INVESTIGACIN OPERATIVA.

Teora, Ejercicios y Prcticas con Ordenador

Rosa Rodrguez Huertas Antonio Gmez Mellado
10 de Septiembre de 2002
Tema 8
Teora de Colas
8.1 Introduccin
Para un Ingeniero informtico es interesante saber que una de las herramientas
matemticas ms poderosas para realizar anlisis cuantitativos de las redes de orde-
nadores es la teora de colas. Esta tcnica se desarroll primeramente para analizar
el comportamiento estadstico de los sistemas de conmutacin telefnica, sin em-
bargo, desde entonces, tambin ha sido aplicada para resolver muchos problemas de
redes.
Se pueden utilizar sistemas de colas para modelar procesos en los cuales los
clientes van llegando, esperan su turno para recibir el servicio, reciben el servicio y
luego se marchan. Ejemplos de sistemas de colas se encuentran en las cajas regis-
tradoras de los supermercados, en las ventanillas de las entidades bancarias, en las
salas de espera de los consultorios mdicos, etc..
Los sistemas de colas pueden denirse mediante cinco componentes (ver gura
8.1):
1. La funcin de densidad de probabilidad del tiempo entre llegadas.
2. La funcin de densidad de probabilidad del tiempo de servicio.
3. El nmero de servidores.
4. La disciplina de ordenamiento en las colas.
5. El tamao mximo de las colas.
La densidad de probabilidad del tiempo entre llegadas describe el intervalo de
tiempo entre llegadas consecutivas. Podramos imaginarnos que contratramos a
alguna persona (por ejemplo, a un estudiante de ingeniera informtica) para ob-
servar la llegada de los clientes. A cada llegada de un nuevo cliente, el observador
registrara el tiempo transcurrido desde que ocurri la llegada del anterior cliente.
195
196 TEMA 8. TEORA DE COLAS
Sistemas de Colas
Llegadas
Disciplina de l a cola
mecanismo de
servicio
Col a Salidas
Figura 8.1: Esquema de un sistema de colas.
Despus de que hubiese transcurrido un tiempo sucientemente largo de estar re-
gistrando los intervalos de tiempo entre llegadas consecutivas, estos datos podran
clasicarse y agruparse. La densidad de probabilidad de estas muestras caracteriza
el proceso de llegadas.
Cada cliente requiere cierta cantidad de tiempo, el que precise el servidor para
realizar el servicio que este cliente demanda. El tiempo de servicio requerido por
cada cliente es tiempo de trabajo activo para el servidor y vara entre un cliente y
otro. Por ejemplo, en la caja de un supermercado un cliente puede presentar un carro
lleno de artculos y el siguiente puede traer nicamente una lata de refresco. Por
eso.para analizar un sistema de colas, adems de conocer la densidad de probabilidad
de los tiempos entre llegadas, debe conocerse tambin la funcin de densidad de
probabilidad del tiempo empleado en prestar servicio.
La cantidad de servidores se explica a travs de los ejemplos siguientes: Muchos
bancos, por ejemplo, tienen una sola cola larga para todos sus clientes y, cada vez
que uno de los cajeros se libera, el cliente que se encuentra primero en la cola se
dirige a la caja que ha quedado libre. A este sistema se le denomina sistema de cola
multiservidor. En otros bancos, cada cajero o cajera, tiene su propia cola particular.
En este caso tendremos un conjunto de colas independientes de un solo servidor, y
no un sistema multiservidor.
La disciplina de una cola describe el orden segn el cual los clientes van siendo
atendidos. Los supermercados utilizan el mtodo de servir primero al cliente que ha
llegado antes. En las salas de urgencia de los hospitales se utiliza, ms a menudo,
el criterio de atender primero al que est ms grave. El primero en ser atendido no
es el que haya llegado antes. En una ocina, ante la fotocopiadora, es frecuente que
se despache primero al que tenga menor trabajo, esto es, entra primero el que tenga
que hacer menos fotocopias.
La capacidad de la cola es el nmero de clientes mximo que puede contener. No
todos los sistemas de colas poseen una capacidad ilimitada de recepcin de clientes.
Cuando hay demasiados clientes que quieren hacer cola, pero slo existe un nmero
nito de lugares de espera, algunos de estos clientes pueden no ser admitidos en la
cola.
En resumen: Las colas o lneas de espera son situaciones bastante corrientes.
8.1. INTRODUCCIN 197
Clientes esperando servicio en un banco, alumnos que esperan matricularse, pro-
ductos en una lnea de produccin esperando ser procesados. Los sistemas que se
caracterizan por elementos que tienen que esperar para recibir un servicio se llaman
Fenmenos de Espera. Las colas se pueden caracterizar por los momentos de lle-
gadas de los clientes y por los momentos de salida de stos, cuando ya han recibido
el servicio solicitado. Las llegadas suelen describirse por medio de una distribucin
de probabilidad para los intervalos de tiempo entre las llegadas de dos clientes conse-
cutivos. Igualmente, los tiempos empleados en prestar cada servicio siguen tambin
una cierta distribucin de probabilidad. Adems, un sistema de espera soporta dos
costes: El de dar servicio y el de tener elementos esperando.
8.1.1 Costos de los sistemas de colas
Un sistema de colas puede dividirse en sus dos componentes de mayor importancia,
la cola y la instalacin de servicio. Las llegadas son las unidades que entran en el
sistema para recibir el servicio.
Los elementos que llegan se unen primero a la cola, salvo que no haya lnea de
espera en ese instante. En ese caso se dice que la cola est vaca. Desde la cola, las
llegadas van a la instalacin de servicio de acuerdo con la disciplina de la cola, es
decir, de acuerdo con la regla para decidir cul de las llegadas se sirve despus del
que est actualmente recibiendo servicio. Que el primero en llegar sea el primero
en ser servido es una regla comn, pero podra servirse con prioridades, o siguiendo
alguna otra regla. Una vez que se completa el servicio, las llegadas se convierten en
salidas.
Ambas componentes del sistema tienen costos asociados que deben de conside-
rarse.
Costo de Espera.
Esperar signica desperdicio de algn recurso activo que bien se podra aprovechar
en otra cosa. El coste medio de una cola por unidad de tiempo esta dado por CL,
donde C es el costo de espera por cliente y unidad de tiempo y L =Nmero promedio
de clientes en cola.
Costo de Servicio.
Este costo es el que est asociado a la compra de las instalaciones de servicio, as
como los gastos de ponerlas en uso como pueden ser los gastos de mantenimiento y
personal.
Sistema de costo mnimo.
Aqu hay que tomar en cuenta que tasas bajas de servicio normalmente darn
lugar a largas colas y costos de espera muy altos. Conforme aumenta el servicio
disminuyen los costos de espera, pero aumenta el costo de servicio. Entonces el
propsito es encontrar el balance adecuado para que el costo total sea el mnimo.
198 TEMA 8. TEORA DE COLAS
8.1.2 Estructuras tpicas.
Las llegadas pueden ser de personas, cartas, carros, incendios, ensambles intermedios
en una fbrica, etc... En la siguiente tabla se muestran algunos ejemplos de varios
sistemas de colas.
Ejemplos de sistemas de colas
Situacin Llegadas Colas Servicio
Autobs viajeros en las paradas viaje en autobs
Hospital Enfermos sala de espera consulta asistencia
Aeropuerto Aviones Aviones espera Pista, Controladores, ...
Dpto. Bomberos Alarma incendios Incendios Mecanismo extincin
Ca. telefnica N
o
marcado Llamadas espera Conmutador
Lavado coches Coches Coches en cola Mecanismo de lavado
Juzgados Casos Casos atrasados Juez: Sentencias,...
Ocina correos Cartas Buzn Empleados correos
Servidor Web Peticin archivos Cola peticiones Transferir datos
Permitiendo que varen el nmero de colas y el nmero de servidores, pueden
hacerse los diagramas de los cuatro tipos de sistemas de la gura 8.2. Cada lnea de
espera individual y cada servidor individual se muestra por separado.
El primer sistema que se muestra en la gura 8.2, se llama un sistema de un
servidor y una cola o puede describir un lavado de coches automtico. El segundo,
una lnea con mltiples servidores, es tpico de una peluquera o una panadera en
donde los clientes toman un nmero al entrar y se les sirve cuando llega el turno. El
tercer sistema, aquel en que cada servidor tiene una lnea separada, es caracterstico
de los bancos y las tiendas de autoservicio. El cuarto sistema es una lnea con
servidores en serie, puede describir por ejemplo el comportamiento de una cadena
de montaje en una fbrica.
8.2 Terminologa
8.2.1 Caractersticas fsicas
Servidor: Elemento que presta el servicio solicitado por los clientes.
Cola: Elementos esperando recibir servicio.
Sistema: Incluye cola, servidor y el elemento que est siendo servido.
Cadena: Nmero de lneas de cola del sistema. Los sistemas de colas son mono
o multicadenas. En los casos ms simples el nmero de cadenas es el nmero de
servidores en paralelo.
Nmero de fases: Es el nmero de servicios diferentes que hay que esperar antes de
8.2. TERMINOLOGA 199
Figura 8.2: Distintos tipos de sistemas de colas
200 TEMA 8. TEORA DE COLAS
(b)
(c)
(d)
(a)
Figura 8.3: Modelos de sistemas de colas.
completar el servicio total. En los casos ms simples es el nmero de servidores en
serie.
Con objeto de claricar estos ltimos conceptos proponemos los siguientes ejem-
plos. En la gura ?? pueden verse esquemas de cada uno de estos modelos.
(a) Una cadena y una sola fase: Una taquilla de un cine
(b) multi-cadena y una sola fase: Cajeros en un banco.
(c) Una cadena y multi-fase: Una lnea de montaje con distintos elementos que
hay que fabricar.
(d) multi-cadena y multi-fase: Automviles esperando paso en distintos sem-
foros.
:
8.2.2 Caractersticas de funcionalidad
Aparte de estas caractersticas fsicas de las colas, consideramos otros aspectos que
afectan a su funcionamiento o dinmica como son: la distribucin del intervalo de
tiempo entre llegadas, la distribucin de los tiempos de servicio, o tiempos empleados
por el servidor para prestar los servicios requeridos por cada uno de los clientes, las
distintas formas en que se reorganizan las colas en el supuesto de que haya varias
cadenas o varias fases y la disciplina de la cola que es la forma en que los clientes
que estn esperando acceden al servidor. Frecuentemente se considera que el primero
que ha llegado es el primero al que se le presta servicio. No obstante en algunas
circunstancias esto no es as. Otras disciplinas de colas pueden ser aleatorias, como
la forma en que suben al tren los viajeros que esperan en una estacin. En este caso,
el orden de entrada depende de lo cerca que haya quedado la puerta de cada viajero.
Tambin puede haber algunas prioridades en determinados servicios, etc...
Tambin se ha de considerar si existe abandono de la cola, es decir, elementos que
al ver una cola demasiado larga no se deciden a esperar, o elementos que habiendo
esperado un cierto tiempo no desean esperar ms y abandonan la cola.
8.3. MODELOS DE LLEGADAS Y DE TIEMPO DE SERVICIO 201
El sistema se dice que tiene una capacidad limitada si slo admite, como mximo,
un cierto nmero de elementos.
8.2.3 Parmetros de los sistemas de colas
Si la cola es de comportamiento aleatorio no podemos saber exactamente la situacin
que tendremos en cada momento. Por eso para describir su comportamiento se em-
plean promedios y probabilidades. Entre los parmetros ms usuales consideraremos
los siguientes:
Probabilidad de que no haya elementos en la cola.
Probabilidad de que haya un cierto nmero de unidades en el sistema.
Probabilidad de que un elemento que llega tenga que esperar para recibir servicio.
Nmero promedio de elementos en cola.
Nmero promedio de elementos presentes en el sistema.
Tiempo medio que ha de esperar cada elemento que accede a la cola.
Tiempo promedio que un elemento pasa en el sistema.
8.3 Modelos de llegadas y de tiempo de servicio
Los clientes o elementos pueden acceder al sistema de una forma determinada de
antemano porque se sabe exactamente cuando van a venir cada uno de ellos (por
ejemplo a intervalos de tiempo de 3 segundos) o bien, puede ocurrir que los intervalos
de llegada sigan una variable aleatoria, es decir, que aunque no sepamos exactamente
en qu momento va a llegar cada uno de los elementos, si conocemos la distribucin
de probabilidad de los intervalos de tiempo entre llegadas consecutivas. En el primer
caso hablamos de distribucin de llegada determinista, en el segundo decimos que
los tiempos de llegada siguen una distribucin aleatoria.
La distribucin que se usa ms frecuentemente para modelar los intervalos de
tiempos entre dos llegadas consecutivas es la distribucin exponencial. Suponemos
que en un instante slo puede haber una llegada. Notamos por t
i
la hora a la que
llega el cliente i, y por T
i
= t
i+1
t
i
el tiempo transcurrido entre dos llegadas
consecutivas. Suponemos que los valores de T
i
son independientes, que T
i
es una
variable continua y que el estado es estacionario, es decir, admitimos la hiptesis de
que la distribucin que modela la cola (probabilidad de que haya un cierto nmero
de elementos en la cola) es la misma a todas las horas del da. Normalmente esto no
es estrictamente cierto, pero puede cumplirse aproximadamente considerando ciertos
intervalos horarios cada da.
Si admitimos el modelo exponencial para la distribucin de la variable aleatoria
T
202 TEMA 8. TEORA DE COLAS
f(t) = exp(t) ; > 0, t > 0
la probabilidad de que una llegada ocurra en un tiempo t < c unidades despus que
la anterior es:
P (t < c) =
c
_
0
f(t) dt =
c
_
0
exp(t) dt
Se puede comprobar que la media de esta distribucin es 1/, y la varianza
1

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 =

< 1 y en este caso

1 + +
2
+.... =
1
1
Luego
P
0
_
1
1
_
= 1
de donde se deduce que P
0
= 1 , y por tanto
P
j
= (1 )
j
8.6. TEOREMA DE LITTLE 209
8.5.2 Nmero medio de elementos en el sistema
Para calcular L, nmero medio de elementos en el sistema, usamos el concepto de
esperanza matemtica
L = E(j) =

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

Ejemplo 87 En un aeropuerto el nmero de personas que accede por minuto es 10.

Las revisiones de equipaje se realizan a razn de 12 por minuto. Responder a las
siguientes cuestiones:
1. Cul es la probabilidad de que un pasajero tenga que esperar antes de que le
revisen el equipaje?
2. Por trmino medio, cuntos pasajeros esperan en cola?
3. Cunto tiempo total tienen que esperar los pasajeros por trmino medio?
1. Un pasajero tiene que esperar si, cuando llega, hay alguien en el sistema; es
decir, si el nmero de personas en el sistema no es 0.
As que la solucin es 1 P
0
= 1 (1 ) = = 10/12 = 0. 833 333.
2. L
q
=

2
1
=

2
( )
=
10
2
12(12 10)
= 4.16 667 es el nmero medio de
individuos en la cola.
3. W =
1

=
1
12 10
= 0.5 minutos tendrn que esperar los pasajeros por
trmino medio.
8.7 Sistemas con capacidad limitada
Son los modelos de espera que slo admiten un nmero mximo c de clientes en
el sistema. En este epgrafe se tratar el modelo de una cola, que con arreglo a la
notacin de Kendall se representa como M/M/1/fcfs/c/.
8.7. SISTEMAS CON CAPACIDAD LIMITADA 211
Para hallar la probabilidad de cada uno de los estados se pueden repetir los
razonamientos del prrafo 8.5.1, pero hay que tener en cuenta que el estado del
sistema nunca ser mayor que c.
Se tiene por tanto
P
j
=

j
P
0

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

siendo j el nmero de elementos en el sistema y 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

Para el estado 1 se cumple:

P
1
(t + t) = P
0
(t)t +P
1
(t)(1 t))(1 t) +P
2
(t)2t(1 t)
Procediendo anlogamente a lo hecho en el caso anterior, se iguala a 0 la derivada
de P
1
(t)) y se, sustituye el valor de P
1
obtenido. De esta forma se obtiene:
214 TEMA 8. TEORA DE COLAS
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

8.8.4 Sistemas de colas de tipo M/M/s/FCFS//. Expre-

siones para el caso de s servidores
P
0
=
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.