You are on page 1of 136

Facultad de Ingeniería

Escuela de Industrias
Ingeniería Civil Industrial

ICI2212 Modelos Estocásticos
Profesor Claudio C. Araya Sassi

Unidad 7: Sistemas de Espera

Curso Período Verano, Enero de 2015

Introducción
La teoría de colas es el estudio de la espera en las distintas modalidades.
Utiliza los modelos de colas para representar los tipos de sistemas de
líneas de espera (sistemas que involucran colas de algún tipo) que surgen
en la práctica.
Las fórmulas de cada modelo indican cuál debe ser el desempeño del
sistema correspondiente y señalan la cantidad promedio de espera que
ocurrirá en diversas circunstancias.
Por lo tanto, estos modelos de líneas de espera son muy útiles para
determinar cómo operar un sistema de colas de la manera más eficaz.

Proporcionar demasiada capacidad de servicio para operar el sistema
implica costos excesivos; pero si no se cuenta con suficiente capacidad de
servicio surgen esperas excesivas con desafortunadas consecuencias.
Los modelos permiten encontrar un balance adecuado entre el costo de
servicio y la cantidad de espera.
Profesor MSc. Claudio Araya Sassi

2

Estructura Básica de los Modelos de Colas
Proceso básico de colas
Los clientes que requieren un servicio se generan en el tiempo en una
fuente de entrada.
Luego, 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 la cola.
Se lleva a cabo el servicio que el cliente requiere mediante un mecanismo
de servicio, y después
El cliente sale del sistema de colas.

Profesor MSc. Claudio Araya Sassi

3

Claudio Araya Sassi 4 .Estructura Básica de los Modelos de Colas Proceso básico de colas Profesor MSc.

Estructura Básica de los Modelos de Colas Fuente de entrada (población potencial) Tamaño: es el número total de clientes que pueden requerir servicio en determinado momento. Supuestos: Tamaño infinito (fuente de entrada es ilimitada) Cálculos son mucho más sencillos Cuando el tamaño real sea un número fijo relativamente grande. el número total de clientes potenciales. Profesor MSc. Claudio Araya Sassi 5 . Debe tomarse como un supuesto implícito en cualquier modelo en el que no se establezca otra cosa. Población de entrada: población a partir de la cual surgen las unidades que llegan. es decir. Tamaño finito (fuente de entrada es limitada) Más complejo puesto que el número de clientes que conforman la cola afecta al número potencial de clientes fuera del sistema en cualquier momento.

Estructura Básica de los Modelos de Colas Fuente de entrada (población potencial) Patrón estadístico mediante el cual se generan los clientes en el tiempo Proceso de Poisson: el número de clientes que llegan hasta un momento específico tiene una distribución de Poisson. Profesor MSc. Este caso corresponde a aquel cuyas llegadas al sistema ocurren de manera aleatoria pero con cierta tasa media fija y sin que importe cuántos clientes están ya ahí (por lo que el tamaño de la fuente de entrada es infinito). Un supuesto equivalente es que la distribución de probabilidad del tiempo que transcurre entre dos llegadas consecutivas es exponencial. Claudio Araya Sassi 6 .

Una cola se caracteriza por el número máximo permisible de clientes que puede admitir. Las colas pueden ser finitas o infinitas. según si dicho número es finito o infinito. En los sistemas de colas en los que la cota superior es tan pequeña que se llega a ella con cierta frecuencia. puesto que manejar una cota así puede ser un factor que complique el análisis. es necesario suponer una cola finita. Profesor MSc. incluso en situaciones en las que en realidad existe una cota superior (relativamente grande) sobre el número permitido de clientes.Estructura Básica de los Modelos de Colas Cola La cola es donde los clientes esperan antes de recibir el servicio. Claudio Araya Sassi 7 . El supuesto de una cola infinita es el estándar de la mayoría de los modelos.

a menos que se establezca de otra manera. primero en salir. Claudio Araya Sassi 8 .Estructura Básica de los Modelos de Colas Disciplina de la cola La disciplina de la cola se refiere al orden en el que sus miembros se seleccionan para recibir el servicio. primero en salir (FIFO) Aleatoria De acuerdo con algún procedimiento de prioridad o con algún otro orden. Por ejemplo. Profesor MSc. En los modelos de colas se supone como normal a la disciplina de primero en entrar. puede ser: Primero en entrar.

Los modelos de colas deben especificar el arreglo de las estaciones y el número de servidores (canales paralelos) en cada una de ellas. cada una de ellas con uno o más canales de servicio paralelos. llamados servidores. En una estación dada. el cliente entra en uno de estos canales y el servidor le presta el servicio completo. Profesor MSc. ya sea con un servidor o con un número finito de servidores. Los modelos más elementales suponen una estación. el cliente puede recibirlo de una secuencia de ellas (canales de servicio en serie).Estructura Básica de los Modelos de Colas Mecanismo de servicio El mecanismo de servicio consiste en una o más estaciones de servicio. Si existe más de una estación de servicio. Claudio Araya Sassi 9 .

Otras distribuciones de tiempos de servicio importantes son: Distribución degenerada (tiempos de servicio constantes) Distribución Erlang (Gamma) Profesor MSc. Claudio Araya Sassi 10 . Se debe especificar la distribución de probabilidad de los tiempos de servicio de cada servidor (y tal vez de los distintos tipos de clientes). aunque es común suponer la misma distribución para todos los servidores. La distribución del tiempo de servicio que más se usa en la práctica (por ser más manejable que cualquier otra) es la distribución exponencial.Estructura Básica de los Modelos de Colas Mecanismo de servicio Tiempo de servicio (o duración del servicio): tiempo que transcurre desde el inicio del servicio para un cliente hasta su terminación en una estación.

Cada cliente generado por una fuente de entrada recibe el servicio de uno de los servidores. dentro de la cual se encuentra uno o más servidores. Profesor MSc. quizá después de esperar un poco en la cola (línea de espera).Estructura Básica de los Modelos de Colas El proceso de colas elemental Una sola línea de espera (que a veces puede estar vacía) se forma frente a una estación de servicio. Claudio Araya Sassi 11 .

Profesor MSc. el modelo M/M/s supone que tanto los tiempos entre llegadas como los de servicio tienen distribución exponencial y que el número de servidores es s (cualquier entero positivo).Estructura Básica de los Modelos de Colas Notación de los Modelos de Colas Donde: 𝑀 = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙 (𝑚𝑎𝑟𝑘𝑜𝑣𝑖𝑎𝑛𝑎) 𝐷 = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑎 (𝑡𝑖𝑒𝑚𝑝𝑜𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠) 𝐸𝑘 = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝐸𝑟𝑙𝑎𝑛𝑔 (𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎 = 𝑘) 𝐺 = 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑒𝑛𝑒𝑟𝑎𝑙(𝑝𝑒𝑟𝑚𝑖𝑡𝑒 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑎) Por ejemplo. Claudio Araya Sassi 12 .

𝑠 = número de servidores (canales de servicio en paralelo) en el sistema de colas. Profesor MSc. Claudio Araya Sassi 13 . 𝜇𝑛 = tasa media de servicio en todo el sistema (número esperado de clientes que completan su servicio por unidad de tiempo) cuando hay 𝑛 clientes en el sistema. Nota: 𝜇𝑛 representa la tasa 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑎 a la que todos los servidores 𝑜𝑐𝑢𝑝𝑎𝑑𝑜𝑠 (aquellos que están sirviendo a un cliente) logran terminar sus servicios. dado el número en el tiempo 0. 𝜆𝑛 = tasa media de llegadas (número esperado de llagadas por unidad de tiempo) de nuevos clientes cuando hay n clientes en el sistema. 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑎 = número de clientes que esperan servicio = estado del sistema menos número de clientes a quienes se les da el servicio 𝑁 𝑡 = número de clientes en el sistema de colas en el tiempo 𝑡(𝑡 ≥ 0) 𝑃𝑛 𝑡 = probabilidad de que exactamente n clientes estén en el sistema en el tiempo t.Estructura Básica de los Modelos de Colas Terminología y notación 𝐸𝑠𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = número de clientes en el sistema.

la fracción esperada de tiempo que los servidores individuales están ocupados.Estructura Básica de los Modelos de Colas Terminología y notación Cuando 𝜆𝑛 es constante para todo n. Claudio Araya Sassi 14 . Profesor MSc. Cuando 𝜇𝑛 es constante para todo 𝑛 ≥ 1. se denota por 𝜇. 𝜇𝑛 = 𝑠𝜇 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 ≥ 𝑠 (𝑐𝑢𝑎𝑛𝑑𝑜 𝑙𝑜𝑠 𝑠 𝑠𝑒𝑟𝑣𝑖𝑑𝑜𝑟𝑒𝑠 𝑒𝑠𝑡á𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑜𝑠) 1 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝜆 1 = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 𝜇 𝜌= 𝜆 s𝜇 = 𝒇𝒂𝒄𝒕𝒐𝒓 𝒅𝒆 𝒖𝒕𝒊𝒍𝒊𝒛𝒂𝒄𝒊ó𝒏 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 Es decir. esta constante se denota por 𝜆 . puesto que: 𝜆 s𝜇 representa la fracción de la capacidad de servicio del sistema (s𝜇) que utilizan en promedio los clientes que llegan (𝜆 ).

el estado del sistema se vuelve. independiente del estado inicial y del tiempo transcurrido. una vez que ha pasado suficiente tiempo. La distribución de probabilidad del estado del sistema se conserva (la distribución estacionaria o de estado estable) a través del tiempo.Estructura Básica de los Modelos de Colas Terminología y notación Condición transitoria Cuando un sistema de colas apenas inicia su operación. en esencia. Claudio Araya Sassi 15 . Condición de estado estable Sin embargo. Profesor MSc. el estado del sistema (el número de clientes que esperan en el sistema) se encuentra bastante afectado por el estado inicial y el tiempo que ha pasado desde el inicio.

Los clientes externos suelen estar más preocupados por el tiempo que tienen que esperar que por el número de clientes que están allí. la primera medida tiende a ser más importante. Profesor MSc. Sistemas de servicios comerciales tienden a poner mayor importancia a la segunda medida.La elección de una medida de desempeño Los gerentes que supervisan los sistemas de colas se preocupan principalmente de dos medidas de desempeño: ¿Cuántos clientes normalmente están esperando en el sistema de colas? ¿Cuánto tiempo estos clientes normalmente tienen que esperar? Cuando los clientes son internos a la organización. Tener este tipo de clientes esperando causa pérdida de productividad. Claudio Araya Sassi 16 .

𝑊𝑞 = 𝐸(𝒲𝑞 ) Profesor MSc.Definición de medidas de desempeño Notación sistemas en condición de estado estable 𝑃𝑛 = probabilidad de que haya exactamente 𝑛 clientes en el sistema. Claudio Araya Sassi 17 . ∞ 𝐿 = 𝑛ú𝑚𝑒𝑟𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 = 𝑛𝑃𝑛 𝑛=0 𝐿𝑞 = 𝑙𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑎 𝑒𝑥𝑐𝑙𝑢𝑦𝑒 𝑙𝑜𝑠 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑒𝑠𝑡á𝑛 𝑒𝑛 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 ∞ = (𝑛 − 𝑠)𝑃𝑛 𝑛=𝑠 𝒲 = tiempo de espera en el sistema (incluye tiempo de servicio) para cada cliente. 𝑊 = 𝐸(𝒲) 𝒲𝑞 = tiempo de espera en la cola (excluye tiempo de servicio) para cada cliente.

la tasa promedio entre llegadas a largo plazo. la misma demostración prueba que: 𝐿𝑞 = 𝜆𝑊𝑞 Si las 𝜆𝑛 no son iguales. Además. W. Se ha demostrado que en un proceso de colas en estado estable: 𝐿 = 𝜆𝑊 (𝐹ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝐿𝑖𝑡𝑡𝑙𝑒) Dado que John D.Relaciones entre L. Little proporcionó la primera demostración rigurosa. para toda 𝑛 ≥ 1. entonces 𝜆 se puede sustituir en estas ecuaciones por 𝝀. y Wq Fórmula de Little Suponga que 𝜆𝑛 es una constante para todo n. Claudio Araya Sassi 18 . Lq. Se tiene entonces que: 𝜆 1 𝐿 = 𝐿𝑞 + ¿ 𝐶ó𝑚𝑜 𝑠𝑒 𝑜𝑏𝑡𝑖𝑒𝑛𝑒? 𝑊 = 𝑊𝑞 + 𝜇 𝜇 Profesor MSc. C. Ahora suponga que el tiempo medio de servicio es una constante 1/𝜇. a veces se le da el nombre de fórmula de Little.

Profesor MSc. El proceso de nacimiento y muerte describe en términos probabilísticos cómo cambia 𝑁(𝑡) al aumentar 𝑡. Claudio Araya Sassi 19 . y que sus tasas medias de ocurrencia dependen del estado actual del sistema.Proceso de Nacimiento y Muerte La mayor parte de los modelos elementales de colas suponen que las entradas (llegada de clientes) y las salidas (clientes que se van) del sistema ocurren de acuerdo con un proceso de nacimiento y muerte. sostiene que los nacimientos y muertes individuales ocurren de manera aleatoria. denotado por 𝑁(𝑡). En general. El estado del sistema en el tiempo 𝑡 (𝑡 ≥ 0). El término nacimiento se refiere a la llegada de un nuevo cliente al sistema de colas. mientras que el término muerte se refiere a la salida del cliente servido. es el número de clientes que hay en el sistema de colas en el tiempo 𝑡.

Profesor MSc. (𝑛 = 0. … ). Supuesto 3. la distribución de probabilidad actual del tiempo que falta para la próxima muerte (terminación de servicio) es exponencial con parámetro 𝜇𝑛 . (𝑛 = 0. … ). Dado 𝑁 𝑡 = 𝑛. La variable aleatoria del supuesto 1 (el tiempo que falta hasta el próximo nacimiento) y la variable aleatoria del supuesto 2 (el tiempo que falta hasta la siguiente muerte) son mutuamente independientes. 1. Supuesto 2. La siguiente transición del estado del proceso es: o 𝑛 → 𝑛 + 1 (un solo nacimiento) 𝑛 → 𝑛 − 1 (una sola muerte) Lo que depende de cuál de las dos variables es más pequeña.Proceso de Nacimiento y Muerte Supuestos del proceso de nacimiento y muerte Supuesto 1. 1. Claudio Araya Sassi 20 . la distribución de probabilidad actual del tiempo que falta para el próximo nacimiento (llegada) es exponencial con parámetro 𝜆𝑛 . 2. 2. Dado 𝑁 𝑡 = 𝑛.

Los modelos de colas que se pueden representar mediante una cadena de Markov de tiempo continuo son mucho más manejables en el sentido analítico que cualquier otro modelo. 𝜆𝑛 : tasa media de llegada cuando hay n clientes en el sistema 𝜇𝑛 : tasa media de terminaciones de servicio Como la propiedad 4 de la distribución exponencial implica que las 𝜆𝑛 y 𝜇𝑛 son tasas medias estos supuestos se pueden resumir en un diagrama de tasas.Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Como consecuencia de los supuestos 1 y 2. el proceso de nacimiento y muerte es un tipo especial de cadena de Markov de tiempo continuo. Claudio Araya Sassi 21 . Profesor MSc.

Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Diagrama de tasas del proceso de nacimiento y muerte Las flechas de este diagrama muestran las únicas transiciones posibles en el estado del sistema (como lo especifica el supuesto 3) y El elemento junto a cada flecha es la tasa media de esa transición (según los supuestos 1 y 2) cuando el sistema se encuentra en el estado que hay en la base de la flecha. Claudio Araya Sassi 22 . Profesor MSc.

2. 1. Suponga que en el tiempo 0 se inicia el conteo del número de veces que el sistema entra a este estado y el número de veces que sale de él. Claudio Araya Sassi 23 . como se denota en seguida: 𝐸𝑛 𝑡 = número de veces que el proceso entra al estado 𝑛 hasta el tiempo 𝑡 𝐿𝑛 𝑡 = número de veces que el proceso sale del estado 𝑛 hasta el tiempo 𝑡 Como los dos tipos de eventos (entrar y salir) deben alternarse. es decir. 𝐸𝑛 𝑡 − 𝐿𝑛 𝑡 ≤1 Al dividir ambos lados entre t y después hacer que 𝑡 → ∞ se obtiene 𝐸𝑛 (𝑡) 𝐿𝑛 (𝑡) 1 − ≤ . estos dos números serán iguales o diferirán en sólo 1..) del sistema. . 𝑡 𝑡 𝑡 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐸𝑛 (𝑡) 𝐿𝑛 (𝑡) lim − =0 𝑡→∞ 𝑡 𝑡 Profesor MSc.Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Considere cualquier estado particular n (n = 0..

Claudio Araya Sassi 24 .Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Si se dividen 𝐸𝑛 𝑡 y 𝐿𝑛 𝑡 entre t se obtiene la tasa real (número de eventos por unidad de tiempo) a la que ocurren estos dos tipos de eventos. y cuando 𝑡 → ∞ se obtiene la tasa media (número esperado de eventos por unidad de tiempo): 𝐸𝑛 (𝑡) lim = tasa media a la que el proceso entra al estado n 𝑡→∞ 𝑡 𝐿𝑛 (𝑡) = tasa media a la que el proceso sale del estado n. 𝑡→∞ 𝑡 lim Profesor MSc.

A fin de ilustrar una ecuación de balance. 2. considere el estado 0.Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Principio de tasa de entrada = tasa de salida.) del sistema. Claudio Araya Sassi 25 . la probabilidad de estado estable de encontrarse en el estado 1 (𝑃1 ) representa la proporción de tiempo que es posible que el proceso entre al estado 0. la tasa media de entrada = tasa media de salida. El proceso entra a este estado sólo desde el estado 1. 1. .. La ecuación que expresa este principio se llama ecuación de balance del estado n. Tasa media de entrada: 𝜇1 𝑃1 + 0 1 − 𝑃1 = 𝜇1 𝑃1 Tasa media de salida: 𝜆0 𝑃0 Ecuación de balance: 𝜇1 𝑃1 = 𝜆0 𝑃0 Profesor MSc. Para cualquier estado n (n = 0.. En consecuencia.

Proceso de Nacimiento y Muerte Análisis del proceso de nacimiento y muerte Ecuaciones de balance del proceso de nacimiento y muerte Profesor MSc. Claudio Araya Sassi 26 .

Proceso de Nacimiento y Muerte Resultados del proceso de nacimiento y muerte Al aplicar este procedimiento se obtienen los siguientes resultados: 𝜆0 𝑃 𝜇1 0 0: 𝑃1 = 1: 𝜆1 1 𝑃2 = 𝑃1 + 𝜇 𝑃 − 𝜆0 𝑃0 𝜇2 𝜇2 1 1 2: 𝑃3 = 𝜆2 1 𝑃2 + 𝜇 𝑃 − 𝜆1 𝑃1 𝜇3 𝜇3 2 2 ⋮ 𝜆1 = 𝑃1 𝜇2 = 𝜆1 𝜆0 = 𝑃 𝜇2 𝜇1 0 𝜆2 𝑃 𝜇3 2 = 𝜆2 𝜆1 𝜆0 𝑃 𝜇3 𝜇2 𝜇1 0 ⋮ 𝜆𝑛−1 1 𝜆𝑛−1 𝜆𝑛−1 𝜆𝑛−2 … 𝜆0 𝑛 − 1: 𝑃𝑛 = 𝑃 + 𝜇 𝑃 − 𝜆𝑛−2 𝑃𝑛−2 = 𝑃 = 𝑃 𝜇𝑛 𝑛−1 𝜇𝑛 𝑛−1 𝑛−1 𝜇𝑛 𝑛−1 𝜇𝑛 𝜇𝑛−1 … 𝜇1 0 𝑛: ⋮ 𝑃𝑛+1 𝜆𝑛 1 = 𝑃 + 𝜇 𝑃 − 𝜆𝑛−1 𝑃𝑛−1 𝜇𝑛+1 𝑛 𝜇𝑛+1 𝑛 𝑛 𝜆𝑛 𝜆𝑛 𝜆𝑛−1 … 𝜆0 = 𝑃 = 𝑃 𝜇𝑛+1 𝑛 𝜇𝑛+1 𝜇𝑛 … 𝜇1 0 ⋮ Profesor MSc. Claudio Araya Sassi 27 .

sea 𝜆𝑛−1 𝜆𝑛−2 … 𝜆0 𝐶𝑛 = . 𝑝𝑎𝑟𝑎 𝑛 = 0. Después se define 𝐶𝑛 = 1 para 𝑛 = 0. 𝜇𝑛 𝜇𝑛−1 … 𝜇1 𝑝𝑎𝑟𝑎 𝑛 = 1. En este contexto. 2. 1. … El requisito: ∞ ∞ 𝑃𝑛 = 1 𝑖𝑚𝑝𝑙𝑖𝑐𝑎 𝑞𝑢𝑒 𝑛=0 𝐶𝑛 𝑃0 = 1 𝑛=0 −1 ∞ 𝑃0 = 𝐶𝑛 𝑛=0 Profesor MSc.Proceso de Nacimiento y Muerte Resultados del proceso de nacimiento y muerte Para simplificar la notación. 2. … . las probabilidades de estado estable son: 𝑃𝑛 = 𝐶𝑛 𝑃0 . Claudio Araya Sassi 28 .

𝜆 𝑊𝑞 = 𝐿𝑞 𝜆 Donde 𝜆 es la tasa de llegadas promedio a largo plazo ∞ 𝜆= 𝜆𝑛 𝑃𝑛 𝑛=0 Profesor MSc. ∞ 𝐿= ∞ 𝑛𝑃𝑛 . 𝐿𝑞 = 𝑛=0 (𝑛 − 𝑠)𝑃𝑛 𝑛=𝑠 𝐿 𝑊= . 𝐿𝑞 . las medidas clave de desempeño del sistema (𝐿. Claudio Araya Sassi 29 .Proceso de Nacimiento y Muerte Resultados del proceso de nacimiento y muerte Cuando un modelo de líneas de espera se basa en el proceso de nacimiento y muerte. de manera que el estado del sistema n representa el número de clientes en el sistema de colas. 𝑊 y 𝑊𝑞 ) se pueden obtener de inmediato después de calcular las 𝑃𝑛 mediante las fórmulas anteriores.

se cuenta con una gran flexibilidad para modelar un sistema de colas. 𝜆1 . …. Claudio Araya Sassi 30 . Profesor MSc. se dice que estos modelos tienen: Entradas de Poisson y Tiempos de servicio exponencial.Modelos de colas basados en el proceso de nacimiento y muerte Introducción Como se puede asignar cualquier valor no negativo a cada una de las tasas medias 𝜆0 . Los modelos difieren sólo en los supuestos sobre cómo cambian las 𝜆𝑛 y las 𝜇𝑛 según el estado n. … del proceso de nacimiento y muerte. Los modelos más usados en teoría de colas se basan directamente en este proceso. y 𝜇0 . 𝜇1 . De acuerdo con los supuestos 1 y 2 (y la propiedad 4 de la distribución exponencial).

el proceso de entrada es de Poisson). Profesor MSc.Modelo M/M/s Supuestos Todos los tiempos entre llegadas son independientes e idénticamente distribuidos de acuerdo con una distribución exponencial (es decir. respectivamente) e independientes del estado del sistema. Todos los tiempos de servicio son independientes e idénticamente distribuidos de acuerdo con otra distribución exponencial El número de servidores es s (cualquier entero positivo). este modelo es sólo un caso especial del proceso de nacimiento y muerte cuando la tasa media de llegadas al sistema de colas y la tasa media de servicio por servidor ocupado son constantes (𝜆 y 𝜇. Claudio Araya Sassi 31 . En consecuencia.

cuando: 𝜆 𝜌= <1 𝑠𝜇 Un sistema de colas que se ajuste a este modelo tarde o temprano alcanzará la condición de estado estable. 𝜆𝑛 = 𝜆 (𝑛 = 0.2.1. … ) Sistema M/M/s (s>1) Tasa de servicio de sistema: La tasa del servicio del sistema 𝜇𝑛 representa la tasa media de los servicios terminados de todo el sistema de colas cuando existen n clientes en él.2.1. … ) 𝜇𝑛 = 𝜇 (𝑛 = 0.2. … ) 𝜇𝑛 = 𝑛𝜇 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 < 𝑠 𝜇𝑛 = 𝑠𝜇 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 ≥ 𝑠 Cuando 𝑠𝜇 excede la tasa media de llegadas 𝜆.1.Modelo M/M/s Sistema M/M/1 Los parámetros del proceso de nacimiento y muerte son: 𝜆𝑛 = 𝜆 (𝑛 = 0. es decir. Claudio Araya Sassi 32 . Profesor MSc.

Modelo M/M/s Profesor MSc. Claudio Araya Sassi 33 .

… . Claudio Araya Sassi 34 .1.2.2. −1 ∞ 𝜌𝑛 𝑃0 = 𝑛=0 1 = 1−𝜌 −1 =1−𝜌 Asi: 𝑃𝑛 = 1 − 𝜌 𝜌𝑛 . 2. 1.1. … . 𝑃𝑛 = 𝜌𝑛 𝑃0 . 𝑝𝑎𝑟𝑎 𝑛 = 0. 𝑝𝑎𝑟𝑎 𝑛 = 0.Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Para s = 1. los factores 𝐶𝑛 del proceso de nacimiento y muerte se reducen a: 𝜆 𝐶𝑛 = 𝜇 Por lo tanto. … Profesor MSc. 𝑛 = 𝜌𝑛 . Donde: 𝑝𝑎𝑟𝑎 𝑛 = 0.

Claudio Araya Sassi 35 .Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 En consecuencia: ∞ ∞ 𝑛(1 − 𝜌)𝜌𝑛 𝐿= 𝑛=0 ∞ = (1 − 𝜌)𝜌 𝑛=0 𝐿𝑞 = (𝑛 − 1)𝑃𝑛 𝑛=1 𝑑 𝑛 𝜌 𝑑𝜌 𝑑 = (1 − 𝜌)𝜌 𝑑𝜌 ∞ 𝜌𝑛 = 𝐿 − 1(1 − 𝑃0 ) 𝜆2 = 𝜇(𝜇 − 𝜆) 𝑛=0 𝑑 1 = (1 − 𝜌)𝜌 𝑑𝜌 1 − 𝜌 𝜌 𝜆 = = 1−𝜌 𝜇−𝜆 Profesor MSc.

Profesor MSc. la solución anterior “no sirve” (puesto que la suma para calcular 𝑃0 diverge). pero a la larga le será imposible. Claudio Araya Sassi 36 . la tasa media de llegadas excede la tasa media de servicio. puede ser que el servidor dé abasto con los que llegan durante un periodo corto. Si el sistema de colas comienza a operar sin clientes presentes. esto es. En este caso.Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Cuando 𝜆 ≥ 𝜇. la cola “explota” y crece sin límite.

Por lo tanto. inclusive el propio. primero en salir. tendrá que esperar n+1 tiempos de servicio exponenciales. dado que hay n clientes en el sistema (distribución de Erlang (Gamma en otros contextos)) Profesor MSc.2. y sea: 𝑆𝑛+1 = 𝑇1 + 𝑇2 + ⋯ + 𝑇𝑛+1 . Si esta llegada encuentra n clientes en el sistema. 𝑝𝑎𝑟𝑎 𝑛 = 0. Claudio Araya Sassi 37 . las variables aleatorias independientes de los tiempos de servicio que tienen una distribución exponencial con parámetro 𝜇. sean 𝑇1 .Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Distribución de probabilidad del tiempo de espera en el sistema (se incluye el tiempo de servicio) 𝒲 de una llegada aleatoria cuando la disciplina de la cola es primero en entrar. …. … . Donde: 𝑆𝑛+1 : representa el tiempo de espera condicional. 𝑇2 .1.

se concluye que: ∞ 𝑃 𝒲>𝑡 = 𝑃𝑛 𝑃{𝑆𝑛+1 > 𝑡} 𝑛=0 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇 1−𝜌 𝑡 .Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Como la probabilidad de que una llegada aleatoria encuentre n clientes en el sistema es 𝑃𝑛 . para 𝑡 ≥ 0 La conclusión sorprendente es que 𝒲 tiene una distribución exponencial con parámetro igual a 𝜇(1 − 𝜌). Claudio Araya Sassi 38 . 1 𝜆 𝑊=𝐸 𝒲 = 𝑐𝑜𝑛 𝜌 = 𝜇(1 − 𝜌) 𝜇 1 𝜇−𝜆 Estos resultados incluyen el tiempo de servicio en el tiempo de espera. Por lo tanto. = Profesor MSc.

Considere el tiempo de espera en la cola (excluya el tiempo de servicio) 𝒲𝑞 de la llegada aleatoria cuando la disciplina de la cola es primero en llegar. de forma que: Profesor MSc. entonces tendrá que esperar n tiempos de servicio exponenciales hasta que su propio servicio comience.Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 En algunos contextos. Claudio Araya Sassi 39 . Si esta llegada no encuentra clientes en el sistema. primero en salir. el tiempo de espera más importante es hasta que comienza el servicio. de manera que: 𝑃 𝒲𝑞 = 0 = 𝑃0 = 1 − 𝜌 Si encuentra n>0 clientes. se le sirve de inmediato.

𝑝𝑎𝑟𝑎 𝑡 ≥ 0 Profesor MSc. entonces tendrá que esperar n tiempos de servicio exponenciales hasta que su propio servicio comience. de forma que: ∞ P 𝒲𝑞 > 𝑡 = 𝑃𝑛 𝑃{𝑆𝑛 > 𝑡} 𝑛=1 ∞ 1 − 𝜌 𝜌𝑛 𝑃{𝑆𝑛 > 𝑡} = 𝑛=1 ∞ =𝜌 𝑃𝑛 𝑃{𝑆𝑛+1 > 𝑡} 𝑛=0 = 𝜌𝑃{𝒲 > 𝑡} = 𝜌𝑒 −𝜇 1−𝜌 𝑡 .Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Si encuentra n>0 clientes. Claudio Araya Sassi 40 .

dado que 𝒲𝑞 > 0. como lo tiene 𝒲. no tiene una distribución exponencial con parámetro 𝜇 1 − 𝜌 .Modelo M/M/s Resultados en el caso de un servidor (M/M/1) con 𝒔𝝁 > 𝝀 Observe que 𝑊𝑞 no tiene en realidad una distribución exponencial porque P 𝒲𝑞 = 0 > 0. porque: 𝑃{𝒲𝑞 > 𝑡} 𝑃 𝒲𝑞 > 𝑡 𝒲𝑞 > 0} = = 𝑒 −𝜇 1−𝜌 𝑡 . Sin embargo. 𝑝𝑎𝑟𝑎 𝑡 ≥ 0 𝑃{𝒲𝑞 > 0} Al obtener la media de esta distribución (no condicional) de 𝑊𝑞 (o aplicar una de las dos fórmulas 𝐿𝑞 = 𝜆𝑊𝑞 o 𝑊𝑞 = 𝑊 − 1/𝜇). la distribución condicional de 𝒲𝑞 . Claudio Araya Sassi 41 . resulta: 𝑊𝑞 = 𝐸 𝒲𝑞 𝜆 = 𝜇(𝜇 − 𝜆) Profesor MSc.

Modelo M/M/s Ejemplo Sistema M/M/1 Jerry Jansen. El tiempo total requerido para mover una carga tiene una distribución exponencial. El costo estimado de la inactividad de los bienes (en espera de ser trasladado o en tránsito) debido al aumento en el proceso de inventario es de $ 20 por carga por hora. Claudio Araya Sassi 42 . un pequeño tren tractor-remolque y una carretilla elevadora de alta resistencia. tiene que tomar una decisión de compra. Pide a una unidad de manipulación de materiales para mover una carga que ocurre según un proceso de Poisson a una tasa media de 4 por hora. Gerente de Manejo de Materiales de la nueva fábrica de la empresa Casper-Edison. El costo por hora uniforme total equivalente (costo de recuperación de capital más el costo de operación) sería de $ 50 para el tren tractor-remolque y $ 150 para la carretilla elevadora. para el transporte de mercancías pesadas entre determinados centros productores en la fábrica. Profesor MSc. Él tiene que elegir entre dos tipos de equipos de manejo de materiales. donde el tiempo de espera sería de 12 minutos para el tren tractor-remolque y 9 minutos para la carretilla elevadora.

le gustaría tener no más de tres cargas en espera para iniciar su movimiento al menos el 80 por ciento del tiempo. Claudio Araya Sassi 43 . Profesor MSc. Por último. A él le gustaría hacer un promedio no más de media hora para completar el traslado de una carga después de recibir la llamada que solicita el traslado. También desearía que el tiempo para completar el paso a ser no más de 1 hora el 80 por ciento de las veces.Modelo M/M/s Ejemplo Jerry también ha establecido ciertos criterios que le gustaría que la unidad de manipulación de materiales pueda satisfacer con el fin de mantener el flujo de producción según el programa tanto como sea posible.

Evalúe qué tan bien estas medidas cumplen con los criterios anteriores. 4 Tasa media de servicio:   60 / 12  5 Tasa media de arribo: 1 1 W   1  0. 5 horas   54  4 4 Wq     0.Modelo M/M/s Ejemplo (a) Obtener las diversas medidas de desempeño si el tren tractor-remolque será elegido. 8  (    ) 5(5  4) 5  4 L  4   54 2 42 Lq    3. Claudio Araya Sassi 44 . 2  (    ) 5(5  4) Profesor MSc.

8 𝜇 5 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇 1−𝜌 𝑡 . para 𝑡 ≥ 0 𝑃 𝒲 ≤ 1 = 1 − 𝑃 𝒲 > 1 = 1 − 𝑒 −5 1−0.8 ∙1 = 1 − 0.Modelo M/M/s Ejemplo (a) Obtener las diversas medidas de desempeño si el tren tractor-remolque será elegido.6321 < 0. El porcentaje de tiempo para completar el movimiento dentro de una hora es: 𝜆 4 𝜌 = = = 0. Evalúe qué tan bien estas medidas cumplen con los criterios anteriores. Claudio Araya Sassi 45 .3679 = 0.8 Profesor MSc.

8  0.128  0. 2 P1  (1   )  1  (1  0. 82  0. 8)  0. 83  0.1024 P4  (1   )  4  (1  0. 8)  0.16 P2  (1   )  2  (1  0. 08192  0. Profesor MSc. 8)  0. El porcentaje de tiempo que no más de tres cargas están esperando para iniciar su movimiento (más uno que actualmente está siendo movido) es: Pn  (1   )  n P0  1    1  0. 2  0. Evalúe qué tan bien estas medidas cumplen con los criterios anteriores.6723  80%. Por lo tanto. Claudio Araya Sassi 46 . 8)  0.Modelo M/M/s Ejemplo (a) Obtener las diversas medidas de desempeño si el tren tractor-remolque será elegido. 08192 P0  P1  P2  P3  P4  0. 8  0. el tren tractor-remolque no cumple ninguno de los criterios.1024  0.128 P3  (1   )  3  (1  0. 84  0.16  0.

6  4)  4 L   1. 6  4 2 42 Lq    0. 6(6. Claudio Araya Sassi 47 . 225  (    ) 6. 5    6. 375  0. 6 1 1 W   0. 5 horas    6. 6  4) Profesor MSc.Modelo M/M/s Ejemplo (b) Repita el apartado (a) si la carretilla se eligiera Tasa media de arribo: 4 Tasa media de servicio:   60 / 9  6. 6  4  4 Wq    0. 9  (    ) 6. 6(6.

931 > 0.Modelo M/M/s Ejemplo (b) Repita el apartado (a) si la carretilla se eligiera El porcentaje de tiempo para completar el movimiento dentro de una hora es: 𝜌= 𝜆 4 = = 0.8 Profesor MSc. para 𝑡 ≥ 0 𝑃 𝒲 ≤ 1 = 1 − 𝑃 𝒲 > 1 = 1 − 𝑒 −6. Claudio Araya Sassi 48 .6 ∙1 = 1 − 0. 6 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇 1−𝜌 𝑡 .069 = 0.6 𝜇 6.6 1−0.

6)  0. Profesor MSc. Claudio Araya Sassi 49 .144 P3  (1   )  3  (1  0. 6 2  0. la carretilla cumple todos los criterios. 6 4  0. 05184 P0  P1  P2  P3  P4  0. Por lo tanto. 6  0. 6)  0. 6)  0. 6  0. 0864  0. 4  0. 24 P2  (1   )  2  (1  0. 4 P1  (1   )  1  (1  0. 63  0.922  80%.Modelo M/M/s Ejemplo (b) Repita el apartado (a) si la carretilla se eligiera El porcentaje de tiempo que no más de tres cargas están esperando para iniciar su movimiento (más uno que actualmente está siendo movido) es: Pn  (1   )  n P0  1    1  0. 24  0. 05184  0. 6)  0. 0864 P4  (1   )  4  (1  0.144  0.

Claudio Araya Sassi 50 . Para el tren tractor-remolque. Profesor MSc. calculamos costo total esperado por hora = $ 20L + $ 50 = $ 20 (4) + $ 50 = $ 130. (d) ¿Qué alternativa debería elegir Jerry? Esta es una decisión de juicio. dependiendo de si usted piensa que es más importante para cumplir los criterios (que favorece la carretilla elevadora) o para reducir al mínimo lo que se ha cuantificado como el costo total esperado por hora (que no incluye el costo adicional de producción de las instalaciones que tienen que esperar un número excesivo de cargas que necesitan ser movidas).5) + $ 150 = $ 180. Para la carretilla elevadora. obtenemos costo total esperado por hora = $ 20L + $ 150 = $ 20 (1.Modelo M/M/s Ejemplo (c) Comparar las dos alternativas en términos de su costo total esperado por hora (incluyendo el costo de inactividad de los bienes).

𝑠 𝑛−𝑠 𝑛 (𝜆 𝜇) = 𝑠! 𝑠 𝑛−𝑠 𝑝𝑎𝑟𝑎 𝑛 = 𝑠. Claudio Araya Sassi 51 . 𝑠 + 1. entonces: 𝑠−1 𝑃0 = 1 1+ 𝑛=1 𝑛 (𝜆 𝜇) (𝜆 𝜇) + 𝑛! 𝑠! 𝑠 ∞ 𝑛=𝑠 𝜆 𝑠𝜇 𝑠−1 𝑛−𝑠 =1 𝑛=0 𝑛 𝑠 (𝜆 𝜇) (𝜆 𝜇) 1 + 𝑛! 𝑠! 1 − 𝜆 (𝑠𝜇) Donde el termino para n = 0 en la ultima suma lleva al valor correcto de 1 debido a la convención de que n! = 1 cuando n = 0.Modelo M/M/s Resultados del caso de varios servidores (s > 1) (M/M/s) con 𝒔𝝁 > 𝝀 Cuando s > 1. 2. … . los factores 𝐶𝑛 se convierten en: 𝑛 (𝜆 𝜇) 𝑛! 𝐶𝑛 = 𝑠 (𝜆 𝜇) 𝜆 𝑠! 𝑠𝜇 𝑝𝑎𝑟𝑎 𝑛 = 1. 𝜆 En consecuencia. Estos factores 𝐶𝑛 dan también: 𝑛 (𝜆 𝜇) 𝑃0 𝑛! 𝑃𝑛 = 𝑛 (𝜆 𝜇) 𝑃 𝑠! 𝑠 𝑛−𝑠 0 𝑠𝑖 0 ≤ 𝑛 ≤ 𝑠 𝑠𝑖 𝑛 ≥ 𝑠 Profesor MSc. s [de manera que ρ = 𝑠𝜇 < 1]. . si 𝑠𝜇 > 𝜆 . … .

Claudio Araya Sassi 52 .Modelo M/M/s Resultados del caso de varios servidores (s > 1) (M/M/s) con 𝒔𝝁 > 𝝀 Más aún: ∞ 𝐿𝑞 = (𝑛 − 𝑠)𝑃𝑛 𝐿𝑞 𝑊𝑞 = 𝜆 𝑗𝑃𝑠+𝑗 𝑊 = 𝑊𝑞 + 𝑛=𝑠 ∞ = 𝑗=0 ∞ = 𝑗=0 = 𝑃0 1 𝜆 𝐿 = 𝜆 𝑊𝑞 + = 𝐿𝑞 + 𝜇 𝜇 𝑠 (𝜆 𝜇) 𝑗 𝑗 𝜌 𝑃0 𝑠! 𝑠 (𝜆 𝜇) 𝜌 𝑠! 𝑠 ∞ 𝑗=0 (𝜆 𝜇) 𝑑 = 𝑃0 𝜌 𝑠! 𝑑𝜌 𝑠 1 𝜇 𝑑 𝑗 (𝜌 ) 𝑑𝜌 ∞ 𝜌𝑗 𝑗=0 (𝜆 𝜇) 𝑑 1 𝜌 𝑠! 𝑑𝜌 1 − 𝜌 𝑠 𝑃0 (𝜆 𝜇) 𝜌 = 𝑠! (1 − 𝜌)2 = 𝑃0 Profesor MSc.

Claudio Araya Sassi debe sustituirse por 𝜇𝑡 53 . 1 − 𝑒 −𝜇𝑡(𝑠−1−𝜆 𝑠−1−𝜆 𝜇 𝜇) Profesor MSc.Modelo M/M/s Resultados del caso de varios servidores (s > 1) (M/M/s) con 𝒔𝝁 > 𝝀 El método de un solo servidor para encontrar la distribución de probabilidad de los tiempos de espera se puede extender al caso de varios servidores. Al aplicarlo se obtiene (para 𝑡 ≥ 0): 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇𝑡 1 + 𝑃0 (𝜆 𝜇) 𝑠! (1 − 𝜌) 𝑠 1 − 𝑒 −𝜇𝑡(𝑠−1−𝜆 𝑠−1−𝜆 𝜇 𝑃 𝒲𝑞 > 𝑡 = (1 − 𝑃 𝒲𝑞 = 0 )𝑒 −𝑠𝜇 Donde: 𝜇) 1−𝜌 𝑡 𝑠−1 𝑃 𝒲𝑞 = 0 = 𝑃𝑛 𝑛=0 𝜆 𝜇 Cuando 𝑠 − 1 − = 0.

𝑃{𝒲𝑞 > 0} = 𝑝𝑎𝑟𝑎 𝑡 ≥ 0 (1 − 𝑃 𝒲𝑞 = 0 )𝑒 −𝑠𝜇 1−𝜌 𝑡 (1 − 𝑃 𝒲𝑞 = 0 ) = 𝑒 −𝑠𝜇 1−𝜌 𝑡 Esperanza condicional de 𝒲𝑞 𝐸𝑐 𝒲𝑞 = 1 1 1 = = 𝜆 𝑠𝜇 1 − 𝜌 𝑠𝜇 − 𝜆 𝑠𝜇 1 − 𝑠𝜇 Esperanza no condicional de 𝒲𝑞 𝐸 𝒲𝑞 = 1 − 𝑃 𝒲𝑞 = 0 1 = 1 − 𝑃 𝒲𝑞 = 0 𝐸𝑐 𝒲𝑞 𝑠𝜇 − 𝜆 Profesor MSc. Claudio Araya Sassi 54 .Modelo M/M/s Resultados del caso de varios servidores (s > 1) (M/M/s) con 𝒔𝝁 > 𝝀 Probabilidad condicional de 𝒲𝑞 𝑃{𝒲𝑞 > 𝑡} 𝑃 𝒲𝑞 > 𝑡 𝒲𝑞 > 0} = .

Claudio Araya Sassi 55 .Modelo M/M/s Valores de L del modelo M/M/s Profesor MSc.

Se ha pedido al ingeniero administrador del hospital que estudie esta opción. También llegó a la conclusión de que el tiempo que necesita un médico para atender a los pacientes sigue aproximadamente una distribución exponencial. es bastante común que los pacientes que llegan durante las horas pick (temprano en la tarde) tengan que esperar turno para recibir el tratamiento del médico. Claudio Araya Sassi 56 . se ha presentado una propuesta para asignar un segundo médico a esta sala durante esas horas pick. eligió el modelo M/M/s para hacer un estudio preliminar de este sistema de colas. Con base en este contexto. Por ello. No obstante. Profesor MSc. debido a la creciente tendencia a usar estas instalaciones para casos de urgencia en lugar de ir a una clínica privada. Como resultado. cada año el hospital experimenta un aumento continuo del número de pacientes que llegan a la sala de emergencias. por lo que los tiempos entre llegadas tienen una distribución exponencial. el ingeniero administrador ha concluido que los casos de emergencia llegan casi de manera aleatoria (proceso de entrada de Poisson). En todo momento se cuenta con un médico de guardia. para que se puedan atender dos casos de emergencia al mismo tiempo.Modelo M/M/s Ejemplo Sistema M/M/s La sala de urgencias del HOSPITAL GENERAL proporciona cuidados médicos rápidos a los casos de emergencia que llegan en ambulancia o vehículos particulares.

𝜆 𝜌= <1 𝑠𝜇 Profesor MSc. Si se usa una hora como unidad de tiempo.Modelo M/M/s Ejemplo Sistema M/M/s Al proyectar los datos disponibles del turno de la tarde al año próximo. Claudio Araya Sassi 57 . Un médico requiere un promedio de 20 minutos para atender al paciente. 1 1 = horas por cliente 𝜆 2 1 1 = horas por cliente 𝜇 3 𝜆 = 2 clientes por hora 𝜇 = 3 clientes por hora Las dos alternativas bajo consideración son: continuar con un solo medico durante este turno (s = 1) o agregar un segundo medico (s = 2). En ambos casos. estima que los pacientes llegarán a una tasa promedio de uno cada media hora.

Modelo M/M/s
Ejemplo Sistema M/M/s
Para s=1 se tiene:
 s 1 ( /  ) n ( /  ) s

1
P0  1/  


n
!
s
!
1

(

/
s

)
n

0


 ( /  )0 ( /  )1

1
P0  1/ 


1
1
1

(

/

)



( /  ) 
P0  1/ 1 

1

(

/

)


 1  ( /  )  ( /  ) 
 1/ 

1  ( /  )




1
 1/ 

 1  ( /  ) 
 

 (1   )

Profesor MSc. Claudio Araya Sassi

58

Modelo M/M/s
Ejemplo Sistema M/M/s
Para s=1 se tiene:

2
Tasa media de servicio:   3
Tasa media de arribo:

1
1

 1hora
  3 2

2
2
Wq 


 (    ) 3(3  2) 3

2
L

2
  3 2
W

2
22
4
Lq 


 (    ) 3(3  2) 3



 2

 3

2 1
P0  1    1  
3 3
 2 2 2
P1  (1   )  1   1    
 3 3 9
1 2
Pn  (1   )  n    
3 3

n

P

q

 t   e   (1  )t  (2 / 3)e  t

P

q

 0  2 / 3

P

q

 1/ 2  (2 / 3)e 1/ 2  0, 404

P

q

 1  (2 / 3)e 1  0, 245

Profesor MSc. Claudio Araya Sassi

59

Modelo M/M/s
Ejemplo Sistema M/M/s
Para s=2 se tiene:




2
1


s 2  3 3

 s 1 ( /  ) n ( /  ) s

1
P0  1/  


n
!
s
!
1

(

/
s

)
 n0

  ( /  )0 ( /  )1  ( /  ) s 1 
P0  1/  



1
1
s
!
1





 2 2
P0  1/ 1  
 3 9

3 1


2 2

Profesor MSc. Claudio Araya Sassi

60

Claudio Araya Sassi n2 n2 n2 n n2 61 .Modelo M/M/s Ejemplo Sistema M/M/s Para s=2 se tiene: 𝑛 (𝜆 𝜇) 𝑃0 𝑛! 𝑃𝑛 = 𝑛 (𝜆 𝜇) 𝑃 𝑠! 𝑠 𝑛−𝑠 0 𝑠𝑖 0 ≤ 𝑛 ≤ 𝑠 𝑠𝑖 𝑛 ≥ 𝑠 ( /  ) n P1  P0 n! 21 1 P1   32 3 ( /  ) n Pn  P0 ns s!s (2 / 3) n 1 Pn  2  2n  2 2 (2 / 3) n Pn  2n 1 Pn    3 Profesor MSc.

003 6 1 −4𝑡 𝑃 𝒲𝑞 > 𝑡 = 𝑒 6 Profesor MSc.Modelo M/M/s Ejemplo Sistema M/M/s Para s=2 se tiene: Lq  P0 ( /  )  s !(1   ) 2 s (1/ 2)(2 / 3) 2 (1/ 3) 1 Lq   2 12 2(2 / 3)  1 2 3 L  Lq          12 3 4 Lq 1/ 12 1 Wq     2 24 1 1 1 3 W  Wq      24 3 8 𝑃 𝒲𝑞 > 𝑡 = (1 − 𝑃 𝒲𝑞 = 0 )𝑒 −𝑠𝜇 1−𝜌 𝑡 𝑠−1 𝑃 𝒲𝑞 = 0 = 𝑃𝑛 𝑛=0 𝑃 𝒲𝑞 = 0 = 𝑃0 + 𝑃1 = 1 1 5 + = 2 3 6 𝑃 𝒲𝑞 > 0 = 1 − 5 1 = = 0.167 6 6 𝑃 𝒲𝑞 > 1 = 1 − 5 −4 𝑒 = 0. Claudio Araya Sassi 62 .

Modelo M/M/s Ejemplo Sistema M/M/s Para s=2 se tiene: 𝑃 𝒲 > 𝑡 = 𝑒 −𝜇𝑡 1 + 𝑃0 (𝜆 𝜇) 𝑠! (1 − 𝜌) 𝑠 1 − 𝑒 −𝜇𝑡(𝑠−1−𝜆 𝑠−1−𝜆 𝜇 𝜇) 1 −3𝑡 𝑃 𝒲 > 𝑡 = 𝑒 (3 − 𝑒 −𝑡 ) 2 Profesor MSc. Claudio Araya Sassi 63 .

Modelo M/M/s Ejemplo Sistema M/M/s Resumen Profesor MSc. Claudio Araya Sassi 64 .

1. por lo que la capacidad de la cola es K – s. … . no se permite que el número de clientes en el sistema exceda un número especificado (denotado por K). A cualquier cliente que llega cuando la cola está “llena” se le niega la entrada al sistema y este cliente lo deja para siempre. la tasa media de entrada al sistema se hace cero en estos momentos.2. esto es. Por lo mismo.Modelo M/M/s/K Este modelo es una variación de cola finita del modelo M/M/s Los sistemas de colas a veces tienen una cola finita. la única modificación necesaria en el modelo M/M/s para introducir una cola finita es cambiar los parámetros 𝜆𝑛 a: 𝜆𝑛 = 𝜆 0 𝑝𝑎𝑟𝑎 𝑛 = 0. Claudio Araya Sassi 65 . Desde el punto de vista del proceso de nacimiento y muerte. 𝐾 − 1 𝑝𝑎𝑟𝑎 𝑛 ≥ 𝐾 Profesor MSc.

Modelo M/M/s/K Como 𝜆𝑛 = 0 para algunos valores de n. un sistema de colas que se ajuste a este modelo alcanzará en algún momento la condición de estado estable. Profesor MSc. aun cuando 𝜌 = 𝜆/𝑠𝜇 > 1. Interpretación alternativa: los clientes que llegan dejarán el sistema y se “irán a otra parte” cuando encuentren demasiados clientes (K) en el sistema antes que ellos. Este fenómeno de desistir es bastante común en los sistemas de servicio comercial. pero existen otros modelos disponibles que se ajustan mejor a esta situación. pues no están dispuestos a soportar una larga espera. M/M/s/K → K finito M/M/s → K infinito Interpretación física del modelo M/M/s/K: se cuenta con un espacio limitado de espera que admite un máximo de K clientes en el sistema. Claudio Araya Sassi 66 .

… 𝐾 𝑝𝑎𝑟𝑎 𝑛 > 𝐾 Entonces para 𝜌 ≠ 1: 𝑃0 = 1 𝐾 𝑛=0 (𝜆 𝑛 𝜇) 1 − (𝜆 𝜇)𝐾+1 =1 1−𝜆 𝜇 1−𝜌 = 1 − 𝜌𝐾+1 de manera que: 1−𝜌 𝑛 𝑃𝑛 = 𝜌 1 − 𝜌𝐾+1 𝑝𝑎𝑟𝑎 𝑛 = 0. … 𝐾 Profesor MSc.2.2.1. Claudio Araya Sassi 67 .1.Modelo M/M/s/K Resultados en el caso de un servidor (M/M/1/K) 𝐶𝑛 = 𝜆 𝜇 0 𝑛 = 𝜌𝑛 𝑝𝑎𝑟𝑎 𝑛 = 0.

Modelo M/M/s/K Resultados en el caso de un servidor (M/M/1/K) Entonces: 𝐾 𝐿= 𝑛𝑃𝑛 𝑛=0 = = 1−𝜌 𝜌 𝐾+1 1−𝜌 𝐾 𝑛=0 1−𝜌 𝑑 𝜌 1 − 𝜌𝐾+1 𝑑𝜌 𝑑 𝑛 (𝜌 ) 𝑑𝜌 𝐾 𝜌𝑛 𝑛=0 1−𝜌 𝑑 1 − 𝜌𝐾+1 = 𝜌 𝐾+1 1−𝜌 𝑑𝜌 1−𝜌 − 𝐾 + 1 𝜌𝐾 + 𝐾𝜌𝐾+1 + 1 =𝜌 (1 − 𝜌𝐾+1 )(1 − 𝜌) 𝜌 (𝐾 + 1)𝜌𝐾+1 = − 1−𝜌 1 − 𝜌𝐾+1 Profesor MSc. Claudio Araya Sassi 68 .

𝜆 Donde: 𝜌 (𝐾 + 1)𝜌𝐾+1 → 0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐾 → ∞ → 𝑀/𝑀/𝑠 𝐿= − 𝐾+1 1−𝜌 1−𝜌 𝑊𝑞 = 𝐿𝑞 𝜆 ∞ 𝜆= 𝜆𝑛 𝑃𝑛 𝑛=0 𝐾−1 = 𝜆𝑃𝑛 𝑛=0 = 𝜆(1 − 𝑃𝐾 ) Profesor MSc.Modelo M/M/s/K Resultados en el caso de un servidor (M/M/1/K) Como es usual (cuando 𝑠=1): 𝐿𝑞 = 𝐿 − (1 − 𝑃0 ) Note que los resultados anteriores no exigen que 𝜆 < 𝜇(𝜌 < 1). Cuando 𝜌 < 1 𝐿 𝑊= . Claudio Araya Sassi 69 .

… . … . 𝑠 + 1. … . 𝑠 + 1. Debido a que este modelo no permite más de K clientes en el sistema.2.1. 𝑠 𝑛! 𝑛−𝑠 𝑛 𝐶𝑛 = (𝜆 𝜇)𝑠 𝜆 (𝜆 𝜇) = 𝑝𝑎𝑟𝑎 𝑛 = 𝑠. … . Suponga que 𝑠 ≤ 𝐾. 𝐾 𝑠! 𝑠𝜇 𝑠! 𝑠 𝑛−𝑠 0 𝑝𝑎𝑟𝑎 𝑛 > 𝐾 𝑛 (𝜆 𝜇) 𝑃0 𝑛! 𝑃𝑛 = (𝜆 𝜇)𝑛 𝑃 𝑠! 𝑠 𝑛−𝑠 0 0 Donde:   s ( /  ) n P0  1/      n  0 n ! 𝑝𝑎𝑟𝑎 𝑛 = 1. 𝑠 𝑝𝑎𝑟𝑎 𝑛 = 𝑠.Modelo M/M/s/K Resultados en el caso de varios servidores (M/M/s/K. s > 1). 𝐾 𝑝𝑎𝑟𝑎 𝑛 > 𝐾   ( /  ) s      s!       s  n  s 1   K Profesor MSc. K es el número máximo de servidores que pueden tenerse. Claudio Araya Sassi ns     70 .2. 𝑛 (𝜆 𝜇) 𝑝𝑎𝑟𝑎 𝑛 = 0.

𝜆 Donde: 𝑃𝑛 𝑛=0 𝑊𝑞 = 𝐿𝑞 𝜆 ∞ 𝜆= 𝜆𝑛 𝑃𝑛 𝑛=0 𝐾−1 = 𝜆𝑃𝑛 𝑛=0 = 𝜆(1 − 𝑃𝐾 ) Profesor MSc. Claudio Araya Sassi 71 . se llega a: 𝑆 𝑃0 (𝜆 𝜇) 𝜌 𝐾−𝑠 − 𝐾 − 𝑠 𝜌 𝐾−𝑠 1 − 𝜌 ] 𝐿𝑞 = [1 − 𝜌 𝑠! (1 − 𝜌)2 𝑠−1 𝐿= 𝑠−1 𝑛𝑃𝑛 + 𝐿𝑞 + 𝑠 1 − 𝑛=0 𝐿 𝑊= .Modelo M/M/s/K Resultados en el caso de varios servidores (M/M/s/K. Si se adapta a este caso la derivación de Lq del modelo M/M/s. s > 1).

a quien se considera el fundador de la teoría de colas. los clientes que llegan cuando todos los servidores están ocupados dejan el sistema de inmediato y se pierden. Erlang. ¿Qué sucede cuando K=s? Cuando K = s.Modelo M/M/s/K Resultados en el caso de varios servidores (M/M/s/K. K. quien llama obtiene una señal de ocupado y cuelga. s > 1). En este caso. Este tipo de sistema (un “sistema de colas” sin cola) se conoce como sistema de pérdidas Erlang. porque el primero que lo estudió a principios del siglo XX fue A. Esto ocurrirá. Profesor MSc. la capacidad de la cola es K – s = 0. por ejemplo. un ingeniero en telefonía holandés. en una red telefónica con s líneas troncales de manera que cuando todas estas líneas están ocupadas. Claudio Araya Sassi 72 .

b) Encuentre la probabilidad de estado estable que: i. Si las tres líneas telefónicas (ambas líneas de agente y la línea de retención) están ocupadas.Modelo M/M/s/K Ejemplo modelo M/M/s/K La oficina de reservaciones de Central Airlines tiene dos agentes que responden las llamadas telefónicas entrantes para reservas de vuelos. una persona que llama puede ser puesto en espera hasta que uno de los agentes está disponible para tomar la llamada. Claudio Araya Sassi 73 . Las llamadas e intentos de llamadas se producen al azar (es decir. Una persona que llama llega a hablar con un agente de inmediato. ii. La persona que llama se pone en espera. La persona que llama recibirá una señal de ocupado. un cliente potencial recibe una señal de ocupado. de acuerdo con un proceso de Poisson) a una tasa media de 15 por hora. Profesor MSc. Además. La duración de una conversación telefónica tiene una distribución exponencial con una media de 4 minutos. y iii. en cuyo caso la llamada puede ir a otra línea aérea. a) Construya el diagrama de tasas para este sistema de colas.

Modelo M/M/s/K Ejemplo modelo M/M/s/K Dado que este sistema de colas tiene dos servidores (los agentes) y el número máximo de clientes (las llamadas entrantes) permitidos en el sistema es de 3. Claudio Araya Sassi 74 . el modelo aplicable es la variación de cola finita del modelo M/M/s con: 𝐾 = 3. 𝑦 𝜇 = 60/4 = 15 El diagrama de tasas se ​muestra a continuación: Profesor MSc. 𝜆 = 15.

3636  2 2 2  11  Profesor MSc. Claudio Araya Sassi 75 .Modelo M/M/s/K Ejemplo modelo M/M/s/K Probabilidades de estado estable  15 1    s  2 15 2   s ( /  ) n   ( /  ) s K    n  s   P0  1 /              n  0 n !   s ! n  s 1  s       ( /  )0 ( /  )1 ( /  ) 2   ( /  ) 2   P0  1 /        1 1 2   2!   1 1 1 4  P0  1/ 1  1     0.

2. 𝐾 𝑝𝑎𝑟𝑎 𝑛 > 𝐾 ( /  )1 4 4 P1  P0  1    0. 3636 1! 11 11 ( /  ) 2 1 4 2 P2  P0     0. 0909 2! 2 4 11 11 Profesor MSc. … . 𝑠 + 1.Modelo M/M/s/K Ejemplo modelo M/M/s/K Probabilidades de estado estable 𝑛 (𝜆 𝜇) 𝑃0 𝑛! 𝑃𝑛 = (𝜆 𝜇)𝑛 𝑃 𝑠! 𝑠 𝑛−𝑠 0 0 𝑝𝑎𝑟𝑎 𝑛 = 1. Claudio Araya Sassi 76 . … . 𝑠 𝑝𝑎𝑟𝑎 𝑛 = 𝑠.1818 2! 2 11 11 ( /  ) 3 1 4 1 P3  P0     0.

Modelo M/M/s/K
Ejemplo modelo M/M/s/K
Probabilidades de estado estable
Por lo tanto,
i.

La probabilidad de estado estable que una persona que llama llega a
hablar con un agente de inmediato: 𝑃
𝑛 ≤ 1 = 𝑃0 + 𝑃1 = 0,3636 + 0,3636 = 0,727

ii.

La probabilidad de estado estable que una llamada se pone en espera 𝑃
𝑛 = 2 = 𝑃2 = 0,1818

iii.

La probabilidad de estado estable que una persona que llama recibirá
una señal de ocupado. 𝑃
𝑛 = 3 = 𝑃3 = 0,09
Profesor MSc. Claudio Araya Sassi

77

Modelo M/M/s con población potencial finita
Variación de fuente de entrada finita al modelo M/M/s
Fuente de entrada está limitada ⇒ tamaño de población potencial es finito.
Sea N el tamaño de esa población.
Cuando el número de clientes en el sistema de colas es n (n = 0, 1, 2, . . ., N), existen
sólo N – n clientes potenciales restantes en la fuente de entrada.

Aplicación: Problema de reparación de máquinas
Se asigna a uno o más técnicos mantener en operación cierto grupo de N
máquinas dando servicio a cada una de las que se descomponen.
Un técnico de mantenimiento es un servidor individual si trabaja en forma
independiente en máquinas diferentes
Miembros de una cuadrilla completa se toman como un servidor si trabajan
unidos en cada máquina.
Las máquinas constituyen la población potencial. Cada una se considera un
cliente en el sistema de colas cuando está descompuesta en espera de ser
reparada, mientras que cuando está en operación está fuera del sistema.
Profesor MSc. Claudio Araya Sassi

78

Modelo M/M/s con población potencial finita
Variación de fuente de entrada finita al modelo M/M/s
Observe que todos los miembros de la población potencial alternan entre estar
adentro y afuera del sistema de colas.
Entonces, el análogo del modelo M/M/s que se ajusta a esta situación supone que
el tiempo afuera de cada miembro (esto es, el tiempo que pasa desde que deja el
sistema hasta que regresa) tiene una distribución exponencial con parámetro 𝜆.
Cuando n miembros están adentro y, por supuesto, N – n miembros están afuera, la
distribución de probabilidad actual del tiempo que falta para la próxima llegada al
sistema es la distribución del mínimo de los tiempos restantes afuera de esos N – n
miembros.
Las propiedades 2 y 3 de la distribución exponencial implican que esta distribución
debe ser exponencial con parámetro 𝜆𝑛 = (𝑁 − 𝑛)𝜆.
Como 𝜆𝑛 = 0 para 𝑛 = 𝑁, cualquier sistema que se ajuste a este modelo alcanzará
en algún momento la condición de estado estable.
Profesor MSc. Claudio Araya Sassi

79

… . 𝜆 𝑦 ∞ 𝜆= 𝑊𝑞 = 𝑛𝑃𝑛 = 𝐿𝑞 + 1 − 𝑃0 𝑛=0 𝜆 𝜇 = 𝑁 − (1 − 𝑃0 ) 𝜆 𝑁 𝜆𝑛 𝑃𝑛 = 𝑛=0 𝐿= 𝐿𝑞 𝑁 − 𝑛 𝜆𝑃𝑛 = 𝜆(𝑁 − 𝐿) 𝑛=0 Profesor MSc.2. Claudio Araya Sassi 80 .Modelo M/M/s con población potencial finita Resultados para el caso de un solo servidor (s = 1) 𝑁 𝑁−1 ⋯ 𝑁−𝑛+1 𝐶𝑛 = 𝜆 𝜇 𝑛 𝑁! 𝜆 = 𝑁−𝑛 ! 𝜇 𝑛 𝑝𝑎𝑟𝑎 𝑛 ≤ 𝑁 0 𝑝𝑎𝑟𝑎 𝑛 > 𝑁 𝑁 𝑃0 = 1 𝑛=0 𝑁! 𝜆 𝑁−𝑛 ! 𝜇 𝑁! 𝜆 𝑃𝑛 = 𝑁−𝑛 ! 𝜇 𝑛 𝑁 𝐿𝑞 = (𝑛 − 1)𝑃𝑛 𝑛=1 𝑛 𝑃0 . 𝑠𝑖 𝑛 = 1. 𝑁 𝜆+𝜇 𝐿𝑞 = 𝑁 − (1 − 𝑃0 ) 𝜆 𝑁 𝐿 𝑊= .

1. 𝑠 𝑛 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑠! 𝑠 𝑛−𝑠 𝜇 0 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑛! 𝜇 𝑃𝑛 = 𝑃0 = 1 𝑛=0 𝑝𝑎𝑟𝑎 𝑛 > 𝑁 𝑛 𝑃0 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑠! 𝑠 𝑛−𝑠 𝜇 0 𝑠−1 𝑝𝑎𝑟𝑎 𝑛 = 𝑠.Modelo M/M/s con población potencial finita Resultados para el caso de varios servidores (𝑵 ≥ 𝒔 > 𝟏) 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑛! 𝜇 𝐶𝑛 = 𝑛 𝑝𝑎𝑟𝑎 𝑛 = 0. 𝑁 𝑠𝑖 0 ≤ 𝑛 ≤ 𝑠 𝑛 𝑃0 𝑠𝑖 𝑛 > 𝑁 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑛! 𝜇 + 𝑛=𝑠 𝑁! 𝜆 𝑁 − 𝑛 ! 𝑠! 𝑠 𝑛−𝑠 𝜇 𝑠−1 (𝑛 − 𝑠)𝑃𝑛 𝑛=𝑠 𝑁 𝑛 𝑁 𝐿𝑞 = 𝑠𝑖 𝑠 ≤ 𝑛 ≤ 𝑁 𝐿= 𝑛 𝑠−1 𝑛𝑃𝑛 + 𝐿𝑞 + 𝑠 1 − 𝑛=0 Profesor MSc. 𝑠 + 1. … . … .2. Claudio Araya Sassi 𝑃𝑛 𝑛=0 81 .

Modelo M/M/s con población potencial finita Resultados para el caso de varios servidores (𝑵 ≥ 𝒔 > 𝟏) Profesor MSc. Claudio Araya Sassi 82 .

En realidad. pero no se imponen restricciones sobre cuál debe ser esta distribución de tiempos de servicio.Modelos de Colas con Distribuciones no Exponenciales Modelo M/G/1 Como siempre. se supone que los clientes tienen tiempos de servicio independientes con la misma distribución de probabilidad. sólo es necesario conocer (o estimar) la media (1/𝜇) y la variancia (𝜎 2 ) de esta distribución. Condición de estado estable si 𝜌 = 𝜆/𝜇 < 1 Cuando la distribución de los tiempos de servicio es exponencial → 𝜎 2 = 1/𝜇2 𝑃0 = 1 − 𝜌 𝜆2 𝜎 2 + 𝜌2 Fórmula de Pollaczek-Khintchine 𝐿𝑞 = 2(1 − 𝜌) 𝐿𝑞 𝑊𝑞 = 𝜆 1 𝑊 = 𝑊𝑞 + 𝜇 𝐿 = 𝜌 + 𝐿𝑞 Profesor MSc. Claudio Araya Sassi 83 .

Cuando sólo se tiene un servidor. tiende a haber poca variación en el tiempo de servicio que se requiere. donde 𝜎 2 = 0. El modelo M/D/s proporciona una representación razonable de este tipo de situaciones porque supone: Todos los tiempos de servicio son iguales a una constante fija (la distribución de tiempos de servicio degenerada) Tiene un proceso de entradas de Poisson con tasa media de llegadas fija. el modelo M/D/1 es un caso especial del modelo M/G/1. Claudio Araya Sassi 84 . con lo que la fórmula de PollaczekKhintchine se reduce a: 𝜌2 𝐿𝑞 = 2(1 − 𝜌) Profesor MSc.Modelos de Colas con Distribuciones no Exponenciales Modelo M/D/s Cuando el servicio consiste básicamente en la misma tarea rutinaria que el servidor realiza para todos los clientes.

Modelos de Colas con Distribuciones no Exponenciales Modelo M/D/s Profesor MSc. Claudio Araya Sassi 85 .

Entre estos dos casos extremos hay un gran intervalo (0 < 𝜎 2 < 1/𝜇2 ). Profesor MSc. Otro tipo de distribución teórica de tiempos de servicio que concuerda con este espacio intermedio es la distribución de Erlang (llamada así en honor del fundador de la teoría de colas). La distribución exponencial de tiempos de servicio supone una variación muy grande (𝜎 2 = 1/𝜇2 ). Claudio Araya Sassi 86 .Modelos de Colas con Distribuciones no Exponenciales Modelo M/Ek/s El modelo M/Ek/s supone: Una variación cero en los tiempos de servicio (𝜎 2 = 0). donde caen la mayor parte de las distribuciones de tiempos de servicio reales.

𝑒𝑛𝑡𝑒𝑟𝑜 1 𝑀𝑒𝑑𝑖𝑎 = 𝜇 𝐷𝑒𝑠𝑣. Claudio Araya Sassi 87 .Modelos de Colas con Distribuciones no Exponenciales Modelo M/Ek/s La función de densidad de probabilidad de la distribución de Erlang es: (𝜇𝑘)𝑘 𝑘−1 −𝑘𝜇𝑡 𝑓 𝑡 = 𝑡 𝑒 𝑝𝑎𝑟𝑎 𝑡 ≥ 0 𝑘−1 ! Donde 𝜇 > 0 y 𝑘 > 0. 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 = 1 1 𝑘𝜇 Profesor MSc.

Cuando se aplica la fórmula de PollaczekKhintchine con: 𝜎 2 = 1/(𝑘𝜇2 ) 𝜆2 (𝑘𝜇2 ) + 𝜌2 1 + 𝑘 𝜆2 𝐿𝑞 = = 2(1 − 𝜌) 2𝑘 𝜇(𝜇 − 𝜆) 1+𝑘 𝜆 𝑊𝑞 = 2𝑘 𝜇(𝜇 − 𝜆) 1 𝑊 = 𝑊𝑞 + 𝜇 𝐿 = 𝜆W Profesor MSc. que es el caso especial del modelo M/G/1 donde los tiempos de servicio tienen una distribución de Erlang con parámetro de forma k. Claudio Araya Sassi 88 .Modelos de Colas con Distribuciones no Exponenciales Modelo M/Ek/s Ahora considere el modelo M/Ek/1.

Modelos de Colas con Distribuciones no Exponenciales Modelo M/Ek/s Valores de L del modelo M/Ek/2 Profesor MSc. Claudio Araya Sassi 89 .

es de $400. El costo. amortizado en 5 años.000 por año para cada avión. amortizado en 5 años. es $550. Esta situación ha dado lugar a retrasos frecuentes y prolongados en la reparación de los aviones entrantes. y el tiempo esperado de reparación es de 36 horas. El costo. La situación actual es que sólo un avión puede ser reparado en un momento.000 por año para cada uno de los aviones de la aerolínea. La alternativa B es reemplazar el presente equipo de mantenimiento por un equipo disponible más eficiente (y caro). La alternativa A es proporcionar un taller de mantenimiento doble.Modelos de Colas con Distribuciones no Exponenciales Ejemplo Modelo M/Ek/s Una base de mantenimiento de LAN Chile quiere hacer un cambio en su operaciones de reparación. Claudio Araya Sassi 90 . El costo medio de de inactividad de un avión para la aerolínea es de $3. de modo que dos aviones se puedan reparar de forma simultánea. mientras que el tiempo esperado entre llegadas es de 45 horas. incluso aunque la base funcione de forma continua.000 por hora. reduciendo así el tiempo de reparación esperado a 18 horas. Se cree que el proceso de entrada a la base es esencialmente Poisson y que la distribución de probabilidad de los tiempos de reparación es Erlang. ¿Qué alternativa debe elegir la compañía aérea? Profesor MSc. Se estima que cada avión entra en el taller de mantenimiento 5 veces al año. con parámetro de forma k = 2.

8760/45  195 arribos por año. Claudio Araya Sassi para la Alternativa A.63 por hora.000(39) / 8760 = $2448.  = 1/18. E[CS] = $550. el costo de servicio esperado por hora es E[CS] = $400. hay aproximadamente 195/5 = 39 aviones. el sistema tiene entrada de Poisson con  = 1/45. Para la alternativa B. and s = 2. Los aviones llegan a una tasa de uno cada 45 horas o. Dado que cada avión va al taller de mantenimiento cinco veces al año.82 por hora. el sistema dispone de entrada de Poisson con  = 1/45.Modelos de Colas con Distribuciones no Exponenciales Ejemplo Modelo M/Ek/s Para la Alternativa A. 91 . servicio Erlang con k = 2.  = 1/36. servicio Erlang con k = 2. Profesor MSc. para la Alternativa B.000(39) / 8760 = $1780. Por lo tanto. and s = 1. equivalentemente.

Modelos de Colas con Distribuciones no Exponenciales Ejemplo Modelo M/Ek/s Ahora tenemos que evaluar el costo esperado de espera por hora. Claudio Araya Sassi 92 .82 $2448. lo que requiere determinar primero L. utilizando la fórmula de M/Ek/1 (basado en la fórmula Pollaczek-Khintchine): 2   1  1      2   3 45  1 k      45  3  L       2k    (    )   4   1   1  1   1 5   18   18 18 45      El cálculo resultante del costo total esperado por hora para las dos alternativas se muestra en la siguiente tabla.83 La conclusión es que la aerolínea debe elegir la alternativa B ya que tiene un costo total esperado significativamente menor por hora E(CT).91 1 2  5 36  Para la alternativa B.63 E[CE] = $3000L $2730 $1800 E[CT] $4510. 1 2 (estimado desde la Figura anterior)   45    L = 0. Para la Alternativa A.82 $4248. Profesor MSc. Alternativa A B E[CS] $1780.

Muchos sistemas reales se ajustan a este tipo de modelos mucho mejor que a otros disponibles. Profesor MSc. El orden en el que se seleccionan los clientes para darles el servicio se basa en sus prioridades asignadas. primero se describen los modelos juntos y después se resumen sus resultados por separado. Se presentarán dos modelos básicos con disciplina de prioridades. el uso de modelos con disciplina de prioridades proporciona un refinamiento muy aceptable en comparación con otros modelos de colas más usuales. excepto por la naturaleza de las prioridades. Los trabajos urgentes se hacen antes que otros trabajos y los clientes importantes tienen precedencia sobre otros. Con frecuencia. Claudio Araya Sassi 93 .Modelos de Colas con Disciplina de Prioridades En los modelos con disciplina de prioridades. Como ambos se basan en los mismos supuestos. la disciplina de la cola se basa en un sistema prioritario.

pero permite que la tasa media de llegadas difiera entre ellas. La distinción entre los dos modelos se basa en que una de las prioridades es sin interrupción y la otra con interrupción. Claudio Araya Sassi 94 . Profesor MSc. Cada clase prioritaria está sometida a un proceso de entradas de Poisson y tiempos de servicio exponenciales. El tiempo medio de servicio es el mismo para todas las clases prioritarias. el cliente que se selecciona es el miembro de la clase prioritaria más alta representada en la cola y que haya esperado más (FIFO).Modelos de Colas con Disciplina de Prioridades Supuestos de los modelos Ambos modelos suponen que existen N clases de prioridad (la clase 1 tiene la prioridad más alta la clase N la más baja) Siempre que un servidor queda libre para comenzar el servicio de un nuevo cliente.

Por lo tanto. el servicio debe terminar sin interrupción. Claudio Araya Sassi 95 . Profesor MSc. una vez que el servidor comienza a atender a un cliente.Modelos de Colas con Disciplina de Prioridades Modelo de prioridades sin interrupción Cuando se aplica el modelo de prioridades sin interrupción no se puede regresar a la cola a un cliente que se encuentra en servicio (interrumpirlo) si entra un cliente de prioridad más alta al sistema de colas.

por lo general. de manera que. se selecciona el siguiente cliente para comenzar otro servicio. después de suficientes intentos. Profesor MSc.Modelos de Colas con Disciplina de Prioridades Modelo de prioridades con interrupción El cliente de prioridad más baja que se encuentre en servicio es interrumpido (va de regreso a la cola) cada vez que entra un cliente con prioridad más alta al sistema de colas. un cliente interrumpido regresará a servicio y. Claudio Araya Sassi 96 . finalmente terminará. Cuando un servidor termina un servicio. En esta situación se libera un servidor para que el servicio al recién llegado comience de inmediato.

Entonces.2. 𝑊𝑘 = 1 𝐴𝐵𝑘−1 𝐵𝑘 Donde: 𝑠𝜇 − 𝜆 𝐴 = 𝑠! 𝑟𝑠 𝐵0 = 1 𝐵𝑘 = 1 − + 𝑠−1 𝑗 𝑟 𝑗=0 𝑗! 1 𝑝𝑎𝑟𝑎 𝑘 = 1. Claudio Araya Sassi 97 . … .Modelos de Colas con Disciplina de Prioridades Resultados en el modelo con prioridades sin interrupción Sea Wk el tiempo esperado de espera en el sistema en estado estable (lo cual incluye el tiempo de servicio) de un miembro de la clase de prioridad k. 𝑁 𝜇 + 𝑠𝜇 𝜇2 𝑠𝑖 𝑠 = 1 𝐴 = 𝜆 𝑘 𝑖=1 𝜆𝑖 𝑠𝜇 𝑠 = número de servidores 𝜇 = tasa media de servicio por servidor ocupado 𝜆𝑖 = tasa media de llegadas de la clase de prioridad i 𝑁 𝜆= 𝜆𝑖 𝑖=1 𝑟= 𝜆 𝜇 Profesor MSc.

𝑁 1 𝜇 𝜆𝑘 = 𝐿𝑘 − 𝜇 Profesor MSc. por lo que 𝐿𝑘 . La fórmula de Little se aplica a las clases individuales de prioridad.Modelos de Colas con Disciplina de Prioridades Resultados en el modelo con prioridades sin interrupción 𝑘 𝜆𝑖 < 𝑠𝜇 Estos resultados suponen que 𝑖=1 De manera que la clase de prioridad k puede alcanzar una condición de estado estable. el número esperado de miembros de la clase de prioridad k en el sistema de colas (incluso los que están en servicio). … . es 𝐿𝑘 = 𝜆𝑘 𝑊𝑘 𝑊𝑞𝑘 = 𝑊𝑘 − 𝐿𝑞𝑘 𝑝𝑎𝑟𝑎 𝑘 = 1. Claudio Araya Sassi 98 .2.

si no. Sin embargo. él comienza un trabajo comercial si cualquiera está esperando. debido a la presión de la dirección para mantener bajas las inversiones. esto es. Profesor MSc. Cada vez que un operador de torno termina un trabajo. en lugar de las tres máquinas que existen actualmente. será autorizada sólo una máquina adicional a menos que haya pruebas sólidas de que una segunda es necesaria. los trabajos del gobierno. si no. y los productos estándar.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción La fábrica Becker Company ha estado experimentando retrasos en los trabajos que pasan por el departamento de tornería debido a la falta de capacidad. Esta tienda hace tres tipos de trabajo. trabajos comerciales. él comienza un trabajo del gobierno si uno está esperando. Empleos del mismo tipo se toman sobre una base de orden de primero en llegar primero en ser servido. inicia un producto estándar si están a la espera. Claudio Araya Sassi 99 . El jefe de este departamento sostiene que se requieren cinco máquinas.

y 2 por semana para los productos estándar.25 días (de trabajo) para los trabajos del gobierno. La gerencia siente que el tiempo medio de espera antes de comenzar el trabajo en el departamento de tornería no debe exceder de 0. y 2 días para los productos estándar. 0. 4 por semana para los trabajos comerciales.5 días para trabajos comerciales. Profesor MSc. Claudio Araya Sassi 100 . Los trabajos se reciben en la tienda al azar (un proceso de Poisson) a una velocidad media de 6 por semana para los trabajos del gobierno. La distribución de probabilidad del tiempo requerido por un operador de torno para un trabajo parece ser aproximadamente exponencial. (Se espera que estas cifras siguen siendo los mismos para un futuro indefinido). con una media de 10 horas. la administración quiere que el departamento de tornería opere sobre una base de 8 horas 5 días-por-semana.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción Aunque se requiere mucho trabajo de horas extra en la actualidad.

and 3 = 2. 1 = 6. 2 = 4. El problema es determinar cuál es la mejor opción si s = 4 o s = 5 3 𝜆= 𝜆𝑖 = 6 + 4 + 2 = 12 𝑖=1 𝑟= 𝜆 12 = =3 𝜇 4 Profesor MSc. Claudio Araya Sassi 101 . Usando semana como la unidad de tiempo  = 4.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (a) Determine cuántos tornos adicionales se necesitan para satisfacer estas directrices de la gerencia. Donde: Clase 1: trabajos del gobierno Clase 2: trabajos comerciales Clase 3: trabajos estándar.

Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (a) Determine cuántos tornos adicionales se necesitan para satisfacer estas directrices de la gerencia.41 ∙ (3/8) ∙ (1/4) 4 Profesor MSc.38584 𝐴𝐵1 𝐵2 𝜇 31.58962 𝐴𝐵2 𝐵3 𝜇 31.2. … . Claudio Araya Sassi 102 . Para 𝑠 = 4 𝑠𝜇 − 𝜆 𝐴 = 𝑠! 𝑟𝑠 𝐵𝑘 = 1 − 𝑠−1 𝑗=0 𝑟𝑗 4 ∙ 4 − 12 30 31 32 33 + 𝑠𝜇 = 4! + + + + 4 ∙ 4 = 31.41 ∙ 1 ∙ (5/8) 4 1 1 1 1 𝑊2 = + = + = 0.41 𝑗! 34 0! 1! 2! 3! 𝑘 𝑖=1 𝜆𝑖 𝑠𝜇 𝐵0 = 1 6 5 𝐵1 = 1 − = 4∙4 8 6+4 3 𝐵2 = 1 − = 4∙4 8 𝐵3 = 1 − 6+4+2 1 = 4∙4 4 1 𝑝𝑎𝑟𝑎 𝑘 = 1. 𝑁 𝐴𝐵𝑘−1 𝐵𝑘 𝜇 1 1 1 1 𝑊1 = + = + = 0.30094 𝐴𝐵0 𝐵1 𝜇 31.41 ∙ (5/8) ∙ (3/8) 4 𝑊𝑘 = 1 + 1 1 1 1 𝑊3 = + = + = 0.

la gerencia ha establecido las siguientes directrices para el tiempo medio de espera antes de que comience el trabajo: No más de 0.33962 < 0. los trabajos del gobierno apenas fallan las directrices y los trabajos comerciales falla estas directrices por una cantidad sustancial. No más de 0. Usando unidades en semanas. Profesor MSc. Claudio Araya Sassi 103 .25 = 0.13584 > 0.05 la semana durante los trabajos del gobierno.58962 − 0.05094 > 0. No más de 0.4 4 𝑊𝑞1 = 𝑊1 − Por lo tanto. 1 = 0.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (a) Determine cuántos tornos adicionales se necesitan para satisfacer estas directrices de la gerencia.1 semanas para trabajos comerciales.1 4 1 𝑊𝑞3 = 𝑊3 − = 0.25 = 0.30094 − 0.4 semanas para los puestos de trabajo estándar.05 4 1 𝑊𝑞2 = 𝑊2 − = 0.38584 − 0.25 = 0.

27729 𝐴𝐵0 𝐵1 𝜇 52.35 ∙ 1 ∙ (7/10) 4 1 1 1 1 𝑊2 = + = + = 0.35 𝑗! 35 0! 1! 2! 3! 4! 𝑘 𝑖=1 𝜆𝑖 𝑠𝜇 𝐵0 = 1 6 7 𝐵1 = 1 − = 5 ∙ 4 10 6+4 1 𝐵2 = 1 − = 5∙4 2 𝐵3 = 1 − 6+4+2 2 = 5∙4 5 1 𝑝𝑎𝑟𝑎 𝑘 = 1.35 ∙ (7/10) ∙ (1/2) 4 𝑊𝑘 = 1 + 1 1 1 1 𝑊3 = + = + = 0.30458 𝐴𝐵1 𝐵2 𝜇 52.34552 𝐴𝐵2 𝐵3 𝜇 52. … . Claudio Araya Sassi 104 .Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (a) Determine cuántos tornos adicionales se necesitan para satisfacer estas directrices de la gerencia.35 ∙ (1/2) ∙ (2/5) 4 Profesor MSc. Para 𝑠 = 5 𝑠𝜇 − 𝜆 𝐴 = 𝑠! 𝑟𝑠 𝐵𝑘 = 1 − 𝑠−1 𝑗=0 𝑟𝑗 5 ∙ 4 − 12 30 31 32 33 34 + 𝑠𝜇 = 5! + + + + + 5 ∙ 4 = 52. 𝑁 𝐴𝐵𝑘−1 𝐵𝑘 𝜇 1 1 1 1 𝑊1 = + = + = 0.2.

05458 < 0.25 = 0.27729 − 0. con 5 tornos estos tiempos de espera estarían dentro de las directrices de la gerencia.25 = 0.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (a) Determine cuántos tornos adicionales se necesitan para satisfacer estas directrices de la gerencia. Claudio Araya Sassi 105 .1 4 1 𝑊𝑞3 = 𝑊3 − = 0.02729 < 0.09552 < 0. 1 𝑊𝑞1 = 𝑊1 − = 0.05 4 1 𝑊𝑞2 = 𝑊2 − = 0.25 = 0. Profesor MSc.4 4 Por lo tanto.30458 − 0.34552 − 0.

Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción (b) Vale la pena gastar un valor de $750. y $150 para evitar un retraso de 1 día adicional (de trabajo) en un trabajo de gobierno. que tiene un valor de $3750. y $750 para evitar una demora de 1 semana adicional en un trabajo de gobierno. respectivamente. $2250. respectivamente. comercial y estándar. trabajo comercial y trabajo estándar. Claudio Araya Sassi 106 . Determinar el número de tornos adicionales que deben obtenerse para minimizar el costo total esperado. El costo incremental capitalizado de proporcionar a cada torno (incluyendo el operador y otros) se estima en $250 por día de trabajo. La conversión a unidades de semana (con 5 días de trabajo a la semana). Profesor MSc. $450.

Profesor MSc. se deben solicitar dos tornos (para un total de 5) para minimizar el costo total esperado por semana.34552 E[CE] s 4 5 Gobierno Comercial Estandar Total E[CS] E[CT] 6771.30094 𝐸 𝐶𝑆 = 4 ∙ 5 ∙ 250 = 5000 𝐸(𝐶𝐸)2 = 2250 ∙ 𝜆2 𝑊2 = 2250 ∙ 4 ∙ 0. Claudio Araya Sassi 107 .15 6239.2 5000 6250 16128.43 518.Modelos de Colas con Disciplina de Prioridades Ejemplo modelo con prioridades sin interrupción 𝐸(𝐶𝑆) = 𝑠 ∙ 5 ∙ 250 𝑠=4 𝐸(𝐶𝐸)1 = 3750 ∙ 𝜆1 𝑊1 = 3750 ∙ 6 ∙ 0.38584 𝐸(𝐶𝐸)3 = 750 ∙ 𝜆3 𝑊3 = 750 ∙ 2 ∙ 0.30458 𝐸(𝐶𝐸)3 = 750 ∙ 𝜆3 𝑊3 = 750 ∙ 2 ∙ 0.23 15748.58962 𝑠=5 𝐸(𝐶𝐸)1 = 3750 ∙ 𝜆1 𝑊1 = 3750 ∙ 6 ∙ 0.22 884.65 2741.52 Por lo tanto.28 11128.23 94985.02 3472.27729 𝐸 𝐶𝑆 = 5 ∙ 5 ∙ 250 = 6250 𝐸(𝐶𝐸)2 = 2250 ∙ 𝜆2 𝑊2 = 2250 ∙ 4 ∙ 0.

Modelos de Colas con Disciplina de Prioridades Variación de un servidor en el modelo de prioridades sin interrupción El supuesto anterior de que el tiempo de servicio esperado 1/𝜇 es el mismo para todas las clases prioritarias es bastante restrictivo. entonces 𝜇𝑘 : tiempo medio de servicio de la clase de prioridad 𝑘 = 1. es posible admitir tiempos esperados de servicio distintos y de todas formas obtener resultados útiles. Claudio Araya Sassi 108 . 2. a veces se viola este supuesto debido a diferencias en los requerimientos de servicio entre las clases de prioridad. Sea 1/𝜇𝑘 la media de la distribución exponencial del tiempo de servicio de la clase de prioridad 𝑘. en el caso especial de un servidor. Por fortuna. … . 𝑁 Profesor MSc. En la práctica.

La fórmula de Little se puede usar como se describió para obtener las otras medidas de desempeño de cada clase prioritaria. 𝑁 𝑏𝑘−1 𝑏𝑘 𝜇𝑘 𝑘 𝑑𝑜𝑛𝑑𝑒 𝑎𝑘 = 𝑖=1 𝜆𝑖 𝜇𝑖2 𝑘 𝑏0 = 1 𝑏𝑘 = 1 − 𝑖=1 𝑘 Este resultado es válido mientras 𝑖=1 𝜆𝑖 𝜇𝑖 𝜆𝑖 <1 𝜇𝑖 Que permite a la clase con prioridad k alcanzar una condición de estado estable.Modelos de Colas con Disciplina de Prioridades Variación de un servidor en el modelo de prioridades sin interrupción Así. el tiempo esperado de estado estable en el sistema de un miembro de prioridad 𝑘 es: 𝑎𝑘 1 𝑊𝑘 = + 𝑝𝑎𝑟𝑎 𝑘 = 1. Claudio Araya Sassi 109 . Profesor MSc. … .2.

𝑊𝑘 se puede calcular mediante un proceso iterativo que se ilustrará con el ejemplo del Hospital General. 𝑁 Cuando 𝑠 > 1. … . La 𝐿𝑘 que se acaba de definir todavía satisface la relación: 𝐿𝑘 = 𝜆𝑘 𝑊𝑘 𝑝𝑎𝑟𝑎 𝑘 = 1.Modelos de Colas con Disciplina de Prioridades Resultados en el modelo de prioridades con interrupción En el modelo de prioridades con interrupción. 𝑁 Profesor MSc.2. el hecho de poder interrumpir cambia el tiempo esperado total en el sistema (incluido el tiempo total de servicio) a (𝑠 = 1) 1 𝜇 𝑊𝑘 = 𝐵𝑘−1 𝐵𝑘 𝑝𝑎𝑟𝑎 𝑘 = 1. Claudio Araya Sassi 110 . Con la misma notación que en el modelo anterior. … . se necesita retomar el supuesto de que el tiempo esperado de servicio es el mismo para todas las clases de prioridad.2.

los pacientes de la misma categoría por lo general son atendidos según la regla de primero en llegar. Entonces. el ingeniero administrador observó que los pacientes no son atendidos sobre la base de primero en llegar. Debido a que los enfermos más graves se internan en el hospital después de recibir los primeros auxilios. Como el tratamiento se interrumpe debido a la llegada de un caso de prioridad más alta. en los que el tratamiento puede retrasarse sin consecuencias médicas adversas. El ingeniero ha decidido emplear el modelo de colas con disciplina de prioridades como una representación razonable de este sistema de colas. 2) casos serios. la versión de prioridades con interrupción es la apropiada. el tiempo promedio de tratamiento por un médico en la sala de urgencias en realidad no difiere mucho entre estas categorías. En su lugar. 30% en la segunda y 60% en la tercera. Un médico interrumpe el tratamiento de un paciente si llega un caso nuevo de una categoría de prioridad más alta. en el que las tres categorías de pacientes constituyen las tres clases de prioridad del modelo.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades En el problema de la sala de urgencias del Hospital General. primero en salir. Claudio Araya Sassi 111 . y 3) casos estables. primero en salir. parece que la enfermera que realiza las admisiones divide a los pacientes en tres grandes categorías: 1) casos críticos. se atiende a los pacientes en este orden de prioridad. en los que un tratamiento rápido es importante para prevenir mayor daño. Profesor MSc. Alrededor de 10% de los pacientes caen en la primera categoría. esto es. en los que el tratamiento inmediato es vital para la supervivencia.

357 − 0.024 ℎ𝑜𝑟𝑎𝑠 𝑊𝑞2 = 𝑊2 − (1/3) = 0.2 + 0. Claudio Araya Sassi 112 .333 = 0.333 = 0.6 = 1.2 𝐵1 = 1 − = 0.2 1 𝜇 𝑝𝑎𝑟𝑎 𝑘 = 1.366 𝐵2 𝐵3 0.357 𝐵0 𝐵1 1 ∙ 0.1 = 0.3 = 0. … .Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Dados los datos que se tenían desde antes (𝜇 = 3 𝑦 𝜆 = 2).333 𝑊𝑘 = 𝐵0 = 1 𝑠𝜇 0.933 1 𝜇 1 3 𝑊2 = = = 0.333 1∙3 𝑊𝑞𝑘 = 𝑊𝑘 − (1/𝜇) 𝑊𝑞1 = 𝑊1 − (1/3) = 0.154 ℎ𝑜𝑟𝑎𝑠 𝑊𝑞3 = 𝑊3 − (1/3) = 1.933 1∙3 0.2 = 0. los porcentajes anteriores conducen a: 𝜆𝑘 = 𝜆 ∙ 𝑃𝑘 𝜆1 = 2 ∙ 0.2 + 0.733 1∙3 𝐵3 = 1 − 𝜆2 = 2 ∙ 0.733 1 𝜇 1 3 𝑊3 = = = 1.933 ∙ 0.2 Para 𝒔 = 𝟏: 𝐵𝑘 = 1 − 𝑘 𝑖=1 𝜆𝑖 𝜆3 = 2 ∙ 0.6 𝐵2 = 1 − = 0.487 𝐵1 𝐵2 0.6 0.487 − 0.6 + 1.033 ℎ𝑜𝑟𝑎𝑠 Profesor MSc.2. 𝑁 𝐵𝑘−1 𝐵𝑘 1 𝜇 1 3 𝑊1 = = = 0.733 ∙ 0.333 = 1.366 − 0.

2. Entonces. que conduce a:   0. 9352 Profesor MSc. incluyendo 𝜆2 = 0 y 𝜆3 = 0. 034   0. 0022 1. 𝑊1 será la misma que para cualquier otro valor de 𝜆2 y 𝜆3 . 2   0. 033 s 2  3  s 1 ( /  ) n ( /  ) s  1 P0  1/     n ! s ! 1  (  / s  )  n0    ( /  )0 ( /  )1  ( /  ) s 1  P0  1/      1 1 s ! 1      P0  1/ 1  0. 𝜇 = 3 𝑦 𝜆 = 𝜆1 = 0.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Para 𝒔 = 𝟐: Como los tiempos de espera de los clientes de la clase de prioridad 1 no se ven afectados por la presencia de clientes de clases de prioridad más baja. 067  0. Claudio Araya Sassi 113 . 𝑊1 debe ser igual a W en el modelo correspondiente de una clase (modelo M/M/s) con 𝑠 = 2.

033) L1q   0. Claudio Araya Sassi 114 . 067) 2 (0. 000074  0. 33333  0. 000074 / 0. 9352)(0. 967) L  L1q  ( /  )  0. 000074 2 2  (0. 00037 W1  W1q  1   0.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Para 𝒔 = 𝟐: P0 ( /  ) s  L1q  s !(1   ) 2 (0. 067  0. 00037  0. 3337 Profesor MSc. 067074 W1q  L1q /   0. 2  0.

0356 1. Con 𝜇 = 3 𝑦 𝜆 = 𝜆1 + 𝜆2 = 0.133 s 2  3  s 1 ( /  ) n ( /  ) s  1 P0  1/     n ! s ! 1  (  / s  )  n0    ( /  )0 ( /  )1  ( /  ) s 1  P0  1/      1 1  s! 1    P0  1/ 1  0.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Para 𝒔 = 𝟐: Ahora considere las dos primeras clases de prioridad. De nuevo observe que los clientes de las clases de prioridad más baja (en este caso sólo la clase 3) no afectan a los clientes de estas dos clases en nada y por lo tanto se pueden pasar por alto en el análisis.153  0. Claudio Araya Sassi 115 . que conduce a:   0.8. 7645 Profesor MSc. 267  0. 8   0.

00603  0. 33937  (1/ 4)  0.8. 0067  0. 333333  0. 34126 W2 q  W2  (1/  )  0. 267) 2 (0. 733) L  L12 q  ( /  )  0. que conduce a: L12 q P0 ( /  ) s   s !(1   ) 2 (0. 2  0. 6)  3 / 4 W12  (1/ 4)  W1  (3 / 4)  W2 W2  (4 / 3)(W12  (1/ 4)  W1 )  (4 / 3)(0.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Para 𝒔 = 𝟐: 𝜇 = 3 𝑦 𝜆 = 𝜆1 + 𝜆2 = 0. 6)  1/ 4 P2  2 / (1  2 )  0. 7645)(0. 00793 Profesor MSc. 8  0. 33937  P1  1 / (1  2 )  0. 2 / (0.133) L12 q   0. 00482 / 0. 6 / (0. 2  0. 2737 W12 q  L12 q /   0. Claudio Araya Sassi 116 . 267  0. 3337)  0. 00482 2 2  (0. 00603 W12  W12 q  1  0. 34126  (1/ 3)  0.

Claudio Araya Sassi 117 .Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Tabla Resumen Profesor MSc.

Claudio Araya Sassi 118 . Esta espera no sería tolerable para los casos críticos y serios. los valores 𝑊𝑘 − (1/𝜇) de la tabla anterior en el caso de prioridades con interrupción indican que. Ahora bien. si se proporciona un solo médico.024 horas) en promedio.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Conclusiones Cuando s = 1. puede ocurrir que algunos casos críticos esperen alrededor de un minuto y medio (0. los casos serios esperarían más de 9 minutos y los casos estables más de 1 hora. por lo que algunos pacientes tendrán que esperar bastante más que el promedio de su clase de prioridad. estos valores representan esperanzas estadísticas. Profesor MSc. en los que unos minutos pueden ser vitales.

casi se eliminaría la espera de todos los pacientes menos los estables. los resultados con s = 2 en la tabla (prioridades con interrupción) indican que si se agrega un segundo médico. El ingeniero recomendó que el próximo año se asignaran dos médicos a la sala de urgencias durante las primeras horas de la tarde. El consejo directivo del Hospital General adoptó esta recomendación y. Profesor MSc. al mismo tiempo. aumentó el costo por el uso de esas instalaciones.Modelos de Colas con Disciplina de Prioridades Ejemplo del Hospital General con prioridades Conclusiones Por el contrario. Claudio Araya Sassi 119 .

Por ejemplo. Un tema importante es la propiedad de equivalencia del proceso de entrada de los clientes y un proceso de salida de los que se van. entonces.Redes de Colas Introducción Hasta ahora se han tomado en cuenta nada más los sistemas de colas que tienen una estación de servicio con uno o más servidores. en ciertos sistemas de colas. las órdenes que se procesan en un taller se deben programar a través de una secuencia de máquinas entre un grupo (instalaciones de servicio). en realidad. pero. redes de instalaciones de servicio en las que los clientes solicitan el servicio de algunas o todas ellas. los sistemas de colas que se encuentran en los estudios de IO a veces son redes de colas. Es necesario. Profesor MSc. Claudio Araya Sassi 120 . etcétera. estudiar toda la red para obtener información sobre el tiempo esperado total. número esperado de clientes en todo el sistema. es decir.

Entonces. Profesor MSc. la salida en estado estable de esta instalación de servicio también es un proceso de Poisson con parámetro 𝜆. un proceso de entradas Poisson con parámetro 𝜆 y la misma distribución de los tiempos de servicio de cada servidor con parámetro 𝜇 (el modelo M/M/s). Claudio Araya Sassi 121 .Redes de Colas Propiedad de equivalencia Suponga que una instalación de servicio tiene s servidores. en donde 𝑠𝜇 > 𝜆.

.. . en una secuencia fija. m) tiene la misma distribución exponencial de tiempos de servicio con parámetro 𝜇𝑖 de sus 𝑠𝑖 servidores.Redes de Colas Colas infinitas en serie: Supuestos Los clientes deben recibir servicio en una serie de m instalaciones. donde 𝑠𝑖 𝜇𝑖 > 𝜆. de manera que las instalaciones en serie forman un sistema de colas infinitas en serie. 2. . Cada instalación i (i = 1. Debido a la propiedad de equivalencia se puede decir que (en condiciones de estado estable) cada instalación de servicio tiene entrada Poisson con parámetro 𝜆. Profesor MSc. Los clientes llegan a la primera instalación de acuerdo con un proceso de Poisson con parámetro 𝜆. Claudio Araya Sassi 122 . Cada instalación tiene una cola infinita (el número de clientes que acepta no tiene límite).

Redes de Colas
Colas infinitas en serie: Supuestos
Entonces, se puede usar el modelo elemental M/M/s para analizar cada
instalación de servicio en forma independiente de las otras.
Al poder usar el modelo M/M/s para obtener las medidas de desempeño
de cada instalación independiente, en lugar de analizar la interacción
entre las instalaciones, se logra una simplificación enorme.
Por ejemplo, la probabilidad de tener n clientes en una instalación en
particular está dada por la fórmula de 𝑃𝑛 del modelo M/M/s.

La probabilidad conjunta de 𝑛1 clientes en la instalación 1, 𝑛2 clientes en
la instalación 2, etc., es, entonces (solución en forma de producto): 𝑃
𝑁1 , 𝑁2 , … , 𝑁𝑚 = 𝑛1 , 𝑛2 , … , 𝑛𝑚

= 𝑃𝑛1 𝑃𝑛2 ⋯ 𝑃𝑛𝑚

El tiempo de espera total esperado y el número esperado de clientes en
el sistema completo se pueden obtener con sólo sumar las cantidades
correspondientes que se obtuvieron de cada instalación.
Profesor MSc. Claudio Araya Sassi

123

Redes de Colas
Redes de Jackson
Una red de Jackson es un sistema de m instalaciones de servicio en donde
la instalación i (i = 1,2, . . ., m) tiene:
1.

Una cola infinita

2.

Clientes que llegan de afuera del sistema según un proceso de
entrada Poisson con parámetro 𝑎𝑖

3. 𝑠𝑖 servidores con distribución exponencial de tiempos de servicio
con parámetro 𝜇𝑖 .

Un cliente que deja la instalación i se encamina después a la instalación 𝑗
(𝑗 = 1,2, … , 𝑚) con probabilidad 𝑝𝑖𝑗 o sale del sistema con probabilidad 𝑚 𝑞𝑖

= 1 − 𝑝𝑖𝑗 𝑗

=1

Profesor MSc. Claudio Araya Sassi

124

Redes de Colas
Redes de Jackson
Cualquier red de este tipo tendrá la siguiente propiedad: En condiciones
de estado estable, cada instalación j (j = 1, 2, . . ., m) de una red de
Jackson se comporta como si fuera un sistema de colas M/M/s
independiente con tasa de llegadas: 𝑚 𝜆𝑗

= 𝑎𝑗 + 𝜆𝑖

𝑝𝑖𝑗 𝑖
=1 𝑑𝑜𝑛𝑑𝑒

𝑠𝑖 𝜇𝑖 > 𝜆𝑗

Profesor MSc. Claudio Araya Sassi

125

Redes de Colas Redes de Jackson: Ejemplo Considere una red de Jackson con tres estaciones de servicio que tienen los parámetros que se muestran en la siguiente tabla. se obtiene: 𝜆1 = 1 + 0.6𝜆1 + 0.4𝜆3 𝑚 𝜆𝑗 = 𝑎𝑗 + 𝜆𝑖 𝑝𝑖𝑗 𝑖=1 𝜆2 = 4 + 0. Profesor MSc.4𝜆3 𝜆3 = 3 + 0. Al sustituirlos en la fórmula de 𝜆𝑗 para j = 1. Claudio Araya Sassi 1 𝜆3 = 7 2 126 .3𝜆1 + 0. 2.1𝜆2 + 0. 3.3𝜆2 𝜆1 = 5. 𝜆2 = 10.

Redes de Colas Redes de Jackson: Ejemplo Dada esta solución simultánea. note que: 1 2 𝜆𝑖 1 𝜌𝑖 = = 𝑠𝑖 𝜇𝑖 2 3 4 𝑝𝑎𝑟𝑎 𝑖 = 1 𝑝𝑎𝑟𝑎 𝑖 = 2 𝑝𝑎𝑟𝑎 𝑖 = 3 Profesor MSc. para obtener la distribución del número de clientes 𝑁𝑖 = 𝑛𝑖 . Claudio Araya Sassi 127 . Por ejemplo. se pueden analizar las tres estaciones de servicio de manera independiente mediante las fórmulas del modelo M/M/s. en la estación 𝑖.

Redes de Colas Redes de Jackson: Ejemplo 1 1 𝑃𝑛1 = 2 2 1 3 1 𝑃𝑛2 = 3 𝑛 −1 1 1 2 3 2 𝑛1 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖ó𝑛 1 𝑝𝑎𝑟𝑎 𝑛2 = 0 𝑝𝑎𝑟𝑎 𝑛2 = 1 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖ó𝑛 2 𝑝𝑎𝑟𝑎 𝑛2 ≥ 2 𝑛 1 3 3 𝑃𝑛3 = 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖ó𝑛 3 4 4 𝑃 (𝑁1. 4 𝐿2 = . Claudio Araya Sassi 128 . 3 1 𝐿 = 𝐿1 + 𝐿2 + 𝐿3 = 5 3 𝐿3 = 3 𝐿 2 𝑊= = 𝑎1 + 𝑎2 + 𝑎3 3 Profesor MSc. 𝑛3 )} = 𝑃𝑛1 𝑃𝑛2 𝑃𝑛3 𝐿1 = 1. 𝑁2 . 𝑛2 . 𝑁3 = (𝑛1 .

Eficiencia de los servidores. Número de servidores en cada instalación de servicio. 3. Cantidad de espacio para espera en la cola. Número de instalaciones de servicio. Profesor MSc. 5. Algunas prioridades para diferentes categorías de clientes. Las posibles decisiones incluyen: 1. Existen dos consideraciones primordiales cuando se deben tomar estos tipos de decisiones son El costo en el que se incurre al dar el servicio y Las consecuencias de hacer que los clientes esperen en el sistema de colas. 4. Claudio Araya Sassi 129 .Aplicación de la Teoría de Colas Introducción Debido al valor de la información que proporciona la teoría de colas. 2. ésta se usa con amplitud para dirigir el diseño (o rediseño) de sistemas de líneas de espera.

Claudio Araya Sassi 130 . El criterio también puede establecerse en términos del tiempo de espera o del número de clientes en la cola en lugar de en el sistema. Profesor MSc. Criterios similares en términos del número esperado de clientes en el sistema (o la distribución de probabilidad de esta cantidad). Una vez que se ha seleccionado el criterio o los criterios. Por ejemplo. Que al menos 95% de los clientes no deben esperar más de determinado número de minutos.Aplicación de la Teoría de Colas Introducción Existen enfoques básicos: Establecer uno o más criterios para lograr un nivel satisfactorio del servicio en términos de cuánta espera sería aceptable. un criterio posible podría ser no exceder cierto número de minutos. por lo general es sencillo utilizar prueba y error para encontrar el diseño menos costoso del sistema de colas que satisface todos los criterios.

Claudio Araya Sassi 131 . Si se hace que éstos esperen en el sistema de colas. suponga que el sistema de colas es un sistema de servicio interno. Por ejemplo.Aplicación de la Teoría de Colas Introducción El otro criterio básico para buscar la mejor compensación implica evaluar los costos asociados con las consecuencias de hacer esperar a los clientes. se ocasiona una pérdida de productividad. Profesor MSc. donde los clientes son los empleados de una empresa comercial. Al expresar este costo de espera como una función del tamaño de la espera. lo que provoca pérdidas monetarias. Esta pérdida es el costo de espera asociado con el sistema de líneas de espera. el problema de determinar el mejor diseño del sistema de colas se puede definir como la minimización del costo total esperado (costo del servicio más costo de espera) por unidad de tiempo.

Claudio Araya Sassi 132 .Aplicación de la Teoría de Colas ¿Cuántos servidores deben proporcionarse? 𝐸 𝐶𝑇 = costo total esperado por unidad de tiempo 𝐸 𝐶𝑆 =costo de servicio esperado por unidad de tiempo 𝐸 𝐶𝑊 =costo de espera por unidad de tiempo 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐸 𝐶𝑇 = 𝐸 𝐶𝑆 + 𝐸(𝐶𝑊) 𝐸 𝐶𝑆 = 𝐶𝑠 𝑠 donde 𝐶𝑠 es el costo marginal de un servidor por unidad de tiempo 𝐸 𝐶𝑊 = 𝐶𝑤 𝐿 donde 𝐶𝑤 es el costo de espera por unidad de tiempo de cada cliente en el sistema de colas. 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐸 𝐶𝑇 = 𝐶𝑠 𝑠 + 𝐶𝑤 𝐿 Profesor MSc.

Aplicación de la Teoría de Colas ¿Cuántos servidores deben proporcionarse? Profesor MSc. Claudio Araya Sassi 133 .

el equipo de IO ha concluido que el modelo que se ajusta mejor a este sistema de colas es el M/M/s.Aplicación de la Teoría de Colas ¿Cuántos servidores deben proporcionarse?: Ejemplo El taller Acme Machine tiene un depósito para las herramientas que necesitan los mecánicos del taller. la administración ejerce presión por reducir gastos en la planta. se ha realizado un estudio de IO para determinar con exactitud cuántos despachadores debe tener el depósito de herramientas. Para resolver estas presiones conflictivas. Después de recopilar algunos datos sobre los tiempos entre llegadas y los tiempos de servicio. por lo que parece que debería haber más despachadores. Profesor MSc. Claudio Araya Sassi 134 . Por otro lado. Los supervisores han presentado quejas pues sus mecánicos pasan demasiado tiempo esperando ser atendidos en el depósito de herramientas. Los despachadores tienen en su poder las herramientas hasta que llegan los mecánicos y las solicitan. El depósito de herramientas constituye un sistema de colas. reducción que conduciría a tener menos despachadores. en el cual los despachadores son los servidores y los mecánicos los clientes. Después las recogen cuando éstos ya no las necesitan.

Claudio Araya Sassi 135 . el equipo de IO necesita determinar el número de servidores (despachadores) s para minimizar el costo total esperado.Aplicación de la Teoría de Colas ¿Cuántos servidores deben proporcionarse?: Ejemplo Las estimaciones de la tasa media de llegada 𝜆 y la tasa media de servicio (por servidor) 𝜇 son: 𝜆 = 120 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝜇 = 80 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 El costo total para la compañía por cada despachador del depósito de herramientas es de alrededor de $20 por hora. Por lo tanto. Profesor MSc. el valor de su trabajo para la compañía promedia $48 por hora. Mientras un mecánico esté ocupado.

Aplicación de la Teoría de Colas ¿Cuántos servidores deben proporcionarse?: Ejemplo Datos: 𝜆 = 120 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝜇 = 80 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 𝐶𝑠 = 20 𝐶𝑤 = 48 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐸 𝐶𝑇 = 𝐶𝑠 𝑠 + 𝐶𝑤 𝐿 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐸 𝐶𝑇 = 20 ∙ 𝑠 + 48 ∙ 𝐿 Por lo tanto. con s=3 se minimizan los costos totales esperados E(CT). Profesor MSc. Claudio Araya Sassi 136 .