Teora de Colas: Lneas

de Espera
 Consideraciones Iniciales (1)

Una lnea de espera es un efecto resultante de un

sistema cuando la demanda de un servicio supera
la capacidad de proporcionar dicho servicio
El sistema esta conformado por un conjunto de
estaciones dispuestas en paralelo o
secuencialmente que proporcionan un servicio.
Los servicios prestados se denominan
transacciones y se presentan aleatoriamente al
sistema
 Consideraciones Iniciales (2)

Las estaciones que forman parte del sistema pueden ser:

maquinas, transporte, cajeras gruas, reactores, tornos, otros.
Las transacciones pueden ser: piezas, autos, producto,
clientes, otros.
Tanto el tiempo de servicio como las entradas al sistema son
fenmenos aleatorios por tanto se necesita modelos
estocsticos que permitan su estudio
Solo los sistemas mas simples se pueden resolver
analticamente, por tanto se precisa simulacin para resolver
los sistemas reales.
 Consideraciones Iniciales (3)

Una lnea de espera puee modelarse como un proceso

estocstico en el cual la variable aleatoria se define como el
numero de transacciones en el sistema en un momento
dado con valores { 1,2,., N} cada uno de ellos asociada
a una probabilidad de ocurrencia, { P0, P1, P2,, Pn}
Existen muchos sistemas de colas distintos
Algunos modelos son muy especiales
Otros se ajustan a modelos ms generales
Sistemas de colas: modelo bsico
Un sistema de colas puede dividirse
en dos componentes principales:
La cola
La instalacin del servicio
Los clientes o llegadas vienen en
forma individual para recibir el
servicio
Sistemas de colas: modelo bsico
Si cuando el cliente llega no hay
nadie en la cola, pasa de una vez a
recibir el servicio
Si no, se une a la cola
Es importante sealar que la cola no
incluye a quien est recibiendo el
servicio
Sistemas de colas: modelo bsico
Las llegadas van a la instalacin del
servicio de acuerdo con la disciplina
de la cola
Generalmente sta es primero en
llegar, primero en ser servido
Pero pueden haber otras reglas o
colas con prioridades
 Sistemas de colas: modelo bsico

Sistema de colas

Llegadas Disciplina Instalacin

Cola de la cola del
servicio
 Sistemas de colas: modelo bsico

Sistema de colas

Llegadas Disciplina Instalacin Salidas

Cola de la cola del
servicio
Estructuras tpicas de sistemas
de colas: una lnea, un servidor
Sistema de colas

Llegadas Salidas
Cola Servidor
 Estructuras tpicas de sistemas de
colas: una lnea, mltiples servidores
Sistema de colas
Salidas
Servidor

Llegadas Salidas
Cola Servidor

Salidas
Servidor
Estructuras tpicas de colas: varias
lneas, mltiples servidores
Sistema de colas
Salidas
Cola Servidor

Llegadas Salidas
Cola Servidor

Salidas
Cola Servidor
Estructuras tpicas de colas: una
lnea, servidores secuenciales
Sistema de colas
Llegadas
Cola

Servidor

Cola

Salidas
Servidor
 Costos de un sistema de colas
1. Costo de espera: Es el costo para el
cliente al esperar
Representa el costo de oportunidad
del tiempo perdido
Un sistema con un bajo costo de
espera es una fuente importante de
competitividad
 Costos de un sistema de colas
2. Costo de servicio: Es el costo de
operacin del servicio brindado
Es ms fcil de estimar
El objetivo de un sistema de colas
es encontrar el sistema del costo
total mnimo
Anlisis econmico de lneas de
espera
Costos

Costo total

Costo del servicio

Costo de espera
Tasa de servicio
Sistemas de colas: Las llegadas
El tiempo que transcurre entre dos
llegadas sucesivas en el sistema de
colas se llama tiempo entre llegadas
El tiempo entre llegadas tiende a ser
muy variable
El nmero esperado de llegadas por
unidad de tiempo se llama tasa media
de llegadas ()
Sistemas de colas: Las llegadas
El tiempo esperado entre llegadas es
1/
Por ejemplo, si la tasa media de
llegadas es = 20 clientes por hora
Entonces el tiempo esperado entre
llegadas es 1/ = 1/20 = 0.05 horas o
3 minutos
Sistemas de colas: Las llegadas
Adems es necesario estimar la
distribucin de probabilidad de los
tiempos entre llegadas
Generalmente se supone una
distribucin exponencial
Esto depende del comportamiento de
las llegadas
Sistemas de colas: Las llegadas
Distribucin exponencial
La forma algebraica de la distribucin
exponencial es: ????
t
P(tiempo de servicio t ) 1 e
Donde t representa una cantidad
expresada en de tiempo unidades de
tiempo (horas, minutos, etc.)
Sistemas de colas: Las llegadas
Distribucin exponencial
P(t)

0 Media Tiempo
Sistemas de colas: Las llegadas
Distribucin exponencial
La distribucin exponencial supone
una mayor probabilidad para tiempos
entre llegadas pequeos
En general, se considera que las
llegadas son aleatorias
La ltima llegada no influye en la
probabilidad de llegada de la
siguiente
 Sistemas de colas: Las llegadas -
Distribucin de Poisson
Es una distribucin discreta
empleada con mucha frecuencia para
describir el patrn de las llegadas a
un sistema de colas
Para tasas medias de llegadas
pequeas es asimtrica y se hace
ms simtrica y se aproxima a la
binomial para tasas de llegadas altas
 Sistemas de colas: Las llegadas -
Distribucin de Poisson
Su forma algebraica es:
k
e
P(k )
k!
Donde:
P(k) : probabilidad de k llegadas por
unidad de tiempo
: tasa media de llegadas
e = 2,7182818
Sistemas de colas: Las llegadas -
Distribucin de Poisson
P

0 Llegadas por unidad de tiempo

 Sistemas de colas: La cola
El nmero de clientes en la cola es el
nmero de clientes que esperan el
servicio
El nmero de clientes en el sistema
es el nmero de clientes que esperan
en la cola ms el nmero de clientes
que actualmente reciben el servicio
 Sistemas de colas: La cola
La capacidad de la cola es el nmero
mximo de clientes que pueden estar
en la cola
Generalmente se supone que la cola
es infinita
Aunque tambin la cola puede ser
finita
 Sistemas de colas: La cola
La disciplina de la cola se refiere al
orden en que se seleccionan los
miembros de la cola para comenzar
el servicio
La ms comn es PEPS: primero en
llegar, primero en servicio
Puede darse: seleccin aleatoria,
prioridades, UEPS, entre otras.
 Sistemas de colas: El servicio
El servicio puede ser brindado por un
servidor o por servidores mltiples
El tiempo de servicio vara de cliente
a cliente
El tiempo esperado de servicio
depende de la tasa media de servicio
()
 Sistemas de colas: El servicio
El tiempo esperado de servicio
equivale a 1/
Por ejemplo, si la tasa media de
servicio es de 25 clientes por hora
Entonces el tiempo esperado de
servicio es 1/ = 1/25 = 0.04 horas, o
2.4 minutos
 Sistemas de colas: El servicio
Es necesario seleccionar una
distribucin de probabilidad para los
tiempos de servicio
Hay dos distribuciones que
representaran puntos extremos:
La distribucin exponencial
(=media)
Tiempos de servicio constantes
(=0)
 Sistemas de colas: El servicio
Una distribucin intermedia es la
distribucin Erlang
Esta distribucin posee un parmetro
de forma k que determina su
desviacin estndar:
1
media
k
 Sistemas de colas: El servicio
Si k = 1, entonces la distribucin
Erlang es igual a la exponencial
Si k = , entonces la distribucin
Erlang es igual a la distribucin
degenerada con tiempos constantes
La forma de la distribucin Erlang
vara de acuerdo con k
Sistemas de colas: El servicio

P(t)
k=

k=8

k=2
k=1

0 Media Tiempo
 Sistemas de colas:
Distribucin Erlang
Distribucin Desviacin estndar
Constante 0
Erlang, k = 1 media
Erlang, k = 2 1 / 2 media
Erlang, k = 4 1/2 media
Erlang, k = 8 1 / 8 media
Erlang, k = 16 1/4 media
Erlang, cualquier k 1 / k media
Sistemas de colas: Etiquetas para
distintos modelos
Sistemas de colas: Etiquetas para
distintos modelos
Sistemas de colas: Etiquetas para
distintos modelos
 Estado del sistema de colas
En principio el sistema est en un
estado inicial
Se supone que el sistema de colas
llega a una condicin de estado
estable (nivel normal de operacin)
Existen otras condiciones anormales
(horas pico, etc.)
Lo que interesa es el estado estable
 Desempeo del sistema de colas

Para evaluar el desempeo se

busca conocer dos factores
principales:
1. El nmero de clientes que
esperan en la cola
2. El tiempo que los clientes esperan
en la cola y en el sistema
 Medidas del desempeo del
sistema de colas
1. Nmero esperado de clientes en la
cola Lq
2. Nmero esperado de clientes en el
sistema Ls
3. Tiempo esperado de espera en la
cola Wq
4. Tiempo esperado de espera en el
sistema Ws
Medidas del desempeo del sistema de
colas: frmulas generales
1
Ws Wq

Ls Ws
Lq Wq

Ls Lq

 Medidas del desempeo del
sistema de colas: ejemplo
Suponga una estacin de gasolina a
la cual llegan en promedio 45 clientes
por hora
Se tiene capacidad para atender en
promedio a 60 clientes por hora
Se sabe que los clientes esperan en
promedio 3 minutos en la cola
 Medidas del desempeo del
sistema de colas: ejemplo
La tasa media de llegadas es 45
clientes por hora o 45/60 = 0.75
clientes por minuto
La tasa media de servicio es 60
clientes por hora o 60/60 = 1 cliente
por minuto
 Medidas del desempeo del
sistema de colas: ejemplo

Wq 3 min
1 1
Ws Wq 3 4 min
1
Ls Ws 0.75 4 3 clientes
Lq Wq 0.75 3 2.25 clientes
 Medidas del desempeo del
sistema de colas: ejercicio
Suponga un restaurant de comidas
rpidas al cual llegan en promedio
100 clientes por hora
Se tiene capacidad para atender en
promedio a 150 clientes por hora
Se sabe que los clientes esperan en
promedio 2 minutos en la cola
Calcule las medidas de desempeo
del sistema
 Probabilidades como medidas del
desempeo
Beneficios:
Permiten evaluar escenarios
Permite establecer metas
Notacin:
Pn : probabilidad de tener n clientes
en el sistema
P(Ws t) : probabilidad de que un
cliente no espere en el sistema ms
de t horas
Factor de utilizacin del sistema
Dada la tasa media de llegadas y la
tasa media de servicio , se define el
factor de utilizacin del sistema .
Generalmente se requiere que < 1
Su frmula, con un servidor y con s
servidores, respectivamente, es:


s
 Factor de utilizacin del sistema -
ejemplo
Con base en los datos del ejemplo
anterior, = 0.75, = 1
El factor de utilizacin del sistema si
se mantuviera un servidor es
= / = 0.75/1 = 0.75 = 75%
Con dos servidores (s = 2):
= /s = 0.75/(2*1) = 0.75/2 = 37,5%
 Modelos de una cola y un servidor
M/M/1: Un servidor con llegadas de Poisson y
tiempos de servicio exponenciales
M/G/1: Un servidor con tiempos entre
llegadas exponenciales y una distribucin
general de tiempos de servicio
M/D/1: Un servidor con tiempos entre
llegadas exponenciales y una distribucin
degenerada de tiempos de servicio
M/Ek/1: Un servidor con tiempos entre
llegadas exponenciales y una distribucin
Erlang de tiempos de servicio
 Modelo M/M/1
2
Ls Lq
( )
1
Ws Wq
( )
Pn (1 ) n
P( Ls n) n 1

(1 ) t (1 ) t
P(Ws t ) e P(Wq t ) e
t 0, 1
 Modelo M/M/1: ejemplo
Un lavacar puede atender un auto cada
5 minutos y la tasa media de llegadas es
de 9 autos por hora
Obtenga las medidas de desempeo de
acuerdo con el modelo M/M/1
Adems la probabilidad de tener 0
clientes en el sistema, la probabilidad de
tener una cola de ms de 3 clientes y la
probabilidad de esperar ms de 30 min.
en la cola y en el sistema
 Modelo M/M/1: ejemplo
9
9, 12, 0.75
12
2
Ls 3 clientes Lq 2.25 clientes
( )
1
Ws 0.33 hrs 20 min


Wq 0.25 hrs 15 min
( )
P0 (1 ) 0 0.25 P( Ls 3) 31 0.32
(1 ) t
P (Ws 30 / 60) e 0.22
P (Wq 30 / 60) e (1 )t 0.17
 Modelo M/M/1: ejercicio
A un supermercado llegan en promedio 80
clientes por hora que son atendidos entre
sus 5 cajas.
Cada caja puede atender en promedio a
un cliente cada 3 minutos
Obtenga las medidas de desempeo de
acuerdo con el modelo M/M/1
Adems la probabilidad de tener 2 clientes
en el sistema, la probabilidad de tener una
cola de ms de 4 clientes y la probabilidad
de esperar ms de 10 min. en la cola
 Modelo M/G/1

2 2 2
Ls Lq Lq
2(1 )
1 Lq
Ws Wq Wq

P0 1 Pw
1
 Modelo M/G/1: ejemplo
Un lavacar puede atender un auto
cada 5 min. y la tasa media de
llegadas es de 9 autos/hora, = 2 min.
Obtenga las medidas de desempeo
de acuerdo con el modelo M/G/1
Adems la probabilidad de tener 0
clientes en el sistema y la probabilidad
de que un cliente tenga que esperar
por el servicio
 Modelo M/G/1: ejemplo
Ls Lq 1.31 .75 2.06 clientes
2 2 2
Lq 1.31 clientes
2(1 )
1
Ws Wq 0.228 hrs 13.7 min

Lq
Wq 0.145 hrs 8.7 min

P0 1 0.25 Pw 0.75
 Modelo M/G/1: ejercicio
A un supermercado llegan en promedio 80
clientes por hora que son atendidos entre sus
5 cajas.
Cada caja puede atender en promedio a un
cliente cada 3 minutos. Suponga = 5 min
Obtenga las medidas de desempeo de
acuerdo con el modelo M/G/1
Adems la probabilidad de tener 0 clientes en
el sistema y la probabilidad de que un cliente
tenga que esperar por el servicio
 Modelo M/D/1

2
Ls Ws Lq
2(1 )
1 Lq
Ws Wq Wq

1
 Modelo M/D/1: ejemplo
Un lavacar puede atender un auto
cada 5 min.
La tasa media de llegadas es de 9
autos/hora.
Obtenga las medidas de desempeo
de acuerdo con el modelo M/D/1
 Modelo M/D/1: ejemplo
Ls Ws 1.875 clientes
2
Lq 1.125 clientes
2(1 )
1
Ws Wq 0.21 hrs 12.5 min

Lq
Wq 0.125 hrs 7.5 min

 Modelo M/D/1: ejercicio
A un supermercado llegan en promedio
80 clientes por hora que son atendidos
entre sus 5 cajas.
Cada caja puede atender en promedio
a un cliente cada 3 minutos.
Obtenga las medidas de desempeo de
acuerdo con el modelo M/D/1
 Modelo M/Ek/1

(k 1)
2
Ls Ws Lq
2k (1 )
1 Lq
Ws Wq Wq

1
 Modelo M/Ek/1: ejemplo
Un lavacar puede atender un auto
cada 5 min.
La tasa media de llegadas es de 9
autos/hora. Suponga = 3.5 min
(aprox.)
Obtenga las medidas de desempeo
de acuerdo con el modelo M/Ek/1
 Modelo M/Ek/1: ejemplo
Ls Ws 2.437 clientes
(k 1)
2
Lq 1.6875 clientes
2k (1 )
1
Ws Wq 0.2708 hrs 16.25 min

Lq
Wq 0.1875 hrs 11.25 min

 Modelo M/Ek/1: ejercicio
A un supermercado llegan en promedio
80 clientes por hora que son atendidos
entre sus 5 cajas.
Cada caja puede atender en promedio
a un cliente cada 3 minutos. Suponga
k= 4
Obtenga las medidas de desempeo de
acuerdo con el modelo M/Ek/1
 Modelos de varios servidores
M/M/s: s servidores con llegadas de
Poisson y tiempos de servicio
exponenciales
M/D/s: s servidores con tiempos entre
llegadas exponenciales y una distribucin
degenerada de tiempos de servicio
M/Ek/s: s servidores con tiempos entre
llegadas exponenciales y una distribucin
Erlang de tiempos de servicio
 M/M/s, una lnea de espera
1
P0
s
s

s 1 n

s! s n 0 n!

s
Lq
Lq P Ls Lq Wq
( s 1)!( s ) 2 0

1 n
Ws Wq Pn P0 , si n k
n!
n
1 s s
Pn n s P0 , si n k Pw P0
s! s s! s
M/M/s, una lnea de espera
Si s 2
3
Lq
4 2

Si s 3
4
Lq
(3 )(6 4 )
2
 Distribucin de Poisson
Distribucin de probabilidad

E(X) =
VAR (X) =
Donde E(X) denota el valor esperado de la variable aleatoria, este
indicador tambin se conoce con el nombre de promedio, y VAR (X)
denota la varianza de la variable aleatoria. La distribucin de
Poisson tiene la propiedad interesante de tener su valor esperado
(promedio) igual a su varianza.
 Distribucin exponencial
Una de las distribuciones continuas que ha encontrado aplicacin
en una amplia clase de fenmenos, caso particular de la
distribucin de Erlang; esta funcin queda completamente
determinada por un parmetro > 0.
La distribucin de probabilidad es (Meyer, 1992):

Una importante propiedad de la que goza la distribucin

exponencial negativa es la falta de memoria; es la nica distribucin
continua que satisface esta propiedad
 Proceso de Poisson
Los valores que puede tomar la variable aleatoria en el modelo de
Poisson son independientes entre si.
La probabilidad depende solo del tamao del intervalo en que se
considere y no asi de los puntos extremos del intervalo.
Sea > 0 una constante dada, si p1(t), es aproximadamente igual
a t, donde t es suficientemente pequeo. Lo anterior se expresa
as: p1(t)~t. Lo anterior significa que si el intervalo es lo
suficientemente pequeo, la probabilidad asociada a la ocurrencia
de un evento es directamente proporcional a dicha longitud del
intervalo.
La probabilidad de que se d la realizacin de dos o ms eventos
en uninstante despreciable de tiempo es prcticamente nula,
Se introduce una condicin inicial para terminar de caracterizar
el modelo; este requiere que X0 = 0, o mejor an,
 Relacin Poisson y Exponencial
Cuando se habl de la distribucin de Poisson, se utiliz para modelar
eventos discretos que ocurren a una rapidez constante; tambin es una
variable aleatoria el tiempo que transcurre entre la ocurrencia de estos
eventos, cuya distribucin es:

Dentese por X, el tiempo para que se d el primer evento de Poisson. La

probabilidad de que no ocurra un evento de Poisson es la misma que la
duracin del tiempo hasta que el primer evento exceda x, luego haciendo
uso del resultado anterior es posible obtener la distribucin de probabilidad
de la variable aleatoria X.