Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERA
Ciclo: 01 -2016
INTEGRANTES DE GRUPO:
Apellidos, Nombres Grupo
Alas Cabrera, Kevin Emilio 2-1
Cabrera Molares, Eduardo Rafael 2-1
Ochoa Mndez, Teresa Cristina 2-1
Romero de Len, Luis Alfredo 2-1
5
ndice
Introduccin......................................................................................................................................4
Objetivos...........................................................................................................................................5
Objetivo General..........................................................................................................................5
Objetivo Especifico......................................................................................................................5
Modelo de cola.................................................................................................................................6
Modelo de Colas de Poisson Generalizado.............................................................................7
Ejemplo 1.1...............................................................................................................................9
Ejemplo 1.2.............................................................................................................................11
Ejemplo 1.3.............................................................................................................................11
Colas especializadas de Poisson............................................................................................12
Notacin usada en la teora de colas.....................................................................................13
Medidas de Rendimiento de Estado Estable.........................................................................15
Ejercicio 2.1............................................................................................................................16
Ejercicio 2.2............................................................................................................................18
Modelo de un Solo Servidor.....................................................................................................18
(M/M/1): (GD//).....................................................................................................................19
Ejercicio 3.1............................................................................................................................22
Ejercicio 3.2............................................................................................................................23
(M/M/1): (GD/N/).....................................................................................................................25
Ejercicio 4.1............................................................................................................................25
Ejercicio 4.2............................................................................................................................26
Ejercicio 4.3............................................................................................................................26
(M/M/1): (DG/ / )...................................................................................................................27
Ejemplo 5.1.............................................................................................................................28
Ejemplo 5.2.............................................................................................................................29
Ejemplo 5.3.............................................................................................................................30
(M/M/1): (DG/N/).....................................................................................................................31
Modelo de Servidores Mltiples..............................................................................................33
(M/M/C): (DG/ / )..................................................................................................................35
5
Ejemplo 6.1.............................................................................................................................36
Ejemplo 6.2.............................................................................................................................37
Ejemplo 6.3.............................................................................................................................38
(M/M/C): (DG/N/).....................................................................................................................39
Ejemplo 7.1.............................................................................................................................41
Ejemplo 7.2.............................................................................................................................42
Ejemplo 7.3.............................................................................................................................44
Modelo (M/M/): (GD//).......................................................................................................47
Ejemplo 8.1.............................................................................................................................49
Ejemplo 8.2.............................................................................................................................50
Modelo de Servicio de Mquinas.................................................................................................51
Ejercicio 9.1............................................................................................................................52
Ejercicio 9.2............................................................................................................................53
Formula de Pollaczek-Khintchine (P-K)..................................................................................54
Ejercicio 10.1..........................................................................................................................55
Ejercicio 10.2..........................................................................................................................56
Fuentes de informacin................................................................................................................58
Bibliografa..................................................................................................................................58
Pginas Web..............................................................................................................................58
5
Introduccin
Una cola se caracteriza por el nmero mximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; el proceso bsico de colas est
referido como cliente que requiere de servicio se generan en el tiempo por medio
de una fuente de entrada. Estos clientes entran al sistema y se unen a una cola.
En diversos momentos, se selecciona a uno de los clientes formados para darle
servicios mediante un modelo de cola.
Los modelos de colas en los que las llegadas y salidas no siguen la distribucin de
Poisson son complejos. En general, es aconsejable utilizar la simulacin como una
herramienta alternativa para analizar estas situaciones entre esta conocern La
frmula estados Pollaczek - Khinchine una relacin entre la longitud de la cola y la
distribucin del tiempo de servicio. El trmino tambin se utiliza para referirse a las
relaciones entre la longitud media de cola y la media de espera con respecto al
tiempo del servicio.
5
MODELO DE COLA
Una cola se caracteriza por el nmero mximo admisible de clientes que puede
contener; estas pueden ser infinitas o finitas; la suposicin de una cola infinita es
la estndar para la mayor parte de modelos de colas, incluso para casos en donde
se hace referencia a un nmero predeterminado de clientes es relativamente
grande; para los sistemas de cola en donde este nmero predeterminado de
clientes es pequeo y logra alcanzar con frecuencia entonces decimos que es
necesario suponer una cola finita.
El proceso bsico de colas est referido como cliente que requiere de servicio se
generan en el tiempo por medio de una fuente de entrada. Estos clientes entran
al sistema y se unen a una cola. En diversos momentos, se selecciona a uno de
los clientes formados para darle servicios mediante la disciplina de cola.
cliente cliente
servidos
5
Modelo de Colas de Poisson Generalizado
La caracterstica de operaciones en modelos de colas es determinada en gran
parte por propiedades estadsticas en este caso la distribucin de Poisson nos
ayuda con los tiempos entre llegada y los tiempos de servicios para los sistemas
reales de colas, estas distribuciones pueden tomar cualquier forma sin embargo
para la exposicin de un modelo de teora de colas se requiere de predicciones
reales
5
Se definir lo siguiente:
El modelo general asume que tanto las tasas de entrada como de salida dependen
del estado; lo que significa que dependen de la cantidad de clientes en la
instalacin de servicio.
5
n
t
P {U > t }=e i=1
4. Relacin de Poisson
P { x(t )}=et
5. Si tenemos todos los valores positivos
t
P { x(t) }=1e
Ejemplo 1.1
B&K Groceries opera con tres cajas. El gerente usa el siguiente programa para
determinar la cantidad de cajeras en operacin, en funcin de la cantidad de
clientes en la tienda:
Los clientes llegan a las cajas siguiendo una distribucin de Poisson, con una
frecuencia media de 10 por hora. El tiempo promedio de atencin a un cliente es
exponencial, con 12 minutos de promedio. Calcular la probabilidad p de estado
estable de que haya n clientes en las cajas.
{
60
=5 clientes por hora n=1,2,3
n 12
2 x 5=101clientes por hora n=4,5,6
3 x 5=15 clientes por hota ,n=7,8
Entonces:
1
P1=
10
5 { }
P0=2 P0
2
P 2=
10
5{ }
P0 =4 P0
3
P 3= { }
10
5
P0 =8 P0
3 1
P4 = { }{ }
10
5
10
10
P0=8 P0
5
3 2
P5= { }{ }
10
5
10
10
P 0=8 P0
3 3
P6= { }{ }
10
5
10
10
P 0=8 P0
3 3 n6 n6
Pn= { }{ }{ }
10
5
10
10
10
15
P0=8 {}
2
3
P
0
Po+Po(2+4+6+8+8+8+8(2/3)+ 8(2/3)2+8(2/3)3+)=1
1
1x , lxl<1
i=0
Para obtener
( ( )
1
Po= 31+8 =1
2
1
3
Ejemplo 1.2
Continuando con el problema anterior diremos que, la probabilidad de que solo
haya una caja abierta se calcula como la que haya entre 1 y 3 clientes en el
sistema, esto es
P1+P2+P3=(2+4+8)(1/55)=0.225
5
Se puede usar Pn para determinar medidas de funcionamiento, o de eficiencia,
para el caso de B&K. Por ejemplo.
3Po+2(P1+P2+P3)+1(P4+P5+P6)+0(P7+P8+)= 1 Caja.
Ejemplo 1.3
1) Martys Barber Shop tiene una peluquera. Los clientes llegan a la tasa de
2.2 clientes por hora, y los cortes de pelo se dan a la tasa promedio de
cinco por hora. Use el modelo de llegadas de Poisson y tiempos de servicio
exponenciales para responder las siguientes preguntas:
a) Cul es la probabilidad de que no haya unidades en el sistema?
b) Cul es la probabilidad de que un cliente est recibiendo un corte de
pelo y nadie est esperando?
c) Cul es la probabilidad de que un cliente est recibiendo un corte de
pelo y un cliente est esperando?
=2.2 clientes por horas=0.037 clientes por minuto
=5 cortes por hora=0.083 cortes por minuto
2.2
a P0=1 =0.56
5
0
a P 1={ }
2.2
5
1
0.56=0.56
a P 2={ }
2.2
5
0.56=0.2464
5
Fig.1 Representacin esquemtica de un sistema de colas con c servidores
paralelos.
Tenemos que:
a= Distribucin de llegadas
d= disciplina en la cola
5
M = Distribucin de Markov (o de Poisson) de las llegadas o de las salidas
(o lo que es igual, distribucin exponencial del tiempo entre llegadas o
tiempo de servicio)
Nomenclatura
5
Pn(t): Probabilidad que haya n clientes en el sistema en el instante t=Pr{N(t)=n}
5
Medidas de Rendimiento de Estado Estable
El objetivo que se persigue al analizar situaciones de espera consiste en generar
medidas de desempeo para evaluar los sistemas reales. Se debe decidir con
anticipacin, debido a que un sistema de espera opera como funcin del tiempo, si
interesa analizar el sistema en condiciones transitorias o de estado estable
Entonces:
Para Ls
l s= n P n=l q +
n=1
Para Lq:
Lq= (nc) Pn
c+ 1
Para Ws:
1
W s =W q +
Para c :
c=Ls Lq c=
5
Ejercicio 2.1
El estacionamiento para visitantes en el colegio Ozark se limita a solo 5 espacios.
Los autos que utilizan estos espacios llegan de acuerdo con una distribucin de
Poisson a razn de 6 por hora.
Solucin:
n= 6 autos/hora, n=0,1,2,8
n=
{
n ( 6030 )=2 n autos
60
hora
, n=1,2,3,4,5
5 ( ) , n=6,7,8
30
Luego
5
{
n
3
Po , n=1,2,3,4,5
Pn= n ! n
3
Po , n=6,7,8
5 ! 5n5
Po+P1++P8=1
O bien
2 3 4 5 6 7 8
3 3 3 3 3 3 3 3
P0 + P 0 ( + + + + + + + ) =1
1 ! 2! 3 ! 4 ! 5 ! 5 ! 5 5 ! 5 5 ! 53
2
n 1 2 3 4 5 6 7 8
Pn 0.14436 0.21654 0.21654 0.16240 0.09744 0.05847 0.03508 0.02105
=efect. + perdida
Entonces
5
c) Ls=0P0+1P1++8P8=3.1286 autos
1
Wq=Ws-
Ls 3.1286
Si Ws= = =0.53265 horas
efect . 5.8737
efect
c=LsLq=
2
Ejercicio 2.2
Suponga una estacin de gasolina a la cual llegan en promedio 45 clientes por
hora se tiene capacidad para atender en promedio a 60 clientes por hora se sabe
que los clientes esperan en promedio 3 minutos en la cola La tasa media de
llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto La tasa
media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto
W q =3 min
1 1
W s =W q + =3+ =4 min
1
Ls =W s =0 .754=3 clientes
Lq =W q =0 .753=2 .25 clientes
5
= tasa media de llegadas para los clientes que entran al sistema de colas, o
nmero esperado de llegadas por unidad de tiempo.
Entonces podemos decir que 1/ es el tiempo esperado entre llegadas (el tiempo
promedio entre la llegada de clientes consecutivos) y 1/ es el tiempo esperado de
servicio para cada cliente.
(M/M/1): (GD//)
Caractersticas:
Posee 1 servidor.
Los clientes son servidos con la poltica PEPS y cada arribo espera a ser
servido sin importar la longitud de la lnea o cola.
5
Los arribos son independientes de arribos anteriores, pero el promedio de
arribos no cambia con el tiempo.
tasa de llegadas.
tasa de servicio.
s numero de servidores.
Se calcula:
5
1/ = tiempo promedio entre llegadas
Adems, W = Wq + 1/.
Deduccin de formulas
pn= n po , n= 0,1,2
n
pn=(1) , n=1,2, (<1)
Para Ls
Ls= n p n= n (1) n
n =0 n=0
d
(1) n
d n=0
d 1
( 1 ) ( )
d 1
5
1
Ls=( )
1
Ls 1 1
W S= = =
(1)
1
W q =w s =
(1)
2
Lq= W Q=
1
C=LS Lq=
Ls= eff w s
Leff
Ls=Lq +
eff
C=LS Lq=
Por lo tanto podemos decir que la diferencia entre el numero promedio de clientes
en el sistema y el numero promedio de clientes en la cola es igual al nmero
promedio de servidores ocupados.
Ejercicio 3.1
El servicio de lavado de autos Mr. Clean est abierto seis das a la semana, pero
el da de trabajo ms pesado es siempre el sbado. A partir de datos histricos, el
gerente estima que los coches sucios llegan a una tasa de 22 por hora, durante
todo el sbado. Con una brigada completa trabajando la lnea de lavado a mano,
5
l calcula que los automviles se pueden lavar a una tasa de uno cada dos
minutos. Se cuenta con una lnea de espera con un solo canal, es decir, los
automviles se lavan de uno en uno cuando les toca su turno. Supn las llegadas
con distribucin de Poisson y tiempos exponenciales de servicio.
Solucin:
Ejercicio 3.2
5
c) Si al final del semestre John decide subcontratar los trabajos pendientes a
$40 cada uno, Cunto debe esperar pagar en promedio?
Datos:
1 trabajo 1 trabajos
= =
5 dias 4 dias
Solucin
a) PO=1
1 10.8=0.2
1
b) ( 30 dias )( $ 50 )= ( 30 dias )( $ 50 ) =$ 375
4
2 0.8 2
c) Lq = = =3.2
1 10.8
$40(3.2)=$128
5
(M/M/1): (GD/N/)
Este modelo difiere de (M/M/1) : (GD//) en que hay un lmite N en el nmero del
sistema (longitud mxima de la cola= N-1). Algunos ejemplos incluyen situaciones
de manufactura en las que una maquina puede tener un espacio intermedio
limitado y una ventanilla de servicio en su coche en un restaurante de comida
rpida. No se permiten nuevas llegadas cuando la cantidad de clientes en el
sistema llega a N.
Ejercicio 4.1
Los pacientes llegan a una Clnica segn una distribucin de Poisson a una tasa
de 30 pacientes por hora. La sala de espera tiene slo 14 asientos y no da ms
cabida, El tiempo de auscultacin por paciente es exponencial con tasa media de
20 pacientes por hora. Determine:
5
N+1) Ls= {1,5[ 1- (15+1)1,515 + 15 1,515+1] / (1- 1,5)(1- 1,515+1) =0,65172 de
hora, esto es que en promedio un paciente debe esperar 39 minutos en la clnica.
Ejercicio 4.2
En Forester Manufacturing se ha asignado a un tcnico el mantenimiento de 3
mquinas. Para cada mquina la distribucin de probabilidad de tiempo de
operacin antes de descomponerse es exponencial con media de 9 horas. El
tiempo de reparacin tambin tiene distribucin exponencial con media de 2 horas.
Datos:
1
= (3)=1/3
9
=1/2
Solucin
1/ 3
b) = = =2/3
1/ 2
Ejercicio 4.3
Janeth tiene un auto lavado y desea saber cuntos espacios asignar a los autos
que esperan. Janet espera que los clientes lleguen en forma aleatoria (proceso
poisson) con una tasa media de 1 cada 4 minutos, al menos que el rea de espera
est llena, en cuyo caso los autos se irn a otra parte. El tiempo de lavado de un
carro tiene funcin exponencial con media de 3 minutos. Compara la fraccin de
clientes potenciales que se pierden por falta de espacio de espera si se
proporcionan. A)0, b)2, c) 4 espacios adems del lugar de lavado)
5
1
= min
4
1
=3
=1/3 min
1/ 4
= =3/4
1 /3
a) Para 0 espacios
1 n
P1= N+ 1
1
3 3
(1 )( )
4 4
P1= =0.429
13/4 2
b) Para 2 espacios
3 3
(1 )3/ 4
4
P3= =0.154
13 /4 4
c) Para 4 espacios
3
(1 )3/ 45
4
P5= =0.72
13/4 6
(M/M/1): (DG/ / )
Este es un modelo de servidor nico sin lmites en la capacidad del sistema o de la
fuente de llamadas, con llegadas y salidas de Poisson con tasa medias y .
Pn = (1- ) * r n , n = 0,1,2,
5
El requisito matemtico de que r > 1 necesario para garantizar la convergencia de
la serie geomtrica (1 + + 2 + ) , conduce a un elemento intuitivo. O sea >
1 significa que < lo que establece que la tasa de llegadas debe ser
estrictamente menor que la tasa de servicio en la instalacin, para que el sistema
alcance estabilidad.
Ls = E{ n} = () / (1- ) Ws = Ls / = 1 / [ ( 1- ) ]
Lq = Ls - l / m = 2 /(1- ) Wq = Lq / l = r / [m ( 1- ) ]
Ejemplo 5.1
A un cajero automtico slo llega un promedio de 10 vehculos por hora.
3.- En promedio, cuntos clientes por hora sern atendidos por el cajero
automtico?
(para n = 0, 1, 2, )
5
Si = / , la ecuacin de Pn en el modelo generalizado de colas con un servidor
se reduce a: Pn = n P0
P0 (1 + + 2 + ) = 1
Suponiendo que < 1, la serie geomtrica tiene la suma finita (1/(1- )), y
entonces P0 = 1- , siendo que < 1.
Pn = (1 ) n, n = 1, 2, ( <1)
Ejemplo 5.2
Datos:
5
2
clientes
5
=
minuto
N=10
1
=1.5 min
=0.6667
Solucin:
a) p0=1
1 /
2
5
1 =0.4
10.6667
2
b) Lq =
1
2
0.6
=0.9 automovil
10.6
c) W q=
( 1)
5
0.6
=2.24 min
0.6667 (1.0 .6 )
d) P( Lq >10 = n+1
P( Lq >10 =0.610+1=0.0036
Ejemplo 5.3
Los clientes llegan en automvil a una ventanilla bancaria de acuerdo con una
distribucin de poisson, con una media de 10 por hora. El tiempo de servicio de
cada cliente es exponencial, con una media de 5 minutos. Hay 3 espacios frente a
la ventanilla, incluyendo el del automvil que es atendido. Si llegan ms vehculos,
deben esperar fuera de este espacio para 3 vehculos, que es atendido.
c) cunto tiempo debe esperar un cliente que llegue para que comiencen a
atenderlo?
Datos
10 1
= =
hora 6
1
=5 min , =1/5
Solucin
5
3
1 /6
a) P ( L=n )= n =0.5787
1 /5
5 3 +1
b) P ( Lq >3 )= ( n+1 ) = =0.4822
6
5/6
c) W q= = =25 min
( 1) 1/5(15/6)
(M/M/1): (DG/N/)
La diferencia de este modelo y el anterior radica en que el nmero mximo de
clientes (para este modelo) permitidos en el sistema es N (longitud mxima de la
lnea de espera es = N-1). Esto significa cuando haya N clientes en el sistema, se
impiden todas las nuevas llegadas o no se les permite unirse a la lnea de espera.
(1- ) / ( 1- N+1) ; 1
Po = 1 / N+1 ; = 1
[ (1- ) / ( 1- N+1) ] n ; 1
pn = n = 0,1,2, ...
1 / (N+1) ; = 1
Para este modelo no se hace necesario que r > 1 pues el nmero de unidades en
el sistema est controlado por la longitud de la lnea de espera (= N-1).
5
{ [ 1-( N+1)* N + N N+1] } / [ ( 1- ) ( 1- N+1) ] ; 1
Ls = N / 2 ; = 1
Las medidas Lq, Ws y Wq se pueden calcular a partir de Ls, una vez que se
determina la tasa efectiva de llegadas ef de la forma siguiente:
e, f = l ( 1-pn)
Wq = Lq / e, f = Ls / [ ( 1-pN ) ]
Ws = Wq +1/ = Ls / [ ( 1-pN ) ]
5
Modelo de Servidores Mltiples
Dentro de los modelos de teora de colas que incorporan servidores mltiples, se
pueden identificar las siguientes variantes:
5
Como hay varios servidores disponibles para efectuar este procedimiento,
se puede procesar a ms de un paciente a la vez.
Modelo varias
Cola Servidor Salida
Llegada lneas; Mltiples
servidores
Cola Servidor Salida
Cola Servidor
Salida
Llegada
Modelo de una
Cola lnea; Servicios
secuenciales
Servidor
Cola
Servidor Salida
5
(M/M/C): (DG/ / )
En este modelo los clientes llegan con una tasa constante y un mximo de c
unidades puede ser atendidos simultneamente. La tasa de servicio por servidor
activo es tambin constante e igual a m y e, f = .
n=n0
n , n c
n = c , n c
( n/ n!) p0 0 n c
Pn = ( n/ c n-cc!) p0 n > c
C1
pn pc 1
P0=(
n=0
+
n! c !
( )
1
p
c
-1
Lq = [ c+1/ (c-1)(c- ) ] p0 = [ c / ( c- ) 2] pc
Ls = Lq +
Wq = Lq/
Ws = Wq + 1/
Las operaciones asociadas con este modelo pueden ser tediosas. Morse da dos
aproximaciones tiles para p0 y Lq. Para mucho menor que 1
5
P0= 1- y Lq= c+1 /c2
Ejemplo 6.1
Hay dos empresas de taxis que dan servicio a una poblacin. Cada empresa es
duea de dos taxis, y se sabe que las dos empresas comparten partes iguales del
mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de cada
empresa. El tiempo promedio en el viaje es de 12 minutos. Las llamadas llegan
siguiendo una distribucin de Poisson, y el tiempo de viaje es exponencial. Hace
poco, un inversionista compro las dos empresas, y le interesa consolidarlas en una
sola oficina para dar mejor servicio a los clientes. Analice la propuesta del nuevo
dueo.
Solucin.
Desde el punto de vista de las colas, los taxis son los servidores y el viaje es el
servicio. Se puede representar a cada empresa como un modelo (M/M/2):
(GD//) con un =8 llamadas por hora y =60/12=5 viajes por taxi por hora. Al
consolidarlas se tendr el modelo (M/M/4): (GD//) con =2x8=16 llamadas por
hora y =5 viajes por taxi por hora.
Una medida adecuada para comparar los modelos es el tiempo promedio que
espera un cliente para un viaje, esto es, Wq
Utilizando los datos para 2 y 4 servidores con las frmulas de tiempo de espera se
obtiene que:
5
El tiempo de espera para un viaje es 0.356 horas (21 minutos) para el caso de dos
empresas
Ejemplo 6.2
La tienda Mom-and-Pops tiene un estacionamiento pequeo adyacente con tres
espacios reservados para los clientes. Si la tienda est abierta los autos llegan y
usan un espacio con una tasa media de 2 por hora. Para n=0, 1, 2,3 la
Probabilidad Pn de que haya justo n espacios ocupados es P0= 0.2, P1=0.1,
P2=0.3, P3=0.2. a) Describa la interpretacin de este estacionamiento como
sistema de colas. En particular, identifique los clientes y los servidores. Cul es el
servicio proporcionado? Qu constituye el tiempo de servicio? B) Determine las
medidas de desempeo bsicas para este sistema de colas C) Use los resultados
para determinar el tiempo promedio que un auto permanece en el espacio.
Solucin.
L 1.5
W= = =0.75 horas
2
5
Ejemplo 6.3
Un sistema de colas tiene dos servidores, distribucin de tiempos entre llegadas
exponencial con media de 2 horas y distribucin de tiempos de servicio
exponencial con media de 2 horas para cada servidor. Lo que es ms, a las 12:00
del da acaba de llegar un cliente. A) Cul es la probabilidad de que la siguiente
llegada ocurra i) antes de la 1:00pm ii) entre la 1:00 y las 2:00pm, iii) despus de
las 2:00pm? Suponga que no llegan ms clientes antes de la 1:00pm, ahora,
Cul es la probabilidad de que la siguiente llegada tenga lugar entre la 1:00 y las
2:00pm? Cul es la probabilidad de que el nmero de llegadas entre la 1:00pm y
las 2:00pm, sea i) 0, ii)1, iii) 2 o ms? Si ambos servidores estn ocupados a la
1:00pm, Cul es la probabilidad de que ningn cliente haya completado su
servicio) antes de las 2:00pm, ii) antes de la 1:10pm, iii) antes de la 1:01pm?
Solucin.
{
1
1 , n> 0
Teniendo n = n = 2
2
1, n=2
a) Probabilidad
1
Siguiente llegada antes de 1:00pm P=1e 2 =0.393
1 x2 1
Siguiente llegada entre 1:00pm-2:00pm P=(1e )( 1e )=0.238
2 2
1 x2
Siguiente llegada despus de 2:00pm (
P= 1e 2 )=0.368
5
b) Probabilidad siguiente llegada entre 1:00-2:00pm pero no llegadas entre 12:00-
1:00pm:
1
(
P= 1e 2 )=0.393
c) Probabilidad de no llegada entre 1:00pm y 2:00pm:
( t )e t 1
P= =e 2 =0.607
0!
( t )e t 1 1
P= = e 2 =0303
1! 2
1
1 12 2
P=1e e =0.40.3=0.1
2
1
P=e =0368
1
1( )
6
P=e =0.846
1
1( )
60
P=e =0.983
(M/M/C): (DG/N/)
El modelo difiere de (M/M/C): (GD//) en el que el lmite del sistema es finito e
igual a N. Esto significa que el tamao de la cola es (N-c). Las tasas de llegadas y
5
servicio son y . La tasa de llegadas efectiva eff es menor que debido al
lmite de sistema N.
{
n = ,0< n< N
0,n> N
{
n= n ,0< n<c
c ,0<n< N
Sustituyendo n y n en la expresin general y dado que = se
obtiene:
{
n
P o ,0< n< c
n !
P n=
n
Po ,c <n< N
C nc C !
En donde se tiene:
N
q= ( nc)P n , 1
n=c c
L
c ( N c )( Nc+1)
q= Po , =1
2c! c
L
perdida = P n
5
Ejemplo 7.1
En el departamento de servicios del concesionario de automviles Glenn-Mark, los
mecnicos que requieren piezas para reparacin o servicio de vehculos presentan
sus formularios de solicitud en el mostrador del departamento de autopartes. El
funcionario de esa divisin hace la solicitud mientras el mecnico aguarda. Los
mecnicos llegan de manera aleatoria (Poisson) a una tasa de 40 por hora, y un
empleado puede hacer solicitudes a una tasa de 20 por hora (exponencial). Si el
costo de un empleado del departamento de autopartes es de US$6 la hora y el
costo de un mecnico es de US$12 la hora, determine el nmero ptimo de
empleados para atender el mostrador. (Debido a la alta rasa de llegadas, puede
presumirse una fuente infinita).
Solucin.
En primer lugar se van a utilizar tres empleados, porque el hecho de tener solo
uno o dos generara filas infinitamente largas (puesto que =40 Y =20 ).
Primero hay que obtener el numero promedio en la fila, dados los valores de
=2 y c=3 , se obtiene Lq=0.8888mecanicos .
Para un da de 8 horas a US$12 por hora, existe una prdida de tiempo por
mecnico que vale
5
El siguiente paso consiste en volver a determinar el tiempo de espera si se agrega
otro empleado al departamento de autopartes. Luego, se compara el costo
agregado del empleado adicional con el tiempo que ahorran los mecnicos. Una
vez ms, utilizando las formulas y agregando el empleado adicional es decir
c=4 , se obtiene:
Lq=0.1730mecanicos
US $ 6
8 horas x =US $ 48
hora
Ejemplo 7.2
American Vending Inc. (AVI) suministra dispensadores de alimentos a una
universidad de gran tamao. Como los estudiantes acostumbran patear las
maquinas furiosos y frustrados, la gerencia tiene que afrontar un problema
constante de reparaciones. En promedio se averan tres mquinas por hora, y las
averas se distribuyen de manera Poisson. El tiempo muerto le cuesta a la
compaa US$25/hora por mquina y a cada empleado de mantenimiento le
pagan US$4 por hora. Un empleado puede reparar las maquinas a una tasa
promedio de cinco por hora, distribuida exponencialmente; dos empleados que
trabajen juntos pueden reparar siete maquinas por hora, distribuida
exponencialmente; y un equipo de tres trabajadores puede reparar ocho por hora
distribuidas exponencialmente. Cul es el tamao ptimo del equipo de
mantenimiento para reparar las maquinas?
5
Solucin. Se debe resolver para cada uno de los casos en los que se determinara
el nmero de servidores a utilizar.
Caso I: Un trabajador
3 1
Ls = = =1 maquinas
53 2
El tiempo muerto es de
3
Ls = = =0.75 maquinas
73
5
Mano de obra (2 trabajadores x $US4)
3
Ls = = =0.60 maquinas
83
Ejemplo 7.3
Esttica Antonio es atendida y es propiedad de Antonio Jimnez, peluquero
durante ms de 20 aos. Antonio no hace citas, de modo que el patrn de llegada
de sus clientes es esencialmente aleatorio. Siempre ha sido ms o menos 1
cliente cada 50 minutos. Hace 2 meses el peridico local pblico un artculo sobre
Antonio, que hizo que su negocio mejorara bastante. En la actualidad la tasa de
llegada se acerca ms a un cliente cada 35 minutos. Para los cortes de pelo
necesita un promedio de 25 minutos, pero esos tiempos varan mucho,
dependiendo de las necesidades del cliente. Un recorte podra requerir tan solo 5
minutos, pero el champ con estilo podra llevar hasta una hora o ms. Por esta
razn, parece que la distribucin exponencial se adapta razonablemente bien para
representar la distribucin de los tiempos de servicio. Los clientes de Antonio
5
siempre han sido pacientes, pero desde que el negocio mejoro hay quienes se
quejan que la espera es demasiado larga. Antonio est considerando llevar al
negocio a Marcos, su primo, para mejorar el servicio a los clientes. Suponga que
Marcos corta el cabello con la misma velocidad que Antonio.
Solucin.
60
= =1,2llegadas por hora
50
60
= =2.4 cortes por hora
25
Por consiguiente, = =0.5
0.5
L= = =1
(1) 0.5
5
Lq= L=0.5
L 1
W = = =0.8333 hora
1.2
Lq 0.5
W q= = =0.4167 hora
1.2
Esto significa decir que antes los clientes esperaban (0.4167) (60)=25 minutos, en
promedio, para pasar a cortarse el cabello.
0.7143
L= =2.5
10.7143
Lq= L=(0.7143)(2.5)=1.7857
L 2.5
W= = =1.458 horas
1.7143
Lq 1.78
W q= = 1.0383 hora
1.7143
5
1.7143
= = =0.3571
(2)(2.4)
{ }
2
0.7143 1 1
P0= 1+0.7143+ + =2.111 =0.4737
2! 10,3572
Por consiguiente
22 0.35713
Lq = (0.4737)=0.0522
(10.3571)2 2 !
L=Lq + c=0.0522+0.7143=0.7665
Lq 0.0522
W q= = =0.0384 hora (1.82 minutos)
1.7143
1
W =W q + =0.0304 +0.4167=0.04471 hora(27 minutos)
5
Si el tiempo de servicio tiene igual distribucin con el nmero de servidores
n=n
n r
r e
Pn= , n>0 r =
n!
1
L= W =
n=n
Una cantidad infinita de servidores indica que siempre hay un servidor disponible,
independientemente de cuantos clientes se encuentren en el sistema. Aunque esto
podra parecer no realista, muchos problemas en la realidad se pueden modelar
en esta forma. Como no hay cola de clientes que esperen su servicio, no hay
tiempo de espera. Por consiguiente, las medidas de desempeo Lq y Wq son
ambas cero. Sin embargo, L, la cantidad de clientes en el sistema, no es cero. El
nmero de clientes en el sistema es igual al nmero de servidores ocupados. Por
lo tanto se busca lo siguiente:
1
tiene distribucin de Poisson con tasa , es decir:
k
e
P{n=k }= para k =0,1,2,
k!
5
Lo que significa que la media y la varianza de la cantidad de clientes en el
sistema, en estado estable, es en ambos casos.
Ejemplo 8.1
La planeacin de personal es una funcin importante para muchas empresas.
Veamos el departamento de una compaa con tamao deseado de personal igual
a 100 puestos. Supongamos que los empleados dejan sus puestos con una
frecuencia o tasa de 3.4 por mes, y que la empresa requiere 4 meses para llenar
las vacantes. El anlisis de datos del pasado indica que la cantidad de empleados
que salen de la empresa por mes tiene distribucin de Poisson. Cul es la
probabilidad de que haya ms de 15 puestos vacantes en cualquier momento?
Cuntos puestos del departamento estn ocupados en promedio? Cuntos
puestos debe tener la empresa para que las personas que trabajen en el
departamento sean 100 en promedio?
Solucin.
cantidad esperada de puestos vacantes es
5
Siendo entonces la tasa con la que dejan sus puestos los empleado, que es 3.4
por mes, y la rapidez con la que se llenan los puestos, que es por mes. Por
consiguiente, la media de la cantidad de puestos vacantes es
3.4
= =( 3.4 ) ( 4 )=13.6
1
4
Ejemplo 8.2
Los clientes llegan a un sistema de colas segn un proceso de Poisson con tasa
media de llegadas de 2 clientes/minuto. Los tiempos de servicio tienen una
distribucin exponencial con media de 1 minuto. Se tiene un nmero ilimitado de
servidores por lo que los clientes nunca esperan que comience su servicio.
Calcule las probabilidades de estado estable de que haya justo un cliente en el
sistema.
Solucin.
P1= P o=2 0
P2=2(1) P o
2n
Pn= P
n! o
Pn =e 2 P0=1
n=0
2
P0=e
2
P1=2 e =0.3
La fuente en este modelo es finita porque las maquinas que estn funcionando
pueden descomponerse y por consiguiente puede generar llamadas de servicio.
Una vez que todas las maquina se descompongan, no podr haber ms llamadas
de servicio. Dada de descomposturas por mquina, la tasa de descomposturas
de todo el taller es proporcional a la cantidad de mquinas que estn funcionando.
En funcin del modelo de colas, tener n maquinas en el sistema significa que n
mquinas estn descompuestas y que la tasa de descomposturas asociada de
todo el taller es:
n =( Kn ) ,0 n K
{
n = ( Kn)
0
n= n
R{
Luego
5
{
K N
C n p0
Pn= K n ! n
Cn ( n R
) p0
R!R
K
n ! n
Cnk n + C nK
R ! Rn R
n= R+1
R
n=0
P0=
K
Ls = n P n
n =0
efect =E { ( Kn) }= ( K Ls )
Ejercicio 9.1
5
P0=1=10.8333=16.7
2 0.83332
L= ( 1K
2K )( 1 ) ( )(
+ =
1+5
25 10.8333 )
+0.8333 =3
2 0.83332
Lq = ( 1+ K
2K )( ) ( )(
1
=
1+5
25 10.8333 )
=2.49
W q= ( 1+2 KK )(
)=( 1+5 0.8333
25 2.42 )
)( =1.249 horas=1 hora 14 min
1 1
W =W q + =1.249+ =1.66 horas=1 hora 39 min
2.4
Ejercicio 9.2
En una empresa la reparacin de un cierto tipo de maquinaria existente en el
mercado se realiza en 5 operaciones bsicas que se efectan de una manera
secuencial; si le tiempo que se lleva en realizar cada uno de los 5 pasos tiene una
5
distribucin exponencial con media de 5 minutos. Estas mquinas se
descomponen segn una distribucin Poisson con una razn media de 2
mquinas / hora y en la fbrica solo hay un mecnico que las repara. Calcular las
caractersticas de operacin de la empresa.
2
= = = 0.8333. Tiempo promedio que permanece ocupado el
2.4
sistema.
2 0.83332
L= ( )(
1+ k
2k 1
+ ) = ( )(
1+ 5
25 10.8333
+0.8333 ) =
0.83332
( )( 6
10 0.167
+ 0.8333 ) =3
2 2 2
Lq= ( 1+ K
2K )( )
1
; Lq = ( )(
1+ 5
25
0.8333
10.8333 ) = ( )( 6
10
0.833
0.166 ) = 2.49
La cantidad de mquinas promedio en cola es de 2.49
Wq= ( 1+2 KK )(
) ; Wq= ( 1+255 )( 2.42.0
0.8333
);W =
q ( 106 )( 0.8333
0.4 )
;Wq=
5
+1 +1
W= Wq = 1.249 W= 1.66h.= 1hor 39 min.
2.4
2 ( E2 ( t )+ var ( t ))
Ls= E (t ) +
2(1 E ( t ) )
E ( t )<1
p0=1E ( t ) =1
5
Ejercicio 10.1
En la instalacin de lavado de autos Automata los autos llegan segn una
distribucin de Poisson con una media de 4 autos por hora. Se tiene un nuevo
sistema de modo que el tiempo de servicio de todos los autos es constante e igual
a 10 minutos. Cmo afecta el nuevo sistema al funcionamiento de la instalacin?
Solucin
2
1
1
4(
6
2
+0) ()
Ls=4
6 ()
+
4
2(1 )
=1.333 autos
6
0.667
W q= =0.167 horas
4
Ejercicio 10.2
Los clientes de un coffee shop siguen un proceso Poisson con tasa media de 30
por hora. El tiempo necesario para que sirvan a un cliente tiene distribucin
exponencial con media de 75 segundos.
b) Suponga que sustituyen el coffee shop por una mquina expendedora que
requiere justo 75 segundos de operacin por cliente. Encuentre L s, Lq, Ws y
Wq
5
a. = 30
3600
= =48
75
1
=0.0208333
1
= =0.208333
S=1
Resolviendo:
30
0.625
2
Lq=
Lq=1.04166
Ls=0.625+1.04166=1.6667
Ws=0.034722+0.020833=0.05555
1.04166
W q= =0.034722 b.
30
5
0
0.625
2
(30)2
Lq=
Lq=0.5208
Ls=0.625+0.5208=1.1458
Ws=0.01736+ 0.020833=0.038193
0.5208
W q= =0.01736
30
5
Fuentes de informacin
Bibliografa
INVESTIGACIN DE OPERACIONES, 7 EDICIN TAHA HAMDY A.
Pginas Web
https://books.google.com.sv/books?
id=3oHztjMSuL8C&pg=PA593&lpg=PA593&dq=modelo+de+colas+de+poisson+ge
neralizado&source=bl&ots=nMDF9e5SFL&sig=zCbj4MhD8Nm_vLE05xyyWMLVEn
U&hl=es&sa=X&ved=0ahUKEwj3lqPx-
nKAhUGpB4KHdzAB1YQ6AEINjAH#v=onepage&q&f=true
http://www.buenastareas.com/materias/modelo-generalizado-de-colas-de-
poisson/0
http://fmarrerodelgado.galeon.com/colas.html
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/garduno_a_f/capitulo2.pdf