You are on page 1of 7

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

ANLISIS DE COLAS O FILAS DE ESPERA Las colas o filas de espera representan un fenmeno habitual de la actividad diaria de cada uno de nosotros. Se hace cola en el correo, en el banco, en la caja del supermercado. Se producen largas filas de vehculos en las rutas y calles congestionadas, o simplemente ante un semforo. Tambin aparecen, aunque no resultan tan visibles, en las comunicaciones telefnicas, en la lista de expedientes a tramitar, en los talleres de reparaciones. Son colas en las que no aparecen personas, pero tambin hay esperas. En las organizaciones, este tipo de problemas se estructura bsicamente como la igualacin de la demanda de un servicio con la provisin de ese mismo servicio. Nos vamos a referir a las entidades que esperan la provisin del servicio como clientes, Asimismo, un servidor es cualquier persona o dispositivo que brinde el servicio. Se trata de resolver situaciones referentes a la capacidad que se debe disponer para atender la demanda. Agregar ms servidores, o disminuir el tiempo que se utiliza para brindar el servicio se resuelve mediante el agregado de personal y equipo, pero esto implica mayores costos. Por otra parte, una capacidad limitada produce colas ms largas y disgustos con los clientes. Como todas estas consideraciones deben ser ponderadas al tiempo de tomar decisiones, las consecuencias de cada accin deben ser computadas adecuadamente. Un lugar donde se forma una fila simple frente a uno o ms servidores se denomina estacin. En casos complejos, un cliente que recibe el servicio en un servidor, se puede trasladar a otra cola en otra estacin.

La estructura de un sistema de colas El estudio matemtico de estos sistemas es bastante extenso, y se han desarrollado numerosas frmulas que ayudan a estimar las caractersticas de las filas de espera. Estos anlisis se deben basar en un conocimiento preciso de la estructura del sistema y de cmo interactan sus partes. Los componentes que es preciso conocer son los siguientes. La poblacin de entrada: Tambin llamada Capacidad del Sistema, es el nmero mximo de clientes potenciales, que pueden solicitar el servicio. Si un cliente llega, y el sistema est lleno, por haberse colmado su capacidad, se le negar la entrada. O sea que no recibir servicio. Si el sistema no tiene lmite, se dice que la poblacin es infinita. Como no puede considerarse una poblacin infinita si el nmero de clientes no es muy grande, como en el caso de un taller de reparaciones, en estos casos es preferible ingresar el tamao exacto de la poblacin. El proceso de llegadas: Se tiene que describir matemticamente la manera en que se producen los arribos de los clientes al sistema. Esto puede ser especificado como el tiempo entre llegadas, que es el tiempo que transcurre entre un cliente y otro sucesivo que llegan a

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

demandar el servicio. Esto ser determinstico si se conoce el tiempo exacto que transcurre entre un arribo y otro, o aleatorio, cuya distribucin probabilstica se considera conocida. Si se trata de arribos absolutamente aleatorios, se supone que responden a una distribucin de Poisson. La lnea de espera: La cola que se forma mientras se espera el servicio puede suponerse infinita cuando puede extenderse tanto como se quiera. Si hay una sala de espera o equivalente, la lnea es finita y depende de la capacidad de esa sala. Se asume que si alguien llega y encuentra la sala llena se retira y no recibir el servicio. Se recomienda no tomar literalmente los trminos sala de espera, llegadas o lnea de espera. Los clientes pueden ser un conjunto de piezas de una mquina en el suelo, esperando que se arme el conjunto. Obsrvese que en este caso el que llega es el servidor y no el cliente, pero el modelo de colas se puede usar igualmente. La disciplina del sistema: Es el orden en que se atienden a los clientes. Generalmente se asume que el primero en llegar es el primero en atenderse (FIFO o PEPS). La cantidad de servidores: Puede ser cualquier nmero entero. Se asume que todos los servidores son idnticos y en paralelo, o sea que el cliente puede ser atendido de la misma manera por cualquiera de ellos. La distribucin del tiempo de servicio: Depende del tiempo que le tome a un servidor atender a un cliente. Se define de la misma manera que el proceso de llegadas, como determinstico o aleatorio, siguiendo una determinada distribucin de probabilidad. Puede depender del nmero de clientes en el sistema o ser independiente del estado. Generalmente se asume que el servidor atiende completamente a un cliente, aunque podra tratarse de un servicio donde el cliente debe ser atendido por una secuencia de servidores. Notacin convencional Los diversos componentes de un sistema de colas se pueden expresar de distintas maneras. La siguiente es la aceptada por la gran mayora de los programas disponibles, y resulta sumamente til para indicar brevemente qu combinacin de partes conforman la estructura del sistema. Consiste en una serie de letras separadas por barras. a/b/c/d/e Estos cinco smbolos tienen el siguiente significado: La primera posicin a- indica el tipo de proceso o patrn de llegadas. La ms comn es M Un proceso markoviano de entradas, que indica que las llegadas se producen de manera aleatoria. Pueden provenir de una fuente infinita, en cuyo caso se debe especificar el nmero de llegadas por unidad de tiempo (average arrival rate). Si proceden de una fuente finita, se deber establecer la tasa de llegadas para cada cliente.

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

El segundo smbolo b- denota la distribucin del tiempo de servicio. Pueden ser M Una distribucin exponencial del tiempo de servicio (otra vez M proviene de markoviano). sta es la ms comn en la prctica, y representa en ese sentido el tiempo ms aleatorio o impredecible. D Determinstico o constante. El extremo opuesto de la exponencial. G Distribucin de probabilidad no especificada o general. Ciertos resultados pueden obtenerse sin necesidad de algn supuesto respecto a la distribucin, pero en este caso se deber ingresar la desviacin estndar de los tiempos de servicio. En el tercer lugar la letra c indica la cantidad de servidores existentes en la estacin, los que se suponen son idnticos y funcionan en paralelo. Los ltimos dos smbolos generalmente se omiten. En la cuarta posicin se indica la capacidad del sistema, o sea la cantidad de clientes que pueden estar en el sistema (sea esperando o siendo atendidos). Cuando no hay lmite para la cantidad de clientes que estn en la cola, no se incluye notacin alguna. Esto implica que la capacidad del sistema es infinita. El quinto indicador especifica el tamao de la poblacin que ingresa. Cuando se omite, se asume infinito. Si el ingreso est limitado a K clientes, se escribe a/b/c/K/K implicando que la capacidad tambin se limita a K. Esto se hace incluso cuando la capacidad de la sala de espera no tenga lmite, ya que no necesitamos una sala mayor que para K. Operacin en estado estable Cuando un proceso complejo y aleatorio comienza, tal como una lnea de espera, como en el caso de un supermercado cuando abre, aparece un perodo de tiempo durante el cual las condiciones que prevalecen estn influenciadas por el estado inicial del sistema. Esta fase de transicin es reemplazada gradualmente por el estado estable, en le que emergen los patrones estables, an cuando el sistema est influenciado por efectos aleatorios, generando fluctuaciones en la longitud de la cola y otras cantidades relacionadas. Los informes que se generan a partir del Anlisis de colas se basan en la presuncin que el sistema est funcionando en condicin estable. Entre otras cosas, esto implica que los diversos componentes indicados en la seccin anterior actan de manera constante durante todo el tiempo. A menos que se trabaje con un modelo autolimitado , en el que tanto la sala de espera como la poblacin de llegada es finita, se debe tener mucho cuidado, al ingresar los datos de los componentes, que la tasa de llegadas sea menor que la tasa de servicio (que es el nmero de servidores multiplicado por el tiempo medio de servicio de cada uno). Si los clientes arriban ms rpido que lo que el sistema puede atender, la cola va a crecer y crecer, y nunca podr alcanzar el estado estable. Esto, por supuesto, es una situacin terica. En la prctica pueden ocurrir cosas distintas. Tal vez la tasa de llegada vaya disminuyendo,

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

porque los posibles clientes no se queden a esperar, o la tasa de servicio se incrementa gracias a que el personal trabaja ms aprisa, o se abren nuevos servidores. Pero sea lo que sea, los supuestos del modelo dejan de ser vlidos. Como las frmulas en las que se basan los modelos suponen un estado estable, no se deben ingresar parmetros que violen dichos supuestos. Informes generados Para cada sistema de filas de espera que se resuelva, algunos o todos de los siguientes informes deben ser generados. En todos los casos, se asume que el sistema est en estado estable. Utilizacin del servidor: la fraccin o porcentaje del tiempo que cada servidor est ocupado, en promedio. La longitud media de la fila: el nmero esperado de clientes en la cola. El nmero medio en el sistema: el nmero esperado de clientes sea en la cola o atendidos. La probabilidad de espera: la probabilidad que un cliente que llega encuentre todos los servidores ocupados y deba esperar. Equivale a la fraccin de clientes que esperan ser servidos. El tiempo medio de la cola: el tiempo esperado que un cliente est en la lnea de espera antes de comenzar a ser atendido. El tiempo medio en el sistema: el tiempo esperado que un cliente est sea en la lnea de espera o siendo atendido. Las probabilidades del sistema: la distribucin probable del nmero en el sistema. Es decir, la probabilidad que haya exactamente n usuarios sea en la cola o recibiendo el servicio para cualquier momento del tiempo, siendo n = 0, 1, ... La probabilidad que no reciba el servicio: La probabilidad que un cliente llegue, encuentre la sala de espera llena, y se vaya, o, equivalentemente, la fraccin de clientes que no obtienen el servicio. Si la capacidad de la sala de espera es infinita, es obvio que la probabilidad va a ser cero, y no es necesario este informe.

Todos estos resultados se obtienen directamente de la aplicacin de frmulas estndar, si bien son de gran complejidad. Si el lector lo desea, puede verlas en cualquier texto de investigacin operativa, como Introduccin a la Investigacin de Operaciones, de F. Hillier y G. Lieberman (McGraw Hill, 1982). Anlisis de costos Una de las decisiones habituales en el uso de este modelo puede serlo el de definir la cantidad de servidores necesarios. Por ejemplo, la cantidad de ascensores en un edificio, la cantidad de escritorios para un equipo de trabajo, etc. La decisin se deber basar en una relacin entre dos costos bsicos: el costo de proveer servidores adicionales versus el costo de demorar o no prestar el servicio. Se asume que el costo de demorar el servicio es un

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

monto definido por cliente, por unidad de tiempo insumida en el sistema. Si bien es relativamente sencillo conocer el costo de un servidor, el costo de hacer esperar a un cliente puede resultar, a veces, intangible y generalmente difcil de establecer. Esta cuestin est analizada en detalle en el libro mencionado en la seccin anterior. Pero basta con aclarar que los costos por la espera existen y en ciertos casos pueden ser muy significativos, por lo que deben ser estimados, si es que se desea realmente disear un sistema de colas inteligente y controlable. Los costos a los que nos acabamos de referir deben estar presentados por unidad de tiempo, a los efectos de realizar clculos comparables. Si por ejemplo, el costo de un servidor consiste en el salario que debe pagarse a quien lo atiende, deber anualizarse, para incluir aguinaldo, vacaciones, etc., y luego convertirlo en la misma unidad de tiempo que se use para determinar el tiempo de servicio o de espera. Si se define: Cd = Costo de demora por cliente por unidad de tiempo Cs = Costo por unidad de tiempo para agregar otro servidor L = Nmero promedio en el sistema El costo total por unidad de tiempo para una estacin con c servidores es: L C d + c Cs A medida que c aumenta, la capacidad adicional incrementar la velocidad del servicio y L ir disminuyendo. Por consiguiente, una informacin til que debe brindar el sistema es el nmero de servidores que minimice el costo total. En el caso que la sala de espera tenga una capacidad limitada, surgen otros anlisis posibles. As, se relacionan el costo de servidores adicionales versus el costo de perder el negocio con clientes que se retiran antes de ser atendidos, ms el costo de la demora para los clientes atendidos. Definiendo: Cr = Costo de no brindar el servicio a un cliente A = Tasa de llegadas P = Probabilidad que un cliente se vaya de la cola sin ser atendido El costo total ser L C d + c Cs + p A C r Anlisis de los modelos de colas

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

Los componentes de un modelo de colas pueden ser combinados de distintas maneras, para reflejar la gran variedad de situaciones posibles. Observemos algunas combinaciones que nos permitan identificar cualquier nmero c de servidores idnticos y en paralelo. M/M/c: llegadas de Poisson y distribucin exponencial del tiempo de servicio Probablemente sta sea la cola ms simple para analizar. Se presume que las llegadas se producen aleatoriamente desde una poblacin infinita (un proceso de entradas de Poisson), no hay lmite en la capacidad de la sala de espera y los tiempos de servicio se distribuyen exponencialmente. M/D/c: llegadas de Poisson y tiempo de servicio constante Continuando con llegadas aleatorias, pero suponiendo que el tiempo de servicio es constante, o sea el mismo para cada cliente atendido. En el caso de mltiples servidores ( c > 1 ) no hay frmulas exactas para este caso, pero se puede utilizar la denominada aproximacin de Molina. Si hay un solo servidor, las frmulas son precisas. M/G/c: llegadas de Poisson y tiempo de servicio arbitrario Otra vez se presumen llegadas aleatorias y una longitud de la cola infinita, pero ahora se supone que se desconoce la distribucin de los tiempos de servicio ms all de su valor medio y la desviacin estndar. Como en el caso anterior, slo si hay un solo servidor aparece un resultado exacto. Para c > 1 se pueden utilizar las frmulas de aproximacin de Lee y Longton. Sin embargo, estas expresiones pueden resultar exactas para los casos especiales en que sea M/M/c y M/G/1, y resultan especialmente ptimas en situaciones de trfico pesado (cuando la tasa de llegadas es tan grande como la tasa mxima de salidas). En este modelo se dispone de la medida del valor medio, y las probabilidades de estado del sistema no se pueden establecer por falta de informacin suficiente. M/M/c/K: llegadas de Poisson, distribucin exponencial del tiempo de servicio y longitud de la cola finita Ahora se presume que el mayor nmero de clientes que puede haber en el sistema est limitado a un nmero finito K >= c, por lo que la capacidad de la sala de espera es K c. Si se estima que la poblacin de llegada es infinita, puede ocurrir que continen llegando clientes cuando el sistema est lleno, con lo que esos clientes se van a retirar sin ser atendidos. Esto implica tener en cuenta algunas consideraciones respecto a los informes que se generen. El tiempo insumido en la cola y en el sistema, que se obtienen en todos los modelos anteriores, aqu no se puede informar, porque no est claramente definido. Qu tiempo se le puede adjudicar a un cliente que nunca estuvo en el sistema? Pero por otro lado, es

UNIVERSIDAD NACIONAL DE LA PATAGONIA FACULTAD DE CIENCIAS ECONOMICAS SEDE TRELEW CATEDRA: ANALISIS DE SISTEMAS I

posible brindar una informacin especial para este caso, y slo para ste: la probabilidad de no brindar el servicio. Por supuesto, esta probabilidad ser cero cuando la capacidad sea ilimitada. El anlisis de costos tambin resulta distinto. Hay que agregar el costo de los clientes que se pierden, que resultar significativo. M/M/c/K/K: fuente de llegadas finita y distribucin exponencial del tiempo de servicio Ahora se asume que el nmero de clientes que llegan al servicio es una cantidad fija y finita. Por lo tanto la tasa de llegadas es una funcin del nmero existente en el sistema: cuantos ms clientes estn presentes, menos van a llegar. Suponiendo que cada cliente decide de forma independiente y demandar el servicio aleatoriamente, y que el tiempo de servicio se distribuye exponencialmente, se pueden obtener todos los informes mencionados en la seccin Informes generados. Queda establecido que la poblacin de llegada es K >= c, de lo contrario es evidente que la cantidad de servidores es excesiva. Aclaracin: Esta nota sigue los lineamientos del manual del usuario del programa STORM, en cuanto a la secuencia de temas. Sin embargo, en cada caso se ha redactado teniendo en cuenta el resto de la bibliografa seleccionada, as como opiniones de la ctedra. Bibliografa: R. Bronson, Investigacin de Operaciones, McGraw Hill, 1983, captulos 21 a 24. H. Emmons, A. Dale Flowers, K. Mathur y C. Khot, Users Manual STORM. Quantitative Modeling for Decision Support, Case Western Reserve University, 1987, captulo 8. R. Faure, J.P. Boss y A. Le Garff, La Investigacin Operativa, Eudeba, 1978, captulo III. F. Hillier y G. Lieberman, Introduccin a la Investigacin de Operaciones, McGraw Hill, 1982, captulos 10 y 11.