C L IE N T E S
IN S TA L A C IO N E S D E S E R V IC IO
A u t o m v ile s q u e e s p e ra n
s e r la v a d o s
A v io n e s q u e e s p e ra n a te rriz a r
A lu m n o s q u e e s p e ra n p a g a r
s u m a t r c u la
E J E M P L O S D E L IN E A D E E S P E R A
* C lie n te s q u e lle g a n a u n b a n c o , e s p e r a n
s e r a te n d id o s y lu e g o s e m a r c h a n .
* A u t o m v ile s q u e e s p e r a n a v a n z a r e n u n a l u z r o ja
* P a c ie n t e s q u e e s p e r a n s e r a t e n d id o s e n la s a l a
d e e m e r g e n c ia d e u n h o s p ita l
* C li e n t e s q u e e s p e r a n s e r a t e n d i d o s p o r la c a je r a
d e u n s u p e rm e rc a d o
* L a s p a r te s d e u n p r o c e s o d e p r o d u c c i n q u e lle g a n
a u n a e s ta c i n d e t r a b a j o p a r t ic u la r d e s d e d i f e r e n te s
e s t a c io n e s , e s p e r a n e n u n c o m p a r t im e n t o p a r a s e r
p r o c e s a d o s p o r u n a m q u in a y lu e g o s e r e n v ia d a s a
o t r a s e s t a c io n e s d e t r a b a j o .
In s ta la c io n e s d e la v a d o
d e a u to s
P is ta s d e e te rriz a je
C a ja s d e p a g o
F ig . N 1
C O M P O N E N T E S D E U N S IS T E M A D E C O L A S
S e r v id o r e s
P o b la c i n d e c lie n te s
C lie n t e s q u e e s p e r a n
P ro c e s o d e
lle g a d a s
P r o c e s o d e c o la s
P ro ce s o d e
s e r v ic i o
S is te m a
S is t e m a
C lie n t e s q u e lle g a n
S e r v id o r
S e r v id o r
L n e a d e e s p e ra 1
S a lid a
L n e a d e e s p e ra 2
S is t e m a d e c o la m u lt is e r v id o r m u lt ic o la d e u n s o lo c a n a l
S is t e m a
P o b la c i n d e c lie n t e s
S a l id a
S e r v id o r
C lie n t e s
que
e s p e ra n
1
C lie n t e s
q u e lle g a n
2
L n e a d e e s p e r a s im p le
M O D E L O D E C O L A S IM P L E C O N S E R V IC IO M U L T IP L E
S is t e m a
M o d e lo c o n u n
s o lo s e r v id o r
T ie m p o
d e e s p e ra
FA S E S D E E S TA D O E S TA B L E
Y T R A N S IT O R I O
medidas
de
rendimiento
con
el
tiempo,
N m e r o d e c l ie n t e s
( e n o r d e n d e lle g a d a )
F a s e d e e s t a d o e s t a b le
relacionadas
al
entre
medidas
de
W Wq 1
Nmero
Tas promedio Tiempoestimado
e sprado
del gad spor * de spera
declintes n unida detimpo en lsitema
elsitema
L * W
La relacin entre el nmero promedio de
clientes que esperan en la cola para ser
atendidos y el tiempo promedio que un cliente
recin llegado tiene que esperar en la fila antes
de ser atendido, se puede calcular con la
siguiente frmula:
Nmero
Tas promedio Tiempoestimado
e sprado
del gad spor de spera
declintes n unida detimpo enlafila
lafila
Lq * Wq
En general, suponiendo que se conocen los
valores de y , las medidas W, Wq, L y Lq
pueden encontrarse a partir de las ecuaciones
antes descritas, conociendo el valor de
cualquiera de ellas. Por ejemplo, suponga que
=12 y =4 y que se ha determinado que Lq=3,
entonces:
Lq 3 1
12 4
1 1 1 1
W Wq
4 4 2
1
L * W 12 * 6
2
Wq
W Wq
L * W
Lq * Wq
x e T
para x=0, 1, 2,
x!
donde:
de
ocurrencias
en
el
T: Cantidad de tiempo
Observe que funcin de probabilidad de
Poisson no muestra un lmite superior al
nmero de valores posibles que pueda tomar
una variable aleatoria; es decir, x es una
variable aleatoria discreta con una secuencia
de valores infinita (x=0, 1, 2,); no tiene un
lmite superior especfico. Esto significa que la
distribucin de Poisson supone un nmero
muy grande (infinito) de posibles llegadas, cada
una con una pequea probabilidad de que
ocurra. Las llegadas son independientes y la
cantidad de una de ellas no afecta la cantidad
de la siguiente. Este proceso es completamente
aleatorio porque tiene la propiedad de que el
intervalo de tiempo que permanece hasta la
ocurrencia del prximo evento, es totalmente
independiente del intervalo de tiempo que ha
transcurrido desde la ocurrencia del ltimo
evento. Otra caracterstica que distingue este
proceso es que es la nica distribucin cuya
media y varianza son iguales. En ocasiones se
utiliza esta propiedad como un indicador inicial
para conocer si los datos de muestra se
tomaron o no de una distribucin de Poisson.
Ejemplo:
Suponga que Samuels Burguer analiz los
datos sobre las llegadas de los clientes y
concluy que tasa media de llegadas es de 45
clientes por hora. Para un periodo de un
minuto, la tasa media de llegada sera:
4
45 clientes
0.75 clientes por minuto
60 minutos
x e
0.75 x e 0.75
x!
x!
x e
0.75 0 e 0.75
P (0)
e 0.75 0.4724
x!
0!
0.75e
0.3543 dado el nmero promedio de eventos por
x!
1!
unidad de tiempo, es:
2 0.75
x
2 0.75
T 5 semanas
(0.75) e
e
0.75 e
P (2)
0.1329
x!
2!
2
( * T ) x e T
P (nmero de ventas T x)
La probabilidad de que no halla clientes en un
x!
periodo de un minuto es 47.24%; la
( 1.6* 5 ) x e 1.6*5
probabilidad que llegue n cliente en un minuto
P (nmero de ventas en 5 semanas x)
x!
es 35.43%; y, la probabilidad que lleguen dos
Puede
combinarse
y
T
para
obtener
el
nmero
clientes en un minuto es 13.29%.
esperado de eventos en el periodo de tiempo
En la prctica, se debera registrar la cantidad
especificado. Por ejemplo, si =2 y T=5, el
real de llegadas por periodo durante varios das
nmero promedio de eventos por periodo de
o semanas, para comprobar la distribucin de
cinco semanas es T=10; adems, como la
frecuencia observada de las llegadas con la
media es igual a la varianza, la desviacin
distribucion de probabilidad de Poisson, con el
estndar es (T)1/2.
propsito de determinar si la distribucin de
Poisson
proporciona
una
aproximacin Alternativamente, otro planteamiento vlido
para describir el proceso de llegadas consiste
razonable de la distribucin de llegadas.
en utilizar la funcin de densidad para una
Ejemplo:
distribucin exponencial. Esa funcin de
Si los clientes de un banco llegan con una densidad depende de un parmetro y est
rapidez promedio de =20 por hora; la dada por:
probabilidad de que lleguen 2 clientes en los
e T
f (t )
siguientes 10 minutos es:
1 hora
1
T 10 min *
hora
donde:
60 minutos 6
: Promedio de llegadas por unidad de tiempo
( * T ) x e T
P (tiempo entre lleg adas T x)
x: Cantidad de ocurrencias en el intervalo
x!
T: Cantidad de tiempo
(20*1/6)2 e 20/6
P (tiempo de llegadas en 10 minutos 2)
f(t): Probabilidad de que el siguiente cliente
2!
llegue dentro de las sigientes T unidades a
11.111 * 0.036
partir de la llegada anterior.
P (tiempo de llegadas en 10 minutos 2)
2
Es decir, con una cantidadde tiempo se puede
P (tiempo de llegadas en 10 minutos 2) 0.20 utilizar la funcin de densidad para calcular la
probabilidad de que el siguiente cliente llegue
Ejemplo
Se han vendido por separado 80 unidades de dentro de las siguientes T unidades de tiempo a
un producto, durante las ltimas 50 semanas
Ejemplo:
Suponga que una estacin de comida rpida
estudi el proceso de toma y surtido de pedidos
Ejemplo
fT(t)
donde:
E (T ) = 1 /
60clientes
1cliente / min uto
60 min utos
f T (t )
Para t>0
var(T )
P 0 T
0.393
2
3 1
1 1
T
0.383
2
U min(T1 , T2 ,..., Tn , U
As, si Ti representa el tiempo que pasa hasta
que ocurre un tipo especial de evento, entonces
U representa el tiempo que pasa hasta que
ocurre el primero de los n eventos diferentes.
Ahora note que para cualquier t>0,
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
exp
P(T t, T t t)
P(T t)
e (t t )
e t
e t
P(T t)
t
i
i 1
P (T j U ) j
i 1
para j=1, 2,
P X (t ) n
t n e t
n!
para n = 0, 1, 2,...; n.
E X (t ) t
1 x
n2
xn
n!
se concluye que
P(T t t/T t) 1 1 t
n2
t n
n!
i 1
del
sistema
son
las
Bscula
Estacin de pesado
presentan de acuerdo con un proceso de
Poisson con una tasa promedio de clientes
por unidad de tiempo.
Un proceso de colas que consiste en una
sola lnea de espera de capacidad infinita, con
una disciplina de colas de primero en entrar
primero en salir.
60
0.9091
66
entre
llegada
de
los
para
completar
dos
Pw 1 - P0
Pw 0.9091
Es decir, aproximadamente, 91% del tiempo,
un camin que llega, tiene que esperar.
f. Nmero promedio en la fila (Lq):
2
1
(0.9091) 2
Lq
9.0909
1 0.9091
Lq
U
U 0.9091
Indica que aproximadamente 91% del tiempo
las instalaciones de pesado estn en uso (un
camin est siendo pesado). De manera
equivalente, aproximadamente, 9 % del tiempo
la estacin est sin funcionar, sin que haya
camiones que se estn pesando.
d. Probabilidad de que no haya clientes en el
sistema (P0):
P0 1 -
P0 1 - U
P0 1
P0 1 - 0.9091 0.0909
Lq
1
1
Lq
2
*
Lq
9.0909
Wq
0.1515
60
Wq
2
*
Wq
Wq
*
El valor Wq=0.1515, indica que, en promedio,
un camin tiene que esperar 0.1515 horas
W Wq
W 0.1515
W Wq
1
0.1667
66
*
* *
W
* *
1
W
W
Nmero
promedio
en la fila
L * W
L 60 * 0.1667 10
Tiempo
promedio
de espera en la
cola
L * W
Tiempo
promedio
de espera en el
sistema
Pn * P0
Pn U n * P0
n
FORMULA GENERAL
Lq
2
1
2
*
Lq
Wq
Lq
Wq
W Wq
* 1 -
Pn
0.0909
0.0826
0.0751
0.0683
se
obtienen
los
Nmero
promedio
1
W
en el sistema
Probabilidad
de
que
no
haya
clientes
en
el
sistema
Probabilidad
de
que haya n clientes
en el sistema
Utilizacin
L *W
Probabilidad
de P0 1 -
que un cliente que
llega tenga que
esperar
Pn U n * (1 - U)
Pn
P0 1 - U
P0 1 -
Pw 1 - P0
Pn n * P0
U
INTERPRETACIN DE LAS MEDIDAS DE
RENDIMIENTO
Bscula 1
Camiones
esperando
Bscula 2
Estacin de pesado
P0
1
c 1
donde:
n 0 1 2
c 1
.....
n!
0!
1!
2!
(c 1)!
n 0
c 1
k! k(k 1)....1 y 0! 1
n!
n 0
c 1
1.75 0 1.75 1
0!
1!
1 1.75 2.75
n 0
(1.75) 2
c
c
2
*
n! c
2!
2 1.75
c
c
*
1053125 * 8 12.25
n! c
P0
1
2.75 12.25
P0
1
0.06667
15
c 1
1
*
* P0
(c 1)! (c ) 2
(1.75)3
Lq
Lq 5.7167
70
1.75
40
n 0
n!
c = 2 servidores
n! c! * c
(1)!
1
(2 1.75) 2
* 0.06667
Lq 5.359375 * 16 * 0.06667
Lq
Wq
Wq
5.7167
0.081667
70
W 0.081667
1
40
1
c
* c *
* P0
c!
c
Pw
1
2
* (1.75) 2 *
* 0.06667
2!
2 1.75
Si n < = c:
n
* P0
n!
0.06667
0.11667
0.10210
Si n > c:
Pn
(c! ) c n -c
* P0
0.08932
0.07816
c 1
c2
1
U 1 P0
P1
P2 ... Pc 1
c
c
c
1
U 1 P0
P1
2
Pn
Pn
los
U 1 0.125 0.875
obtienen
h. Utilizacin (U):
L 70 * 0.10667 7.4667
Pn
se
se
obtienen
los
2/5 2
0.6667
1
3/5 3
L q L
WS
Wq
2 2
4
*
0.2667
5 3 15
L 2/3
2
1
6
18 9
Lq
4 / 15
4
2
(1 )
n k 1
(1 )
n k 1
1
1
P( L k ) (1 ) k 1
P( L 5) 6 0.4
n k 1
k 1
0.0041
P (0)
(0.75) 0 e 0.75
e 0.75 0.4724
0!
P (0)
(0.75) 1 e 0.75
0.75e 0.75 0.3543
1!
P(0)
(0.75) 2 e 0.75
0.5625 * 0.4724
0.1329
2!
2
Solucin:
En particular, los clientes esperan un promedio
de tres minutos antes de comenzar a colocar
Figura N 04
Hoja de respuesta para el problema de Happy Burguer,
cuando tiene dos servidores.
Figura N 02
Hoja de respuesta de la la distribucin de probabilidades para
el problema de Happy Burguer
Figura N 01
Hoja de respuesta de las medidas de desempeo para el
problema de Happy Burguer
100
100 * 10
95.8%
2 * 60/11.5
Figura N 01
Hoja de respuesta de TORA para el problema de servicios de
lavado de autos.
Ejemplo 5:
En la ciudad de Huaraz operan dos compaas
de autos de alquiler. Cada una de las
compaas posee dos autos de alquiler y se
conoce que comparten el mercado en partes
casi iguales. Esto es evidente por el hecho que
las llamadas llegan a las oficinas de despacho
de cada compaa a la tasa de 10 por hora. El
tiempo promedio por dejada es 11.5 minutos.
La llegada de llamadas sigue una distribucin
de Poisson, mientras que los tiempos de dejada
son exponenciales.
Las dos compaas fueron compradas hace
poco por el Grupo Romero. Despus de tomar
el mando de las dos compaas su primera
accin fue intentar reunir las dos en una sola
oficina de despacho, con la esperanza de
ofrecer un servicio ms rpido a sus clientes.
Sin embargo, observ que el uso (la razn de
las llamadas que llegan por hora a las dejadas)
de cada compaa es:
uso.
a. Compare las dos situaciones presentadas en
esta compaa y analice los resultados.
Ejemplo 6:
Considere el problema de la reunificacin de
las compaas de alquiler de autos. Suponga
que no obstante el dueo comprender que el
tiempo de espera calculado es excesivo, no
puede obtener fondos para comprar otras
unidades. Para resolver el problema de la
espera excesiva, instruy a la oficina de
despacho a dar una disculpa a los posibles
clientes por falta de disposicin de automviles
una vez que la lista de espera ascienda a 16
clientes.
a. Analice el efecto de esta decisin sobre el
tiempo de espera
b. Calcule el
inactivos.
nmero
esperado
de
taxis
Figura N 03
Hoja de respuesta para el problema de Happy Burguer,
cuando mejora la tasa de servicio.
1 s 1
1
SOLUCIN
1 s 1 0.9
Datos:
La simplificacin
proporciona:
s 1 0.1
de
la
desigualdad
nos
ln(0.1)
1 4.679
ln(4 / 6)
De
esa
manera,
estacionamiento.
s>5
espacios
de
Ejemplo 8:
Considere el ejemplo anterior. Suponga que
esta instalacin de lavado de autos tiene un
total de 4 lugares de estacionamiento. Si el
estacionamiento est lleno, los autos que
lleguen buscarn servicio en otra parte. El
propietario desea determinar cmo influye el
espacio de estacionamiento limitado en la
prdida de clientes a la competencia.
a. Las nuevas medidas de rendimiento.
b. Cuntos clientes se pierden debido al
limitado espacio de estacionamiento, por hora y
por da de trabajo (8 horas).
c. La probabilidad de que un carro que llegue
reciba servicio de inmediato.
Solucin:
S is te m a
F u e n te
e fe c tiv a
P r d id a
efectiva perdida
Puesto que el lmite sobre el sistema es N=5, la
proporcin de clientes perdidos es P5=0.04812
que, con base en el da de 24 horas, es
equivalente a perder P5*24= 4*0.04812*24
=4.62 autos al da. Una decisin respecto a
aumentar el tamao del estacionamiento, debe
basarse en el valor de los clientes perdidos.
Viendo el problema desde un ngulo diferente,
el tiempo total esperado en el sistema Ws =
0.3736 horas (aproximadamente 22 minutos9,
menor a los 30 minutos del ejemplo anterior.
Esta reduccin de cerca de 25% se asegura a
expensas de perder cerca de 4.8% de todos los
clientes potenciales debido al espacio limitado
del estacionamiento.
c
1
n!
Pn
Cuando
P0
n c , se obtiene:
c! c n c
Pn
P0
1
c 1 c n
c c 1 1
c!
n 0 n!
Lq
c c c 1
c! 1 2
P0
L L q c
Wq
Luego:
P0
Lq
W Wq
b. Agregar
un
peluquero
ms
mejora
enormemente el desempeo del sistema. Con
dos peluqueros las medidas de desempeo se
muestran en la figura 03.
El sistema se encuentra ocupado, ahora, 36%
del tiempo.
Figura N 01
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, antes de la aparicin del artculo periodstico
Figura N 02
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, despus de la aparicin del artculo periodstico
Figura N 03
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, con dos servidores.
1 n
1 k 1
para n = 1, 2, 3,..., k
1
1
k 1 para 0 < n < k (slo cuando
ef P Cantidad en el sistema k
0 P Cantidad en el sistema k )
ef 1 P Cantidad en el sistema k
ef 1 Pk
k 1 k 1
1 k 1
Figura N 01
Hoja de respuestas de WinQSB para el problema del pintor
callejero.
L q L 1 P0
L
ef
Wq
Lq
ef
Problema 10:
En la plaza de Armas de Huaraz, se ha ubicado
un artista callejero que pinta una caricatura en
unos 5 minutos. Sin embargo, como los
tiempos que requiere cada dibujo cambian
considerablemente,
se
pueden
describir
bastante
bien
con
una
distribucin
exponencial. Las personas desean esperar su
turno, pero cuando hay ms de 10 optan por
irse y se les sugiere regresen despus. En las
horas pico cabe esperar que haya hasta 20
clientes por hora. Suponga que los clientes
llegan totalmente al azar en las horas pico.
a. Qu proporcin del tiempo tiene la cola su
mxima capacidad?
b. En promedio, cuntos clientes optan por
irse?
c. Determinar las medidas de desempeo para
este sistema de colas
d. Si el rea de espera duplicara su tamao,
cmo afectara a las respuestas de las
partes (a) y (b)?
Solucin
La tasa de llegada es =20 por hora; la lasa de
servicio es =12 por hora, de modo que
=20/12=1.667. El nmero mximo de clientes en
el sistema es K=11 (10 en la cola ms el cliente
que est siendo atendido).
Las medidas de desempeo se muestran en la
figura N 01.
a.
1 K
1 K 1
(1 1.6667)(1.6667) 11
1 1.667 12
184.25
0.40
459.5
Figura N 02
Hoja de respuestas de WinQSB que muestra las
probabilidades para el problema del pintor callejero
Figura N 03
Hoja de respuestas de WinQSB que muestra las
probabilidades para el problema del pintor callejero
cuando se duplica el rea de espera
CT C w L s C s k
Para realizar un anlisis econmico de una
lnea de espera debemos obtener estimaciones
razonables del costo de esperar y el costo del
servicio. De estos dos costos, por lo general el
de esperar es el ms difcil de evaluar. En el
problema de Happy Burger, el costo de
esperar sera el costo por minuto para un
cliente que espera por servicio. Este costo no es
un costo directo para Happy Burger; sin
embargo, si Happy Burger lo ignora y permite
lneas de espera largas, los clientes comern en
otra parte. Por tanto, Happy Burger
Solucin:
Clientes: mquinas tejedoras.
Figura N 01
Medidas de rendimiento obtenidas con Win QSB para el
problema de American Weavers, Inc.
Poblacin: infinita
en la tabla N 01.
Costo Total
de personal
por hora
Nmero de
reparadores
Nmero promedio
de mquinas fuera
de operacin
=(50*7)+(100*12.0973)
=$1559.73 por hora
Realizando clculos parecidos para cada uno
de los tamaos de personal restantes se tiene
como resultado los costos por hora de cada
alternativa que presentamos en la Tabla N 02.
De los resultados, usted puede ver que la
alternativa que tiene el menor costo por hora,
$1,128.63, es tener un total de nueve
reparadores.
En
consecuencia,
Ud.
recomendar a la gerencia de produccin de
American Weavers, Inc., contratar a dos
reparadores adicionales. Estos dos nuevos
empleados tendrn un costo de $100 por hora,
pero este costo adicional est ms que
justificado por los ahorros que se tendrn con
menos mquinas fuera de operacin. La
recomendacin reducir el costo por hora de
$1,559.73 a $1,128.63, un ahorro aproximado
de $430 por hora, mayor que la cantidad que
cubre sus honorarios.
TABLA N 02
Costo por hora par diferentes tamaos de personal de reparacin
de American Weavers, Inc.
Tamao de Nmero esperado
Costo por hora
personal
en el sistema
7
12.0973
7.7436
6.7863
10
6.4594
11
6.3330