalmente independiente de
cuando ocurri la ultima
llegada

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

El mnimo de varias variables aleatorias

exponenciales independientes tiene una
distribucin exponencial

Sean T1, T2 . Tn variables aleatorias exponenciales

Independientes con parmetros 1, 2, , n
respectivamente.

Sea U = Min { T1, T2,.., Tn }

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.

P { U > t } = P { T1 > t, T2 > t .. Tn > t }

= P { T1 > t } P { T2 > t } .. P { Tn > t }

= e 1t e 2t .. e n t

n
= exp [ - n t ]
i =1

43
 Tiempo entre llegadas
1 2 n
n tipos de
clientes

Distribucin exponencial con parmetro i

i = 1, 2 .. n

El tiempo entre llegadas del sistema de colas

completo U, tiene distribucin exponencial con
parmetro n
= i
i=1

44
Tiempo de servicio
1 2 n
n tipos de
servidores

Distribucin exponencial con parmetro

Para cada servidor.

El tiempo de servicio del sistema de

colas tiene distribucin exponencial con
parmetro = n

45
Propiedad 4

Relacin con la distribucin poisson

Tiempo entre dos

ocurrencias consecutivas Distribuccion
de un tipo de evento exponencial
especifico

Numero de veces que Distribuccion

ocurre este evento en Poisson
un periodo dado

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

Tasa de llegada por unidad de tiempo

Si el nmero de llegadas se distribuye Poisson, entonces el Tiempo

entre llegadas consecutivas (variable Y) se distribuye exponencial con
media =1/

e t f (Y t ) e t , t0
f (Y t ) , t0

47
P { X (t) = 0 } = e t P { T > t } = e t

Probabilidad de que Probabilidad de

no ocurra ningn que ocurra el
evento en el tiempo t primer evento
(t 0) despus de un
tiempo t (t0)

La media de la distribucin poisson es E {X(t) } =t

es la tasa media a la que ocurren los eventos

48
 NATURALEZA ESTOCASTICA DE
LOS SISTEMAS DE COLAS
TIEMPO DE
SERVICIO Supuesto de las COLAS POISSON

El numero de clientes que son

(T)k e T
atendidos en un tiempo T P( W k ) , si k 0,1 ,...
(variable W), se distribuye k!
Poisson con parmetro T

Clientes atendidos por unidad de tiempo

Si el nmero de clientes atendidos se distribuye Poisson, entonces el Tiempo de

atencin de servicio (variable Z) se distribuye exponencial con media =1/

et
f (Z t ) , t0 f (Z t ) e t , t0

49
Llegadas

Tiempo entre 2 llegadas X(t) = el nmero de llegadas

consecutivas en un tiempo transcurrido t,
distribucin exponencial tiene distribucin Poisson con
con media = 1 / media

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

No afecta agregar o desagregar

1 2 n
n tipos de
clientes

Distribucin Poisson con parmetro i

i = 1,2..n

Suponiendo que se trata de procesos Poisson independientes, la

propiedad dice que el proceso de entrada agregado tambin
debe ser Poisson con parmetro = 1, + 2 + + n

51
 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 muerte : salida del cliente

un nuevo cliente al servido
sistema de colas

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

Dado N(t) = n, la distribucin de probabilidad actual del

tiempo que falta para el prximo nacimiento ( llegada ) es
exponencial con parmetro n ( n = 0, 1, 2 ).

53
 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
n ( n = 1,2).

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 n n1

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

n : tasa media de llegadas cuando el sistema esta en el estado n.

(del n al n+1 )
n : tasa media de salidas cuando el sistema esta en el estado n
( del n al n-1 )
55
supongamos que en el tiempo cero se inicia el conteo del
nmero de veces que el sistema entra en cualquier
estado n y el numero de veces que sale del mismo.

En(t) : nmero de veces que el sistema entra al estado n

hasta el tiempo t.

Ln(t) :nmero de veces que el sistema sale del estado n

hasta el tiempo t

56
Lim En(t) : tasa media a la que el
t t proceso entra al estado n

Lim Ln(t) : tasa media a la que el

t
t proceso sale del estado n

Para cualquier estado n ( n = 0,1,.) del sistema, la

tasa media de entrada es igual a la tasa media de
salida .

57
Ecuaciones de balance

Se deben construir las ecuaciones que expresan el

principio de la tasa media de entrada igual a la tasa
media de salida para todos los estados.

Despus de construir las ecuaciones de balance para todos

los estados en trminos 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 ) .

58
Estado 0

Las Pn son las probabilidades

1P1 = 0 P0 de estado estable de
encontrarse en el estado n.

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

Nota : 0 = 0 ya que si el sistema esta en el estado 0 no puede haber

muertes

59
 Estado 1

0 p0 2 p 2 = (1 1) p1

Tasa media Tasa media

Global de Global de
Entradas al Salidas del
Estado 1 Estado 1

Se continua con esta metodologa y se deben construir para

todos los dems estados. Recordemos que la sumatoria de
las pn debe ser igual a 1

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

El nmero de servidores s representa el nmero de clientes que pueden estar

en servicio y no en cola al mismo tiempo.

De las relaciones dadas anteriormente

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

Varios de los modelos reales tienen un numero

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
tienen valores tales que el proceso, de hecho puede
alcanzar la condicion de estado estable.

65
Esta ultima suposicin se cumple si :

<1
s

No se cumple si

C
n 1
n

66
 Ejemplo

La estacin de gasolina de una pequea poblacin tiene

capacidad para 2 automviles nicamente.
Cuando la estacin esta 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 atiende a los automviles que
llegan es de 4 por hora.

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

4P1 = 3P0 P0 = 0.47

4P2 = 2P1 P1 = 0.353

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

3 * 0.47 + 2 * 0.353 + 0 * 0.177 = 2.116

70
 0.707
W= = 0.334 horas
2.116

Lq
W q

0.177 = 0.083 horas

Wq = ______
2.116

71
 Modelos de colas basados en el
proceso de nacimiento y muerte

La gran mayora de los modelos que se usan en

teora de colas estn basadas en el proceso de
nacimiento y muerte .

Se dice que estos modelos Los modelos difieren solo

tienen una entrada Poisson en las suposiciones de
y tiempo de servicio sobre como cambian las n y
exponenciales. las n segn el estado n.

72
 Modelo M/M/s

Este modelo nos indica que :

Todos los tiempos entre llegadas independientes e idnticamente

distribuidos de acuerdo a una distribucin exponencial.

Todos los tiempos de servicio independientes e idnticamente

distribuidos de acuerdo a una distribucin exponencial

El numero de servidores es s (s cualquier entero positivo)

73
Este modelo es un caso especial el proceso de nacimiento y muerte
cuando :

La tasa media de La tasa de servicio por

llegadas al sistema de servidor ocupado es una
colas es una constante constante y es
y es independiente del independiente del estado
estado del sistema. del sistema .

74
 a) Caso un servidor (s=1)

Los parmetros del n = para n = 0,1,2,.

modelo son :
n = Para n = 1,2,..

0 1 2 n-2 n-1 n n+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 .

El sistema de colas alcanzara la condicin de estado estable

y podemos aplicar directamente los resultados de estado
estable halladas anteriormente.

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-

Las relaciones entre L, Lq, W y Wq vienen dadas por :

L=W Lq = W q

81
 L 1
W= = W=
-
(- )

Lq 2
Wq = =
( - ) Wq =
( - )

82
 Disciplina de atencin FIFO

W : tiempo de espera en el sistema

P W >t = - (1 )t para t 0

Distribucin exponencial con parmetro ( 1 p )

Wq : tiempo de espera en la cola

P { Wq > t } = - (1 )t para t 0

P {Wq = 0 } = P0 = 1 para t 0

No tiene distribucin exponencial

83
 b) Caso mltiples servidores ( s > 1)

Cuando el sistema tiene mltiples servidores no es tan sencillo

expresar n ( n es la tasa media de servicio para el sistema de
colas completo).

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.

Tasa media de servicio

Cuando = <1
s mayor que la tasa media
de llegadas.

El sistema de colas alcanzara la condicin de estado

estable y podemos aplicar directamente los resultados
de estado estable hallados anteriormente.

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

La sala de emergencia del HOSPITAL GENERAL proporciona

cuidados mdicos rpidos a los casos de emergencia que llegan en
ambulancia o vehculos particulares.

En cualquier momento se cuenta con un doctor de guardia, pero

debido al creciente nmero de urgencias se estudiara la probabilidad
de contratar otro doctor.

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.

Se deben mirar los indicadores del modelo

para los casos en haya 1 y 2 mdicos

90
 1 clientes cada 1 / 2 hora = 2 clientes por hora

1 1 1
=
20 min. 3 hora

3 clientes por hora

Debemos verificar que < 1

91
a) Caso un servidor ( s = 1 )

2 Tasa media de servicio

= = <1 mayor que la tasa media
3
de llegadas.

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 )

Tasa media de servicio

1 mayor que la tasa media
= = <1
s 3 de llegadas

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

P wq > 0 = ( 1- P Wq = 0 ) e-s (1-)t

= 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.

Sin embargo esta informacin no basta para determinar si se debe

contratar un nuevo mdico o no , ya que se debe hacer un anlisis de
costos como se vera mas adelante.

105
 Variacin de cola finita al modelo M / M / s

El modelo M / M / s que trabajamos con anterioridad opera bajo el

supuesto de una cola infinita. Sin embargo hay diferentes
ocasiones en las cuales este supuesto no aplica.

Si el tamao de la cola es finito, a cualquier cliente que llegue

cuando la cola este llena se le niega el acceso al sistema.

106
 MODELO M/M/s: DG/k/

Modelo M / M / s / K

Este modelo es similar al M / M /s con la nica excepcin de que

en este caso se trabajara con un tamao de la cola finita.

La interpretacin fsica para este modelo es que se cuenta con un

espacio limitado de espera que admite un mximo de K clientes en
el sistema o que los clientes desisten de entrar al sistema cuando lo
vean demasiado lleno.

107
 a) Caso un servidor ( s = 1 )

Desde el punto de vista del proceso de nacimiento y muerte,

la tasa de entradas al sistema ser :

Para n = 0,1,2,,k - 1 Este modelo no exige que

n =
0 Para n k = <1

0 1 2 k-2 k-1 k k+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 )

Como este modelo no permite mas de k clientes en el sistema, k

es el nmero mximo de servidores que pueden tenerse,
suponga que s k .

0 1 2 s-2 s-1 s k+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

Este modelo no exige que

= <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

W y Wq se obtienen a partir de estas cantidades,

re Pk como se mostr para el caso de un servidor.
114
 EJEMPLO
El propietario del restaurante El tunel de Josep desea evaluar la
calidad de su servicio en lo relativo a esperas de los clientes.
Actualmente el restaurante cuenta con 6 mesas, que se llenan en
cuanto llegan los clientes (no hay reserva previa). Se estima que
llega un promedio de 3,5 grupos cada hora y que cada grupo
permanece en el restaurante durante 1,5 horas.
La poltica actual es la de dejar esperar solamente a dos grupos
cuando todas las mesas estn llenas. Cuando hay dos grupos
esperando, la poltica del restaurante (poltica A) es la de indicar a
los clientes que puedan llegar que no pueden ser servidos, por lo
que stos abandonan el sistema. Se desea saber:
a) Cul es el nmero medio de grupos esperando?
b) Cul es el nmero medio de grupos en el restaurante (tanto los
que esperan como los que son servidos)?
c) Cul es el tiempo medio de espera, antes de entrar a comer?
d) Qu probabilidad existe de denegar el servicio a un grupo?

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

Ahora supongamos que el tamao de la poblacin es finito con

tamao N. cuando el nmero de clientes en el sistema de colas
es n ( n = 0,1,2,.,N), existen slo ( N-n) clientes potenciales en
la fuente de entrada.

Este problema se aplica a la reparacin de maquinas, en el que se asigna a uno

o mas tcnicos de mantenimiento la responsabilidad de mantener en operacin
cierto nmero de N maquinas dando servicio a los que se descomponen.

117
El tiempo que pasa desde que una mquina deja el sistema hasta
que regresa tiene una distribucin exponencial con parmetro .

Cuando N n miembros estn fuera

del sistema la distribucin de
probabilidad del tiempo que falta Parmetro
para la prxima llegada es la n = ( N n )
distribucin del mnimo de los
tiempos restantes afuera para esos
miembros N n miembros.

118
 b) Caso un servidor ( s = 1 )
a)

Desde el punto de vista del proceso de nacimiento y muerte,

la tasa de entradas al sistema ser :

(N n) Para n = 0,1,2,,N
n =
0 Para n >N

N (N 1)
(N n +2) ( N n +1)

0 1 2 n-2 n-1 n N-1 N

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

Este modelo no exige que

= <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 )

Desde el punto de vista del proceso de nacimiento y muerte, la tasa de

entradas al sistema ser :

(N n) para n = 0,1,2,,N
n =
0 para n >N

N (N 1)
(N s +2) ( N s +1)

0 1 2 s-2 s-1 s N-1 N

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

Este modelo no exige que

= <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

W y Wq pueden obtenerse con las mismas ecuaciones

que en el caso de un servidor.

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

Un lavadero de carros puede atender un auto

cada 5 min. y la tasa media de llegadas es de 9
autos/hora, = 2 min.

Obtenga las medidas de desempeo de

acuerdo con el modelo M/G/1.

Adems la probabilidad de tener 0 clientes en el

sistema y la probabilidad de que un cliente
tenga que esperar por el servicio.

128
Modelo M/G/1: ejemplo

Ls Lq 1.31 .75 2.06 clientes

2 2 2
Lq 1.31 clientes
2(1 )
1
Ws Wq 0.228 hrs 13.7 min

Lq
Wq 0.145 hrs 8.7 min

P0 1 0.25 Pw 0.75

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.

La tasa media de llegadas es de 9

autos/hora.

Obtenga las medidas de desempeo de

acuerdo con el modelo M/D/1

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 )

K especifica el grado de variabilidad de los tiempos

de servicio con relacin a la media
Si con cada cliente se realizan k tareas que se
distribuyen de manera idntica de forma exponencial
entonces el tiempo de servicio total se distribuye
Erlang con parmetro 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

Un lavadero de carros puede

atender un auto cada 5 min.

La tasa media de llegadas es de 9

autos/hora. Suponga = 3.5 min
(aprox.).

Obtenga las medidas de desempeo

de acuerdo con el modelo M/Ek/1.

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

Una situacin que es la practica se presenta con bastante

frecuencia es :

Cul es el nmero de servidores que

se debe tener en cada instalacin?

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 colas

137
 Costo de Servicio
Costo esperado por unidad de tiempo

0 Nmero de servidores (s)

138
Costo esperado por unidad de tiempo Costo de Espera

0 Nmero de servidores (s)

139
Para reducir los costos de Bajo nivel de servicio
servicio

Para reducir los tiempos Alto nivel de servicio

de espera

Se debe encontrar un balance el retraso promedio

al solicitar un servicio y el costo de proporcionarlo

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.

Clasifiquemos los clientes en dos grupos :

Clientes externos a la organizacin
Clientes internos de la organizacin.

141
 Costos de espera
relacionado con la
Clientes externos perdida de ganancias
por negocio perdido
o costos sociales.

Difcil de estimar

Costo de espera relacionado

Con la perdida de ganancias
Costos internos Debida a la productividad
Perdida

142
Una vez expresados el costo de espera y el costo del servicio se debe
minimizar la suma de estas cantidades.

E (CS) : costo esperado del servicio

E (CW) : costo esperado de la espera
E (CT) : costo esperado total

E (CS)=Cs*s
Si incurrimos en estos costos slo cuando el servidor est
ocupado,
E(CS)= tendremos:
* Cs * S

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

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

Como varia 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

145
 Forma g(N)

Consideramos el caso :

Costo de espera relacionado

Clientes internos con la perdida 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 numero de clientes en el sistema

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)

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

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

El taller Acme Machine tiene un depsito para las herramientas requeridas

por los mecnicos del taller. Los despachadores tienen en su poder las
herramientas hasta que llegan los mecnicos y las solicitan. Despus las
herramientas son devueltas a los despachadores cuando ya no las necesitan.
Se han presentado quejas de los supervisores de que sus mecnicos pasan
demasiado tiempo esperando a ser atendidos en el depsito de herramientas,
por lo que parece que debera haber ms despachadores. Por otro lado, la
administracin ejerce presin por reducir gastos en la planta, y esta
reduccin conducira a tener menos despachadores.
Despachadores Servidores
Mecnicos Clientes
Sistema M/M/s
= 120 clientes/hora
= 80 clientes/hora
El costo total para la compaa por cada despachador del depsito de
herramientas es alrededor de $20 Cs
Mientras un mecnico est ocupado, el valor de su trabajo para la compaa
promedia $48 Cw
Actualmente se tienen dos despachadores. Cul es el nmero ptimo de
despachadores en este sistema?

150
 APLICACIN DE LA TEORA DE COLAS. EJEMPLO

Anlisis Econmico del Ejemplo del taller Acme Machine

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

s L E(CS)=Cs s E(CW)=Cw L E(CT)=E(CS)+E(CW)

1 1.5 $ 20
2 0.75 3.43 $ 40 $ 165 $ 205
3 0.5 1.74 $ 60 $ 83 $ 143
4 0.375 1.54 $ 80 $ 74 $ 154
5 0.3 1.51 $ 100 $ 72 $ 172

Mnimo 143.3684211

151