Teoría de Colas

Modelacin y Simulacin
Unidad 2: Teora de Colas o Lneas

de espera
Introduccin
Ing. Margarita Aucancela Msc.
Docente
maucancela@unach.edu.ec
Escuela de Ingeniera en Sistemas y Computacin
Objetivo: Conocer los diferentes

tipos de problemas de colas
existentes y su formulacin
matemtica.
ndice:
Introduccin
Elementos del modelo de colas
Anlisis de problemas de colas
con poblacin infinita canal
simple.
Anlisis de problemas de colas
con poblacin infinita canal
mltiple.
Introduccin
Introduccin
En las lneas de espera, existen dos costos perfectamente
identificados: el costo de las transacciones, que representa la
cuantificacin monetaria de la prdida de tiempo al esperar
recibir un servicio o la prdida de clientes por abandono del
sistema, y el costo de proporcionar el servicio, que representa
la cantidad de dinero que hay que pagar por cuestin de
sueldos y salarios, energa, mantenimiento y depreciacin del
personal o equipo.
De tal forma que en un estudio de lneas de espera el objetivo

es determinar qu nivel de servicio, ya sea por cantidad de
entidades o por la velocidad de ellas, proporcionar para
minimizar el costo total del sistema.
Definicin de trminos
Definicin de Trminos
Los modelos de tiempo discreto cuenta con los
siguientes componentes:
1. Entidades,
2. Atributos,
3. Variables,
4. Recursos,
5. Colas,
6. Contadores estadsticos y
7. Eventos
Entidades
Son objetos o individuos cuyas actividades modelamos.
Caractersticas:
Son dinmicos es decir: son creados y se mueven por el
sistema, cambiando el valor de sus atributos, afectados

por otras entidades y por el estado del sistema.
Puede o no abandonar el sistema
Ejemplos:
productos, clientes, documentos, transacciones pacientes.
Atributos
Son las propiedades o caractersticas de las entidades.
Caractersticas:
Permiten describir cuantitativamente al sistema.
Los atributos son imprescindibles para controlar el flujo
de entidades en el sistema
Ejemplos:
tamao, precio, prioridad, etc.
Variables
Estn asociadas al concepto matemtico de variable.
Caractersticas:
Pertenecen al conjunto del sistema.
Son accesibles desde todas las entidades y pueden ser
modificadas por todas las entidades.
Puede considerarse que cada variable es como una
pizarra colgada en la pared, en la que se escribe el valor
de la variable.
Ejemplos
El nmero de clientes(entidades) que hay en cada instante
en cada cola, el nmero de empleados (recursos)
ocupados, el estado de cada recurso (ocupado o libre), etc.
10
Variables
Pueden clasificarse en:
Exgenas, de entrada o independientes: son las que
afectan al sistema, pero ste no puede modificarlas.
Pueden modificarse arbitrariamente desde el medio
ambiente.
Endgenas o Dependientes: Son variables del sistema

que se modifican de acuerdo a relaciones, no pueden
ser modificadas arbitrariamente.
11
Variables
Pueden clasificarse en:
De estado: Es el conjunto mnimo de variables
dependientes que permiten describir el sistema en t
+t, si se conocen sus valores ms los valores de las
independientes en t.
De salida: Es el conjunto mnimo de variables de estado

que permiten evaluar los objetivos del modelo.
12
Variables
Ejemplo:
Se desea analizar el inventario de piezas de tipo A. Para ello
se realiza la modelizacin de la evolucin de la cantidad de
piezas A en el depsito.
Componentes Variables Exgenas
Variables
Endgenas
Variables de Salida
Piezas A
Cantidad de piezas
a procesas
Cantidad de piezas
en el depsito
Velocidad de arribo de
piezas al depsito
13
Recursos(Servidores)
El recurso puede ser individual o estar compuesto por un
grupo de elementos individuales, cada uno de los cuales se
llama una unidad del recurso .
Caractersticas
Son los medios gracias a los cuales se pueden ejecutar
las actividades
Definen quin o qu ejecuta la actividad, su nmero
permanece constante a lo largo de la simulacin y
suelen parametrizarse por caractersticas tales como
capacidad, velocidad o tiempo de ciclo.
14
Recursos(Servidores)
Ejemplos:
Personal (en nuestro caso, el empleado): operarios
Mquinas (por ejemplo, si las entidades son piezas que
deben ser procesadas): ordenadores
Espacio (por ejemplo, en un almacn).
15
Contadores estadsticos
A fin de calcular el valor de las variables de salida, es
preciso calcular durante el curso de la simulacin el valor
de determinadas variables intermedias. Estas se llaman
acumuladores estadsticos .
Caractersticas
Los contadores son inicializados a cero al comenzar la
simulacin.
Cuando algo sucede en la simulacin (es decir, se
ejecuta un evento), los contadores estadsticos
afectados deben ser convenientemente actualizados.
16
Variables utilizadas para almacenar informacin sobre el
comportamiento del sistema y que al final, mediante algn
clculo matemtico, darn respuesta al objetivo del
estudio.
Ejemplos:
el nmero total de clientes atendidos hasta ese
momento,
la suma de los tiempos de espera en cola de los clientes
hasta ese momento,
el nmero total de clientes que han comenzado a ser
atendidos hasta ese momento,
el mayor tiempo de espera en cola hasta ese momento,
etc.
17
Variables utilizadas para almacenar informacin sobre el
comportamiento del sistema y que al final, mediante algn
clculo matemtico, darn respuesta al objetivo del
estudio.
Ejemplos:
el nmero total de clientes atendidos hasta ese
momento,
la suma de los tiempos de espera en cola de los clientes
hasta ese momento,
el nmero total de clientes que han comenzado a ser
atendidos hasta ese momento,
el mayor tiempo de espera en cola hasta ese momento,
etc.
18
Eventos
Son las propiedades o caractersticas de las entidades.
Caractersticas:
Permiten describir cuantitativamente al sistema.

Los atributos son imprescindibles para controlar el flujo
de entidades en el sistema
Ejemplos: tamao, precio, prioridad, etc.
19
Eventos
Un evento es un suceso que ocurre en un determinado

instante de tiempo (simulado) y que puede cambiar el valor de
los atributos, las variables y los acumuladores estadsticos.
Los valores de los atributos, las variables y los acumuladores
estadsticos se mantienen constantes durante el intervalo de
tiempo entre eventos sucesivos.
20
Eventos
Cada evento tiene asociado dos tipos de informacin:
Su condicin de activacin, es decir, la condicin que
hace que el evento pase de estar desactivado a estar
activado.
Las acciones que deben realizarse en el instante en que
el evento es activado.
En funcin del tipo de su condicin de activacin, los

eventos pueden clasificarse en:
eventos en el tiempo y
eventos en el estado
21
Colas
Cuando una entidad no puede circular, debido a que

necesita usar una unidad de un recurso, que en ese
momento no se encuentra disponible, entonces la entidad
necesita un sitio donde esperar: este es el propsito de la
cola. Se caracteriza por el nmero mximo de clientes que
puede admitir. Las colas pueden ser finitas o infinitas.
22
Proceso bsico de colas
Los clientes que requieren un servicio se generan en una

fase de entrada. Estos clientes entran al sistema y se unen a
una cola. En determinado momento se selecciona un
miembro de la cola, para proporcionarle el servicio,
mediante alguna regla conocida como disciplina de servicio.
Luego, se lleva a cabo el servicio requerido por el cliente en
un mecanismo de servicio, despus de lo cual el cliente sale
del sistema de colas.
23
24
25
Mecanismos de servicio
26

Capacidad de la cola: Es el mximo nmero de clientes
que pueden estar haciendo cola (antes de comenzar a ser
servidos). De nuevo, puede suponerse finita o infinita.
Mecanismo de servicio: El mecanismo de servicio consiste
en una o ms instalaciones de servicio, cada una de ellas
con uno o ms canales paralelos de servicio, llamados
servidores.
Redes de colas: Sistema donde existen varias colas y los
trabajos fluyen de una a otra. Por ejemplo: las redes de
comunicaciones o los sistemas operativos multitarea.
El proceso de servicio: Define cmo son atendidos los
cliente
27
Disciplina de la colas
Se refiere al orden en el que se seleccionan sus miembros
para recibir el servicio. Por ejemplo, puede ser:
FIFO (first in first out) primero en entrar, primero en
salir,
LIFO (last in first out) atendiende primero al cliente que
ha llegado el ltimo.
RSS (random selection of service) selecciona los clientes
de manera aleatoria, de acuerdo a algn procedimiento
de prioridad u orden.
Tiempo de servicio mayor
Tiempo de espera mayor
Processor Sharing sirve a los clientes igualmente.
28
Proceso de llegadas/ Patrn de arribo
29
Proceso de llegadas/ Patrn de arribo
30
Patrn de arribo
Aspectos que influyen en el patrn de arribo son:
Configuracin de la fila: 1 o mas canales de servicio
Tramposos: clientes que se mueven a travs de la cola sin seguir los
criterios de avance
Contrariedades: ocurre cuando los clientes evitan llegar a la fila
porque perciben que esta es demasiada larga
Reglas de prioridad: definidas por las disciplina de la cola
Homogeneidad: Una poblacin homognea de clientes es aquella
en la cual los clientes requieren esencialmente el mismo servicio.
Una poblacin no homognea es aquella en la cual los clientes
pueden ser ordenados de acuerdo:
A los patrones de llegada
Al tipo de servicio requerido
31
Patrones de servicio
Los servidores pueden tener un tiempo de servicio
variable, en cuyo caso hay que asociarle, para
definirlo, una funcin de probabilidad. Tambin
pueden atender en lotes o de modo individual.
El tiempo de servicio tambin puede variar con el
nmero de clientes en la cola, trabajando ms rpido
o ms lento, y en este caso se llama patrones de
servicio dependientes.
32
Patrn de servicio
Algunos sistemas de servicio requieren de un tiempo de
atencin fijo. Sin embargo, el tiempo de atencin en
muchos casos vara de acuerdo a la cantidad de clientes.

Cuando el tiempo de atencin vara, se trata como una
variable aleatoria.
La distribucin exponencial es usada, en algunos casos para

modelar el tiempo de atencin del cliente.
33
Patrn de servicio
Distribucin Exponencial
34
TERMINOLOGIA Y NOTACION
n
Cantidad de clientes:
Valor esperado de clientes en el sistema

L
Que estn en el sistema

en un momento dado
E (n)
Valor esperado de tiempo de atencin
W = E (w)
de un
cliente en el sistema
w: tiempo especfico que tarda un cliente particular

dentro
del
sistema. EsIng.una
variable
aleatoria
Modelacin
y Simulacin
Margarita Aucancela
Msc.
35

TERMINOLOGIA
Y NOTACION
Asimismo es posible definir:
Lq
Valor esperado de clientes en la cola
Wq
Valor esperado del tiempo en la cola
Pn
P0 :
P1 :
P2 :
P3 :
Probabilidad de que hayan n clientes en el

sistema en un instante determinado
Probabilidad de que el sistema est vaco
Probabilidad de que el sistema tenga 1 cliente
Probabilidad de que el sistema tenga 2 clientes
Probabilidad de que el sistema tenga 3 clientes
y Simulacin
Pn :Modelacin
Probabilidad
de que
el sistema tenga n clientes36
Pn
Probabilidad de que hayan n clientes en el

sistema en un instante determinado
Esto tiene dos interpretaciones:
(1) Probabilidad de que en un instante cualquiera se

observe el sistema y est presente un estado n.
Por ejemplo, P3 = 0,1 indica que la probabilidad
de encontrar 3 clientes en el sistema es 0,1 o del
10%
(2) Pn es la fraccin del tiempo en que el
sistema permanece en el estado n
37
En consecuencia:
Valor esperado de clientes en el sistema

8
= E (n)
n Pn
= n=0
38
LAS VARIABLES EN EL TIEMPO

En general la cantidad de clientes es el sistema
depende del instante de tiempo en que se determinan
n = n (t)
Luego, las variables dependen del momento de
tiempo en que se miden. Por ende, Pn, L, W, etc,
tambin dependen del tiempo: Pn(t), L(t), W(t), etc
Sin embargo, los modelos de colas

que se estudian, determinan tales
variables cuando el sistema est en
estado
Modelacinestable
y Simulacin
n(t) = n
Pn(t) = Pn
L(t) = L
39
W(t) = W
LLEGADA DE CLIENTES AL SISTEMA

Se define:
Tasa media de llegada de clientes al sistema

Indica el nmero promedio de clientes que
ingresa al sistema en un instante especfico de
tiempo
Tiempo promedio entre llegadas
es el tiempo promedio que transcurre entre dos
llegadas sucesivas, entre el arribo de dos
clientes consecutivos
40
SALIDA DE CLIENTES DEL SISTEMA

Se define:
Tasa media de prestacin del servicio en el

sistema Indica el nmero promedio de clientes
que reciben el servicio en el sistema en un
instante especfico de tiempo. Es la tasa media
del servicio, implica el concepto de velocidad de
atencin del sistema
Tiempo promedio entre prestaciones del

servicio es el tiempo promedio que se demora
en atender a unIng.cliente
en el sistema
Margarita Aucancela Msc.
41
1
ESTRUCTURA BASICA DE UN
MODELO DE COLAS
Sistema de Colas
Clientes
Poblacin
Cola
Mecanismo
de Servicio
Clientes
servidos
Lq , Wq
L,W
Poisson
(clientes / tiempo)
Exp
42
(tiempo / clientes)
FACTOR DE UTILIZACION
Indica la proporcin de tiempo en

el que el sistema de colas est
ocupado
Si
>1
El sistema est sobrecopado la

mayor parte del tiempo: la cola est
creciendo permanentemente
Si
<1
El sistema no est copado

Por ejemplo, si
= 0,9 indica que
el 90% del tiempo el sistema de
colas est ocupado y que, el 10%
Margarita Aucancela Msc.
43
delIng.tiempo
no lo est
FACTOR DE UTILIZACION
Las frmulas anteriores de P0 y de Pn, se pueden
denotar tambin como:
P0
Pn
=
n
(1
44
PROPIEDADES
Tambin se pueden demostrar:

W
= -
= W
Lq
= Wq
Wq
= ( )
Lq
= ( - )
Si se dispone de los valores de

y ,entonces es
posible conocer a cada una de las variables principales
y Simulacin
45
de Modelacin
los modelos
de colas:
L, W, Lq, Wq
RELACION ENTRE W y Wq
Se define
Ws Tiempo medio de la prestacin del servicio

que es un valor a priori
desconocido
W = Wq + Ws
Ws = W - Wq
Ws
Ws
= - - ( - )
-
1
= ( - ) =
= Wq +
46
UNIDADES DIMENSIONALES
W
(tiempo)
(clientes)
1

1

(clientes / tiempo)
(clientes / tiempo)
(tiempo / clientes)
(tiempo / clientes)
47
Anlisis de colas
Notacin de los modelos de colas
Reconociendo la diversidad de los sistemas de colas, Kendall (1953)
propuso un sistema de notacin para sistemas de servidores paralelos
que ha sido adoptado universalmente.
Una versin resumida de esta convencin est basada en el formato
A/B/X/Y/Z. Estas letras representan las siguientes caractersticas del
sistema:
A = Distribucin de tiempo entre llegadas o arribos.
B = Distribucin del tiempo de servicio.
Los siguientes son smbolos comunes para A y B:
M = exponencial o Markov
D = constante o determinstica
48
Anlisis de colas
Ek = Erlang de orden k
PH = Tipo fase
H = Hiperexponencial
G = Arbitrario o general
GI = General independiente
X: es el nmero de canales de servicio
Y: es la restriccin en la capacidad del sistema

Z: es la disciplina de cola
49
NOMENCLATURA
Un modelo de colas se caracteriza

por los siguientes smbolos:
Tiempo entre
llegadas, que se
asocia a una
distribucin
exponencial (la
tasa de llegada
es poisson)
Cantidad en la
poblacin potencial
(poblacin finita)
Cantidad de Cantidad admisible

Tiempo de servicio, servidores en
en el sistema
y Simulacin
50
queModelacin
es exponencial
paralelo
(capacidad finita)
MODELOS DE COLAS
Segn se combinen las diferentes caractersticas
(poblacin finita o infinita, uno o ms servidores,
capacidad admisible finita o infinita), se da origen a
una combinacin de distintos modelos de colas:
Modelo M / M / 1
Modelo M / M / S
Modelo M / M / 1 / K
Modelo M / M / S / K
Modelo M / M / 1 / N
Modelo M / M / S / N
51
MODELOS DE COLAS
Si el modelo de colas tiene capacidad admisible finita,
entonces el modelo se denota con la letra K
Si el modelo de colas atiende a una poblacin finita,
entonces el modelo se denota con la letra N
Cuando el modelo de colas tiene tanto poblacin finita
como capacidad admisible finita, entonces el modelo
se denota con letra N (si hay poblacin finita, se
asume capacidad admisible finita)
52
SISTEMA DE COLAS CON

CAPACIDAD FINITA
Con capacidad admisible finita significa que el
sistema puede contener como mximo K clientes,
por lo tanto se asume que:
n =
si n > K
Existen dos modelos de colas con capacidad finita:

Modelo M / M / 1 / K : Caso de un solo servidor
Modelo
M / M / S / KIng.:Margarita
ConAucancela
S servidores
en paralelo
Msc.
53
MODELO
M/M/1/K
Un solo servidor y capacidad admisible finita
S = 1
n =
n =
.....
0
K
Ejemplos de modelos M/M/1/K son un

mdico que atiende con una consulta
particular independiente o el taxi
54
colectivo
en hora vespertina
MODELO
Pn
M/M/1/K
P0
1
=
K+1
P0
; si n
<K
; si n
>K
Se obtiene
por suma de
progresin
geomtrica
55
MODELO
( K+1 )
Como S = 1
M/M/1/K
Lq = L
K+1
K+1
- ( 1 - P0)
56
MODELO
M/M/1/K
En un modelo de cola con capacidad finita sucede:
si n
si n
<K
>K
Por lo tanto, corresponde:

8
donde
= n Pn
Wq
Lq
n=0
K-1
K-1
= Pn
n=0
con
Pn =
n=0
( 1 - Pk )
57
MODELO
Luego:
M/M/1/K
donde
( 1 - Pk )
Finalmente:
W
Pk =
P0
( 1
P0 )
58
MODELO
M/M/S/K
El sistema de S servidores en paralelo con capacidad

finita no permite ms de K clientes, por lo que K es el
nmero mximo de servidores que pueden
necesitarse. Suponiendo S < K, hay varios servidores
(S) y un lmite en la capacidad del sistema (K)
Un ejemplo de esto es la sala de emergencia de un
hospital: el sistema tendra una capacidad admisible
finita, si solo hay K camillas para los pacientes y, si la
poltica del hospital es derivar a los pacientes que
llegan hacia otro hospital cuando no hay lugares
disponibles
59
MODELO
M/M/S/K
.....
3
S+1
S S
....
0
K
Ejemplos de modelos M/M/S/K son

las secciones de maternidad y
urgencia en un hospital o algunos
centros integrales de belleza
60
MODELO
n n !
M/M/S/K
Pn
P0
; si
<S
; si
< n <K
n S ! S
0
P0
(n-s)
; si n
>K
61
MODELO
M/M/S/K
Para obtener P0 , se utiliza un mtodo

bastante similar al del modelo M / M / S
P0
n=0
S
1
n!
1
S!
-S
n = S+1 S
62
MODELO
M/M/S/K
Adaptando la derivacin de Lq del modelo M / M / S al

caso actual de M / M / S / K se llega a:
s+1 P0
(k-s)
(k-s)
(K-S)
11+
Lq =
2
S
S
S
(S-1)! S
S-1
n Pn
n=0
S-1
Lq
S 1
- Pn
n=0
63
MODELO
M/M/S/K
Como modelo de cola con capacidad finita, ocurre:
si n
si n
<K
>K

8
donde
= n Pn
Wq
Lq
n=0
K-1
K-1
= Pn
n=0
con
Pn =
n=0
( 1 - Pk )
64
MODELO
Luego:
M/M/S/K
donde
( 1 - Pk )
Finalmente:
W
Pk =
P0
( 1
P0 )
65

POBLACION FINITA
La fuente de entrada o poblacin potencial es finita Se
define el tamao lmite de la poblacin como N
Cuando el nmero de clientes en el sistema de colas es

n (n = 0, 1, 2, ......, N) existen slo (N - n) clientes
potenciales restantes en la fuente de entrada
Poblacin
Potencial
clientes en el sistema
N
(N - n) clientes potenciales
afuera
66

POBLACION FINITA
Este problema tiene mltiples aplicaciones en el flujo
de recursos materiales de la cadena logstica Una de
sus aplicaciones ms importante es el problema de
reparacin de mquinas o mantencin de
computadores, donde se asigna a uno o ms
mecnicos la responsabilidad de la mantencin de N
computadores, dando servicio a cada uno de los que
se descomponen
67

POBLACION FINITA
Los computadores constituyen la poblacin potencial
Cada uno es un cliente en el sistema de colas
cuando est descompuesto en espera de ser
reparado, mientras que cuando est en operacin
normal est afuera del sistema, pues no est en
reparacin
Cada tcnico asistente o cuadrilla de tcnicos
es un servidor, que trabaja la mantencin en
Modelacin
Aucancela Msc.
una
soloy Simulacin
computadorIng.aMargarita
la vez
68
MODELO
M/M/1/N
Un solo servidor y poblacin finita

N
0
(N-1)
1
S = 1
n =
(N-2)
2
(N-3)
3
.....
(N - n)
0
<N
n >N
,si n
,si
69
MODELO
M/M/1/N
Esquema suponiendo poblacin finita N = 5

5
0
4
1
3
2
2
3
Otros ejemplos de modelos M/M/1/N son el mdico que

atiende enfermos de patologas escasas o el alumno
Ing. Margarita
Aucancela Msc.
70
ICAModelacin
cony Simulacin
sus exmenes
de final
de semestre
MODELO
M/M/1/N
Para el esquema con N = 5, y usando las ecuaciones

de balance de estado estable en cada estado:
P1
....
Estado 1
Estado 5
P2 +
=
5 P0 =
5 P0
4 P1 + P1
....
....
....
Estado 0
P4
P5
De acuerdo a una situacin general, con un total de N

71
estados
(poblacin finita)
se obtienen P0 y Pn
MODELO
P0
n=0
S-1
Lq
M/M/1/N
= (n - 1) Pn
n=1
N!
Pn
N!
(N - n) !
P0
(N - n) !
Como
Lq = L - (1 -P0)
L = N(1 - P0)
72
MODELO
M/M/1/N
En un modelo de cola con poblacin finita sucede:
(N - n)
si n
si n
<N
>N

8
donde
= n Pn
Wq
Lq
n=0
K-1
= (N - n) Pn
n=0
= ( N- L )
73
MODELO
M/M/S/N
Varios servidores (S > 1) y poblacin finita (N)

Se asume S < N
N
(N-2) (N-S+2) (N-S+1) (N-S) 2
(N-1)
2
2
.....
3
S-1
(S-1) S
S > 1
n ,si n
Modelacin
n y Simulacin
S ,si n
<S
>S
.....
S
N-1
N
S
(N - n) ,si n
0
,si
<N
n >N
74
MODELO
M/M/S/N
Con las ecuaciones de balance de estado estable:
P0
n
N!
P0
(N - n) ! S ! S (n-s)
N!
(N - n) ! n !
Pn
; si n
<S
; si S
< n <N
; si n
>N
Es la misma frmula del modelo M / M / S / K, solo que

ahora se multiplica por la combinatoria del nmero de
75
clientes
(n) sobre la poblacin
potencial (N)
MODELO
M/M/S/N
Adems:
P0
n=0
S-1
N!
(N - n) !
Lq
= (n - S) Pn
n=S
+
n=S
N
N!
(N - n) ! S ! S (n-s)
S-1
S-1
n=0
n=0
= n Pn + Lq + S 1 - Pn
Despus se pueden obtener W y Wq con las mismas

76
ecuaciones
que en el caso
de un servidor
Anlisis de colas
Por ejemplo: M/M/1// significa un solo servidor, capacidad de cola
ilimitada y poblacin infinita de arribos potenciales. Los tiempos entre
arribos y los tiempos de servicio son distribuidos exponencialmente.
Cuando Y y Z son infinitos, pueden ser descartados de la notacin.
M/M/1// es reducido a M/M/1.
77
Anlisis de colas
Existe una cantidad enorme de modelos de colas que pueden
utilizarse. Nos vamos a concentrar en 4 de los modelos ms usados.
Los 4 modelos de colas a estudiar asumen:
Arribos segn la Distribucin de Poisson
Disciplina FIFO
Una sola fase de servicio.
Modelo A: Un canal, llegadas segn la Distribucin de Poisson;

Tiempos de Servicio exponenciales
Modelo B: Multicanal
Modelo C: Tiempo de Servicio constante
Modelo D: Poblacin Limitada
78
Anlisis de colas
MODELO
NOMBRE
N DE
CANAL
ES
N DE
FASES
PATRN
DE
ARRIBO
PATRN
DE
SERVICIO
TAMAO DE
LA POBLACIN
DISCIPLINA
DE COLA
SIMPLE
M/M/1
UNO
UNA
POISSON
EXPONEN
CIAL
INFINITA
FIFO
MULTICANAL
M/M/S
MULTI
CANAL
UNA
POISSON
EXPONEN
CIAL
INFINITA
FIFO
SERVICIO
CONSTANTE
(M/D/1)
UNO
UNA
POISSON
CONSTAN
TE
INFINITA
FIFO
POBLACION
LIMITADA
UNO
UNA
POISSON
EXPONEN
CIAL
FINITA
FIFO
79
Anlisis de colas
Modelo A: M/M/1
Proceso de llegada de Poisson
El tiempo de atencin se distribuye exponencialmente
Existe un solo servidor
Cola de capacidad infinita
Poblacin infinita
80
Anlisis de colas
Modelo A: M/M/1
Asumimos que existen las siguientes condiciones:
1. Los clientes son servidos con una poltica FIFO y cada arribo espera a
ser servido sin importar la longitud de la lnea o cola.
2. Los arribos son independientes de arribos anteriores, pero el
promedio de arribos, no cambia con el tiempo.
3. Los arribos son descritos mediante la distribucin de probabilidad de
Poisson y proceden de una poblacin muy grande o infinita.
4. Los tiempos de servicio varan de cliente a cliente y son
independientes entre s, pero su rata promedio es conocida.
81
Anlisis de colas
Modelo A: M/M/1
Nmero promedio de arribos por perodo de tiempo
Nmero promedio de gente o cosas servidos por perodo de tiempo
n nmero de unidades en el sistema
LS Nmero promedio de unidades (clientes) en el sistema LS
Factor de utilizacin del sistema
WS Tiempo promedio que una unidad permanece en el sistema

(tiempo de espera tiempo de servicio)
WS
82
Anlisis de colas
Modelo A: M/M/1
2
Lq Nmero promedio de unidades en la cola
LS

Wq Tiempo promedio que una unidad espera en la cola

WS

Pn Probabilidad de que " n" clientes estn en el sistema

Pn 1 1 n

Po Probabilidad de cero unidades en el sistema (la unidad de servicio est vaca)

n
Po 1
Pn k Probabilidad de que ms de " k" unidades estn en el sistema

Pn k
k 1
83
Ejercicios (M/M/1)
Determinar las medidas de desempeo para este servicio:
84
Ejercicios (M/M/1)
85
Ejercicios (M/M/1)
Determinar las medidas de desempeo para este servicio:
Suponga que en una estacin con un solo servidor 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.
Se solicita: a) Tiempo promedio que un cliente pasa en el
sistema. b) Nmero promedio de clientes en la cola. c)
Nmero promedio de clientes en el Sistema en un
momento dado.
86
Ejercicios (M/M/1)
= 45 clientes/hora (media de llegada de los clientes)=
45/60 clientes/minutos
= 60 clientes/hora (media de servicio a los clientes) =
60/60 clientes/minutos=
Wq = 3 minutos (tiempo promedio de espera de un cliente
en la cola)
a) Para calcular el tiempo promedio que un cliente pasa en
el Sistema (Ws). Lo podemos calcular a partir de Wq y .
=+ = 3 minutos + =+=
Es decir en promedio un cliente pasa 4 minutos en el
Sistema: distribuidos as 3 minutos pasa esperando en la
cola + 1 minutos en servicio.
87
Ejercicios (M/M/1)
b) Para calcular el nmero de clientes en la cola (Lq),
usaremos la frmula siguiente:
Lq= Wq.
==0.75* 3 minutos = 2.25
clientes.
Es decir los clculos nos muestran que en la cola puede
haber ms de dos clientes en la cola.
c) Para calcular cual es el nmero de clientes en la cola (Ls).
Lo podemos hacer con la frmula: Ls= Ws.
= =0.754 =3
Es decir en promedio hay tres clientes en el sistema, como
se nos ha dicho que solo hay un servidor, sabemos que solo
un cliente puede estar en servicio, por lo que los dems
88
deben estar en la cola.
Esto indica que hay dos clientes en
Anlisis de colas
Modelo B: M/M/S
Clientes llegan de acuerdo a una distribucin de Poisson
con una esperanza
El tiempo de atencin se distribuye exponencialmente
Existen k servidores, cada uno atiende a una tasa de
clientes
Existe una poblacin infinita y la posibilidad de infinitas
filas.
89
Anlisis de colas
Modelo B: M/M/S
Asumimos que existen las siguientes condiciones:
1. Dos o ms servidores o canales estn disponibles para atender a
los clientes que arriban.
2.
Los clientes forman una sola cola y se los atiende de acuerdo al

servidor que queda libre.
3.
Asumimos que los arribos siguen la distribucin de probabilidad

de Poisson y los tiempos de servicio son distribudos
exponencialmente.
4.
Los servicios se los hace de acuerdo a la poltica FIFO
90
Anlisis de colas
Modelo B: M/M/S
M nmero de canales abiertos
tasa promedio de arribo

tasa promedio de servicio en cada canal
Po Probabilidad de que existan CERO personas o unidades en el sistema
Po
1
n M 1 1

n 0 n !
1
M

M ! M
M
para M
Ls nmero promedio de personas o unidades en el sistema :

M
LS
Po
M 1.!.M 2
91
Anlisis de colas
Modelo B: M/M/S
Ws Tiempo promedio que una unidad permanece en el sistema,
(en la cola y siendo servida (atendida))
M

1 LS
WS
Po
2

M 1! M
Lq Nmero promedio de personas o unidades en la lnea o cola, en espera de servicio
Lq LS
LS
Wq Tiempo promedio que una persona o unidad se

tarda en la cola esperando por servicio
Wq WS
Lq
92
Ejercicios (M/M/k)
93
Ejercicios (M/M/k)
94
Anlisis de colas
Modelo C: M/D/1
Los clientes llegan de acuerdo a un proceso de Poisson con

esperanza
El tiempo de atencin tiene una distribucin general con esperanza
Existe un solo servidor
Se cuenta con una poblacin infinita y la posibilidad de infinitas filas
95
Anlisis de colas
Modelo C: M/D/1
Modelo de Tiempo de Servicio Constante
Algunos sistemas tienen tiempos de servicio constantes en lugar de

exponencialmente distribudos. Cuando los clientes son atendidos o
equipos son procesados con un ciclo fijo como es el caso de una
lavadora de carros automatizada o ciertos entretenimientos en los
parques de diversiones, el asumir servicio constante es adecuado.
96
Anlisis de colas
Modelo C: M/D/1
2
Longitud promedio de la cola,
Lq
2
Tiempo promedio de espera en la cola, Wq

2
Nmero promedio de clientes en el sistema, LS Lq
1
Tiempo promedio de espera en el sistema, WS Wq
97
Anlisis de colas
Modelo C: M/D/1
Un restaurante de papas fritas, tiene el servicio Drive-In en
la cual los clientes arriban al restaurante a una tasa de 45
por hora siguiendo una distribucin de Poisson.
Las rdenes son procesadas con un modelo FIFO, y existe
un solo servidor, el cual se demora 1.2 minutos en preparar
la orden.
98
Anlisis de colas
Modelo C: M/D/1
Determinamos el y en las mismas unidades:
= 45 clientes/hora
= 1.2 min=72 clientes/hora
Luego obtenemos las medidas de desempeo:
99
Anlisis de colas
Modelo C: M/D/1
100
Anlisis de colas
Modelo D:
Este modelo puede ser usado por ejemplo si estamos
considerando reparaciones de equipo en una fbrica que tiene 5
mquinas. Este modelo permite cualquier nmero de
reparadores a ser considerados.
La razn por la cual este modelo difiere de los otros tres es que
ahora hay una relacin de dependencia entre la longitud de la
cola y la rata de arribo. La situacin extrema sera si en la fbrica
tenemos 5 mquinas, todas se han daado y necesitan
reparacin; siendo en este caso la rata de arribo CERO. En
general, si la lnea de espera crece, la rata de llegada tiende a
cero
101
Anlisis de colas
Modelo D
NOTACIN :
D Probabilidad de que una unidad tenga que esperar en la cola
F Factor de eficiencia
H Nmero promedio de unidades siendo servidas
J Nmero promedio de unidades que no estn en cola o en el sector de servicio
L Nmero promedio de unidades esperando el servicio
M Nmero de canales de servicio
N Nmero de clientes potenciales
T Tiempo de servicio promedio
U Tiempode servicio entre requerimientos de atencin a la unidad
W Tiempo promedio que una unidad espera en la cola
X Factor de servicio
102
Anlisis de colas
Modelo D
FRMULAS :
Nmero promedio en espera ........
T
X
T U
L N 1 F
Tiempo promedio de espera ........
Nmero promedio siendo servido
H FNX
Factor de Servicio .......................
LT U T 1 F
NL
XF
Nmero promedio en funcionami ento J NF 1 X
Cuanta de la Poblacin .............
N J LH
103
Ejercicios (Modelo D)
Hace casi tres aos, Gear Tandil SA instal un conjunto de 10 robots, que
increment considerablemente la productividad de su mano de obra, pero
en el ltimo tiempo la atencin se ha enfocado en el mantenimiento. La
empresa no aplica el mantenimiento preventivo a los robots, en virtud de la
gran variabilidad que se observa en la distribucin de las averas. Cada
maquina tiene una distribucin exponencial de averas(o distribucin entre
llegadas), con un tiempo promedio de 200 horas entre una y otra falla. Cada
hora-maquina perdida como tiempo ocioso cuesta $30, lo cual significa que
la empresa tiene que reaccionar con rapidez en cuanto falla una maquina.
La empresa contrata solo a una persona de mantenimiento, quien necesita
10 horas de promedio para reparar un robot. Los tiempos de
mantenimiento real estn distribuidos exponencialmente. La tasa de
salarios es de $10 por hora para el encargado de mantenimiento, el cual
puede dedicarse productivamente a otras actividades cuando no hay robots
que reparar. Calcule el costo diario por concepto de tiempo ocioso de la
mano de obra y los robots.
104
El modelo con la fuente finita es apropiado para este
anlisis, porque solo 10 mquinas constituyen la poblacin
de clientes y las suposiciones se han cumplid. En este caso,
= 1/200, o sea, 0.005 averas por hora y =1/10=0,10
robots por hora. Para calcular el coste del tiempo ocioso
para la mano de obra y los robots, tenemos que estimar la
utilizacin promedio del empleado de mantenimiento y L,
es decir, el nmero promedio de robots incluidos en el
sistema de mantenimiento.
105
106
107
108
Modelo M/G/1
Supuestos
Los clientes llegan de acuerdo a un proceso Poisson con
esperanza .
El tiempo de atencin tiene una distribucin general con
esperanza .
Existe un solo servidor.
Se cuenta con una poblacin infinita y la posibilidad de
infinitas filas.
109
Modelo M/G/1
110
Modelo M/G/1
111
Modelo M/G/1
112
Formula para L de Pollaczek - Khintchine.
2 1
- Nota : No es necesario conocer la distribucin particular del tiempo de

atencin. Solo la esperanza y la desviacin estndar
son necesarias.
113
Modelo M/G/1
114
Modelo M/G/1
115
Modelo M/G/1

Lq
2(1 )
2
Ls Lq
Ws Wq
Wq
Lq
P0 1
Pw
1
116
Modelo M/G/1: Ejemplo

Un carwash puede atender un auto cada 5 min. y la tasa media
de llegadas es de 9 autos/hora, = 2 min.
Obtenga las medidas de desempeo de acuerdo con el modelo
M/G/1
Adems la probabilidad de tener 0 clientes en el sistema y la
probabilidad de que un cliente tenga que esperar por el servicio
117
Modelo M/G/1: Ejemplo
Ls Lq 1.31 .75 2.06 clientes
2 2 2
Lq
1.31 clientes
2(1 )
Ws Wq
Wq
Lq
0.228 hrs 13.7 min
0.145 hrs 8.7 min
P0 1 0.25
Pw 0.75
118
Ejercicios (M/G/1)
119
Ejercicios (M/G/1)
120
Ejercicios (M/G/1)
121

Teoría de Colas

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoría de Colas

Uploaded by

Copyright:

Available Formats

Modelacin y Simulacin

Unidad 2: Teora de Colas o Lneas

Escuela de Ingeniera en Sistemas y Computacin

Objetivo: Conocer los diferentes

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

De tal forma que en un estudio de lneas de espera el objetivo

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

sistema, cambiando el valor de sus atributos, afectados

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Endgenas o Dependientes: Son variables del sistema

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

De salida: Es el conjunto mnimo de variables de estado

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Espacio (por ejemplo, en un almacn).

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Permiten describir cuantitativamente al sistema.

Ejemplos: tamao, precio, prioridad, etc.

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Un evento es un suceso que ocurre en un determinado

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

En funcin del tipo de su condicin de activacin, los

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Cuando una entidad no puede circular, debido a que

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Proceso bsico de colas

Los clientes que requieren un servicio se generan en una

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Proceso bsico de colas

Ing. Margarita Aucancela Msc.

Escuela de Ingeniera en Sistemas y Computacin

Proceso bsico de colas