Investigación de Operaciones

Unidad de aprendizaje 2:

Asignatura: Investigación de operaciones

Sección: 120

Nombre del docente: Guillermo Antonio Alfaro Cerda

Nombre de los integrantes del grupo:

Marcela Carmona Moya

Lindsay Cortes Rojas

Kenny Hernández Gayoso

Nataly Trujillo Muñoz

12/12/2022
Contenido
1. INTRODUCCION...............................................................................................................................................................

2. OBJETIVOS.......................................................................................................................................................................

3. CONTENIDO TEORICO......................................................................................................................................................

1 MODELOS DE COLAS (LÍNEA DE ESPERA).........................................................................................................................

1.1 MODELO M/M/1.....................................................................................................................................................

1.2 MODELO M/M/1.....................................................................................................................................................

1.3 MODELO M/M/S.....................................................................................................................................................

1.4 MODELO M/M/1/K.................................................................................................................................................

2 LAS DISTRIBUCIONES DE PROBABILIDAD.......................................................................................................................

2.1 EXPONENCIAL.......................................................................................................................................................

2.2 CONSTANTE O DETERMINISTA..............................................................................................................................

2.3 ERLANG DE PARÁMETRO......................................................................................................................................

2.4 GENÉRICA E INDEPENDIENTE................................................................................................................................

3 SISTEMAS DE LLEGADA..................................................................................................................................................

3.1 FCFS FIRST COME, FIRST SERVED..........................................................................................................................

3.2 LCFS LAST COME, FIRST SERVED...........................................................................................................................

3.3 SIRO SERVICE IN RANDOM ORDER........................................................................................................................

3.4 GD GENERAL DISCIPLINE.......................................................................................................................................

4 Aplicaciones de los modelos de cola.............................................................................................................................

5 Conclusiones finales......................................................................................................................................................

6 BIBLIOGRAFIA................................................................................................................................................................

Informe de Investigación de operaciones

2
 1. INTRODUCCION
2. OBJETIVOS
3. CONTENIDO TEORICO
1 MODELOS DE COLAS (LÍNEA DE ESPERA)
1.1 MODELO M/M/1

La teoría de colas es el estudio matemático del comportamiento de líneas de espera. Esta se

presenta, cuando los “clientes” llegan a un lugar demandando un servicio a un “servidor”, el cual
tiene una cierta capacidad de atención. Si el servicio no esta disponible inmediatamente el cliente
decide esperar, entonces se forma la cola.

La primera aplicación de teoría de colas se debe al matemático danés Erlang sobre conversaciones
telefónicas en 1909 para el cálculo de tamaño de las centralitas. Esta teoría se encarga de proponer
modelos para el manejo eficiente de línea de espera., las que se forman por uno o varios clientes que
esperan para recibir un servicio.

Elementos que forman un sistema de colas

Fuente de entrada: población potencial de clientes que requiere o podría requerir un servicio. Estos
pueden ser personas objetos maquinas que requieren un mantenimiento, contenedores para ser
embarcados, etc.

Cola: es el numero de clientes en espera de un servicio.

Servidor: es el numero de clientes en espera de servicio.

Los parámetros pueden ser finitos o infinitos (N, ∞).

Notación de kendall

Informe de Investigación de operaciones

3
 En 1953 Davis G. kendall, matemático de Inglaterra, implementó la notación de colas, la cual se
utiliza para identificar por medio de iniciales las características del sistema de colas. Un sistema se
identifica a través de A/B/X/Y/Z/V donde:

A es modelo de llegadas, valores posibles:

M= tiempo entre llegadas exponenciales.

D= tiempos entre llegadas deterministas.

G= tiempos entre llegadas generales (cualquier distribución).

B es el modelo de servicio, puede tomar los mismos valores que A.

X es el número de servidores.

Y es la capacidad del sistema (número máximo de clientes en el sistema) se puede omitir si es

infinita.

Z es la disciplina, se puede omitir si es FIFO.

V es el numero de estados de servicios, se puede omitir si es 1.

Los modelos de cola son muy útiles para determinar como operar un sistema de colas de la manera
más eficaz, a continuación, se definirán de manera clara los siguientes modelos:

1.2 MODELO M/M/1

Este modelo se trata de la distribución de llegada Markoviano, tiempo de servicio Markoviano, y un

servidor. Se tiene que un proceso de llegadas que sigue un proceso de Poisson de razón λ, donde los
tiempos entre llegadas estarán distribuidas siguiendo una distribución exponencial e λ , donde λ es el
numero de llegadas promedio por unidad de tiempo. Y los tiempos entre servicios son distribuidos de
manera exponencial e µ, donde µ es el promedio de servicios realizados que el servidor es capaza de
realizar por unidad de tiempo.
Es uno de los modelos más sencillos y más utilizados, ya que es de un solo canal y una sola fase, que
implica ciertas condiciones que se deben cumplir según la notación de Kendall:

Informe de Investigación de operaciones

4
A se tiene un sistema de llegadas que se producen según un proceso de Poisson de razón λ, donde los
tiempos entre llegadas estarán distribuidos exponencialmente Exp(λ). Donde lambda λ es el numero
medio de llegadas por unidad de tiempo. B el tiempo entre servicios son distribuidos de manera
exponencial, Exp(µ).
 Donde µ es el numero medio de paquetes que el servidor es capaz de atender por unidad
de tiempo.
X posee un único servidor en el sistema.
Y la capacidad del sistema es infinita, la cual se puede omitir.
Z la disciplina del sistema será FIFO, la cual se puede omitir.
V se tiene un estado de servicio igual a uno, es decir, una sola cola que también se puede omitir.

El sistema se representa como: M/M/1/∞.

La intensidad de tráfico a factor de utilización se define como:
λ
ρ:
µ
ρ= Intensidad de tráfico del sistema.
λ= N° medio de llegadas por unidad de tiempo
µ= N° medio de paquetes que el servidor es capaz de atender por unidad de tiempo.

Informe de Investigación de operaciones

5
Por lo tanto, para que el sistema sea estable, se debe de cumplir con la siguiente condición de no
saturación ρ ˂ 1, si se cumple la condición de no saturación, las probabilidades de estado estable
existen y están dada por:
Pn= ρ (1 - ρ)
n

Pn= Probabilidad de que existan n paquetes en el sistema. Pero depende el tipo de red que tenga, ya
que el tamaño es diferente en cada red.

Este modelo es fácil de encontrar ejemplos de llegadas aleatorias en situaciones diarias, como:
SITIO ARRIBOS EN LA COLA SERVICIO
Supermercado Compradores Pago en cajas
Peaje Vehículos Pago de peaje
Consultorio Pacientes Consulta
Sistema de computo Programas a ser recorridos Proceso de datos
Banco Clientes Depósitos y cobros
Mantenimiento Maquinas dañadas Reparación
Muelle Barcos Carga y descarga

1.3 MODELO M/M/S

Para este modelo las dos M significan que los tiempos de llegadas y de servicio se comportan en base
a una distribución de probabilidad exponencial con s servidores atendiendo. Este proceso consiste en
un conjunto de estados {0, 1, 2, ...} llamados población, donde supone que todos los tiempos entre
llegadas son independientes e idénticamente distribuidos de acuerdo con una distribución
exponencial (el proceso de entrada es de Poisson), y que el número de servidores es cualquier entero
positivo. En consecuencia, es un proceso de nacimiento y muerte, cuando la tasa media de llegada al
sistema de colas y la tasa media de servicio por servidor ocupado son constante e independientes del
estado, es un tipo especifico de cadenas de Markov a tiempo continuo.

 Dos o mas servidores o canales están disponibles para atender a los clientes que arriban.
 Los clientes forman una sola cola y se los atienden de acuerdo al servidor que queda
libre.
 Asumimos que los arribos siguen la distribución de probabilidad de Poisson y los tiempos
de servicio son distribuidos exponencialmente.

Informe de Investigación de operaciones

6
  Los servicios se los hace de acuerdo a la política primero en llegar primero en ser servido
(PEPS).
 Una distribución de Poisson describe la probabilidad de que lleguen n clientes en los
siguientes t unidades de tiempo.
En la práctica se habla de la llegada de servicio exponencial.

M= N° de canales abiertos.

λ = Tasa promedio de arribo.

µ= Tasa promedio de servicios en cada canal.

Po = Probabilidad de que existan CERO personas o unidades en el sistema

Ls = N° promedio de personas o unidades en el sistema.

Informe de Investigación de operaciones

7
 1.4 MODELO M/M/1/K

En este modelo se piensa que el sitio de espera es limitado y el número de clientes que pueden
entrar es finito, cuando el número de clientes en el sistema alcanza el máximo permitido, se mega la
entrada de otros clientes al sistema, otra forma de pensarlo es que si un cliente ve el sistema lleno
desistirá de hacer la cola y abandonará el sistema.

Hablando de una forma más técnica se trata de un modelo como el M/M/1, pero con limitación k
para el tamaño de la cola. Donde, la distribución del tiempo entre dos intentos de llegadas al sistema
de clientes consecutivos es una exp(λ), la distribución del tiempo de servicio es exp(µ) y sólo hay un
servidor. Además, el número de clientes que pueden estar en la cola es como mucho k, la población
potencial es infinita y la disciplina es FIFO. Obviamente, en este modelo se puede dar el caso de que
un cliente que intente entrar en el sistema no lo consiga, por estar la cola llena.

Este sistema se caracteriza como:

A se tiene un sistema de llegadas que se producen según un proceso de Poisson de razón λ,
donde los tiempos entre llegadas estarán distribuidos exponencialmente Exp(λ)
 Donde lambda λ es el número medio de llegadas por unidad de tiempo.
B el tiempo entre servicios son distribuidos de manera exponencial, Exp(µ).
 Donde µ es el número medio de paquetes que el servidor es capaz de atender por unidad
de tiempo.
X posee un único servidor en el sistema.
Y la capacidad del sistema es infinita, la cual se puede omitir.
Z la disciplina del sistema será FIFO, la cual se puede omitir.
V se tiene un estado de servicio igual a uno, es decir, una sola cola que también se puede omitir.
En este sistema se limita el número de paquetes que van a entrar a la cola, en otras palabras, si la
cola se llena de paquetes serian rechazados. La ventaja es que no necesita una condición de no
saturación y por lo mismo se encuentra en un estado estable, sin importar el valor de ρ.
Las probabilidades de estos modelos son:

Informe de Investigación de operaciones

8
ʎ: Tasa de llegada
µ: Tasa de servicio
ρ: Intensidad de tráfico en el sistema.
Po : Probabilidad de tiempo de espera nulo. 
Pn: Probabilidades de que n clientes se encuentren en el sistema de colas.

pn
LLegadas Servicios ʎ 1−P (1−P)
ʎ= µ= ƿ= Po= k+ 1 Pn=
Tiempo Tiempo cµ 1−P 1−Pk+1

ρ en este caso determina la variación de probabilidades, porque si ρ˂1 seria que la oferta supera a la
demanda. En cambio, si ρ˃1 la oferta de servicio no es suficiente para el servicio que se esta
solicitando, y para el equilibrio seria ρ=1.

 Medidas de rendimiento
1. L= N° medio de paquetes en el sistema.

Informe de Investigación de operaciones

9
 2. ʎ ef = tasa efectiva de rendimiento.

ʎ = N° medio de llegadas por unidad de tiempo.

P K = probabilidad de que haya k paquetes en el sistema.

Del rendimiento de la tasa efectiva de llegadas, se obtiene las fórmulas W, L y Lq

W= tiempo medio que un paquete permanece en el sistema,

W q = tiempo medio de espera en la cola,

µ= Numero medio de paquetes que el servidor es capaz de atender por unidad de tiempo,

Lq=Número promedio de clientes en cola.

Informe de Investigación de operaciones

10
 2 LAS DISTRIBUCIONES DE PROBABILIDAD

2.1 EXPONENCIAL

Las distribuciones exponenciales se utilizan habitualmente en cálculos de fiabilidad de productos, es

decir, cuanto tiempo dura un producto. Por lo tanto, la distribución exponencial explica los procesos
que tienen relación con la cantidad de tiempo que pasa hasta que se produce un evento puntual, con
una variable aleatoria, en este caso, el tiempo que tarda en producirse un hecho. La media de la
distribución de Poisson, lambda, representa los acontecimientos de un evento por unidad de tiempo,
siendo el parámetro de la distribución exponencial, y su inversa es el valor medio de la distribución.

Esta variable aleatoria es continua. Por otro lado, hay una relación entre los parámetros α de la
distribución exponencial y el parámetro de intensidad del proceso ʎ , esta relación es α = ʎ .

Esta distribución es útil, ya que es el modelo adecuado para la distribución de probabilidad del
tiempo de espera entre dos hechos que sigan un proceso de Poisson. Sin embargo, la forma expuesta
debe ser lo mas realista como para que el modelo entregue un pronostico razonable y al mismo
tiempo manejables, con esta consideración, la distribución exponencial es la mas importante de la
teoría de colas.

Una variable aleatoria no negativa, X, es una distribución con parámetro λ, X ∼ exp(λ), si

Donde λ > 0 es una constante fija.

La función de densidad de X viene dada por:

Informe de Investigación de operaciones

11
Propiedades de la distribución exponencial

Fx (x) es una función estrictamente decreciente. Por consiguiente,

Es decir, es relativamente probable que X tome valores pequeños, cercano a cero, que un valor cercano a

la media, aun cuando el segundo intervalo tiene el doble de longitud que el primero. ¿esta es una
propiedad razonable para un modelo de colas?

 X significa los tiempos de servicios, la respuesta depende de la naturaleza de este servicio.

 Si el servicio requerido es idéntico para el cliente y el servidor siempre realiza la misma
secuencia de operaciones, entonces estos tiempos de servicios reales tienden a acercarse al
tiempo de espera del servicio.

Propiedad de pérdida de memoria

La distribución exponencial no tiene memoria, si un elemento ha sobrevivido un tiempo S, no modifica de

que sobreviva t unidades de tiempo más. La probabilidad de que el elemento falle en una hora, no
depende del tiempo que lleve funcionando.

expresión que no depende, del tiempo sobrevivido S.

2.2 CONSTANTE O DETERMINISTA

Informe de Investigación de operaciones

12
 2.3 ERLANG DE PARÁMETRO
La variable aleatoria X tiene distribución gamma y su función de densidad viene dada por:

Se puede decir que

la distribución de
Erlang es el
equivalente de la distribución gamma con el parámetro α = k = 1, 2, ... y λ = 1/β. La relación de los
modelos de Poisson y Erlang son:

 Si el número de sucesos aleatorios son independientes que ocurren en un intervalo de tiempo de

longitud t es una variable de aleatoria de Poisson de parámetro λt, por lo tanto, el tiempo
transcurre hasta la k-ésima ocurrencia tiene de Erlang de parámetros K y λ. Para demostrarlos
notamos por xt a la variable aleatoria que representa el número de eventos que corren en un
intervalo de tiempo de longitud de t que sigue una distribución de Poisson Poi (λt) y por la T la
variable aleatoria que representa el tiempo hasta la k-ésima. Calculamos la función de
distribución de la variable T:

2.4 GENÉRICA E INDEPENDIENTE

3 SISTEMAS DE LLEGADA
3.1 FCFS FIRST COME, FIRST SERVED
También conocido como FIFO o esquema de cola rígido. Este algoritmo emplea una cola de procesos,
asignando un lugar a cada proceso por el orden de llegada. Cuando el proceso llega es puesto en su lugar
en la cola después que llego antes que el y se pone en estado de listo. Cuando un proceso comienza a
ejecutarse no se interrumpe su ejecución hasta que termina de hacerlo.

3.2 LCFS LAST COME, FIRST SERVED

3.3 SIRO SERVICE IN RANDOM ORDER
Se selecciona a los clientes de una cola de forma aleatoria, con algún procedimiento de prioridad o
alguna precalificación.

Informe de Investigación de operaciones

13
 3.4  GD GENERAL DISCIPLINE

4 APLICACIONES DE LOS MODELOS DE

COLA
Deberán buscar un ejemplo real de una empresa que utilice los modelos de teorías de colas investigadas.
Es importante que señalen que modelo utilizan y cuáles son los beneficios de su uso.

5 CONCLUSIONES FINALES

La variabilidad en los tiempos de espera de servicios afecta negativamente el tiempo de espera en

cola, a la vez dado a los costos de ampliar la capacidad y los costos de los usuarios esperando, se
debe buscar un equilibrio que defina cual es la capacidad optima. se debe gestionar la espera de
manera tal que los usuarios perciban que es la menor posible y para eso se busca con distintos
enfoques controlarlos. de manera que la percepción de estos usuarios sea menor y tratar de
incentivar algunos usuarios para que muevan su demanda a pedidos menor congestionado y darles
una prioridad. También hay que prestar atención al tiempo de permanencia en el sistema o en la
Cola: la "paciencia" de los clientes depende del tipo de servicio específico considerado y eso puede
hacer que un cliente "abandone" el sistema. (…COMPLEMENTAR)

La teoría de las colas en si no resuelve directamente el problema, pero contribuye con la información
vital que se requiere para tomar las decisiones convenientes prediciendo algunas características
sobre la línea de espera: probabilidad de que se formen, el tiempo de espera promedio.

6 BIBLIOGRAFIA

García, Juan Luis. (2021). Teoría de colas. https://es.slideshare.net/AndreaPocasangre/teoria-de-

colas-250148385

Pérez, Roger. (2020) Teoría de colas, M/M/s.

http://diposit.ub.edu/dspace/bitstream/2445/178018/2/178018.pdf

Informe de Investigación de operaciones

14
Velásquez, Gabriel Esteban. Modelos de teoría de colas. (2018)
https://idus.us.es/bitstream/handle/11441/77595/Esteban%20Vel%C3%A1zquez%20Gabriel
%20TFG.pdf?sequence=1&isAllowed=y

Informe de Investigación de operaciones

15