U1.Teoria de Colas

Investigacin de operaciones II
Unidad 1. Teora de colas
Ciencias Exactas, Ingenieras y Tecnologa
Ingeniera en Logstica y Transporte
7 Semestre
Programa de la asignatura:
Clave
13144737
Universidad Abierta y a Distancia de Mxico
Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 1


Presentacin de la Unidad
Te damos la bienvenida a la unidad 1 de la materia Investigacin de operaciones II, de

antemano te felicitamos por haber llegado hasta aqu en la carrera de logstica y transporte,
debes recordar que tan solo el 0.63 % de la poblacin termina una carrera universitaria y t
ests en la recta final para pertenecer a este selecto grupo de profesionistas.
Ahora bien, en esta unidad podrs obtener los conocimientos necesarios de manera prctica,
como por ejemplo para poder decidir cuntos servidores se requieren para que un cliente no
tenga que esperar ms tiempo de lo necesario, as como determinar el tiempo que tardars en
fila de acuerdo a las complejidades de un negocio al que vayas. Esto es importante, tomando
en cuenta que en logstica el tiempo verdaderamente vale oro, de tal forma que al final de esta
unidad sers capaz de determinar el nmero de estibadores, cajones de descarga, trileres,
camiones, etc., para que no se tenga que esperar ms de lo necesario-
Por otra parte tendrs la capacidad para determinar el tiempo que tardarn algunos de tus
transportistas, en descargar la carga de acuerdo a las instalaciones que tenga la bodega.
El poder contar con estos conocimientos te servir para tomar mejores decisiones a futuro y en
ciertos casos el que puedas prever los inconvenientes, de tal forma que los resultados
negativos sean mnimos.
Esperamos que reflexiones respecto a la importancia de esta asignatura en tu carrera y de ah

la necesidad de aprender lo mejor posible los contenidos de esta unidad, te deseamos suerte y
sobretodo nimo para terminar bien esta unidad.
Propsitos
Los propsitos de esta unidad son:
Describir cada uno de los modelos de la teora de colas.

Distinguir las diferentes variables utilizadas en cada modelo de anlisis.
Elegir el modelo de acuerdo a las necesidades de un cliente.
Competencia especfica
Seleccionar un algoritmo de la teora de colas, para diferenciar los modelos en la resolucin de

un problema, mediante la identificacin de las variables.

1.1. Introduccin a la teora de colas
Se va a entender como una teora a un conjunto de estructuras (conceptos, definiciones y

proposiciones) interrelacionados capaces de explicar por qu y cmo ocurren las cosas. El
tener la capacidad de pronosticar lo que ocurrir siempre ayudar a tener la capacidad de tener
la mejor decisin sobre un problema. De ah la importancia de este primer tema de la unidad, en
donde te mostraremos en forma breve la historia de cmo se concibieron estas teoras, la
utilidad de las mismas y la nomenclatura utilizada para su fcil aplicacin. No nos queda ms
que darte la bienvenida y esperemos que los contenidos sean de tu agrado y los puedas aplicar
a mediano plazo en el campo laboral.
1.1.1. Contexto histrico
Vamos a iniciar el primer subtema respondiendo la pregunta De dnde surge la teora de

colas? Los inicios de la teora de colas empiezan por la idea de un matemtico de origen dans
llamado Agner Krarup Erlang.
De acuerdo con Prez (2011) Erlang era miembro de la Asociacin danesa de matemticas, a
travs de la cual tena contacto con otros matemticos incluyendo miembros de la compaa de
telfonos de Copenhague. Por medio de estas personas entra a trabajar a la empresa en 1909,
en donde se da cuenta del problema de atencin a las personas, el cual derivaba en la falta de
telefonistas que pudieran conectar rpidamente a las personas. Se debe recordar que en 1909
no existan computadoras que pudieran realizar estas tareas, la forma en la cual se deba
realizar era manual (ver figura 1).
Figura 1. Telefonista de 1912
De esta forma cuando una persona quera comunicarse con otra, primero pasaba con la
telefonista la cual lo conectaba de manera manual es decir tomaba el cable de la persona que
llamaba y lo conectaba al nmero al que quera comunicarse.

El problema radicaba que en ciertos horarios y das la cantidad de llamadas era tal que una
telefonista no era capaz de poder con todo el trabajo, lo anterior recaa en demoras, prdidas
de llamadas y en muchas ocasiones la equivocacin de conexin.
Al mismo tiempo si la compaa no quera que pasara esto, poda aumentar la cantidad de
telefonistas pero esto radicaba en un mayor gasto fijo en el pago de los empleados y en ciertos
horarios no era necesario tener tantas telefonistas.
Por cierto, se contrataba nicamente a mujeres por dos razones, la primera porque tenan una
mayor habilidad manual y la segunda por el precio de la mano de obra la cual era ms barata
que la masculina.
Para tener la cantidad de personas necesarias sin dejar de dar un buen servicio, Erlang
desarroll la teora de probabilidades, la cual est basada en la ecuacin de Poisson. El
desarrollo no fue fcil en un principio, ya que la empresa no crea que a travs de las
matemticas era posible resolver este problema, pensaban que tal vez ayudara un poco pero
nada ms, por tal razn a Erlang no se le asigna un laboratorio ni personal. Todo lo llev el solo
e incluso ya con los resultados y demostrando el beneficio de las mismas no le dieron la
importancia debida.
Su primera publicacin importante de Erlang fue Solucin de algunos problemas en la teora de

probabilidades de importancia en cambios de telfonos automticos.
Este artculo fue tan interesante para muchas otras compaas, que inmediatamente fue
traducido al ingls, francs y alemn. Incluso los investigadores de la compaa Bell
Thelephone que era ya una de las ms grandes del mundo, aprendieron danes para poder
entender a la perfeccin todas las publicaciones de Erlang.
Erlang fue un devoto trabajador e investigador, nunca se cas y siempre trabajaba hasta altas
horas de la noche. Tena una gran biblioteca principalmente de libros de matemticas,
astronoma, fsica, historia, filosofa y poesa, por lo que se puede decir que era todo un erudito.
Sus amigos siempre lo recuerdan como una persona muy generosa y sobretodo como una
enciclopedia viviente ya que saba casi de todo.
As fue el inicio de la teora de colas, comenz como una hiptesis nicamente para una
compaa de telfonos, pero rpidamente ms investigadores que estaban en otras reas se
dieron cuenta que esta teora era aplicable en muchas otras reas, ahora mismo en el siguiente
subtema, podrs revisar los usos que tendr en la Logstica y el transporte.
1.1.2. Utilidad de la teora de colas
Puedo decir casi sin equivocarme, que todas las personas mayores de 18 aos en el mundo
han tenido que formarse en una fila para obtener algo, ya sea un servicio o producto. La
pregunta que todo mundo se hace cuando llega, ya sea al banco o a una oficina para realizar
un trmite es:

Cunto tiempo tendr que esperar?

Por otra parte cuando eres dueo de una empresa lo que te preocupar siempre es:
Cunta gente llegar?
Tengo la cantidad correcta de trabajadores, para dar un buen servicio al menor precio?
Esta ltima pregunta del gerente o dueo de una empresa es una de las ms importantes
debido a que tiene relacin a las prdidas o insatisfaccin de los clientes.
En el caso de la logstica, lo que nos interesar es si tenemos la cantidad de camiones o de
transporte para poder llevar la mercanca de un lado a otro en el tiempo mnimo y con el menor
nmero de recurso humano. Recuerda que cuando se vende un producto, su calidad tambin
va dentro del servicio de entrega, de tal manera que si se tiene un nmero de camiones
insuficiente, ocasionar que muchos de sus clientes tengan que esperar ms para obtener su
mercanca lo que retribuir en la bsqueda de otros proveedores. Por otra parte el tener un
sobre nmero de transporte tambin repercutir en la cantidad de dinero que se va gastar en
conductores, mantenimiento del camin o transporte, el parqueado del transporte, permisos de
circulacin, etctera.
Estos problemas son algunos de los que se presentan en el rea logstica, porque tambin se
debe acordar que en muchas ocasiones cuando se lleva la mercanca a un cliente nuestro
transportista tiene que esperar un tiempo para que lo reciban y descarguen su mercanca y esto
en ocasiones llega a durar varios das, lo cual resulta en la perdida de uno de nuestros
transportes por un tiempo.
Incluso este tema te auxiliar en problemas tan radicales como por ejemplo el robo de
unidades, debido a que podemos ver a la delincuencia como un servidor y a nuestros
transportistas como los clientes, entonces se puede obtener el tiempo ms probable que tardar
un transportista en ser asaltado lo cual tambin nos da la ventaja de tener un plan para tener el
menor dao posible.
Por lo tanto te podemos decir con amplia experiencia, que la teora de colas es bsica para
cualquier empresa que da o recibe un servicio, por lo que sabrs son todas.
Sin embargo antes de entrar a estas interesantes teoras tienes que comprender sus reglas y
de esto se tratar el tema siguiente, en el cual podrs estudiar la nomenclatura utilizada en
estas teoras.
1.1.3. Nomenclatura de Kendall
La nomenclatura que se estudiar en esta seccin servir para caracterizar un modelo de lneas
de espera.
Kendall en 1951 dise la notacin para representar dicho sistema de lneas de espera. Cada
sistema de espera se describe mediante seis caractersticas que deben ir escritas de la
siguiente manera: 1/2/3/4/5/6

La primera caracterstica especifica la naturaleza del proceso de llegada. Se utilizan las

siguientes abreviaturas estndar:
M = los tiempos entre llegadas son variables aleatorias independientes e idnticamente
distribuidas de manera exponencial.
D = los tiempos entre llegadas son independientes e idnticamente distribuidas y deterministas.
Ek = Los tiempos entre llegadas son Erlangs independientes e idnticamente distribuidas con
parmetro de forma k.
GI = Los tiempos entre llegadas son independientes e idnticamente distribuidas y estn
regidos por alguna distribucin general.
La segunda caracterstica especifica la naturaleza de los tiempos de servicio:

M = los tiempos de servicio son variables aleatorias independientes e idnticamente distribuidas
exponencialmente.
D = los tiempos de servicio son independientes e idnticamente distribuidas y deterministas.
Ek = Los tiempos de servicio son Erlangs independientes e idnticamente distribuidas con
parmetro de forma k.
GI = Los tiempos de servicio son independientes e idnticamente distribuidas y estn regidos
por alguna distribucin general (Wayne L. Winston, 2010).
Si observas bien la primera letra (M) se presenta tanto en la primera como en la segunda
caracterstica y ambas tienen una distribucin exponencial, por lo que es necesario entender las
caractersticas de las mismas. La primera es que esta no tiene memoria, esto es por ejemplo
cuando lanzamos una moneda al aire nada tiene que afectar en el resultado de guila o sol si
en el lanzamiento anterior cayo guila, es decir los resultados anteriores no tienen que afectar a
los resultados actuales, es decir cada uno de estos son independientes. Otro ejemplo es la
lotera, si el resultado anterior termin en 6 no quiere decir que el resultado actual tiene que ser
6 o el consecutivo, no tiene ninguna relacin respecto al anterior.
Esto es til cuando se tiene que esperar en una fila, en la cual el cliente que est en frente de
uno puede tardar mucho o poco tiempo, todo depende del trmite. Por ejemplo si vas al banco y
solo falta un cliente para que seas atendido, ese cliente puede tardar horas todo depende de
todas las operaciones que tenga que realizar. En cambio puede ser que antes de que pases
con el cajero tenga delante de ti a siete clientes ms y aun as ser tendido en 10 minutos.
Para resumir siempre que un evento sea independiente con respecto al resultado anterior
entonces es exponencial.
En nuestro caso de estudio, se utilizar la letra M cuando la llegada de los clientes sea
independiente de la llegada del cliente anterior y que el tiempo que tarda un servidor sea
independiente al tiempo que tard con su cliente anterior.

La letra D se refiere a una distribucin determinista y esto es cuando al repetir un evento en las
mismas condiciones los resultados siempre son los mismos. Esto se va encontrar cuando se
tenga una clientela cautiva por ejemplo el da de pago y uno tiene que ir por el cheque siempre
ser el mismo nmero de clientes y servidores.
En la letra Ek se refiere a un distribucin Erlang y esto ocurre cuando los tiempos entre llegadas
no parecen exponenciales, entonces se tiene que modelar esta distribucin, la cual por lo
regular forma grficos tipo campana de gauss los cuales de acuerdo a una ecuacin utilizada
por Erlang nos permite modelar este tipo de fenmenos, pero esto lo tendras que ver en cursos
ms avanzados como de maestra, esto sera la continuacin si al trmino de tu carrera decides
seguir preparndote.
Por ltimo la letra GI nos indica que la distribucin puede ser por cualquier funcin y la cual por
lo regular el problema nos determina como es esta distribucin.
Siguiendo con la nomenclatura, la tercera caracterstica es la cantidad de servidores en

paralelo.
La cuarta caracterstica es la disciplina de las lneas de espera:

FCFS = El primero en llegar, primero en ser atendido.
LCFS = El ltimo en entrar, primero en salir.
SIRO = Servicio en orden aleatorio.
GD = Disciplina general de lneas de espera (Wayne L. Winston, 2010).
El FCFS indica que la forma de atender a los clientes es el primero en llegar es el primero en
ser atendido y se escribe as por sus siglas en ingls, First Come First Serve. Esto es el ms
comn por ejemplo cuando uno llega a un banco y desea ser atendido el primero en llegar es el
primero en ser atendido. El segundo que es LCFS que por sus siglas en ingls que es
LateCome First Serve, esto es el ltimo en llegar el primero en salir. Este no es muy comn
para la mayora de las personas, pero en el caso de logstica este es el comn en bodegas, por
ejemplo, si observas la figura 2 que representa una bodega, cuando llenamos esta bodega la
ltima carga en meter en la bodega debe ser la primera en salir de otra forma las maniobras
para sacar la carga A seran ms costosas en cuanto a personal y tiempo.
Figura 2. Representacin del acomodo de una bodega

Como observaste en la figura 2, es ms fcil sacar de la bodega a la carga B que a la carga A

que est ms al fondo de la bodega.
SIRO que de acuerdo a sus siglas en ingles significa Serve In Random Order que en espaol
quiere decir servicio de orden aleatorio, un ejemplo de que esto ocurre es cuando la gente pasa
al servidor a travs de una tipo de rifa, cuando se habla a una estacin de radio la llamada que
entra es de orden aleatorio de acuerdo a todas las personas que llaman al mismo tiempo.
Por ltimo, tenemos la GD que por sus siglas en ingls es General Discipline, que se traduce a
un orden general en el cual se debe explicar en el problema de qu forma se est atendiendo a
los clientes, por ejemplo tener un lugar privilegiado como en el caso de las personas que van a
un concierto y tienen un lugar preferencial por lo tanto no se forman y tienen la mejor vista del
espectculo.
Otro ejemplo es cuando explicas de qu forma se va atendiendo a las personas, como en el

caso de un supermercado en el cual hay varios cajeros y decides en que caja formarte.
Tambin Wayne L. Winston (2010) aborda la quinta caracterstica, la cual detalla el nmero
mximo admisible de clientes en el sistema (incluidos los clientes que estn esperando y los
que estn en servicio).
La sexta caracterstica da el tamao de la poblacin de donde se extraen los clientes. A
menos que la cantidad de clientes potenciales sea del mismo orden de magnitud que el nmero
de servidores, la poblacin se considera infinita.
Ahora revisa otros ejemplos de la nomenclatura Kendall.
Ejemplo 1
Supongamos que nos dicen que tenemos lo siguiente:
M/M/1/GD//
Lo anterior nos indica que la llegada de los clientes como el tiempo de servicio es independiente
y de distribucin exponencial, el 1 indica que solo hay un servidor y la forma de atencin es de
orden general, la cantidad mxima de clientes que pueden atender es infinito y la poblacin de
donde se encuentran estos clientes tambin es de orden infinito.
Ejemplo 2
Ahora pensemos al revs, veamos un sistema y determinemos la nomenclatura supongamos
que vamos a un centro comercial de la ciudad de Mxico a realizar nuestras compras, para
pagar nosotros decidimos en que fila nos formamos, hay 10 cajeros trabajando y la tienda est
saturada de personas.
En este caso el sistema es M/M/10/GD// y es de esta forma porque la cantidad de gente que
llega es de forma independiente sin ninguna relacin entre ellos. Tambin el tiempo de servicio

que tarda cada cajero es independiente del tiempo que tard con el cliente anterior. Es 10
debido a que tenemos 10 cajeros y es infinito debido a que la cantidad de gente es tan grande
con respecto al nmero de servidores.
Hasta este momento debes saber la utilidad de la teora de colas as como la nomenclatura
base para poder empezar a entenderla. Los temas que prosiguen te explicarn la utilidad de
cuatro modelos que son los ms utilizados, aunque en realidad como se coment en estos
temas, existen otros, incluso unos tan complejos que llegan a otro nivel de aprendizaje y que
probablemente en un futuro ests dispuesto a continuar aprendiendo.
1.2. Modelos de la teora de colas
En este subtema se abordarn cuatro de los modelos ms importantes en la teora de colas,

con lo cual al final de este tema podrs ser capaz de determinar el tiempo que tardar en salir
de un fila o el nmero de trabajadores necesarios para que sus clientes no tengan que esperar
ms de lo necesario. La forma en la que se va abordar es la siguiente, primero ser
distinguiendo qu tipo de mtodo es, la cantidad de variables y los datos que se requieran para
desarrollar el problema. Bueno, esperemos que los comprendas y sean de tu agrado, recuerda
que cualquier duda o comentario le puedes escribir al docente en lnea que te asignen, ya que
al comprender los diversos conceptos podrs utilizar de manera certera estos modelos en un
sinfn de problemas que se presentaran en el campo laboral y personal.
1.2.1. Modelo de un servidor con un lmite infinito de clientes

(M/M/1/GD//)
Este modelo solo funciona cuando tenemos las siguientes caractersticas:

1. Las personas que llegan deben ser independientes unas de otras, esto quiere decir que no
tiene nada que ver el cliente de adelante, est hecho para que el cliente de atrs este formado.
2. El tiempo que tarden en atender a cada cliente deber ser tambin independiente, esto es
que el tiempo que tarde con cada cliente debe ser independiente del tiempo que tard con el
anterior.
3. Solo existe un solo servidor.
4. Se debe explicar claramente la forma en cmo se va a atender a cada cliente.
5. La cantidad de clientes potenciales deben ser mucho ms que el nmero de servidores.
Algunos ejemplos de este tipo de modelos son:

El autoservicio de comida rpida tiene un solo servidor para surtir la comida que
compran los automovilistas.
Cuando hay una sola bodega en donde todos los transportistas tienen que descargar.
Al momento de pagar el pasaje de un camin.

Para adentrarnos al modelo y a la ecuacin de est, es necesario definir algunas variables,

primero definiremos a como la tasa de llegadas por unidad de tiempo y ser el tiempo de
servicio.
La relacin de estas dos variables origina la constante que se llama intensidad de trfico y se
representa en la ecuacin 1:

.(1)

De tal forma, si se tienen 3 camiones por hora, llegando a nuestra bodega este sera y si se
tardan nuestros trabajadores en descargar 4 camiones por hora es , entonces la intensidad de
trfico sera:
3

4
La intensidad de trfico nos servir para obtener la probabilidad de estado (J), la cual es la
probabilidad de que el servidor tenga 0, 1, 2 o j nmero de clientes en servicio y su ecuacin es:
j = j (1 ) ..(2)
Siempre y cuando
0 1
Cuando es mayor que 1 nos indica que no existe una distribucin estable, en forma prctica
indica que la velocidad con la que atienden es ms lenta con respecto a la gente que llega, por
lo tanto el servidor jams dejar de trabajar y la fila siempre estar en aumento.
Otra aspecto importante es que al momento de trabajar con problemas de espera se determine
la cantidad de gente que estar en el sistema, la cual designaremos con la letra L. Decir
cuntas personas estn en el sistema quiere decir la gente que est formada ms la gente que
est siendo atendida y la ecuacin de esto es:

L= ..(3)
-
Si deseamos conocer nicamente la cantidad de gente que estar formada se representa por Lq
y se utiliza la ecuacin:
2
Lq = (4)
1-
Para conocer la gente que est siendo atendida se representa por Ls y su ecuacin es:
L s = ..(5)

Pero en ocasiones lo ms importante es conocer la cantidad de tiempo que nos llevar estar
esperando en la fila o el tiempo que tardaremos en el servicio o el tiempo total que nos llevar
que nos atiendan ms el tiempo formado.
El tiempo en el sistema lo representaremos con la letra W y es igual a:

L
W = .. (6)

El tiempo en la fila es:
Lq
Wq = .. (7)

Y el tiempo en servicio:
Ls
Ws = .. (8)

Con todo lo anterior, te puedes dar cuenta que es posible resolver problemas, para que se an
ms explcito, observa los siguientes ejemplos:
Ejemplo 1
En promedio tenemos que por hora llega 1 camin a una bodega con un solo acceso, en donde
los camiones tienen que descargar sus productos. Vamos a suponer que el tiempo de servicio
promedio por cada camin es de 40 minutos, y que tanto los tiempos entre llegadas y los
tiempos de servicio son exponenciales. Analiza el planteamiento e intenta contestar las
siguientes preguntas:
1. Cul es la probabilidad de que el acceso este vaco?
2. Cul es el nmero promedio de camiones que estn formados esperando a ser
descargados?
3. Cul es la cantidad promedio de tiempo que un camin pasa en todo el sistema?
4. Cuntos camiones en promedio son descargados por hora?
Solucin del ejemplo 1

Primero se debe distinguir que este problema es (M/M/1/GD//) debido a que el problema nos
indica que es de tipo exponencial tanto el servicio como la llegada de los camiones. Solo
tenemos un solo acceso por donde se descargan los camiones lo cual se puede ver como un
solo servidor. Como nos indican en qu forma se atendern los camiones, podemos decir que
es de tipo GD y al no mencionar el nmero de clientes mximo que podemos tener, ni la
poblacin de donde se obtiene este dato podemos suponer que es infinito.
Para determinar que la probabilidad de que el acceso este vaco es necesario obtener 0 y para
esto se utilizar la ecuacin (2).
0 0 1
Para resolver la ecuacin anterior es necesario encontrar y esto se encuentra con la ecuacin
(1):

Donde es la cantidad de clientes que llegan en un cierto tiempo, en este caso es 1
camin/hora, mientras que es la cantidad de clientes que el servidor puede atender en un
cierto tiempo es de 1 cliente cada 40 minutos. Debemos homogeneizar las unidades, esto
quiere decir que los minutos los pasamos a horas o las horas las pasamos a minutos, en este
caso pasaremos todo a horas.
De tal forma es igual a 1.5 camiones por hora, la ecuacin 1 queda:
1
0.666
1.5
Por lo tanto la ecuacin (2) es:
0 0.666 0 1 0.666 0.333

Lo ms importante de contestar o resolver un problema es conocer la utilidad de nuestra
respuesta, en este caso 0.333 nos indica que la tercera parte del da el acceso est vaco, lo
cual indica que los trabajadores que descargan a los camiones estn ociosos la tercera parte
del da, lo cual incurre en gastos innecesarios.
Respecto a la segunda pregunta se contesta con la ecuacin (4):
2 0.666 2
Lq 1.333
1- 1 0.666
La respuesta anterior nos indica que en promedio estarn formados 1.333 camiones. Ahora
deben de entender lo que significa la palabra promedio, por ejemplo supongamos que a las 9
hay 9 camiones formados, a las 10 hay 1, a las 11 hay 5, en promedio de esto es 5 camiones
por hora. Como puedes observar, con este ejemplo se puede decir que hay 5 camiones por
hora, lo cual no significa que siempre existirn 5 camiones formados, lo nico que nos da es un
promedio aproximado de lo que se observar. Lo mismo ocurre con nuestro resultado de 1.333
camiones, nos indica que en promedio existirn esta cantidad de camiones o un nmero
cercano a este.
La tercera pregunta es determinar la cantidad de tiempo que un camin estar en el sistema
para esto se utilizar la ecuacin (6), pero antes es necesario obtener la cantidad de clientes en
el sistema y para esto primero usaremos la ecuacin (3).
1
L 2
- 1.5 1
Por lo tanto la ecuacin (6) es:

L 2
W 2
1
Como todo se realiz en horas, indica que en promedio un camin tardar dos horas desde que
llega hasta que sale de la bodega.
La ltima pregunta es en la mayora de los casos un desconcierto para los estudiantes, debido
a que siempre se confunde con pero esto no es as, debido a que se debe multiplicar por el
tiempo que en realidad trabaja y si conocemos que el acceso est desocupado dos terceras
partes del da, en promedio el acceso el nmero de camiones que son descargados son (0.666)
(1.5) = 1 camin por hora.
Recuerda que lo ms importante no es encontrar las respuestas sino el anlisis que tu realizas
para darle una utilidad a las respuestas, esta es la diferencia entre un ingeniero y un tcnico, los
dos llegan a los resultados pero el ingeniero debe llegar a un anlisis de los resultados e incluso
lograr una mejora.
Ahora observa el desarrollo del anlisis de las respuestas, primero en el momento que tenemos
un tercio de ocio del acceso, es necesario evitar esto y existen dos formas la primera es hacer
que ms camiones lleguen a la bodega y la segunda es aumentar el tiempo de descarga y la
forma en la cual se puede aumentar el tiempo de descarga es teniendo menos trabajadores que
se dedican a descargar el camin, lo cual influir en un ahorro a la empresa.
La cantidad de clientes en promedio que estarn esperando nos da un aproximado de la

dimensin en espacio que se requiere para que estn estacionados 1.333 camiones lo cual se
redondea a 2 camiones ya que es imposible que se tenga 0.333 camiones.
Por ltimo conocer el tiempo que tarda en promedio un camin es til para nuestros
proveedores, debido a que pueden tomar mejores medidas preventivas del tiempo aproximado
en el cual no tendrn el camin para su utilizacin.
Ejemplo 2
Todos los camiones o medios de transporte requieren de algn combustible para que estos se
puedan trasladar, es necesario que determines una poltica del llenado de tanque de estos
transportes, de otra forma dejarle esta oportunidad a los operadores le traer consigo que se
queden sin gasolina o deciden ponerle gasolina a cada viaje lo cual tambin es un gasto de
tiempo el cual tambin pagas. Vamos a suponer que les dices a tus choferes que cuando los
camiones lleguen a la mitad le tienen que poner gasolina. Si la gasolinera ms cercana que
tiene una sola bomba de disel, llegan en promedio 4.5 clientes por hora. El tiempo que se
tardan en llenar un camin es de 10 minutos. Los tiempos entre llegadas y los tiempos de
servicio son exponenciales.
Vamos a calcular la cantidad de camiones en el sistema y el tiempo que tardarn.

Tenemos un sistema (M/M/1/GD//) con igual a 4.5 clientes por hora y una igual a 1
camin cada 10 minutos lo que quiere decir que atienden a 6 camiones por hora.

As es igual a:
4.5
0.75
6
4.5 3
L 3 W 0.666
6 - 4.5 4.5
La cantidad de camiones en el sistema es de 3 y el tiempo que tardar un camin en la

gasolinera es de 0.666 horas lo que equivale a 40 minutos.
Lo que significa que cada vez que tienen que ir a la gasolinera cada camin pierde casi una
hora. Por lo que entre menos veces vaya es mejor, as en lugar de que vayan cada vez que
tengan medio tanque, mejor ser que vayan cuando tienen solo un cuarto de tanque de
gasolina entonces te ahorraras un 50% en tiempo perdido en la gasolinera. Si tienes 10
camiones y los camiones se gastan en promedio un tanque por da, si los hace que llenen el
tanque cada vez que este a la mitad los conductores tendrn que ir por lo menos 2 veces al da
a la gasolinera lo que radica en 80 minutos de tiempo perdido por camin, el cual en total son
800 minutos de los 10 camiones. Si reduces esto a un cuarto de combustible solo tendr que ir
una vez al da y por lo tanto de 800 minutos se reducir a 400 minutos de tiempo perdido lo cual
equivale a 6.66 horas casi un turno de un trabajador ese sera el ahorro tan solo por decidir
cada cuando se tiene que ir a la gasolinera.
Ejemplo 3
Los estibadores que trabajan en una bodega deben solicitar su equipo para trabajar (casco,
faja, guantes, patines de carga, montacargas, etctera). Un promedio de 10 estibadores por
hora llega pidiendo su equipo. Por el momento, se cuenta con un empleado que atiende este
centro; cuyo salario es de $4500 pesos mensuales y tarda en promedio 5 minutos en cumplir
con cada pedido por parte de cada estibador. Como cada estibador produce $7500 pesos de
bienes por mes. Cada hora que un estibador tarda en el centro de herramienta cuesta a la
compaa $31.25 pesos. La compaa est pensando si valdra la pena o no, contratar (a $3000
pesos mensuales) un ayudante para el empleado. Si se contrata al ayudante, el empleado
tardar un promedio de 4 minutos en reunir el equipo que le solicite cada estibador. Supn que
los tiempos de servicio y de llegadas son exponenciales. Se debe contratar al ayudante?
El mes se compone de 30 das y los turnos son de 8 horas.
El costo por hora sin tener un ayudante es igual al costo por hora del empleado que atiende el
centro, ms el costo por hora de cada uno de los estibadores.
Si calculamos el costo del empleado es $4500, entre 30 das y entre 8 horas es de $18.75
pesos.

Si cada hora que un estibador pasa esperando le cuesta a la compaa 31.25, entonces es
necesario conocer el tiempo que tarda en el sistema un estibador y posteriormente multiplicarlo
por los 10 estibadores que hay.
10
0.8333 L
10
5 W
L 5
0.5
12 - 12 10 10
Costo = 18.75 + (31.25)(10)(0.5) = 156.25 pesos.
Si tuviera ayudante cambiaria a 4 minutos en cumplir cada pedido lo que es igual a 15

pedidos por hora, as nos quedara:
10
0.666 L
10
2 W
L 2
0.2
15 - 15 10 10
Con el ayudante el costo subira a $12.5 pesos la hora (este valor se obtuvo al dividir 3000
entre 30 das, entre 8 horas).
Por lo tanto el costo es:

Costo = 18.75 + 12.5 + (31.25) (10) (0.2) = 93.75 pesos.
Por lo tanto hay un ahorro de 62.5 pesos por hora lo que equivale a $15,000.00 pesos
mensuales lo cual nos quiere decir que se debe contratar a este ayudante.
1.2.2. Modelo de un servidor con un nmero finito de clientes

(M/M/1/GD/c/)
Ahora se proceder a revisar un ejemplo, en el cual se tiene un nmero finito de clientes como
es el caso de un cine en el cual el nmero de clientes mximo es el nmero de butacas, en el
caso de logstica es importante debido a que la mayora de las empresas no puede tener un
nmero muy grande de trileres o camiones esperando afuera de la empresa. Tambin nos
servir en el caso de utilizar just in time en alguna empresa en la que labores a futuro, debido a
que es necesario definir claramente los tiempos de embarque y cantidad mxima de camiones,
trileres o transporte formados.
Las variables que se utilizarn son las mismas que en la seccin anterior, esto se expresa ,
j, L, Lq, Ls, W, Wq, Ws y por ltimo c que es el nmero mximo de clientes que puede
esperar en la fila.
Existe un cambio en algunas ecuaciones por lo que se volvern a redefinir, sigue siendo la
misma ecuacin que es.


Ahora se utilizaran dos ecuaciones para obtener la probabilidad de que un evento cualquiera se
presente, para la probabilidad de que ningn evento se presente es:
1
0 .. (9)
1 c 1
Cuando se desea conocer la probabilidad de que sea 1 o ms eventos la ecuacin es:
j j 0
(10)
Para obtener el nmero de clientes en el sistema la ecuacin (3) cambia:
1 c 1 c c c 1
L
1 c 1 1 .(11)
Para obtener el nmero de clientes en fila la (4) cambia:

Lq L Ls ..(12)
El nmero de clientes en servicio es:

Ls 1 0 (13)
El tiempo en el sistema es ahora:
L
W (14)
1 c
Donde c es la probabilidad de que ocurra un evento de acuerdo al nmero mximo de clientes
que puede haber en la fila, por ejemplo si el nmero mximo de clientes en fila es 5 entonces c
= 5, lo que es equivalente a obtener la probabilidad de que los servidores tengan 5 clientes.
El tiempo en fila es ahora:

Lq
Wq .(15)
1 c
Por ltimo el tiempo que tardar con el servidor es:
Ws = W W q .(16)

La metodologa es igual a la anterior, por lo que se tiene que determinar cunto vale , y c,
para posteriormente de acuerdo a lo que se pide, utilizar la ecuacin que corresponda.
Ejemplo 1
En un departamento de aduana, solo hay una persona y solo hay espacio para 12 embarques.
Los tiempos entre llegadas sigue una distribucin exponencial y un promedio de 9.38 posibles
clientes llegan cada hora. Los clientes que al llegar la encuentran llena, no pueden entrar y se
tienen que marchar. El despachador de aduana se tarda en promedio 32 minutos en checar
cada embarque. Los tiempos estn distribuidos en forma exponencial.
1. En promedio, Cuntos embarques por hora podr realizar?
2. Cunto tiempo pasar en promedio un cliente en la aduana?
Solucin
Para poder responder la primera pregunta es necesario obtener la probabilidad de que existan
12 clientes esto lo obtenemos con 10.
Sabemos que es igual a 9.38 clientes por hora, es igual a la cantidad de clientes que puede
checar por hora en este caso es la divisin de 60/32 = 1.875 clientes por hora. Por ltimo c =
12, que es nmero mximo que puede tener en espera en un momento dado.
Entonces:
9.38
= = 5.003
1.875
En este caso a diferencia del modelo anterior si es posible obtener un mayor a 1.
Con el dato anterior es posible obtener 0.
1 - 5.003
0 = 12 +1
= 3.25 10 -9
1 - 5.003
10 = 12 0 = (5.00312 )(3.25 109 ) = 0.80
El nmero de embarques inspeccionados ser igual a multiplicado por la probabilidad de que

est ocupado.
Si existe una probabilidad de 3.25X 10-9 de que no est ocupado, entonces la probabilidad de
que si est ocupado es 1- 3.25X 10-9 = 0.999.
Entonces el nmero de embarques inspeccionados por hora es: 9.38 (0.9999) = 9.380
Embarques por hora.
El tiempo que pasar un cliente es:

L
W
1 c
Donde L es:

L=
[
5.003 1 - (12 + 1)5.003 12 +12(5.003 12 + 1 ) ]=11.75
(1- 5.00312 +1 )(1- 5.003 )
11.75
W= = 6.267
12 (1- 0.80 )
Los resultados anteriores nos indican que por lo regular siempre est lleno el espacio donde se
estacionan los embarques y el tiempo promedio que una persona estar en la aduana es de
alrededor de 6.267 horas. Este dato nos servir para tomar las debidas precauciones, en
cuanto al tiempo que estaremos en la aduana, que es casi igual a un turno completo de trabajo.
Ejemplo 2.
Uno de los problemas ms comunes que ocurren en la logstica es el no informar al operador

logstico que el despacho de la mercanca lleg al puerto, para evitar este problema se han
diseado equipos especiales de cmputo pero hasta estos sistemas llegan a fallar, a
continuacin se presenta un ejemplo.
Llega en promedio a una computadora 12 Gigabites de informacin por minuto. La computadora

requiere 0.00002 segundos para procesar 1000 bites de informacin. La computadora tiene una
memoria RAM la cual cuando est llena, pierde cualquier mensaje que llegue. Si suponemos
que los tiempos entre llegadas y de servicio siguen una distribucin exponencial. De qu
tamao debe ser la memoria RAM para tener la certeza de que se pierde a lo mucho 760
Megabite en un Gigabite?
No es necesario ser ingenieros en computacin para resolver este problema, es ms tal vez un
ingeniero en computacin no pueda resolver este tipo de problemas, aqu lo que requerimos es
conocer la probabilidad de que ocurra 760 megabite (760 x 106) entre un gigabite (1 x 109), lo
cual nos da 0.76. Esta es la probabilidad que ocurre cuando la memoria est llena, lo cual es
c. Para obtener el valor de c entonces debemos realizar un despeje de la ecuacin (10), pero
antes hay que determinar 0 y .
En este problema landa es la cantidad de bites que llegan los cuales son 12 Gigabites y si
procesa 1000 bites en 0.00002 s esto es 1000/0.00002 = 50 Megabites por segundo, pero como
la llegada de bites est en minutos al realizar la conversin
= (50)(60) = 3000 Megabites = 3 Gigabites.
Por lo tanto:
12
= =4
3

1- 4
0 =
1 - 4c +1
1- 4
c = ( 4c ) = 0.76
1 - 4 c +1
Despejando c:
c 1 - 4 c +1
( 4 ) = 0.76
-3
0.76 0.76 0.76 c +1

( 4c ) =
-3
(
1 - 4 c +1 = )-3
-(
-3
)4
Pasando la variable c del lado izquierdo de la ecuacin queda:

0.76 c +1 0.76
( 4 c ) +( )4 =
-3 -3
Factorizando:
0.76 0.76
4 c (1+ 4) =
-3 -3
Pasando al lado derecho el factor que no tiene c:
0.76 0.76
4c = (1+ 4) =19
-3 -3
Aplicando logaritmos para despejar c:
( c ) ln( 4 ) = ln( 19 )
ln( 19 )
c= = 2.12
ln( 4 )
Por lo que se requiere por lo menos 2.12 gigas de memoria RAM el utilizar una memoria de
capacidad inferior provocara tener menor capacidad de la necesitada por lo que al final se
tendra el mismo problema de comunicacin.

1.2.3. Modelo de varios servidores con un nmero infinito de clientes

(M/M/s/GD//)
En este sistema se puede contemplar el empleo de varios servidores y a diferencia de los temas
anteriores donde solo se tiene un solo servidor. Este modelo se utiliza cuando la fila de los
clientes puede ser tan grande en comparacin con el nmero de servidores que se puede decir
que es infinita, por ejemplo tener 3 servidores y 1000 clientes.
Un ejemplo clsico de este sistema es en el banco donde se tienen varios cajeros y la fila de los
clientes no tiene un lmite.
En este modelo la ecuacin de si cambia en lugar de ser

= ahora es = .......... .(17 )
s
La probabilidad de tener cero clientes es:
1
0 = i = s -1
(s )i (s )s .(18)
i!
+ En este caso j tiene dos
s!(1- )
i=0 ecuaciones la primera es cuando
la probabilidad que se desea obtener es menor al nmero de servidores.
(s ) j 0
j = si j < s ..(19)
j!
(s ) j 0
j = j- s
si j s
s! s
(20)
Para obtener la cantidad de gente, en el sistema, as como en la fila y con los servidores sera:

L =L q +
(21)

(s)s 0
Lq = . (22)
s!(1- ) 2
L s =L - L q
. (23)
Para las ecuaciones del tiempo en el sistema como, el tiempo de la gente formada como con los
servidores es:
L
W=

...(24)
Lq
Wq =

.(25)
1
Ws =

(26)
La metodologa es igual a las anteriores lo nico que cambian son las ecuaciones, veamos una
muestra:
Ejemplo1
Para realizar el traslado de muchas mercancas es necesario que estas tengan que cumplir con
cierta documentacin, la cual lo deben de realizar una serie de personas y las cuales su nico
trabajo es que no falte ningn papel, para que en la aduana no tenga ningn problema la
mercanca. Llegan a la oficina hasta 60 rdenes de embarque por da, el tiempo promedio que
se requiere para revisar una orden y que cumpla con todos los requisitos en cuanto al papeleo
es de 22 minutos. Supn que los tiempos entre llegadas de cada papel y los tiempos de revisin
son exponenciales. Entonces es necesario determinar:
1. Tiempo esperado que tarda una orden desde que llega la oficina hasta ser revisada,
si cuentas con dos administradores y solo pueden laborar hasta 12 horas.
2. Cuntos administradores necesitaras, si requieres que cada embarque sea
revisado a lo ms en 30 minutos?
En la primera pregunta lo que necesitamos es obtener el tiempo en el sistema, esto es W, los

datos con los que se cuenta es con que vale 60 rdenes por da. es la cantidad de
embarques que se pueden revisar el cual es de 22 minutos por orden de embarque si el da es

de 12 horas entones en un da cada servidor puede revisar (60/22) 12 = 32.727, el nmero de

servidores en este caso es 2 por lo tanto:
60
= = = 0.917
s 2( 32 .727 )
1
0 = i = s -1 =
(s )i (s )s
i!
+
s! (1- )
i=0
1
i = 2 -1
= 0.044
((2)0.917 )i ((2)0.917 )2
i!
+
2! (1- 0.917)
i=0
(s)s 0 ((2)(0.917) )2 (0.917)(0. 044)

Lq = = = 9.646
s!(1- ) 2 2! (1- 0.917) 2
60
L =L q + = 9.646 + =11.479
32.727
Si revisas la ecuacin para obtener W es necesario contar con todos los datos que obtuvimos
hasta ahora despus de obtener 0, Lq y L por fin podemos calcular W:
L 11.479
W= = = 0.191
60
Una orden de embarque tarda 0.191 das en horas sera igual a (0.191) (12)= 2.292 horas.
Para contestar la pregunta 2 sera imposible realizar un despeje de forma algebraica por lo que
se tiene que ponderar el resultado esto es asignar un numero de servidores y en base al
resultado aumentar o disminuir la cantidad de los mismos. Como ya sabemos que con 2
administradores se tardan 2.292 y deseamos que tarde a lo ms 25 minutos entonces
requerimos ms administradores asignemos 3 administradores.
La tabla de abajo nos expresa el resultado del tiempo de acuerdo al nmero de trabajadores.
# de trabajadores W
3 0.04 horas = 28.8 minutos
4 0.39 horas = 23.4 minutos

Como se puede observar tan solo tener 4 trabajadores nos da un tiempo de 23.4 minutos que
sera en promedio lo que tardara una orden de embarque desde que llega hasta que sale de su
revisin.
Ejemplo 2
Llega un triler cada hora a una bodega y contiene 50 paquetes. Los tiempos entre llegadas
estn exponencialmente distribuidos. Cada estibador puede descargar en promedio 10
paquetes por hora. Los tiempos de servicio siguen una distribucin exponencial. Cuesta 80
pesos por da un estibador (el da de trabajo es de 8 horas), la espera del triler es de 300
pesos por hora. Para minimizar los costos esperados por hora, Cuntos estibadores se
requieren?
En este caso = 50 paquetes por hora, = 10 paquetes por hora. Debido a que no conocemos
la cantidad de estibadores es necesario al igual que el ejemplo anterior realizar una
ponderacin empezaremos con 2 trabajadores. (Pero si se decide utilizar un solo trabajador,
entonces es necesario pasar a otro sistema).
# de trabajadores W
2 -0.019 no puede ser posible
4 -0.061 no puede ser posible
6 0.159 horas
7 0.116 horas
8 0.106 horas
Cuando obtenemos un valor negativo quiere decir que la cantidad de paquetes que tienen que
estibar es mucho ms de lo que ellos pueden hacer, se dice que la ecuacin est en forma
inestable y no puede resolverse.
Al aumentar a 6 estibadores se obtiene un valor positivo, lo cual quiere decir que ya es posible
hacer frente a la cantidad de mercanca que llega.
Analizando el costo de los 6 trabajadores por hora as como el retraso de los trileres se
observa:
(6)(8) + (0.159)(300) = 95.7

Al tener 7 trabajadores
(7)(8) + (0.116)(300) = 90.8
Al tener 8 trabajadores
(8)(8) + (0.106)(300) = 95.8
Por lo tanto lo ideal es tener 7 trabajadores debido a que es el costo ms bajo por hora.

1.2.4. Modelo de varios servidores con un nmero finito de clientes

(M/M/s/GD/c/)
Llegamos al final de esta unidad en donde veremos el mtodo ms emblemtico de la teora de

colas, el cual es de lo que ms se utiliza a nivel industrial y de servicios.
Al igual que en los dems subtemas las ecuaciones vuelven a cambiar.
regresa nuevamente a ser la divisin de entre

= ........( 27 )

0 =1- 1 - 2 - 3 - - c
= () 0 si j < s
() !0
= !
si j s
=
=
=0
= ( )
=

=
( )

=
( )

Ejemplo 1
Una pequea empresa tiene 10 camiones de pasajeros. Un camin de se descompone, y
requiere un servicio una vez cada 30 das. La empresa tiene 4 mecnicos cada uno de los
cuales requiere cuatro das para reparar un camin. Los tiempos de descompostura y los
tiempos de reparacin son exponenciales.
1.- Determine el nmero promedio de camiones en buenas condiciones.
2.- Encuentre el tiempo promedio de paralizacin de un camin que necesita reparacin.
3.- Estime la fraccin de tiempo en que un mecnico en particular est desocupado.
Solucin:
Primero se determina el valor de y , el primero es la cantidad de clientes que entra en este
caso los clientes son los camiones descompuestos y estos requieren un servicio cada 30 das,
esto es 1/30 = 0.0333 mientras que el segundo es el promedio en el cual lo pueden arreglar los
mecnicos en este caso se requiere de 4 dias para reparar un camin lo cual significa que
arreglan un camin cada das esto es = 0.25 camiones por da.
De esta forma es:

0.0333
= = = 0.1332
0.25
Para poder obtener el nmero de camiones que estn en buen estado es necesario determinar
el nmero de camiones que estn en el sistema, los cuales seran los camiones que estn
descompuestos.
Para determinar L es necesario antes obtener j para lo cual realizaremos la siguiente tabla.
Se debe recordar que la probabilidad del camin uno, dos o etc, es la probabilidad de que el
camin est descompuesto.
# de
Probabilidad
camiones
10
1 1 = ( ) 0.13321 0 = 1.33320
1
10
2 2 = ( ) 0.13322 0 = 0.80
2
10
3 3 = ( ) 0.13323 0 = 0.2840
3
(10
4
)0.13324 4! 0
4 4 = = 0.0660
4! 444

(10
5
)0.13325 5! 0
5 5 = = 0.0130
4! 454
(10 )0.13326 6! 0
6 6 = 6 = 0.0020
4! 464
(10
7
)0.13327 7! 0
7 7 = = 0.00030
4! 474
(10
8
)0.13328 8! 0
8 8 = = 2.95 105 0
4! 484
(10
9
)0.13329 9! 0
9 9 = = 1.97 106 0
4! 494
(10 )0.133210 10! 0
10 10 = 10 = 6.55 108 0
4! 4104
Para obtener 0
1 = 0 + 1.33320 + 0.80 + 0.2840 + 0.0660 + 0.01330 + 0.00220 + .00030 + 2.95
105 0 + 1.96 106 0 + 6.55 108 0
1
0 =
1.3332+ 0.8+ 0.284+ 0.066+ 0.0133+ 0.0022+ .0003+ 2.95105 + 1.96106 + 6.55108
0 = 0.286
Ya conociendo el valor de 0 podemos obtener las probabilidades de la tabla anterior por lo
tanto la tabla quedara:
# de
Probabilidad
camiones
10
1 1 = ( ) 0.13321 0 = 1.33320 = 0.381
1
2 2 = (10
2
)0.13322 0 = 0.80 = 0.229
10
3 3 = ( ) 0.13323 0 = 0.2840 = 0.0813
3
(10 )0.13324 4! 0
4 4 = 4 = 0.0660 = 0.004
4! 444
(10
5
)0.13325 5! 0
5 5 = = 0.0130 =
4! 454
(10 6
6 )0.1332 6!0
6 6 = = 0.0020 = 0.0006
4!4 64

(10
7
)0.13327 7! 0
7 7 = = 8.42 105
4! 474
(10 )0.13328 8! 0
8 8 = 8 = 8.42 106
4! 484
(10
9
)0.13329 9! 0
9 9 = = 5.61 107
4! 494
(10
10
)0.133210 10! 0
10 10 = = 1.87 108 0
4! 4104
Con todas las probabilidades ahora por fin podemos obtener el valor de L:
= (1)(0.381) + (2)(0.229) + (3)(0.081) + (4)(0.019) + (5)(0.00379) + (6)(0.0006)
+ (7)(8.42 105 ) + (8)(8.42 106 ) + (9)(5.61 107 ) + (10)(1.87 108 )
= 1.18
Como no es posible tener 1.18 camiones lo correcto es decir que hay 2 camiones en el sistema
lo cual quiere decir que existen 2 camiones descompuesto y 8 en buen estado.
Para obtener el tiempo que est en el sistema W:
1.18
= = 4.018
0.0333(10 1.18)
Lo cual nos dice que en promedio un camin estar 4.018 das.

La ltima pregunta es la probabilidad 0 y esta tiene un valor de 0.286.
Hasta este momento los clculos parecen muy engorrosos pero no debe ser el problema el
clculo, el problema es que realmente puedas identificar cada variable lo dems lo realiza un
programa y en la seccin material de apoyo del aula, podrs revisar el manual de este
programa con lo cual los clculos los podrn realizar fcilmente.

Cierre de la Unidad
Nos da mucho gusto que hayas concluido esta primera unidad de la asignatura Investigacin de
operaciones II, recuerda que estas a una tercera parte de terminar este proceso de aprendizaje
y es importante que te esfuerces en clarificar tus dudas, acudiendo a alguno de tus
compaeros(as) o al docente en lnea.
Ahora bien, recapitulando lo aprendido en esta unidad, lo podemos resumir en las siguientes
lneas.
Aprendiste la forma en la cual se desarrollan las metodologas y la importancia que tuvo en la

industria. Lo cual tuvo como uno de los propsitos demostrarte que cualquier persona tiene la
habilidad de implementar nuevas metodologas, por lo cual no te debes sentir mal porque en un
principio no valoren estas ideas, tarde o temprano una buena idea sale a la luz, pero esto solo
ocurre siendo constante.
Tambin revisaste cada uno de los modelos, empezando cuando se tiene un solo servidor y no
existe lmite de clientes, posteriormente cuando se tiene un solo servidor y un lmite de clientes
en fila, despus cuando se tiene varios servidores y no existe un lmite de clientes en fila y por
ltimo cuando tienes un nmero de servidores y un lmite de clientes en fila.
Con lo anterior es posible que determines tres cosas: la primera es la cantidad de trabajadores,
camiones o medios de transporte necesarios para tener un pedido a tiempo con la mnima
mano de obra, segundo el tiempo de tardanza que una unidad o trabajador tendr que estar en
espera, por ltimo pudimos determinar la cantidad de clientes que en promedio tendrs en
espera.
Se te present en cada uno de estos temas una serie de ejemplos, tambin pudiste resolver
ejercicios en los cuales tuviste que poner en prctica conocimientos que adquiriste en
asignaturas anteriores, junto con los alcanzadas en esta unidad, con la finalidad de que ests
mejor preparado cuando enfrentes este tipo de problemas en el campo laboral o en tu vida real.

Para saber ms
Con el propsito de aumentar tu preparacin y te sea ms sencillo la aplicacin de los

conocimientos de esta asignatura, es necesario que estudies el siguiente manual:
Villegas, J.D. (2013) Manual para la utilizacin de teora de colas. Mxico: UnADM.
Disponible en la seccin Material de apoyo del aula virtual.
Realmente aprender a utilizar este programa es muy sencillo y te dejar libre de todos los
clculos engorrosos.
Fuentes de consulta
Bsica
Wayne L. Winston (2010). Investigacin de operaciones. Aplicaciones y algoritmos.
Mxico: CENGAGE Learning.
Frederick S. Hillier & Gerald J. Lieberman. (2010). Introduccin a la investigacin de
operaciones. Mxico: Mcgraw Hill Interamericana.
Hamdy A. Taha. (2011). Investigacin de operaciones. Mxico: Pearson.
Izar, J. Manuel. (2008). Investigacin de operaciones. Mxico: Trillas.
Inzunza, V. & Lpez Milln F. (2013). Investigacin de operaciones. Mxico: Pearson.
Complementaria
Prez, F. Gmez, J. & Garca, A. (2011). Aplicaciones de la Teora de colas a la

provisin ptima de servicios sociales: El caso de Servicio de Teleasistencia. Estudios
de economa aplicada, 29 (3). 1-25 25.
Tian Hao a, Tong Yifiei. (2011). Study on Queuing System Optimization of Bank Base
don BPR. Procedia Enviroment Sciences. (10), 640 646.
Pardo Maria Jos, de la Fuente David. (2008). Optimal Selection of the Service Rate for
a Infinite Input Source Fuzzy Queuing System.Fuzzy Sets and Systems. (159). 325
342.
Yue de Quan, Sun Yan Ping. (2008). Waiting Time of M/M/c/N Queuing System with
Balking, Reneging, and Multiple Synchronous Vacations of Partial Servers. Procedia
Enviroment Sciences. 28(2). 89 97.

U1.Teoria de Colas

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

U1.Teoria de Colas

Diunggah oleh

Hak Cipta:

Format Tersedia

Investigacin de operaciones II

Unidad 1. Teora de colas

Ciencias Exactas, Ingenieras y Tecnologa

Ingeniera en Logstica y Transporte

Unidad 1. Teora de colas

Universidad Abierta y a Distancia de Mxico

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 1

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 2

Unidad 1. Teora de colas

Te damos la bienvenida a la unidad 1 de la materia Investigacin de operaciones II, de

Esperamos que reflexiones respecto a la importancia de esta asignatura en tu carrera y de ah

Los propsitos de esta unidad son:

Describir cada uno de los modelos de la teora de colas.

Seleccionar un algoritmo de la teora de colas, para diferenciar los modelos en la resolucin de

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 3

1.1. Introduccin a la teora de colas

Se va a entender como una teora a un conjunto de estructuras (conceptos, definiciones y

1.1.1. Contexto histrico

Vamos a iniciar el primer subtema respondiendo la pregunta De dnde surge la teora de

Figura 1. Telefonista de 1912

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 4

Su primera publicacin importante de Erlang fue Solucin de algunos problemas en la teora de

1.1.2. Utilidad de la teora de colas

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 5

Cunto tiempo tendr que esperar?

1.1.3. Nomenclatura de Kendall

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 6

La primera caracterstica especifica la naturaleza del proceso de llegada. Se utilizan las

La segunda caracterstica especifica la naturaleza de los tiempos de servicio:

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 7

Siguiendo con la nomenclatura, la tercera caracterstica es la cantidad de servidores en

La cuarta caracterstica es la disciplina de las lneas de espera:

Figura 2. Representacin del acomodo de una bodega

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 8

Como observaste en la figura 2, es ms fcil sacar de la bodega a la carga B que a la carga A

Otro ejemplo es cuando explicas de qu forma se va atendiendo a las personas, como en el

Ahora revisa otros ejemplos de la nomenclatura Kendall.

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 9

1.2. Modelos de la teora de colas

En este subtema se abordarn cuatro de los modelos ms importantes en la teora de colas,

1.2.1. Modelo de un servidor con un lmite infinito de clientes

Este modelo solo funciona cuando tenemos las siguientes caractersticas:

Algunos ejemplos de este tipo de modelos son:

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 10

Para adentrarnos al modelo y a la ecuacin de est, es necesario definir algunas variables,

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 11

El tiempo en el sistema lo representaremos con la letra W y es igual a:

Solucin del ejemplo 1

0 0.666 0 1 0.666 0.333

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 13

La cantidad de clientes en promedio que estarn esperando nos da un aproximado de la

Vamos a calcular la cantidad de camiones en el sistema y el tiempo que tardarn.

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 14

La cantidad de camiones en el sistema es de 3 y el tiempo que tardar un camin en la

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 15

Costo = 18.75 + (31.25)(10)(0.5) = 156.25 pesos.

Si tuviera ayudante cambiaria a 4 minutos en cumplir cada pedido lo que es igual a 15

Por lo tanto el costo es:

1.2.2. Modelo de un servidor con un nmero finito de clientes

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 16

Para obtener el nmero de clientes en fila la (4) cambia:

El nmero de clientes en servicio es:

El tiempo en fila es ahora:

Ciencias Exactas, Ingenieras y Tecnologa | Logstica y Transporte 17