Академический Документы
Профессиональный Документы
Культура Документы
SisInvestigaciontemas
OBJETI VOS
Utilizar la Teora de Colas como una herramienta de apoyo a la toma de decisiones en el anlisis
de diferentes sistemas de colas.
# R E C U RSOS
MAR C O TE RIC O
Con el objeto de verificar si una situacin determinada del sistema de lneas de espera se ajusta o no a
un modelo conocido, se requiere de un mtodo para clasificar las lneas de espera. Esa clasificacin debe
de responder preguntas como las siguientes:
1.- El sistema de lneas de espera tiene un solo punto de servicio o existen varios puntos de servicio en
secuencia?
2.-Existe solo una instalacin de servicio o son mltiples las instalaciones de servicio que pueden
atender a una unidad?
3.- Las unidades que requieren el servicio llegan siguiendo algn patrn o llegan en forma aleatoria?
4.- El tiempo que requieren para el servicio se da en algn patrn de o asume duraciones aleatorias de
tiempo?
NOTACIN KENDALL
Por lo general, las tasas de llegada y de servicio no se conocen con certidumbre sino que son de
naturaleza estocstica o probabilstica. Es decir los tiempos de llegada y de servicio deben describirse a
travs de distribuciones de probabilidad y las distribuciones de probabilidad que se elijan deben describir
la forma en que e comportan los tiempos de llegada o de servicio.
En teora de lneas de espera o de colas se utilizan tres distribuciones de probabilidad bastante comunes,
estan se mencionan a continuacin:
Markov
Determinstica
General
La distribucin de Markov, en honor al matemtico A.A. Markov quien identifico los eventos "sin
memoria", se utiliza para describir ocurrencias aleatorias, es decir, aquellas de las que puede decirse que
carecen de memoria acerca de los eventos pasados.
Una distribucin determinstica es aquella en que los sucesos ocurren en forma constante y sin cambio.
1
Investigacin de Operaciones II 2
La distribucin general sera cualquier otra distribucin de probabilidad. Es posible describir el patrn de
SisInvestigaciontemas
llegadas por medio de una distribucin de probabilidad y el patrn de servicio a travs de otra.
Para permitir un adecuado uso de los diversos sistemas de lneas de espera, kendall, matemtico
britnico elaboro una notacin abreviada para describir en forma sucinta los parmetros de un sistema de
este tipo. En la notacin Kendall un sistema de lneas de espera se designa como
A/B/C
En donde
A = se sustituye por la letra que denote la distribucin de llegada.
B = se sustituye por la letra que denote la distribucin de servicio.
C = se sustituye por el entero positivo que denote el numero de canales de servicio.
La notacin kendall tambin utiliza M = Markoviano, D = determinstica, G = General, por ejemplo un
sistema de lneas de espera con llegadas aleatorias, servicio determinstico y tres canales de servicio se
identificar en notacin Kendall como
M/D/3
En todos los casos se supone que solo existe una sola lnea de entrada.
Es evidente que existen otros atributos aparte de los que se analizaron antes y que deben de tomarse en
consideracin como por ejemplo:
El tamao de la poblacin de los que provienen los elementos que ingresan al sistema de lneas de espera.
La forma en que las unidades llegan para ingresar al sistema de lneas de espera; por ejemplo, una por una o en form
Si las unidades rechazan o no debido a la longitud de la lnea de espera y no ingresan al sistema.
Si las unidades se arrepienten y abandonan el sistema despus de haber aguardado un tiempo en la fila.
Si existe o no espacio suficiente para que todas las unidades que llegan aguarden en la fila.
Modelo M / M / 1
Modelo M / M / S
Modelo M / G / 1
Modelo M / D / 1
MODELO M / M / 1
Este sistema trata de una distribucin de llegada Markoviano, tiempo de servicio Markoviano, y un
servidor.
Llegadas aleatorias (M / M / 1)
En las situaciones cotidianas es fcil encontrar ejemplos de llegadas aleatorias, puesto que las llegadas
sern aleatorias en cualquier caso en la que una de ellas no afecte a las otras. Un ejemplo clsico de
llegadas aleatorias son las llamadas que arriban a un conmutador telefnico o un servicio de emergencia.
Se ha determinada que las ocurrencias aleatorias de un tipo especial pueden describirse a travs de una
distribucin discreta de probabilidad bien conocida, la distribucin de Poisson. Este tipo especial de
2
Investigacin de Operaciones II 3
Al presionar el icono
SisInvestigaciontemas se ver la ventana de los resultados:
3
Investigacin de Operaciones II 4
EJERCICIOS PROPUESTOS
SisInvestigaciontemas
I. Tabla de Simulacin
Los clientes llegan a una estacin de Gasolina, donde realizan un se rvicio de
abastecimiento de combustible como tarea principal. La gerencia de operaciones desea
determinar unos indicadores con los cuales pueda determinar, el nivel de atencin a sus
clientes, para lo cual ha registrado la siguiente informacin:
Client 1 2 3 4 5 6 7 8 9 1 1 1 1 1 1
e 0 1 2 3 4 5
Int. 6 4 7 5 2 8 7 4 8 7 3 1 7 6 9
Arribo
T.Serv 3 4 5 4 6 5 6 4 6 7 4 5 4 7 5
ic
Client 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3
e 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0
Int. 7 4 8 3 6 7 5 3 4 3 7 8 6 5 4
Arribo
T.Serv 4 6 6 5 4 5 7 4 5 4 5 6 5 6 5
ic
II. Para cada ejercicio Resuelva el problema en WINQSB, y compare los resultados
obtenidos tericamente con los obtenidos en WINQSB.
Ejercicio 1.- .A una lnea de espera llegan 20 unidades por hora y el tiempo promedio de
servicio es de 30 unidades por hora, realizar un anlisis de esta lnea de espera.
Datos
l = 20 unidades por hora
m = 30 unidades por hora
Con los datos anteriores podemos calcular la probabilidad de que el sistema est
ocupado:
Pw = 20 / 30 = 2 /3
r = Pw
Entonces la probabilidad de que el sistema no est ocupado:
Po = 1 - r = 1 / 3
El numero esperado de unidades en el sistema quedar definido por:
= 2 Unidades
El numero esperado de unidades que esperan ser atendidas quedar definido por:
de hora
W = 6 minutos
De manera similar, el tiempo promedio que una unidad espera para ser atendida estar
definido por:
de hora
4
Investigacin de Operaciones II 5
Wq = 4 minutos
SisInvestigaciontemas
MODELO M / M / S
Este modelo supone llegadas y tiempos de servicio aleatorios para canales de servicio
mltiples, teniendo las mismas consideraciones que le modelo de canal nico de servicio
(M / M / 1), excepto que ahora existe una sola fila de entrada que alimenta los canales
mltiples de servicio con iguales tasas de servicio.
El clculo de las caractersticas de la lnea de espera para el modelo M / M / S es lago
mas complicado que los clculos para el caso de canal nico, y dado que
primordialmente nos interesa las implicaciones de estas caractersticas mas que las
formulas necesarias para calcularlos, nos apoyaremos en le uso de tablas elaboradas a
partir de estas formulas para hacer los clculos.
Caractersticas de operacin.
P(Sistema ocupado) =
P(Sistema ocupado) =
Con las ecuaciones anteriores podemos calcular los dems datos que requiera el
sistema. En el modelo M / M / S, al igual que el modelo M / M / 1, se tiene que L = Lq + r,
pero aqu utilizaremos el valor P(sistema ocupado) para calcular Lq:
Lq = P(sistema ocupado) x
Lq = P(sistema ocupado) x
Ejercicio.
Para ejemplificar el modelo M / M / S, suponga que existen cinco canales de servicio con
tasas promedio de servicio m = 6 y una tasa de llegada de l = 24 unidades por hora,
esto implica que S = 5.
Datos
m=6
l = 24
S=5
Nota: Para encontrar los valores de Po con una mayor rapidez nos podemos auxiliar de la
tabla que se anexa a este sistema, la cual nos proporciona este valor teniendo como
parmetros los valores de S y de r .
Considerando los valores obtenidos podemos calcular el valor de Po = 0.0130, la
probabilidad de que el sistema este ocupado ser P(sistema ocupado) = 0.5547,
utilizando este valor obtenemos que:
Unidades
6
Investigacin de Operaciones II 7
SisInvestigaciontemas
MODELO M / G / 1
Descripcin.
Sistema de lneas de espera con llegadas aleatorias, distribucin general de los tiempos
de servicio (para el cual se supone conocida la desviacin estndar), un canal de servicio
y una lnea de espera.
En este modelo las llegadas se distribuyen de acuerdo con la distribucin de Poisson, al
igual a los casos anteriores, pero los tiempos de servicio no necesariamente se
distribuyen de acuerdo con la distribucin exponencial negativa. Si consideramos el caso
en que solo existe un solo canal, estamos considerando el caso M / G / 1, es decir,
llegadas de tipo Markov, tiempo de servicio general y un canal de servicio.
La razn por la que podemos considerar el caso M / G / 1 es que las formulas que se
utilizan para calcular sus caractersticas de operacin son bastantes simples. Al igual
que en el caso M / M / S, no es posible calcular en forma directa el numero esperado de
unidades en el sistema (L). Para esto primero debe de calcularse el numero de unidades
que estn esperando a ser atendidas (Lq), y utilizar este resultado para calcular el valor
de L. Para calcular el valor de Lq debemos de conocer le valor de la desviacin (s )
estndar de la distribucin que distingue los tiempos de servicio. Si no se conoce la
distribucin de los tiempos de servicio no es posible determinar las caractersticas de
operacin.
MODELO M / D / 1
Descripcin.
7
Investigacin de Operaciones II 8
Sistema de lneas de espera con llegadas aleatorias, tiempo de servicio constante, una
SisInvestigaciontemas
lnea de servicio y una lnea de espera.
En este modelo los tiempos de servicio son determinsticos, este es un caso especial de
la situacin M / G / 1 que se analiz con anterioridad, en donde la desviacin estndar es
igual a cero. En este caso se puede conocer el numero de unidades que estn esperando
a ser atendidas (Lq), a travs de la siguiente ecuacin:
Todas las dems caractersticas de operacin pueden determinarse a partir de este valor.
Si utilizamos Lq podemos determinar el valor de L, por medio de la siguiente ecuacin:
EJERCICIOS
Problema A.
Debido a un reciente incremento en el negocio una secretaria de una cierta empresa
tiene que mecanografiar 20 cartas por da en promedio (asuma una distribucin de
Poisson). A ella le toma aproximadamente 20 minutos mecanografiar cada carta (asuma
una distribucin exponencial). Suponiendo que la secretaria trabaja ocho horas diarias.
Datos
l = 20 / 8 = 2.5 cartas/hora
m = (1 / 20 min)(60 min/ 1 hora) = 3 cartas/hora
horas
Ahora el numero promedio de cartas que estarn en la lnea de espera:
8
Investigacin de Operaciones II 9
SisInvestigaciontemas
K
0 0.834
1 0.694
2 0.578
3 0.482
4 0.401
5 0.334
6 0.279
Problema B.
El nmero total de perros que estn siendo vacunados y que esperan a ser vacunados
Problema C.
Las llamadas llegan al conmutador de una oficina a una tasa de dos por minuto, l
tiempo promedio para manejar cada una de ests es de 20 segundos. Actualmente solo
hay un operador del conmutador. Las distribuciones de Poisson y exponencial parecen
ser relevantes en esta situacin.
Datos
l = 2 llamadas/minutos
m = (1 / 20 seg)(60 seg) = 3 llamadas/minuto
La probabilidad de que el operador este ocupado se definir:
9
Investigacin de Operaciones II 10
SisInvestigaciontemas
El tiempo promedio que debe de esperar una llamada antes de ser tomada por l
operador
Problema D.
personas
minutos
La proporcin de tiempo que el servidor est ocupado
Problema E.
Las mquinas que estn esperando a ser reparadas el cualquier momento dado
10
Investigacin de Operaciones II 11
La probabilidad de que haya una mquina en el sistema, dos, tres o ms mquinas en el
SisInvestigaciontemas
sistema.
0 0.375
1 0.140
2 0.052
3 0.019
4 0.007
5 0.002
Problema F.
El Barrys Car Wash est abierto seis das a la semana, pero el da del negocio mas
pesado es siempre el sbado. A partir de datos histricos, Barrys estima que los coches
sucios llegan a una tasa de 20 por hora, todo el da sbado. Con una brigada completa
trabajando la lnea de lavado a mano, l calcula que los automviles se pueden lavar a
una tasa de uno cada dos minutos. Este ejemplo se tiene una lnea de espera de canal
sencillo, los automviles se lavan de uno en uno. Suponga llegadas de Poisson y tiempos
exponenciales de servicio.
Datos
l = 20 automvil /hora
m = (1 / 2 min)(60 min) = 30 automvil / hora
El numero promedio de automviles en la lnea se definir de la siguiente manera:
APLICACIN 1.- En un sistema de consultas on-line que atiende a una determinada regin
geogrfica, llegan en promedio 15 consultas por hora, siguiendo este nmero de llegadas un proceso de
Poisson.
11
Investigacin de Operaciones II 12
El tiempo que tarda el ordenador en responder a una consulta, flucta aleatoriamente siguiendo una distribucin
SisInvestigaciontemas
exponencial de media 3 minutos.
Pinchando en la ventana de cuadros de la izquierda nos pregunta el tipo de modelo que se va a estudiar. Una
vez introducidos los datos pincha en Solve and analyze, y elige solve the performance para ver los resultados.
a) Qu porcentaje de tiempo estar el ordenador sin utilizar?
b) Cunto debern esperar, en promedio, las consultas antes de ser atendidas?
c) Cul ser, en promedio, el nmero de consultas que estarn en la cola esperando a ser atendidas?
d) Con el fin de reducir los tiempos de espera, se decide comprar un segundo ordenador. Se plantean dos
formas de utilizar el nuevo equipo:
i) Situarlo en la oficina central junto al anterior, de forma que si llega una consulta y un equipo est
ocupado, se dirige inmediatamente al otro, esperando en cola slo si los dos estn ocupados.
ii) Situar el ordenador en una delegacin y dividir la poblacin de clientes en dos grupos de igual tamao
de forma que cada uno sea atendido independientemente por uno de los dos ordenadores.
Cul de las dos alternativas conduce a tiempos medios de espera menores?. Pinchando en la opcin del
men Windows, se puede volver a la pantalla de introduccin de datos.
e) Si las capacidades de las colas son de 5 consultas, calcular la probabilidad de que se pierda un cliente para
los dos diseos del sistema. Pinchando en results y probability summary, se pueden obtener las
probabilidades.
f) Para estudiar cmo varan los distintos parmetros de rendimiento del sistema al variar alguno de los
parmetros de entrada, se puede realizar un anlisis de sensibilidad. Para ello pincha en Solve and analyze, y
elige Perform sensitivity anlisis desde la pantalla inicial de introduccin de datos. Volviendo al sistema
original, M/M/1 con capacidad infinita, estudia cmo vara el nmero medio de clientes en el sistema al
variar la tasa de llegada entre 15 y 20 clientes por hora, con un paso de 0.5 c/h. Tambin puedes ver los
resultados grficamente pinchando en results y eligiendo graphs por qu el sistema es inestable cuando la
tasa de llegada es 20?
NOTA: Cuando no es exponencial el tiempo de servicio o el tiempo entre llegadas, tenemos que elegir la opcin
General Queueing Systems en la pantalla inicial. En la lnea correspondiente a service time distribution y/o
interarrival time distribution, pulsaremos dos veces el ratn para poder elegir distribuciones que no sean
exponencial. Al no existir solucin analtica en muchos casos, los resultados se pueden obtener mediante
aproximaciones numricas (Approximation by G/G/s), o mediante simulacin. Las distribuciones ms habituales
son:
1. Exp/a/b: Exponencial de media b, tomando valores para x>a. Normalmente, a=0.
2. Gamma/a/b/c: Gamma con parmetro de escala b, parmetro de forma c, cb= media tomando valores
para x>a. Normalmente, a=0.
3. Normal//: Normal con =media y =desviacin tpica.
4. Constante: No hace falta poner Constante, solo el valor de la constante.
APLICACIN 2.- Una gran aseguradora tiene un sistema de cmputo centralizado que tiene una
diversidad de informacin sobre cuentas de clientes. Los agentes de seguros, en un rea que incluye seis
distritos, utilizan lneas telefnicas para tener acceso a la base de datos sobre la informacin de clientes.
Actualmente, el sistema de computacin central de la empresa da acceso simultneamente a 3 usuarios a la
computadora central. A los agentes que intentan utilizar el sistema cuando est ocupado se les niega el acceso;
no hay periodo de espera. La administracin se da cuenta de que al aumentar el volumen de negocios, habr ms
solicitudes al sistema de informacin central. Que se les niegue acceso al sistema es tanto ineficiente como
molesto para los agentes. Las solicitudes de acceso siguen una distribucin de probabilidad Poisson, con una
media de 42 llamadas por hora. La tasa media de servicio por lnea es de 20 llamadas por hora.
12
Investigacin de Operaciones II 13
SisInvestigaciontemas
R E FE RENCIAS BI BLIOGR FI C AS
WINSTON, Wayne L. Investigacin de Operaciones Aplicaciones y Algoritmos. Mxico: Grupo Editorial
Thomson, 2005.
MATHUR, Solow. Investigacin de Operaciones, el Arte de la Toma de Decisiones. Mexico: Prentice Hall
Hispanoamericana, 1992.
TAHA, Handy A: Investigacin de Operaciones. Mxico: Ediciones Prentice Hall
Hispanoamericana, 1998
HILLIER, F.S. & LIEBERMAN, G.J. Introduccin a la Investigacin de Operaciones. San
Francisco: Holden Day, 1997.
13