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
S a lid a S a lid a
1 2
L ín e a d e e s p e ra 1 L ín e a d e e s p e ra 2
S e r v id o r
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
C lie n t e s
que
e s p e ra n
S is t e m a
P o b la c ió n d e c lie n t e s 1
C l ie n t e s
2 q u e lle g a n
L í n e a d e e s p e r a s im p le
3
M o d e lo c o n u n
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 o lo s e r v id o r
S is t e m a
Para aplicar las técnicas matemáticas, se debe El Proceso de servicio. Este símbolo describe
identificar las características del modelo de la distribución de tiempos de servicio, que es
colas basado en la población de clientes y en uno de los siguientes:
los procesos de llegadas, de colas y de a. D para describir un tiempo de servicio
servicios. determinístico.
A continuación desarrollaremos un conjunto de b. M para denotar que los tiempos de servicio
símbolos generales que serán utilizados en los son probabilísticos y siguen una
diferentes modelos a estudiar. distribución exponencial.
El Proceso de llegada. Este símbolo describe c. G para denotar que los tiempos de servicio
la distribución de tiempo entre llegadas, que es son probabilísticos y siguen una
uno de los siguientes: distribución diferente a la exponencial.
a. D para denotar que el tiempo de llegada es El Proceso de colas (c). Representa cuántas
determinístico. estaciones o canales paralelos existen en el
b. M para denotar que el tiempo de llegada es sistema.
probabilístico y siguen una distribución Por ejemplo, en el sistema M/M/3, la primera M
exponencial. indica que el tiempo de llegada es probabilístico
c. G para denotar que los tiempos entre y sigue una distribución exponencial; la
llegadas son probabilísticos y siguen una segunda M indica que el tiempo de servicio es
distribución diferente a la exponencial. probabilístico y sigue una distribución
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
Número
el sistema es la cantidad de tiempo invertido en
esperar en la fila más el tiempo durante el cual
es atendido:
Número
antes descritas, conociendo el valor de
cualquiera de ellas. Por ejemplo, suponga que
=12 y =4 y que se ha determinado que Lq=3,
e sprado
1 1 1 1
W Wq
μ 4 4 2
d e l g a d s p or de s pe r a
1
L λ * W 12 * 6
2
En resumen, conociendo y , se cumple la
lafila
Lq λ * Wq
LA DISTRIBUCIÓN EXPONENCIAL Y DE POISSON EN LA TEORÍA DE COLAS
real de llegadas por periodo durante varios días Alternativamente, otro planteamiento válido
o semanas, para comprobar la distribución de para describir el proceso de llegadas consiste
frecuencia observada de las llegadas con la en utilizar la función de densidad para una
distribucion de probabilidad de Poisson, con el distribución exponencial. Esa función de
propósito de determinar si la distribución de densidad depende de un parámetro y está
Poisson proporciona una aproximación dada por:
razonable de la distribución de llegadas. e T
f (t )
Ejemplo:
Si los clientes de un banco llegan con una donde:
rapidez promedio de =20 por hora; la
: Promedio de llegadas por unidad de tiempo
probabilidad de que lleguen 2 clientes en los
siguientes 10 minutos es: x: Cantidad de ocurrencias en el intervalo
1 hora 1 T: Cantidad de tiempo
T 10 min * hora f(t): Probabilidad de que el siguiente cliente
60 minutos 6
llegue dentro de las sigientes T unidades a
( * T ) x e T partir de la llegada anterior.
P (tiempo entre llegadas T x)
x! Es decir, con una cantidadde tiempo se
puede utilizar la función de densidad para
(20*1/6)2e 20/6
P (tiempo de llegadas en 10 minutos 2) calcular la probabilidad de que el siguiente
2!
cliente llegue dentro de las siguientes T
11 .111unidades
* 0.036 de tiempo a partir de la llegada
P (tiempo de llegadas en 10 minutos 2)
anterior,
2 de la manera siguiente:
P (tiempo de llegadas en 10 minutos 2) 0.20 P(tiempo entre llegadas T) 1 e T
Ejemplo Ejemplo
Se han vendido por separado 80 unidades de Si los clientes de un banco llegan con una
un producto, durante las últimas 50 semanas rapidez promedio de 20 por hora y si un cliente
(un promedio de 1.6 productos por semana). acaba de llegar, entonces, la probabilidad de
Desea estimarse la probabilidad de ventas que el siguiente llegue dentro de los siguientes
diferentes a las semanales en las siguientes 5 diez minutos (T=1/6 horas), es:
semanas. P(tiempo entre llegadas 1 / 6 horas) 1 e 20*1 / 6
La tasa o intensidad del suceso. Número P(tiempo entre llegadas 1 / 6 horas) 1 0.036
esperado de eventos por unidad de medida (1.6 P(tiempo entre llegadas 1 / 6 horas) 0.964
productos vendidos por semana o 25 llamadas
telefónicas por hora o 3 defectos por cada 100 Por tanto, la probabilidad de que un cliente
pies de tubería), es decir; llegue dentro de los siguientes 10 minutos, a
partir de la última llegada es 96.40%.
T: Unidad de tiempo o espacio durante la cual
se cuentan los eventos. 2. Distribución de probabilidad exponencial
x: Número de eventos durante el tiempo T El tiempo de servicio es el tiempo que pasa un
cliente en la instalación una vez que el servicio
Luego, la probabilidad de que se presenten
ha iniciado. Por ejemplo, en un restaurante,
exactamente x eventos durante el tiempo T,
dicho tiempo se inicia cuando un cliente
dado el número promedio de eventos por
empieza a colocar el pedido con el empleado de
unidad de tiempo, es:
comidas y continúa hasta que el cliente recibe En varios modelos de líneas de espera
el pedido. Los tiempos de servicio rara vez son suponemos que la distribución de probabilidad
constantes. En el restaurante del ejemplo, la para el tiempo de servicio sigue una
cantidad de artículos ordenados y la mezcla de distribución de probabilidad exponencial. En la
éstos varían de manera considerable de un práctica se debería recopilar datos sobre los
cliente al siguiente. Los pedidos pequeños tiempos de servicio reales para determinar si la
pueden manejarse en cuestión un minuto, pero distribución de probabilidad exponencial es
los pedidos grandes pueden requerir más de una aproximación razonable de los tiempos de
dos. servicio para su aplicación.
Los analistas cuantitativos han encontrado Propiedades de la distribución exponencial
que, puede suponerse que la distribución de Suponga que una variable aleatoria T
probabilidad para el tiempo de servicio sigue representa ya sea los tiempos entre llegadas o
una distribución de probabilidad exponencial. los tiempos de servicio. Se dice que esta
Esta distribución de probabilidad es variable aleatoria tiene una distribución
complementaria a la de Poisson y tiene como exponencial con parámetro si su función de,
variable aleatoria el tiempo entre llegadas o el densidad de probabilidad es:
tiempo de servicio. Es decir, da la probabilidad
e
t t>0
Para
del número de veces que puede ocurrir un
Para t<0
evento, dada una intensidad y un cierto
periodo de tiempo T.
f T (t )
Por tanto, la probabilidad de que el tiempo de 0
servicio sea menor o igual que un tiempo de
duración t es. Como se deriva del gráfico de la función de
T densidad de probabilidad para la distribución
P(tiempo entre llega das T) 1 e
exponencial, las probabilidades acumuladas
donde: son:
: Cantidad media de unidades que pueden P (T t ) 1 e t
servirse por periodo. Para t>0
P (T t ) e t
Ejemplo:
el valor esperado y la variancia de T son
Suponga que una estación de comida rápida
estudió el proceso de toma y surtido de pedidos
y encontró que el empleado sólo puede
procesar un promedio de 60 pedidos por hora, fT(t)
por lo que si se considera por minuto, la tasa
de servicio media será:
60clientes
1cliente / min uto
60 min utos
Así, con =1, podemos usar la ecuación
P(tiempo entre llega das T) 1 e T para
calcular, la probabilidad de que un pedido 0
E (T ) = 1 / t
pueda procesarse en medio minuto o menos,
un minuto a menos, dos minutos o menos. Función de densidad de probabilidad para la
Estos cálculos son: distribución exponencial.
P(tiempo de servicio 0.5 min .) 1-e -1( 0 .5 ) 0.3935
1
E (T )
P(tiempo de servicio 1.0 min .) 1-e -1( 1.0 ) 0.6321
P(tiempo de servicio 2.0 min .) 1-e -1( 2.0 ) 0.8647
1
var(T )
Por tanto, concluiríamos que hay una 2
probabilidad de 0.3935 de que un pedido
pueda procesarse en medio minuto o menos; ¿Cuáles son las implicaciones para el modelo
una probabilidad de 0.6321 de que se de colas al suponer que T tiene una
procesará en un minuto o menos y una distribución exponencial? Para explorar esta
probabilidad de 0.8647 de que puede pregunta se examinarán seis propiedades de la
procesarse en dos minutos o menos. distribución exponencial.
Propiedad 1: fT(t) es una función
estrictamente decreciente de t (t > 0).
Una consecuencia de esta propiedad es que: Si T representa los tiempos entre llegadas, la
P(0 T t) P(t T t t) propiedad 1 descarta las situaciones en las que
los clientes que llegan al sistema tienden a
para cualquier valor estrictamente positivos de
posponer su entrada si ven que otro cliente
Δt y t. Esta es una consecuencia del hecho de
entra antes que ellos. Por otro lado, es
que estas probabilidades son el área bajo la
totalmente consistente con el fenómeno común
curva de fT (t) en el intervalo indicado de
de las llegadas "aleatorias" que se describe con
longitud Δt, y la altura promedio de la curva es
las propiedades subsecuentes. Así, cuando se
menor para la segunda probabilidad que para
grafican los tiempos entre llegadas contra el
la primera. Por lo tanto, no sólo es posible sino
tiempo, a veces tienen la apariencia de estar
también relativamente probable que T tome un
aglomerados con grandes separaciones entre
valor pequeño cercano a cero. De hecho,
cada aglomeración, debido a la gran
1 1 probabilidad de que los tiempos entre llegadas
P 0 T 0.393
2 sean pequeños y la poca probabilidad de que
ocurran tiempos entre llegadas grandes, pero
1 1 3 1 un patrón tan irregular es justo parte de la
P T 0.383
2 2 verdadera aleatoriedad.
de manera que es más probable que el valor Propiedad 2: Falta de memoria.
que tome T sea "pequeño" [esto es, menor que Matemáticamente esta propiedad se puede
la mitad de E(T)] que "cercano" a su valor establecer como:
esperado [es decir, no más alejado que la mitad
P(T t t/T t) P(T t)
de E(T)], aun cuando el segundo intervalo tiene
el doble de amplitud que el primero. para cualquier cantidad positivas de t y Δt. En
Debemos considerar que, si el servicio otras palabras, la distribución de probabilidad
requerido es en esencia idéntico para cada del tiempo que falta hasta que ocurra el evento
cliente y el servidor realiza siempre la misma (llegada o terminación de servicio) siempre es la
secuencia de operaciones, entonces los tiempos misma, sin importar cuánto tiempo (Δt) haya
de servicio reales tienden a ser cercanos al pasado. En efecto, el proceso "olvida" su
tiempo esperado de servicio. Pueden ocurrir historia. Este sorprendente fenómeno ocurre
pequeñas desviaciones de la media, pero por lo con la distribución exponencial debido a que:
general se deben a variaciones menores en la P(T t, T t t)
P(T t t/T t) P(T t)
eficiencia del servidor. Un tiempo de servicio P(T t)
tan pequeño que quede muy por debajo de la
P(T t t)
media es en realidad imposible, ya que se
necesita cierta cantidad mínima de tiempo para P(T t)
realizar las operaciones de servicio requeridas, e (t t )
aunque el servidor trabaje a la mayor
e t
velocidad. Es claro que la distribución
exponencial no proporciona una aproximación e t
cercana a la distribución de tiempos de servicio P(T t)
de este tipo.
Para los tiempos entre llegadas, esta propiedad
Por otro lado, considere el tipo de situación en
describe la situación común en donde el tiempo
la que las tareas específicas que tiene que
que transcurre hasta la siguiente llegada está
realizar el servidor difieren de un cliente a otro.
totalmente influenciado por cuándo ocurrió la
La naturaleza general del servicio puede ser la
última llegada. Para los tiempos de servicio,
misma, pero la cantidad y tipo específico de
esta propiedad es más difícil de interpretar. No
servicio difieren. Por ejemplo, en la sala de
debe esperarse que se cumpla cuando el
emergencia de un Hospital, el doctor se
servidor tiene que realizar la misma secuencia
enfrenta a una gran variedad de problemas
fija de operaciones para cada cliente, porque
médicos, en la mayor parte de los casos puede
entonces un servicio largo y tardado debe
proporcionar el tratamiento requerido con
implicar que tal vez queda muy poco por hacer.
bastante rapidez, pero en ocasiones, el paciente
Por otro lado, en la clase de situación en la que
requiere un cuidado más extenso. De igual
las operaciones de servicio requeridas difieren
manera, el servicio en bancos y supermercados
entre los clientes, la afirmación matemática de
son de este tipo general. Parece plausible una
la propiedad es bastante realista. Para este
distribución exponencial para los tiempos de
caso, si ha pasado un tiempo de servicio
servicio en este tipo de situación.
considerable, la única implicación puede ser
que este cliente en particular requiera un servicio, que también tiene distribución
servicio más extenso que los demás. exponencial con parámetro ii. Se puede
Propiedad 3: el mínimo de varias variables concluir que U, el tiempo hasta la siguiente
aleatorias exponenciales independientes terminación de servicio para cualquier servidor,
tiene una distribución exponencial. tiene una distribución exponencial con
Para establecer esta propiedad parámetro n. En efecto, el sistema de
matemáticamente, sean Tl, T2,..., Tn, variables colas, en este momento, actúa como un
aleatorias exponenciales independientes con sistema de un solo servidor, en el que los
tiempos de servicio tienen una distribución
parámetros n, respectivamente.
exponencial con parámetro n. Esta
También sea U la variable aleatoria cuyo valor implicación se utilizará al analizar los modelos
es igual al mínimo de los valores que toman Tl, de varios servidores.
T2,..., Tn; es decir,
Cuando se usa esta propiedad, algunas veces
U min(T1 , T2 ,..., Tn , U es útil también determinar las probabilidades
Así, si Ti representa el tiempo que pasa hasta de cuál de las variables aleatorias
que ocurre un tipo especial de evento, entonces exponenciales será la que tiene el valor
U representa el tiempo que pasa hasta que mínimo. Por ejemplo, puede quererse encontrar
ocurre el primero de los n eventos diferentes. la probabilidad de que un servidor j en
Ahora note que para cualquier t>0, particular termine primero de servir a un
cliente entre los n servidores ocupados. Es
P(U t) P(T1 t, T2 t,...Tn t)
bastante directo mostrar que esta probabilidad
P(T1 t)P(T2 t)...P(Tn t) es proporcional al parámetro j. En particular,
la probabilidad de que T resulte ser el menor de
e -1t e - 2t ...e - n t
las n variables aleatorias es
n
exp
t
i 1
i
P (T j U ) j
n
i para j=1, 2, …
i 1
Esta propiedad tiene algunas implicaciones
para los tiempos entre llegadas en los modelos Propiedad 4: Relación con la distribución
de colas. En particular, suponga que existen Poisson
varios (n) tipos diferentes de clientes, pero que Suponga que el tiempo entre dos ocurrencias
los tiempos entre llegadas de cada tipo (tipo i) consecutivas de un tipo específico de evento
tienen distribución exponencial con parámetro (esto es, llegadas o terminación de servicio por
i (i = 1, 2,..., n). Por la propiedad 2, el tiempo un servidor siempre ocupado) tiene una
que falta a partir de un instante específico distribución exponencial con parámetro a. La
hasta la llegada del siguiente cliente del tipo i propiedad 4 tiene que ver con la implicación
tendrá esta misma distribución. Por ello, sea Ti resultante sobre la distribución de probabilidad
este tiempo restante medido a partir del del número de veces que ocurre este evento en
instante en que llega un cliente de cualquier un periodo dado. En particular, sea X(t) el
tipo. La propiedad 3 dice entonces que U, el número de ocurrencias en el tiempo t (t>0), en
tiempo entre llegadas para el sistema de colas donde el tiempo 0 es el instante en el que
completo, tiene distribución exponencial con comienza la cuenta. La implicación es que
parámetro a definido por la última ecuación.
Como resultado, se puede elegir ignorar la P X (t ) n
t n e t para n = 0, 1, 2,...; n.
distinción entre los clientes y seguir teniendo n!
tiempos entre llegadas exponenciales para el
es decir, X(t) tiene una distribución Poisson con
modelo de colas.
parámetro t. Por ejemplo, para n=0,
Estas implicaciones son todavía más
importantes para los tiempos de servicio en los P X (t ) 0 e t
modelos de colas que tienen más de un que es justo la probabilidad obtenida a partir
servidor, de lo que son para los tiempos entre de la distribución exponencial para que ocurra
llegadas. Por ejemplo, considere la situación en el primer evento después de un tiempo t. La
la que todos los servidores tienen la misma media de la distribución Poisson es
distribución exponencial de tiempo de servicio,
con parámetro . Para este caso, sea n el E X (t ) t
número de servidores que en este momento de manera que el número esperado de eventos
prestan servicio y sea Ti el tiempo que falta por unidad de tiempo es . Así, se dice que es
para que el servidor i (i = 1, 2,…, n), complete el la tasa media a la que ocurren los eventos.
Cuando se cuentan los eventos de manera propiedad 4), por lo que el número esperado de
continua, se dice que el proceso de conteo {X(t); eventos en el intervalo de longitud Δt es
t>0} es un proceso Poisson con parámetro (la exactamente Δt. La única razón por la que la
tasa media). probabilidad de que ocurra un evento difiere de
Esta propiedad brinda información útil sobre la este valor es la posibilidad de que ocurra más
terminación de servicio cuando los tiempos de de un evento, lo cual tiene una probabilidad
servicio tienen una distribución exponencial despreciable cuando Δt es pequeño.
con parámetro . Esta información se obtiene Para ver matemáticamente por qué se cumple
al definir X(t) como el número de servicios la propiedad 5, note que el valor constante de
completos logrados por un servidor siempre la probabilidad (para un valor fijo de Δt>0) es
ocupado en un tiempo transcurrido t, en donde sencillamente:
. Para modelos de múltiples servidores, P(T t t/T t) P(T t)
también se puede definir X(t) como el número
de terminaciones de servicio logradas por n 1 e t
servidores siempre ocupados en un tiempo para cualquier t>0. Por esta razón, como la
transcurrido t, en donde =n. expansión de la serie para cualquier
Esta propiedad es útil en particular para exponente x es
describir el comportamiento probabilístico de
xn
las llegadas cuando los tiempos entre llegadas e x 1 x
n2
n!
siguen una distribución exponencial con
parámetro . En este caso, X(t) sería el número se concluye que
de llegadas en un tiempo transcurrido t, en
t n
donde = es la tasa media de llegadas. P(T t t/T t) 1 1 t n!
Entonces, las llegadas ocurren de acuerdo con n 2
un proceso de entradas Poisson con parámetro t
. Este tipo de modelos se describen también para Δt pequeño; porque los términos de la
con la suposición de que tienen llegadas suma se vuelven despreciables para valores de
Poisson. Δt suficientemente pequeños.
Algunas veces se dice que las llegadas ocurren Como en los modelos de colas T puede
aleatoriamente y esto significa que suceden de representar ya sea tiempos entre llegadas o
acuerdo con un proceso de entradas Poisson. tiempos de servicio, esta propiedad proporciona
Una interpretación intuitiva de este fenómeno una aproximación conveniente de la
es que cada periodo de longitud fija tiene la probabilidad de que ocurra el evento de interés
mima oportunidad de tener una llegada sin en el siguiente intervalo de tiempo pequeño (Δt).
importar cuándo ocurrió la llegada anterior,
como lo sugiere la siguiente propiedad. Propiedad 6: No afecta agregar o desagregar.
Propiedad 5: para todos los valores positivos Esta propiedad es importante para verificar que
de t, P{T<t+Δt/T>t}≈ Δt, para Δt pequeño. el proceso de entrada es Poisson. Entonces, se
describirá en estos términos, aunque también
Todavía se interpreta T como el tiempo que se aplica directamente a la distribución
pasa desde el último evento de cierto tipo exponencial (tiempos entre llegadas
(llegada o terminación de servicio) hasta el exponenciales) debido a la propiedad 4.
siguiente evento, y suponga que ha
transcurrido un tiempo t sin que ocurra un Primero se considera agregar (combinar) varios
evento. Se sabe, por la propiedad 2, que la procesos de entrada Poisson en un proceso de
probabilidad de que ocurra un evento dentro entrada global. En particular, suponga que
del siguiente intervalo de tiempo, de longitud existen varios (n) tipos diferentes de clientes, en
fija Δt, es una constante (que se identificará en donde los clientes de cada tipo (tipo i) llegan de
el siguiente párrafo), sin importar cuán grande acuerdo a un proceso de llegadas Poisson con
o pequeño sea t. La propiedad 5 va más allá al parámetro i(i = 1, 2,..., n). Suponga que se trata
agregar que, cuando el valor de Δt es pequeño, de procesos Poisson independientes, la
esta probabilidad constante se puede propiedad dice que el proceso de entrada
aproximar de manera muy cercana por Δt. Lo agregado (llegada de todos los clientes sin
que es más, cuando se consideran distintos importar de qué tipo son) también debe ser
valores pequeños de Δt, esta probabilidad es, Poisson, con parámetro (tasa de llegada)
en esencia, proporcional a Δt, con factor de =1+2+…n. En otras palabras, si se tiene un
proporcionalidad igual a . De hecho, es la proceso Poisson no afecta agregar.
tasa media a la cual ocurren los eventos (vea la
Esta parte de la propiedad se concluye i pi
directamente de las propiedades 3 y 4. Esta y
última implica que los tiempos entre llegadas
n
para los clientes de tipo i tienen una
distribución exponencial con parárnetro i. p
i 1
i 1
Para esta situación idéntica, ya se analizó en la
propiedad 3 que esto implica que los tiempos De manera más precisa, la propiedad dice que
entre llegadas para todos los clientes también el proceso de entrada para los clientes tipo i
deben tener una distribución exponencial, con también debe ser Poisson con parámetro i. En
parámetro =1+2+…n. Si se usa la propiedad otras palabras, si se tiene un proceso Poisson,
4 de nuevo implica que el proceso de entrada no afecta desagregar.
agregado es Poisson. Como ejemplo de la utilidad de esta segunda
La segunda parte de la propiedad 6 ("no afecta parte de la propiedad, considere la siguiente
desagregar") se refiere al caso contrario, en el situación. Los clientes, sin hacer distinciones,
que se sabe que el proceso de entrada agregado llegan de acuerdo a un proceso Poisson con
(la que se obtuvo con la combinación de parámetro . Cada cliente que llega tiene una
procesos de entrada para diferentes tipos de probabilidad fija p de desistir (irse sin entrar al
clientes) es Poisson con parámetro ; el sistema de colas), de manera que la
cuestionamiento ahora concierne a la probabilidad de entrar al sistema es (1 - p). Así,
naturaleza del proceso de entrada desagregado se tienen dos tipos de clientes, aquellos que
para los tipos de clientes individuales. Si se desisten y aquellos que entran al sistema. La
supone que cada cliente que llega tiene una propiedad dice que cada tipo llega de acuerdo a
probabilidad fija pi de pertenecer al tipo i (i = 1, un proceso Poisson, con parámetros p y (1-p),
2,..., n), con respectivamente. Por lo tanto, al usar el último
proceso Poisson, los modelos de colas que
suponen llegadas Poisson todavía se pueden
usar para analizar el funcionamiento del
sistema de colas para aquellos clientes que
entran al sistema.
ANALISIS DE UN SISTEMA DE COLAS DE UN SOLO CANAL
DE UNA SOLA LINEA CON LLEGADA EXPONENCIAL
Y PROCESOS DE SERVICIO (M/M/1)
Báscula
Estación de pesado
por unidad de tiempo. El valor de , de modo que es posible hacer
Un proceso de colas que consiste en una el análisis de estable de este sistema.
sola línea de espera de capacidad infinita, con Cálculo de las medidas de rendimiento:
una disciplina de colas de primero en entrar Para cualquier sistema de colas M/M/1, en
primero en salir. términos de los parámetros y las diferentes
Un proceso de servicio que consiste en un medidas de rendimiento descritas
solo servidor que atiende a los clientes de anteriormente, pueden expresarse en términos
acuerdo con una distribución exponencial con de la intensidad de tráfico (), que es el
promedio de clientes por unidad de tiempo. cociente de sobre . Para el problema de la
Para que este sistema alcance una condición de Comisión de la Autopista de Ohio (CAO), la
estado estable, la tasa de servicio promedio intensidad de tráfico es:
debe ser mayor que la tasa de llegadas λ
promedio . Si éste no fuera el caso, la cola del ρ
μ
sistema continuaría creciendo debido a que, en
promedio, llegarían más clientes que los que 60
ρ 0.9091
pueden ser atendidos por unidad de tiempo. 66
El gerente de operaciones de la estación de Mientras más cerca este de 1, más cargado
pesado de la autopista de Ohio debe estimar estará el sistema, lo cual tiene como resultado
las tasas promedio de llegada y de servicio en colas más largas y tiempos de espera más
dicha estación. De los datos disponibles, grandes.
En términos de y , las medidas de ρ2
rendimiento para el problema de CAO, se Lq
calculan de la siguiente manera: 1 ρ
a. Tiempo esperado entre llegada de los (0.9091) 2
Lq 9.0909
clientes individuales: 1 0.9091
Si el número promedio de camiones que llegan 2 2
2
por hora es 60 (=60) por hora, el tiempo
promedio o esperado entre llegadas es ρ2
Lq
1/=1/60 horas (1 minuto entre cliente). Así si 1 ρ
1
es la tasa de llegada esperada, 1/ es el
tiempo esperado entre dos llegadas sucesivas.
2
b. Tiempo esperado para completar dos Lq
*
servicios sucesivos:
Si la tasa de servicio es =66 por hora, el Esto significa que, en el estado estable, en
tiempo esperado entre dos servicios sucesivos promedio, la estación de pesado puede esperar
es 1/=1/66 horas o 0.91 minutos o 54.55 tener aproximadamente nueve camiones
segundos. esperando para obtener el servicio (sin incluir
al que se está pesando).
c. Utilización (U):
Cuando se ha determinado un valor para Lq, ya
se pueden calcular los valores de Wq, W, y L
U
utilizando las relaciones derivadas la sección
U ρ “Relaciones entre medidas de rendimiento”, de
U 0.9091 la siguiente manera:
g. Tiempo promedio de espera en la cola (Wq):
Indica que aproximadamente 91% del tiempo Lq
las instalaciones de pesado están en uso (un Wq
λ
camión está siendo pesado). De manera 9.0909
equivalente, aproximadamente, 9 % del tiempo Wq 0.1515
la estación está sin funcionar, sin que haya 60
camiones que se están pesando. 2
d. Probabilidad de que no haya clientes en el
*
sistema (P0): Wq
λ
P0 1 - ρ
P0 1 - U Wq
*
P0 1 - El valor Wq=0.1515, indica que, en promedio,
un camión tiene que esperar 0.1515 horas
P0 1 - 0.9091 0.0909 (aproximadamente 9 minutos) en la fila antes
de que empiece el proceso de pesado.
Este valor indica que aproximadamente 9% del
tiempo, un camión que llega no tienen que h. Tiempo promedio de espera en el sistema
esperar a que se le proporcione el servicio (W):
porque la estación de pesado está vacía. En W Wq
1
otras palabras, aproximadamente, 91% del μ
tiempo, un camión que llega, tiene que esperar. 1
e. Probabilidad de que un cliente que llega W 0.1515 0.1667
66
tenga que esperar (Pw):
1
Pw 1 - P0 ρ W Wq
μ
Pw 0.9091 1
W
Es decir, aproximadamente, 91% del tiempo, * μ
μ* *
un camión que llega, tiene que esperar.
f. Número promedio en la fila (Lq): W
* * μ
1
W
Este valor indica que, en promedio, un camión Lq
invierte 0.1667 hrs. (aproximadamente 10 Tiempo promedio Wq λ
minutos) desde que llega hasta que sale. de espera en el λ
Wq
i. Número promedio en el sistema (L): sistema μ* μ λ
L λ* W Número promedio
L 60 * 0.1667 10 en el sistema W Wq
1
μ
L λ* W Probabilidad de W 1
que no haya μ λ
L
clientes en el
sistema
En promedio, existe una cantidad de 10
λ
camiones en la estación de pesado, ya sea en la Probabilidad de L λ * W L μ λ
báscula o esperando ser atendidos. que un cliente que
j. Probabilidad de que haya n clientes en el llega tenga que P0 1 - U
sistema (Pn): esperar P0 1 - ρ P 1 - λ
0
Pn ρ n * P0 Probabilidad de μ
que haya n clientes
Pn U n * P0 en el sistema
Pn U n * (1 - U) Utilización
n
Pw 1 - P0 ρ
Pn * 1 -
Al utilizar esta fórmula se obtienen los siguientes
resultados: Pn ρ n * P0
N Pn
0 0.0909 U ρ
1 0.0826 INTERPRETACIÓN DE LAS MEDIDAS DE
2 0.0751 RENDIMIENTO
3 0.0683 Al evaluar el sistema actual, la administración
observa que muchas medidas de rendimiento
4 . están dentro de los niveles aceptables. Por
5 . ejemplo, un tiempo de espera de W = 10
6 . minutos para que un chofer pueda pasar por el
proceso de pesado es algo razonable. Se tiene
Esta tabla proporciona la distribución de también que un promedio de Lq = 9 camiones
probabilidad para el número de camiones que esperando para ser atendidos es tolerable, pues
se encuentran en el sistema. Los números que la rampa de salida de la carretera tiene una
aparecen en la tabla se pueden utilizar para capacidad de 15 camiones, pero la
responder las siguientes preguntas: ¿Cuál es la administración está preocupada porque en
probabilidad de que no haya más de tres ocasiones la cola llega hasta la autopista.
camiones en el sistema? En este caso, la
respuesta de 0.3169 se obtiene mediante la Para calcular la probabilidad de que esto no
suma de las primeras cuatro probabilidades de suceda se debe calcular la probabilidad de que
la tabla (para n = 0, 1, 2, 3). el número de camiones en el sistema sea de 17
o más (uno que está siendo atendido y 16 o
Fórmulas para calcular las medidas de más esperando en la rampa). Este número se
rendimiento de un sistema de colas obtiene sumando las probabilidades Pn, de que
M/M/1 n camiones se encuentren en el sistema, para
MEDIDA DE n = 17, 18, … Esto tiene un resultado de 0.20;
FORMULA GENERAL
RENDIMIENTO es decir, aproximadamente 20% del tiempo los
camiones sobrepasarán la rampa y llegarán
Número promedio ρ2
Lq hasta la autopista. Como este no es un nivel
en la fila 1 ρ aceptable de desempeño, la gerencia desea
λ2 mejorar la eficiencia global del sistema, no
Tiempo promedio Lq
μ* μ λ solamente por la razón anterior sino también
de espera en la porque se prevé un aumento en el tráfico de
cola
camiones sobre la autopista en el futuro pesados es de, aproximadamente, 22.
cercano. Un informe reciente indica que la CAO Obviamente, estos rendimientos no son
debería planear una tasa de llegada pico de, aceptables, no sólo por el hecho de que los
aproximadamente, 70 camiones por hora en conductores tendrían que tardar 20 minutos en
lugar del actual de 60. el sistema, sino también porque la longitud de
Suponga que para solucionar este problema, la cola esperada es de 22 camiones, cantidad que
gerencia ha propuesto contratar un trabajador sobrepasa la capacidad de la rampa (15), lo que
adicional, con la esperanza de que aumente la podría generar accidentes en la autopista.
eficiencia en, aproximadamente, 10 %. Es Para obtener rendimientos aceptables, se ha
decir, con este nuevo trabajador, podrían ser propuesto otra alternativa: la construcción de
pesados, aproximadamente, 73 camiones en otra báscula en el otro lado de la estación de
lugar de los 66 anteriores. Como gerente de pesado. Utilizando el personal actual para que
operaciones se le ha pedido a Ud. que evalúe la opere ambas básculas las estimaciones de la
propuesta. gerencia tendrán como resultado una
Esa evaluación puede realizarse utilizando las capacidad de peso de, aproximadamente, 40
fórmulas empleadas en el desarrollo del camiones por hora en cada báscula.
ejercicio anterior. Solamente cambian la tasa Nuevamente se le ha pedido que evalúe la
de servicio y de llegada. Es necesario que Ud. propuesta; sin embargo, ya no se puede utilizar
confirme los siguientes resultados. Con la las mismas fórmulas de rendimiento pues
nueva propuesta, en promedio, un conductor ahora el sistema propuesto tiene dos servidores
de camión invierte en el sistema una cantidad y el análisis anterior se aplica a sistemas con
de 0.3333 horas (20 minutos) y el número de un solo servidor.
camiones que esperan en la rampa para ser
Las características de este sistema de colas son distribución exponencial con promedio de
las siguientes: clientes por unidad de tiempo.
Población de clientes infinita. Sistema de colas con dos básculas, para el
Proceso de llegada en el que los clientes se problema de CAO
presentan de acuerdo a un proceso de Poisson Este sistema es distinto del M/M/1
con una tasa promedio de clientes por unidad únicamente en lo que respecta a que nos
de tiempo. permite tener c servidores en lugar de uno.
Un proceso de colas que consiste en una Para que el sistema M/M/c alcance una
sola línea de espera de capacidad infinita, con condición de estado estable, la tasa total
una disciplina de colas de primero en entrar promedio de servicio, c* debe ser
primero en salir. estrictamente mayor que la tasa promedio de
llegadas (). Si este no fuera así, la cola del
Un proceso de servicio que consiste en c
sistema continuaría creciendo debido a que, en
servidores idénticos, cada uno de los cuales
atiende a los clientes de acuerdo con una
Báscula 1
Camiones
esperando
Báscula 2
Estación de pesado
promedio y por unidad de tiempo, llegarían Este valor de P0 indica que, aproximadamente,
más clientes de los que pueden ser atendidos. 7% del tiempo la estación de pesado está vacía.
La nueva propuesta de la CAO, utilizando el b. Número promedio en la fila (Lq):
personal actual, tiene las siguientes
ρ c 1 1
características: Lq * * P0
(c 1)! (c ρ ) 2
c = 2 servidores
= 70 camiones por hora (1.75)3 1
Lq * * 0.06667
(1)! (2 1.75) 2
μ = 40 camiones por hora en cada báscula
Lq 5.359375 * 16 * 0.06667
El valor de c*μ = 2 * 40 = 80, es mayor que el
de = 70, de manera que si se puede realizar Lq 5.7167
un análisis de estado estable para este sistema. En otras palabras, en promedio, la estación de
Cálculo de las medidas de rendimiento pesado, puede esperar tener aproximadamente,
6 camiones esperando ser atendidos (sin
Las diferentes medidas de rendimiento de un
incluir el que ya está en la báscula).
sistema de colas M/M/c, están derivadas en
términos de los parámetros y Estas Ahora que ya se ha estimado un valor para Lq,
fórmulas se expresan en términos de , que es puede calcularse los valores de Wq, W, y L
el cociente de sobre Para el problema de utilizando las relaciones ya conocidas.
CAO: c. Tiempo promedio de espera en la cola (Wq):
λ 70 Lq 5.7167
ρ ρ 1.75 Wq Wq 0.081667
μ λ 70
40
En términos de , y , las medidas de Este valor indica que, en promedio, un camión
rendimiento para el problema de CAO, se tiene que esperar 0.0817 horas
calculan de la siguiente manera: (aproximadamente 5 minutos) en la fila antes
de iniciar el proceso de pesado.
a. Probabilidad de que ningún cliente esté en el
sistema (P0): d. Tiempo promedio de espera en el sistema
(W):
1
P0 c 1 n W Wq
1
ρ ρc c
μ
*
n 0
n! c! c ρ W 0.081667
1
40
donde: W 0.081667 0.025 0.10667
c 1 n 0 1 2 c 1
ρ ρ ρ ρ ρ En promedio, un camión tiene que esperar
n!
n 0
0!
1!
2!
.....
(c 1)! 0.10667 horas (aproximadamente 7 minutos)
desde que llega hasta que sale de la estación.
y k! k(k 1)....1 y 0! 1 e. Número promedio en el sistema (L):
Para el problema de CAO, en el cual ρ 1.75 L λ *W
y c2: L 70 * 0.10667 7.4667
c 1 n 0 1
ρ 1.75 1.75 En promedio, se tiene entre 7 y 8 camiones
n!
n 0
0!
1! esperando en la estación, ya sea en la báscula
o en espera de ser atendidos.
c 1 n
ρ
n!
n 0
1 1.75 2.75 f. Probabilidad de que un cliente que llegue
tenga que esperar (Pw):
1 c
ρc c (1.75) 2 2 Pw *ρ c * * P0
* c! c ρ
n! c ρ 2! 2 1.75
1 2
ρc c Pw * (1.75)2 * * 0.06667
* 1053125 * 8 12.25 2! 2 1.75
n! c ρ
Pw 0.5 * 3.0625* 8 * 0.06667 0.81667
1
P0 Aproximadamente, 82 % de las veces, un
2.75 12.25
camión que llega es pesado sin que tenga que
1 esperar.
P0 0.06667
15
g. Probabilidad de que hayan n clientes en el
sistema (Pn):
Si n < = c: en la rampa. ¿Cuál es la probabilidad de que
más de 17 camiones estén en el sistema en
ρn cualquier momento?
Pn * P0
n! La probabilidad de que se presente este caso,
Al utilizar esta fórmula, se obtienen los siguientes se obtiene sumando las probabilidades
resultados: correspondientes a cada valor de n=18, 19, …
n Pn La probabilidad resulta ser de 9.6 % . Si se cree
que este valor no es aceptable, se puede sugerir
0 0.06667
modelos alternativos; por ejemplo, contratar a
1 0.11667 un trabajador más para que se aumente la tasa
2 0.10210 de servicio, o aumentar la capacidad del área
Si n > c: de espera teniendo dos filas en lugar de una
sola.
ρ n Ejemplo 3:
Pn * P0
(c! ) c n -c Los clientes de un Banco de la ciudad, llegan
Al utilizar esta fórmula, se obtienen los siguientes uno a la vez, completamente en forma
resultados: aleatoria, a un cajero automático cuya tasa es
seis clientes por hora. Los clientes toman un
n Pn
promedio de cuatro minutos para terminar sus
3 0.08932 transacciones y los datos históricos han
4 0.07816 mostrado que los tiempos de servicio se
. . ajustan a la distribución exponencial negativa
Los clientes hacen cola sobre la base de
Estas tablas proporcionan la distribución de
primero en llegar, primero en salir. Suponga
probabilidad para el número de camiones que
que solamente hay un cajero automático.
hay en el sistema. Las cantidades que aparecen
en ambas tablas se utilizan para responder a) Encuentre las siguientes medidas
preguntas como las siguientes: ¿Cuál es la esperadas del desempeño para este sistema: el
probabilidad de que al menos una báscula no número esperado de clientes en el sistema, el
esté funcionando?. Esta probabilidad es la número esperado de clientes que esperan el
misma que la probabilidad de que haya menos servicio, el tiempo esperado en el sistema y el
de dos camiones en el sistema. Sumando las tiempo esperado en la cola.
dos primeras probabilidades de la tabla, para n b) ¿Cuál es la probabilidad de que haya más
= 0 y 1, se obtiene la cantidad 0.18334. de cinco personas en el sistema para un punto
h. Utilización (U): aleatorio en el tiempo?
c) ¿Cuál es la probabilidad de que el tiempo
c 1 c2 1
U 1 P0 P1 P2 ... Pc de
1 espera en la cola sobrepase los 10 minutos?
c c c
d) Dados estos resultados, ¿piensa que la
1 administración deba considerar anexar otro
U 1 P0 P1 cajero automático?
2
Solución
U 1 0.06667 0.5 * (0.11667)
La afirmación de que los clientes llegan uno a
U 1 0.125 0.875 la vez en tiempos completamente aleatorios
Cada báscula está ocupada el 87 % del tiempo. implica que el proceso de entrada es un
proceso de Poisson. La tasa de llegada es =6
INTERPRETACIÓN DE LAS MEDIDAS DE
por hora. El tiempo medio de servicio es de 4
RENDIMIENTO
minutos=1/15 hora, por lo que la tasa de
Se puede informar a la gerencia que el tiempo servicio es =15 por hora. La tasa de utilización
promedio que un conductor de camión tiene es = / = 2/5 = 0.4.
que invertir en el sistema es 0.1067 horas
(aproximadamente 7 minutos) y que el número a)
promedio de camiones que esperan en la 2/5 2
LS 0.6667
rampa es, aproximadamente, 5.7167. 1 3/5 3
La gerencia encuentra aceptables estos 2 2 4
rendimientos. Sin embargo, vuelve a preguntar L q L * 0.2667
5 3 15
si la fila de camiones llegará hasta la autopista.
Este suceso se presentará cuando haya 2 L 2/3 2 1
WS horas 6.6667 min utos
camiones en la báscula y más de 15 esperando 6 18 9
Lq 4 / 15 4 2 (0.75) 1 e 0.75
Wq horas 2.6667 min utos P (0) 0.75e 0.75 0.3543
6 90 45 1!
b) Aquí estamos interesados en P(L>5). En (0.75) 2 e 0.75 0.5625 * 0.4724
general: P(0) 0.1329
2! 2
P( L k ) P n (1 ) n
(1 ) La probabilidad de que no haya clientes en un
n
Figura Nº 02 Figura Nº 04
Hoja de respuesta de la distribución de probabilidades para el Hoja de respuesta para el problema de “Happy Burguer”,
problema de “Happy Burguer” cuando tiene dos servidores.
De la figura Nº 02, podemos deducir que existe En comparación con las características
la probabilidad de 0.1335 de que siete o más originales, el sistema ha mejorado mucho. El
clientes estén en el sistema a la vez. Lo cual tiempo promedio que pasa el cliente en el
indica que existe la alta posibilidad que la sistema se reduce de 4 minutos a 1.16
empresa tenga líneas de espera largas si minutos. La cantidad promedio de clientes en
continúa utilizando el sistema con un solo la cola se reduce de 2.25 a 0.1227 clientes. El
canal. tiempo promedio que pasa un cliente en la cola
d. Suponga que la empresa decide aumentar se reduce de 3 minutos a 0.1636 minutos. La
la tasa de servicio haciendo un cambio creativo probabilidad de que un cliente tenga que
utilizando nueva tecnología, de manera que la esperar por el servicio se reduce de 0.75 a
nueva =75 clientes por hora (1.25 clientes por 0.2045
minuto). Calcule las nuevas medidas de Ejemplo 5:
desempeño. En la ciudad de Huaraz operan dos compañías
Estos nuevos resultados indican que el sistema de autos de alquiler. Cada una de las
compañías posee dos autos de alquiler y
comparten el mercado en partes casi iguales.
Las llamadas llegan a las oficinas de despacho
de cada compañía a la tasa de 8 por hora. El
tiempo promedio por viaje es 12 minutos. La
llegada de llamadas sigue una distribución de
Poisson, mientras que los tiempos de viaje son
exponenciales.
Las dos compañías fueron compradas hace
poco por el Grupo Ortiz. Después de tomar el
mando de las dos compañías su primera acción
Figura Nº 03 fue intentar reunir las dos en una sola oficina
Hoja de respuesta para el problema de “Happy Burguer”, de despacho, con la esperanza de ofrecer un
cuando mejora la tasa de servicio. servicio más rápido a sus clientes.
ha mejorado. El tiempo promedio que un a. Compare las dos situaciones presentadas en
cliente espera en la cola antes de ser atendido esta compañía y analice los resultados.
se ha reducido de 3 a 1.2 minutos y el tiempo
Solución:
promedio que pasa un cliente en el sistema se
ha reducido de 4 a 2 minutos. La figura Nº XX muestra los resultados con dos
escenarios. El escenario 1, cuando las
e. Suponga que la administración desea
compañías de autos de alquiler trabajan
evaluar la conveniencia de abrir una segunda
independientemente; y, el escenario 2, cuando
estación de procesamientos de pedidos de
las compañías están unificadas.
modo que puede servirse simultáneamente a
dos clientes.
Figura Nº 01
Hoja de respuesta de TORA para el problema de servicios de
lavado de autos.
En una instalación de servicio de lavado de
En el primer escenario, el tiempo de espera de autos, operan con una sola rampa. Los autos
los clientes es 0.35556 hrs., aproximadamente llegan para ser atendidos de acuerdo a una
21 minutos; en el segundo escenario, el tiempo distribución de Poisson, con media de 4 por
de espera es 0.14911 hrs, que equivale, hora y esperan en el estacionamiento de las
aproximadamente 9 minutos. Es decir, en el instalaciones si la rampa está ocupada. El
segundo escenario que es cuando las empresas tiempo de lavar y asear cada automóvil varía,
están consolidadas en una, el tiempo de espera pero se advierte que sigue una distribución
se reduce 57%. Esto es una evidencia de que la exponencial con media de 10 minutos por
consolidación de las compañías es ventajosa. automóvil. Los autos que no se pueden
En la vida real, además, se evidencia que los estacionar dentro esperan en la calle que
grupos de servicio siempre proporcionan un bordea las instalaciones de lavado. Esto
modo de operación más eficiente. significa que para todo propósito práctico, no
hay límite en el tamaño del sistema. El gerente
Ejemplo 6:
de las instalaciones quiere determinar el
Considere el problema de la reunificación de tamaño del estacionamiento.
las compañías de alquiler de autos. Suponga
a. Las medidas de rendimiento.
que no puede obtenerse fondos para comprar
otras unidades. Para resolver el problema de la b. La probabilidad de que un automóvil que
espera excesiva, se aconsejó a la oficina de llegue tenga que esperar antes de ser lavado.
despacho informe a los nuevos clientes sobre SOLUCIÓN
una demora potencial excesiva por falta de Datos:
disposición de automóviles una vez que la lista
de espera alcance 6 clientes. =4 autos por hora
a. Analice el efecto de esta decisión sobre el =60/10 autos por hora
tiempo de espera Como <1, el sistema opera bajo
b. Calcule el número esperado de taxis condiciones de estado estable y su análisis es
inactivos. posible.
c. La probabilidad de que a un cliente que Los resultados, según la hoja de respuesta de
llame se le dirá que no hay autos TORA son los que se muestran en la figura Nº
disponibles. 01:
Solución: Respuestas:
Limitar la lista de espera a 6 clientes equivale a
a hacer N=6+4=10 clientes como límite de
atención del sistema, con una tasa de llegadas
de 16 clientes por hora y tasa de servicio de 5
viajes por hora. Los resultados de este modelo
se mueustran en la Figura Nº XXX.
Ejemplo 7:
La hoja de respuestas muestra que el número La simplificación de la desigualdad nos
promedio de autos que esperan en la cola (Lq) proporciona:
s 1 0.1
Al tomar logaritmos a ambos miembros de la
ecuación:
ln(0.1)
s 1 4.679
ln(4 / 6)
De esa manera, s>5 espacios de
estacionamiento.
Ejemplo 8:
Considere el ejemplo anterior. Suponga que
esta instalación de lavado de autos tiene un
total de 4 lugares de estacionamiento. Si el
estacionamiento está lleno, los autos que
Figura Nº 01 lleguen buscarán servicio en otra parte. El
Hoja de respuesta de TORA para el problema de servicios de propietario desea determinar cómo influye el
lavado de autos. espacio de estacionamiento limitado en la
es 1.333. Sin embargo, no podemos usar esta pérdida de clientes a la competencia.
medida de rendimiento como única base para a. Las nuevas medidas de rendimiento.
la determinación del número de espacios de b. Cuántos clientes se pierden debido al
estacionamiento porque el diseño debe, en limitado espacio de estacionamiento, por hora y
cierto sentido, reflejar la longitud máxima por día de trabajo (8 horas).
posible de la cola. Por ejemplo, se puede
c. La probabilidad de que un carro que llegue
diseñar el sistema de forma que un auto que
reciba servicio de inmediato.
llega encuentre un espacio al menos 90% del
tiempo.
Supongamos que s es la variable desconocida
que representa el número de espacios de
estacionamiento. Tener s espacios en el
estacionamiento, significa que hay s+1
espacios en el sistema (cola + rampa de
lavado). Un auto que llega encontrará un
espacio 90% del tiempo si hay, cuando mucho, Solución:
s autos en el sistema. Esta condición es
equivalente al siguiente planteamiento de En este modelo, no necesita ser menor que
1, puesto que las llegadas la sistema están
probabilidad:
controladas por el límite N del sistema. Esto
p0 p1 p2 ...... ps 0.90 significa que efectiva, más que , es la tasa que
De la hoja de respuestas, observamos que los importa en este caso. La tasa efectiva de
valores acumulados de Pn son 0.86831 y llegadas, efectiva se calcula observando el
0.91221 para n=4 y n=5, respectivamente. Esto diagrama esquemático de la siguiente figura:
significa que la condición se satisface para s>5 S is te m a
F u e n te
espacios para estacionamiento.
El número de espacios s también se puede
calcular utilizando la definición matemática de
e fe c tiv a
Pn; es decir:
pn (1 )(1 2 ...... s 0.90
P é r d id a
La suma de la serie geométrica truncada es
igual a:
En ese esquema, los clientes llegan al sistema a
1 s 1 una tasa de clientes por hora. Una cliente
1 que llega puede ingresar en el sistema o ir a
Así, la condición se reduce a: otro lado con tasas efectiva o pérdida, lo que
significa que efectiva+pérdida. Un cliente no
1 s 1 0.9
podrá entrar en el estacionamiento si ya hay N
clientes allí. Esto significa que la proporción de el tamaño del estacionamiento, debe basarse
clientes que no entrarían en el sistema debe ser en el valor de los clientes perdidos.
igual a PN. Así: Viendo el problema desde un ángulo diferente,
pérdida Pn el tiempo total esperado en el sistema Ws =
efectiva perdida 0.3736 horas (aproximadamente 22 minutos),
menor a los 30 minutos del ejemplo anterior.
Puesto que el límite sobre el sistema es N=5, la Esta reducción de cerca de 25% se asegura a
proporción de clientes perdidos es P5=0.04812 expensas de perder cerca de 4.8% de todos los
que, con base en el día de 8 horas, es clientes potenciales debido al espacio limitado
equivalente a perder P5*8= 4*0.04812*8 =1.54 del estacionamiento.
autos al día. Una decisión respecto a aumentar
Figura Nº 03
Hoja de respuestas de WinQSB para el problema de Estética “La
Chabuca”, con dos servidores.
Figura Nº 02
Hoja de respuestas de WinQSB para el problema de Estética “La
Chabuca”, después de la aparición del artículo periodístico
Pn
1 n
para n = 1, 2, 3,..., k
1 k 1
Figura Nº 01
Para el caso de la sala finita de espera no es Medidas de rendimiento obtenidas con Win QSB para el
problema de American Weavers, Inc.
necesario que 1 . De hecho, Pn tiene ese
valor para todos los valores de 1 . Cuando tasa efectiva de llegadas, ef se calcula como
1 resulta que todos los estados son sigue:
igualmente posibles; así que: ef P Cantidad en el sistema k
1 0 P Cantidad en el sistema k )
Pn 1
k 1 para 0 < n < k (sólo cuando ef 1 P Cantidad en el sistema k
Recuerde que no todos los clientes que llegan ef 1 Pk
entran al sistema. Cuando hay k o más en el
sistema, la tasa de llegadas es cero, y entonces
la tasa general de llegadas es menor que . La
Las medidas de desempeño se obtienen a partir
de L, la cantidad esperada de clientes en el
sistema, en estado estable.
L
k 1 k 1
1 1 k 1
Lq L 1 P0
L
W
ef
Lq
Wq Figura Nº 01
ef
Hoja de respuestas de WinQSB para el problema del pintor
callejero.
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 distribución
exponencial. Las personas desean esperar su
turno, pero cuando hay más de 10 optan por
irse y se les sugiere regresen después. 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. Figura Nº 02
Hoja de respuestas de WinQSB que muestra las
a. Qué proporción del tiempo tiene la cola su probabilidades para el problema del pintor callejero
máxima capacidad?
b. Como la tasa de llegadas es 20 por hora, y
b. En promedio, cuántos clientes optan por el sistema está lleno 40% del tiempo, durante
irse? los periodos pico se rechazan (20*0.40)=8
c. Determinar las medidas de desempeño para clientes por hora. Esto da la tasa de llegadas
este sistema de colas efectiva igual a 12clientes por hora.
d. Si el área de espera duplicara su tamaño, Observe que P0=0.0015, que indica una
¿cómo afectaría a las respuestas de las
partes (a) y (b)?
Solución
La tasa de llegada es =20 por hora; la lasa de
servicio es =12 por hora, de modo que
=20/12=1.667. El número máximo de clientes en
el sistema es K=11 (10 en la cola más el cliente
que está siendo atendido).
Las medidas de desempeño se muestran en la
figura Nº 01.
a. La probabilidad de que el sistema esté lleno
es PK, que aparece dada por:
PK
1 K
1 K 1
(1 1.6667)(1.6667) 11 184.25
PK 0.40
1 1.667 12 459.5
Figura Nº 03
Esta cantidad también se muestra en la figura Hoja de respuestas de WinQSB que muestra las
02, que es la hoja de respuestas del WinQSB y probabilidades para el problema del pintor callejero
cuando se duplica el área de espera
muestra la distribución de probabilidades para
este problema. probabilidad muy pequeña que un cliente que
llegue no tenga que esperar para ser atendido,
lo que es un reflejo que el sistema rara vez está La figura Nº 03 muestra que P21=0.40; es decir
vacío. que al duplicar el área de espera no se afecta la
El tiempo que un cliente espera para ser probabilidad de que el sistema esté lleno. Esto
atendido es 0.7117 horas (aproximadamente se debe a que como la tasa de llegadas
43 minutos) más los cinco minutos que demora sobrepasa la tasa de servicio, el sistema
el pintado, el cliente estaría en el sistema. En alcanza su máxima capacidad rápidamente en
promedio, 48 minutos. los dos casos. En ambos casos, la tasa efectiva
de llegadas es aproximadamente igual a la tasa
c. Si el área de espera doblara su tamaño,
de servicio (aunque siempre será verdad que la
entonces K=21
tasa de llegadas efectiva es menor que la tasa
de servicio).
Con frecuencia, las decisiones que implican el de esperar es el más difícil de evaluar. En el
diseño de líneas de espera se basarán en una problema de “Happy Burger”, el costo de
evaluación subjetiva de las características esperar sería el costo por minuto para un
operativas de la línea de espera. Por ejemplo, cliente que espera por servicio. Este costo no es
un administrador podría decidir que un tiempo un costo directo para “Happy Burger”; sin
de espera promedio de un minuto o menos y embargo, si “Happy Burger” lo ignora y permite
un promedio de dos clientes o menos en el líneas de espera largas, los clientes comerán en
sistema son metas razonables. Pueden usarse otra parte. Por tanto, “Happy Burger”
los modelos de línea de espera presentados en experimentará pérdida en ventas y, en efecto,
las secciones anteriores para determinar la incurrirá en un costo.
cantidad de canales que cumplirá con las Generalmente es más fácil determinar el costo
metas de desempeño de la línea de espera del del servicio. Éste es el costo relevante asociado
gerente. con la operación de cada canal de servicio; en
Por otra parte, un administrador puede querer el problema de “Happy Burger”, incluiría los
identificar el costo de operar el sistema de línea salarios y prestaciones del empleado y
de espera y luego, basar la decisión respecto al cualquier otro costo directo asociado con la
diseño del sistema, en un costo de operación operación del canal de servicio. En “Happy
por hora o día mínimo. Antes de que pueda Burger” este costo se estima en $7 por hora.
llevarse a cabo un análisis económico de una Para demostrar el uso de la ecuación de Costo
línea de espera, debe elaborarse un modelo de Total, suponemos que “Happy Burger” está
costo total, el cual incluye el costo de esperar y dispuesto a asignar un costo de $ 10 por hora
el costo del servicio. para el tiempo de espera del cliente. Usamos la
Para elaborar un modelo de costo total para cantidad promedio de unidades en el sistema,
una línea de espera, comenzamos por definir la Ls, como se calculó anteriormente para obtener
notación que se va a usar: el costo total por hora para los sistemas de un
Cw: Costo de esperar por periodo para cada solo canal y de canales múltiples.
unidad. Sistema de un solo canal (Ls=3 clientes)
Ls: Cantidad promedio de unidades en el CT C w L s C s k
sistema.
CT 10(3) 7(1) $37.00 porhora
Cs: Costo de servicio por periodo para cada
canal Sistema de dos canales (Ls=0.8727 clientes)
k = Cantidad de canales CT C w L s C s k
TABLA Nº 02
Costo por hora par diferentes tamaños de personal de
reparación de American Weavers, Inc.
Tamaño de Número esperado
Costo por hora
personal en el sistema
7 12.0973 (50*7) + (100*12.0973) =1559.73
8 7.7436 (50*8) + (100*7.7436) =1174.36
9 6.7863 (50*9) + (100*6.7863) =1128.63
10 6.4594 (50*10) + (100*6.4594) =1145.94
11 6.3330 (50*11)+ (100*6.3330) =1183.30