Mtodos Cuantitativos de Organizacin Industrial e o 11 de marzo de 2011 PRACTICA 1: TEOR DE COLAS IA

FECHA DE ENTREGA: 31 DE MARZO DE 2011.

Normativa La realizacin de estos ejercicios es una decisin voluntaria y su calicacin alcanzar el 20 % de la o o o a nota nal de la asignatura. Estos ejercicios tienen carcter individual y han de entregarse manuscritos. La entrega se realizar prea a ferentemente en mano, durante los horarios de tutor o en el horario de clase, tambin es posible su ena e trega a travs de otros medios hacindose el alumno responsable del posible extrav deterioro o prdida e e o, e del mismo. La fecha l mite de entrega de los ejercicios es por defecto improrrogable. Recordemos que los horarios de tutor son Martes y Jueves de 11 : 30 a 13 : 30 y Viernes de 9 : 30 a a 11 : 30, despacho 2 17 de la E.S. de Informtica y el correo electrnico L.RodriguezAragon@uclm.es, a o cualquier duda referente a los ejercicios ser bienvenida. Los originales de los ejercicios quedarn en a a poder del profesor como parte del examen de la asignatura. Se pondr en conocimiento de los alumnos a las calicaciones obtenidas en los ejercicios y a peticin de los alumnos se pondr a su disposicin la o a o correccin parcial o total de los mismos. Al mismo tiempo en horarios de tutor se podrnresolver dudas o a a relacionadas con la correccin de los ejercicios. o IMPORTANTE: De cara al aprovechamiento y evaluacin del alumno es necesario especicar el o tiempo invertido en la resolucin de los ejercicios. As como citar cualquier material bibliogrco o de o a referencia utilizado. Practica Introduccin. Durante el desarrollo de la primera prctica usaremos la aplicacin AQUAS (Application o a o for solving QUeuing problems Analytically and using Simulation). Esta aplicacin se ha desarrollado o dentro de un proyecto n de carrera de Ingenier Informtica realizado por Jorge L. Vega Valle y a a dirigido por Ricardo Cao Abad, Catedrtico de Estad a stica e Investigacin Operativa de la Universidad o de La Corua. n La aplicacin est desarrollada en MATLAB y se puede obtener de la pgina web de la asignatura o a a Teor de Colas1 que se imparte en la carrera de Ingenier Informtica. Esta aplicacin es usada por a a a o los alumnos en el desarrollo de las prcticas de laboratorio de dicha asignatura. Los objetivos de esta a aplicacin son los siguientes: o Reducir el tiempo de resolucin y eliminar la posibilidad de cometer un error en la resolucin de o o un problema de colas. Resolver modelos de colas tanto de forma anal tica (para aquellos modelos en los que tanto la distribucin del tiempo de llegadas como la del tiempo de servicio sean de carcter exponencial, o a representado por la letra M) como por simulacin (la distribucin del tiempo de llegadas o de o o servicio puede ser de uno de los siguientes tipos: exponencial, uniforme, determinista, gamma, beta, normal, lognormal o de Weibull, representada por la letra G). Hallar las caracter sticas del modelo de colas (probabilidad de que haya un determinado nmero u de clientes pn , nmero medio de clientes L, tiempo medio de espera de un cliente en la cola Wq , u intensidad de trco del modelo ,... ). a Poder analizar la inuencia de la variacin de algunos parmetros de entrada del modelo en los o a parmetros de salida y ayudar a la toma de decisiones (Anlisis de Sensibilidad). a a Proporcionar una respuesta mediante simulacin a aquellos modelos que no tienen una solucin o o anal tica (Tema 3). Fomentar la enseanza y el aprendizaje de la teor de colas en un mbito docente. n a a La aplicacin permite resolver el problema mediante dos estrategias diferentes: o Por un lado tenemos la posibilidad de resolver anal ticamente los modelos cuyas distribuciones de tiempo son de la familia exponencial (M) tanto en llegada de clientes como en servicio. Es decir, se trata de evaluar las frmulas matemticas que se obtienen del desarrollo terico de la teor de colas. Como o a o a hemos visto estas formulas no suelen ser sencillas e incluso hemos visto como en algunos casos hemos de
1http://www.udc.es/dep/mate/TeoriaColas/colas.htm

1 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o ser cuidadosos a la hora de efectuar esos clculos buscando siempre una posible optimizacin en el tiempo a o de clculo. a Por otro lado si consideramos que alguna distribucin de tiempos (tanto de llegadas como de servicio) o sigue algn otro tipo de distribucin, los clculos de los valores de inters en un fenmeno de colas dan u o a e o lugar a complejos razonamientos matemticos que pocas veces desembocan en frmulas claras y concisas a o que se puedan evaluar anal ticamente. Para resolver estos casos, es comn usar tcnicas de simulacin u e o que veremos en el prximo tema. o Descarga e Instalacin. La aplicacin como hemos dicho se puede descargar de la pgina web de la o o a Asignatura de Teor de Colas, en esta pgina se pueden encontrar versiones para Windows y Linux a a as como la memoria correspondiente al proyecto n de carrera realizado. Sin embargo recomendamos utilizar la pgina web http://www.uclm.es/profesorado/licesio/ en el que se puede descargar una a versin adaptada para el release de MATLAB instalado en el aula de ordenadores. o Una vez descargado el chero .zip, procederemos a su descompresin y lo situaremos en un directorio o al que podremos acceder de forma fcil. En este directorio se encuentra el cdigo libre y completo de la a o aplicacin. o Lanzamos MATLAB y bien a travs de comandos o por medio de las ventanas de dilogo jamos el e a Current Directory en el directorio en el que hayamos situado la aplicacin AQUAS. o Mediante el comando >> aquas lanzaremos la aplicacin, que se abrir en forma de un interfaz grco. o a a Como hemos comentado con anterioridad, el interfaz nos permite resolver los problemas mediante dos opciones diferentes, anal ticamente o a travs de simulacin. En esta primera prctica usaremos la e o a resolucin anal o tica del problema. Por lo tanto seleccionaremos la opcin de Resolucin Anal o o tica.

Notacin de Kendall. Recordemos la notacin de Kendall (1953): o o A/B/s/K/H/Z A Representa la distribucin de tiempo entre llegadas. Las ms usadas son M exponencial, U o a Uniforme, D determin stica, G genrica, etc. e B Representa la distribucin de tiempos de servicio. Se usan las mismas siglas que en el caso de o A. s Es el nmero de servidores en el sistema, un nmero entero. u u K Representa la capacidad mxima de la cola. Puede tomar valores desde 0 hasta . Por defecto a si el valor de K se omite, se considerar que toma el valor innito. a H Es el tamao de la poblacin que puede acudir al centro de servicio. Puede ser nito o innito, n o por defecto se entiende que la poblacin es innita. o Z es la disciplina de la cola, por defecto FIFO. La aplicacin tambin nos permite trabajar con Redes de Colas, estas estructuras son semejantes a o e redes o grafos en las que cada nodo est formado por una cola tradicional. Las redes de colas pueden ser a abiertas o cerradas segn la poblacin var o permanezca constante en la red. u o e 2 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o Modelos de Colas. La aplicacin AQUAS tienen implementados los siguientes modelos de colas en la o resolucin anal o tica, en todos los casos los tiempos entre llegadas consecutivas y los tiempos de servicio son exponenciales: M/M . M/M/1: Un unico servidor. M/M/s: s servidores. M/M/1/K: Un unico servidor y una cola con una capacidad mxima K. a M/M/s/K: s servidores y una cola con una capacidad mxima K. a M/M/1//H: Un unico servidor y una cola con una capacidad innita y una poblacin nita o con H individuos. M/M/s//H: s servidores y una cola con una capacidad innita y una poblacin nita con H o individuos. M/M/s//H con Y repuestos: s servidores y una cola con una capacidad innita y una poblacin o nita con H individuos, la idea es reemplazar el espacio vac que deja el cliente en la poblacin o o con otro cliente llamado repuesto. M/M/inf : Innitos servidores. Redes de Jackson Abiertas y Cerradas.

Planteamiento y Resolucin del Modelo. Una vez seleccionado nuestro modelo, pasaremos a introo ducir los parmetros del problema. Como recordaremos los parmetros son datos inherentes al problema a a y que debemos bien obtener de l o bien estimar. En el caso de los fenmenos de espera los parmetros e o a son: tasa de llegada de clientes, tasa de servicio por parte del sistema, s nmero de servidores, K u capacidad mxima de la cola y por ultimo H individuos de la poblacin. Algunos de estos parmetros se a o a pueden obviar tomando en este caso los valores por defecto. Recordemos que los sistemas de colas que analizaremos tienen que ser sistemas estacionarios en los que la tasa de llegada de clientes ha de ser menos que la tasa de servicio. Es decir, la intensidad, representada por el cociente de ambas cantidades ha de ser menor que uno: < 1; Para s = 1 = < 1. s En caso contrario la aplicacin nos dar un error. o a El resultado de las frmulas anal o ticas del modelo nos dan una serie de parmetros de salida, tambin a e parmetros, ya que aunque desconocidos son inherentes al problema: a Para s = 1 =

3 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o Recordemos el signicado de estas cantidades: L: Nmero medio de clientes en el sistema, L = E(N ). u Lq : Nmero medio de clientes en la cola, Lq = E(Nq ). u W : Tiempo medio que pasa un cliente en el sistema, W = E(W). Wq : Tiempo medio que pasa un cliente en la cola, Wq = E(Wq ). : Intensidad de Trco, a = . s Eciencia: Cociente entre el tiempo medio que un cliente se encuentra en el sistema W y el tiempo medio que el sistema tarda en procesar su servicio W Wq , esta cantidad es 1. Cuanto mayor sea su valor menos eciente ser el sistema a Ef f = W W = W Wq Ws

Al mismo tiempo la aplicacin nos permite conocer otros valores interesantes propios del problema: o

Por un lado tenemos valores relacionados con las variables aleatorias W y Wq : W: Variable Aleatoria Continua que representa el tiempo que pasa un cliente en el sistema. Wq : Variable Aleatoria Continua que representa el tiempo que pasa un cliente en la cola. Los valores que se presentan son evaluaciones de la funcin de distribucin de ambas variables para o o un valor de t dado: W (t) = P (W t), Wq (t) = P (Wq t)

Las grcas de las funciones de distribucin W (t) y Wq (t) se representan de forma simultnea, la a o a primera en rojo y la segunda en azul. Observar que siempre W (t) Wq (t). En otra seccin se nos facilita el valor de pn para cualquier valor de n que indiquemos, recordemos que o pn es la probabilidad de que se encuentren n clientes en el sistema. Al mismo tiempo podemos dibujar en forma de histograma (recordar que n es una variable aleatoria discreta), la funcin de probabilidad de la variable n (nmero de clientes en el sistema). o u En algunos modelos se nos presenta tambin la posibilidad de obtener la probabilidad de que en el e momento en que se produce una llegada, se encuentren n clientes en el sistema, qn . 4 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o Ejercicios. Planteamos a continuacin una serie de ejercicios, algunos de ellos comentados y resueltos o con la aplicacin AQUAS, otros planteados para su resolucin por parte del alumno. o o Ejercicio 1. Los mecnicos que trabajan en una planta troqueladora deben solicitar su herramienta en un a centro de material. Un promedio de 10 mecnicos por hora llegan pidiendo su equipo. Por el momento, un a empleado atiende ese centro; su salario es de 6 e por hora y tarda un promedio de 5 minutos en cumplir cada pedido de herramienta solicitada. Como cada mecnico produce 10 e en valor de bienes por hora, a cada hora que un mecnico pasa en el centro de material le cuesta a la compa 10 e . a na La compa est sopesando la posibilidad de contratar, a 4 e la hora, a un ayudante para el empleado. na a Se estima que entre los dos podr reunir el equipo solicitado por cada empleado en 4 minutos. Suponiendo an que los tiempos de servicio y de llegadas son exponenciales, Debemos contratar al ayudante? Si no estamos seguros de la magnitud de la reduccin del tiempo de servicio con la presencia del o ayudante en el centro de material. Podemos establecer la cantidad de tiempo en que deber prestarse el a servicio para que los costes totales fuesen los mismos contratando que sin contratar al ayudante?. Solucin: o En este caso el objetivo de la compa es minimizar la suma del coste de servicio por hora y el coste na esperado por hora debido a los tiempos muertos que los empleados pasan en el centro de material. La cantidad a minimizar es: Coste total/h = Coste de servicio/h + Coste de espera/h El coste de espera lo calcular amos en funcin del coste de espera por cliente y el nmero de clientes o u esperados a la hora: Coste de espera = Coste de espera/cliente Clientes esperados/h El coste de espera/cliente equivale a 10 e por el tiempo promedio en horas que el cliente pasa en el sistema W . Los clientes esperados a la hora equivalen a la tasa de llegadas . En el problema plantearemos un modelo M/M/1 y queremos comparar el coste esperado por hora si no contratamos al ayudante y si lo contratamos. Si no se contrata al ayudante = 10 mecanicos/hora y = 12 mecnicos/hora. Utilizando la aplicacin AQUAS obtenemos que W = 0,5 y por lo tanto el coste a o de espera: Coste de espera = 10 W e = 50 e . Por lo que, sin el ayudante, el coste total por hora es: Coste total/h = 6 + 50 = 56 e . Si se contrata al ayudante, la tasa de servicio pasar a ser = 15 mecnicos/hora y utilizando AQUAS a a obtenemos que WAyu = 0,2 y por lo tanto el coste de espera: Coste de esperaAyu = 10 WAyu e = 20 e . Con lo que el coste total quedar en: a Coste total/hAyu = 6 + 4 + 20 = 30 e . Lo que signica un ahorro considerable de ms del 45 %. a En el caso en que desconozcamos la tasa de servicio con la presencia del ayudante y queramos asegurarnos que la presencia de ste no va a disparar los costes, plantearemos que: e Coste total/h = Coste total/hAyu Sabemos que el Coste total a la hora sin ayudante asciende a 56e luego queremos encontrar la tasa de servicio que haga que el Coste total a la hora con ayudante sea el mismo. Coste total/hAyu = 56 e = 6 + 4 + (10 WAyu ) = 10 + (10 WAyu 10) Despejando obtenemos que WAyu ha de ser menor o igual a 0,46 h para que sea rentable la presencia del ayudante en el centro de material. Con la ayuda de la aplicacin AQUAS podemos cambiar los parmetros o a de entrada del problema en el intervalo = [12, 15] hasta que demos con el valor WAyu = 0,46. Para = 12,17 mecnicos/hora, WAyu = 0,460 luego el tiempo de servicio tiene que reducirse por lo a menos a 4,93 minutos. Luego una ligera reduccin del tiempo medio de servicio de 5 a 4,93 minutos hacen o que los costes de contratar a un ayudante se igualen a los de no contratarlo. 5 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o Ejercicio 2. Una pequea empresa de mensajer urgente tiene 2 motos para transportar los env de n a os los clientes. El servicio est restringido al rea de la ciudad y las solicitudes se atienden telefnicamente. a a o Se ha determinado que cada moto tarda en realizar el servicio una media de 15 minutos, siguiendo este tiempo una distribucin exponencial. En la centralita telefnica de la empresa se reciben como promedio o o unas 6 solicitudes por hora, que siguen una distribucin de Poisson. Para mantener los niveles de servicio, o los responsables de la empresa han indicado a la operadora que no acepte en espera ms de 2 solicitudes. a 1. Qu tipo de modelo es el planteado? Resolverlo y dar los tiempos de espera medios tanto en el e sistema como en la cola. 2. Cmo inuye la restriccin impuesta a la operadora; analizar qu es lo que ocurre si dicha reso o e triccin desaparece o se exibiliza hasta 5 solicitudes. o 3. Cuntas motocicletas deber de tener la empresa para eliminar la restriccin y que la calidad del a a o servicio fuese similar. Cul es la intensidad de trco en ambos casos? a a Solucin: o 1.El modelo es una cola del tipo M/M/2/2, es decir tenemos s = 2 servidores y una restriccin en la o capacidad de la cola de K = 2. La tasa de llegadas = 6 solicitudes a la hora y = 4 servicios a la hora. s En este caso o intensidad no se calcula de la forma tradicional, ya que la tasa de llegadas se encuentra restringida por la capacidad de la cola. Mediante la aplicacin AQUAS resolvemos el modelos y tenemos que: o = W = 0,32 h, Wq = 0,078 h.

Los valores de intensidad y de eciencia nos pueden dar una idea del ritmo de trabajo. Adems, a podemos representar grcamente el histograma de pn entre los valores 0 y 4. Al mismo tiempo, la a probabilidad de que un mensaje se encuentre en el sistema ms de una hora es prcticamente despreciable: a a 1 W (1) = 0,032, luego la inmensa mayor de los mensajes se han procesado en un tiempo inferior a a una hora. 2. Si la restriccin se exibiliza entonces tendremos que K tomar valores 3, 4 y 5. Habr que cambiar o a a los parmetros del problema y rellenar los valores en la tabla. Si por el contrario la restriccin desaparece, a o nuestro problema pasa a ser un modelo M/M/2. Como curiosidad ser bueno probar en qu se diferencia a e un problema sin restricciones en la cola con otro con una restriccin muy elevada (Ej.: 50, 100, etc.): o K: L Lq W Wq Ef f 2 3 4 5

0,32 0,078

3. Con una nueva motocicleta ms y eliminando la restriccin de la capacidad de la cola, obtendr a o amos mejores resultados con unos valores: W = 0,28 h, Wq = 0,039 h.

Podemos entonces aadir a nuestra tabla los valores para el caso M/M/3: n L Lq W Wq Ef f

6 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a

Mtodos Cuantitativos de Organizacin Industrial e o Ejercicio 3. Dibujar las estructuras de las siguientes colas y analizar con la ayuda de la aplicacin o AQUAS las ventajas e inconvenientes de cada una de ellas: 1. Una cola del tipo M/M/1 con tasa de llegadas = 70 y tasa de servicio = 100. 2. Una cola del tipo M/M/2 con tasa de llegadas = 70 y tasa de servicio = 50 para cada servidor. 3. Dos colas del tipo M/M/1 con tasa de llegadas = 35 y tasa de servicio = 50. 4. Una unica cola con dos servidores en serie. La tasa de llegadas al primer servidor es = 70 y la tasa de servicio es = 200. Supondremos que la tasa de llegadas para el segundo servidor sigue siendo = 70 y la tasa de servicio es = 200. Calcular el tiempo medio que el cliente pasa en el sistema en cada una de las estructuras anteriores y la probabilidad de que un cliente tenga que esperar a ser atendido. Qu diferencias hay entre estas e estructuras y cul es la mejor? a Ejercicio 4. Las ventanillas de un banco realizan las transacciones en un tiempo medio de 3 minutos. Los clientes llegan con una tasa media de 19 clientes a la hora (suponiendo tiempos exponenciales). El banco dispone de 5 ventanillas para atender a los clientes aunque no siempre estn todas en servicio. A los a operarios se les paga a razn de 8e a la hora y por cada cajero que se incorpora existe un coste estructural o de 6e . Si los clientes tienen que esperar se ha cuanticado que las prdidas que ello conlleva equivalen e a 0,5e por cada minuto medio de espera. Cuntas ventanillas deber tener el banco permanentemente a a abiertas? Resolver los casos s = 1 y s = 5 anal ticamente y a travs de la aplicacin AQUAS, los casos s = 2, 3, 4 e o resolverlos usando la aplicacin AQUAS. o Solucin: o s L Lq W Wq Coste Ejercicio 5. Una cantera ha contratado los servicios de una excavadora para recoger la grava y cargarla en camiones. El tiempo medio que tarda la excavadora en cargar un camin es de 10 minutos. La cantera o dispone de una ota de 4 camiones, cada uno de los cuales tarda una media de 15 minutos en transportar la grava a su destino y volver a la cantera. Tanto los tiempos de viaje como los tiempos de carga se suponen distribuidos exponencialmente. El coste de la excavadora es de 20e por hora de servicio. Por otro lado se estima que cada hora que pasa un camin en la cantera representa un coste de 12e , ya que o durante ese tiempo no est efectuando servicio de transporte. Resolver utilizando AQUAS las siguientes a cuestiones: 1. Qu modelo de colas permite representar este sistema? e 2. Cul es el porcentaje de tiempo que la excavadora est desocupada? a a 3. Cul es el nmero medio de camiones que est fuera de la cantera? a u a 4. Cuanto tiempo por trmino medio pasa un camin en la cantera? e o 5. Gracias al buen rendimiento y correcta gestin de la cantera se dispone de una cantidad de dinero o con la que se podr hacer dos posibles mejoras, o bien incorporar dos nuevos camiones a la an explotacin (en propiedad) o incorporar una nueva excavadora (en alquiler). Es recomendable o alguna de estas dos inversiones?, en caso armativo indicar cual es la ms ventajosa. a 1 2 3 4 5

7 Licesio J. Rodr guez-Aragn o Practica 1: Teor de Colas a