C2 Teoria Colas ME V GH

Introducción a la Teoría de Colas
Gonzalo Hernández
USACH Departamento de Ingeniería Industrial
G. Hernández USACH DII - Modelos Estocásticos (V) 1
Modelos Estocásticos: Sistema de Colas

Sistema de Colas
en Call Center

Sistema de Colas en
Unidad de Emergencias

Sistema de Colas en
Unidad de Emergencias

Locación de vehículos de emergencia

Teoría de Colas: Agenda
Sistema de Colas: Definiciones, Esquema, Parámetros,
Ecuaciones de Little.
Sistemas Markovianos: M/M/1/∞/∞ y M/M/m/∞/∞
Sistemas con distribución de tiempos de atención no

Markoviana: M/D/1/∞/∞, M/G/1/∞/∞, M/M/Ek/∞/∞
Sistemas Markovianos con capacidad finita: M/M/m/K/∞
Sistemas Markovianos con población finita: M/M/m/N/N
Simulación de Sistemas de Colas: Prioridad, Renuncia y

Rechazo, Redes

Teoría de Colas: Descripción
La Teoría de Colas es un conjunto de modelos matemáticos
que permiten estudiar el rendimiento de sistemas de colas.
La principal utilidad de la Teoría de Colas es en régimen
estacionario:
– Calcular la calidad de servicio de un sistema actualmente
en operación.
– Estudiar escenarios para mejorar operacionalmente un
sistema de servicio.
– Diseñar un sistema de manera que cumpla una calidad de
servicio.
Otros modelos se pueden tratar a través de simulación. Por
ejemplo: sistema de colas con prioridades (Hospital).
Las colas son frecuentes en la vida cotidiana:
– Banco.
– Sucursal de Empresa de Telecomunicaciones.
– Restaurant, Delivery
– Call Center.
– Supermercado.
– Puerto o Aeropuerto.
– Hospital, Clínica o Consultorio.
– Taller de Reparación
– Página Web de Servicios.
En general, en cualquier sistema que tenga una estructura
operacional de Cliente – Servidor.
Sistema Clientes Servidores
Taller de reparación Máquinas Personal de reparación
Paramédicos,
Hospital o consultorio Pacientes
enfermeras, doctores
Aeropuerto Aviones Pistas de aterrizaje
Computadora Tareas Cpu
Central telefónica Llamadas Conmutador
Call center Llamadas Ejecutivos atención
Venta de boletos Fanáticos de Equipos Vendedores
Colectivos, buses,
Transporte publico Pasajeros
trenes, metro, etc.
Oficina de recepción Gente Recepcionista
El costo operacional de un sistema de colas está dado por:
– Costos de servidores (fijos y variable)
– Costos de oportunidad de espera de clientes
Todas las personas tienen un tiempo límite de espera.
Cuando el tiempo de espera es alto el cliente se va del
sistema, produciéndose una baja calidad de atención.
Sin embargo un servicio con tiempo de atención muy bajo
tiene un costo elevado, pues necesita muchos servidores
atendiendo.
Es necesario encontrar un balance adecuado entre calidad de
atención y costos del sistema.
Costo Operacionales de Servicio CT = CS + CE
CS = cs m
Costo Total CE = ce ( mµ )Wq
Costo óptimo
Costo Servidores
Costo Espera
Tasa óptima
mo de servicio

Sistema de Colas en Paralelo con una Fila:
Distribución Disciplina Servicio

de Llegadas Capacidad
Parámetros Conducta Clientes
Cantidad y Disposición
Distribución Tiempos Atención
Parámetros
1) Población, Fuente de Entradas:
• Tamaño: Finita o Infinita
• Distribución de Llegadas
• Conducta de los Clientes
2) Cola de Espera: Infinita, Finita
3) Instalaciones de Servicio:
• Disposición: Serie, Paralelo, etc.
• Distribución de Tiempos de Atención
4) Disciplina de Servicio: FIFO, LIFO, Asignación de Prioridades.

t : Variable de Tiempo. (Segundos, minutos, horas, días, etc.)
Según la escala de tiempo del sistema.
N (t ) : Número total de clientes en el sistema
pn (t ): Probabilidad que en el sistema se encuentren na clientes

en t > 0
λn (t ): Tasa media de llegada de clientes nuevos cuando se

encuentran n clientes en el sistema.
µ n (t ): Tasa media de servicio para el conjunto de servidores

cuando se encuentran n clientes en el sistema en t > 0

m: Número de servidores o estaciones de servicio del
sistema.
λn : Tasa media de llegada de clientes nuevos cuando se

encuentran n clientes en régimen estacionario
µn: Tasa media de servicio para el conjunto de servidores

cuando se encuentran n clientes en régimen estacionario
Cantidad promedio o esperado de clientes en el sistema, en

cualquier instante:
∞
LS = ∑ n ⋅ pn [Clientes]
n =0

Tasa promedio de atención de la instalación de servicio:
∞
 Clientes  λ
µ = ∑ µn ⋅ bn  Unidad Tiempo  ρ=
n =1   sµ
Tiempo promedio que un cliente cualquiera estará en el
sistema, desde que entra hasta cuando sale de él:
∞
LS  Clientes 
WS = [Unidad Tiempo ] λ = ∑ λn ⋅ pn Unidad Tiempo 
λ n =1  
Tiempo promedio que un cliente cualquiera esperará en la cola
antes de ser atendido:
Lq λ
Wq = [Unidad Tiempo] Lq = LS − [Clientes ]
λ µ
Teoría de Colas: Fórmulas de Little
λ : Tasa de llegada promedio [ clientes / hora ]

µ : Tasa de servicio promedio por servidor [ clientes / hora ]
Ws : Tiempo promedio en el sistema por cliente [ hora ]
Wq : Tiempo promedio de espera en la cola por cliente [ hora ]
Ls : Cantidad total promedio de clientes en el sistema [ clientes ]
Lq : Cantidad total promedio de clientes en la cola [ clientes ]
1
Ws = Wq + Ls = λWs Lq = λWq
µ
λ
Ls = Lq +
µ
Teoría de Colas: Notación
Patrón de Llegada Tamaño de la Población

M: Markoviano Infinita
G: General Finita
E: Erlang
D: Determinista
X X X X X Tamaño del Sistema

Infinita
Patrón de Servicio Finita
M: Markoviano
G: General
E: Erlang Números de Servidores
D: Determinista Un Servidor
Varios Servidores

Teoría de Colas: Proceso de Llegada de Clientes
Llegada de clientes.
λ k e−λ
Modelo P( X = k ) =
Datos k!
Probabilista
E ( X ) = λ ,V ( X ) = λ
k ≥ 0 entero

Teoría de Colas: Proceso Estocástico de Poisson
Sea Xn la cantidad de personas que llegan al sistema de
servicio en el tiempo n.
Este es un proceso estocástico discreto definido

frecuentemente (pero no siempre) por la distribución de
probabilidad de Poisson:
λn k e − λ n
P( X n = k ) = k ≥ 0 entero
k!
E ( X ) = λn Cantidad promedio de
personas que arriban
V ( X ) = λn
Este proceso se utiliza si la cantidad de arribos en intervalos
de tiempo disjuntos son independientes.
Teoría de Colas: Proceso Estocástico de Poisson
La probabilidad que ocurra un evento en ∆t ≈ 0 es ∼ λ∆t.
La probabilidad que se produzcan una # de eventos en un

[t1,t2] no depende del origen t1 pero si de su amplitud (t2 - t1).
La distribución de tiempos entre arribos es exponencial.
La suma de v.a. de Poisson independientes es una v.a. de

Poisson cuyo parámetro es la suma de los parámetros.
n n
X i 
D
→ Poisson(λi ) ⇒ ∑ X i 
D
→ Poisson( ∑ λi )
i =1 i =1
Si los parámetros n y θ de una distribución binomial tienden a
λ = nθ, la distribución límite obtenida es de Poisson.
nθ 
n →∞ ,θ →0
→ λ ⇒ B ( n,θ ) 
n →∞ ,θ →0
→ Poisson(λ )
Teoría de Colas: Proceso de Atención de Clientes
Tiempos de Atención Modelo
5,0%
1,0
90,0%
48,0
5,0%
Probabilista
0,07
6,1% 88,7% 5,2%
P (TS ≤ t ) = 1 − e − µt
1 1
0,06
E (TS ) = ,V(TS ) =
µ µ2
0,05 Input
Minimum 0,0000
Maximum 103,0000
Mean 16,2022
0,04 Std Dev 16,0118
Values 900
Expon
0,03
Minimum -0,0180
Maximum +∞
Mean 16,1840
0,02 Std Dev 16,2020
0,01
Datos
0,00

Teoría de Colas: Proceso Estocástico Exponencial
El tiempo de servicio se distribuye frecuentemente según una
distribución exponencial, dada por:
P(Tiempo deServicio ≤ t ) = P(TS ≤ t ) = 1 − e − µt ∀t ≥ 0
1 1
E (TS ) = V(TS ) =
µ µ2
Donde t representa una cantidad expresada en unidades de
tiempo (horas, minutos, etc.).
La distribución exponencial supone una mayor probabilidad

para tiempos entre llegadas pequeños.
La última llegada no influye en la probabilidad de llegada de la

siguiente.
Teoría de Colas: Proceso Estocástico Normal
Distribución Normal
RiskNormal(76,12.065) Modelo Probabilista
59,0 96,0
t ( x − µ )2
5,0% 90,0% 5,0% −
0,035
7,9% 87,2% 4,9%
P(TS ≤ t ) = σ 12π ∫e
−∞
2σ 2
E (TS ) = µ, V(TS ) = σ 2
0,030
0,025 Input
Minimum 43,0000
Maximum 116,0000
Mean 76,0000
0,020 Std Dev 12,0647
Values 200
Normal
0,015
Minimum −∞
Maximum +∞
Mean 76,0000
0,010 Std Dev 12,0650
0,005
0,000
40
50
60
70
80
90
100
110
120

Modelo de Sistema de Cola: M/M/1/∞/∞/
El modelo M/M/1/∞/∞/FIFO es un sistema de espera formado
por un solo servidor y una cola:
λ µ
Se denotará por λ la tasa de llegada de clientes y por u la

velocidad de servicio del servidor por µ .
Adicionalmente se supondrá que las tasas de nacimiento y

muerte están dadas por:
λn = λ ∀n ≥ 0
µn = µ ∀n > 0.
M/M/1/ ∞/ ∞: Sistema de Cola markoviano, markoviano, 1
servidor, población infinita , cola infinita
λ
ρ = <1 p0 = (1 − ρ ) pn = (1 − ρ ) ρ n P( Ls ≥ n ) = ρ n
µ
λ ρ λ2 ρ2
Ls = σ = E  Ls  − Ls =
2 2 2
Lq = =
µ −λ ( ρ ) µ(µ − λ ) 1 − ρ
Ls
−
2
1
1 λ
Ws = Wq = P(Wq > t ) = ρ e − µ (1− ρ ) t
µ −λ µ(µ − λ )
Funciones de distribución de tiempos de espera:
P (W s ≤ t ) = 1 − e − µ (1− ρ )t ∀t ≥ 0
P (W s > t ) = e − µ (1− ρ ) t ∀t ≥ 0
P (W q ≤ t ) = 1 − ρ e µ (1− ρ )t
∀t ≥ 0
P (W q > t ) = ρ e − µ (1− ρ ) t ∀t ≥ 0

Modelo de Sistema de Cola: M/M/1/∞/∞/ Ejemplo
Un local de comida rápida es atendida por una persona. El
patrón de llegada de clientes los sábados se comporta según un
proceso de Poisson con tasa de llegada de 10 personas por
hora. A los clientes se les atiende de acuerdo a un orden FIFO y
se estima que el tiempo de atención de 1 cliente se distribuye
exponencialmente con un tiempo medio de 4 min. Determine:
1) La probabilidad que se forme una línea de espera.
2) El largo promedio de la cola
3) El tiempo promedio que un cliente permanece en la cola
4) La probabilidad que un cliente este menos de 12 min en la tienda.
5) La probabilidad que un cliente que llegue no pueda usar el cajero
inmediatamente al llegar.
6) Cómo varían sus resultados con tiempo de atención de 5 minutos ?
Modelo de Sistema de Cola: M/M/1/∞/∞/ Ejemplo
Un taller de reparaciones de tractores tiene un empleado. Las
llegadas ocurren según un proceso de Poisson con tasa de
llegada de 10 vehículos por día. A los vehículos se les atiende
con un orden FIFO y se estima que el tiempo de atención de 1
vehículo se distribuye exponencialmente con un tiempo medio de
1 hora. Suponiendo una jornada laboral de 12 horas, determine:
1) La probabilidad que al llevar un tractor no sea atendido
inmediatamente.
2) El largo promedio de la cola de tractores.
3) El tiempo promedio que un tractor permanece en la cola.
4) La probabilidad que un tractor este más de un día en el taller.
5) Cómo varían sus resultados con tiempo de atención de 1.5 horas ?

Modelo de Sistema de Cola: M/M/m/∞/∞/
Este caso existen m servidores idénticos que pueden atender
a los clientes, que provienen de población infinita y que entran
al sistema formando una única cola atendida en orden FIFO.
1
λn 2
µn
⋮
m
Se denotará por λ la tasa de llegada de clientes al sistema y

µ la tasa de servicio de cada uno de los servidores.
por u
λn = λ ∀n ≥ 0
En este caso:
n ⋅ µ ∀ n ∈ [0 , m ]
µn = 
m ⋅ µ ∀n ≥ m
λ λ λ λ λ λ λ
0 1 2 ... m-1 m m+1 m+2 ...

µ 2µ ... (m-1)µ mµ mµ mµ mµ
 ( λ )n
 m −1 ( λ )
−1
 µ p0 0 ≤ n ≤ m
( µ)

k m
λ
λ µ  n!
ρ= <1 p0 =  ∑ +  pn = 
mµ  k =0 k ! m ! (1 − ρ )   (µ) λ
n
  p0 n > m
 n −m
 m!m
( )
m
λ
µ ρ p0 λ Lq 1
Lq = Ls = Lq + Wq = Ws = Wq +
m ! (1 − ρ ) µ λ µ
2

0 1 2 ... m-1 m m+1 m+2 ...

µ 2µ ... (m-1)µ mµ mµ mµ mµ
 1 + p ( λ ) m   1 − e − µt (m −1− λµ ) 
− µt  0 µ
P (Ws > t ) = e  
 m ! (1 − ρ )   m − 1 − µ  λ
  
 m −1  − mµ (1− ρ ) t
P (Wq > t ) =  1 − ∑ pk  e
 k =0 

Modelo de Sistema de Cola: M/M/m/∞/∞/ Ejemplo
Un aeropuerto da servicio a pasajeros rurales, urbanos y en tránsito.
La distribución de llegadas de cada uno de los tres grupos es
Poisson, con frecuencias promedio de 15,10 y 20 pasajeros por
hora, respectivamente. El tiempo para documentar un pasajero es
exponencial con un promedio 5 minutos por pasajero.
Determine la cantidad de mostradores que debe haber para cada
una de las siguientes situaciones:
a) El tiempo promedio de espera para documentar un pasajero
debe ser menor a 15 minutos.
b) El porcentaje de inactividad de los mostradores no debe ser
mayor a 10%.
c) La probabilidad de que todos los mostradores estén ociosos no
debe ser mayor que 0.015.
Hay dos empresas de taxis que dan servicio a una ciudad
pequeña. Cada empresa es dueña de 2 taxis y se sabe que las
dos empresas comparten aproximadamente partes iguales del
mercado, recibiendo cada una un promedio de 8 llamadas por
hora. Por otra parte, el tiempo promedio por viaje es 12 minutos.
Un inversionista está evaluando comprar las dos empresas

consolidarlas en una empresa para dar mejor servicio a los
clientes y reducir los costos de operación.
Analice esta alternativa y determine si la consolidación permitirá

dar un mejor servicio a los clientes y también disminuir los costos
de operación de la empresa consolidada, haciendo los supuestos
adecuados con respecto a los costos.
Al servicio de emergencia de un consultorio llegan los
pacientes de acuerdo a una distribución de Poisson de
parámetro λ=2 [pacientes/hora]. Los tiempos de atención de
los doctores siguen una distribución exponencial de
parámetro 1/µ=1/3 [hora/paciente].
El objetivo de este problema es evaluar 3 alternativas de
atención: 1, 2, 3 doctores.
• Desarrolle un análisis comparativo completo de ambas
alternativas y recomiende una solución operacional para el
servicio de emergencia de este consultorio.
• Cambian sus resultados si: λ=4 [pacientes/hora], 1/µ=1/2
[hora/paciente].
Un laboratorio farmacéutico tiene en su almacén un único
estacionamiento de carga y un trabajador para buscar los
medicamentos del pedido de cada furgoneta y cargarlos en ella.
Después de examinar las llegadas de las camionetas, se
determina que la tasa media de llegada es de 8 camionetas por
hora, y que la tasa de servicio es de 10 camionetas por hora.
Los encargados del almacén están considerando añadir un
trabajador adicional. El problema consiste entonces en evaluar
estas 2 alternativas y determinar cuál es la mejor en calidad de
servicio y en costo.
Suponga que los costos de operación de cada camioneta por
hora son de $2000 y los trabajadores ganan $1800 por hora de
trabajo y que estos trabajan 8 horas al día.
Modelo de Sistema de Cola: M/M/m/K/∞/
Un sistema de este tipo tiene una capacidad limitada a K
clientes, incluyendo las que son atendidas y las que están en
la cola), y se considera que la población es infinita.
m≤K 1
λn 2
µn
⋮
K-m m
Cuando el sistema está lleno, las clientes nuevos son

rechazados, luego en este caso la tasa de acceso al sistema
en el estado es nula.
Las tasas de nacimiento y muerte tienen la siguientes forma:
m≤K
λ λ λ λ 0
0 1 2 ... K-1 K K+1

Rechazo
Clientes
µ 2µ ... mµ mµ mµ
λ 0 ≤ n ≤ K −1
λn = 
0 n≥K
nµ 1≤ n ≤ m
µn = 
mµ m≤n≤K
Modelo de Sistema de Cola: M/M/1/K/∞/
λ λk −1  ρ n 0 ≤ n ≤ K
n
ρ= No necesariamente < 1. cn = ∏ =
µ k =1 µ k 0 n ≥ K + 1
−1  n  1− ρ 
 i
K
1− ρ ρ  K +1 
0≤n≤K
p0 =  ∑ ρ  = pn =   1 − ρ 
 i =0  1 − ρ K +1
0
 n ≥ K +1
K

Ls = ∑ np n = ∑ nρ n 
1 − ρ K

=
ρ
−
( K + 1) ρ K +1
K +1 
n =0 n =0  1 − ρ  1 − ρ 1 − ρ K +1
K −1
λ λ (1 − pK )
λ = λef = ∑ λn pn =λ (1 − pK ) ρ = =
n =0 µ µ
Ls Lq
Lq = Ls − (1 − p0 ) Ws = Wq =
(λ ) (λ )
ρ = λ ( m µ ) No necesariamente < 1.
 ( λ )n
 µ 0≤n≤m −1
 n!  m ( ) ( ) 
n m
λ λ

∑ ( λµ )
K
n −m
cn =  ( λ ) n
µ µ
p0 = ∑
 + m


µ
m +1 ≤ n ≤ K  n =0 n ! m! n = m +1 
n −m  
 m!m
0 n ≥ K +1

 ( λ )n
 µ p0 0≤n≤m
 n!

pn =  ( λ ) n
µ
 n −m
p0 m +1 ≤ n ≤ K
 m!m
0 n ≥ K +1

p0 ρ ( )
m
λ
Lq =
m ! (1 − ρ )
µ
2 (1 − ρ K −m
− ( K − m ) ρ K − m (1 − ρ ) )
m −1
 m −1 
Ls = ∑ npn + m  1 − ∑ pn  + Lq
n =0  n =0 
K −1 λef λ (1 − pK )
λef = ∑ λn pn =λ (1 − pK ) ρ= =
n =0 mµ mµ
Ls Lq
Ws = Wq =
(λ ) ef (λ ) ef

Modelo de Sistema de Cola: M/M/1/K/∞/ Ejemplo
Un banco tiene un cajero automático que atiende
automovilistas. Los vehículos llegan de acuerdo a una
distribución de Poisson, con una frecuencia de 15 por hora. El
tiempo promedio para hacer una transacción en el cajero es
exponencial con un promedio de 5 minutos. En la fila cabe un
máximo de 10 automóviles. Una vez llena, los automóviles
que lleguen no pueden acceder. Calcule:
a) La probabilidad que un vehículo que llegue no pueda usar el
cajero porque la fila está completa.
b) La probabilidad que un vehículo que llegue no pueda usar el
cajero inmediatamente al llegar.
c) La cantidad promedio de vehículos en la fila.
d) El tiempo promedio de espera en el sistema.
Modelo de Sistema de Cola: M/M/m/K/∞/ Ejemplo
Un restaurante de comida rápida tiene 3 cajeros. Los clientes llegan
al local de acuerdo a una distribución de Poisson cada 2 minutos, y
se forman en una fila para ser atendidos por el primer cajero
disponible. El tiempo para llenar un pedido se distribuye
aproximadamente de forma exponencial con un promedio de 6
minutos. La sala de espera dentro del restaurante tiene cupo
limitado.
Determine el tamaño de la sala de espera dentro del restaurante

(sin considerar la estación de servicio donde están los cajeros)
de manera que la probabilidad que un cliente que llegue no deba
esperar fuera del restaurante sea al menos 0.95.
Cómo cambian los resultados anteriores si (1/µ)=7 ?

Modelo de Sistema de Cola: M/M/m/K/∞/ Ejemplo
Un oftalmólogo ha implementado una consulta privada a donde
llegan pacientes según un proceso de Poisson con tasa de 25
clientes por hora.
El médico se demora en atender a cada paciente un tiempo
aleatorio que se distribuye según una variable aleatoria
exponencial de media 15 minutos.
El médico está pensando en la posibilidad de contratar a 2
oftalmólogos más (igual de eficientes que él) y a una secretaria
que se encargue de no permitir el paso a la clínica cuando esta
se encuentre con 10 pacientes.
Aplicando los modelos M/M/1/K/∞/ y M/M/m/K/∞/ desarrolle una
evaluación detallada (incluyendo costos) de varias alternativas
que permitan apoyar la toma de decisiones del médico.
Modelo de Sistema de Cola: M/Ek/1/∞/∞/
El modelo M/Ek/1/∞/∞/ FIFO es un sistema de espera formado
λ µ
Se denotará por λ la tasa de llegada de clientes y por µ

u la
tasa de servicio del servidor.
Se supondrá que:
• La distribución de llegada es Poisson.
• Los tiempos de servicios siguen una distribución de Erlang
de parámetro k.

La distribución de Erlang de parámetro k tiene una varianza
intermedia considerando la distribución de Poisson (σ = λ) y la
determinista (σ = 0).
(µk )
k
f k (t ) = t k −1e − k µ t ∀ t ≥ 0; k ≥ 1
( k − 1 )!
1 1
E ( fk ) = Var ( f k ) =
µ kµ2

0 1 2 3 4
....... n
....
µ µ µ µ µ µ µ
λ
ρ = <1 p0 = (1 − ρ ) pn = (1 − ρ ) ρ n
µ
ρ 2 ( k + 1)
P( Ls ≥ n ) = ρ n Lq = Ls = Lq + ρ
2k (1 − ρ )
Lq 1
Wq = Ws = Wq +
λ µ
Modelo de Sistema de Cola: M/D/1/∞/∞/
El modelo M/D/1/∞/∞/FIFO es un sistema de espera formado
λ µ
Se denotará por λ la tasa de llegada de clientes y por uµ la

velocidad de servicio del servidor.
Se supondrá que:
• La distribución de tiempos de servicios es determinista, es
decir, constante.

Modelo de Sistema de Cola: M/D/1/∞/∞/
0 1 2 3 4
....... n
....
λ
ρ = <1 p0 = (1 − ρ ) pn = (1 − ρ ) ρ n
µ
ρ2
P( Ls ≥ n ) = ρ n Lq = Ls = Lq + ρ
2(1 − ρ )
Lq 1
Wq = Ws = Wq +
λ µ
Modelo de Sistema de Cola: M/G/1/∞/∞/
El modelo M/G/1/∞/∞/FIFO es un sistema de espera formado
λ µ
Se denotará por λ la tasa de llegada de clientes y por uµ la

velocidad de servicio del servidor.
Se supondrá que:
• La distribución de tiempos de servicios es general y se
conoce su promedio 1/µ y varianza σ2.

Modelo de Sistema de Cola: M/G/1/∞/∞/
0 1 2 3 4
....... n
....
λ
ρ = <1 p0 = (1 − ρ ) pn = (1 − ρ ) ρ n
µ
λ 2σ 2 + ρ 2
P ( Ls ≥ n ) = ρ n Lq = Ls = Lq + ρ
2(1 − ρ )
Lq 1
Wq = Ws = Wq +
λ µ
Modelo Sistema Cola M/M/m/N/N/: Población Finita
Este modelo de colas considera que el tamaño de la
población es finito: N clientes.
Luego, si el número de clientes en el sistema es n (0 ≤ n ≤ N),

quedan sólo (N - n) clientes potenciales en la población que
pueden llegar.
λn 2
µn
N Clientes
⋮
N-m m

Este problema se aplica a la reparación de máquinas
(planificación de mantención), en el que uno o más técnicos
deben mantener en operación un número de N máquinas
dando servicio a las que se descomponen.
Las máquinas que siendo reparadas o esperando serlas se

consideran clientes en el sistema. Las máquinas que están
funcionando se consideran fuera del sistema.
El tiempo que pasa desde que una máquina deja el sistema

hasta que regresa tiene una distribución exponencial de
parámetro λn = (N – n)λ

Modelo Sistema Cola M/M/1/N/N/: Población Finita
Νλ (Ν−1)λ 3λ 2λ λ
0 1 2 ... N-2 N-1 N

Población
Tamaño N
µ µ ... µ µ µ
λ ( N − n ) 0 ≤ n ≤ N − 1
λn = 
0 n≥N
µn = µ 1 ≤ n ≤ N

Modelo Sistema Cola M/M/1/N/N/: Población Finita
λ  ( NN−!n )! ρ n 0 ≤ n ≤ N
ρ= No necesariamente < 1. cn = 
µ 0 n ≥ N +1
−1
 N
i
p0 =  ∑ ( N −i )! ρ 
N!
pn = N!
( N − n )! ρ n p0 0 ≤ n ≤ N
 i =0 
λ+µ µ
Lq = N − (1 − p0 ) Ls = N − (1 − p0 )
λ λ
N N
λ = λef = ∑ λn pn = ∑ ( N − n ) λ pn =λ ( N − Ls )
n =0 n =0
λ λ ( N − Ls ) Ls Lq
ρ= = Ws = Wq =
µ µ (λ ) (λ )
Νλ (Ν−1)λ (Ν−2)λ 3λ 2λ λ m≤N
0 1 2 3
... N-2 N-1 N
µ 2µ 3µ ... mµ mµ mµ
λ ( N − n ) 0 ≤ n ≤ N − 1
λn = 
0 n≥N
nµ 1≤ n ≤ m
µn = 
mµ m ≤ n ≤ N
λ
ρ= No necesariamente < 1.
mµ
 N! λ
n
 µ 0≤n≤m
 ( N − n )! n !  
 n
cn =  N! λ
 ( N − n )! m ! m n − m  µ  m +1≤ n ≤ N
  

0 n ≥ N +1
−1
 
p0 =  ∑ ( N − n )! n ! ( µ ) + ∑ ( N − n )! m ! m n − m ( µ ) 
m N
n n
N! λ N! λ
 i =0 i = m +1 

 N! λ
n
   p0 0≤n≤m
 ( N − n )! n !  µ 
 n
pn =  N! λ
 ( N − n )! m ! m n −m  µ  p0 m +1 ≤ n ≤ N
  

0 n ≥ N +1
m −1
N
 m −1 
Lq = ∑ ( n − m ) pn Ls = ∑ npn + Lq + m  1 − ∑ pn 
n =m n =0  n =0 
N N
λ Ls Lq
λ = ∑ λn p n = ∑ λ ( N − n ) p n ρ= Ws = Wq =
n =0 n =0 mµ (λ ) (λ )
Bibliografía
1) D. Gross et al, Fundamentals of Queueing Theory, Wiley,
2008.
2) H. Taha, Operations Research: An Introduction, Eighth

Edition, Pearson Prentice Hall, 2007.
3) J. Pazos, A. Suarez, R. Diaz, Teoría de Colas y Simulación

de Eventos Discretos, Pearson Prentice Hall, 2003.
4) S. M. Ross, Introduction to Probability Models, Tenth Edition,

Academic Press Elsevier, 2010.

C2 Teoria Colas ME V GH

Uploaded by

Document Information

Original Title

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

C2 Teoria Colas ME V GH

Uploaded by

Copyright:

Available Formats

Introducción a la Teoría de Colas

G. Hernández USACH DII - Modelos Estocásticos (V) 2

G. Hernández USACH DII - Modelos Estocásticos (V) 3

G. Hernández USACH DII - Modelos Estocásticos (V) 4

G. Hernández USACH DII - Modelos Estocásticos (V) 5

G. Hernández USACH DII - Modelos Estocásticos (V) 6

Sistemas Markovianos: M/M/1/∞/∞ y M/M/m/∞/∞

Sistemas con distribución de tiempos de atención no

Sistemas Markovianos con capacidad finita: M/M/m/K/∞

Sistemas Markovianos con población finita: M/M/m/N/N

Simulación de Sistemas de Colas: Prioridad, Renuncia y

G. Hernández USACH DII - Modelos Estocásticos (V) 7

G. Hernández USACH DII - Modelos Estocásticos (V) 12

Distribución Disciplina Servicio

• Tamaño: Finita o Infinita

• Conducta de los Clientes

2) Cola de Espera: Infinita, Finita

• Disposición: Serie, Paralelo, etc.

• Distribución de Tiempos de Atención

4) Disciplina de Servicio: FIFO, LIFO, Asignación de Prioridades.

N (t ) : Número total de clientes en el sistema

pn (t ): Probabilidad que en el sistema se encuentren na clientes

λn (t ): Tasa media de llegada de clientes nuevos cuando se

µ n (t ): Tasa media de servicio para el conjunto de servidores

G. Hernández USACH DII - Modelos Estocásticos (V) 15

λn : Tasa media de llegada de clientes nuevos cuando se

µn: Tasa media de servicio para el conjunto de servidores

Cantidad promedio o esperado de clientes en el sistema, en

G. Hernández USACH DII - Modelos Estocásticos (V) 16

λ : Tasa de llegada promedio [ clientes / hora ]

Patrón de Llegada Tamaño de la Población

X X X X X Tamaño del Sistema

G. Hernández USACH DII - Modelos Estocásticos (V) 19

G. Hernández USACH DII - Modelos Estocásticos (V) 20

Este es un proceso estocástico discreto definido

La probabilidad que se produzcan una # de eventos en un

La distribución de tiempos entre arribos es exponencial.

La suma de v.a. de Poisson independientes es una v.a. de

G. Hernández USACH DII - Modelos Estocásticos (V) 23

La distribución exponencial supone una mayor probabilidad

La última llegada no influye en la probabilidad de llegada de la

G. Hernández USACH DII - Modelos Estocásticos (V) 25

Se denotará por λ la tasa de llegada de clientes y por u la

Adicionalmente se supondrá que las tasas de nacimiento y

G. Hernández USACH DII - Modelos Estocásticos (V) 28

2) El largo promedio de la cola de tractores.

3) El tiempo promedio que un tractor permanece en la cola.

4) La probabilidad que un tractor este más de un día en el taller.

5) Cómo varían sus resultados con tiempo de atención de 1.5 horas ?

Se denotará por λ la tasa de llegada de clientes al sistema y

0 1 2 ... m-1 m m+1 m+2 ...

G. Hernández USACH DII - Modelos Estocásticos (V) 32

0 1 2 ... m-1 m m+1 m+2 ...

G. Hernández USACH DII - Modelos Estocásticos (V) 33

Un inversionista está evaluando comprar las dos empresas

Analice esta alternativa y determine si la consolidación permitirá

Cuando el sistema está lleno, las clientes nuevos son

0 1 2 ... K-1 K K+1

G. Hernández USACH DII - Modelos Estocásticos (V) 42

Determine el tamaño de la sala de espera dentro del restaurante

Cómo cambian los resultados anteriores si (1/µ)=7 ?

Se denotará por λ la tasa de llegada de clientes y por µ

G. Hernández USACH DII - Modelos Estocásticos (V) 46