Informacin teora de filas (solucin de problemas)

D. G. Kendall desarroll una notacin ampliamente aceptada para especificar el patrn de las
llegadas, la distribucin del tiempo de servicio y el nmero de canales en un modelo de colas.
Distrib. de llegadas/ Distrib. de tiempos de servicio/ Nm.de canales de servicio abiertos
M = distribucin de Poisson del nmero de ocurrencias (o tiempos exponenciales)
D = tasa constante (determinstica)
G = distribucin general con media y varianza conocidas

Distribuciones de probabilidad: Cuando el tiempo de proceso o el tiempo entre llegadas

sucesivas a un sistema es incierto, decimos es estocstico y para conocer exactamente con que
aleatoriedad se manifiesta debemos determinar cul es la distribucin de probabilidad que mejor
lo describe.
Poisson: Se aplica a varios fenmenos discretos de la naturaleza (esto es, aquellos fenmenos
que ocurren 0, 1, 2, 3,... veces durante un periodo definido de tiempo o en un rea determinada)
cuando la probabilidad de ocurrencia del fenmeno es constante en el tiempo o el espacio.
Ejemplos.

El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente
distantes de los semforos) durante un periodo definido de tiempo.

El nmero de errores de ortografa que uno comete al escribir una nica pgina.

El nmero de llamadas telefnicas en una central telefnica por minuto.

El nmero de servidores web accedidos por minuto.

Exponencial: Es la distribucin de la longitud de los intervalos de una variable continua que

transcurren entre dos sucesos, que se distribuyen segn la distribucin de Poisson.

El tiempo transcurrido en un call center hasta recibir la primera llamada del da se podra
modelar como una exponencial.

El intervalo de tiempo entre terremotos (de una determinada magnitud) sigue una
distribucin exponencial.

Supongamos una mquina que produce hilo de alambre, la cantidad de metros de alambre
hasta encontrar una falla en el alambre se podra modelar como una exponencial.

La distribucin de Poisson describe el nmero de eventos por unidad de tiempo; la

distribucin exponencial representa el tiempo que transcurre entre dos eventos
sucesivos. La distribucin Exponencial puede derivarse de la de Poisson.
Distribucin degenerada: Los tiempos tienden a tomar siempre el mismo valor. Los ejemplos
incluyen una moneda de dos cabezas y una tirada de dados cuyos lados todos muestran el
mismo nmero.
Distribucin Erlang: Se utiliza la distribucin Erlang para describir el tiempo de espera hasta el
suceso nmero (evento) en un proceso de Poisson.

M= Un solo Canal

Modelos de una cola y un servidor

M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio exponenciales
M/G/1: Un servidor con tiempos entre llegadas exponenciales y una distribucin general de
tiempos de servicio
M/D/1: Un servidor con tiempos entre llegadas exponenciales y una distribucin degenerada de
tiempos de servicio
M/Ek/1: Un servidor con tiempos entre llegadas exponenciales y una distribucin Erlang de
tiempos de servicio

Dada la tasa media de llegadas y la tasa media de servicio, se define el factor de utilizacin del
sistema.
Generalmente se requiere que P < 1
Su frmula, con un servidor y con s servidores, respectivamente, es:

Probabilidades como medidas de desempeo

Beneficios: Permiten evaluar escenarios Permite establecer metas
Notacin: Pn: probabilidad de tener n clientes en el sistema P(Ws t): probabilidad de que
cliente no espere en el sistema ms de t horas