INSTITUTO TECNOLOGICO DE ACAPULCO

INGENIERIA EN SISTEMAS COMPUTACIONALES

NOMBRE
Hugo Enrique Lozano Reyes

PROFESOR
ING. JUAN MANUEL RODRIGUEZ VAZQUEZ

MATERIA
INVESTIGACION DE OPERACIONES

UNIDAD 5 LINEAS DE ESPERA

GRUPO
11:00-12:00

INDICE

5.4
Modelos

5.1 Definiciones caractersticas y suposiciones Lneas de Espera

Poisson.

5.2 Terminologa y notacin Lneas de Espera .

5.4.1
Modelos
Poisson

5.3 Proceso de nacimiento o muerte.

Un
servidor

5.4.2 Modelos Poisson Multiples servidores.

5.5 Anlisis de costos.

10
2

12

5.1 Definiciones caractersticas y suposiciones Lneas de Espera

Una cola es una lnea de espera y la teora de colas es una coleccin de modelos
matemticos que describen sistemas de lnea de espera particulares o sistemas de colas.
Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los

tiempos promedio de la lnea de espera para un sistema dado.

Los sistemas de colas son modelos de sistemas que proporcionan servicio. Como
modelo, pueden representar cualquier sistema en donde los trabajos o clientes l egan
buscando un servicio de algn tipo y salen despus de que dicho servicio haya sido
atendido. Podemos modelar los sistemas de este tipo tanto como colas sencil as o como

un sistema de colas interconectadas formando una red de colas

La teora de colas es el estudio matemtico del comportamiento de lneas de espera. Esta

se presenta, cuando los clientes l egan a un lugar demandando un servicio a un

servidor, el cual tiene una cierta capacidad de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar, entonces se forma la lnea de espera. A lo

largo del tiempo se producen l egadas de clientes a la cola de un sistema desde una
determinada fuente demandando un servicio. Los servidores del sistema seleccionan
miembros de la cola segn una regla predefinida denominada disciplina de la cola.
Cuando un cliente seleccionado termina de recibir su servicio (tras un tiempo de servicio)

abandona el sistema, pudiendo o no unirse de nuevo a la fuente de l egadas.

Fuente

Recibe el nombre de fuente el dispositivo del que emanan las unidad es que piden un

servicio. Si el nmero de unidades potenciales es finito, se dice que la fuente es finita; en

caso contrario se dice que es infinita. Cuando la fuente es finita se suele asumir que la
probabilidad de que se produzca una l egada en un intervalo de tiempo es proporcional al
tamao de la fuente en ese instante. En general, nos restringiremos al estudio de

sistemas de colas con fuentes infinitas.

Tiempo entre llegadas

Existen dos clases bsicas de tiempo entre llegadas:

Determinstico, en el cual clientes sucesivos l egan en un mismo intervalo de tiempo, fijo y

conocido. Un ejemplo clsico es el de una lnea de ensamble, en donde los artculos

l egan a una estacin en intervalos invariables de tiempo.
Probabilstico, en el cual el tiempo entre l egadas sucesivas es incierto y variable. Los
tiempos entre l egadas probabilsticos se describen mediante una distribucin de

probabilidad.

Mecanismos de servicio
Se l ama capacidad del servicio al nmero de clientes que pueden ser servidos

simultneamente. Si la capacidad es uno, se dice que hay un solo servidor (o que el

sistema es monocanal) y si hay ms de un servidor, multicanal. El tiempo que el servidor
necesita para atender la demanda de un cliente (tiempo de servicio) puede ser constante

o aleatorio.

Disciplina de la cola
En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con uno de

los siguientes criterios (prioridades):

El que l eg antes.
El que l eg el ltimo.
El que menos tiempo de servicio requiere.
El que ms requiere.

Supuestos
El modelo simple de teora de colas que se ha definido, se basa en las siguientes

suposiciones:

a) Un solo prestador del servicio y una sola fase.

b) Distribucin de l egadas de poisson donde l = tasa de promedio de llegadas.
c) Tiempo de servicio exponencial en donde m = tasa de promedio del servicio.
d) Disciplina de colas de servicio primero a quien l ega primero; todas las l egadas
esperan en lnea hasta que se les da servicio y existe la posibilidad de una longitud infinita

en la cola.

5.2 Terminologa y notacin Lneas de Espera.

Caractersticas operativas
Medidas de desempeo para una lnea de espera que incluyen la probabilidad de que no
haya unidades en el sistema, la cantidad promedio en la lnea, el tiempo de espera

promedio, etc.

Operacin de estado estable

Operacin normal de la lnea de espera despus de que ha pasado por un periodo inicial

o transitorio. Las caractersticas operativas de las lneas de espera se calculan para

condiciones de estado estable.
Tasa media de llegada
Cantidad promedio de clientes o unidades que l egan en un periodo dado.
Tasa media de servicio
Cantidad promedio de clientes o unidades que puede atender una instalacin de servicio
en un periodo dado.
Lnea de espera de canales mltiples
Lnea de espera con dos o ms instalaciones de servicio paralelas.
Bloqueado.
Cuando las unidades que l egan no pueden entrar a la lnea de espera debido a que el
sistema est l eno. Las unidades bloqueadas pueden ocurrir cuando no se permiten las

lneas de espera o cuando las lneas de espera tienen una capacidad finita.
Poblacin infinita

Poblacin de clientes o unidades que pueden buscar servicio, no tiene un lmite superior

especificado.

Poblacin finita
Poblacin de clientes o unidades que pueden buscar servicio, tiene un valor fijo y finito.

Usualmente siempre es comn utilizar la siguiente terminologa estndar

P = Probabilidad de que no haya clientes en el sistema

0

L = Nmero de clientes promedio en una lnea de espera

q

L= Nmero de clientes promedio en el sistema (Clientes en cola y clientes que estn

siendo atendidos).
W = Tiempo promedio que un cliente pasa en la lnea de espera.
q

W= Tiempo total promedio que un cliente pasa en el sistema.

P = Probabilidad de que haya n clientes en el sistema
n

P = Probabilidad de que un cliente que l ega tenga que esperar por el servicio.
w

Todas estas caractersticas operativas de estado estable se obtienen mediante formulas

que dependen del tipo de modelo de lnea de espera que se este manejando. Para

calcular stas, se necesitan los siguientes datos:

= la cantidad promedio de l egadas por periodo (la tasa media de l egadas)

= la cantidad promedio de servicios por periodo (la tasa media deservicio)

5.3 Proceso de nacimiento o muerte

La mayor parte de los modelos elementales de colas suponen que las entradas
(l egada 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. Sin embrago en el contexto de la teora de colas, el trmino
nacimiento se refiere allegada de un nuevo cliente al sistema de colas y el trmino muerte
se refiere a la salida del cliente servido. El estado del sistema en el tiempo t (t 0),
denotado por N (t), es el nmero de clientes que hay en el sistema de colas en el tiempo t.
El proceso de nacimiento y muerte describe en trminos probabilsticos cmo cambia N (t)

al aumentar t. En general, dice que los nacimientos y muertes individuales ocurren

aleatoriamente, en donde sus tasas medias de ocurrencia dependen del estado actual del
sistema. De manera ms precisa, las suposiciones del proceso de nacimiento y muerte
son las siguientes:
SUPOSICIN 1. Dado N (t) = n, la distribucin de probabilidad actual del tiempo
que falta para el prximo nacimiento (l egada) es exponencial con parmetro (n=0,1,2,.).
SUPOSICIN 2. Dado N (t) = n, la distribucin de probabilidad actual del tiempo
que falta para la prxima muerte (terminacin de servicio) es exponencial con parmetro
(n=1,2,.).
SUPOSICIN 3. La variable aleatoria de la suposicin 1 (el tiempo que falta hasta
el prximo nacimiento) y la variable aleatoria de la suposicin 2 (el tiempo que falta hasta
la siguiente muerte) son mutuamente independientes.
Excepto por algunos casos especiales, el anlisis del proceso de nacimiento y
muerte es complicado cuando el sistema se encuentra en condicin transitoria. Se han
obtenido algunos resultados sobre esta distribucin de probabilidad de N (t) pero son muy
complicados para tener un buen uso prctico. Por otro lado, es bastante directo derivar
esta distribucin despus de que el sistema ha alcanzado la condicin de estado estable
(encaso de que pueda alcanzarla).
Distribucin de llegadas.
Definir el proceso de l egada para una lnea de espera implica determinar la
distribucin de probabilidad para la cantidad de l egadas en un periodo dado. Para
muchas situaciones de lnea de espera, cada l egada ocurre aleatoria e
independientemente de otras l egadas y no podemos predecir cuando ocurrir. En tales
casos, los analistas cuantitativos has encontrado que la distribucin de probabilidad de
Poisson proporciona una buena descripcin del patrn de l egadas. La funcin de
probabilidad de Poisson proporciona la probabilidad de x l egadas en un periodo
especfico. La funcin de probabilidad es como sigue:
P(x)= xe-
x!

5.4 Modelos Poisson.

Existen una gran variedad de modelos para los sistemas de colas, las dos caractersticas
ms importantes sern:
a) Los tiempos de l egada.
b) Los tiempos de servicio.
En los sistemas de colas reales no es posible determinar con exactitud estos dos tiempos,
es decir no son determinsticos, los ms comunes son los modelos probabilsticos,
donde se dan un promedio de estos tiempos, por lo tanto tenemos que usar una
distribucin de probabilidad que se ajuste lo ms cercano a la realidad.
Esta distribucin de Poisson es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de situaciones
en las que nos interesa determinar el nmero de hechos de cierto tipo que se pueden
producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y
ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideracin lmite
de procesos dicotmicos reiterados un gran nmero de veces si la probabilidad de
obtener un xito es muy pequea.
Proceso experimental del que se puede hacer derivar
Esta distribucin se puede hacer derivar de un proceso experimental de
observacin en el que tengamos las siguientes caractersticas
Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de
tiempo o a lo largo de un espacio de observacin
* Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de
una manera no determinstica.
* La probabilidad de que se produzcan un nmero x de xitos en un intervalo de
am
plitud t no depende del origen del intervalo (Aunque, s de su amplitud)
* La probabilidad de que ocurra un hecho en un intervalo infinitsimo es prcticamente
proporcional a la amplitud del intervalo.
* La probabilidad de que se produzcan 2 o ms hechos en un intervalo
infinitsimo es un infinitsimo de orden superior a dos.
En consecuencia, en un intervalo infinitsimo podrn producirse 0 1 hecho pero nunca
ms de uno
* Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X signifique
o designe el "nmero de hechos que se producen en un intervalo de tiempo o de espacio",
la variable X se distribuye con una distribucin de parmetro l . As :

El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la

probabilidad de un hecho en un intervalo infinitsimo. Se le suele designar como
parmetro de intensidad, aunque ms tarde veremos que se corresponde con el nmero
medio de hechos que cabe esperar que se produzcan en un intervalo unitario (media de la
distribucin); y que tambin coincide con la varianza de la distribucin.

Por otro lado es evidente que se trata de un modelo discreto y que el campo de variacin
de la variable ser el conjunto de los nmeros naturales, incluidos el cero:
Funcin de cuanta
A partir de las hiptesis del proceso, se obtiene una ecuacin diferencial de

definicin del mismo que puede integrarse con facilidad para obtener la funcin de cuanta
de la variable "nmero de hechos que ocurren en un intervalo unitario de tiempo o
espacio"
Que sera:

Donde:
* x - es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la
probabilidad de que el evento suceda precisamente x veces).
* - es un parmetro positivo que representa el nmero de veces que se espera que
ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene
lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad de que
ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin
de Poisson con = 104 = 40.
* e - es la base de los logaritmos naturales (e = 2,71828 ...)

Cuya representacin grfica para un modelo de media 11 sera la adjunta.

Obsrvense los valores prximos en la media y su forma parecida a la campana de
Gauss, en definitiva, a la distribucin normal
La funcin de distribucin vendr dada por :

5.4.1 Modelos Poisson Un Servidor.

Clculos en los modelos de colas
(M/M/1):(DG //).
Con la notacin del modelo generalizado se tiene que
n=n= },
n=0, 1, 2,
Tambin,
n= y
perdido=0,
porque todos los clientes que l egan, pueden entrar al sistema.
Si P= , la ecuacin de Pn en el modelo generalizado se reduce entonces a

Para determinar la P0 se usa la identidad

Suponiendo que p < 1, la serie geomtrica tiene la suma finita de , y entonces
La frmula general de Pn es entonces de la siguiente distribucin geomtrica:
La deduccin matemtica de Pnimpone la condicin que p < 1 o que < . Si >= , la
serie geomtrica no converge, y no existirn las probabilidades Pn de estado estable.
Este resultado tiene sentido, intuitivamente, porque a menos que la tasa de servicios sea
mayor que la frecuencia de l egada, la cola crece en forma indefinida.

La medida de desempeo Lq se puede deducir como sigue:

Como ef= para este caso, las medidas restantes de desempeo se calculan con estas
ecuaciones:

5.4.2 Modelos Poisson Mltiples Servidores.

Clculos en los modelos de colas
Pn = probabilidad que en el estado estable haya n clientes en el sistema
Ls = nmero de clientes que espera hal a en el sistema
Lq = nmero de clientes que espera hal a en la lnea de espera.
Ws = Tiempo de espera en el sistema (lnea ms servicio).
Wq = Tiempo de espera en la lnea de espera.
(M/M/S) S=1 Y S>1
(M/M/S) VARIACION DE COLA FINITA S=1 Y S>1(COLA FINITA)
(M/M/S) VARIACION DE FUENTE DE ENTRADA FINITA S=1 Y S>1 REPARACION DE
MAQUINAS
(M/M/1)(GD//), (M/M/C)(GD//)
(M/M/1)(GD/N/),
(M/M/C)(GD/N/) VARIACION DE COLA FINITA (COLA FINITA)
(M/M/R)(GD/K/K) MODELO DE SERV A MAQ. ORIGEN FINITO
(M/M/)(GD//) MODELO DE AUTOSERVICIO.
FORMULARIO DE ACUERDO AL MODELO:
En estos modelos utilizaremos las siguientes literales:
= Tasa de l egadas por unidad de tiempo.
= Tasa de servicio por unidad de tiempo.
= Intensidad de trfico del sistema.
0 = Probabilidad que sistema este ocioso.
j = Probabilidad que haya j clientes en el sistema.

10

L = Cantidad de personas en el sistema.

Lq = Cantidad de personas en la cola.
Ls = Cantidad de personas en servicio.
W = Tiempo promedio que un cliente pasa en el Sistema.
Wq = Tiempo promedio que un cliente pasa en la cola.
Ws = Tiempo promedio que un cliente pasa en el servidor.
M/M/1/GD//
En este modelo las llegadas son de forma exponencial, el tiempo de servicio tambin es
exponencial, solo hay un servidor, el nmero de clientes que se pueden formar en la cola
es infinito, y el tamao de la poblacin tambin es infinito.
P=
Si > 1 no existe estado estable.
M/M/S/GD//
En este modelo las llegadas son de forma exponencial, el tiempo de servicio tambin es
exponencial, existen S nmeros de servidores que dan los mismos servicios, el nmero
de clientes que se pueden formar en una sola cola es infinito, y el tamao de la poblacin
tambin es infinito.
M/M/1/GD/C/
En este modelo las llegadas son de forma exponencial, el tiempo de servicio tambin es
exponencial,
solo hay un servidor, el nmero de clientes que se pueden formar en la cola es C, es
decir, despus de cierto tamao en la cola ya no se aceptan clientes, y el tamao de la
poblacin es infinito.

P jS Para Sistemas de colas M/M/S/GD//

11

5.5 Anlisis De Costos Lneas De Espera.

Las colas o filas de espera representan un fenmeno habitual de la actividad diaria de
cada uno de nosotros. Se hace cola en el correo, en el banco, en la caja del
supermercado. Se producen largas filas de vehculos en las rutas y calles
congestionadas, o simplemente ante un semforo. Tambin aparecen, aunque no resultan
tan visibles, en las comunicaciones telefnicas, en la lista de expedientes a tramitar, en
los talleres de reparaciones. Son colas en las que no aparecen personas, pero tambin
hay esperas. En las organizaciones, este tipo de problemas se estructura bsicamente
como la igualacin de la demanda de un servicio con la provisin de ese mismo servicio.
Nos vamos a referir a las entidades que esperan la provisin del servicio como clientes,
Asimismo, un servidor es cualquier persona o dispositivo que brinde el servicio.
Se trata de resolver situaciones referentes a la capacidad que se debe disponer para
atender la demanda. Agregar ms servidores, o disminuir el tiempo que se utiliza para
brindar el servicio se resuelve mediante el agregado de personal y equipo, pero esto
implica mayores costos. Por otra parte, una capacidad limitada produce colas ms largas
y disgustos con los clientes.
Como todas estas consideraciones deben ser ponderadas al tiempo de tomar decisiones,
las consecuencias de cada accin deben ser computadas adecuadamente.
Un lugar donde se forma una fila simple frente a uno o ms servidores se denomina
estacin. En casos complejos, un cliente que recibe el servicio en un servidor, se puede
trasladar a otra cola en otra estacin.
La estructura de un sistema de colas
El estudio matemtico de estos sistemas es bastante extenso, y se han desarrollado
numerosas frmulas que ayudan a estimar las caractersticas de las filas de espera. Estos
anlisis se deben basar en un conocimiento preciso de la estructura del sistema y de
cmo interactan sus partes. Los componentes que es preciso conocer son los siguientes.

La poblacin de entrada: Tambin l amada Capacidad del Sistema, es el nmero mximo

de clientes potenciales, que pueden solicitar el servicio. Si un cliente llega, y el sistema
est l eno, por haberse colmado su capacidad, se le negar la entrada. O sea que no
recibir servicio. Si el sistema no tiene lmite, se dice que la poblacin es infinita. Como no
puede considerarse una poblacin infinita si el nmero de clientes no es muy grande,
como en el caso de un taller de reparaciones, en estos casos es preferible ingresar el
tamao exacto de la poblacin.
El proceso de l egadas: Se tiene que describir matemticamente la manera en que se
producen los arribos de los clientes al sistema. Esto puede ser especificado como el
tiempo entre l egadas, que es
el tiempo que transcurre entre un cliente y otro sucesivo que l egan a demandar el
servicio. Esto ser determinstico si se conoce el tiempo exacto que transcurre entre un
arribo y otro, o aleatorio, cuya distribucin probabilstica se considera conocida. Si se trata

de arribos absolutamente aleatorios, se supone que responden a una distribucin de

Poisson.

12

La lnea de espera: La cola que se forma mientras se espera el servicio puede suponerse
infinita cuando puede extenderse tanto como se quiera. Si hay una sala de espera o
equivalente, la lnea es finita y depende de la capacidad de esa sala. Se asume que si
alguien l ega y encuentra la sala llena se retira y no recibir el servicio.
Se recomienda no tomar literalmente los trminos sala de espera, l egadas o lnea de
espera. Los clientes pueden ser un conjunto de piezas de una mquina en el suelo,
esperando que se arme el conjunto. Obsrvese que en este caso el que l ega es el
servidor y no el cliente, pero el modelo de colas se puede usar igualmente.
La disciplina del sistema: Es el orden en que se atienden a los clientes. Generalmente se
asume que el primero en l egar es el primero en atenderse (FIFO o PEPS).
La cantidad de servidores: Puede ser cualquier nmero entero. Se asume que todos los
servidores son idnticos y en paralelo, o sea que el cliente puede ser atendido de la
misma manera por cualquiera de ellos.
La distribucin del tiempo de servicio: Depende del tiempo que le tome a un servidor
atender a un cliente. Se
define de la misma manera que el proceso de l egadas, como determinstico o aleatorio,
siguiendo una determinada distribucin de probabilidad. Puede depender del nmero de
clientes en el sistema o ser independiente del estado. Generalmente se asume que el
servidor atiende completamente a un cliente, aunque podra tratarse de un servicio donde
el cliente debe ser atendido por una secuencia de servidores.

13