Академический Документы
Профессиональный Документы
Культура Документы
UNIVERSIDAD DE CÓRDOBA
UNIVERSIDAD DE CÓRDOBA
FACULTAD DE INGENIERÍAS
INGENIERÍA INDUSTRIAL
MONTERIA – CORDOBA
2018
TABLA DE CONTENIDO
2
1. INTRODUCCIÓN ................................................................................................................................ 3
2. OBJETIVOS ......................................................................................................................................... 4
2.1. Objetivo General ........................................................................................................................... 4
2.2. Objetivos Específicos.................................................................................................................... 4
3. MARCO TEÓRICO.............................................................................................................................. 5
3.1. RESEÑA HISTÓRICA ................................................................................................................. 5
3.2. DESCRIPCIÓN DE UN SISTEMA DE COLAS ......................................................................... 6
3.2.1. Características de los sistemas de colas ................................................................................ 7
3.2.2. Notación básica ................................................................................................................... 10
3.3. CLASIFICACIÓN DE KENDALL Y LEE ................................................................................ 11
3.4. TIPOS DE MODELO ................................................................................................................. 12
4. EJEMPLO APLICATIVO .................................................................................................................. 15
4.1. DESCRIPCION DEL CASO ...................................................................................................... 15
4.2. APLICACIÓN DE LAS ECUACIONES ................................................................................... 24
5. CONCLUSIONES .............................................................................................................................. 27
6. RECOMENDACIONES ..................................................................................................................... 27
7. BIBLIOGRAFÍA ................................................................................................................................ 28
3
1. INTRODUCCIÓN
La teoría de colas es una herramienta estadística muy poderosa para realizar análisis
modelar procesos en los cuales los clientes llegan, esperan su turno, reciben el servicio y luego se
marchan. Por ejemplo, las cajas de los supermercados. Los sistemas de colas se definen mediante
cinco componentes: la función de densidad de probabilidad del tiempo entre llegadas, la función
ordenamiento en la cola y el tamaño máximo de las colas (Lucio, 2000, pág. 20).
sus aplicaciones, con el fin de afianzar los conocimientos y poner estos en práctica como parte de
condiciones ideales para la implementación de todos los procedimientos necesarios. Por tal
Posteriormente, analizar el sistema y determinar la forma en que se organiza la cola del servicio
2. OBJETIVOS
Identificar las medidas de desempeño del sistema en estudio, mediante la herramienta estadística
análisis e interpretación.
y de este mismo modo, realizar sugerencias óptimas para la mejora de la prestación del
servicio.
5
3. MARCO TEÓRICO
“La teoría de colas es una disciplina, dentro de la Investigación de Operaciones que tiene por
objeto el estudio y análisis de situaciones en las que existen entes que demandan cierto servicio,
de tal forma que dicho servicio no puede ser satisfecho instantáneamente, por lo cual se provocan
Tal y como queda patente en la definición anterior, el ámbito de aplicación de la teoría de colas
es enorme: desde las esperas por ser atendidos en establecimientos comerciales, esperas para
Históricamente, los primeros trabajos que comenzaron a dar cuerpo a la teoría de colas (también
ingeniero danés A.K Erlang, quien en 1909 publicó La teoría de probabilidades y las conversiones
determinar el número óptimo de líneas telefónicas en una central, teniendo en cuenta la frecuencia
La aplicación de la teoría de colas a la telefonía continuó después de Erlang. En 1927, E.C Molina
1928, de Probabilidad y sus usos en Ingeniería, por T.C. Fry. A principios de los años 30, F,
6
arbitrarios. También por esa época, los matemáticos de la escuela rusa A.N. Kolmogrov y A.Y.
Khintchine, así como C.D Crommelin en Francia y C. Palm en Suecia, realizaron importantes
aportes a la teoría.
A pesar de que, a comienzos del estudio de la teoría los aportes fueron muy escasos, esta situación
cambió notablemente a partir de los años 50, comenzando a publicarse gran número de trabajos
las Telecomunicaciones y, en general, las nuevas tecnologías abren un mayor porvenir a esta teoría
matemática. [1]
Un sistema de colas se puede describir como sigue. Un conjunto de “clientes” llega a un sistema
buscando un servicio, esperan si este no es inmediato, y abandonan el sistema una vez han sido
atendidos. En algunos casos se puede admitir que los clientes abandonan el sistema si se cansan
de esperar. El término “cliente” se usa con un sentido general y no implica que sea un ser
humano, puede significar piezas esperando su turno para ser procesadas o una lista de trabajo
Recuperado de http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
7
Aunque la mayor parte de los sistemas se puedan representar como en la figura 1, debe quedar
claro que una representación detallada exige definir un número elevado de parámetros y
funciones.
Seis son las características básicas que se deben utilizar para describir adecuadamente un sistema
de colas:
C) Disciplina de cola.
cierta variable aleatoria, en este caso es necesario conocer la distribución probabilística entre dos
llegadas de cliente sucesivas. Además, habría que tener en cuenta si los clientes llegan
independiente o simultáneamente. En este segundo caso (es decir, si llegan lotes) habría que
definir la distribución probabilística de éstos. También es posible que los clientes sean
“impacientes”. Es decir, que lleguen a la cola y si es demasiado larga se vayan, o que tras esperar
mucho rato en la cola decidan abandonar. Por último, es posible que el patrón de llegada varíe
8
con el tiempo. Si se mantiene constante le llamamos estacionario, si por ejemplo varía con las
Los servidores pueden tener un tiempo de servicio variable, en cuyo caso hay que asociarle, para
definirlo, una función de probabilidad. También pueden atender en lotes o de modo individual.
El tiempo de servicio también puede variar con el número de clientes en la cola, trabajando más
rápido o más lento, y en este caso se llama patrones de servicio dependientes. Al igual que el
patrón de llegadas el patrón de servicio puede ser no estacionario, variando con el tiempo
transcurrido.
C) Disciplina de cola
La disciplina de cola es la manera en que los clientes se ordenan en el momento de ser servidos
de entre los de la cola. Cuando se piensa en colas se admite que la disciplina de cola normal es
FIFO (atender primero a quien llegó primero) Sin embargo en muchas colas es habitual el uso de
la disciplina LIFO (atender primero al último). También es posible encontrar reglas de secuencia
con prioridades, como por ejemplo secuenciar primero las tareas con menor duración o según
tipos de clientes. En cualquier caso, dos son las situaciones generales en las que trabajar. En la
primera, llamada en inglés “preemptive”, si un cliente llega a la cola con una orden de prioridad
superior al cliente que está siendo atendido, este se retira dando paso al más importante. Dos
nuevos subcasos aparecen: el cliente retirado ha de volver a empezar, o el cliente retorna donde
En algunos sistemas existe una limitación respecto al número de clientes que pueden esperar en
la cola. A estos casos se les denomina situaciones de cola finitas. Esta limitación puede ser
Es evidente que es preferible utilizar sistemas multiservidor con una única línea de espera para
todos que con una cola por servidor. Por tanto, cuando se habla de canales de servicio paralelos,
se habla generalmente de una cola que alimenta a varios servidores mientras que el caso de colas
tiene una sola cola de espera, mientras que el segundo tiene una sola cola para cada canal.
Recuperado de http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
Se asume que, en cualquiera de los dos casos, los mecanismos de servicio operan de manera
independiente.
10
F) Etapas de servicio
Un sistema de colas puede ser unietapa o multietapa. En los sistemas multietapa el cliente puede
pasar por un número de etapas mayor que uno. Una peluquería es un sistema unietapa, salvo que
haya diferentes servicios (manicura, maquillaje) y cada uno de estos servicios sea desarrollado
por un servidor diferente. En algunos sistemas multietapa se puede admitir la vuelta atrás o
Recuperado de http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
La notación básica que se utiliza en los estudios realizados con Teoría de Colas es la siguiente:
𝑾𝒔 : Tiempo de servicio
𝑾𝒒 : Tiempo en la cola
𝝆: Tasa de ocupación
𝝀
𝒄. 𝝁
11
𝝀: Tasa de llegada
𝟏
̅ 𝑡𝑖𝑒𝑚𝑝𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎
=𝒙
𝝀
𝝁: Tasa de servicio
𝟏
̅ 𝑡𝑖𝑒𝑚𝑝𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜
=𝒚
𝝁
b - distribución de probabilidad del tiempo de servicio. Los símbolos utilizados en estos dos
H: distribución hiperexponencial.
D: constante.
c - número de servidores
12
d - orden de atención a los clientes. Los símbolos utilizados en este campo son:
Medidas de
desempeño M/M/1 M/M/2 M/M/K
del sistema
Condición de 𝜇>𝜆 2𝜇 > 𝜆 𝑘𝜇 > 𝜆
aplicación
Factor de 𝜆 𝜆 𝜆
utilización 𝑐. 𝜇 𝑐. 𝜇 𝑐. 𝜇
𝝆
Factor de ocio 1 1
𝝆𝟎 𝜆 𝑛 𝜆 2 𝜆 𝑛
𝜆 𝑛
Pn ( ) ( ) 2𝜇 ( ) ( )
𝜇 𝜇 𝜇 𝜇 𝑘𝜇
(∑10 )+( )( ) (∑𝑘−1
entidades 𝑛! 2! 2𝜇 − 𝜆 𝑛=0 𝑛! ) + ( 𝑘! ) (𝑘𝜇 − 𝜆)
𝜆
1−
𝜇
Entidades 𝜆 𝜆 𝜆
promedio en 𝐿𝑞 + 𝐿𝑞 +
𝜇−𝜆 𝜇 𝜇
servicio
𝑳𝒔
Entidades 𝜆2 𝑛 𝜆 𝑛
𝜆 (𝜇 ) 𝜆𝜇
promedio en la 𝜇(𝜇 − 𝜆) (𝜇 ) 𝜆𝜇
𝑝
cola 𝑝0 (𝑘 − 1)! (𝑘𝜇 − 𝜆)2 0
𝑳𝒒 (2𝜇 − 𝜆)2
13
tiempo 𝐿𝑠 𝐿𝑠 𝐿𝑠
promedio en 𝜆 𝜆 𝜆
servicio
𝑾𝒔
tiempo 𝐿𝑞 𝐿𝑞 𝐿𝑞
promedio en la 𝜆 𝜆 𝜆
cola
𝑾𝒒
Medidas de
desempeño M/G/1 M/D/1 M/Ek/1
del sistema
Condición de 𝜌<1 𝜌<1 𝜌<1
aplicación
Factor de 𝜆 𝜆
𝜆
utilización 𝜇 𝜇
𝝆 𝜇
Factor de ocio
𝝆𝟎 1−𝜌 XXXX XXXX
Entidades
promedio en
𝐿𝑞 + 𝜌 𝜆𝑊𝑠 𝜆𝑊𝑠
servicio
𝑳𝒔
Entidades
promedio en la 𝜆2 𝜎 2 + 𝜌 𝜌2 𝜌2 (𝑘 + 1)
cola 2(1 − 𝜌) 2(1 − 𝜌) 2𝑘(1 − 𝜌)
𝑳𝒒
tiempo
promedio en 1 1 1
𝑊𝑞 + 𝑊𝑞 + 𝑊𝑞 +
servicio 𝜇 𝜇 𝜇
𝑾𝒔
tiempo
promedio en la 𝐿𝑞 𝐿𝑞 𝐿𝑞
cola 𝜆 𝜆 𝜆
𝑾𝒒
Medidas de
desempeño G/G/1 G/G/c M/G/K
del sistema
Condición de 𝜌<1 𝜌<1 𝜌<1
aplicación
Factor de 𝜆 𝜆 𝜆
utilización 𝜇 𝜇 𝜇
𝝆
14
Factor de ocio 1
𝑛
𝝆𝟎 𝜆 𝜆 𝑛
1−𝜌 1−𝜌 (𝜇 ) (𝜇 ) 𝑘𝜇
(∑𝑘−1
𝑛=0 𝑛! ) + ( 𝑘! ) (𝑘𝜇 − 𝜆)
Entidades 1
promedio en 1 1 𝐿𝑞 +
𝜆
servicio 𝐿𝑞 + 𝐿𝑞 +
𝜆 𝜆
𝑳𝒔
Entidades 𝜆𝑊𝑞
promedio en la
𝜆𝑊𝑞 𝜆𝑊𝑞
cola
𝑳𝒒
tiempo 1
promedio en 1 1 𝑊𝑞 +
𝑊𝑞 + 𝑊𝑞 + 𝜇
servicio 𝜇 𝜇
𝑾𝒔
tiempo 𝜎2 +1
𝐸[𝑊𝑀/𝑀/𝑐 ]
promedio en la 𝜆2 𝜎𝑒2 + 𝜇2 𝜎𝑠2 𝜌𝜆2 𝜎𝑒12 + 𝜇2 𝜎𝑠2 𝜌√2𝑐+2−1 1 2
( ) (( ) ( ) )( )( )
cola 2 𝜌0 𝜇 2 𝑐𝜌0 𝜇
𝑾𝒒
4. EJEMPLO APLICATIVO
alimentación a los estudiantes que necesitan almorzar. A estos se les proporciona un ficho que
atención donde tienen que realizar la cola para reclamar dicho almuerzo. En este caso las
forma secuencial, por lo que, para facilitar la comprensión de este caso se tomarán a los cuatro
servidores secuenciales como uno solo. Además, de contar el tiempo de servicio como el instante
de tiempo que pasa desde que la persona entrega el ficho al primer servidor, hasta que el último
servidor le entrega el jugo. También se delimitó el sistema de la cola, es decir, la cola se cuenta
desde que la persona entra a las barandas que conducen al área de alimentación.
En la realización del pertinente análisis se observaron los tiempos entre llegadas de los
estudiantes a la cola, los tiempos de servicios y el número de personas en la cola cada 5 minutos.
16
DATOS TOMADOS
25,38
32 1
26,4
43 2
81,54
38 7
6,37
42 6
31,49
44 0
6,88
49 3
6,58
25 1
3,17
46 7
28,08
35 1
53,64
38 1
39,69
50 0
52,63
33 2
54,67
53 2
71,61
28 2
85,1
34 0
50,84
29 4
93,05
35 2
4,28
34 4
16,63
30 2
5,82
52 6
58,81
54 6
59,06
38 1
9,38
37 2
7,92
41 6
2,15
35 0
100,8
54
11,48
37
18
50,7
55
25,67
29
2,65
34
88,58
53
29,67
55
96,99
38
104,93
44
5,69
51
63,41
42
66,19
34
59,43
42
39,73
31
60,13
31
30,39
29
93,19
33
88,88
31
88,73
30
60,25
33
95,77
33
31,47
27
94,13
38
6,05
42
5,55
28
41,13
33
73,51
53
52,59
31
33,88
29
45,82
44
19
19,9
52
78,22
37
29,67
40
35,74
30
41,45
43
104,21
50
71,35
41
58,98
48
29,67
40
5,17
43
21,82
38
103,93
33
12,74
40
82,72
42
89,68
39
58,79
55
46,43
29
13,81
35
70
55
54,18
51
97,42
28
31,37
42
95,8
29
103,57
38
69,77
31
11,17
32
91,45
36
101,36
37
20
95,35
29
94,67
54
38,02
28
13,81
27
94,87
33
18,24
55
18,66
38
41,24
32
13,14
49
99,03
44
16,25
30
95,31
30
94,65
32
2,35
50
19,61
29
31,75
29
12,39
36
48,4
53
62,3
47
77,65
29
29,67
27
84
33
75,6
46
14,63
35
37,92
46
73,94
38
73,58
48
2,5
51
21
21,58
44
49,06
54
57,73
38
83,27
50
54,34
41
65,21
34
17,05
54
55,23
29
13,3
36
49,29
28
Para poder realizar un análisis adecuado de los datos se utilizó la herramienta STATGRAPHICS
con el fin de hacer una prueba de bondad de ajustes y un ajuste de datos no censurados con
para determinar a qué distribución pertenecen las variables Tiempo entre llegadas y Tiempo de
servicio y así hallar la Tasa media de llegadas (𝝀) y la Tasa media de servicio (𝝁).
Se utiliza el programa STATGRAPHICS para ver que con que distribución de probabilidad se
Distribuciones Ajustadas
Erlang Exponencial Gamma Normal
forma = 1,0 media = 46,4773 forma = 1,38443 media = 46,4773
escala = 0,0215159 escala = 0,0297873 desviación estándar = 32,64
Uniforme
límite inferior = 2,15
límite superior = 105,35
Fuente. STATGRAPHICS
Este análisis muestra los resultados de ajustar 5 distribuciones a los datos en Tiempo entre
arriba
Prueba de Kolmogorov-Smirnov
Erlang Exponencial Gamma Normal Uniforme
DMAS 0,0 0,103654 0,083786 0,101763 0,136789
1
DMENO 1,0 0,122838 0,105801 0,0872208 0,0197028
S
DN 1,0 0,122838 0,105801 0,101763 0,136789
Valor-P 0,0 0,0259253 0,079609 0,101347 0,0091343
.
23
Fuente. STATGRAPHICS.
Esta ventana muestra los resultados de las pruebas realizadas para determinar si los tiempos entre
Valores-P menores que 0.05 indicarían que Tiempo entre llegadas _segundos no proviene de la
En este caso se escoge la distribución de probabilidad normal ya que el valor de p, es mayor que
0.05
TIEMPOS DE SERVICIO
Distribuciones Ajustadas
Erlang Exponencial Gamma Normal
forma = 21,0 media = forma = 20,6924 media = 38,4167
38,4167
escala = 0,546638 escala = 0,53863 desviación estándar = 8,56362
Uniforme
límite inferior = 23,0
límite superior = 55,0
Fuente. STATGRAPHICS.
24
El StatAdvisor
Este análisis muestra los resultados de ajustar 5 distribuciones a los datos en tiempo de servicio.
Prueba de Kolmogorov-Smirnov
Erlang Exponencial Gamma Normal Uniforme
DMAS 0,0 0,23891 0,0868653 0,0997639 0,107639
DMENOS 0,999878 0,48398 0,0672203 0,071634 0,104167
DN 0,999878 0,48398 0,0868653 0,0997639 0,107639
Valor-P 0,0 0,0 0,227811 0,223816 0,0711023
Fuente. STATGRAPHICS.
Esta ventana muestra los resultados de las pruebas realizadas para determinar si tiempo de
En este caso tenemos que los tiempos de servicio tienen una distribución de probabilidad normal.
Los tiempos entre llegadas tienen una distribución exponencial, por lo que en el modelo se
asimila como una distribución (M), los tiempos de servicios con distribución uniforme, se
asimila como una distribución determinista (D), y como tenemos 1 servidor en el sistema, el
P<1
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 =46,4773
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 =38,4167
1 1
𝜆 = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ = =0,021505501
𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 46,4773
1 1
𝜇= = = 0,026030346
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 38,4167
𝜆 0,021505501
𝜌= = = 0,8261703
𝜇 0,026030346
26
Se puede notar que 𝜌 <1, sin embargo, el factor de utilización es muy alto y se hace necesario
buscar una alternativa que disminuya este factor ya que indica que el servidor tiene mucho
trabajo.
𝝀𝟐 𝝈𝟐𝒆 + 𝝁𝟐 𝝈𝟐𝒔 𝝆 𝟏
𝑾𝒒 = ( )( )( )
𝟐 𝝆𝟎 𝝁
= 49,518 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠
𝟏 1
𝑾𝒔 = 𝑾𝒒 + = 49,518 = 1902,318 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠
𝝁 0,026030346
𝟏 𝟏
𝑳𝒔 = 𝑳𝒒 + = 1,0649 ∗ = 49,5175 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝝀 0,021505501
27
5. CONCLUSIONES
Finalizado el estudio se puede decir que la formación de colas es, por supuesto, un evento común
que ocurre siempre que la demanda de un servicio excede a la oferta del mismo, como se pudo
en otros casos es imposible predecir con exactitud cuándo llegarán los clientes que demandan el
servicio y/o cuánto tiempo será necesario para dar ese servicio; es por eso que la Teoría de Colas
es una herramienta fundamental que ayuda a las empresas a estar identificar fallas en el sistema
para poder corregirlas, y de este modo, estar preparadas para ofrecer todo servicio que se solicite
6. RECOMENDACIONES
28
Para lograr los mejores resultados con los recursos que cuenta actualmente la cafetería de salud
en la Universidad de Córdoba sede Montería, se sugiere que capacite a los trabajadores de que
atienden en el área de servicio de atención para la entrega de almuerzos, para que adquieran la
logrando que los clientes estén un menor tiempo en la cola. También se sugiere que se haga un
permita identificar las fallas en la organización del puesto de trabajo de cada uno de los
trabajadores de esta área, para poder aplicar las respectivas mejoras y con esto poder reducir
7. BIBLIOGRAFÍA
29
https://books.google.com.co/books?id=lET6IPBm2vMC&pg
http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
[3] Serna, C. (2011). Notación de Kendall-Lee para los Sistemas de Líneas de Espera.
http://inoperaciones7.blogspot.com.co/2011/04/notacion-de-kendall-lee-para-los.html