Integrantes: ALVARADO RUIZ, Jerry Jonatan

ALTAMIRANO BARRIOS, José Luis

ESQUIVEL CARBAJAL, Dante Hover
GARCIA VALVERDE, Víctor Alfredo
NEYRA RAMOS, Nelson Abraham

Tema: sistema de colas

 INTRODUCCION

Las colas son frecuentes en nuestra vida cotidiana:

• En un banco
• En un restaurante
• Al matricular en la universidad
• Los autos en un lava car
El origen de la Teoría de Colas está en el esfuerzo de Agner
Kraup Erlang (Dinamarca, 1878 - 1929) en 1909
 OBJETIVOS DE LA
TEORIA DE COLAS
Identificar el nivel óptimo de capacidad del sistema que
minimiza el coste global del mismo.
Evaluar el impacto que las posibles alternativas de modificación
de la capacidad del sistema tendrían en el coste total del mismo.
Establecer un balance equilibrado ("óptimo") entre las
consideraciones cuantitativas de costes y las cualitativas de
servicio.
Hay que prestar atención al tiempo de permanencia en el
sistema o en la cola: la "paciencia" de los clientes depende del
tipo de servicio específico considerado y eso puede hacer que
un cliente "abandone" el sistema
 TEORIA DE
COLAS
La teoría de colas es el estudio matemático del comportamiento de
líneas de espera. Esta se presenta, cuando los "clientes" llegan a un
"lugar" demandando un servicio a un "servidor", el cual tiene una cierta
capacidad de atención. Si el servidor no está disponible
inmediatamente y el cliente decide esperar, entonces se forma la línea
de espera.
Los sistemas de colas son modelos de sistemas que proporcionan
servicio. Como modelo, pueden representar cualquier sistema en
donde los trabajos o clientes llegan buscando un servicio de algún tipo
y salen después de que dicho servicio haya sido atendido. Podemos
modelar los sistemas de este tipo tanto como colas sencillas o como un
sistema de colas interconectadas formando una red de colas.
 ELEMENTOS EXISTENETES EN UN MODELO DE COLAS

Fuente de entrada o población potencial: Es un conjunto de individuos (no necesariamente seres

vivos) que pueden llegar a solicitar el servicio en cuestión. Podemos considerarla finita o infinita.

Cliente: Es todo individuo de la población potencial que solicita servicio. Suponiendo que los tiempos
de llegada de clientes consecutivos son 0<t1<t2<..., será importante conocer el patrón de probabilidad
según el cual la fuente de entrada genera clientes. Lo más habitual es tomar como referencia los
tiempos entre las llegadas de dos clientes consecutivos: consecutivos: clientes consecutivos: T{k} = tk -
tk-1, fijando su distribución de probabilidad.

Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo cola (antes de
comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. Lo más sencillo, a efectos de
simplicidad en los cálculos, es suponerla infinita
 Disciplina de la cola: Es el modo en el que los clientes son
seleccionados para ser servidos. Las disciplinas más habituales
son:
 La disciplina FIFO (first in first out), también llamada FCFS (first
come first served): según la cual se atiende primero al cliente
que antes haya llegado.
 La disciplina LIFO (last in first out), también conocida como
LCFS (last come first served) o pila: que consiste en atender
primero al cliente que ha llegado el último.
 La RSS (random selection of service), o SIRO (service in random
order), que selecciona a los clientes de forma aleatoria.
 Mecanismo de servicio: Es el
procedimiento por el cual se da servicio a
los clientes que lo solicitan. Para
La cola, propiamente dicha, es el
determinar totalmente el mecanismo de
conjunto de clientes que hacen espera,
servicio debemos conocer el número de
es decir los clientes que ya han solicitado
servidores de dicho mecanismo (si dicho
el servicio pero que aún no han pasado
número fuese aleatorio, la distribución de
al mecanismo de servicio.
probabilidad del mismo) y la distribución
de probabilidad del tiempo que le lleva a
cada servidor dar un servicio.

El sistema de la cola: es el conjunto

formado por la cola y el mecanismo de
servicio, junto con la disciplina de la cola,
que es lo que nos indica el criterio de qué
cliente de la cola elegir para pasar al
mecanismo de servicio.
 TIPOS DE SISTEMAS DE
COLAS
1. UNA LÍNEA UN SERVIDOR
2. UNA COLA Y MÚLTIPLES
SERVIDORES
3. VARIAS COLAS Y MÚLTIPLES
SERVIDORES
4. UNA COLA Y SERVIDORES
SECUENCIALES
CARACTERÍSTICAS DE LOS SISTEMAS DE COLAS

Fuente de llegada de clientes.

Patrón de servicio de servidores.
Disciplina de cola.
Capacidad del sistema.
Número de canales de servicio.
Número de etapas de servicio.
 Fuente de llegada de clientes:

En situaciones de colas habituales, la llegada de clientes es estocástica, esto es,

depende de una variable aleatoria, con lo que se necesita conocer la distribución
probabilística entre dos llegadas sucesivas de clientes.

La fuente de llegada puede variar con el tiempo, cuando se mantiene constante se dice
estacionaria, si varía (por ejemplo, con las horas del día) se llama no‐estacionaria.

Pueden contemplarse distintas situaciones: Clientes que llegan independiente o

simultáneamente (llegan lotes), en este último caso hay que definir su distribución
probabilística. Clientes que abandonan la cola por ser demasiado larga o que tras
esperar mucho abandonan.
Pueden presentar un
tiempo de servicio
variable, en cuyo caso hay
que asociar una función El tiempo de servicio puede
de probabilidad. Pueden variar con el número de
atender en lotes o de clientes en la cola, trabajando
modo individual. más rápido o más lento, en este
caso se conoce como patrones
de servicio dependientes. El
patrón de servicio puede ser
no‐estacionario variando con el
tiempo transcurrido.
Disciplina de cola:
Es la regla en el orden que se van a seleccionar los clientes
que se encuentran a la espera de ser atendidos en la cola,
existen varias reglas, entre las más comunes se pueden
encontrar:

 FIFO (first in first out): Se atiende al cliente en el orden

que llegan a la cola, el primero en llegar será el primero
en ser atendido. En los modelos básicos de colas se
supone como normal la disciplina de primero en entrar,
primero en salir, a menos que se establezca de otra
manera.
 LIFO (last in first out): Consiste en atender primero al que
ha llegado de último, también se le conoce como 'pila'.
 disciplina de cola
 Processor Sharing: Todos los clientes
 RSS (random selection of service):
experimentan con eficacia el
Se selecciona a los clientes de una
mismo retraso, ya que comparten
cola de forma aleatoria, con algún
entre todos los clientes de la cola la
procedimiento de prioridad o
capacidad del sistema atendiendo
algún otra reclasificación.
a todos por igual.

Capacidad del sistema:

Es el número máximo de clientes que pueden estar dentro del sistema

haciendo cola antes de ser atendidos para recibir el servicio, al igual que la
fuente de llegada este número puede ser finito o infinito.
 Numero de canales de
servicio
Es preferible utilizar sistemas
multiservicios con una única línea de
espera para todos que con una cola
por servidor. Al hablar de canales de
servicio paralelo se trata generalmente
de una cola que alimenta a varios
servidores.
Numero de etapas de
servicio
Puede ser una etapa o multietapa, en
este último el cliente puede pasar por
un número de etapas mayor que uno.
En algunos sistemas multietapa se
admite la vuelta atrás o reciclado,
modo habitual en sistemas productivos
como controles de calidad y
reprocesos.
 NOTACIÓN DE KENDALL

En el año de 1953 el matemático David G. Kendall,

originario de Inglaterra, implementó la notación de
colas, la cual es utilizada para identificar las
características de una línea de espera por medio de
iniciales. En el sub-capítulo anterior se describieron las
características de las colas, en este se aclarará cada
inicial.
Un sistema podrá ser notado de la siguiente manera,
A/B/X/Y/Z/V, donde:
 A/B/X/Y/Z/V
A es el modelo de llegadas, valores posibles:

M=tiempos entre llegadas exponenciales

D=tiempos entre llegadas deterministas

G=tiempos entre llegadas generales (cualquier distribución)

B es el modelo de servicio , puede tomar los mismos valores

que A

X es el número de servidores
 A/B/X/Y/Z/V

Y es la capacidad del sistema (número máximo de clientes en

el sistema), se puede omitir si es infinita.

Z es la disciplina, se puede omitir si es FIFO

Ves el número de estados de servicio, se puede omitir si es 1

 MODELOS DE COLAS SIMPLES
1.Modelo de cola M/M/1
A) Se tiene un sistema de llegadas que se producen según un proceso
de Poisson de razón λ, donde los tiempos entre llegadas estarán
distribuidos exponencialmente Exp (λ)
Donde λ es el número medio de llegadas por unidad de tiempo
B) Los tiempos entre servicios son distribuidos de manera exponencial,
Exp (μ)
Donde μ es el número medio de paquetes que el servidor es capaz de
atender por unidad de tiempo
X) Se posee un único servidor en el sistema
Y) La capacidad del sistema es infinita, la cual se puede omitir
Z) La disciplina del sistema será FIFO, la cual se puede omitir
V) Se tiene un estado de servicio igual a uno, es decir una sola cola, el cual
se puede omitir también
El sistema es el siguiente: M/M/1/∞/FIFO/1, pero se abrevia como M/M/1.

La intensidad de tráfico, también conocida como factor de utilización,

como:
𝜆
𝜌=
𝜇
Donde:

ρ= Intensidad de tráfico en el sistema,

λ= Número medio de llegadas por unidad de tiempo, y

μ= Número medio de paquetes que el servidor es capaz de atender
por unidad de
   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
c) Número promedio de pacientes en la fila de espera
RESPUESTA λ2
Lq 
Lq = 3,2 μ μ  λ 

d) Tiempo promedio en que un paciente pasa por la fila de espera

RESPUESTA λ
Wq 
Wq = 0,266666667 μ μ  λ 

e) Factor de uso del sistema o del servidor

RESPUESTA λ
ρ= 0,8
 
μ

f) Probabilidad de que ningún paciente se encuentre en el sistema

P0  1  ρ
RESPUESTA
Po= 0,2 λ
P0  1 
μ
g) Probabilidad de que el sistema tenga exactamente “3” pacientes n
 λ  λ 
RESPUESTA Pn  1   
0,1024  μ  μ 
 Se diferencia respecto al modelo M/M/1 en que el número de servidores s puede ser

cualquier número natural tal que s ≥ 1 . Cuando el número de servidores es mayor que 1, las

expresiones anteriores no son tan sencillas.

En esta línea, en la tasa de servicio n μ hay que distinguir dos casos:

𝜇𝑛 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 ≤ 𝑠
𝜇𝑛 = ≡ min(𝑛𝜇, 𝑠𝜇)
𝜇𝑛 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 > 𝑠

μ ≡ tasa media de servicio de todos los servidores en conjunto

sμ ≡ tasa máxima de servicio para s servidores

 En este caso, la tasa de llegadas no se encuentra afectada por el estado en que se encuentre el

sistema, pero sí la tasa media de servicio, pudiendo ser tal múltiplo de la tasa media de servicio

por servidor como servidores en activo haya.

1 M/M/s, Una línea de espera

P0 
 s  s  s 1  n
    Si s  2
s!  s    n 0 n!
  s
 Lq 3
Lq  P Ls  Lq  Wq  Lq 
( s  1)!( s   )   4 2
2 0

n
Ws  Wq 
1
Pn  P0 , si n  k Si s  3
 n!
 n
1  s   4
Pn  P0 , si n  k Pw   s   P0 Lq 
s!  s    (3   )(6  4    2 )
ns
s! s
Ejemplo:
La caja Trujillo en Huamachuco, tiene 4 cajeros para cuentas de ahorro. Ha averiguado que las
distribuciones del tiempo de servicio son exponenciales con un promedio de tiempo de servicio de 6 minutos
por cliente. Sabe que los clientes llegan en forma de poisson durante el día, con un promedio de llegadas de
30 clientes por hora.
a) Calcular el promedio de longitud de la línea de espera.
b) Calcular el promedio de clientes en el sistema.
c) Calcular el promedio del tiempo que espera un cliente antes de que se le dé servicio.
d) Calcular el promedio del tiempo que un cliente pasa en el sistema.
e) calcular cuántas horas por semana dedica un empleado al desempeño de su trabajo.
f) Calcular la probabilidad de que un empleado tenga que esperar a un cliente.
g) Calcular el número esperado de empleados desocupados en cualquier momento dado.
SOLUCION:
 MODELO DE COLA M/M/S con fuente de entrada finita

Es una variación del modelo M/M/s consistente en que la fuente de variación de

entrada es limitada, esto es, el tamaño de la población de posibles clientes es finita.
Sea N el tamaño de la población, cuando en el sistema se encuentran n clientes, quedan
(N – m) posibles clientes en la fuente de entrada.
En el modelo con población finita los clientes alternan entre estar dentro y fuera del
sistema. Por analogía con el modelo M/M/s se supone que el tiempo que pasa cada
cliente fuera del sistema es una variable aleatoria exponencial Exp(λ).
La aplicación más importante de este modelo es la reparación de máquinas, donde se
asigna a uno o más técnicos la responsabilidad de tener operativas un grupo de N
máquinas.
 Modelos De Colas Con Tiempos De Servicio no Exponencial
Los modelos anteriores se basan en que las entradas y el servicio se distribuyen mediante
procesos que siguen una distribución de Poisson/Exponencial.
En un sistema de colas es necesario seleccionar una distribución de probabilidad para los
tiempos de servicio. Hay tres distribuciones que representan tiempos de servicio:
 La distribución de servicio exponencial (σ ≡ media)
 La distribución de servicio constante (σ ≡ 0)
 La distribución Erlang que posee un parámetro k que determina la desviación típica

k = 1 → La distribución Erlang ≡ La distribución Exponencial

k = ∞ → La distribución Erlang ≡ La distribución degenerada con tiempos constantes

La distribución Erlang según los valores del parámetro k:
 Modelo de cola M/G/1
Según la notación Kendall se trata de sistema de colas con tiempos de llegadas distribuidos exponencialmente
(Proceso de Poisson de parámetro λ ), con clientes que tienen tiempos de servicio independientes e idénticamente
distribuidos de media (1 / μ) y varianza σ2
Cualquier sistema de colas de este tipo alcanza en algún momento el estado estable cuando el factor de utilización ρ =
λ / μ < 1.
Las medidas de rendimiento para este modelo toman las expresiones adjuntas, donde la referente a Lq recibe el
nombre de fórmula de Pollaczek‐Khinchine.

𝑝𝑛 = ρ

Utilización promedio: 𝑝0 = 1 − ρ

Número promedio de clientes en la cola:

𝜆2 𝜎 2 + 𝜌2
𝐿𝑞 =
2(1 − 𝜌)
 Número promedio de clientes en el sistema: Ls = Lq + ρ
Tiempo promedio de espera en la cola:

𝐿𝑞 𝜆2 𝜎 2 + 𝜌2
𝑊𝑞 = =
𝜆 2𝜆(1 − 𝜌)
Tiempo promedio de estancia en el sistema:

𝐿𝑠 1
𝑊𝑠 = = 𝑊𝑞 +
𝜆 𝜇
Las medidas de eficiencia incrementan su valor conforme σ2 aumenta, lo que indica que el funcionamiento del servidor tiene
gran transcendencia en la eficiencia global del sistema.
Curry y Feldman proponen una modificación del tiempo promedio de espera en la cola que proporciona una relación directa
entre las colas M/M/1 y las colas M/G/1:

1 + 𝜇2 𝜎 2
𝑊𝑞 (𝑀Τ𝐺 Τ1) = ቆ ቇ 𝑊𝑞 (𝑀 Τ𝑀Τ1)
2

μ2σ2 ≡ Coeficiente de variación al cuadrado de los tiempos de servicio.

 EJEMPLO:

A un taller llegan los pedidos de reparaciones en forma de distribución

poisson a un promedio de 4 clientes por hora. El operario que inspecciona

para diagnosticar las reparaciones a hacer efectúa dicha actividad en una

forma normal; en promedio tal inspección le toma 6 minutos. Realizando la

evaluación de tiempos y movimientos se encontró que el tiempo de

servicio normalmente distribuido tiene una varianza de 0,125. Calcular las

características de operación del sistema.

SOLUCION:
 Modelo de cola M/D/1

Es un sistema de colas con tiempos de llegadas distribuidos exponencialmente (Proceso de Poisson de parámetro λ
), el servicio consiste básicamente en la misma tarea rutinaria que el servidor realiza para todos los clientes, tiende a
haber poca variación en el tiempo de servicio requerido, asumiendo que el tiempo de servicio es igual a una
constante fija.
Con un único servidor, el modelo M/D/1 se reduce a un caso particular del modelo M/G/1 en donde 𝜎 2 = 0, con lo
que las medidas de eficiencia son:
Utilización promedio: 𝑝0 = 1 – ρ
𝜌2
Número promedio de clientes en la cola: 𝐿𝑞 = 2(1−𝜌)

Número promedio de clientes en el sistema:𝐿𝑠 = L + ρ

𝐿𝑞
Tiempo promedio de espera en la cola: 𝑊𝑞 = 𝜆

𝐿𝑠 1
Tiempo promedio de estancia en el sistema: 𝑊𝑠 = = 𝑤𝑞 + 𝜇
𝜆
EJEMPLO:
 Modelo de cola M/𝑬𝑲 /1
La distribución de Erlang de parámetros k y υ es la suma de k variables aleatorias
𝐾
independientes exponenciales de parámetro υ , con media k/υ y varianza 𝜎 2 = .
𝜗
Al particularizar las expresiones del modelo M/G/1 a una distribución de Erlang,
tomando υ = kμ , es decir, de media 1/μ, donde:
2
𝑘 1 1 1 1
𝜎 = 2= 2→𝜎= ൭ ቇ 𝑘= 2
𝜐 𝑘𝜇 𝑘 𝜇 𝜇 ∗ 𝜎2
Las medidas de eficiencia del modelo M/Ek/1, vienen dadas por:
Utilización promedio: 𝑝0 = 1 − ρ
Número promedio de clientes en la cola:
2
𝑘 1 1 1 1
𝜎 = 2= 2→𝜎= ൭ ቇ 𝑘= 2
𝜐 𝑘𝜇 𝑘 𝜇 𝜇 ∗ 𝜎2
Número promedio de clientes en el sistema: 𝐿𝑠 = 𝐿𝑝 + ρ
𝐿𝑞
Tiempo promedio de espera en la cola: 𝑊𝑞 =
𝜆
𝐿𝑠 1
Tiempo promedio de estancia en el sistema: 𝑊𝑠 = = 𝑤𝑞 +
𝜆 𝜇
Modelo Determinista de Colas


Cuando la demanda λ es mayor que la capacidad µ , el factor de utilización 𝛿 =   1, entonces para

calcular las demoras es necesario utilizar otro criterio en teoría de colas.

Este fenómeno ocurre en muchos sistemas durante un período corto de tiempo introduciendo el modelo
determinista de colas.
Un modelo determinístico es un modelo matemático donde las mismas entradas producen invariablemente
las mismas salidas, sin contemplar la existencia del azar ni el principio de incertidumbre.

Estado del sistema = número de clientes en el sistema

Lq = Longitud de cola = número de clientes en cola =

= estado del sistema – número de clientes en servicio

λ = tasa de llegadas

µ = tasa de servicios
 Sea N(t) = Número de clientes en el sistema en el instante t = número de clientes en cola más el número de clientes que

están siendo servidos

Si t = 0 no hay clientes N(0) = 0

Sea λ el número de llegadas independientes por unidad de tiempo, (1 / λ) el tiempo constante entre dos llegadas

consecutivas. Por otra parte, sea µ el número de servicios por unidad de tiempo (cuando el sistema está ocupado), y (1 /

µ) el tiempo que se tarda en realizar un servicio

Se define t = Instante de tiempo en el que se produce el primer rechazo es decir, llega un cliente cuando en el sistema

hay (k - 1) clientes.

En el análisis se distinguen dos casos, según si la tasa de llegadas es mayor (λ >µ) o menor igual que la de servicio

λ>µ
1
Si 𝑡 ∈ (0, 𝜆)  No ha llegado todavía ningún cliente, en este intervalo de tiempo o hay clientes en el sistema.

1 1
Si 𝑡 ∈ 𝜆
,𝜏 → 𝑁 𝑡 = 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑒𝑛 0, 𝜏  − 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 𝑒𝑛 𝜆
,𝜏 
 𝑡
Nuero de llegadas en 0, 𝜏 = 1 = 𝑡


1
 = 𝑡 − 
1 𝑡−
Número de salidas ,𝜏 =
𝜆

1



En consecuencia, 𝑁 𝑡 = 𝑡 − 𝑡 −


a) Cuando el tiempo de servicio es un múltiplo entero del tiempo entre llegadas, es decir: 𝑚1 / = 1/

En este caso, siempre que se produce la salida de un cliente hay una llegada simultánea. Así, no puede

suceder que haya simultáneamente una salida y un rechazo, pues si un cliente sale, se deja una plaza libre en

el sistema para el otro cliente que llega en ese momento.

En consecuencia, el número de clientes es creciente hasta que a partir del instante  es constantemente igual

a la capacidad (k- 1) del sistema.

 Luego, se tiene:

1
0 𝑡<
𝜆
𝑁(𝑡) = 1 1
𝜆𝑡 − ቆ𝜇𝑡 − ቇ <𝑡<𝜏
𝜆 𝜆
𝑘−1 𝑡≥𝜏
Suponiendo que se tiene disciplina FIFO, los valores asociados a cada cliente:
𝑛
𝑊𝑞 = Tiempo de espera en cola del cliente n – esimo.

𝑆 𝑛 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 𝑑𝑒𝑙 𝑛 − 𝑒𝑠𝑖𝑚𝑜 𝑐𝑙𝑖𝑒𝑛𝑡𝑒.

𝑛
𝑇
= 𝑇𝑖𝑒𝑚𝑝𝑜 𝑡𝑟𝑎𝑛𝑠𝑐𝑢𝑟𝑟𝑖𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑛
− 𝑒𝑠𝑖𝑚𝑜 𝑦 𝑛 + 1 − 𝑒𝑠𝑖𝑚𝑜
𝑊𝑞 (𝑛) + 𝑆 (𝑛) − 𝑇 𝑛 𝑆𝑖 𝑊𝑞 (𝑛) + 𝑆 (𝑛) > 𝑇 (𝑛)
𝑊𝑞 (𝑛+1) =ቐ
0 𝑆𝑖 𝑊𝑞 (𝑛) + 𝑆 (𝑛) ≤ 𝑇 (𝑛)
 Aunque la relación se verifica en general, se observa que 𝑆 (𝑛) = 1/ y t <  entonces 𝑇 (𝑛) =

1 1
1/ . Consecuentemente, 𝑊𝑞 𝑛+1
= 𝑊𝑞 𝑛
+( − )
 
Por otra parte, si t un cliente entra al sistema justo cuando sale otro. Por tanto,
el cliente que entra se encuentra con (k-2)clientes en cola delante de él y un
cliente empezando el servicio. En consecuencia, el tiempo de espera en cola para
este nuevo cliente será (k-2)1/

1 1
(𝑛 − 1) ቆ − ቇ 𝑛 = 1, 2. … , 𝜆𝜏 − 1
𝜇 𝜇
𝐸𝑛 𝑑𝑒𝑓𝑖𝑛𝑖𝑡𝑖𝑣𝑎: 𝑊𝑞 (𝑛) =
𝑘−2
𝑛 ≥ 𝜆𝜏
𝜇
 1 1
b) 
 
El tiempo entre llegadas es mayor o igual que el tiempo de servicio, cuando llega un cliente es servido y sale
del sistema antes de que llegue el siguiente cliente (en la peor situación, cuando llegue el siguiente cliente si el
tiempo entre llegadas es igual al tiempo de servicio).
Por tanto, considerando que en el instante cero no hay individuos en el sistema, el número de clientes en el
sistema siempre variara entre [0, 1] y el tiempo de espera en cola de cualquier cliente es cero.
En este caso, una situación particular supone que cuando el sistema se inicia ya hay un número.

1 1

 
 Si el tiempo entre llegadas coincide con el tiempo de servicio, siempre habrá C clientes en el sistema y el tiempo

de espera en cola del n – ésimo cliente toma la expresión:

Si el tiempo entre llegadas es mayor que el tiempo de servicio, hay un primer instante t = 0

no hay clientes N(0) = 0.

Hasta ese momento, el número de clientes en el sistema en cada instante será:

𝑡 𝑡
𝑁 𝑡 = 𝐶 − ൥ቆ ቇ−൬ ൰቉ = 𝐶 − (𝜇𝑡 − 𝜆𝑡)
1Τ𝜇 1Τ𝜆
El instante  = menor real positivo tal que C = (t-t)
 Inmediatamente después del instante τ el sistema permanece vacío, hasta que se
1 1
produce la siguiente llegada en el instante 1 = 𝑡 +( )
 
En el instante 1 un nuevo cliente entra al sistema y al no haber nadie más, entra
directamente al servicio, del que sale en el instante 𝜏1 = 1, con loque el estado del

1
sistema (número de clientes en el sistema ) será 1 entre (𝜏1 , 𝜏1 + )

1 1 2
El siguiente cliente lega en el instante 𝜏2 = 𝜏1 + = 𝑡 + , después de salido
  
1
el cliente anterior, después el sistema vuelve a estar vacío en el intervalo (𝜏1 + , 𝜏2 ) y
𝜇

1
toma el valor 1 entre (𝜏2 , 𝜏2 + , ).
𝜇
El proceso es reiterativo, en consecuencia:

Verificando la igualdad 𝑊𝑞 (𝑛+1) = 𝑊𝑞 (𝑛) + 𝑆 𝑛 − 𝑇 𝑛 se tiene la siguiente expresión para el tiempo de espera en cola:
 Proceso de Poisson

Si los tiempos entre llegadas/servicios de clientes se distribuyen según una exponencial Exp (λ), el número

de llegadas/servicios de clientes hasta un cierto tiempo es un proceso de Poisson.

 Sea la variable X ∼ Exp(λ) la variable aleatoria entre llegadas o tiempo de servicio, su función de

densidad 𝑓 𝑥 = λe−λx 𝑝𝑎𝑟𝑎 𝑥 ≥ 0 es estrictamente decreciente.

0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜


x
La función de distribución:

1 e x  x  o
F ( x)  f (t )dt  0  x 0


1 1
𝑋~𝐸𝑥𝑝 𝜆 → 𝐸 𝑋 = 𝑉(𝑋) =
𝜆 𝜆2
 La distribución de probabilidad del tiempo que falta para que ocurra el evento es siempre la misma independientemente

del tiempo que haya pasado.

𝑝 ൤ቀ𝑥 > 𝑡 + 𝑠) ∩ ൫𝑋 > 𝑠)൧ 𝑝 𝑋 >𝑡+𝑠 ቍ

𝑃(𝑋 > 𝑡 + 𝑠 𝑋 > 𝑠) = = = 𝑝(𝑋 > 𝑡
𝑝 𝑋>𝑠 𝑝 𝑋>𝑠

En consecuencia, la distribución exponencial exp (λ) carece de memoria y es la única distribución continua con

tal propiedad, ya que

𝑝 𝑋 > 𝑡 + 𝑠 = 𝑒 −𝜆 𝑡+𝑠
= 𝑒 −𝜆𝑡 𝑒 −𝜆𝑠 = 𝑝 𝑋 > 𝑡 𝑝(𝑋 > 𝑠൯

 La suma de procesos de entrada de Poisson es también un proceso de Poisson siendo la tasa la suma de las tasas

respectivas.

 Si las llegadas a un sistema son de tipo Poisson con tasa λ y cada llegada es encaminada a un subsistema s1 con una

probabilidad p1 el proceso de llegada a cada subsistema es también de Poisson con tasa λ p1.
 Fórmulas de Little

En los modelos con distribución entre llegadas y distribución del servicio exponencial (así como

en muchos otros modelos más generales llamados ergódicos) se verifican ciertas fórmulas que

relacionan los números medios de clientes en el sistema o en la cola, con los tiempos medios de

un cliente en el sistema o en la cola. Estas son las llamadas fórmulas de Little. Cuando las tasas de

llegada son constantes (es decir; λn = λpara todo n = 0, 1,...), la primera fórmula de Little

establece la siguiente igualdad:

𝐿 = λW
mientras que la segunda se expresa mediante
𝐿𝑞 = λW
 Realmente sólo la primera de ellas fue obtenida por Little en 1961, pero es costumbre referirse

a ambas con el término primera y segunda fórmula de Little.

Una forma intuitiva de entender el porqué de la validez de las fórmulas de Little es la

siguiente: considérese un cliente que llega al sistema justo ahora. Después de un tiempo, cuya

media es W, ese cliente saldrá servido del sistema.

Como el número medio de clientes que llegan al sistema por unidad de tiempo es λ, el número

medio de clientes que habrán llegado desde que nuestro cliente en cuestión entró en el sistema

hasta que salió de él es λ · W. Por otra parte, es obvio que dicho número medio de clientes es

precisamente el número medio de clientes que hay en el sistema justo en el momento que sale

del sistema nuestro cliente particular, es decir; L. Un razonamiento análogo es válido para la

segunda fórmula de Little.

 Obviamente, las fórmulas de Little no pueden ser válidas si los λ𝑛 no son constantes (¿qué
sería λ entonces?), pero si pueden generalizarse a esa situación mediante:

𝐿 = 𝜆. 𝑊 𝐿𝑞 = 𝜆 . 𝑊𝑞 𝜆 = ෍ 𝜆𝑛 𝑝𝑛
𝑛=0
Otra relación importante (en este caso para relacionar W y Wq) es la dada por

1
𝑊 = 𝑊𝑞 +
𝜇
Su deducción es inmediata pues viene a decir que el tiempo medio que un cliente está en el
sistema (W) coincide con la suma del tiempo medio en la cola (Wq) más el tiempo medio que
tarda en ser servido 1/μ, ya que μ es el número medio de clientes que un servidor puede atender
por unidad de tiempo.
 MECANISMO DE SERVICIO

Se caracteriza por las estaciones de servicio (servidores o dependientes) y por los canales de servicio

que desembocan en cada uno de los servidores.

Una única cola puede desembocar en varios servidores que van siendo ocupados de acuerdo a una

disciplina de selección, el caso habitual de asignación al primer servidor que queda libre.
 Como medir el rendimiento de un sistema

La tarea de un analista de colas puede ser de dos tipo:

a) establecer mecanismos para medir la efectividad del sistema o

b) diseñar un sistema “óptimo” (de acuerdo a algún criterio).

Diseñar eficientemente consiste, básicamente, en definir un sistema cuyo coste (de diseño y

de operación) se justifique por el servicio que da. Dicho servicio se puede evaluar mediante

el coste de “no darlo”. De este modo al diseñar se pretende minimizar unos supuestos costes

totales.
 A partir de los datos que nos suministra la teoría de colas se puede obtener la

información necesaria para definir el número de asientos necesarios en una sala

de espera, o la estructura de etapas de un proceso de atención al cliente.

En cualquier caso, para poder tomar decisiones hacen falta datos que la teoría

de colas puede dar en alguno de los siguientes tres aspectos:

a) tiempo de espera (en el total del sistema o en la cola)

b) cantidad de clientes esperando (en el sistema o en las colas)

c) tiempo ocioso de los servidores (total o particular de cada servicio)

 APLICACIONES DE LA TEORÍA DE
COLAS
• Facturación en aeropuertos.
• Cajeros automáticos.
• Restaurantes de comida rápida.
• Esperas en líneas de atención telefónica.
• Intersecciones de tráfico.
• Aviones en espera para aterrizar.
• Llamadas a la policía o a compañías de servicios públicos.
• Estándares de calidad del servicio.
• Análisis económicos que incluyan comparaciones entre costes de
explotación, inversiones de capital.
 REDES DE COLAS
Una Red de colas es un sistema donde existen varias colas, un conjunto de nodos
interrelacionados funcionando asincrónica (entradas y salidas de clientes
Sin sincronizar) y simultáneamente.

Se trata, por tanto, de un grafo orientado en el que se pueden producir

transacciones de clientes que salen servidos de un nodo hacia otro.

se entiende por nodo un subsistema que conforma una red de

colas, este subsistema a su vez es también un sistema de cola.

Una red de colas es un sistema donde existen varias

colas, los clientes van fluyendo
de una cola a otra. Para decidir a qué cola se dirige
un cliente que acaba de salir de
una cola hay dos tipos de criterios:
- Probabilístico
- Determinístico.
 SISTEMA DE COLAS TÁNDEM
También denominado sistema secuencial o en serie.
En un sistema de colas tándem un cliente debe visitar diversos servidores antes de completar el
servicio requerido. Se utiliza para casos en los que el cliente llega de acuerdo al proceso de Poisson y
el tiempo de atención se distribuye exponencialmente en cada estación.
Se considera un ejemplo en el que los clientes llegan según un proceso de Poisson de parámetro λ, y
pasan sucesivamente por dos colas en serie, respectivamente, con tasas de servicio 1 μ y 2 μ

 El número de clientes de cada uno de los servidores es independiente del otro.

 Los tiempos de espera de un cliente en cada cola no son independientes.
 Los tiempos totales de espera (cola + servicio) son independientes.
La teoría de Redes de colas contempla dos modelos:
 EJEMPLO
En una farmacia para atender satisfactoriamente a los clientes se cuenta con tres empleados: un farmacéutico
quien se encarga de recetar los medicamentos, un enfermero quien entrega el medicamento y un cajero. Lo cual
consta de tres ventanas de atención.
El primer dispone de suficiente espacio para atender a clientes sin limitación, mientras que los otros dos
tienen un espacio limitado a dos personas como máximo. El autoservicio, modelado como red, muestra que la
tasa media de llegada a la farmacia es de 54 clientes/hora, el primero tiene un tiempo medio de servicio de un
minuto y el segundo de treinta segundos. Se solicita:
a) Valor máximo del tiempo de servicio del tercer empleado (cajero) para que su trabajo no interrumpa al de
sus compañeros.
b) Longitud de las colas que forman el sistema.
c) Tiempo medio que un cliente pasa en el autoservicio desde que llega hasta que sale.
Solución:
Es un modelo de red de colas en tándem, con tres nodos (subsistemas), cada uno un modelo de cola M/M/1

𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 54 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜆 = 54 = = 0.9
ℎ𝑜𝑟𝑎 60 𝑚𝑖𝑛𝑢𝑡𝑜
1
= 1𝑚𝑖𝑛𝑢𝑡𝑜 → µ1 = 1𝑚𝑖𝑛𝑢𝑡𝑜
µ1

1 30
= 30𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠 = = 0.5𝑚𝑖𝑛𝑢𝑡𝑜𝑠 → µ2 = 2𝑚𝑖𝑛𝑢𝑡𝑜𝑠
µ2 60
𝜆
El factor de utilización o intensidad de tráfico ρ = µ ˂1 para que la red no se sature y el estado sea estacionario.

𝜆 0,9 𝜆 0,9
ρ1 = µ = = 0,9 ρ2 = µ = = 0,45
1 1 2 2
 𝝀𝟐 𝝆𝟐
Numero promedio de clientes en cola: 𝑳𝒒 = =
µ(µ−𝝀) (𝟏−𝛒)

Número máximo de clientes en cola nodo 3: : 𝑳𝒒𝟑 = 𝝆𝟏 𝟐 𝟎.𝟗𝟐 𝝆𝟐 𝟐 𝟎.𝟒𝟓𝟐

𝝆𝟐𝟑 𝑳𝒒𝟏 = = = 𝟖. 𝟏 clientes 𝑳𝒒𝟐 = = = 0.3682
=2 (𝟏−𝝆𝟏 ) 𝟏−𝟎.𝟗 (𝟏−𝝆𝟐 ) 𝟏−𝟎.𝟒𝟓
(𝟏−𝛒𝟑) clientes
𝝆𝟐𝟑 +2𝝆𝟑 -2 = 0 ⥤ 𝝆𝟑 = 0,732 𝑳𝒒𝟑 = 𝟐 𝒄𝒍𝒊𝒆𝒏𝒕𝒆𝒔
𝟎,𝟗 𝟎,𝟗
Intensidad de tráfico nodo 3: 𝝆𝟏 = ⥤ µ𝟑 = = 1.2295
µ𝟑 𝟎.𝟕𝟑𝟐
minutos

𝟏
Tiempo promedio de estancia en sistema de cada nodo: 𝑾𝒔𝒊 = µ𝟏 −𝝀
𝟏 𝟏
𝑾𝒔𝟏 = = 𝟏𝟎 𝒎𝒊𝒏𝒖𝒕𝒐𝒔 𝑾𝒔𝟐 = 𝟐−𝟎.𝟗 =
𝟏−𝟎.𝟗
𝟎. 𝟗𝟎𝟗𝟏 𝐦𝐢𝐧𝐮𝐭𝐨𝐬
𝟏
𝑾𝒔𝟑 = = 𝟑. 𝟎𝟑𝟓𝟎 𝐦𝐢𝐧𝐮𝐭𝐨𝐬
𝟏. 𝟐𝟐𝟗𝟓 − 𝟎. 𝟗
𝟑
𝟏
𝑾𝒔𝒊 = ෍ = 𝟏𝟎 + 𝟎. 𝟗𝟎𝟗𝟏 + 𝟑. 𝟎𝟑𝟓𝟎 = 𝟏𝟑. 𝟗𝟒𝟒𝟏 𝐦𝐢𝐧𝐮𝐭𝐨𝐬.
µ𝒊 − 𝝀
𝒊=𝟏
Con el estudio de teoría de colas se podrá interpretar el modelo de sistema que
estamos representando y analizar su comportamiento en la simulación.

Se determina qué la capacidad de llegada o tasa de servicio, no es muy sencillo hacer

el cálculo, las probabilidades son una herramienta muy útil para analizar el fenómeno
de colas.