4.1 Modelos de nacimiento puro y muerte pura.

4.1.1 Modelo de nacimiento puro

4.1.2 Modelo de muerte pura.
4.2 Lneas de espera con llegadas y salidas combinadas.
4.2.1 Modelo generalizado de Poisson.
4.2.2 Medidas de desempeo de estado estable.
4.3 Lneas de espera especializadas de Poisson.
4.3.1 (M/M/1):(DG//)
4.3.2 (M/M/1):(DG/N/)
4.3.3 (M/M/c):(DG//)
4.3.4 (M/M/c):(DG/N/)
4.3.5 (M/M/):(DG//)
4.3.6 (M/M/R):(DG/K/K), R<K
4.4 Otras lneas de espera. (Clase 29 Mzo)
MODELOS DE LNEAS DE ESPERA

Introduccin:

Las colas (lneas de espera) son parte de nuestra vida
cotidiana. Todos esperamos en colas para comprar un boleto
para el cine, efectuar un depsito bancario, pagar vveres,
enviar un paquete por correo, obtener comida en la
cafetera, comenzar un recorrido en un parque de
diversiones, etctera. Nos hemos acostumbrado a cantidades
notables de espera, pero an nos molestamos con las
esperas prolongadas.


Sin embargo, tener que esperar no es slo una pequea
molestia personal. La cantidad de tiempo que la poblacin de
un pas desperdicia esperando en las colas es un factor
primordial tanto de la calidad de vida como de la eficiencia
de un pas.
Un sistema de colas est formado por un origen de usuario, una cola de
espera y posibilidades de servicio con uno o varios servidores.
Cola Paralela
1.- Distribucin de llegadas


Elementos que caracterizan los diferentes modelos
de lneas de espera
El eje horizontal es el ndice k. La funcin no
toma valores de cero solamente en valores
enteros de k. Las lneas que conectan los puntos
son solo guas para el ojo y no indican
continuidad.
2.- Distribucin del tiempo de servicio
Por ejemplo:
Distribucin de Poisson
3.- Diseo de la instalacin de servicio

Estaciones en serie.
Estaciones en paralelo
Estacin 1 Estacin 2
Sistema
Entradas
Salidas
.
.
.
x x x x x x
1
2
c
Clientes que salen
Clientes que llegan
Cola o lnea de
espera
Instalacin de
servicio
Sistema
Estaciones en red
La red de colas es un conjunto de sistemas de colas
conectados entre s
4.-Disciplina de servicio

FCFS (First come - First served)

LCFS (Last come First served)
X
X
X
X
X
X
X
X
Entrada
X X X X X X X X X X X X
Entrada Salida
Salida
SIRO (Service in random order)
5.- Tamao de la lnea de espera.
Finito
Infinito

6.- Fuente de llamadas (origen de usuarios)
Finita
Infinita
X X X X X X X X X X X X
Tamao de la lnea de espera
Fuente de llamadas
El objetivo final de analizar situaciones de espera
consiste en generar medidas de desempeo para
evaluar los sistemas reales.


Debemos decidir con anticipacin si nos interesa
analizar el sistema en condiciones transitorias o
de estado estable


Modelo de nacimiento puro

Los clientes llegan, pero nunca parten

Se modela con la distribucin de Poisson como se muestra:

!
) (
) (
n
e t
t p
t n
n

=
Donde

n = nmero de arribos o llegadas
= tasa de llegadas por unidad de tiempo
t = nmero esperado de llegadas durante un tiempo t
p
n
(t) = probabilidad de n arribos durante un tiempo t
n=0,1,2,,N
Ejercicio

Los clientes llegan a un restaurante de acuerdo con una
distribucin de Poisson a la tasa de 20 por hora. El
restaurante abre a las 11:00 A. M. Determine lo siguiente:

a) La probabilidad de que haya 20 clientes en el restaurante
a las 11:12 AM, dado que ya haba 18 a las 11:07 AM.

b) La probabilidad de que llegar al menos un nuevo cliente
entre las 11:28 y las 11:30 AM dado que el ltimo cliente
lleg a las 11:25 AM.



Ejercicio

Dos empleados, Ana y Jaime, de un restaurante de
comida rpida juegan de la siguiente manera mientras esperan
a que lleguen clientes. Jaime paga a Ana 1 peso si el siguiente
cliente no llega en un periodo de un minuto; en caso contrario,
Ana le paga a Jaime 1 peso. Determine la ganancia esperada
de Jaime en un periodo de 8 horas suponiendo que los clientes
llegan segn una distribucin de Poisson con la tasa media de
uno por minuto.
Modelo de muerte pura

Los clientes o productos se retiran de un abasto inicial

Se modela con la distribucin truncada de Poisson:

)! (
) (
) (
n N
e t
t p
t n N
n

Donde

n = nmero de elementos en existencia despus de un tiempo t
= demanda por unidad de tiempo
t = nmero esperado de salidas durante un tiempo t
p
n
(t) = probabilidad de n elementos en existencia despus de un
tiempo t
n=1,2,,N

=
=
N
n
n
t p t p
1
0
) ( 1 ) (
Ejercicio

Un taller de maquinaria ha almacenado 10 piezas de una
parte de repuesto para la reparacin de una mquina. Los
reabastecimientos del inventario de 10 piezas cada uno se
realizan cada 7 das. La descompostura de la mquina
segn una distribucin de Poisson ocurre tres veces por
semana en promedio. Determine la probabilidad de que la
mquina permanecer descompuesta debido a que no se
disponga de partes durante:

a) 2 das
b) 5 das


Ejercicio

La demanda de un artculo ocurre segn una distribucin de
Poisson con media de 3 al da. El nivel de inventario mximo
es de 25 artculos, que ocurre cada lunes, inmediatamente
despus de que se recibe un nuevo pedido. Por lo tanto, el
tamao del pedido depende del nmero de unidades que
sobren al cabo de la semana de trabajo el da sbado (la
empresa cierra el domingo). Determine lo siguiente:
a) El tamao semanal promedio de los pedidos.
b) La probabilidad de incurrir en escasez en la demanda
despus de 4 das de trabajo.
c) La probabilidad de que el tamao del pedido semanal
exceder de 5 unidades.

Lneas de espera paralelas con llegadas y salidas
combinadas

Notacin:

(a/b/c):(d/e/f)

a = distribucin de llegadas

b = distribucin del tiempo de servicio ( o de salidas)

c = nmero de servidores en paralelo (c =1,2,,)

d = disciplina de servicio (FCFS, LCFS, SIRO, etc.).

e = nmero mximo admitido en el sistema
(en lnea de espera + en servicio)

f = tamao de la fuente de llamadas.


Por ejemplo:

(M/D/10):(DG/N/)
La notacin estndar reemplaza los smbolos a y b por los
siguientes cdigos:
M = distribucin de llegadas o salidas de Poisson
D = tiempo entre llegadas o de servicio constante o
determinista
E
k
= distribucin de Erlang o gamma de la distribucin de
tiempo entre llegadas o de servicio con el parmetro k.
GI = distribucin de llegadas general independiente
G = distribucin de salidas general
Modelo generalizado de Poisson

Las lneas de espera con llegadas y salidas combinadas inician en
condiciones transitorias y llegan gradualmente al estado estable despus de
haber transcurrido algn tiempo.

Estado Transitorio
Warm up
Estado estable
Lnea de espera
Tasa de llegada y de servicio dependientes del estado.
Considere un taller de maquinaria con un total de N mquinas. La tasa
de falla de las mquinas es una funcin del nmero de mquinas en
condiciones de trabajo es: n.

Por otra parte, si un sistema tiene c servidores en paralelo y es la tasa
de servicio por servidor, la tasa de salidas es n si n<c y c si nc

Usamos la notacin
n
y
n
para definir las tasas de llegadas y salidas
como una funcin de n. Donde n es el nmero de clientes en el sistema.

La meta inmediata del modelo generalizado es deducir una expresin
para p
n
, que es la probabilidad de estado estable de n clientes en el
sistema, como una funcin de
n
y
n
Modelo generalizado de Poisson

n-1 n n+1

n-1

n + 1
n
0 1

0

1
0
1 1
0 2 1
...
...
p p
n n
n n
n

=
n=1,2,

=
=
0
1
n
n
p
Medidas de desempeo de estado estable
Una vez que se ha determinado la probabilidad p
n
de estado estable de n
clientes en el sistema, podemos calcular las medidas de desempeo.

Tales medidas de desempeo se pueden usar para analizar la operacin de
las lneas de espera con el fin de hacer recomendaciones sobre el diseo
del sistema. Entre las principales tenemos las siguientes:



L
s
= nmero esperado de clientes en el sistema
L
q
=nmero esperado de clientes en la fila
W
s
= tiempo estimado de espera en el sistema
W
q
= tiempo estimado de espera en la fila.
Medidas de desempeo de estado estable
L
s
= nmero esperado de clientes en el sistema






L
q
= nmero esperado de clientes en la fila

=
=
0 n
n s
np L

+ =
=
1
) (
c n
n q
p c n L

ef
= tasa promedio efectiva de llegadas




W
s
= tiempo estimado de espera en el sistema




W
q
= tiempo estimado de espera en la fila






q ef q
W L =
s ef s
W L =

=
=
0 n
n n ef
p
= tasa de servicio por servidor activo


1/= tiempo estimado de servicio

Tenemos tambin las siguientes relaciones:

ef
q s
L L + =

1
+ =
q s
W W
Nmero estimado de servidores activos






Porcentaje de utilizacin





100 =
c
c

ef
q s
L L c = = =








Modelos de lneas de espera
especializadas de Poisson
(M/M/1):(DG//)
) 1 (
) 1 (
1
1
1
} {
2

= =

= =

= =

= =
=
q
q
s
s
s q
s
L
W
L
W
L L
n E L
Modelo de servidor nico sin
lmite en la capacidad del sistema
o de la fuente de llamadas.
... 2 , 1 , 0 ) 1 (
1
0
= =
=
n p
p
n
n

Ejercicio

En una instalacin de servicio de lavado de autos, la informacin que
se obtiene indica que los autos llegan para ser atendidos, segn
una distribucin de Poisson, con media de 4 por hora. El tiempo
para lavar y asear cada automvil vara, pero se advierte que sigue
una distribucin exponencial con media de 10 minutos por
automvil. La instalacin no puede atender a ms de un auto a la
vez. Suponga que el tamao de la fuente de llamadas y del
estacionamiento son infinitos.


a) Obtenga las siguientes medidas:
ef
, L
s
, L
q
,W
s
,W
q
b) Determine cuntos lugares de estacionamiento seran necesarios
para que por lo menos el 90% de las veces un cliente encuentre
lugar.
c) Qu porcentaje de tiempo permanece inactiva la instalacin?
(M/M/1):(DG/N/)
) 1 (
1
) 1 (
) 1 (
1 ,
2
1 ,
) 1 )( 1 (
} ) 1 ( 1 {
) 1 (
1
1
N
s
q s
N
q
ef
q
q
N
s
ef
s q
N
N N
s
N ef
p
L
W W
p
L L
W
p
L L L
N
N N
L
p

= + =

= =

= =

=
=

+ +
=
=
+
+

=
+
=

=
+
=

=
+
+
1 ,
1
1
1 ,
1
1
1 ,
1
1
1 ,
1
1
1
1
0

N
p
N
p
n
N
n
N
Nmero mximo de clientes permitido en el sistema: N.
Ejercicio


Los pacientes llegan a una clnica segn una distribucin de Poisson a
una tasa de 30 pacientes por hora. La sala de espera no da cabida a
ms de 14 pacientes. El tiempo de auscultacin por cada paciente es
exponencial con una tasa media de 20 por hora.

a) Determine la tasa efectiva de llegadas a la clnica.
b) Cul es la probabilidad de que un paciente que llegue a la clnica no
tendr que esperar? Cul es la probabilidad de que halle un asiento
desocupado en la sala?
c) Cul es el tiempo de espera estimado hasta que un paciente pueda
salir de la clnica?
(M/M/c):(DG//)
1
1
0
0
0
0
) / 1 ( ! !
!
!

=
=

)
`

|
|
.
|

\
|
|
|
.
|

\
|
=

c
n
c n
c n
n
n
n
c c n
p
p
c c
p
n
p

0nc
n>c

=
+ =
=
+
(

=

=
=
+
ef
q s
q
q
q s
c
c
q
W W
L
W
L L
p
c
c
p
c c
L
1
) ( ) ( )! 1 (
2
0
2
1
En este modelo los clientes llegan con
una tasa constante y un mximo de
c clientes pueden ser atendidos
simultneamente. La tasa de servicio
por servidor activo es tambin
constante e igual a
Ejercicio:

En un sistema (M/M/2):(DG//), el tiempo medio de servicio es de
5 minutos y el tiempo medio entre llegadas es de 8 minutos.

a) Cul es la probabilidad de una demora?
b) Cul es la probabilidad de que al menos uno de los servidores
est inactivo?
c) Cul es la probabilidad de que ambos servidores estn
desocupados?
(M/M/c):(DG/N/)

0
0
!
!
p
c c
p
n
p
c n
n
n
n

0nc
cnN

+ +
(

+
=

=
+

1
1
0
1
1
0
1
0
) 1 (
! !
) / 1 ( !
) ) / ( 1 (
!
c
n
c n
c
n
c N c n
c N
c n
c c
c
n
p

/c1
/c=1

ef
q q
c
c N c N
c
q
L c c L Ls
c
c N c N
p
c c
c N
c c c
p
L
+ = + =

|
.
|

\
|

|
.
|

\
|

|
.
|

\
|

=

+
) (
! 2
) 1 )( (
1 ) ( 1
) ( )! 1 (
0
2
1
0
/c1
/c=1
) ( ) 1 (
) (
0
c c P
p n c c
N ef
c
n
n
= =
=

=

Ejercicio:

En un lote de estacionamiento existen 10 espacios solamente. Los
automviles llegan segn una distribucin de Poisson con media de
10 por hora. El tiempo de estacionamiento est exponencialmente
distribuido con media de 10 minutos. Determine lo siguiente:

a) Numero esperado de espacios de estacionamiento vacos.
b) Probabilidad de que un automvil que llegue no encontrar un
espacio para estacionarse.
c) Tasa efectiva de llegadas al sistema.
(M/M/):(DG//)
{ }
0
1
,... 2 , 1 , 0
!
= =
=
= =
= =

q q
s
s
n
n
W L
W
n E L
n
n
e
p

Ejercicio:

En una instalacin de autoservicio las llegadas ocurren segn una
distribucin de Poisson con media de 50 por hora. Los tiempo de
servicio por cliente estn exponencialmente distribuidos con media
de 5 minutos.

a) Encuentre el nmero esperado de clientes en servicio.
b)Cul es el porcentaje de tiempo que la instalacin est
inactiva?
(M/M/R):(DG/K/K)
R<K Modelo de Servicio de Mquinas

ef
q q s
K
R n
n q
R
n
R n
n K
R n
n
R n
n
n
n
L R R L L
p R n L
R R
n
n
K
n
K
p
p
R R
n
n
K
p
n
K
p
+ = + =
=
)
`

|
|
.
|

\
|
+
|
|
.
|

\
|
=

|
|
.
|

\
|
|
|
.
|

\
|
=

+ =

=

+ =

) (
) (
!
!
!
!
1
1
0 1
0
0
0
Este modelo supone que se dispone
de R tcnicos en reparaciones para
dar servicio a un total de K
mquinas. Como una mquina
descompuesta no puede generar
nuevas llamadas mientras est en
servicio, el modelo es un ejemplo
de una fuente de llamadas finita.