Modelos de Cola

MODELO DE COLAS
Docente Rene Hernn Linares Silva

Catedra: Investigacin de Operaciones 2
Integrantes:
Lpez Jaime, Gerson Sael 201401182

Gonzalez Garcia,Enmanuel Alejandro 201402002
Caldern Turcios, Emilio Javier 201402682
Chacn Rivera, Javier Henrquez 201400909
Grupo-Seccin: 2-2
19/08/2016
Objetivo General
Comprender y analizar los diferentes modelos de cola derivados de
la distribucin Poisson, as mismo entender la aplicacin de cada
uno de las facetas que presentan para cada situacin expuesta y
rasgos caractersticos en su utilizacin.
Objetivos Especficos
Entender diferentes simbologas utilizadas en el manejo y
utilizacin de modelo de cola.
Conocer la aplicacin de cada uno de los modelos segn
convenga a la situacin expuesta.
Conocer la interpretacin de las variables numricas que se
nos pueden representar en la vida cotidiana relacionadas al
tema de estudio.
Investigacin de Operaciones 2
ndice
Introduccin
La teora de colas es el estudio matemtico de las colas o lneas de

espera dentro de un sistema. Esta teora estudia factores como el
tiempo de espera medio en las colas o la capacidad de trabajo del
sistema sin que llegue a colapsarse. Dentro de las matemticas, la
teora de colas se engloba en la investigacin de operaciones y es
un complemento muy importante a la teora de sistemas y la teora
de control. Se trata as de una teora que encuentra aplicacin en
una amplia variedad de situaciones como negocios, comercio,
industria, ingenieras, transporte y logstica o telecomunicaciones.
En el caso concreto de la ingeniera, la teora de colas permite

modelar sistemas en los que varios agentes que demandan cierto
servicio o prestacin, confluyen en un mismo servidor y, por lo tanto,
pueden registrarse esperas desde que un agente llega al sistema y
el servidor atiende sus demandas. En este sentido, la teora es muy
til para modelar procesos tales como la llegada de datos a una
cola en ciencias de la computacin, la congestin de red de
computadoras o de telecomunicacin, o la implementacin de una
cadena productiva en la ingeniera industrial.
En el contexto de la informtica y de las tecnologas de la

informacin y la comunicacin las situaciones de espera dentro de
una red son ms frecuentes. As, por ejemplo, los procesos
enviados a un servidor para su ejecucin forman colas de espera
mientras no son atendidos; la informacin solicitada, a travs de
Internet, a un servidor Web puede recibirse con demora debido a la
congestin en la red; tambin se puede recibir la seal de lnea de
la que depende nuestro telfono mvil ocupada si la central est
colapsada en ese momento, etc.
Modelo de Colas de Poisson Generalizado
Modelo en el que se combinan llegadas y salidas, basndose en las

hiptesis de Poisson: los tiempos entre llegadas y de servicio tienen
una distribucin exponencial. El modelo es la base para deducir
modelos de Poisson especializados.
El desarrollo del modelo generalizado se basa en el
comportamiento a largo plazo, o de estado estable, de la cola, que
se alcanza despus de que el sistema ha estado funcionando
durante un tiempo suficientemente largo. Esta clase de anlisis
contrasta con el comportamiento transitorio (de calentamiento) que
prevalece durante el inicio de funcionamiento del sistema.
El modelo generalizado supone que las frecuencias tanto de llegada
como de salida dependen del estado, y eso quiere decir que
dependen de la cantidad de clientes en la instalacin de servicio.
Por ejemplo, en la caseta de cobro de una autopista, los empleados
tienden a acelerar el cobro durante las horas picos. Se definir lo
siguiente:
N= Cantidad de clientes en el sistema (en la cola y en el servicio)

n = Frecuencia de llegada cuando hay n clientes en el sistema
n =Frecuencia de salida cuando hay n clientes en el sistema
Ps = Probabilidad de estado estable de que haya n clientes en el
sistema
Bajo condiciones de estado estable, para n>0, las tasas esperadas

de flujode entrada y salida del estado n deben ser iguales. Con
base en el hecho que el estado n solo puede cambiar a los estados
n-1 y n+1, se obtiene.
(Tasa esperada de flujo hacia el estado n)= n1 Pn1 + n+1 Pn+1
De igual manera,
(Tasa esperada de flujo que sale del estado n)= ( n + n Pn
Las ecuaciones de balance se resuelven recursivamente en funcin
de Po como sigue:
Para n=0,
P1
Se puede demostrar por induccin que, en general

Pn
n1 n2 0
= ( n n1 1 ) Po , n=1,2,
El valor de Po se determina con la ecuacin:
Pn =0
n=0
Ejercicio de Aplicacin
BK 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.
CTD. DE CLIENTES EN LA CTD.

DE
TIENDA
FUNCIONANDO
1A3
1
4A6
2
MAS DE 6
3
CAJEROS
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.
De la informacin del problema se tiene que:

n ==10 clientes por hora
n=
60
=5 clientes por hora , n=1,2,3
12
2 x 5=10 clientes por hora n=4,5,6
3 x 5=15 clientes por hora n=7,8
Entonces, utilizando la formula general para determinar las

probabilidades
10
P1= 5 Po=2Po
10 2
(
P2= 5 ) Po=4 Po
P3=
15 3
Po=8 Po
5
( )
10 3 10
(
P4= 5 ) 10 Po=8Po
P5= (
10
5
3
10 2
Po=8 Po
10
( )
10
5
10
P6= ( 10
3
10
10
n6
10
2
8(
)
=
Po, n=7,8
15
3
10 3
( )
5
Pn=
El valor de Po se determina con la ecuacin

2
2 2
(
Po ( 31+8(1+( 3 + 3 ) + =1
Se aplica la frmula de la suma de una serie geomtrica para

obtener
Po
31+8(
1
1
2
3
=1
En consecuencia Po=1/55
Conocida Po, ya se puede determinar cualquiera de las
probabilidades del problema. Por ejemplo, la probabilidad de que
solo haya una caja abierta se calcula como la de que haya entre 1 y
3 clientes en el sistema, esto es
P1+p2 +p3=0.255
Colas especializadas de Poisson
Caso especial de colas de Poisson cuando hay c servidores en

paralelo. Un cliente en espera se selecciona de la cola para iniciar
su servicio en el primer servidor disponible. La frecuencia de
llegadas al sistema es clientes por unidad de tiempo. Todos los
servidores estn en paralelo y son idnticos, lo que quiere decir que
la tasa de servicio en cualquier servidor es clientes por unidad de
tiempo. La cantidad de clientes en el sistema incluye, por definicin,
los que hay en el servicio y los que esperan en la cola. Una
notacin cmoda para resumir las caractersticas de la cola es la
notacin de Kendall estudiada posteriormente.
Notacin General de la situacin general de colas (a, b, c) : (d, e, f)
Una notacin cmoda para resumir las caractersticas de la cola en

la figura 17.4 es una que tiene el siguiente formato:
(a/b/c) : (d/e/f)
En
a = Distribucin de las llegadas
donde:
b = distribucin de las salidas (o del tiempo de servicio)

c = Cantidad de servidores en paralelo (= 1, 2,, )
d = Disciplina de cola
e = Cantidad mxima (finita o infinita) admisible en el sistema (en la
cola ms en servicio)
f = Tamao de la fuente (finita o infinita)
Las notaciones normales o estndar para representar las

distribuciones de llegadas y de salidas (smbolos a y b) son:
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)
D = Tiempo constante (Determinstico)
EK = Distribucin de Erlang o gamma del tiempo (o bien, la suma de
distribuciones exponenciales independientes)
GI = Distribucin general del tiempo de llegada
G Distribucin general del tiempo de servicio
Entre la notacin de disciplina de cola (smbolo d) estn:
PLPS = Primero en llegar, primero en ser servido.

ULPS = ltimo en llegar, primero en ser servido.
SEOA = Servicio en orden aleatorio.
DG = Disciplina en general.
Los primeros tres elementos de la notacin (a/b/c) fueron

inventados por D. G Kendall en 1953, y en las publicaciones se
llaman notacin de Kendall. Despus en 1966 A. M Lee agrego los
smbolos d y e, por ltimo en 1968
Hamdy A. Taha agrego el
ltimo elemento, el smbolo f.
Medidas de rendimiento en estado estable
Las medidas de desempeo, eficiencia o funcionamiento de una

cola son:
Ls = Cantidad esperada de clientes en el sistema
Lq = Cantidad esperada de clientes en la cola
ws = Tiempo esperado de espera en el sistema
wq = Tiempo esperado de espera en la cola

c = Cantidad esperada de servidores ocupados
El sistema abarca tanto a la cola como a la instalacin de servicio.

La relacin entre Ls y Ws (tambin Ls y Ws) se llama formula de Little,
y es la siguiente:
Ls = efWs
Lq = efWq
Estas relaciones son vlidas bajo condiciones bastante generales.
El parmetro ef es la frecuencia efectiva de llegada al sistema. Es
igual a la tasa (nominal) de llegada cuando todos los clientes que
llegan se unen al sistema. En caso contrario, si algunos clientes no
se pueden unir porque el sistema esta lleno (por ejemplo, un
estacionamiento), entoces ef < .
Tambin hay una relacin directa entre Ws y Wq .
Tiempo de
espera en el
sistema
Tiempo
de
=
espera
promedio en la
cola
Tiempo =
esperado de
servicio
Esto se traduce a:
Ws = Wq + 1/
A continuacin, se puede relacionar L s con Lq , multiplicando ambos
lados de la ltima ecuacin por ef , y junto con la frmula de Little
se obtiene:
Ls = Lq +( ef /)
Por definicin, la diferencia entre la cantidad promedio en el
sistema, Ls, y la cantidad promedio en la cola, L q, y la cantidad
promedio de servidores ocupados, c.
Entonces;
c = Ls Lq = (ef /)
Por lo anterior entonces, (Utilizacion de la instalacin) = `c/c

10
Ejercicios de medidas de desempeo estacionario:

Ejercicio 1
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.
Solucin:
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.
Con la frecuencia efectiva de llegada y la tasa nominal de llegada
podemos identificar nuestras medidas de desempeo sustituyendo
en las formulas:
Wq 3 min
1
1
3 4 min
1
Ls Ws 0.75 4 3 clientes
Ws Wq
Lq Wq 0.75 3 2.25 clientes
Ejercicio 2
Suponga un Call Center el cual atiende en promedio 79 llamadas
por minuto Se tiene capacidad para atender en promedio a 125
llamadas por minuto Se sabe que los clientes esperan en promedio
7 segundos en la cola. Calcule las medidas de desempeo del
sistema.
11
Solucin: La tasa media de llegadas es 79 llamadas por minuto o

79/60 = 1.32 llamadas por seg La tasa media de servicio es 125
llamadas por minuto o 125/60 = 2.08 llamadas por seg.
El factor de utilizacin del sistema si se mantuviera un servidor es

=
/ =
1.32/2.08 = 0.635 = 63.5%
Con dos servidores (s = 2):
=
/s
=
1.32/(2*2.08) = 0.317 = 31.7%
Ejercicio 3
Identifique la el siguiente formato a travs de la notacin de
Kendall: (M/M/1): (DG//).
Solucin:
A = Uso de llegadas poisson
B = Tiempo de servicio exponencial
C = Un solo servidor
D = Disciplina general (cualquier tipo)
E = No hay lmite de clientes
F = Tamao de fuente infinita
MODELOS DE UN SOLO SERVIDOR
Es el tipo ms sencillo de estructura y existen frmulas directas

para resolver el problema con distribucin normal de patrones de
llegada y de servicio. Cuando las distribuciones no son normales se
resuelve con simulaciones (ejemplo: lavadero automtico de autos,
muelle de descarga de un solo lugar, etc.
El sistema (M/M/1) : (DG//) de un solo servidor
12
Una cola M/M/1 es un sistema al que los clientes llegan segn una
distribucin de Poisson, la atencin se presta segn una negativa
exponencial y tienen un nico servidor. Por tanto: La tasa de llegada
es a(t)= e-t La tasa de salida es a(t)=e.t A partir de estos datos
se puede derivar (Gross y Harris, 2014) mediante el anlisis de
procesos de nacimiento y muerte explicados en el captulo anterior
que la probabilidad de que haya n clientes en el sistema es:
Y por tanto se puede El nmero medio de clientes en la cola es:
Dado que:
Se incluye que:
De este modo aplicando las relaciones fundamentales
Se puede estimar tambin La cola media cuando el sistema no est

vaco. Y el resultado es.
Es muy interesante observar como la cola observada por el cliente

que espera depende de la tasa de servicio, mientras que la cola
13
observada por el servidor que espera depende de la tasa de

llegada. Otro resultado interesante es conocer cual es la
probabilidad de que haya X o ms elementos en el sistema, pues
nos permitir tomar decisiones respecto al dimensionamiento del
mismo.
El sistema (M/M/1) : (DG/N/) De un solo servidor
Este modelo difiere del (M/M/1) : (DG//) en que hay un lmite N

para la cantidad de clientes en el sistema (longitud mxima de la
cola = N-1). Entre los ejemplos de este caso estn los de
manufactura en donde una maquina puede tener un rea limitada
de reserva y una ventana e servicio para un carril de autos, en un
restaurante de comida rpida.
Cuando la cantidad de clientes en el sistema llega a N no se
permite ms llegadas, y entonces
Sea = , entonces el modelo generalizado da como resultado.
El valor de po se determina con la ecuacin
O sea
As,
14
Pn=1
n=0
y resulta
El valor de
no necesita ser menor que 1 en este modelo,
porque las llegadas al sistema estn controladas por el limite N del

mismo. Esto quiere decir que la rapidez que importa en este caso
es ef y no como los clientes se pierden cuando hay N en el
sistema, entonces,
En este caso, ef < .

La cantidad esperada de clientes en el sistema se calcula como
sigue:
Cuando p = 1, Ls =
N
2
. Se pueden obtener Ws, Wq y Lq a partir de
Ls usando ef.
MODELO DE SERVIDORES MULTIPLES

Colas con servidores mltiples (M/M/C) : (DG//)
Un sistema con servidores en paralelo se caracteriza porque hay

ms de un servidor que ejecuta la misma funcin con la misma
eficiencia. En un sistema con servidores en paralelo no hay varias
colas, sino una nica cola. Pero Se define r = mientras que la
tasa de ocupacin del sistema es c = Cuando se consideran c
15
servidores en paralelo, las tasas de llegada y de servicio pasan a

ser:
Donde
Siendo la probabilidad que el sistema este vaco

.
La longitud de la cola medida es:
El tiempo medio de espera en la cola:
Y por tanto.
Para facilitar el clculo de Lq se ha considerado interesante incluir

el siguiente baco que relaciona el valor de con Lq para distintos
valores de c.
16
Colas con servidores mltiples (M/M/C) : (DG/N/)
En algunos sistemas la cola no puede albergar a un nmero

indefinido de clientes. En este caso se dice que el sistema es de
capacidad limitada. El lmite lo fija el parmetro K que incluye a los
servidores. Las probabilidades de cada estado del sistema
Para facilitar el clculo de Lq se ha considerado interesante incluir

los siguientes
bacos que relacionan el valor de con Lq para distintos valores de
K-c.
MODELO DE SERVIDORES MULTIPLES (M/M/) : (GD//)
En este modelo, la cantidad de servidores es ilimitada, porque el

cliente tambin es un servidor.
Un ejemplo caracterstico es hacer la parte escrita de la prueba de
manejo para obtener licencia. Las gasolineras de autoservicio y los
17
cajeros automticos no caen en la descripcin de este modelo,

porque en esos casos los servidores son las bombas de gasolina y
los cajeros.
En el modelo se supone una llegada continua, con las tasas de
servicio y , respectivamente. Y se tiene que:
Que es de Poisson con promedio Ls = . Como era de esperar, Lq =

Wq = 0, porque es un modelo de autoservicio.
Ejemplo 1: El sistema (M/M/1) : (DG//) de un solo servidor
Un promedio de 10 automviles por hora llegan a un cajero con un
solo servidor que proporciona servicio sin que uno descienda del
automvil. Suponga que el tiempo de servicio promedio por cada
cliente es 4 minutos, y que tanto los tiempos entre llegadas y los
tiempos de servicios son exponenciales. Conteste las preguntas
siguientes: a. Cul es la probabilidad que el cajero est ocioso? b.
Cul es el nmero promedio de automviles que estn en la cola
del cajero? (se considera que un automvil que est siendo
atendido no est en la cola esperando) c. Cul es la cantidad
promedio de tiempo que un cliente pasa en el estacionamiento del
banco, (incluyendo el tiempo de servicio)? d. Cuntos clientes
atender en promedio el cajero por hora?
Solucin:
Se conoce la siguiente informacin: = 10 clientes/hora (media de
llegada de los clientes) = 1/6 clientes/minutos = 1
clientes/4minutos (media de servicio de los clientes)=1/4
cliente/minuto
a) Por tanto = = 1/6 1/4 = 2 3 = 66.67% factor de utilizacin
del sistema. Es decir que el sistema permanece ocioso el 33.33%.
b) Cul es el nmero promedio de automviles que estn en la
cola del cajero?
18
= () = / /( ) = = . Puede haber 2
autos en la cola.
c) Cul es la cantidad promedio de tiempo que un cliente pasa en
el estacionamiento del banco (incluyendo el tiempo de servicio)?
Nos preguntan por el tiempo promedio que el cliente pasa en el
sistema. Ws.
= 1 = 1 1 4 1/6 = 1 1/12 = 12
.
d) Cuntos clientes atender en promedio el cajero por hora?
Si el cajero siempre estuviera ocupado, atendera un promedio de
=15 clientes por hora. Segn la solucin encontrada en el inciso a
(1/4*60=15), el cajero est ocupado 2/3 del tiempo. Por tanto dentro
de cada hora, el cajero atender un promedio de (2/3)(15)= 10
clientes. Esto es *= 2/3 * 15 = 10 clientes.
Ejemplo 2: Colas con servidores mltiples (M/M/C) : (DG//)
Para ejemplificar el modelo M/M/S, suponga que existen cuatro
canales de servicio con tasas promedio de servicio m = 15 clientes
por hora y una tasa de llegada de 1 = 12 cliente por hora, esto
implica que S = 4
Calcular:
a)
b)
c)
d)
Eficiencia
Tiempo que no habr clientes en el sistema.
Promedio de clientes espera en el sistema o servicio.
Promedio de clientes en la cola.
= tasa promedio de llegada al sistema

= tasa promedio de servicio
S = # servidores
= 12
= 15
S=4
P=?
19
Po = ?
Lq = ?
Wq = ?
P = Eficiencia
P=
12
15
= 0.8*100 = 80%
Po = Tiempo no habr clientes en el sistema (ni en la cola, ni

recibiendo servicio)
Lq = numero promedio de personas o unidades en la lnea o cola, en

espera de servicio.
Lq =
4
( 1215 ) 12
15
0.449102=0.0023952 clientes
( 41 ) ( 41215 )2
( )
12
L = 0.0023952+ 15 =0.8023952clientes
Wq = Tiempo promedio que una persona o unidad se tara en la cola

esperando por servicio.
Wq =
W=
0.0023952
=0.0001996 clientes
12
1
1
=
=0.33
( ) ( 1512 )
Ejemplo 3: MODELO DE SERVIDORES MULTIPLES (M/M/c) :

(GD/N/)
En un pequeo taller de ajuste de motores ocupa a tres mecnicos.
Cuando los clientes que llegan ven que el piso del taller est
cubierto de trabajos en espera, van a otra parte. El piso del taller
puede dar cabida cuando mucho a 15 segadoras o podadoras,
adems de las que reciben el servicio. Los clientes llegan al taller
20
cada 15 minutos en promedio, y un mecnico tarda un promedio de

30 minutos en terminar cada trabajo. El tiempo entre llegadas y el
tiempo de servicio tienen distribucin exponencial.
Solucin:
(M/M/3):(GD/18/)
a) Cantidad promedio de mecnicos sin trabajo = c-(L s-Lq)
Ls = 0.8774 + 0.9997 = 1.8771

# de mecnicos no trabajando = 3 (1.8771-0.8774) = 2.0003
b) Porcin del trabajo que va a la competencia en un da de 10
horas, por la capacidad limitada del taller.
perdido = ef = 4 3. 9986 = 0. 0014 trabajos por hora
En un da de 10 horas se pierden: 10x0.0014=0.014 trabajos.
c) La probabilidad de que el siguiente cliente que llegue reciba
servicio.
d) La probabilidad de que al menos un mecnico este sin trabajo.
e) La cantidad promedio de segadoras o podadoras que esperan

servicio.
Lq = 0. 8774 esperan servicio 0.8774 segadoras o podadoras
f) Productividad del taller=
l sLq 1.87710.8774
=
=0.3332
c
3
La productividad es de 33.32%
21
Modelo de servicio de mquinas.
Este modelo puede describirse como un taller con K mquinas.

Cuando se descompone una mquina, se llama a un mecnico para
hacer la reparacin. La frecuencia es descomposturas por
mquina y por unidad de tiempo, y un mecnico las repara a una
tasa de mquinas por unidad de tiempo. Se supone que todas las
descomposturas y los servicios siguen una distribucin de Poisson.
Este modelo se diferencia de todos los anteriores por tener una
fuente finita de clientes. Eso se puede visualizar si se considera que
cuando todas las mquinas del taller estn descompuestas, no se
pueden generar ms llamadas o solicitudes de servicio. En esencia,
slo las mquinas que estn funcionando se pueden descomponer,
22
por lo que tienen el potencial de generar llamadas de servicio. Dado

que la frecuencia de descomposturas por mquina es , la
frecuencia de descomposturas en todo el taller es proporcional a la
cantidad de mquinas que estn funcionando. Tambin, si se tienen
n mquinas en el sistema quiere decir que n mquinas estn
descompuestas (el sistema es las mquinas descompuestas, no el
taller). Entonces, la frecuencia de descomposturas en todo el taller
es
En trmino generalizados:
Entonces para el modelo generalizado se puede obtener:
En este modelo es difcil obtener una forma cerrada de Ls, y en

consecuencia se debe calcular a partir de la siguiente definicin
bsica:
El valor de ef se calcula como sigue:
Ejemplo 1: Emilio tiene un taller con 22 mquinas en total. Se sabe

que cada mquina se descompone con una frecuencia promedio de
una vez cada dos horas. Se necesita un promedio de 12 minutos
para terminar una reparacin. Tanto el tiempo entre
descomposturas como el tiempo de reparacin siguen una
distribucin exponencial. A Emilio le interesa determinar la cantidad
de mecnicos necesarios para mantener el taller funcionando
23
uniformemente. El caso se puede analizar investigando la

productividad de las mquinas en funcin de la cantidad de
mecnicos. Esa medida de productividad se puede definir como
sigue:
Los resultados para este caso se pueden obtener con los siguientes
datos a TORA:
La muestra las medidas comparativas para R de 1 a 4, usando

TORA. La productividad correspondiente se calcula en la siguiente
tabla:
Estos resultados indican que con un mecnico, la productividad es

baja ( 45.44%). Al aumentar la cantidad de mecnicos a 2, la
productividad crece en 34.71% para llegar a:
Resultados obtenidos con TORA

80.15%. Cuando se emplean tres mecnicos, la productividad slo
aumenta 8.64% para llegar a 88.79%, mientras que cuatro
mecnicos harn aumentar la productividad slo 1.66%, alcanzando
90.45 por ciento. Segn estos resultados, se justifica usar dos
mecnicos. El caso de tres mecnicos no es tan slido, porque slo
aumenta la productividad 8.64%. Quiz se pueda usar una
comparacin econmica entre el costo de contratar un tercer
mecnico y el ingreso correspondiente al 8.64% de aumento de
productividad. En cuanto a contratar un cuarto mecnico, podra
24
suceder que el pequeo aumento de productividad de 1.66% no

justifique esa accin.
Ejemplo 2: Despus de esperar mucho, el matrimonio Camposperaza fue recompensado con quintillizos, dos nios, tres nias,
gracias a las maravillas del progreso de la medicina. Durante los
primeros cinco meses, la vida de los bebes transcurra en dos
estados: despiertos y dormidos. segn la familia las actividades
"despierto-dormido" nunca coinciden, parecen ser aleatorias. La
seora peraza quien es experta en estadstica, cree que el tiempo
de que llora cada bebe es exponencial, con 30 min de promedio. El
tiempo durante el cual duerme cada bebe es exponencial, con una
media de 2 horas determine:
a) La cantidad de ebes despiertos en cualquier momento
b) La probabilidad de que todos los bebes estn dormidos
c) Probabilidad de que hayan mas bebes despiertos que
dormidos
25
a) Numero de bebes despiertos: 5-ls= 1 bebe

b) Probabilidad de que estn dormidos= 0.32768
c) Probabilidad de que hayan mas bebes despiertos que
dormidos:
Ejemplo 3: Kleen All es una compaa de servicios que realiza

varios trabajos peculiares, como jardinera, poda de rboles y
pintura de casas. Los 4 empleados de la compaa salen de la
oficina con la primera asignacin del da. Despus de completar una
asignacin, el empleado llama a la oficina para pedir instrucciones
para el siguiente trabajo que se va a realizar. El tiempo para
completar una asignacin es exponencial con una media de 45
minutos. El tiempo de viaje entre los trabajos tambin es
26
exponencial
con
una
media
de
20
minutos.
a) Determine el promedio de empleados que viajan entre los

trabajos.
Ls= 1.23076
b) Calcule la probabilidad de que ningn empleado ande en
camino.
Po= 0.229222
27
FRMULA DE POLLACZEK-KHINTCHINE (P-K)
Los modelos de cola en que las llegadas y las salidas no siguen la

distribucin de Poisson son complicados. En general, en esos casos
se aconseja usar la simulacin como mtodo alternativo para
analizarlos.
Se presenta una clases de cola que no es de Poisson, para la cual
se dispone de resultados. Es para el caso en el que el tiempo de
servicio t se representa por una distribucin de probabilidades con
media E{t} y varianza var{t}. Entre los resultados del modelo estn
las medidas bsicas de desempeo Ls, Lq, Ws y Wq. El modelo no
proporciona una ecuacin cerrada para pn debido a que no se
puede manejar en forma analtica. Sea la frecuencia de llegadas a
la instalacin con un servidor. Dadas E{t} y var{t} de la distribucin
del tiempo de servicio, y como E{t} 1, se puede demostrar,
mediante complicados anlisis de probabilidades y cadenas de
Markov, que
La probabilidad de que la instalacin est vaca (sin trabajar) se

calcula con:
Como ef , las medidas restantes de desempeo (Lq, Ws y Wq) se
pueden obtener a partir de Ls.
Ejemplo: En el lavado de autos Autmata , suponga que se cambia
el sistema de lavado, de tal forma que el tiempo de servicio en
todos los vehculos sea constante, igual a 10 minutos. Cmo
afecta ese nuevo sistema al funcionamiento de la instalacin? ef
4 automviles por hora. El tiempo de servicio es constante, por lo
que hora E{t} = 1/6 y var{t}=0 Entonces,
28
Los resultados tienen sentido, porque un tiempo de servicio

constante indica que hay ms certidumbre en el funcionamiento de
la instalacin.
Ejemplo 2: Un lava carros puede atender un auto cada 5 min. Y la
tasa media de llegadas es de 9 autos/hora =2min
a) Obtenga las medidas de rendimiento de acuerdo con el
modelo (M/G/1)
b) Calcular la probabilidad de tener 0 clientes en el sistema
Ejemplo 3: Ted repara televisores y videograbadoras.

Datos de su Trabajo:
El tiempo promedio para uno de estos artefactos es de 2.25h
La desviacin estndar del tiempo de reparacin es de 45min
Los clientes llegan a la tienda promedio cada 2.5h, de acuerdo
a una distribucin de poisson
Ted trabaja 9 horas diarias y no tiene ayudantes
El compra todos los repuestos necesarios
29
En promedio, el tiempo de reparacin esperado debera ser 2

horas
La desviacinestandar esperada debera ser de 40 min.
Ted desea conocer los efectos de usar nuevos equipos para:
-Mejorar el tiempo promedio de reparacin de los efectos
-Mejorar el tiempo promedio que debe esperar un cliente
hasta que su artefacto sea reparado
Sin equipo nuevo
Con equipo
30
Conclusin
31

Modelos de Cola

Cargado por

Copyright:

Formatos disponibles

Modelos de Cola

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelos de Cola

Cargado por

Copyright:

Formatos disponibles

MODELO DE COLAS

Docente Rene Hernn Linares Silva

Lpez Jaime, Gerson Sael 201401182

La teora de colas es el estudio matemtico de las colas o lneas de

En el caso concreto de la ingeniera, la teora de colas permite

En el contexto de la informtica y de las tecnologas de la

Modelo de Colas de Poisson Generalizado

Modelo en el que se combinan llegadas y salidas, basndose en las

N= Cantidad de clientes en el sistema (en la cola y en el servicio)

Bajo condiciones de estado estable, para n>0, las tasas esperadas

Se puede demostrar por induccin que, en general

El valor de Po se determina con la ecuacin:

CTD. DE CLIENTES EN LA CTD.

Los clientes llegan a las cajas siguiendo una distribucin de

De la informacin del problema se tiene que:

Entonces, utilizando la formula general para determinar las

El valor de Po se determina con la ecuacin

Se aplica la frmula de la suma de una serie geomtrica para

Colas especializadas de Poisson

Caso especial de colas de Poisson cuando hay c servidores en

Notacin General de la situacin general de colas (a, b, c) : (d, e, f)

Una notacin cmoda para resumir las caractersticas de la cola en

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

Las notaciones normales o estndar para representar las

Entre la notacin de disciplina de cola (smbolo d) estn:

PLPS = Primero en llegar, primero en ser servido.

Los primeros tres elementos de la notacin (a/b/c) fueron

Medidas de rendimiento en estado estable

Las medidas de desempeo, eficiencia o funcionamiento de una

wq = Tiempo esperado de espera en la cola

El sistema abarca tanto a la cola como a la instalacin de servicio.

Por lo anterior entonces, (Utilizacion de la instalacin) = `c/c

Ejercicios de medidas de desempeo estacionario:

Suponga una estacin de gasolina a la cual llegan en promedio 45

Lq Wq 0.75 3 2.25 clientes

Solucin: La tasa media de llegadas es 79 llamadas por minuto o

El factor de utilizacin del sistema si se mantuviera un servidor es

MODELOS DE UN SOLO SERVIDOR

Es el tipo ms sencillo de estructura y existen frmulas directas

Y por tanto se puede El nmero medio de clientes en la cola es:

De este modo aplicando las relaciones fundamentales

Se puede estimar tambin La cola media cuando el sistema no est

Es muy interesante observar como la cola observada por el cliente

observada por el servidor que espera depende de la tasa de

El sistema (M/M/1) : (DG/N/) De un solo servidor

Este modelo difiere del (M/M/1) : (DG//) en que hay un lmite N

Sea = , entonces el modelo generalizado da como resultado.

El valor de po se determina con la ecuacin

no necesita ser menor que 1 en este modelo,

porque las llegadas al sistema estn controladas por el limite N del

En este caso, ef < .

. Se pueden obtener Ws, Wq y Lq a partir de

MODELO DE SERVIDORES MULTIPLES

Un sistema con servidores en paralelo se caracteriza porque hay

servidores en paralelo, las tasas de llegada y de servicio pasan a

Siendo la probabilidad que el sistema este vaco

La longitud de la cola medida es:

El tiempo medio de espera en la cola:

Para facilitar el clculo de Lq se ha considerado interesante incluir