Вы находитесь на странице: 1из 29

NDICE OBJETIVOS Y/O COMPETENCIAS ..............................................................................3 INTRODUCCIN............................................................................................................ 4 2. LINEAS DE ESPERA 2.1 INTRODUCCION TERMINOLOGIA, NOTACION Y CASOS DE APLICACION.................................................................6 2.

2 PROCESO DE NACIMIENTO Y MUERTE (MODELOS POISSON) .......................10 2.4 POBLACION FINITA UN SERVIDOR, COLA FINITA.............................................14 2.5 POBLACIN INFINITA SERVIDORES MLTIPLES, COLA INFINITA..................20 CONCLUSIN............................................................................................................... 29 BIBLIOGRAFIA............................................................................................................. 31

INTRODUCCIN
La teora de lneas de espera se origino en los trabajos de A. K. Erlang que principiaron eh 1909. Experimento con un problema relacionado con la congestin del trafico telefnico. Durante los periodos ocupados, los que pretendan hacer llamadas sufran algunas demoras, porque las operadoras eran incapaces de atender las llamadas con la rapidez con que se hacan. El problema original que trato Erlang fue el calculo de esa demora para una operadora, y en 1917 los resultados se extendieron al caso de varias operadoras. En ese ao Erlang publico su obra muy conocida, Solutions of Some Problems in the Theory of Probabilities of Significance in Automatic Telephone Exchanges. Los adelantos en el campo del trafico telefonico continuaron generalmente en el sentido iniciado por Erlang, y las publicaciones principales fueron las de Molina en 1927 y de Thornton D. Fry en 1928, pero solo fue hasta el fin de la Segunda Guerra Mundial cuando esos trabajos se extendieron a otros problemas relacionados con lneas de espera. Inicialmente, este capitulo se concentrara en las derivaciones matemticas de las formulas de un problema de lneas de espera de un solo canal. Los , modelos matemticos para problemas de lneas de espera de canales mltiples, se darn sin ninguna prueba matemtica. Se presentara el mtodo de Hontecarlo, que bsicamente es una tcnica de simulacin en la que se crean funciones estadsticas de distribucin, usando una tabla de nmeros aleatorios. Se empleara para resolver problemas de lineas de espera de un solo canal y de canales mltiples, Este tema trata acerca de los clientes cuando llegan y hacen cola el objetivo de este proceso es determinar cuntos clientes llegan en un determinado lapso de tiempo, a esto se le llama nacimiento puro. La mayor parte de los modelos elementales de colas suponen que las entradas (llegada de clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo al proceso de nacimiento y muerte. Este importante proceso de teora de probabilidad tiene aplicaciones en varias reas. la teora de colas, el trmino nacimiento se refiere a llegada de un nuevo cliente al sistema de colas y el trmino muerte se refiere a la salida del cliente servido La Teora de Colas es una formulacin matemtica para la optimizacin de sistemas en que interactan dos procesos normalmente aleatorios: un proceso de llegada de clientes y un proceso de servicio a los clientes, en los que existen fenmenos de acumulacin de clientes en espera del servicio, y donde existen reglas definidas (prioridades) para la prestacin del servicio. La Teora de Colas es una aproximacin matemtica potente para la optimizacin del problema, y tiene aplicaciones (crecientes) en sistemas donde las llegadas y el

servicio admiten una representacin matemtica (probabilstica); en problemas que no admiten esta representacin existen otras tcnicas. En este documento hablamos sobre la teora de colas ya que a menudo es deseable tomar decisiones respecto de una situacin de teora de cola una situacin de cola, y se caracteriza por el flujo de clientes que arriban a una o ms estaciones en las que se efecta el servicio. Al arribo del cliente, ste puede ser atendido inmediatamente o puede tener que esperar hasta que el servicio est disponible; el tiempo en la cual se atiende a cada cliente puede ser fijo o aleatorio, dependiendo del tipo de servicio. En la vida diaria hay muchos ejemplos que se adaptan a esta situacin: autos arribando a una estacin de servicio, o a un peaje; personas arribando al cajero automtico; mquinas que fallan y que requieren ser reparadas; etc. Para ello se ha desarrollado la Teora de Cola o de la Lnea de Espera que se basa en describir el arribo o la partida y/o servicio) por distribuciones de probabilidad apropiadas. Usando teora de probabilidad se derivan las caractersticas operativas del problema, como ser tiempo de espera hasta que el servicio del cliente sea completado, porcentaje de tiempo desocupado por servicio.

2. LINEAS DE ESPERA 2.1. INTRODUCCIN, TERMINOLOGA, NOTACIN Y CASOS DE APLICACIN USO DE LAS TASAS DE LLEGADA Y DE SERVICIO
Como la mayor parte de las tcnicas matemticas, la teora de lneas de espera tiene su propio conjunto de trminos. El de disciplina de la lnea de espera se refiere a la condicin en que se escogen las llegadas para recibir servicio. En este capitulo el procedimiento consiste en que las llegadas ocupan su lugar en la lnea de espera, a base de que el que llega primero queda en primer lugar. Las llegadas pueden ser uniformes durante cierto periodo, o pueden ser aleatorias. La tasa de llegadas puede tomar la forma de empleados que llegan a la caseta de herramientas de la empresa, o en otras condiciones podran representar el nmero de clientes que esperan para comer. General-mente, la tasa de llegada se expresa como tasa de llegada por unidad de tiempo. Si es aleatoria los clientes no llegan en un orden o patrn lgico en el transcurso del tiempo, lo que representa la mayor parte de los casos en el mundo de los negocios. En las situaciones en que las llegadas se distribuyen en forma aleatoria puede utilizarse su promedio si se registra durante un periodo suficientemente prolongado.

La tasa de servicio se ocupa de la forma en que las instalaciones de servicio pueden manejar las demandas de llegada, y se expresa como una tasa por unidad de tiempo. Por ejemplo, la tasa de servicio podra indicar el nmero de pedidos que el departamento de piezas de repuesto procesa por hora. Tambin el tiempo de servicio puede ser uniforme o distribuido en forma aleatoria. En las problemas de-negocios se encontraran ms casos de tasa uniforme de servicio que de tasa uniforme de llegada.

APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA


La teora de las lneas de espera se ha aplicado a una gran variedad de situaciones de negocios. Una breve descripcin de algunas aplicaciones ser de gran ayuda para sugerir problemas a los que pueda aplicarse la teora. Una gran cadena de supermercados ha utilizado las lneas de espera para determinar el nmero de estaciones de control que se requieren para lograr un funcionamiento continuo y econmico de sus almacenes, a diversas horas del da. Otro uso de esta teora consiste en analizar las demoras en las casetas de peaje de puentes y tneles. Un estudio de esta ndole se refiere al numero y programacin de las casetas de peaje requeridas sobre una base de veinticuatro horas, a fin de reducir al mnimo los costos en determinado nivel de servicio. Otras reas relacionadas con un cliente, serian las lneas de espera de restaurantes y cafeteras, expendios de gasolina, oficinas de lneas areas, almacenes de departamentos y la programacin de los pacientes en las clnicas. En todos los casos, los clientes esperan cierto nivel aceptable de servicio, mientras que la empresa espera poder mantener sus costos al mnimo. La teora de las lneas de espera no solo es aplicable a los establecimientos de ventas a] menudeo o mayoreo, sino que las empresas manu-facturaras tambin la usan extensamente. Una aplicacin muy popular de la teora de las lneas de espera es el area de las casetas de herramientas. Los sobrestantes se quejan constantemente de que sus hombres tienen que esperar mucho tiempo en las filas para recibir herramientas y piezas. Aunque se presiona a los gerentes de fabrica para que reduzcan los gastos generales de administracin, e! aumento de empleados puede reducir realmente los gastos generales de manufactura, porque el personal de la fabrica puede trabajar en vez de esperar en una fila.

Otro problema que ha resuelto con xito la teora de las lneas de espera. es la determinacin adecuada del numero de muelles que se requieren cuando se construyen instalaciones terminales para barcos y camiones. como tanto los costos de los muelles como los de las demoras pueden ser

considerables, ya que los primeros disminuyen mientras aumentan los segundos, o viceversa, es muy conveniente construir el numero de muelles que reduzcan al mnimo la suma de esos dos costos, Varias empresas manufactureras han atacado el problema de descomposturas y reparaciones de sus maquinas, utilizando la misma teora, El problema se refiere a una batera de maquinas que se descomponen individual-' mente en diferentes pocas. En realidad, las maquinas que se descomponen forman una lnea de espera para su reparacin por el personal de mantenimiento. Es conveniente emplear el personal de reparaciones necesario para Disminuir al mnimo la suma del costo de la perdida de produccin causada por el tiempo de espera y del costo de los mecnicos. La teora de las lneas de espera se ha extendido para estudiar un plan I de incentivos de salarios. Por ejemplo, se haba asignado cierto personal de lnea de produccin para manejar dos maquinas, mientras que a otros se les haba asignado para manejar. Cuatro maquinas. Como. Todas las maquinas son Iguales, los trabajadores reciben el mismo salario bsico, pero la gratificacin : de incentivo por la produccin sobre la cuota, es de la mitad por unidad i para los operadores con cuatro maquinas que para los que tienen dos : maquinas. Superficialmente ese arreglo parece equitativo. No obstante, un; estudio de las condiciones reales revela que aunque cada una de las dos I maquinas que maneja un solo hombre estaran ociosas alrededor del 12 por ciento de su tiempo programado, cada una de las cuatro maquinas manejadas j por un solo individuo estaran ociosas alrededor del 16 por ciento de su tiempo programado. El problema es que dos (o mas) maquinas pueden descomponerse a la vez en el grupo de cuatro maquinas, lo que-general-; mente no ocurre con el grupo de dos maquinas. El individuo que maneja el , grupo de cuatro maquinas tiene que trabajar a mayor eficiencia que el que j maneja un grupo de dos maquinas, a fin de ganar el mismo incentivo. El f problema se resolvera pagando a los operadores de las bateras de cuatro | maquinas un salario bsico mayor, determinado bsicamente empleando las J probabilidades calculadas con la teora de las lneas de espera. Las reas anteriores no agotan en modo alguno las posibles aplicaciones de la teora de las lneas de espera, que pueden extenderse para incluir la i dotacin de personal de las operaciones de oficina, y el equilibrio del flujo I _ de materiales en un taller de tareas. Esa teora puede tener una influencia bien definida en el desafo de un sistema de inventario y de control de produccin.

TIEMPOS UNIFORMES DE LLEGABA Y DE SERVICIO

El manejo apropiado de los tiempos uniformes de llegada y de servicio, en trminos de costo mnimo, puede demostrarse con un ejemplo. Una empresa manufacturera maneja muchas casetas de herramientas dentro de una de sus grandes fbricas. Actualmente, el grupo de anlisis de sistemas tiene en observacin una de esas casetas atendida por un trabajador, : los maquinistas llegan a solicitar servicio a una tasa uniforme de 10 por hora mientras que se observa que el encargado de la caseta de herramienta ' atiende sus peticiones a una tasa uniforme de 7 1/2 por hora. Seria? lucrativo para la empresa aumentar el nmero de encargados si se les paga a razn de $3.00 por hora, y se paga a los maquinistas a razn de $4.QO hora? Esas cuotas incluyen los beneficios marginales. Inicialmente, el problema se calcula sobre una base de 4 horas, porque el personal del taller trabaja de las 8 a. m. a las 12, y luego sale a almorzar Los resultados finales se calculan sobre una base de 8 horas. En vista de esos datos tasa uniforme de llegada de 10 por hora (uno cada 6 minutes) y una tasa uniforme de servicio de 7 1/2 por hora (uno cada 8 minutos)' el problema puede resolverse empleando la formula de la suma de una serie aritmtica. Si el primer hombre llega a las 8 a. m. no tiene tiempo de espera. Antes de dar servicio al que llego primero, el que liego en segundo lugar se convierte en el primero que espera en la fila, y su tiempo de espera es de 2 minutos (8 minutos 6 minutos), antes de que se le de servicio. Una vez que conocemos el tiempo de espera del primer maquinista, es necesario calcular el tiempo de espera del ultimo hombre en nuestras 4 horas inciales. Como llegan 40 maquinistas (10 hombres por hora X 4 horas), y el primero no espera, debemos calcular el tiempo de espera de los treinta y nueve restantes, o sea que 39 maquinistas multiplicados por 2 minutos son igual a 78 minutos. Como el aumento del tiempo de espera para cada maquinista adicional es lineal, podemos promediar el tiempo de espera del segundo y del cuadragsimo. El promedio del tiempo de espera de cada maquinista es igual a 2 minutos ms 78 minutos, dividido entre 2, 6 40 minutos, lo que se resume en la tabla 14-1. (La probabilidad de que los que lleguen al ltimo no espere en la fila, porque se acerca la hora del almuerzo, no se ha considerado aqu, aunque normalmente lo ser.) El examen de los datos indica que el costo se reduce al mnimo empleando dos encargados. En contraste con las tasas uniformes, la mayor parte de los problemas de los negocios se ocupa de tasas aleatorias de llegada y de servicio, cuya solucin requiere un proceso diferente, que constituir el tema del resto de este capitulo.

TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL

En la ltima seccin, estudiamos las tasas uniformes de llegada y de servicio, y ahora estudiaremos las tasas aleatorias de llegada y de servicio en un problema de lneas de espera de un solo canal (una sola estacin). No trataremos aquellos casos en los que la capacidad de las instalaciones de servicio es mayor que el promedio de las demandas de las entradas, porque esta condicin da por resultado que no haya lneas de espera. En vez de ello nos ocuparemos de un problema de lneas de espera de un solo canal, en el que hay una lnea de espera que resulta de tiempos aleatorios de llegada y de servicio. Vale la pena notar que los modelos de lneas de espera pueden usarse para eliminar un exceso de trabajadores, cuando la instalacin de servicio es mayor que las demandas de servicio. La forma en que llegan las unidades es aleatoria, si no puede predecirse exactamente cuando llegara cierta unidad.

2.2 PROCESO DE NACIMIENTO Y MUERTE (MODELOS DE POISSON) PROCESO DE NACIMIENTO PURO Y MUERTE PURA
En esta seccin consideraremos dos procesos especiales. En el primer proceso, los clientes llegan y nunca parten y en el segundo proceso los clientes se retiran de un abasto inicial. En ambos casos los procesos de llegada y retiro ocurren de manera aleatoria. Las dos situaciones se denominan proceso de nacimiento puro y proceso de muerte pura.

MODELO DE NACIMIENTO PURO


Considere la situacin de emitir actas de nacimiento para bebes recin nacidos. Estas actas se guardan normalmente en una oficina central de Registro Civil. Hay razones para creer que el nacimiento de bebes y, por ello, la emisin de las actas correspondientes es un proceso completamente aleatorio que se puede describir por medio de una distribucin de Poisson. Usando la informacin de la seccin 15.2 y suponiendo que es la tasa con que se emiten las actas de nacimiento, el proceso de nacimiento puro de tener n arribos o llegadas (acta de nacimiento) durante el periodo de tiempo t se puede describir con la siguiente distribucin de Poisson:
p n (t ) = (t ) n e t , n=0,1,2,. (Nacimiento puro) n!

Donde es la tasa de llegadas por unidad de tiempo, con el nmero esperado de llegadas durante t igual a t.

Ejemplo 15.3-1 Suponga que los nacimientos en un pas estn separados en el tiempo, de acuerdo con una distribucin exponencial, presentndose un nacimiento cada 7 minutos en promedio. Como el tiempo promedio entre arribos (entre nacimientos) es de 7 minutos, la tasa de nacimiento en el pas se calcula como:
=
24 x60 = 205.7 nacimientos / dia 7

El nmero de nacimientos en el pas por ao est dado por t = 205.7x365 = 75080 nacimientos/ao La probabilidad de ningn nacimiento en cualquier da es
po = (205.7 x1) 0 e 205.7 x1 0 0!

Suponga que nos interesa la probabilidad de emitir 45 actas de nacimiento al final de un periodo de 3 horas, si se pudieron emitir 35 actas en las primeras 2 horas. Observamos que debido a que los nacimientos ocurren segn un proceso de Poisson, la probabilidad requeridas reduce a tener 45-35=10 nacimientos en una hora ( =3-2). Dado =60/7=8.57 nacimientos/hora, obtenemos
p10 (19) =

(8.57 x1)10 e 8.57 x1 = 0.11172 10!

MODELO DE MUERTE PURA

Considere la situacin de almacenar N unidades de artculo al inicio de la semana, para satisfacer la demanda de los clientes durante la semana. Si suponemos que la demanda se presenta a una tasa de unidades por da y que el proceso de demanda es completamente aleatorio, la probabilidad asociada de tener n artculos en el almacn despus de un tiempo t, la da la siguiente distribucin truncada de Poisson:
p n (t ) = ( t ) N n e t , ( N n)!
N

n = 1,2,N

p 0 (t ) = 1 p n (t )
n =1

(Muerte pura)

Ejemplo 15.3-2 Al inicio de la semana, se almacenan 15 unidades de un artculo de inventario para utilizarse durante la semana. Solo se hacen retiros del almacenamiento durante los primeros 6 das (la empresa est cerrada los domingos) y sigue una distribucin de Poisson con la media de 3 unidades/da. Cuando el nivel de existencia llega a 5 unidades, se coloca un nuevo pedido de 15 unidades para ser entregado al principio de la semana entrante. Debido a la naturaleza del artculo, se desechan todas las unidades que sobran al final de la semana Podemos analizar esta situacin en varias formas. Primero, reconocemos que la tasa de calculo es = 3 unidades por da. Supngase que nos interesa determinar la probabilidad de tener 5 unidades (el nivel de nuevo pedido) al da t; es decir,
p5 (t ) = (3t )155 e 3t , t= 1,2,,6 (15 5)!

Como ejemplo ilustrativo de los clculos, tenemos los siguientes resultados utilizando el programa TORA t=3, 6, 9., y 18

t (das) 6 t p5(t) 18

1 3 0.0008 0.015

2 6 0.0413

3 9 0.1186

4 12 0.1048

5 15 0.0486

Obsrvese que p5(t) representa la probabilidad de hacer un nuevo pedido el da t. Esta probabilidad llega a su nivel mximo en t=3 y despus disminuye conforme transcurre la semana. Si nos interesa la probabilidad de hacer un nuevo pedido para el da t, debemos determinar la probabilidad de tener cinco unidades o menos el da t; esto es, Pn<=5 (t) = p0(t)+p1(t)+..+p5(t) Usando TORA nuevamente obtenemos
t (das) 6 t pn<=5(t) 18 0.0011 0.9847 0.0839 0.4126 0.7576 0.9301 3 6 9 12 15 1 2 3 4 5

Podemos advertir en la tabla que la probabilidad de hacer el pedido para el da t aumente montonamente con t. Otra informacin, que es importante al analizar la situacin, es determinar el nmero promedio de unidades de inventario que se desecharan el fin de semana.
E {n t = 6

}=

np
n =0

15

(6)

Esto se hace calculando el nmero esperado de unidades para el da 6; es decir, La tabla que sigue presenta un resumen de las operaciones dado t=18

0 11 0.792 0.0001

10

pn(6)

0.0655

0.0509

0.0368

0.0245

0.015

0.0083

0.0042

0.0018

0.0007

0.0002

Y pn(6) ~= 0 obtenemos
E {n t = 6

para n = 12,13,14 y 15. Por lo tanto, al calcular el promedio,

} = 0.5537 unidad

Esto indica que, en promedio, se desechar menos de una unidad al trmino de cada semana.

Ejercicio 15.3-2
Determine en el ejemplo 15.3-2 A) La probabilidad de que se agote la existencia despus de tres das. B) La probabilidad de que se retirar una unidad de inventario al termino del cuarto da dado que la ultima unidad fue retirada al cabo del tercer da C) La probabilidad de que el tiempo restante hasta que se retire la siguiente unidad sea cuando mucho un da, dado que el ltimo retiro ocurre un da antes. D) El inventario promedio que se mantiene en existencia al termino del segundo da E) La probabilidad de que no ocurran retiros durante el primer da

2.4 UNA COLA, UN SERVIDOR Y POBLACIN FINITA


El sistema que se analiz en la seccin anterior supone que el nmero de clientes que requieren servicio en un periodo de tiempo determinado es infinito. Este caso

no corresponde a la realidad ya que una poblacin es, por regla, de tamao finito. Este caso no corresponde a la realidad ya que una poblacin es, por regla, de tamao finito. Esta consideracin, en vez de simplificar el desarrollo de frmulas que describen cuantitativamente al sistema, lo complica. Por ello, se refiere trabajar con el supuesto de poblacin infinita y no con el real. Suponiendo que una poblacin finita de m elementos (o<m<) requiriera servicios de un sistema similar al de la seccin anterior, las series infinitas analizadas para la seccin 3.4 se convierten en series finitas y generan de manera anloga los siguientes resultados9. Si m es la poblacin que pudiera requerir un servicio determinado y n (n < m) elementos de esa poblacin piden ese servicio, entonces P 0 (t) se calcula mediante el uso simultneo de las expresiones 3.20 y 3.21, determinadas a continuacin9-1:

(3.20)

(3.21)

Una vez conocida

(t) se calcula L, W, Ts, Tw de:

(3.22)

(3.23)

(3.24)

(3.25)

Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:

(3.26)

Ejemplo 3.2. Suponga que en la flota de Aeromxico existen cuatro aviones del tipo jumbo 747. Se ha venido observando el comportamiento de estos aviones desde 1971 y, en especial, las fallas de las turbinas. Los datos indican que las fallas de cualquier turbina de cualquier avin es una variable aleatoria y que el tiempo promedio entre dos fallas consecutivas de cualquier avin es de un ao. El tiempo promedio de revisin y compostura de la falla de la turbina es de 45 das (un octavo de ao). Solamente se tienes un equipo humano de expertos para dar servicios y se proporciona servicio bajo la poltica de primero que entra al taller, primero que se le sirve. Durante el periodo de mantenimiento el avin no vuela. Describa cuantitativamente al sistema de espera.

Si se toma como unidad de tiempo un ao, entonces

Como

, se aplica los conceptos anteriores. Se calcula la expresin

3.20 para n = 0, 1, 2, 3, 4 y m = 4, donde n es el nmero de aviones que esperan compostura y m es la flota de jumbos 747 de Aeromxico. n m

1.00000

0.50000

0.18750

0.04688

0.00576

Tabla 3.2

Por lo tanto, y de acuerdo con 3.21, se tiene:

Que significa que existe un 5704% de probabilidad de que no se encuentre ningn avin jumbo 747 en el sistema de compostura de turbinas en el tiempo t. La probabilidad de que se encuentre un avin en mantenimiento y otro en espera es:

El nmero promedio de aviones de aviones que esperan servicio en 1 ao es de:

Mientras que el nmero promedio de aviones en el sistema (esperando en la cola y en el taller) es:

El tiempo promedio de espera en la cola para recibir servicio es:

O sea aproximadamente 18 das, mientras que el tiempo promedio en el sistema (espera ms servicio) es de:

O sea casi 64 das: Qu representa esto en costo? Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos, de 2 mil cuando est en tierra y de 5 mil cuando est en mantenimiento. Se supone que estos aviones vuelan, en promedio, 14 horas por da y por cada mil horas de vuelo se les proporcionara mantenimiento preventivo (independiente de las composturas de falla de turbina) que dura en promedio 100 horas. Se supone que

el sueldo mensual del personal especializado de reparacin es de 200 mil pesos y el costo mensual del equipo de reparacin (luz, depreciacin, seguros, etc.,) es de 125 mil pesos. El costo de la espera para componer las fallas de la turbina de un avin es, por lo tanto, la suma de los siguientes costos: a) Tiempo muerto del avin mientras espera y le reparan la turbina, (T w). b) Tiempo muerto de la tripulacin cuando el avin se encuentra en el taller por compostura de turbinas. c) Tiempo de reparacin de la turbina (sin incluir refacciones), es decir T w Ts. Como la unidad de tiempo es un ao, se deben convertir todos los costos unitarios a costo por ao. En un ao (365 das) el avin vuela:

Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno, para un total de 500 de servicio de mantenimiento. Si en un ao existen 8760 horas,

lo anterior quiere decir que: 8760 (5110 + 500) = 3150

Estar parado el avin en tierra. Entonces el costo total anual para cada avin ser de: (5110 ) + (500 * 5000

) + (3150

2000

) = 59.9

Si un avin de este tipo pasa T w = 0.175 de ao (64 das), en el sistema de compostura de turbinas, el costo asociado a este tiempo muerto es:

(59.9

) (0.175 aos) = 10.48

El sueldo mensual de una tripulacin es de 400 mil pesos (4.8 millones de pesos por ao); por lo tanto, el costo del tiempo muerto de la tripulacin asociado a la compostura de una turbina ser:

La nmina mensual del equipo de reparacin ms sus costos mensuales suman 325 mil pesos (3.9 millones de pesos por ao). Por lo tanto, el costo del tiempo de reparacin por avin, sin tomar en cuenta refacciones es:

El costo total de tener a un avin en el sistema de compostura es: (10.48 + 0.21 + 0.49) = 11.58

Este resultado motiva las siguientes preguntas: Conviene aumentar el equipo especializado de reparacin de turbinas a 2 o 3? Si es as, En cunto disminuira el costo de la espera por avin en el sistema? A cunto aumenta el costo del equipo de reparacin? Cul es un buen punto de equilibrio?

2.5

UNA

COLA-SERVIDORES

MULTIPLES

EN

PARALELO-

POBLACION INFINITA
Se supone un sistema con una sola cola, a la cual puede llegar un nmero infinito de clientes en espera de recibir un mismo servicio por parte de S(S>1) servidores en paralelo. La poltica del sistema es que sirve a los clientes en el orden de su llegada; el servicio lo proporciona el primer servidor que se haya desocupado al principio y se irn ocupando en forma progresiva (primero el servidor 1, despus el 2 y as sucesivamente) en la medida que vayan llegando los clientes.

El nmero promedio de llegadas por unidad de tiempo es y se supone que este tiene una distribucin de poisson. El nmero promedio de servicios de cada servidor por unidad de tiempo es el mismo y se denota por . Se supone que este nmero tiene una distribucin exponencial negativa. Se observa que cuando el nmero de elementos en la cola y en las estaciones de servicio, m, es mayor que el nmero de servidores, S, (m > S), la probabilidad de que algn cliente abandone el sistema (despus de recibir su servicio) en el intervalo de tiempo t es S t. En caso contrario (S > m), dicha probabilidad es m t. Esta observacin incorporada en la expresin 3.3 origina:

(3.27)

En la expresin anterior

no tiene sentido cuando m = O, por lo que una

vez agrupados los trminos se obtiene:

Restando en ambos lados PQ (t) y dividiendo entre A t, se tiene

Tomando el lmite cuando

tiende a cero genera

Por lo que (3.28)

El lmite, cuando genera

tiende a cero, de la expresin general 3.27, para m = 1,

(3.29) Substituyendo 3.28 en 3.29

(3.30)

Generalizando 3.30 para un valor m 1 cualquiera se obtiene

que se puede reescribir: (3.31)

Para el caso en que m < trmino

S, se sigue el mismo razonamiento cambiando el

de 3.27 por m t, para obtener

(3.32)

Una frmula explcita de

se genera despejando este trmino de

, arrojando la expresin:

(3.33)

Combinando 3.33 con 3.31 y 3.32 y tomando el lmite cuando m tiende a infinito, se construye despus de un buen ejercicio algebraico (que aqu se omite) la expresin final para dada por

(3.34) El largo de la cola L, lo dar la expresin

Que una vez desarrollada, utilizando 3.31 y agrupando trminos, genera la frmula

(3.35) El nmero de elementos en el sistema W, es igual a W=L+ (3.36)

El tiempo de espera en la cola Ts es:

(3.37) Mientras que el tiempo de espera en el sistema, Tw

(3.38)

As como en el caso de un servidor se supone que

(para que no se formen

colas de tamao infinito), en el caso de servidores mltiples se requiere que se cumpla la condicin Se puede demostrar que , la cual se puede reescribir como

Donde

Ejemplo 3.3. Suponga que en el cruce fronterizo de Mxico y Estados Unidos, localizado entre las poblaciones de Piedras Negras, Coahuila, y Eagle Pass, Texas, existe un puente sobre el Ro Bravo con dos lneas de trfico, una en direccin de Mxico a Estados Unidos y la otra en sentido contrario. La lnea de trfico de Estados Unidos a Mxico, se bifurca a 5 garitas de inspeccin migratoria y aduanera. Suponga que las llegadas de automviles tienen una distribucin de Poisson con igual a 15 llegadas por hora, mientras que el nmero de servicios tiene una distribucin exponencial negativa con igual a 8 servicios por hora. Por decreto gubernamental, no existe prioridad de trato, as que las garitas migratorias y aduaneras proporcionan servicio en la medida que se desocupan, y se atiende en primer trmino al primer automvil de la cola y as sucesivamente. Se describe en forma cuantitativa al sistema de garitas migratorias y aduaneras. Primero se corrobora que el parmetro , queriendo decir que en el puente

internacional de Piedras Negras no se formar una cola infinita de automviles o, en trminos ms reales, que esta cola no tiende a crecer sin freno:

Se tiene

Lo anterior implica que existe un 15% de probabilidades de que, al llegar un automvil cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 5 estaciones de servicio se encuentren vacas, y no exista ningn automvil esperando este servicio.

Por lo tanto, no se forma una cola hasta que m > 6, como se verifica en la tabla 3.3. El largo de la cola, L es:

El nmero de elementos en el sistema, W, es:

El tiempo promedio de espera en la cola, Ts es:

Tamao de la cola

Garitas desocupadas

Nmero de automviles a los cuales se les est dando servicio

Pm (t)+,*

0 1 2 3 4 5 6

0 0 0 0 0 0 1

5 4 3 2 1 0 0

0 1 2 3 4 5 5

0.152 0.286** 0.267 0.167 0.078 0.029*** 0.011****

7 8

2 3

0 0

5 5

0.004 0.001

o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:

Aproximadamente 7 minutos con 36 segundos. Ejemplo 3.4. El Director General de Egresos, el Lie. A. Uslero, experto en sistemas, sospecha que se puede lograr un considerable ahorro econmico, si en vez de 5 garitas funcionan 2, y que esto no causa graves problemas al turismo. Estar en lo cierto? Se calcula

Es decir, existe un 3% de probabilidades de que al llegar un automvil cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 2 garitas se encuentren vacas y no hay automviles esperando por un servicio. No se forma una cola hasta que m > 3, tal como se aprecia en la siguiente tabla. M Tamao de la cola Garitas desocupadas Nmero de automviles a los cuales se les est dando servicio 0 1 2 3 4 0 0 0 1 2 2 1 0 0 0 0 1 2 2 2 0.03226 0.06048 0.05670 0.05316 0.04984 Pm (t) + ,*

0.046725

Tabla 3.4 El largo de la cola, L, es:

Mientras que el nmero de elementos en el sistema, W, es: W=L+ = 13.61 + 1.875 = 15.49 automviles El tiempo promedio de espera en la cola, TS, es:

O sea casi 55 minutos, mientras que el tiempo dentro del sistema, T w, es:

O sea, casi 62 minutos. As, por un lado, la medida de reducir de 5 a 2 garitas podra ahorrarle al pas el salario y el mantenimiento de 3 garitas, por el otro provocara prdidas en turismo, ya que, en promedio cada automvil que cruce por ese puerto fronterizo, esperar ms de una hora por trmites.

CONCLUSION
Los sistemas de colas son muy comunes en la sociedad. La adecuacin de estos sistemas puede tener un efecto importante sobre la calidad de vida y la productividad. Para estudiar estos sistemas, la teora de colas formula modelos matemticos que representan su operacin y despus usa estos modelos para obtener medidas de desempeo que realmente ayudan mucha para el desarrollo de una empresa o compaa reduciendo el tiempo en que esperan los clientes, y optimizando la eficiencia del equipo trabajador. Este anlisis proporciona informacin vital para disear de manera prctica sistemas de colas que logren un balance apropiado entre el costo de proporcionar el servicio y el costo asociado con la espera por ese servicio.

La teora de colas es el estudio matemtico de las lneas de espera (o colas) permitiendo el anlisis de varios procesos relacionados como: la llegada al final de la cola, la espera en la cola, o tambin matemtica etc. La teora de colas generalmente es considerada una rama de investigacin operativa porque sus resultados a menudo son aplicables en una amplia variedad de situaciones como: negocios, comercio, industria, ingenieras, transporte y telecomunicaciones. En el contexto de la informtica y de las nuevas tecnologas estas situaciones de espera son ms frecuentes. As, por ejemplo, los procesos enviados a un servidor para ejecucin forman colas de espera mientras no son atendidos, la informacin solicitada, a travs de Internet, a un servidor Web puede recibirse con demora debido a la congestin en la red, tambin se puede recibir la seal de lnea de la que depende nuestro telfono mvil ocupada si la central est colapsada en ese momento, etc. En conclusin tenemos que la Teora de Cola no es una tcnica de optimizacin, sino una herramienta que utiliza frmulas analticas, limitadas por suposiciones matemticas. No se asemejan a una situacin real, pero da una primer aproximacin a un problema y a bajo costo, que brindan informacin sobre el comportamiento de lneas de espera; estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio a un "servidor" el cual tiene una cierta capacidad de atencin y no est disponible inmediatamente y el cliente decide esperar. Ya que a menudo es deseable tomar decisiones respecto de una situacin de teora de cola, basndose en algn tipo de anlisis de costos. Por ejemplo, un incremento en el nmero de servidores en el sistema reducira el tiempo de espera, pero incrementara el costo del servicio e inversamente. Si se pudiera expresar el tiempo promedio de espera en valores monetarios, es posible seleccionar el ptimo nmero de servidores (o la velocidad de servicio) que minimiza la suma de los costos se servicio y el tiempo de espera. El problema de

este enfoque radica que en la prctica es muy difcil de estimar el costo por unidad de espera.

BIBLIOGRAFA

METODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES DR. JUAN PRAWDA WITENBERG VOL 2, LIMUSA NORIEGA EDITORES. TOMA DE DECISIONES INVESTIGACIN DE OPERACIONES ROBERT J. THIERAUF, LIMUSA. INVESTIGACIN DE OPERACIONES 5TA EDICION HAMDY A. TAHA ALFAOMEGA. INVESTIGACION DE OPERACIONES APLICACIONES Y ALGORITMOS 4TA EDICION WAYNE L. WINSTON THOMSON.