2
.
El parmetro hay que interpretarlo como el nmero promedio de elementos que
llegan al sistema por unidad de tiempo.
Ejemplo 85 El nmero promedio de llegadas por hora al consultorio de un hospital
es de 60 pacientes. Si acaba de llegar un paciente, cul es la probabilidad de que el
siguiente venga dentro del siguiente minuto. Y de que tarde ms de 4 minutos?
Tomamos para =
60 pacientes
hora
=
60 pacientes
60 minutos
= 1
paciente
minutos
P (t < 1) =
1
_
0
e
t
dt = e
t
1
0
= 1 e
1
= 0.632;
P (t > 4) =
_
4
exp(t) dt = 0 (e
4
) = 0.0183.
Es conveniente resaltar que la distribucin exponencial cumple la siguiente relacin
P (t h) = P (t c +h/t c) .
Esta propiedad signica que en todo momento, la probabilidad de que el siguien-
te elemento venga en un intervalo de h segundos no depende del momento concreto,
c, sino exclusivamente del intervalo de tiempo, h, considerado. Esta probabilidad no
cambia con el tiempo y es independiente de lo que haya pasado antes. Por eso esta
propiedad se suele enunciar diciendo que la funcin exponencial carece de memoria.
Esto quiere decir que la distribucin no guarda informacin sobre lo que ha pasado
antes de c y por tanto no se necesita tener informacin del pasado para predecir el
futuro.
8.3. MODELOS DE LLEGADAS Y DE TIEMPO DE SERVICIO 203
8.3.1 Relacin entre la distribucin de Poisson y la exponen-
cial
El siguiente teorema nos da la relacin existente entre la distribucin del intervalo
de tiempo entre llegadas (bajo la hiptesis de distribucin exponencial) y el nmero
de clientes que accede al sistema en cada intervalo de tiempo t.
Teorema 14 Los intervalos entre llegadas siguen una distribucin exponencial de
parmetro si y slo si el nmero de llegadas que ocurren en un intervalo de tiempo
t sigue una distribucin de Poisson de parmetro t.
Si la distribucin de los intervalos entre llegadas es exponecial de parmetro , y
N
t
es la variable aleatoria que indica el nmero de llegadas en el intervalo de tiempo
t, la probabilidad de que el nmero de llegadas en este intervalo sea n es:
P (N
t
= n) =
(t)
n
exp(t)
n!
, n = 1, 2, 3....
E(N
t
) = V ar(N
t
) = t
Cuando el nmero de llegadas sigue una distribucin de Poisson se cumplen las
siguientes propiedades:
a) Las llegadas ocurridas en intervalos de tiempos que no se solapan son inde-
pendientes.
b) Para intervalos pequeos de tiempo (t) la probabilidad de que una llegada
ocurra en el intervalo (t, t + t) es t +o(t)
1
.
c) La probabilidad de ms de una llegada en el intervalo t es o(t).
Ejemplo 86 El nmero de personas que entra en un comercio sigue una distribu-
cin de Poisson con una media de 30 personas por hora.
a) Hallar la probabilidad de que entren exactamente 50 personas entre las 10 a
las 12 de la maana.
b) Hallar la probabilidad de que el intervalo de tiempo entre dos llegadas est
entre 2 y 4 minutos.
a) El intervalo de tiempo es de 2 horas, por lo tanto t = 30 2 = 60
P (N
t
= 50) =
(60)
50
exp(60)
50!
= 0.02327 .
1
o(t) denota un innitsimo de orden superior a t
204 TEMA 8. TEORA DE COLAS
b) Los clientes acuden a la tienda a razn de 30 personas por hora, as que la fun-
cin densidad de la exponencial asociada es 30 exp(30t). Por tanto, la probabilidad
es :
4/60
_
2/60
30 exp(30t)dt = exp(30t)|
4/60
2/60
= exp(30t)|
4/60
2/60
= e
1
e
2
= 0.23254
Si hiciramos los clculos en minutos: Los clientes acuden a la tienda a razn
de 30/60 = 0.5 personas por minuto, as que la funcin densidad de la exponencial
asociada es 0.5 . exp(0.5t). Por tanto, la probabilidad es:
4
_
2
0.5. exp(0.5t)dt = exp(0.5t)|
4
2
= e
1
e
2
= 0.23254.
8.3.2 Otra distribucin de las llegadas. La distribucin de
Erlang
A veces se modelan los intervalos de llegadas con una distribucin de Erlang, inge-
niero dans que aplic a principios del siglo XX esta distribucin al estudio de las
aglomeraciones que se producan en las llamadas telefnicas. La funcin de densidad
de esta distribucin viene dada por dos parmetros:
f(t) =
R(Rt)
k1
exp(Rt)
(k1)!
, t 0 , donde E(t) =
k
R
y V ar(t) =
k
R
2
Si tomamos R = K, tenemos esta otra expresin para la funcin de densidad:
f(t) =
k(kt)
k1
exp(kt)
(k 1)!
, t 0 (8.1)
siendo en este caso E(t) =
1
y V ar(t) =
k
(k)
2
=
1
k
2
Si k = 1, la distribucin es una exponencial de parmetro . La representacin
grca de la funcin 8.1. puede tomar muy diversas formas para los distintos valores
de los dos parmetros, por lo que es adaptable a distintas situaciones reales. Puede
demostrarse que la distribucin de Erlang es la distribucin de la suma de k variables
exponenciales independientes de parmetro . Por tanto cuando los intervalos entre
llegadas consecutivas se modelan con una funcin exponencial de parmetro , el
intervalo entre k llegadas consecutivas sigue una distribucin Erlang de parmetros
k y .
8.4. LA NOTACIN DE KENDALL 205
8.3.3 Modelos de duracin de los servicios
Se suelen emplear los mismos modelos que para los intervalos entre llegadas; es decir,
la distribucin exponencial o la de Erlang. A veces puede ocurrir que la duracin
del servicio sea determinista. Por ejemplo, si todos los clientes vienen a solicitar un
mismo servicio que tarda en realizarse una cantidad de tiempo constante.
8.4 La notacin de Kendall
Se realiza sobre el esquema 1/2/3/4/5/6, expresando en los lugares ocupados por
los nmeros la siguiente informacin:
En el lugar del 1 se indica la distribucin de las llegadas, que se representa de la
siguiente forma:
M = intervalos entre llegadas independientes e idnticamente distribuidos (iid)
que se rigen por la distribucin exponencial.
D = iid y deterministas.
Ek = iid y Erlang con parmetro k.
GI = iid y gobernados por una distribucin general.
En lugar del 2 se indica la distribucin de los servicios: M, D, Ek o GI, con
idntico signicado que en las distribuciones de llegadas.
En el lugar 3 se indica el nmero de servidores en paralelo.
En el lugar 4 se indica la disciplina de la cola, que suele ser:
FCFS (rst come rst served), que signica que el primero que llega es el primero
en ser servido, (tambin denominada FIFO = rst in rst out).
LCFS (last come rst served), que signica que el ltimo en llegar es el primero
en ser servido, (tambin denominada LIFO = last in rst out).
SIRO (service in random order), que signica que se atiende en orden aleatorio.
GD (general queue discipline), que signica que la cola tiene una disciplina
genrica.
En el lugar 5 se indica el nmero mximo de elementos que puede admitir el
sistema (incluyendo los clientes que estn siendo atendidos).
Por ltimo en el lugar 6 se indica el nmero mximo de clientes potenciales.
206 TEMA 8. TEORA DE COLAS
Si un sistema de cola se representa con el esquema M/M/1/fcfs//signica:
que los intervalos entre llegadas consecutivas y los tiempos empleados en prestar el
servicio demandado se distribuyen con distribuciones exponenciales; que hay un solo
servidor; que la disciplina de cola consiste en atender primero al que haya llegado
antes al sistema; que el sistema puede recibir un nmero ilimitado de individuos, y
que el nmero de clientes potenciales es innito (muy grande).
8.5 Estudio de una cola M/M/1
Sobreentenderemos en este caso que la cola es del tipo M/M/1/fcfs/ / .
Llamaremos Estado del sistema en t al nmero de elementos presentes en el
instante de tiempo t. Para t = 0, el estado del sistema sera el nmero de elementos
que estn en el sistema inicialmente. Suponemos tambin que el sistema ha llegado
al Estado Estacionario, que se caracteriza porque la probabilidad de cada estado
no vara con el tiempo. Llamaremos P
j
a la probabilidad de que el sistema est en
el estado j. Tambin puede interpretarse como la fraccin de tiempo en que hay
j elementos en el sistema.
Un sistema de colas M/M/1/fcfs// sigue las leyes siguientes:
1. La probabilidad de un llegada entre t y t + t, puede darse por t +
o(t). Una llegada incrementa el estado del sistema en 1.
2. La probabilidad de una salida entre t y t+t (siempre que haya algn elemento
recibiendo servicio en el instante t) puede darse por t +o(t). Una salida
disminuye en 1 el estado del sistema.
3. Las llegadas y salidas son sucesos independientes.
4. El Estado Estacionario se alcanza si < , siendo y respectivamente
las tasas de llegada y servicio (nmero de llegadas o servicios por unidad de
tiempo).
5. Dos o ms sucesos (llegadas o salidas) no pueden ocurrir simultneamente (esto
es una forma de decir que la probabilidad de ocurrencia de ms de un suceso
en el tiempo t es un innitsimo de orden superior a t).
8.5.1 Probabilidad de que el sistema est en cierto estado
Para calcular la probabilidad de que el sistema est en el estado j en el instante
t + t, calculamos esta probabilidad a partir de su estado en el tiempo t.
Vamos a desarrollar primero el caso de P
0
(t+t) = Probabilidad de que no haya
nadie en el sistema en el instante t + t. Se dar esta circunstancia en uno de los
supuestos siguientes:
8.5. ESTUDIO DE UNA COLA M/M/1 207
1. No haba nadie en el sistema en el instante t y no ha venido nadie en este
intervalo.
La probabilidad de que ocurra este supuesto es
P
0
(t) (1 t +o(t)).
2. Haba 1 elemento en el instante t, no ha venido nadie en ese intervalo y se ha
ido el que estaba.
La probabilidad es ahora:
P
1
(t) (t +o(t))(1 t +o(t)).
3. Los casos restantes requieren que al menos dos sucesos (entradas o salidas)
ocurran en el intervalo de tiempo t. Segn la propiedad 5, esta probabilidad
es de orden superior a t.
Por lo tanto
P
0
(t +t) = P
0
(t) (1 t +o(t)) +P
1
(t) (t +o(t))(1 t +o(t)) +
o(t)
P
0
(t + t) = P
0
(t) (1 t +o(t)) +P
1
(t) (t +o(t)) +o(t)
P0(t+t)P0(t)
t
= P
0
(t) +P
1
(t) +
o(t)
t
.
Si t 0 obtenemos en el primer miembro la derivada de P
0
(t) . Si considera-
mos que estamos en Estado Estacionario P
0
es constante, y por tanto su derivada es
0. El ltimo sumando del segundo trmino tambin tiende a 0 puesto que el orden
del numerador es mayor que el del denominador (el numerador tiende a cero ms
rpidamente que el denominador). Por tanto ha de cumplirse cuando t 0:
0 = P
0
+P
1
,
de donde se deduce que
P
1
=
P
0
= P
0
En el caso general, tras agrupar todos los innitsimos de orden superior a t
se tiene:
P
j
(t) (t + t) = P
j1
(t) (t))(1 t) +Pj(t) (1 t)(1 t)+
+P
j+1
(t)(t)(1 t) +o(t).
208 TEMA 8. TEORA DE COLAS
Procediendo de forma anloga a la empleada para obtener la expresin de P
1
se
obtiene:
P
j
( +) = P
j1
+P
j+1
En concreto si j = 1
P
1
( +) = P
0
+P
2
Sustituyendo P
1
=
P
0
obtenemos :
P0
( +) = P
0
+P
2
y despejando P
2
P
2
=
2
P
0
2
=
2
P
0
Por induccin, se obtendra para el estado j :
Pj =
j
P
0
j
Como los posibles estados del sistema son: 0, 1, 2, 3,...
i=0
P
i
= 1 = P
0
+P
0
+
2
P
0
+.... = P
0
(1 + +
2
+....) = P
0
_
1
1
_
La serie representa la suma de los trminos de una progresin geomtrica de
razn . Si el estado es estacionario =
j=0
jP
j
=
j=0
j(1 )
j
= (1 )
1
j
j
= (1 )S
siendo S =
1
j
j
y j la variable aleatoria que denota el nmero de elementos en el
sistema.
Para hallar S se parte de la igualdad S S =
1
, de donde se deduce S =
(1)
2
. Sustituyendo esta expresin en la de L obtenemos para el nmero medio de
elementos en el sistema
L =
1
8.5.3 Nmero medio de elementos en cola
En este caso hay que hallar la media de j, que es la variable aleatoria que denota el
nmero de elementos en la cola. Su promedio es
L
q
= 0 (P
0
+P
1
) + 1P
2
+ 2P
3
+ 3P
4
+...=
j=1
(j 1)P
j
=
j=1
(j 1)(1 )
j
=
= (1 )
1
(j 1)
j1
= (1 )S =
2
1
.
El nmero de elementos recibiendo servicio, es la diferencia entre los que estn
en el sistema y los que estn en la cola. Su valor medio, L
s
, es por tanto
L
s
= L L
q
=
1
2
1
=
(1 )
1
=
Este valor, , tambin puede interpretarse como la fraccin de tiempo en que el
servidor est ocupado.
8.6 Teorema de Little
Para cualquier sistema de colas en estado estacionario se verica:
L = W, L
q
= Wq, L
s
= Ws
210 TEMA 8. TEORA DE COLAS
Donde las W son, respectivamente, los tiempos medios de espera en el sistema,
en cola y recibiendo servicio.
Explicacin intuitiva: Supongamos que llega al sistema un elemento que per-
manece en ste exactamente el tiempo promedio W. Cuando este cliente salga del
sistema permanecen an en l los elementos que han llegado detrs durante el inter-
valo de tiempo W. Por promedio su nmero ser W, puesto que es el nmero de
llegadas por unidad de tiempo, es decir L = W.
Usando el teorema de Little se pueden obtener expresiones para los tiempos
medios de estancia en el sistema, en la cola o recibiendo servicio.
W =
1
=
1
,
W
q
=
2
1
=
(
)
2
1
=
( )
W
s
=
Ls
=
1
j
si 0 < j c
P
j
= 0 si j > c
En este caso el estado estacionario puede lograrse aunque no sea menor que 1
ya que el sistema se autorregula por el nmero mximo c de clientes en la cola. Los
posibles estados del sistema son: 0, 1, 2, 3,...., c. por lo tanto
c
i=0
P
i
= 1 = P
0
+P
0
+
2
P
0
+.... +
c
P
0
= P
0
_
c+1
1
1
_
si = 1
Esta expresin, slo es vlida si = 1, es decir, no es igual que . En este
caso, despejando P
0
, obtenemos que
P
0
=
1
c+1
1
y P
j
=
(1)
(
c+1
1)
j
Por tanto
L = E(j) =
c
j=0
jP
j
=
c
j=0
j
j 1
c+1
1
=
(1)
c+1
1
c
1
j
j
=
(1)
c+1
1
S
c
1
j
j
S
=
c+1
1
c
c+1
luego
S
=
c+1
c
c+2
+c
c+1
(1)
2
,
y por tanto
L =
(c+1)
c+1
+c
c+2
(1)(
c+1
1)
El nmero de medio de elementos recibiendo servicio es :
L
s
= 0 P
0
+ 1(P
1
+P
2
+... +P
c
) = 1 P
0
212 TEMA 8. TEORA DE COLAS
El nmero medio de elementos en la cola, L
q
se puede hallar restando las expre-
siones L y L
s
y obtenemos L
q
= L L
s
.
En el caso particular de ser = 1 , o = , teniendo en cuenta la expresin
anterior P
j
=
j
P0
j
se deduce que todos los estados tendran la misma probabilidad,
P
0
, as que 1 = (c + 1)P
0
y por tanto
P
0
=
1
c+1
= P
1
= P
2
= P
3
= ... = P
c
L = 0 P
0
+ 1P
1
+ 2P
2
+... +cP
c
) =
= P
0
(1 + 2 + 3 +.... +c) = P
0
1+c
2
c =
1
c+1
1+c
2
c =
c
2
Para cualquier sistema de colas en estado estacionario se verica el teorema de
Little:
L = W, Lq = Wq, Ls = Ws
No obstante, debe sustituirse en este caso por la tasa media real de llegada
(
R
) , que ser menor que , puesto que est limitada la auencia de clientes. La
tasa real se obtendr ahora restando del promedio de llegadas por unidad de tiempo
el promedio de entradas en el sistema que se pierden por exceder su capacidad.
El promedio de llegadas perdidas es P
c
ya que P
c
se puede interpretar como la
proporcin de llegadas por unidad de tiempo que no ingresan en el sistema. Es decir
que:
R
= P
c
Por tanto en este caso de sistemas con capacidad limitada se tiene:
L = (1 P
c
) W, L
q
= (1 P
c
) W
q
, L
s
= (1 P
c
) W
s
Ejemplo 88 La auencia de clientes a una peluquera es, por termino medio, de
20 clientes por hora. El peluquero admite en su peluquera un mximo de 10 clientes
y tarda en atenderlos un promedio de 12 minutos por cliente. Calcular: a ) Nmero
promedio de clientes atendidos por hora. b) Nmero medio de personas en la pelu-
quera. c) Cul es el tiempo medio de permanencia en la peluquera para los clientes
que entran?
a) Todos los clientes que entran son atendidos, por lo tanto coincide con la tasa
real de llegadas a la peluquera. (1 P
c
) = 20(1 P
10
), P
j
=
(1)
(
c+1
1)
j
, as que
P
10
=
(41)
(4
11
1)
4
10
= 0.75. Por lo tanto el nmero medio de clientes atendidos por
hora es 20(1 0.75) = 5.
Por promedio, cada hora hay 15 clientes que no pueden entrar en la peluquera.
8.8. MODELO CON S SERVIDORES 213
b) Para determinar el nmero medio de clientes en la peluquera, calculamos:
=
=
20
5
= 4
L =
(c+1)
c+1
+c
c+2
(1)(
c+1
1)
=
4(11) 4
11
+104
12
(41)(4
11
1)
= 9.67
Por lo que el nmero medio de clientes en la peluquera es 9.67 clientes.
c) El tiempo medio de espera en el sistema ser:
L
20(1 P
10
)
= 9.67/5 = 1.93 horas.
8.8 Modelo con s servidores
Desarrollamos detalladamente el caso en que s = 2, omitiendo los innitsimos de
orden superior a t.
8.8.1 Clculo de la probabilidad de los diferentes estados del
sistema
Tambin ahora se cumple para el estado 0 que
P
0
(t + t)=P
0
(t)(1 t) +P
1
(t)t(1 t)
Si el estado del sistema es estacionario (se puede conseguir el estado estacionario
para el caso de 2 servidores si < 2 y en general si < s), P
0
es constante, y
por tanto la derivada es 0 , as que
P
0
= P
1
y por tanto
P
1
=
P
0
2
P
0
P
0
+ 2P
2
= 0
y despejando P
2
:
P
2
=
2
P0
2
2
=
1
2
2
P
0
Para obtener un expresin similar para P
3
, se parte de la expresin:
P
2
(t + t) =
= P
1
(t)t(1 t) +P
2
(t)(1 t)(1 2t) +P
3
(t)2t(1 t)
P
1
( +) P
2
+ 2P
3
= 0
Sustituyendo los valores anteriores para P
1
y P
2
, obtenemos:
P
3
=
3
P0
4
3
=
1
4
3
P
0
.
En general, para el caso de dos servidores
P
j
=
3
P0
4
3
=
1
2
j1
j
P
0
si j = 0.
8.8.2 Clculo de P
0
i=0
P
i
= 1 = P
0
+P
0
+
1
2
2
P
0
+.... +
1
2
j1
j
P
0
+... =
= P
0
_
1 + +
1
2
2
+.... +
1
2
j1
j
+...
_
El parntesis, omitiendo el primer trmino, es la suma de los innitos trminos
de una progresin geomtrica de razn
2
que es menor que 1, ya que para el estado
estacionario < 2. Realizando la suma de la serie se obtiene
P
0
_
1 +
1
2
_
= P
0
_
2 +
2
_
= 1
entonces
P
0
=
2
2 +
.
Por tanto:
P
j
=
1
2
j1
j
P
0
=
1
2
j1
j
2
2 +
.
8.8. MODELO CON S SERVIDORES 215
8.8.3 Clculo de los parmetros
El nmero medio de elementos en cola es
L
q
= 0(P
0
+P
1
+P
2)
+ 1P
3
+ 2P
4
+. . . =
j=1
jP
j+2
=
j=1
j
1
2
j+1
j+2
P
0
=
= P
0
2
2
j=1
j
_
2
_
j
= P
0
2
2
2
(1
2
)
2
= P
0
3
(2+)
2
=
3
(2+)
2
2
2 +
=
3
(2+)(2+)
=
3
4
2
En el sumatorio se ha sustituido una expresin hallada previamente en 8.5.2
(tomando
2
en lugar de )
L
s
= 0.P
0
+ 1.P
1
+ 2(P
2
+P
3
+P
4
+...) = P
1
+ 2(1 P
0
P
1
) =
=
2
2 +
+ 2
_
1
2
2 +
2
2 +
_
=
Intuitivamente podamos tambin argumentar que la mitad de las llegadas iran a
parar a cada uno de los servidores, ya que los clientes entran en uno u otro servidor.
En ese caso la media de clientes atendidos por cada uno sera
2
=
1
2
=
1
2
. Por
tanto entre ambos atenderan una media 2
1
2
= .
Para calcular el nmero promedio de elementos en el sistema empleamos la si-
guiente expresin:
L = L
q
+L
s
=
3
4
2
+ =
4
4
2
.
Para calcular los tiempos medios se pueden emplear las frmulas de Little:
W
q
=
L
q
, W =
L
, W
s
=
L
s
=
1
s1
i=0
i
i!
+
s
s!(1
s
)
P
j
=
_
j
j!
P
0
si j = 1, 2, 3, . . . , s
j
s!s
js
P
0
si j s
216 TEMA 8. TEORA DE COLAS
L
q
=
s+1
s s!
_
1
s
_
2
P
0
Se pueden aplicar tambin las frmulas de Little:
W
q
=
L
q
L
s
= W
s
=
L
s
L = L
q
+L
s
W =
L
Ejemplo 89 Consideremos una sucursal bancaria con dos cajeros. Los clientes
acuden al banco a razn de 80 por trmino medio cada hora. Cada cajero tarda una
media de 1.2 minutos en servir a un cliente. Hallar:
a) Nmero medio de clientes en el banco.
b) Tiempo promedio de espera en el banco por cliente.
c) Fraccin del tiempo en que un cajero determinado est ocupado.
En este caso = 80 clientes por hora y = 60/1.2 = 50 clientes por hora es
capaz de atender cada uno de los dos servidores.
a) El nmero medio de clientes en el banco es
L =
4
4
2
=
4
80
50
4(
80
50
)
2
=
6.4
1. 44
= 4. 444 4
b) El tiempo medio de espera en el banco es
W =
L
=
4. 444 4
80
horas = 5. 555 5 10
2
horas = 3.33 minutos
c) La probabilidad de que un determinado cajero est desocupado es:
P
0
+ 0.5P
1
=
2
80
50
2+
80
50
+ 0.5
80
50
2
80
50
2+
80
50
= 0. 111 11 + 8. 888 9 10
2
= 0. 2,
as que la probabilidad de que ese cajero est ocupado es 1 0.2 = 0. 80.
Si se pidiera la probabilidad de que al menos uno de los cajeros est desocupado
(sin concretar quin) se calculara como:
P
0
+P
1
=
2
80
50
2+
80
50
+
80
50
2
80
50
2+
80
50
= 0. 288 89.
8.9 El coste de un sistema de colas
Por lo general un sistema de colas tiene dos costes: El de tener clientes esperando
y el de tener elementos sirviendo a stos. Ilustramos esta situacin en el siguiente
ejemplo.
8.9. EL COSTE DE UN SISTEMA DE COLAS 217
Ejemplo 90 En una lnea de produccin es frecuente que haya un almacn para las
herramientas ms caras. Los trabajadores que necesitan alguna de ellas esperan a que
un empleado del almacn se las suministre. Si hay muchos trabajadores solicitando
herramientas se formarn colas y se perder tiempo de trabajo, lo que conlleva un
gasto. Esto se resolvera poniendo ms empleados en el almacn, pero este arreglo
tambin supondra un mayor gasto en sueldos de estos empleados. El problema es
disear un sistema que minimice los costes. Suponemos que las llegadas de empleados
al almacn siguen una distribucin de Poisson de razn de llegada = 15 (nmero
de personas que llegan por unidad de tiempo) y de razn de servicio = 18 (nmero
de elementos que pueden ser servidos en cada unidad de tiempo). Se supone que los
trabajadores que esperan a que el empleado les suministre las herramientas ganan 10
u. m. por hora, y los empleados que se las suministran tienen un sueldo de 9 u.m.
por hora.
Para resolver este problema consideramos los siguientes casos, obtenidos variando
el nmero de servidores (empleados en el almacen que se ocupan de suministrar las
herramientas).
1. Caso de emplear slo un servidor:
El nmero medio de trabajadores en el sistema es
L =
1
=
=
15
1815
= 5.0
Coste por hora = 5 10 + 9 1 = 59 u.m.,
ya que si por trmino medio hay 5 trabajadores en el sistema supone un gasto
de 510 =50 u.m. por hora, a lo que hay que aadir el gasto del servidor que
es 9 u. m. por hora.
2. Caso de dos servidores:
L =
4
4
2
=
4
15
18
4(
15
18
)
2
= 1. 008 4
Coste por hora = 1.008 10 + 9 2 = 28. 08 u.m.
3. Caso de 3 servidores:
P
0
=
1
s1
i=0
i
i!
+
s
s!(1
s
)
=
1
31
i=0
(
15
18
)
i
i!
+
(
15
18
)
3
3!
1
(
15
18
)
3
= 0. 432 13
L
q
=
s+1
s s!
_
1
s
_
2
P
0
=
_
15
18
_
3+1
3 3!
_
_
_1
15
18
3
_
_
_
2
0.43213 =
=
625
12 168
0.43213 = 0.0 221 96
L = 0.0222 + 15/18 = 0. 855 533
Coste por hora = 0.855533 10 + 3 9 = 35. 555 u.m.
218 TEMA 8. TEORA DE COLAS
4. Con ms de tres servidores el gasto es siempre superior a 9 4 = 36 u.m., ya
que ste es el gasto del sueldo de 4 servidores.
Por lo tanto lo ms econmico es emplear dos servidores con un coste por hora
de 28. 08 u.m.