Investigacin de Operaciones II 1

SisInvestigaciontemas

PRACTICA TEORIA DE COLAS

TEMA: Anlisis de Sistemas de Colas M/M/1 y M/M/k

OBJETI VOS

Al culminar la presente prctica, el alumno estar capacitado para:

Utilizar la Teora de Colas como una herramienta de apoyo a la toma de decisiones en el anlisis
de diferentes sistemas de colas.

# R E C U RSOS

Software WinQSB (opcin Queuing Analysis)

MAR C O TE RIC O

TEORIA DE LNEAS DE ESPERA

Con el objeto de verificar si una situacin determinada del sistema de lneas de espera se ajusta o no a
un modelo conocido, se requiere de un mtodo para clasificar las lneas de espera. Esa clasificacin debe
de responder preguntas como las siguientes:

1.- El sistema de lneas de espera tiene un solo punto de servicio o existen varios puntos de servicio en
secuencia?
2.-Existe solo una instalacin de servicio o son mltiples las instalaciones de servicio que pueden
atender a una unidad?
3.- Las unidades que requieren el servicio llegan siguiendo algn patrn o llegan en forma aleatoria?
4.- El tiempo que requieren para el servicio se da en algn patrn de o asume duraciones aleatorias de
tiempo?
NOTACIN KENDALL
Por lo general, las tasas de llegada y de servicio no se conocen con certidumbre sino que son de
naturaleza estocstica o probabilstica. Es decir los tiempos de llegada y de servicio deben describirse a
travs de distribuciones de probabilidad y las distribuciones de probabilidad que se elijan deben describir
la forma en que e comportan los tiempos de llegada o de servicio.
En teora de lneas de espera o de colas se utilizan tres distribuciones de probabilidad bastante comunes,
estan se mencionan a continuacin:

Markov
Determinstica
General

La distribucin de Markov, en honor al matemtico A.A. Markov quien identifico los eventos "sin
memoria", se utiliza para describir ocurrencias aleatorias, es decir, aquellas de las que puede decirse que
carecen de memoria acerca de los eventos pasados.
Una distribucin determinstica es aquella en que los sucesos ocurren en forma constante y sin cambio.

1
 Investigacin de Operaciones II 2
La distribucin general sera cualquier otra distribucin de probabilidad. Es posible describir el patrn de
SisInvestigaciontemas
llegadas por medio de una distribucin de probabilidad y el patrn de servicio a travs de otra.
Para permitir un adecuado uso de los diversos sistemas de lneas de espera, kendall, matemtico
britnico elaboro una notacin abreviada para describir en forma sucinta los parmetros de un sistema de
este tipo. En la notacin Kendall un sistema de lneas de espera se designa como

A/B/C

En donde
A = se sustituye por la letra que denote la distribucin de llegada.
B = se sustituye por la letra que denote la distribucin de servicio.
C = se sustituye por el entero positivo que denote el numero de canales de servicio.
La notacin kendall tambin utiliza M = Markoviano, D = determinstica, G = General, por ejemplo un
sistema de lneas de espera con llegadas aleatorias, servicio determinstico y tres canales de servicio se
identificar en notacin Kendall como

M/D/3

En todos los casos se supone que solo existe una sola lnea de entrada.
Es evidente que existen otros atributos aparte de los que se analizaron antes y que deben de tomarse en
consideracin como por ejemplo:
El tamao de la poblacin de los que provienen los elementos que ingresan al sistema de lneas de espera.
La forma en que las unidades llegan para ingresar al sistema de lneas de espera; por ejemplo, una por una o en form
Si las unidades rechazan o no debido a la longitud de la lnea de espera y no ingresan al sistema.
Si las unidades se arrepienten y abandonan el sistema despus de haber aguardado un tiempo en la fila.
Si existe o no espacio suficiente para que todas las unidades que llegan aguarden en la fila.

Los modelos de Lneas de espera que se analizarn son los siguientes:

Modelo M / M / 1
Modelo M / M / S
Modelo M / G / 1
Modelo M / D / 1

MODELO M / M / 1

Este sistema trata de una distribucin de llegada Markoviano, tiempo de servicio Markoviano, y un
servidor.

Llegadas aleatorias (M / M / 1)

En las situaciones cotidianas es fcil encontrar ejemplos de llegadas aleatorias, puesto que las llegadas
sern aleatorias en cualquier caso en la que una de ellas no afecte a las otras. Un ejemplo clsico de
llegadas aleatorias son las llamadas que arriban a un conmutador telefnico o un servicio de emergencia.
Se ha determinada que las ocurrencias aleatorias de un tipo especial pueden describirse a travs de una
distribucin discreta de probabilidad bien conocida, la distribucin de Poisson. Este tipo especial de

2
Investigacin de Operaciones II 3
Al presionar el icono
SisInvestigaciontemas se ver la ventana de los resultados:

Las respuestas buscadas son:

Tasa de ocupacin del sistema = = 40%
Probabilidad de que el sistema este lleno = Pw = Pb = 22.8571%
Tiempo promedio que un cliente pasa en el sistema = W = 0.0794[horas]

3
Investigacin de Operaciones II 4
EJERCICIOS PROPUESTOS
SisInvestigaciontemas

I. Tabla de Simulacin
Los clientes llegan a una estacin de Gasolina, donde realizan un se rvicio de
abastecimiento de combustible como tarea principal. La gerencia de operaciones desea
determinar unos indicadores con los cuales pueda determinar, el nivel de atencin a sus
clientes, para lo cual ha registrado la siguiente informacin:
Client 1 2 3 4 5 6 7 8 9 1 1 1 1 1 1
e 0 1 2 3 4 5
Int. 6 4 7 5 2 8 7 4 8 7 3 1 7 6 9
Arribo
T.Serv 3 4 5 4 6 5 6 4 6 7 4 5 4 7 5
ic

Client 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3
e 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0
Int. 7 4 8 3 6 7 5 3 4 3 7 8 6 5 4
Arribo
T.Serv 4 6 6 5 4 5 7 4 5 4 5 6 5 6 5
ic

Realice una tabla de Simulacin de teora de Colas, en la que determine:

Tiempo promedio de Espera de un Cliente en cola
Tiempo promedio de Espera de un Cliente en el sistema
Eficiencia del servicio

II. Para cada ejercicio Resuelva el problema en WINQSB, y compare los resultados
obtenidos tericamente con los obtenidos en WINQSB.
Ejercicio 1.- .A una lnea de espera llegan 20 unidades por hora y el tiempo promedio de
servicio es de 30 unidades por hora, realizar un anlisis de esta lnea de espera.
Datos
l = 20 unidades por hora
m = 30 unidades por hora
Con los datos anteriores podemos calcular la probabilidad de que el sistema est
ocupado:
Pw = 20 / 30 = 2 /3
r = Pw
Entonces la probabilidad de que el sistema no est ocupado:
Po = 1 - r = 1 / 3
El numero esperado de unidades en el sistema quedar definido por:

= 2 Unidades
El numero esperado de unidades que esperan ser atendidas quedar definido por:

Entonces en promedio habr 4 / 3 de unidades esperando ser atendidas y 2 / 3 de

unidad siendo atendida.

de hora
W = 6 minutos
De manera similar, el tiempo promedio que una unidad espera para ser atendida estar
definido por:

de hora

4
Investigacin de Operaciones II 5
Wq = 4 minutos
SisInvestigaciontemas

MODELO M / M / S

Este modelo supone llegadas y tiempos de servicio aleatorios para canales de servicio
mltiples, teniendo las mismas consideraciones que le modelo de canal nico de servicio
(M / M / 1), excepto que ahora existe una sola fila de entrada que alimenta los canales
mltiples de servicio con iguales tasas de servicio.
El clculo de las caractersticas de la lnea de espera para el modelo M / M / S es lago
mas complicado que los clculos para el caso de canal nico, y dado que
primordialmente nos interesa las implicaciones de estas caractersticas mas que las
formulas necesarias para calcularlos, nos apoyaremos en le uso de tablas elaboradas a
partir de estas formulas para hacer los clculos.

Caractersticas de operacin.

En el modelo M / M / S, si m es la tasa promedio de servicio para cada uno de los S

canales de servicio, entonces ya no se requiere que m > l , pero Sm debe ser mayor que
l para evitar una acumulacin infinita de lneas de espera. En el caso de M / M / S, la
caracterstica que se utilizar para hacer los dems clculos es la probabilidad de que el
sistema est ocupado. En otras palabras, la probabilidad es de que haya S o ms
unidades en el sistema. En este caso todos los canales de servicio se estarn utilizando
y por ello se dice que el sistema est ocupado. Esto de puede representar como:

P(Sistema ocupado) =

Y lo podemos calcular por medio de la siguiente ecuacin:

P(Sistema ocupado) =

En donde Po estar representado por

Con las ecuaciones anteriores podemos calcular los dems datos que requiera el
sistema. En el modelo M / M / S, al igual que el modelo M / M / 1, se tiene que L = Lq + r,
pero aqu utilizaremos el valor P(sistema ocupado) para calcular Lq:

Lq = P(sistema ocupado) x

Ahora calcularemos el valor L

Lq = P(sistema ocupado) x

En el caso de M / M / S, al igual que en el modelo M / M / 1, W = L / l y Wq = Lq / l , por

ello se tiene que
5
Investigacin de Operaciones II 6
SisInvestigaciontemas

En la siguiente figura se representa este modelo.

Ejercicio.

Para ejemplificar el modelo M / M / S, suponga que existen cinco canales de servicio con
tasas promedio de servicio m = 6 y una tasa de llegada de l = 24 unidades por hora,
esto implica que S = 5.
Datos
m=6
l = 24
S=5

Entonces tenemos que

Nota: Para encontrar los valores de Po con una mayor rapidez nos podemos auxiliar de la
tabla que se anexa a este sistema, la cual nos proporciona este valor teniendo como
parmetros los valores de S y de r .
Considerando los valores obtenidos podemos calcular el valor de Po = 0.0130, la
probabilidad de que el sistema este ocupado ser P(sistema ocupado) = 0.5547,
utilizando este valor obtenemos que:

Unidades

L = 2.2188 + 4 = 6.2188 unidades

Ahora el tiempo promedio en del sistema quedar definido de la siguiente forma:

6
Investigacin de Operaciones II 7
SisInvestigaciontemas

MODELO M / G / 1

Descripcin.

Sistema de lneas de espera con llegadas aleatorias, distribucin general de los tiempos
de servicio (para el cual se supone conocida la desviacin estndar), un canal de servicio
y una lnea de espera.
En este modelo las llegadas se distribuyen de acuerdo con la distribucin de Poisson, al
igual a los casos anteriores, pero los tiempos de servicio no necesariamente se
distribuyen de acuerdo con la distribucin exponencial negativa. Si consideramos el caso
en que solo existe un solo canal, estamos considerando el caso M / G / 1, es decir,
llegadas de tipo Markov, tiempo de servicio general y un canal de servicio.
La razn por la que podemos considerar el caso M / G / 1 es que las formulas que se
utilizan para calcular sus caractersticas de operacin son bastantes simples. Al igual
que en el caso M / M / S, no es posible calcular en forma directa el numero esperado de
unidades en el sistema (L). Para esto primero debe de calcularse el numero de unidades
que estn esperando a ser atendidas (Lq), y utilizar este resultado para calcular el valor
de L. Para calcular el valor de Lq debemos de conocer le valor de la desviacin (s )
estndar de la distribucin que distingue los tiempos de servicio. Si no se conoce la
distribucin de los tiempos de servicio no es posible determinar las caractersticas de
operacin.

Ahora si conocemos la desviacin estndar y la media de la distribucin de los tiempos

de servicio, puede obtenerse formula para el valor de Lq a partir de la siguiente
ecuacin.

Si utilizamos Lq podemos determinar el valor de L, por medio de la siguiente ecuacin:

Al igual que las caractersticas de operacin de los modelos M / M / 1 y M / S / 1,

podemos calcular el tiempo esperado en el sistema de lneas de espera (W), y el tiempo
que se invierte antes de ser atendido (Wq), esto lo podemos realizar por medio de las
siguientes ecuaciones:

MODELO M / D / 1

Descripcin.

7
Investigacin de Operaciones II 8
Sistema de lneas de espera con llegadas aleatorias, tiempo de servicio constante, una
SisInvestigaciontemas
lnea de servicio y una lnea de espera.
En este modelo los tiempos de servicio son determinsticos, este es un caso especial de
la situacin M / G / 1 que se analiz con anterioridad, en donde la desviacin estndar es
igual a cero. En este caso se puede conocer el numero de unidades que estn esperando
a ser atendidas (Lq), a travs de la siguiente ecuacin:

Todas las dems caractersticas de operacin pueden determinarse a partir de este valor.
Si utilizamos Lq podemos determinar el valor de L, por medio de la siguiente ecuacin:

Al igual que las caractersticas de operacin de los modelos M / M / 1 y M / S / 1,

podemos calcular el tiempo esperado en el sistema de lneas de espera (W), y el tiempo
que se invierte antes de ser atendido (Wq), esto lo podemos realizar por medio de las
siguientes ecuaciones:

EJERCICIOS

Problema A.
Debido a un reciente incremento en el negocio una secretaria de una cierta empresa
tiene que mecanografiar 20 cartas por da en promedio (asuma una distribucin de
Poisson). A ella le toma aproximadamente 20 minutos mecanografiar cada carta (asuma
una distribucin exponencial). Suponiendo que la secretaria trabaja ocho horas diarias.
Datos
l = 20 / 8 = 2.5 cartas/hora
m = (1 / 20 min)(60 min/ 1 hora) = 3 cartas/hora

La tasa de utilizacin de la secretaria estar definida por:

El tiempo promedio de espera antes de que la secretaria mecanografe una carta se

deducir de la siguiente manera:

horas
Ahora el numero promedio de cartas que estarn en la lnea de espera:

Si deseramos conocer la probabilidad de que a la secretaria tenga mas de cinco cartas

que mecanografiar, se determinara de la siguiente manera:

8
Investigacin de Operaciones II 9
SisInvestigaciontemas
K

0 0.834

1 0.694

2 0.578

3 0.482

4 0.401

5 0.334

6 0.279

Problema B.

Sam el veterinario maneja una clnica de vacunacin antirrbica para perros, en la

preparatoria local. Sam puede vacunar un perro cada tres minutos. Se estima que los
perros llegarn en forma independiente y aleatoriamente en el transcurso del da, en un
rango de un perro cada seis minutos, de acuerdo con la distribucin de Poisson. Tambin
suponga que los tiempos de vacunacin de Sam estn distribuidos exponencialmente.
Determinar:
Datos
l = 1 / 6 = 0.167 perros/min
m = 1 / 3 = 0.34 perros/min
La probabilidad de que Sam este de ocioso definir de la siguiente manera:

Ahora la proporcin de tiempo en que Sam est ocupado.

El nmero total de perros que estn siendo vacunados y que esperan a ser vacunados

El numero promedio de perros que esperan a ser vacunados.

Problema C.

Las llamadas llegan al conmutador de una oficina a una tasa de dos por minuto, l
tiempo promedio para manejar cada una de ests es de 20 segundos. Actualmente solo
hay un operador del conmutador. Las distribuciones de Poisson y exponencial parecen
ser relevantes en esta situacin.

Datos
l = 2 llamadas/minutos
m = (1 / 20 seg)(60 seg) = 3 llamadas/minuto
La probabilidad de que el operador este ocupado se definir:

9
Investigacin de Operaciones II 10
SisInvestigaciontemas

El tiempo promedio que debe de esperar una llamada antes de ser tomada por l
operador

El numero de llamadas que esperan ser contestadas

Problema D.

Al principio de la temporada de futbol, la oficina de boletos se ocupa mucho el da

anterior al primer juego. Los clientes llegan a una tasa de cuatro llegadas cada 10
minutos y el tiempo promedio para realizar la transaccin es de dos minutos.
Datos
l = (4 / 10) = 0.4 c/min
m = (1 /2 ) = 0.5 c/min
El numero promedio de gente en lnea se definir de la forma siguiente:

personas

El tiempo promedio que una persona pasara en la oficina de boletos

minutos
La proporcin de tiempo que el servidor est ocupado

Problema E.

Electronics Corporation retiene una brigada de servicio para reparar descomposturas de

mquinas que ocurren con promedio de tres por da (aproximadamente de naturaleza de
Poisson). La brigada puede servir a un promedio de ocho mquinas por da, con una
distribucin de tiempo de reparacin que se asemeja la distribucin de exponencial.
Datos
l= 3 repar. /da
m = 8 repar. /da
La tasa de utilizacin de este sistema se encontrar de la siguiente forma:

El tiempo promedio de descompostura para cada mquina que est descompuesta

Las mquinas que estn esperando a ser reparadas el cualquier momento dado

10
Investigacin de Operaciones II 11
La probabilidad de que haya una mquina en el sistema, dos, tres o ms mquinas en el
SisInvestigaciontemas
sistema.

0 0.375

1 0.140

2 0.052

3 0.019

4 0.007

5 0.002

Problema F.
El Barrys Car Wash est abierto seis das a la semana, pero el da del negocio mas
pesado es siempre el sbado. A partir de datos histricos, Barrys estima que los coches
sucios llegan a una tasa de 20 por hora, todo el da sbado. Con una brigada completa
trabajando la lnea de lavado a mano, l calcula que los automviles se pueden lavar a
una tasa de uno cada dos minutos. Este ejemplo se tiene una lnea de espera de canal
sencillo, los automviles se lavan de uno en uno. Suponga llegadas de Poisson y tiempos
exponenciales de servicio.
Datos
l = 20 automvil /hora
m = (1 / 2 min)(60 min) = 30 automvil / hora
El numero promedio de automviles en la lnea se definir de la siguiente manera:

El tiempo promedio que un automvil espera antes de ser lavado

El tiempo promedio que un automvil pasa en el sistema de servicio

La tasa de utilizacin del lavado de automviles

La probabilidad de que no haya automviles en el sistema

III.- RESUELVA LOS EJERCICIOS EN WINQSB

APLICACIN 1.- En un sistema de consultas on-line que atiende a una determinada regin
geogrfica, llegan en promedio 15 consultas por hora, siguiendo este nmero de llegadas un proceso de
Poisson.

11
Investigacin de Operaciones II 12
El tiempo que tarda el ordenador en responder a una consulta, flucta aleatoriamente siguiendo una distribucin
SisInvestigaciontemas
exponencial de media 3 minutos.
Pinchando en la ventana de cuadros de la izquierda nos pregunta el tipo de modelo que se va a estudiar. Una
vez introducidos los datos pincha en Solve and analyze, y elige solve the performance para ver los resultados.
a) Qu porcentaje de tiempo estar el ordenador sin utilizar?
b) Cunto debern esperar, en promedio, las consultas antes de ser atendidas?
c) Cul ser, en promedio, el nmero de consultas que estarn en la cola esperando a ser atendidas?
d) Con el fin de reducir los tiempos de espera, se decide comprar un segundo ordenador. Se plantean dos
formas de utilizar el nuevo equipo:
i) Situarlo en la oficina central junto al anterior, de forma que si llega una consulta y un equipo est
ocupado, se dirige inmediatamente al otro, esperando en cola slo si los dos estn ocupados.
ii) Situar el ordenador en una delegacin y dividir la poblacin de clientes en dos grupos de igual tamao
de forma que cada uno sea atendido independientemente por uno de los dos ordenadores.
Cul de las dos alternativas conduce a tiempos medios de espera menores?. Pinchando en la opcin del
men Windows, se puede volver a la pantalla de introduccin de datos.
e) Si las capacidades de las colas son de 5 consultas, calcular la probabilidad de que se pierda un cliente para
los dos diseos del sistema. Pinchando en results y probability summary, se pueden obtener las
probabilidades.
f) Para estudiar cmo varan los distintos parmetros de rendimiento del sistema al variar alguno de los
parmetros de entrada, se puede realizar un anlisis de sensibilidad. Para ello pincha en Solve and analyze, y
elige Perform sensitivity anlisis desde la pantalla inicial de introduccin de datos. Volviendo al sistema
original, M/M/1 con capacidad infinita, estudia cmo vara el nmero medio de clientes en el sistema al
variar la tasa de llegada entre 15 y 20 clientes por hora, con un paso de 0.5 c/h. Tambin puedes ver los
resultados grficamente pinchando en results y eligiendo graphs por qu el sistema es inestable cuando la
tasa de llegada es 20?
NOTA: Cuando no es exponencial el tiempo de servicio o el tiempo entre llegadas, tenemos que elegir la opcin
General Queueing Systems en la pantalla inicial. En la lnea correspondiente a service time distribution y/o
interarrival time distribution, pulsaremos dos veces el ratn para poder elegir distribuciones que no sean
exponencial. Al no existir solucin analtica en muchos casos, los resultados se pueden obtener mediante
aproximaciones numricas (Approximation by G/G/s), o mediante simulacin. Las distribuciones ms habituales
son:
1. Exp/a/b: Exponencial de media b, tomando valores para x>a. Normalmente, a=0.
2. Gamma/a/b/c: Gamma con parmetro de escala b, parmetro de forma c, cb= media tomando valores
para x>a. Normalmente, a=0.
3. Normal//: Normal con =media y =desviacin tpica.
4. Constante: No hace falta poner Constante, solo el valor de la constante.

APLICACIN 2.- Una gran aseguradora tiene un sistema de cmputo centralizado que tiene una
diversidad de informacin sobre cuentas de clientes. Los agentes de seguros, en un rea que incluye seis
distritos, utilizan lneas telefnicas para tener acceso a la base de datos sobre la informacin de clientes.
Actualmente, el sistema de computacin central de la empresa da acceso simultneamente a 3 usuarios a la
computadora central. A los agentes que intentan utilizar el sistema cuando est ocupado se les niega el acceso;
no hay periodo de espera. La administracin se da cuenta de que al aumentar el volumen de negocios, habr ms
solicitudes al sistema de informacin central. Que se les niegue acceso al sistema es tanto ineficiente como
molesto para los agentes. Las solicitudes de acceso siguen una distribucin de probabilidad Poisson, con una
media de 42 llamadas por hora. La tasa media de servicio por lnea es de 20 llamadas por hora.

12
Investigacin de Operaciones II 13
SisInvestigaciontemas

a) Cul es la probabilidad de que se estn utilizando 0, 1, 2 y 3 lneas de acceso?.

b) Cul es la probabilidad de que se le niegue acceso a un agente al sistema?.
c) Cul es el nmero promedio de lneas de acceso en uso?.
d) Planeando para el futuro, la administracin deseara tener la capacidad de manejar = 50 llamadas por
hora; adems, la probabilidad de que se le niegue acceso a un agente al sistema no debera ser superior a
su respuesta del inciso (b). Cuntas lneas de acceso deber tener este sistema?.

R E FE RENCIAS BI BLIOGR FI C AS
WINSTON, Wayne L. Investigacin de Operaciones Aplicaciones y Algoritmos. Mxico: Grupo Editorial
Thomson, 2005.
MATHUR, Solow. Investigacin de Operaciones, el Arte de la Toma de Decisiones. Mexico: Prentice Hall
Hispanoamericana, 1992.
TAHA, Handy A: Investigacin de Operaciones. Mxico: Ediciones Prentice Hall
Hispanoamericana, 1998
HILLIER, F.S. & LIEBERMAN, G.J. Introduccin a la Investigacin de Operaciones. San
Francisco: Holden Day, 1997.

13