Ona: MOoDELOS DE COLAS N ational Public TV esta Ilevando a cabo otro teletén con el fin de recabar fondos. El apoyo corporativo casi se ha ago- tado, y la red necesita abrir una fuente mas amplia de ingresos de los espectadores privados. La red tiene compromisos de vo- luntarios para encargarse de las lineas telefénicas durante el esfuerzo de cinco dfas, que es el tiempo que dura el evento, pero Ja administracién atin debe decidir qué sistema telefénicoesla ~ mejor alternativa. {Cudntas lineas de teléfono debe alquilar la red? La administracién no desea gastar el dinero que necesita desesperadamenteenla programacién de un nimeroinnecesario de lineas telefénicas. Sin embargo, la red no puede darse el lujo de que las personas que llaman para ofrecer dinero encuentren que la linea esta ocupada, 0 se les ponga a esperar tanto tiempo que cuelguen. ; i ; i Este capitulo le proporciona las herramientas que usted necesita para analizar la situacién de National Public |. TV, que, pertenece a unacategoriadeproblemasconocidos como modelos de colas. | (s hi \Morton ps coLAs Muchao industrins de productos y de ser Jos “productos” (o clientes) Hegan a una “eatacién” esper obticnen algtin tipo de “aorvicio” y luego anten del sister cjemplos: ¢ cola, en el que en una “fila” (0 cola), . Considere lon siguientes » ¢ Los clientes Hegan a un banco, esporan en una fila para obtener un servicio de uno de los cajoros, y después salen del hanco, + Las partes de un proceso de produceién Iegan a una estacién de trabajo particular desde diferentes eatnciones, esperan en un compartimiento para ser procesadas por una miquina, y luego son cnvindas a otra estacién de trabajo. hacor sus compras, los clientes eigen una fila en Ins cajas, esperan a que el cajero les cobre y nego salen de la tienda, + Las Hamadas telefinieas Hegan a un centro de resorvaciones de una aerol{nen, esperan al agente de ventas disponible, son atendidas por eso agente y dejan cl sistema cuando cl cliente cuelga, Los problemas administrativos relacionados con tales sistemas de colasseclasificanen dos grupos basic« 1. Problemas de andlisis. Usted podria estar interesado en saber si un sistema dado est4 funcionando satisfactoriamente. Necesita resjionder unao més delas siguientes pregunta: a, {Cudles cl tiempo promedio que un cliente tiene que esperar en la fila antes de sey atendido? b. {Qué fraccién del tiempo ocupan los servidores en atender a un cliente o en procesar un producto? €. {Cudles son el ntimero promedio y el méximo de clientes que esperan en la fila? Basdndose en estas preguntas, los gerentes tomardn decisiones como emplear onoaméas gente; agregar una estacién de trabajo adicional para mejorar el nivel de servicio; o si es necesario o no aumentar el tamafio del érea de espera. 2, Problemas de disefto. Usted desea disefiar las caracterfsticas de un sistema que logre un objetivo general. Esto puede implicar el planteamiento de preguntas como las siguientes: a, {Cuéntas personas 0 estaciones deben emplearse para proporcionar un servicio aceptable? b. gDeberdin los clientes esperar en una sola fila (como se hace en muchos bancos) o en diferentes filas (como en el caso de los supermercados)? ¢. {Deberd haber una estacién de trabajo separada que maneje las cuestiones “especiales” (como el caso del acceso a primera clase en el mostrador de una acrolinea? . {Qué tanto espacio se necesita para que los clientes o los productos puedan esperar? Por ejemplo, en un sistema de reservaciones por teléfono, ;qué tan grande debe ser la capacidad de retencién? Esto es, gcudintas Mamadas telefénicas se deben mantener en espera antes de que la siguiente obtenga la sefial de ocupado? Estas decisiones de disefio se toman mediante la evaluacién de los méritos de las diferentes alternativas, respondiendo a las preguntas de andlisis del grupo 1 y luego seleccionando la alternativa que cumpla con los objetivos administrativos. Slatema de colas mm Siatemn en el quo los Productos (o lon clientes) Hegan a eaperan en ws na extacién, afilato coln), obtiencn alygin tipo do nervicio y luego snton del sistoma,m2 Cartruvo 13. Monetos pe cots En el presente capitulo se proporcionan las técnicas para analizar un sistema de colas dado. Sin embargo, las técnicas matemdticas espeetficas dependen de In clase de sistema al cual pertenece su problema de colas. Estas clases, basadas en las caracterfsticas de les diferentes componentes del sistema, se presentan en la seccién 13.1, En la seccién 13.2, se describen varias medidas utilizadas para evaluar el Poblacién de clientes —_desempeiio de tales sistemas. Conjunto de todos los clientes posibles de un stoma de clas. H 13.1 Caracteristicas Proceso de legada DE UN SISTEMA DE COLAS La forma en que los clientes de la poblacion Megan a solicitar un servicio, Para analizar un sistema de colas, es mojor primero identificar las caracteristicas importantes que aparecen en la siguiente seccién de caracteristicas clave, y que se ilustran en Ia figura 13.1. Proceso de colas La forma en que los clientes esperan a que P seles dé un servicio. [> | CARACTERISTICAS CLAVE eee Disciplina de colas Las siguientes caracteristicas se aplican a los sistemas de colas: La forma en que los clientes ton elegidos ¥ Una poblacién de clientes, que es cl conjuntode todos los clientes posibles. Para proporcionarles ¥ Un proceso de HMegada, que es la forma en que Iegan los clientes de esa poblacién. ¥ Un proceso de colns, que ests conformado por (a) la manera en que los clientes esperan para ser atendidos y (b) la disciplina de colas, que es 1a Forma y rapidez con forma en que son elegidos para proporcionarles el servicio. que son atendidos ¥ Un proceso de servicio, que es la forma y la rapidez con la que es atendido los clientes. elcliente. ¥ Procesos de salida, que son de los siguientes dos tipos: Proceso de salida a, Loselementos abandonan completamente el sistema después de ser aten- Forma en que los didos, lo que tiene como resultado un sistema de colas de un paso. Por productos 0 los clientes ejemplo, como se muestra en la figura 13.2(a), los clientes de un banco abandonan un sistema esperan en una sola fila, son atendides por uno de los tres cajeros y, de colas. después de que son atendidos, abandonan el sistema. b. Los productos, ya que son procesados en tina estacién de trabajo, son trasladados a alguna otra para someterlos a otro tipo de proceso, lo que tiene como resultado una red de colas. Por ejemplo, los productos que se muestran en la figura 13.2(b) primero son procesados en la estacién de productos o los clientes trabajo A y después enviadosalnestacién BoC. Los productos terminados abandonan el sistema en.ambas estaciones, B y C, luego son procesados en la estacién D, antes después de ser atendidos de abandonar el sistema. : en un solo centro o estaci6n de trabajo. Sistema de colas de un paso Sistema en el cual los Se necesitan diferentes andlisis matemAticos para cada uno de estos dos tiposde procesos desalida. Enel presentecapftulosolamenteseconsideraran Red de colas sistema de un paso, Sistema en el que ; tun producto puede proceder de una estacién de trabajo y pasar aotra antes de abandonar el sistema. —_cién, El andlisis de un sistema de colas de un paso depende de las caracteristicas pre- cisas de los primeros cuatro componentes, que se analizardn con detalle a continua-CARACTERISTICAS DE UN SISTEMA DE COLAS. 131 m3 Proceso do legada, Poblactén do cliontos Figura 13.1 Componentes de un sistema de colas. 00 O _—_’ Clientes que esperan Uegada (a) 8 —+ aA Uegada c ) Figura 13.2 Proceso de salida de un sistema de colas. Clientes que esperan @OoOoO ee _——_ Proceso de colas Servidores Proceso do servicio 1» Salida D0 }—} SalidaTiempo entre Negndas Intervalo de tiempo que existe entre dos Megas sucesivas de clientes a un sistema de colns. 13.1.1 La poblaoién do elionten 11S Monee ne Cons Al tomar on cuenta In base da elionten, ta prinetpal proacupaelén en al famufo de tn poblaci#y, Para problonmt come lori de un bance ode an sy nimoro da clionton potonclalow on bantante penne Celanton o mitts), poblncidn na connidora, para fluow précticny, como nl fuera tnflnita, Al contrario, conaidore wna fibrien que Gone cuntro maquln doscomponon y requieron servicio day ano, lun miquinnn eatdn on lugar do Los eHlonten y ol tallor ox a euntrn do tamaito do In pablacién do ellontos, on ento ena, on dé nolamonta egatro, Hi poblacionen dondo Ta baso do pohlneién no considera infinite, 1 tanane 13.1.2 El proceso de legada veatlo, on donde ol win ie rend ww piracén an wn taller eapoctntizada, Bn ante rviclo, i nnilinin de 2 (os dectr, do tamano imitado) on mn complicnda quo el andlisty an F1 proceso de Hoeyada on In fornta on quo lon elionten Hogan a nolicitar an norvielo, Lat carncter Ja cantidad de tiempo entre dos ler micatras menor nea el intervalo de cual aumenta In domanda de ne lan suconiva jempo, con mu fr dinponit CARACTERISTICAS CLAVE. isten dos elasos hiiaiens do tiempos entre Heyadas: blo blaje, en donde los articulos Hegan a una extaeién en intervalos invs de tiempo (conocidos como cielos de tiempo). Y Probabilistico, en el cual el tiempo entre Hegndas 9 una distribucién de probabilidad. tien mas importante del proceno do Negada os ol Uempo entre Hogadns, que Ento lnpxo en importante porque tuencin Hegan Jos elientes, Jo Y- Determintstico, on el cual clientes sucesivos Hogan en un mismo intervalo de tiempo, fio y conocido, Un ejemplo clésico en el caso do una linea de ensam conivasi es incierto y varinble, Los tiempos entre Iegadas probabilfaticos ue deseriben mediante E elcaso probabilfstico, Ia determinacién dela distribucién real, a menudo, resulta dificil, Sin embargo, una distribucién, In distribucién exponencial, ha probado ser confiable en muchos problemas practicos. La funcién de densidad para una distribu- cién exponencial depende de un pardmetro, digamos (Ia letra griega lambda), y esté dada por: fe) = (We? en donde d (lambda) es cl mimero promedio de Hegadas por unidad de tiempo. Con una cantidad, 7, de tiempo, usted puede hacer uso de la funeién de densidad para calcular la probabilidad de que el siguiente clicnte Hegue dentro de las siguientes T unidades a partir de la Hegada anterior, do la manera siguiente: ar P (tiempo entre legadas < 1) = 1“que lleguen k 13.1 CaRACTURISTICAS DE UN SISTEMA DE COLAS Por ejemplo, si los clientes legan al banco con una rapide. promedio de = 20 por hora ysiun cliente acaba dellegar, entonces|a probabilidad de queel siguiente leguedentro de los siguientes diez minutos (es decir ¥ = /6 de hora) es: fq Otro planteamiento igualmente valido para describir el proceso de llegadasconsiste en utilizar Ia distribucién de probabilidad del ntimero de llegadas. Por ejemplo, usted podria estar interesado en la probabilidad de que dos clientes leguen dentro de los diez minutos exponencial con parémetro 2, 1a distribucién de probabilidad para el numero de Negadas se conoce como distribucién de Poisson y esté dada por: 70." T)* i P (tiempo entro legadas T= k) en la.que k! = kk - 1)... (2X1). Por ejemplo, cuando A = 20 entes por hora y T'= 1/6 de hora, la probabilidad de = 2 clientes en los siguientes diez minutos es: e700 (20/6)? i 2! g P,(tiempo de legadas en-10 minuto: 0.036 * 11.111 2 = 0.20 En este caso, elproceso de Ilegadas se cance como proceso de Poisson, pero en general, un proceso de Iegadas pucde obedecer a cualquier otra distribucién. 13.1.3 El proceso de colas Parte del proceso de colas tiene que ver con la forma cn que los clientes esperan para ser atendidos. Los clientes pueden esperar en una sola fila, como en un banco; observe Ja figura 13.3(a), éste es un sistema de colas de una sola linea. Al contrario, los clientes pueden clegir una de varias filas en la que deben esperar a ser atendidos, como en las cajas cobradoras de un supermercado; observe la figura 13.3(b), éste es un sistema de colas de lineas multiples. Otra caracterfstica del proceso de colas es el ntimero de espacios de espera en cada fila, es decir, el nimero de clientes que pueden esperar (o que esperardn) para ser atendidos en eada linea. En algunos casos, como en un banco, ese mimero es bastante grande y no significa ningiin problema prdctico, pues para cuestiones de andlisis la cantidad de espacio de espera se considera infinita. En contraste, un sistema telefénico puede mantener solamente un ntimero finito (es decir limitado) de llamadas, después del cual las Hamadas subsecuentes no tienen acceso al sistema. Las condiciones de espacio de espera infinito y finito requieren andlisis matemdticos diferentes. aR 6Omn t—o10MmiN" Or 2By) ns 6a t= 10 oO ‘iguientes, Cuando la distribucién de tiempos entre Ilegadas es una funcién Distribucién de Poisson Distribucién que describe In probabilidad de que se presenten un ntimero dado de legadas en un intervalo dado de tiempo, cuando cl tiempo entre Megadas sigue una distribucién exponencial, Proceso de Poisson Proceso aleatorio en que el tiempo entre llegadas ssucesivin si euna distribuci6n exponencial, ema de colas de una sola linea Sistema de colas en el ual los clientes esperan en una sola Ifnea para tener acceso al siguiente prestador de servicio disponible Sistema de colas de linens multiples Sistema de colas en ol cual los clientes que Megan pueden elegir una de varias lineas en Ia cual esperar a ser atendidos.716 Primero en entrar, primero on salir (PEPS) Disciplina de colas en 1a que los clientes son atendidos en cl orden en que van llegando. Primero en entrar, iiltimo en salir (VEPS) Disciplina de colas en la que el cliente que ha Negado més recientemente es el primero en ser atendido. peleceién de prioridad Proceso de Tlegadas en el que a cada cliente st le da una prioridad 9 de acuerdo a ésta es seleccionado para el servicio. . Sistema de cols de canal miltiple Sistema en el cual los clientes que legan pueden pasar a una de varias estaciones de trabajo posibles, Sistema de colas de cunal sencillo Sistema en el cual los clientes que legan pasan por una estacién de trabajo. Cartruto 13 Monetos ve couas CARACTERISTICAS CLAVE Otra caracterfstien del proceso do colas es Ja disciplina de colas, es decir, la forma on que los clientes que esperan son seleccionados para ser ntendidog. A continuacién presentamos algunas de las formas més comunes, : ¥ Primero on entrar, primero en salir (PEPS). Los clientes i . son. onl ordon on que van Ilegando a In fila. Los clientes de un Danco don supermercado, por ejemplo, son atendidos de esta manera, ¥ Ultimo en entrar, primero en salir (VEPS). El cliente que ha llegado més recientemente es el primero en ser atendido. Un ejemplo de esta disciplina se da en un proceso de produccién en el que los productos Megan a una estacién de trabajo y son apilados uno encima del otro. El trabajador clige, para su procesamiento, el producto que estén la cima de Ia pila, que fue el tiltimo que legé para ser procesado o para brindarle un servicio, Seleccién de prioridad. A cada cliente que llega se le da una prioridad y sele lige segiin ésta para brindarle el servicio, Un ejemplo de esta disciplina son los pacientes que Ilegan a la sala de urgencias de un hospital. Mientras més sovero sea cl caso, mayor seré la prioridad del “cliente”. Enel presente capitulo, sélo se analizaré la seleceién PEPS, que es la disciplina de colas mas comtinmente utilizada. 13.1.4 El proceso de servicio El proceso de servicio define cémo son atendidos los clientes. En algunos'casos, puede cxistir mAs de unaestacién en el sistema en la cual se proporcione el servicio requeritlo. Los bancos y los supermercados, de nuevo, son buenos ejemplos de lo anterior. Cada ventanilla y cada caja registradora son estaciones que proporcionan el mismo servicio. A tales éstructuras se les conoce como sistemas de colas de canal multiple. En dichos sistemas, los servidores pueden ser idénticos, en el sentido de que proporcionan la misma clase de servicio con igual rapidez, o pueden ser no idénticos. Por ejemplo, si todos los cajeros de un banco tienen la misma experiencia, pueden considerarse como idénticos. En este capftulo, se tomarén en cuenta solamente servidores idénticos. Alcontrariodeun sistema de! canal maltiple, considere un proceso de producciéncon “una estacién de trabajo que proporciona el servicio requerido. Todos los productos eben pasar por esa estacién de trabajo; en este caso se trata de un sistema de colas de canal sencillo. Es importante hacer notar que incluso en un sistema de canal Sencillo pueden existir muchos servidores que, juntos, levan a cabo la tarea necesaria. ‘un negocio de lavado a mano de automéviles, que es una sola estacién, bajan en un auto de manera simulténea. Ctra caracteristica del proceso de servicio es el niimero de clientes atendidos al mismo tiempoen unaestacién. En los bancos yen los supermereados (sistemas de canal ‘maltiple) y en el negocio de lavado de automéviles (sistema.de canal sencillo), colamente un cliente es atendido a la vez. Por ol contrario, los pasajeros que esperan enuna parada de autobiis son atendidos en grupo, sein a capacidad del autobis que Tlegue. En el presente capitulo solamente se verd el servicio de uno a la vez. Por ejemplo, puede tener dos empleados que tral aa13. CARACTIRIIICAS DE UN SISTEMA D6 COLAS O@O : Ss : Clientes que osparan Sorvidores (a) Ooo ae ©®O of] ‘que esperan © © 000 » = Servidores Figura 13.3 Sistemas de colas de (a) una sola fila y (b) miiltiples filas. Otra caracteristica mds de un proceso de servicio easi se permite onola prioridad, esto es, :puede un servidor detener el proceso con el cliente que esta atendiendo para dar lugar a un cliente que acaba de llegar? Por ejemplo, en una sala de urgencias, la prioridad se presenta cuando un médico, que est atendiendo un caso que noes critico, es llamado a atender un caso mas critico. En este capitulo, los modelos a analizar no permiten la prioridad, Cualquiera que sea el proceso de servicio, es necesario tener una idea de cudnto tiempo se requiere para llevar a cabo el servicio. Esta cantidad es importante debido a que cuanto més dure el servicio, mAs tendrén que esperar los clientes que llegan. Como en el caso del proceso de Hegada, este tiempo puede ser determintstico 0 pro- babillstico. Con un tiempo de servicio deterministico, cada cliente require preci- samente la misma cantidad conocida de tiempo para ser atendido. Con un tiempo de servicio probabilistico, cada cliente requiere una cantidad distinta ¢ incierta de tiempo de servicio, nr Prioridad Proceso de servicio en el cual un servidor puede interrumpir el servicio que esta * proporcionando para dar lugar aun nuevo cliente.Cartruto 13 MoDeLos DE coLAs Los tiempos do servicio probabilfsticos se deseriben mateméticamente mediante una distribucién do probabilidad, En la préctica resulta dificil determinar cudl es la Yetribucién real. Sin embargo, unu distribucién que ha resultado confiable en muchos apliaciones, comocuandose trata lensodebancosy supermercacloe, cola distribuctién exponencial. En este caso, su funcién de densidad depende de un parémetro, dignmos Qa letra griega my), y est dada por: . s(t) = (per en la que: j= nimero promedio de clientes atendidos por unidad de tiempo, de modo que Ln = tiempo promedio invertido en atender a un cliente. En goneral,cltiempodeserviciopuede seguir cualquier distribucién, pero, antes de que pueda analizar el sistema, usted necesita identificar dicha distribucién. 13.1.5 Clasificaciones de los modelos de colas a aa as mateméiticas ¢ ‘das, usted debe identificar las caracterfsticas de su sistema de colas, basado en’ de colas y de servicio, E] métod que el tamafio dk oe Comosemencioné al inicio del presentecapitulo, para. aplicar las técnic: apropia’ Ja poblacién de clientes y en los procesos de legada, de clasificacién presentado aqu{ pertenece a un sistema decolas en el Ja poblacién de clientes es infinita, los clientes que llegan esperan en una sola filay espacio de espera en cada linea es efectivamente infinito. CARACTERISTICAS CLAVE En este método, los simbolos describen las caracterfsticas del sistema. € Y Elproceso de legada. Este simbolo describe la distribucién de tiempo entre& egadas, que es uno de los siguientes: 1D para denotar que el tiempo entre llegadas es determintstico. b. M para denotar que los tiempos entre legadas son probabilisticos © siguen una distribucién exponencial. Cc ¢. Gparadenotarquelostiempos entrellegadasson probabilisticosy siguey tina distribueién general diferente a a exponencial. YB proceso de servicio, Bato sfmbolo describe 1a distribucion de tiempos §& servicio, que es uno de los siguientes: C srt) para describir un tiempo de servicio determintstic, I, Mipara denatar que los tiempos de servicio son probabilistices y siawg! ‘una distribucién exponencial. ©. G para denotar que los tiempos de servicio son probabilisticns y in ‘una distribucién general diferente a la exponencial., VY. Elproceso de colas. Este mimero, rep pavalelos existen,en el sistema. (Recuerde que se supone los servi . jdénticos en su rapidez de servicio.)13.2. MebIDAS DE RENDIMIENTO PARA EVALUAR UN SISTEMA DE COLAS Considere un sistema etiquetndo como M/M/3. La primera M indica que el tiempo entre legadas es probabilfstico y sigue una distribucidn exponencial. La segunda M denota que el tiempo de servicio es probabilfstico y sigue, también, una distribucién cexponencial, El 3 significa que el sistema tiene tres estaciones paralelas, cada una dando un servicio con la misma rapidez, CARACTERISTICAS CLAVE Cuando el espacio de espera y/o cl tamaio de Ia poblacién de clientes es finito, los dos siguientessimbolosadicionalesseinéluyen paraindicar estas limitaciones: Y Unniimero K que representa cl mimeroméximo de clientes que pueden estar nl sistema en cualquier momento (es decir, en servicio o en espera en la fila), Este ntimero es igual al ntimero de estaciones paralelas mas el mtimero total de clientes que pueden esperar para ser atendidos. 4 ¥ Un mimero L que representa el nimero total de clientes de Ia poblacién, Cuando se omite cualquiera de los simbolos, se supone que cl valor correspondiente 'és infinito. Por ejemplo, M/M/3/10 indica que el sistema tiene espacio para un niimero infinito de clientes, el nimero Keno se ha puesto, y que solamente 10 posibles clientes existen. * En la presfate seccién, usted ha aprendido que las caracterfsticas basicas de un sistema de colas incluyen el nuimero de clientes disponibles y los procesos de Ilegada, de colas y de servicio, Estas caracteristicas squtilizan para clasificar un sistema de modo que se puedan aplicar los apélisis mateniéticos adecuados para evaluar el desempefio del sistema, sobre la base de las medidas presentadas en la seccién 13.2. @ 13.2 MeEpmAs DE RENDIMIENTO PARA EVALUAR UN SISTEMA DE COLAS Elobjetivo ultimo dela teorfa de cola€consiste en responder cucstiones administrativas pertenccientes al disefo y a la operacién de tn sistema decolas. El gerente deun banco puede querer decidir si programa tres o cuatso cajeros durante Ia hora del almuerzo. En una estructura de produceién, el administrador puede descar evaluar cl impacto de Ja compra de una nueva maquina que pueda procesar los productos con mayor rapidez. Cualquier sistema de colas pasa por dos fases basicas. Por cjemplo, considere la cantidad de tiempo que los clientes ticnen que esperar en un banco durante el curso de tun dfa, como se muestra en la figura 13.4. Cuando el banco abre en la maviana, no hay nadie en el sistema, de modo que el primer cliente es atendido de manera inmediata. Conforme van llegando mas clientes, lentamente se va formando la cola y la cantidad de tiempo que tienen que esperar empieza a aumentar, A medida que avanza el dia, el sistema llega a una condicién en Ja que el efecto de la falta inicial do clientes ha sido climinado y el tiempo de espera de cada cliente ha alcanzado un nivel bastante estable, Como se indica en la figura 13.4, la fase inicial, que conserva los efectos de las con- diciones inicialés, se conoce como fase transitoria. Después de que los efectos de las condiciones iniciales son climinados, el sistema entra en una estado estable. A pesar de que las preguntas pertenecientes a ambas fases son importantes, esta seccién trata solamente sobre el comportamiento del estado estable. 79 Fase transitoria El periodo inicial de vin sistema de colas en que se conservan los efectos de las condiciones iniciales. Estado estable Condicién del sistema después de quese han climinado las condiciones iniciales720 Cartruio 13. Movetos DE cous. Tlompo do espera Medida de rendimiento Valor numérico que se utiliza para ovaluar los mritos de un sistema de colas en estado estable, Nimero do ‘Tiempo promedio = aE chents (on de espera CW) ‘anstofa estado establo arden de tegaes) ‘Tempo promedio que wn lente ave lees. tane Figura 13.4 Las fases de estado transitorio y estado eatable. que esperar en Ia cola antes de ser atendido, Tiempo promedio 13.2.1 Algunas medidas de rendimiento comunes enel sistema (W) : ‘Tiempo promedio que un Existen muchas medidas de rendimiento diferentes que se utilizan para evaluar un cliente invierte desde #u _gistema de colas en estado estable, algunas de las cuales se describen en la presente Negada hasta su salida seccién. Para disefiar y poner en operacién un sistema de colas, por lo general, los ad- de un sistema decolas. _ministradores se preocupan por el nivel deservicio que recibe un cliente, as{ como el uso apropiado de las instalaciones de servicio de la empresa. Algunas de las medidas que Longitud media se utilizan para evaluar el rendimiento surgen de hacerse las siguientes preguntas: dela cola (Ld . : . Nimero promedio de 1. Preguntas relacionadas con el tiempo, centradas en el cliente, como: Glientes que se a, {Cul es el tiempo promedio que un cliente recién Ilegado tiene que esperar encuentran esperando en ‘en la fila antes de ser atendido? La medida de rendimiento asociada es el 1a fila para ser atendidos. tiempo promedio de espera, reprgsentado con W,. b. {Cudl es el tiempo promedio que un cliente invierte-en el sistema entero, Numero medio incluyendo el tiempo de espara y de servicio? La medida de rendimicnto enel sistema (L) asociada es el tiempo promediogen el sistema, denotado con W. ‘Numero promedio 2, Preguntas cuantitativas perténecientes al ntimero de clientes, como: de clientes que se ‘a. Enpromedio, gcudntosclientesesténesperandoen lacola paraser atendidos? encuentran en el sistema La medida de rendimiento asociada es la longitud media dela cola, repre- a cualquier tiempo dado. sentada con L, b. 2Cuél es el ntimero promedio de clientes en el sistema? La medida de ren- dimiento asociada es el ntimero medio en el sistema, representado con L. Probabilidad de bloqueo (p) f Probabilidad de 3. Preguntas probabilfsticas que implican tantoa losclientescomoa los servidores, que un cliente que por ejemplo: llega tenga que esperar a. {Cudl esa probabilidad de que un cliente que Hegue tenga que esperar a ser atendido? La medida de rendimiento asociada es la probabilidad de blo- aser atendido. queo, representada por p,. b. En cualquier tiempo particular, {cudl es la probabilidad de que un servidor Utilizacién (U) Fracci6n de tiempo, en estéocupado? La: medida de rendimiento asociadaes]a utilizacién, denotada promedio, que un con U. Esta medida indica también la fracci6n de tiempo que un servidor esté servidor esté ocupado. ocupado.13.2 MrDIDAS DE RENOICYTO PARA EVALUAR UN SISTEMA D1 COLAS €. {Cudles la probabilidad de que existan n clientes en el sistema? La medida de regflimiento asociada se obtiene calculando la probabilidad P, de que no haya¥lientes en el sistema, la probabilidad P, de que haya un cliente en cl sistema, y asf sucesivamente. Esto tiene como resultado la distribucién de probabilidad do estado, representada por P,, 4. Si el eopacio de espera es finito, cual es 1a probabilidad de que la cola esté Mena y que un clien.. que egue no sea atendido? La medida de rendi- mientoasociadaesla probabilidadde negaciénde servicio, representada por Py. Preguntas relacionadas con los costos, como: 1a, {Cudl es el costo promedio por unidad de tiempo para operar cl sistema? b. {Cusntas éstaciones de trabajo se necesitan para lograr la mayor efectividad de costos? Eledlculo espeeffico de estas medidas de rendimiento. depende delaclase de sistema de colas, como se vio en la seccién 13.1. Algunas de estas medidas estén relacionades entre af. Conocer el valor de una medida le permite encontrar el valor de una medida relacionada. Tales relaciones generales se describen primeramente en la, seccién 13.2.2, antes de que se presenten los métodos utilizados para calcular estas medidas de rendimiento para un sistema de colas dado... 13.2.2 Relaciones entre medidas de rendimiento El céleulo de michas medidas de rendimiento depende de los procesos de llegada y de servicio del sistema de colas especifico. Recuerde, de la seccién 13.1, que en el caso pro- babilfstico, estos procesos son descritos matemsticamente mediante distribuciones de legada y de servicio. Incluso sin -onocer la distribucién especifica, las relaciones entre algunas de las medidas de rendimiento pueden obtenerse para ciertos sistemas de colas, tinicamente mediante el uso de los siguientes pardmetros de los prdcesos ¢e Megada y de servicio: : 2 = nGmero promedio de legadas por unidad de tiempo B mimero promedio de clientes atendidos por unidad de tiempo en una estacién Suponga una poblacién de clientes infinita y una cantidad ilimitada de espacio de espera en la fila. El tiempo total que un cliente invierte en el sistema es la cantidad de tiempo invertido en esperar en la fila m4s el tiempo durante el cual es atendido: { ‘Tiempo promedio } tiempo promedio | ,~ [ tiempo promedio en el sistema de espera de servicio El tiempo promedio en el sistema y el tiempo promedio de espera estén representadas por las cantidades Wy W., respectivamente. El tiempo promedio de servicio puede * expresarse en términos del pardimetro p. Por ejemplo, si p es cuatro clientes por hora, entonces, en promedio, cada cliente requiere 1/4 de hora para ser atendido. En general, el tiempo promedio de servicio es.1/p, 1o cual nos conduce a la siguiente relacién: w ma Distribucin de probabilidad de estado Probabilidad de que se encuentren n clientes f enel sistema de colas i cuando ests en. | estado estable. 1 Probabilidad de negacién de servicio (p,) Probabilidad de que un cliente que llega no pueda entrar al sistema |! debido a que la cola esté Hens.Cartruvo 13. Movevos DE couas | Considere ahora Ia relacién entre cl ntimero promedio de clientes en el sistema y el tiempqpromedio que cada cliente pasa en el sistema. Imagine que un cliente acaba de gee ‘copora que permanezca en el sistema un promedio de 1/2 hora. Durante esta i medimhora, otros clientes siguen llegando a una tasa A, digamos doce por hora. Cuando el clietite en cucstién absindona el sistema, después de media hora, deja tras de s{ un promedio do (1/2) * 12 = 6 clientes nuevos. Es decir, en promedio, existen seis clientes en cl sistema a cualquier tiempo dado. En términos de A y de las medidas.de rendi- miento, entonces: hi 7 ‘Tempe promedio niimero promedio tiempo promedio ' declientes {= { dellegadas por | *{ enelsistema : enel eistema unidad de tiempo de modo que: i Laatw (2) Utilizando una légica parecida se obtiene la siguiente relacién entre el niimero pro- medio.de clientes que esperan en la cola y el:tiempo promedio de espera en la fila: ‘Niiméro promedio numero promedio ) [tiempo promedio declientes ue} = { dellegadas por } * ena cola epuen’ Cen ebsistema le unidad de tiempo cole de manera que: L,=4*W, . @) Suponiendo que usted conoce lo8 valores ‘de 2 'y p para las medidas W, W,,Ly L,, se pueden encontrar a partir de las ecuaciones (1) a (3), ya que el valor de cusiquiera de * ellos esté determinado. Por ejemplo, suponga que i'es 12 y p es. 4'y que usted ha decerminado que L,; el mimero promedio de clientes que esperan en la cola, es 3: i S dl Laan, : W,= 7 (De (3) : “3 2 (3)) 7 3 Sabemnas * ' 12 Ws Wa 4 (0) = . 5 AL 1-4 eee Los awa = Lys AWG OY 1 4 ? WW (De (1)] H 1 4133 Awhuss pe uns 1USIS DE UN SISTEMA DE COLAS Dil UN SOLO CANAL DEUNA EOLA LINEA CON LLEGADA EXTONENCIAL Y PROCTSOG DE SERVICIO 723 Le xew (De (2)} 1 = 12+— 2 En resumen, conociendo 2 y p, se cumple Ia siguiente relacién: We wt u Leaew L,= A*W, En la presente seccién, usted ha aprendido las medidas de rendimiento utilizadas para evaluar un sistema de colas y las diferentes relaciones entre ellas. Encontrar los valores para teffes medidas depende de la clase especffica de modelo de colas que usted tenga. En las secciones 13.3 a 13.6 e0 muestra eémo encontrar estas medidas cuando se obtienen con un paquete de computacién, lf 13.3 ANALISIS DE UN SISTEMA DE COLAS DE UN SOLO CANAL DE UNA:SOLA LINEA CON LLEGADA EXPONENCIAL ¥ PROCESOS DE SERVICIO (M/M/1) Enla presente secci6n usted verd e6mocalcularlas diferentes medidas de rendimiento ~ descritas en la seeci6n 13.2 y eémo interpretar cl resultado de computacién adociado al ndlisis de un sistema de colas M/M/1. que consiste en lo siguiente: 1. Una poblacién de clientes finita. = infini Ye 2, Un proceso de Hegada en éT que los clientes se presentan de acuerdo con un proceso de Poisson con una tasa promedio de clientes por unidad de tiempo. Un proceso de colas que consiste en una sola Iinea de espera de eapacidad infinita, con una disciplina de colas de primero en entrar primero en salir, 4. Un proceso de servicio que ‘consiste en un solo servidor que atiende a los clientes de acuerdo con una distribueién exponencial con un promedio de p clientes por unidad de tiempo. Para que este sistema aleance una condicién de estado establo, Ia fasa de servicio promedio, n,debe ser mayor que la tasa de legadas promedio, 2. Si éste no fuera el caso, {a cola del sistema continuaria creciendo debido a que, en promedio, egarian més de Ohio Turnpike Commission. clientes que los que pueden ser atendidos por unidad de tiempo. Considere el problema \ MSA + Blade CARACTERISTICAS CLAVE « eS acca7m Formacién de cola EXIS.1A.DAT Intensidad de tréfico (p) Cociente de la tasa de Megadas, 2, entre Ja tasa de servicio, p. Cartruto 13 Montes pe coLas Fd posto , Figura 13.5. Sistema do colas para la estacidn de pesado en Ia autopista de Ohio EJEMPLO 19.1 EL PROBLEMA DE COLAS DE LA OHIO TURNPIKE COMMISSION 1a Comisién de la Autopista de Ohio (Ohio Turnpike Commission, OTC) tiene un numer” de jie] pesado de caminnes alo large de la autopista de cuota de Ob: para verifiear que el peso de fos vehfeulos cumple con has re wt federales. U valates estaciones se ilustra en In figura 13.5. La administracién de OTC est censiderando mejorar la calidad del servicio en sus estacignes de pesado y ha certeeignndo una de Ins instalaciones como modelo a estudiar, antes de instramentar fea cambios, La administracién desea analizar y entender el desempeno del sistem’ taal durante Ins horas pico, cuando llega a la béscula el mayor asimero de ‘eamiones, suponiendo que el sistema puede desemperiarse bien durante este periodo, el servicio ‘en cualquier otro momento sera atin mejor. Bl gerente de operaciones siente que el sistema actual dela figura 13. cumple con ins etry cooiiciones presentadas nnteriormente. Su siguiente paso es eeticiar las tasan promedio de Ilegada y de servicio en dicha estacién. De los datos disponibles, suponga que la gerencia determina que los valores son: j= niimero promedio de camiones que llegan por hora = 60 11= _nGimero promedio de camiones que pueden ser pesados por hora = 66 El valor de p = 66 es mayor que el de A = 60, de modo que es posible hacer el andlisis de estado estable de este sistema. 13.3.1 Calculo de las medidas de rendimiento En términos de los parémetros jy 2, los investigadores han derivado formulas para en cular las diferentes medidas de rendimiento descritas en la seccién 13.2 para cual- Gquier sistema de colas M/M/1. Estas formulas a ‘menudo se expresan en términos dea tensidad de trfico, p (Ia letra griega ro), que es elcociente de & sobre p. Para el problema de OTC, esta intensidad de tréfico es: = 0.9091seeds tet Stic es oe 19.3 ANAUSS DF UN SISTEMA DE COLAS DE IN S010 CANAL DE UNA SLA LINES CON LLEGADA ETUNINCIAL ¥ MRocr#O DE AHWVICIO 725) Mientras gods corca esté p de 1, mis cargado estard cl sistema, lo cual tiene como resultadadoles més largas y tiempos de espera mAs grandes, En térthinos dep, 4 y p, las medidas do rendimiento, parn el problema de OTC,» ealculan de la manera sijguiente: 1, Probabilidad de que no haya clientes en el sistema (P,): + P= 1-p 10.9091 = 0.0909 Este valor indica que aproximadamente 9% del tieinpo un eamidn que Hepa no tiene que esperar a que see proporcione el servicin parque Ia estacién de pesado std vacfa, Dicho de otra manera, aproximadamento 91% del tiempo un eamién que llega tiene que esperar. 2, Numero promedio en to fila (L,): L, -P (0.9091) 1-0.9091 ca 9.0909 Enotras palabras, en el estado estable, en promedio, la estacién de pesado pucto esperar tener aproximadamente nueve camiones esperando para obtener’ cl servicio (sin incluir al quo se est pesando). Cuando ya ha determinado un valor para L,, usted puede caleular los valores de W,, W y L, utilizando las relaciones derivadas en la seccién 13.2, de la manera siguiente: 3. Tiempo promedio de espera en lacola (W,): 9.0909 60 " 0.1515 Este valor indica que, en promedio, un camién tiene que esperar 0.1516 horas, aproximadamente 9 minutos, en a fila antes de que empiece el proceso de pesado. 4. Tiempo promedio de espera en el sistema (18): 1 Ws W,+— # |726 6. au Carita 13 Montes pr ecLas Este valorindica que, en promedio, un camién inv.erte0.1667 horas, 10 minutos, ages que Hoga hasta que sale, . Ntimero promedio en el sistema (L,): © new. 60 * 0.1667 = 10 : Este valor indica que, en promedio, existe un total de 10 camiones en la estacin de pesado, ya sea en la bascula o esperando a ser atendidos. Probabilidad de que un cliente que llega tenga que esperar (py: Dyes 1-Pyep : = 0.9091 Este valor, como se establecié en el paso 1, indica que aproximadamente 91% del tiempo un camién que lega tiene que esperar. Probabilidad de que haya n clientes en el sistema (P,): Pls pteP, Al utilizar esta férmula, se obticnen las siguientes probabilidades: 0.0909 0.0826 oo7s1 0.0683 Esta tabla proporciona la distribucién de probabilidad para el mimerodeca- | miones que se encuentran en el sistema, Los mimeros que aparecen en la tabla se pueden utilizar para responder una pregunta como: cual es la probabilidad de que no haya mas de tres camiones en el sistema? En este caso, la respues- tade 0.3169 se obtiene mediante la suma de las primeras cuatro probabiliiades de la tabla, para n = 0, 1,2 3. Utilizacién (W): U=p \ = 0.9091 . Este valor indica que aproximadamente 91% del tiempo las instalaciones de pesado estdin en uso (un camién esta siendo pesado). De manera equivctente,0A EXTONENCIAL ¥ FROCESOS DE SERVICIO. 727 413.3. ANAUSIs DE UN SISTEMA DE COLAS DF UN 50LO CAMAL DE UNA SOLA LINTA CON LU aproximadamente 9% del tiempo Ia estacién esté sin funcionar, sin que haya camiones que so estén pesando. . ws medidas de rendimiento para Las formulas generates para calcular estas diferente ‘nten infinita y una cpacidad un sistema de colas M/M/1 con una poblacién de clies jlimitada de dren de espera ae resumen en la tabla 13.1, en términos de los parémetros A ny p. Ahora que tsted yo conoce las fGrmulas para las diferentes medidas de Tondimiento, puede dejar que In computadora Ieve 1 cabo los céilculos y volver su * htencién a las cuestiones administrativas, como se describen en la seceién 13.5.2, 13.3.2 Interpretacién de las medidas de rendimiento ‘Alevalunrelsistema actual, Ia gorencia de OTC encuentra que muchas medidasde ren- | Gimiento estén dentro de los intervalos aceptables, Por ejemplo, un tiempo de espera | Ge WW-= 10 minutos para que un chofer pueda pasar por el proceso de pesado es algo Cazonable. Se tiene también que un promedio de L, = 9 camiones esperando para ser pesndos.es tolerable, pues la rampa de salida de la carretera tiene una capacidad do 16 amines, perola gerenciaest4 preocupada pues hay ocasionesenquelacolallegahasta Jn autopista. : PFU cle eld ret eM La de\un\sistema de colas, M/M/1, FORMULA GENERAL MEDIDA DE RENDIMIENTO Namero promedio en ta fila i | | Tiempo promedio de espera en el sistema Namero promedio en ol sistema Probabilidad de que no haya clientes en el sistema } Probabilidad de que un cliente que llega tenga que esperar Probabilidad de que haya n-lientes en el sistema Utiizacién Paracalcularlaprobabilidad de que estosuceda, usted debecalcular la probabilidad deque el nimero de camiones en el sistema sea de 17 o mas (uno siendo atendido y 16 mis esperando.en la rampa). Este nimero se obtiene sumando las probabilidades P., de que n eamiones se encuentren en el sistema, para n — 17, 18, . . Esto tiene como resultado un valor de 0.20, es decir, aproximadamente 20% del tiempo los eamiones sobrepasardn larampacompletay llegarén hastala autopista. Como éste noes un nivel aceptable de desempefio la gerencia desea mejorar la eficiencia global del sistema, no solamente por la raz6n anterior, sino también porque se prevé un aumento en el tréfico de camiones sobre la autopista on el futuro cercano. Un informe reciente indica que OTC deberia planear una tasa de llegada pico de aproximadamente 70 camiones por hora, en vez del actual valor de 60.iz 2 Formacion do cola EXIS_ABDAT Cart L)) Monren pe cots Para tender estas cuestionos, Ia geroneia do OTC ha propueato contentar wn trnbajador adicional, lo cual tondria como resultado un aumento en la eficlencin de aproximadamonto 10%, Esdecir,conenta personaextra, nproximadamonto 73 enmiones edo aporneione, porhora pueden ser pesid ke Te ha pedido n usted que evaltio ol impacto de tn propuosta, sto andlisis puedo Hovarse a cabo utilizanda tus formulan do tn seeelén V.0.1. Solamonte cambian Ia tasn de sorvieio y de ognda, Lon reaultadon que so ohtjenen al Utilizar la seecién de colaa del programa STORM para culewlar laa diforonteszmedids do rendimiento para ef nuevo sistoma, on of cual La tana do norvicio y do Hoytada do se dan on In figura 13.6, Las primeras trea ineas del informe dela figura 13,6 muestran losdatosde entrada, Especfficamente, eate sistema consiste on un servider, con una tas do Hoytadn do 20 camiones por hora, y una tasa do servicio do 73 camiones por hora, La parte restante de dicho informe enumera los valores de lng diferentes medidas de rendimiento, La gerencia esta particularmento preocupada tanto por ol tiempo promedio que un conductor de camién invierte en el sistema como por el niimero esperado de camiones que esperan en la rampa, Do los resultados que se presentan en Io figura 13.6, usted puede informar que, en promedio, un conductor de eamién pasa 0.8333 horas (20 minutos) desde el inicio al final del proceso, ‘También quo ol ntimero promedio de camiones que esperan en In rampa es de aproximadamente 22. Estas medidas de rendimiento son confirmadas por el resultado obtenido con SQB, presentado en a figura 13.7. La primera linea del informo muestra laa tasas do Hegada ¥ de servicio, El tiempo promedio que un conductor de camién pasa en el sistema (WV) es de 0.332712 horas, que es ligeramente distinto que el presentado en la figura 13.6, aebido al error de redondeo, Se tiene tambien del resultado obtenido con SQD, figura 13.7, que el mimero promedio de camiones que esperan en la rampa (L,) 8 de 22.3308, ligeramente distinto del valor de 22.3744 reportado en In figura 13.6, debido al error de redondeo. Basfindose en estos resultados, In gerencin de OTC encuentra que tal nivel de ren~ dimiento es inaceptable, no sélo porque los conductores se quejardin del hecho de tener que tardar 20 minutos en el sistema, sino también porque In longitud de cola esperada ‘The Problea of the Ohio Turnpike Conniscion ore: N/M / Cc QUEUE STATISTICS Number of identical servers. . 6... 5 1 Meanfarrivaljraten (fj 5 ’ 70.0000 Moan service rate por server... 6... 73,0000, Mean server utilization (fo... 25.6 95.8908 Expected munber of custenera in queue... 22.3744 Expected number of custoners in system... 23.3333 Probability that a customor must wait... 0.9589 Expected tine in the queue... 2... 0.3198 Expected time in the systea . Boe 0.3333 Flduta 44 Musultado obtenido con STORM para cl problema de colas M/M/1 de, OTC, conk=70y p= 73.‘134 ANAUSIS DE UN SISTEMA DE COLAS DE CANAL MOLTILE DE UNA SOLA LINEA CON LLEGADA EXTONENCIAL Y PROCKO6| Final Solution for the Problem of tho OTC MH With labda = 70 customers per hour and f = 73 custonera per hour Overall system offoctive arrival rate = 69.9994 por hour Ovorall systos effective service rate = 69.9994 per hour Overall syaten effective utilization factor 0.958904, Average nuaber of custozers in the cystex (L) = 23.2897 Averoge number of customers in the queue (Lq) = 22.3308 Avorago tine a custozor in tho oysten (W) Average tise a custoner in tho quoue (iq) The probability that all servore are idle (Po) = 0.041105 The probability an arriving custoner vaita(Py) = 0.958895 Probability of n Custonors in the Systen PCO) = 0.04110 P(1) = 0.03942 0.332712 hour 0.319014 hour Figura 13.7 Resultado obtenido con QSB para el problema de colas M/M/I de OTC con, he TOyn= 73, de 22 camiones excede con mucho In capacidad disponible de 15, lo cual podria tener .gomo consecuencia un posible accidente de tréfico en In autopista, Para obtener niveles de rendimiento aceptables, se ha propuesto otra alternativa, a saber, la construccién do una segunda béscula del otro Indo de Ia estacién de pesndo, Utilizando el | gersonal actual para que opere ambas bfsculas, las estimaciones de la gerencia tend¥an como resultado una eapncidad de peso de aproximadamente 40 camiones por hora en cada bisculn, De nuevo, se le ha pedido que evaliic In presente propuesta, En este caso, sin embargo, usted no pucde utilizar los resultados obtenidos en la secci6n 13.3.1. Estoes as{ debido a que ahora el sistema propuesto tiene dos servidores, y cl andlisis de la seccién 13.3.1 s¢ aplica a un sistema con solo un servidor. El andlisis apropiado se presenta en la seccién 13.4, 13.4 ANALIsIs DE UN SISTEMA DE COLAS DE CANAL MULTIPLE DE UNA SOLA LiNEA CON LLEGADA EXPONENCIAL Y PROCESOS DE SERVICIO (M/M/c) Enla presente seccién, usted verd cémocalcularlas diferentes medidas de rendimiento descritas en la seccién 13.2, y c6mo interpretar los resultados asociados obtenidos con ‘computadora para analizar un sistema de colas M/M/c consistente en lo siguiente: 1, Una poblacién de clientes infinita. 2. Unprocesode llegada en el que los clientes se presentan de acuerdo un proceso de Poisson con una tasa promedio de 2 clientes por unidad de tiempo. 3. Un proceso de colas que consiste en una sola fila de espera de capacidad infinita, con una disciplina de colas de primero en entrar, primero en salir. 4. Un proceso de servicio que consiste en c servidores idénticos, cada uno de los, cuales atiende a Jos clientes de acuerdo con una distribucién exponencial, con una cantidad promedio, p, de clientes por unidad de tiempo.730 Formacién de colas OTC_MM2,.DAT Cartruto 13, Moprtos De coLas do posado Figurn 13.6 Sistomn do colas con dos bfisculas, para el problema de OTC. Fate sistema es distinto al sistema M/M/1 de In seccién 13.3 vinicamente en el paso 4, que nos permite tener e servidores en lugar de sélo uno, Para que un sistema M/M/c ‘nleance una condicién de estado estable, la tasa total promedio de servicio, c* , debe serestrictamente mayor que la tasa promedio de legadas, 2. Si éste no fuera el caso, 1a cola del sistema continuaria creciendo debido a quo, en promedio y por unidad de tiempo, Hegarfan més clientes que los que pueden ser atendidos. Recuerde In tiltima propuesta de OTC de construir una segunda bscula en 1a estacién de pesado, seguin se describié en laseccién 13.3.2 y se ilustré en la figura 13.8. Esta propuesta tiene como resultado un sistema con dos servidores, dos basculas, y 1a siguiente cstimacién de legada, utilizando el personal actual: c= 2servidores A= 70 camiones por hora j= 49 camiones por hora en cada béscula + El valor de c* 1 =2* 40 = 80, es mayor que cl de 2 = 70, de modo que se puede llevar ‘a cabo un anélisis de estado estable para este sistema. 13.4.1 Cdlculo de las medidas de rendimiento Los investigadores han derivado formulas para calcular las diferentes medidas de rendimiento de un sistema de colas M/M/e, en términos de los pardimetros pty 2. Estas formulas, de nueva cuenta, se expresan en, términos de p, que es el cociente de sobre 1. Para el problema de OTC: = 1.15 aulTRA ANALIRS 08 Un SSFTIMA.D5 COLAS DF CANAL MOLTITUE OF UMA SOLA LINTA CON LLEGADA FXTONENCIAL ¥ FROCEION De ERI’ 731 En términos do p, dy pt, Ins medidas do rendimiento para ol problema do OTC a0 caleutan do In manera siguionte; 1, Probabilidad do que ningin clionte oxté en ol nistoma (2): Pe ( fe fg Fs per ee rr ial = 0) u (c= DI donde ykl=k(k=-1)...1(y 0! = 1), Para el problema de OTC en el cual p = 1.75 yer?, Se (75 (1.75) . nl Oo u 141.75 2.15 oa 0 (1.75) 2 a * 2-495 1.53125 * 8 12.25 1 2.75 + 12.25 1 15 0.06667 1 Este valor de P, indica que nproximadamente 7% del tiempo, Ia estacién de pesadoesté vacta. + 2. Numero promedio en la fila (L,): po 1 te-m eae *P 1.75) i Ve = OF, 1 eg cgesr \ ou (2-1.75" = 5.359375 © 16 * 0.06667 = 6.7167 © Dicho con palabras, en promedio, la estacién de pesado puede esperar tener aproximadamente seis camiones esperandoa ser atendidos (sin incluir al que ya esti en la béscula), i :ee Cartruto 13, Monrtos pr CoLAs Ahora que ya se ha determinado un valor para L,, los valores de W,, Wy L pueden calcularse utilizando la relacién derivada en In seecin 13.2: 3, Tiempo promedio de espera en la cola (W,): = 0.081667 Este valor indica que en promedio, un camién tiene que esperar 0.0817 horas, aproximadamente 5 minutos, en la fila antes de iniciar el proceso de pesado. We Wi+— 1 0.081667 + — 40 0 0.081667 + 0.025 0.10667 4 Este valor indica que en promedio, un camién tiene que esperar 0.10667 horas, aproximadamente 7 minutos, desde que llega hasta que sale de la estacién. 5. Numero promedio cn el sistema (L): L=aw = 70* 0.10667 = 74667 Este valor indica que, en promedio, se tienen entre siete y ocho camiones esperando en Ia estacién, ya sea en la bascula o en espera de ser atendidos. Probabilidad de que un cliente que llega tenga que esperar (p,): 1 fey 1 = > * (L75F * * 0.0666" a 5 7 = 0.5 * 3.0625 * 8 * 0.06667 = 0.81667 Este valor indica que aproximadamente 82% de las veces un camién que llega tiene que esperar o, de manera equivalente, aproximadamente 18% de las veces. un camién que llega es pesado sin que tenga que esperar.13.4 ANAUSIS DR UN SISTEMA DE COLAS DE CANAL. MOLTIPLE DB UNA SOLA LINEA CON LLEGADA EXTONENCIAL ¥ PROCTSO5 DE SERVICIO 733 7, Probabilidad do quo haya n clientes cn ol sistema (P,): Sinse: nl Al utilizar esta férmula se obtienen las siguientes probabilidades: a P, ° 0.06667 J 0.11667 2 o.10210 Sin>c Po Po * ° * Tene "Po Al utilizar esta férmula, se obtienen las siguientes probabilidades: a P, —-—____ 3 0.08932 4 0.07816 | 3 : | Estas tablas proporcionan la distribucién de probabilidad para el nimero de camiones que hay en el sistema. Las cantidades que aparecen en tales tablas se pueden utilizar para responder preguntas como: euél es la probabilidad de que al menos una béscula no esté funcionando? Esta probabilidad es In misma que la probabilidad de que haya menos de dos camiones cn el sistema, Sumando lasdos primeras probabilidades dela tabla paran = Oy 1, sc obtiene la respucsta: 0.18334, 8. Utilizacién (U): w= rf C+ (2) yee) n, [e(a) #] 1 ~ [0.06667 + (0.5 * 0.11667)] 1-0.125 . 0.875 8 Este valor indica que cada bascula-est4 ocupada 87% del tiempo.7 BUATU Eel dtc Kesey Cartruto 13° Mooetos 0¢ Cotas En Ja tabla 13.2 se resumen Ins férmulaa para un sistema de colas M/M/c con una poblacién infinita de clientes y un fren de espera do capacidad ilimitada, en términos de los pardmetros A, 11 yp. Observe que cuand estas formulas tienen o resultado lox miamos valorea de ng medidas de rondimiento de an sistema MM/S, deriva’ Inaeceidn Eh. United p ahora dejar que tn computadorn efectioentos cfileulos y dirigir su nteneién a cucstiones gerenciales CE Cur Tol a Meal A WD MEDIDA DE RENDIMIENTO. FORMULA GENERAL, Probabilidad do que no haya clientes en el sistema 'Nimero promedio en la fila Tiempo promedio de espera en ta cola Tiempo promedio de espera en el sistema Nimero promedio en el sistema Probabilidad de que un clionte quo llega tenga que esperar Probabilidad de que haya nclientes en el sistema (n< c) Probabilidad de que haya nclientes en el sistema (n> c) Utiizaci6n =) Pew “(Ze | Formacién de cola OTC_MM2.DAT 13.4.2 Interpretacién de las medidas de rendimiento Los resultados de la evaluacién de las férmulas de a tabla 13.2 con el paquete de cémputo STORM, para el sistema de colas propuesto para OTC, se muestran en la figura 13.9. Las primeras tres lineas del informe de la figura corresponden a los datos, de entrada, Este sistema tiene una tasa de legada de 70 camiones por hora y dos _ servidores, con una tasa promedio de servicio de 40 camiones por hora en cada servidor. El informe de la figura 13.9 también enumera los valores de las medidas de rendimiento. Usted puede informar a la gerencia sobre el tiempo promedio que un13.4 ANAUISIS DE UN SISTEMA DE COLAS DE CANAL MULTIFLE DE UNA SOLA LINEA CON LLEGADA EXPONENCTAL ¥ PROCESOS DE SERVICIO 735 conductor de camién tiene que invertir en el sistema y el numero esperado de camiones que esperan en la rampa: En In altima Ifnea del informe de Ia figura 13.9, usted pucde observar que, en promedio, un conductor espera 0.1057 horas (aproximadamente 7 minutos) desde que entra hasta que sale, También, que el niimero promedio de ca- miones que esperan en la rampa es de aproximadamente 5.7167. Lia gerencia de OTC encuentra accptable este nivel de rendimiento. Sin embargo, Jn gerencia de nuevo se pregunta si Ia fila de camiones legart hasta Ia autopista, Este suceso se presenta cuando hay dos camiones en la bascula y mas de 15 esperanda en Ja rampa, {Cudl es a probabilidad de que mia de 17 camiones estén en cl sistema en cualquier momento? Se puede utilizar cl informe de STORM, figura 13.10, para responder a esta pre- gunta. Especificamente, Ia probabilidad de que se presente este caso se obticne su- mando las probabilidades de la figura correspondientes a cadu valor den = 18, 19, ..La probabilidad resulta ser de 9.6%. Si tal valor no es aceptable, deben sugerirsamodclos alternativos. Por ejemplo, la contratacién de una persona més para aumentar la tasa de servicio, o el aumento de la capacidad del frea de espera teniendo dos filas en lugar de una sola, podrian ser sugerencias apropiadas. Las medidas de rendimiento para este problema son confirmadas por el resultado obtenido con el paquete de computacién QSB, mostrado en Ja figura 13.11. La primera linea de tal informe muestra In tasa de legada de 70 camiones por hora y la tasa de servicio de 40 camiones por hora en cada biscula. La cantidad promedio de tiempo “que un conductor tiene que invertir en el sistema (I¥) es de 0.106667, In misma reportada en la figura 13.9. El ntimero promedio de camiones que esperan en la rampa para ser pesados (L,) es de 5.716664, que también es el mismo que se muestra en la figura 13.9. y Usted ha visto cémo caleular ¢ interpretar las medidas de rendimiento para un sistema de colas M/M/c, tanto a mano como con una computadora. Cuando solamente hay uno o dos sistemas alternativos para analizar, a' menudo, se puede hacer una eleccién aceptable basindose en las medidas de rendimiento. Sin embargo, cuando se tienen disponibles muchas alternativas, a veces debe incurrirse en costos de infor- macién adicionales para seleccionar la mejor alternativa, segtin se describe en Ja seccién 13.5. The Problen of tho Ohio Turnpike Commission orc: My N/C QUEUE STATISTICS Wer of Mdntiesh sorvre os 2 feanariver rates creel scl sr lc 1 9.000 Mean service rate gor gover’ ©2111 1 9.00 Mean server utilization (%) . . - . . 87.5000 tipeceed mater of eustoserg tn qnce | 2) Bier Eayecad vice of cesteees fo ryston rer prebniiey that's custene wart ovat Expected lon inthe due ove | | tspeeed cine inthe ayston | over ‘ ato - essen ale 2 Far Boas ee : | Figura 13.9 Medidas de rendimiento obtenidas con STORM para el problema de dos servidores de OTC.— ae CARMAO TS Moores ny axas The Problez of the Ohio Turnpike Commission Oe N NS PROBABILITY DISTRISUTION OF MUNSER Hunter Pro 0 0.1 0.2 OR Ot as O.052816 0.0858] 44+ e.o4011 0.0269) +¢~ 13. 0.02351+6. 14 0.02061 16 0.01871 17 0.01381 18 0.01211 19 0.0108), 20 0.00921 ¢~. 21 0.008114 22. 0.0071 1+~. 0.00821 + Figura 13.10 Probabilidad obtenida con STORM de que haya n camiones en el sistema de Final Solution for the Problea of the OTC wer With lasbda * 70 custorers per hour and f = 40 custeners por hour Overall systea effective arrival rate © 70,0000 pet hout Gverall cysten effective service rate = 70.0009 per hour Overall systes effectave utilization factor « 0.875001 Average nusber of custozers in tho systes (L) * 7 48666e Average nusber of custosers in the queue (Lq) = § 716664 4 Average tage a custoner in the system (h) © 0.108867 hour Hl | Average tine a custoner in the queue (Wq) = 0.081867 hour i The probability that all sorvers are idle (Po)* 0.066667 The probability an arriving customer vaita(Pe)= 0.816667 Probability. of n Custorors in the System PCO) = 0.06667 PCA). = 0.11667 Figura 13.11 Medidas de rendimiento obtenidas con QSB para el problema de dos servidores de OTC,13.5 ANAUSts ECONOMICO DR Los StSTEMAS DE COLAS 1 13.5 ANALISIS EcoNéMICO DE LOS SISTEMAS DE COLAS En a seccién 13.4, usted viola ventajade tener méndeunnervidor, wonber, lureduceién del tiempo de espera y del mimerode clientes que eaperan a ser atendido: mientras més servidores so tengan, mejor seri el servicio « los clientes, Sin embargo, cada servidor implica coston de operacién. gDe qué manera evalia usted este cquilibrio entre nivel de servicio y costo? En el ejemplo de la Ohio Turnpike Commiasion de Ia seccién 13.4, In decisign de poner en operacién dos biisculas, es decir, tener dos servidores, eat basada exclu- sivamente en el logro de un nivel aceptable de servicio, lo que en este caso significa asegurar tiempos de espera y colas de tamafio razonables. En algunos problemas, es posible utilizar informacién sobre costos para llevar a cabo un andlisis econdmico del equilibrio entre el niimero de servidores y el nivel de servicio al cliente. Considere el problema de American Weavers, Inc, EJEMPLO 13.2 PROBLEMA DE COLAS DE AMERICAN WEAVERS, INC. American Wea- vers, Inc., tiene una planta de manufactura de tela en Georgia. La planta tiene un gran niimero dé méquinas tejedoras que con frecuencia se atascan..Estas mfquinas son reparadas baséindoso en el procedimiento de la primera en entrar, la primera en sor révisada, por uno de los sicte miembros del personal de reparacién. Durante varios recorridos, la gerente de produccién ha obscrvado que, en promedio, aproximadamente de 10. 12 méquinas estén fuera de operacién en cualquier momento debido aqueestin atascadas. Ella gabe que contratar personal de reparaciones adicional bajarfa el niimero de méquinas sin funcionar, lo cual traerfa como consectiencia un aumento en la produccién, pero no sabe a cudntas personas més deberfa contratar. Como ascsor administrativo, se le ha mandado llamar a usted para que ayude a determinar dicho nimero. @ 13.5.1 Modelo y andlisis del sistema de colas actual El primero paso que debe dar consiste en analizar las condiciones de operacién actuales: Debe reconocer que-las méquinas tejedoras conforman un modelo de colas. Los clientes estan constituidos por las mdquinas que se atascan de vez en cuando. Existe un gran mimerode talesméquinas, de modoque podriasuponer, razonablemente, que la poblacién de clientes es infinita. Se tienen siete servidores independientes ¢ idénticos que reparan las méquinas basindose en una estrategia de primera en entrar, primera en darle servicio. Usted puede pensar en estas maquinas formando una sola fila en espera de pasar con el siguiente servidor que esté disponible. * Para modelar esta operacién, el siguiente paso consiste en reunir y analizar los datos correspondientes a los procesosde llegada y de servicio. Suponga quese tiene que: 1, La aparicién de méquinas atascadas puede ser aproximada por un proceso de Megada de Poisson con una tasa promedio de 25 por hora, 2, Cada méquina atascada requiere una cantidad aleatoria de tiempo para su reparaci6n, que puede ser aproximada por una distribuci6én exponencial con un tiempo promedio de servicio de 15 minutos, lo cual, para cada servidor, significa una tasa promedio de cuatro maquinas por hora, Con estas observaciones, el sistema actual puede modelarse como un sistema de colas M/M/7, con 2 = 25, » = 4 y una poblacién y un area de espera infinitas, 737 Formacién de cola EX13_2A.DAT738 Cartruto 13. Monrtos fe couas wat He QUEVE STATISTICS Nunber of identical servers Mean arrival rate. . ean service rate por server Moan server utilization (%) Expected number of custoners in queue Expected number of custoners in systen Probability that a customer must wait Expected time in the queue Expected time in the systen . Se ESTEE ETE =a Figura 13.12 Medidas de rendimiento obtenidas con STORM para el problema de American Weavers, Inc, con siete reparadares Los resultados obtenidos con el paquete STORM con respecto a las medidas de rendimiento se presentan en la figura 13.12, Como puede ver, el gerente de produceién habia estimado con bastante precisién cl hecho de que entre 10 y 12 méquinas estén atascadas, en promedio; en cualquier momento. De hecho, ese mimero en el informe es de 12.09, La ultima linea del reporte indica que las maquinas atascadas estén fuera de operacién durante un tiempo promedio de 0.4839 horas, aproximadamente 29 minutos. Como asesor, se le ha pedido a usted que recomiende el ni icionales que se neces ero de reparadores: jan contratar. Usted conoce las medidas de rendimiento de un total de siete trabajadores. {De qué manera cambian las medidas de rendimiento si se aumenta el personal de reparacién? Las medidas de rendimiento asociadas para un ntimero entre 7 y 11 reparadores se muestran en la tabla 13.3. A medida que aumenta el tamaiio del personal de 7 a 11, el nimero promedio de méquinas fuera de operacién disminuyedeaproximadamente 126.333. Similarmente, Ja cantidad promedio de tiempo que una maquina esté fuera de operacién disminuye de 0.4839 horas (aproximadamente 29 minutos) a 0.2533 horas (aproximadamente 15 minutos). Ahora necesita informacién sobre los costos para determinar cudntos reparadores adicionales, si se requieren, deben contratarse. TABLAS, (Roce oboe Oui CEN UCC La ner eeu Nc Id NUMERO DE REPARADORES. ao 8 9 10 " Utiizacién (%) 89.2857 78.1250 69.4444 62,5000 56.8182 ‘Nomero esperado en ta cola 50473 1.4996 0.5363 0.2094 0.0890 ‘Numero esperado en el sistema 12.0973 7.7436 6.7863 «6.4594 6.9390 Probabilidad de quo un cliente . tenga que esperar 07017 0.4182 0.2360 0.1257 0.0630 ‘Tiempo esperado en la cola 02339 0.0597 0.0215 0.0084 0.0089 ‘Tiempo esperado en el sistema 0.4839 0.3097 0.2715 0.2584 0.2503138 ANALEIS LCONOACU DF LOS SITEAIAS DE COLAS 13.5.2 Andlisis de costos del sistema de colas Al analizar los méritos de Weav usted deb ntratar personal do repari én adicional en American fn identit ar los componentos importantes: Un costo por hora basado en el tamaio del personal, { Coste total de }- costo por hora para |, f ntimerode personal por hora cada reparador reparadores Un costo por hora basado en ol niimero de méquinas fuera de operacién: Costo total costo por hora para niimero promedio por la =f eadamdquina fuera } * {de ménuinas fuera espera de operacién de operacién Para seguir adelante, necesita ahora conocer el costo por hora de cada miembro del porsonal de reparacién (denotado con ¢,) y el costo por hora de una maquina fuera de operacién (denotado porc,), quees el costo de una hora de produccidn perdida, Suponga que el departamento de contabilidad le informa que eada reparador le cuesta a la compania $50 por hora, incluyendo impuestos, prestaciones, ete. El costo de una hora de produccién perdida deber4 incluir costos explicitos, como la cantidad de ganancias no obtenidas, y costos implcitos, como Ia pérdida do voluntad por parte del cliente si no se cumple cop la fecha limite de entrega. Estos costos implicitos son dificiles de estimar. Sin enfbargo, suponga que el departamento de contabilidad estima que la compaiiia picrde $100 por cada hora que una maquina esté fuera de operacién. Ahora ya puede caleular un costo total para cada uno de los tamaiios de personal, Para un personal de sicte reparadores, el mimero esperado de méquinas en cl sistema es 12,0973 (véase la tabla 13.3), de modo que: Costo total (costo del personal) + (costo de Ia espera) “costo por hora + { mimero de + por persona reparadores costo por hora por miintero esperado { (i maquina ss) * (de méquinas fuera de operacién de operacién 0 (50 * 7) + (100 * 12,0973) $1559.73 por hora 0 Realizando célculos parecidos para cada uno de los tamaiios de personal restantes se tiene como resultado los costos por hora de cada alternativa que presentamos en la tabla 13.4 i De los resultados, usted puede ver que la alternativa que tiene el menor costo por hora, $1128.63, es tener un total de nueve reparadores. En consecuencia, su recomen- dacién a la gerencia de produceién de American Weavers, Inc., es contratar a dos repa- radores adicionales. Estos dos nuevos empleados tendrin un costo de $100 por hora, pero este costo adicional est4 mis que justificado por los ahorros que se tendréin con menns magquinas fuera de operacién. La recomendacién reduciré el costo por hora de $1559.73 a $1128.63, un ahorro de aproximadamente $430 por hora, mayor que la cantidad que cubre sus honorarios. a9Cartruto 13. Mopstos pe couas 740 COC ean euie NTeaene TAMAFO DE NUMERO ESPERADO PERSONAL __ENELSISTEMA _COSTO PORHORA(S) 7 120979 (50"7) + (100120973) = «1559.73 8 77496 (50°8) «(100° 7.7436) = «1974.96 9 67863 (509) + = (10076.7863) = 1128.63 10 64598 (5010) + © (10064594) = 115.94 " 63990 (50°11) + © (006.3330) = «1189.90 . => CARACTERISTICAS CLAVE En resumen, para evaluarun sistema de colasenel que usted controla el ntimero de servidores o su tasn de servicio, se necesitan Ina siguientes estimaciones de costo y medidas de rendimiento: ¥ Elcosto por servidor por unidad de tiempo (c,). ¥ Elcosto por unidad de tiempo por cliente esperando en el sistema (cy). ¥ El numero promedio de clientes en el sistema (L) Por cada alternativa que implique c servidores, calcule el siguiente costo total por unidad de tiempo: Costo total por unidad de tiempo con c servidores = (costo de los servidores) + (costo de la espera) 7 costo por servider \ | ( nimerode = 4 (por unidad de tiempo servidores costo por cliente niimero esperado por unidad *( — declientes en de tiempo cl sistema = (c5*C) 4 (cy *L) }0, seleccione la alternativa que ofrezca el costo total m{nimo por unidad Pordl de tiempo, @ 13.6 ANALISIS DE OTROS MODELOS DE COLAS USANDO LA COMPUTADORA En la seccién 13.1 usted aprendié que existen diferentes modelos de colas basados en Jas caracteristicas del sistema. Usted sabe que la poblacién de posibles clientes puede13.6 ANAUISIS DU OTROS MODELOS DE COLAS USANDO LA COMUTADORA ser finita o infinita, el drea de espera puede ser limitada o ilimitada en su cupacidad, y ol proceso do servicio puede seguir o no una distribucién exponencial. Los modelos M/M/c y los ejemplos presentados en Jas secciones 13.2 a 13.5, todos suponen una poblaciéninfinita declientes, un drea de espera ilimitada, unadistribucién de Poisson en Ins Negadas y una distribucién exponencial en el servicio. Sobre la ba- se de estas suposiciones, usted efectiia los cilculos de las medidas de rendimiento uti- Jizando las {6rmulas de Ia seccién 13.4. 2Qué sucede cuando una o varias de tales suposiciones no cumplen con el sistema de colas que se esti nvestigando? En algunos cayos, sigue siendo posible calcular las medidas de rendimiento. Sin embargo, las formulas se vuelven bastante complejas y se necesita un paquete de cémputo para evar a cabo los célculos de una variedad de modelos de colas que se encuentran comuinmente y en los cuales Jos clientes que llegan esperan en una sola linea. 13.6.1 Un sistema M/MIc con una poblacién de clientes finita (M/MIc/K) En los modelos de colas que usted ha visto hasta este punto, se ha supuesto que existe una poblacién infinita de clientes, A pesar de que en Ia realidad esto nunca es ver- dadero, para muchas situaciones précticas la suposicién es razonable. Por ejemplo, cuando la poblacién real es muy grande, como en el caso de clientes que legan a un upermercado oa un banco, tal suposicién es bastantejustificable. En algunos modelos, sin embargo, la suposicién de una poblaci6n infinita no es apropiada. Por ejemplo: 1, Persondf de mantenimiento proporciona servicio de reparacién a un laboratorio de computacién conformado por 50 microcomputadoras. En este caso, las 50 computadoras son clientes y los miembros del personal de reparaciones son los servidores, 2. Una compaffa da mantenimiento a los clevadores de 30 edificios de oficinas. Aqui, los 30 edificios son clientes y el personal de reparaciones de la compaifa son los servidores, 5 3. Una flotilla de automéviles de una compaiifa se encuentran disponibles para 20 rectivos. En este caso, los 20 directivos son los clientes y los automéviles de la flotilla son los servidores. . En cada uno de los ejemplos anteriores, la poblacién declientes es bastante limitada en tamafio. Obtener medidas de rendimiento utilizando la suposicién de una poblacién de clientes infinita puede producir resultados no vélidos. Recuerde el problema enfrentado por el gerente de produccién de American Weavers, Inc.,en el que las mé- quinas tejedoras se atascan de tiempo en tiempo y requieren servicio. Al realizar el andlisis, a usted, como asesor, se le hizo creer que habia un nimero suficiente de maquinas tejedoras, clientes, de modo que la suposicién de una poblacién infinita era Vélida, Los resultados que obtuvo en la seccién 13.6, sobre la base de esta suposicién, Hevaron a la recomendacién de contratar dos reparadores adicionales que se sumen a los siete reparadores actuales. Al analizar con més detalle la situacién con el gerente de produccién, sin embargo, usted se ha enterado de que solamente tienen 100 maquinas tejedoras. Antes de es. cribir su informe final, usted necesita ver sila consideracién de la poblacién de clientes como finita tiene un impacto significativo en su recomendacién. En general, la suposicién de una poblacién finita afecta el proceso de legada, Con una poblacién infinita, la tasa de Ilegadas permanece igual, sin importar cudntos clientes hayan legado. Este no es el caso con una poblacién finita. Suponga que usted estima que los clientes de una poblacién infinita llegan a una tienda de abarrotes con 71742 Carty 13 Monier pe cov una tasa de, digamos, 20 por hora. Incluso si ya hay 60 clientes en ta ui nda, resulta razonable suponer que Jos clientes nuevos continuardn Hegandy a un ritmo de 20 por hora, porque hay un néimero infinite de elienten q entran a In tienda. Sin abanede 100 clientexy G0 ya estin dentro. Yn aque In tienda Lien hnexo, nupon ho resulta razoniuble suponer que los 40 chenten restantes Heyzaran con une tae de 20 por hora, pues exiaten muy pocos de ellos que atin ne Hepa CARACTERISTICAS CLAVE En general, con un niimere finito de clientes, Ia tasa de Hegadas disminuye conforme aumenta el mimero de clientes en el sistema, porque existen menos clientes restantes que atin no Hegan, Los procesos de legada para una poblacién finita no se pueden describir de manera matemdtica mediante una tasa de legada fija, debido a que la tasa cambia segiin cl nd- mero de clientes que se encuentren en cl sistema, Cuantos mAs clientes haya en el sistema, menor sera tasa de Ilegada de clientes. Considere los extremos, Sicl sistema no tiene clientes, la tasa de Ilegada estard en nivel mds alto. Si todos los clientes estan en el sistema en un momento dado, la tasa de Hegada bajaré a cero. {De qué modo, entonces, se pucde especificar Ia tasa de Hegadas? El proceso de legada se describe considerando la tasa de legada de cada cliente individual. Bsto es, usted debe identificar con qué frecuencia Heya un cliente en particular. En el problema de American Weavers, con 100 m: determinar la tasa a la cual cada maquina requiere reparacién. Suponga que la frecuencia es de una vez cada cuatro horas. Esta frecuencia se conv’ por hora: .25 atascadas por hora por méquina WaT MPMI CT KS QUEUE STATISTICS Munber of identical servers... Gea 7 Mean arrival rate per customer... . 0.2500 Mean service rate per customer... .... 4.0000 Size of the source population... .... 100 Mean server utalization (4) ....... 82.5102 Expected number of customers in queue. . 1.8128 Expected nunber of customers in system. 7.5885 Probability that a customer must wait... . 0.5254 Expected time in the queue... 2... 0.0785 Expected time in the system... , | 0.3285 Figura 13.13 Medidas de rendimiento obtenidas con STORM para cl problema de American Weavers, Inc., con una poblacién finita,doreparar una maquina en un tiempo promedio de 15 minutos. La tasu do servicia por servidor es w = 4 maquinas por hora, Recuerde también que el costo por hora de cada reparador es de $50, y que el costo por hora de produceidn perdida cuando una maquina seatora es de $100. Al introducir estos datos en el paquete de software STORM, junto Formacién do cola con ol hecho de que el tamaito de la poblacidn es de 100, produce los valores para Ing E1320. DAT medidas de rendimiento mostrados en la figura 13.13. Compare las medidas de rendimiento de Ia figura 13.13 con las de la figura 13.12 presentada en Ia seecién 13.5, correspondiente a una poblacién infinita. Usted puede ver que hay algunas diferencias. Por ejemplo, con una poblacién infinita, el nimero esperado de méquinas fuera de operacidn es do 12,0973; con una poblacién finita de 100, In misma estadisticn es de 7.5885. Qué es lo que causa esta significativa dife. rencia? Con una poblacién infinite, la tasa de Hegada se fia en 25 méiquinas por hora, independientemente de cudntas maquinas estén en reparacién en cualquier momento, Pero considere una poblacién finita de 100 méquinas. Si las 100 maquinas tejedoras estén trabajando, la tasa de descomposturas también es de 25 por hora (0.25 atascadas por maquina * 100 méquinas). Pero, qué sucede cuando, digamos, diez méquinas se atascan? Solamente hay 90 méquinas operando, de modo que In tasa baja a 22.5 (0.25 ataseadas por mfquina * 90 maquinas) tejedoras atascadas por hora. El nimero menor de legadas tiene como resultado un menor ntimero de mfquinas ataseadas que re- quieren servicio. So ‘%y_ El andlisis econémico de STORM para este ejemplo, con una poblacién finita, se muestra en la figura 13.14, Los costos por enda servidor y por espera son los mismos aquf que antes. La ultima linea de dicho informe proporciona el costo total de $1108.85 por hora para e} sistema’actual con siete reparadores. STORM eva a cabo un andlisis econémico parfcido con diferentes cantidades de reparadores e informa el tamario del Personal con menor costo por hora en Ja ultima columna, etiquetada con “Optimal system” (Sistema 6ptimo), del informe de la figura 13.14, Como puede ver, el tamao éptimo de reparadores es de solamente ocho, con una poblacién finita de 100 méquinas. Este tamaiio de personal es menor que cl mimero éptimo de nueve que se obtiene cuandose supone una poblacién infinita, debido a que menos mAquinas tejedoras estan atascadas. Por consiguiente, usfed debera modificar su recomendacién y sugerir que 2 solamente se contrate un reparador adicional, MATIK MIME CT KIRK TRG ANAUSIS DE OTROS MOCELOS DE COLAS USANDO LA COMPUFADORA 73 Recuerde quo, actualmente, esisteun personal desicte reparadores,cadaunocapaz i 1 1 1 i COST ANALYSIS PER UNIT TIME Current Systen Optinal System + lusber of servers | 7 ' 8 1 : Cost per server 150.0000 1 50.0000 I Cost of service ' 350.0000! 400.0000! Mean nusber in systen | 7.5885 1 6.5145 1 Waiting cost/custoner.1 100.0000 1 100.0000 1 Cost of waiting t 758.8500! 651.4500] TOTAL cost 108.8500 1081.50 | + Optinization is over munber of servers Ta ESTO Se of Figura 13.14 Andlisis econémico hecho con STORM para el problema de American Weavers, Inc., con una poblacién finite, g74 Cartruvo 13. Movetos pe coLas 13.6.2 Un sistema M/MIc con capacidad de espera limitada (MIMIcIK) - glia vélida In wuposicién de un Grea de eupera ilimitada para tos clientes? Los modelos de colas vistos hasta aqui, han utilizado esta suposicién. De hecho, en muchas situa- ciones précticas, est suposicién es razonable. En un banco, el Area de espera es mitada, pero los clientes que esperan nunca necesitan mas de tal espacio. Incluso ‘cuando la fila se hace muy grande, el espacio de espera puede cxtenderse hnsta los pasillos o la calle. Asf pues, para todos los propdsitos précticos, el drea de espera puede suponerse ilimitada, En algunos modelos, ain embargo, esta supogicién no resulta apropinda, 1. Unsistema de reservaciones por teléfono puede mantener un nimero limitado de lamadas, Aqui, las Hamadas que Hegan son los clientes y los recepcionistas son los servidores. 2. En una planta de produccién, las partes que Hegan de una etapa previa de produccién a una maquina en donde sc les haré cierto proceso esperan en una banda transportadora con una capacidad limitada, Si las partes que esperan aleanzan Ia capacidad de la banda, la produccién en In etapa anterior deberd detenerse. Eneste caso, las partes que llegan dea etapa anterior son los clientes y la mAquina el servidor. 3. Un estacionamiento, una vez Ileno a toda su eapacidad, debe rechazar a los, automéviles que legan. En este caso, los autos que llegan son los clientes, cada ‘cajén de estacionamiento es un servidor y no hay espacio de espera. En cada uno de estos ejemplos, no hay ‘rea de espera o Ia capacidad de ésta es limitada, Cuando se Hlena el érea de espera, los clientes que legan son rechazados y podrian, ono, regresar. En tales casos, las medidas de rendimientoobtenidas utilizando a su-posicién de un rea de espera ilimitada pueden no ser vélidas. Al modificar las férmulas para calcular las medidas de rendimiento para tomar en cuenta el espacio limitado de espera, se pueden obtener resultados validos. CARACTERISTICAS CLAVE Estos sistemas dan lugar a cuestiones adicionales: ¥ {Cuslesla probabilidad deque un cliente que llegue sea rechazadoy sele ni gue el servicio porque el area de espera est lena? A esta medida de ren- dimiento se le conoce como la probabilidad de negacién de servicio, deno- tada con py. Y¥ Cuando se efectiia un andlisis econémico, debe tomarse en consideracién un tercer componente, un costo asociado con la pérdida de un cliente, junto con el costo por servidor y el costo por esperar. Considere el problema enfrentado por National Public TV (NPTV). EJEMPLO 13.3 EL PROBLEMA DE CAPACIDAD DE ESPERA LIMITADA DE NATIO- NALPUBLICTV Elgerentedelaestacién local deNPTV, una red detelevisién nolucra-13.6 ANAUSIS DE OTROS MODFLOS DE COLAS USANDO LA COMTUTADORA tiva, est planeando un maratén telefinico (teletén) especial de cinco dins para In obtencién de fondos, y est tratando de determinar cl tipo de sistema tolefénico que debe alquilar para recibir Ins promesas de donaciones. La compaiifa telefinien local proporciona sistemas de 16 o de 20 Ifnens, Con cada sistema, so tiene disponible una opeién de espera de 0, 6 0 10 Iamadas, costos diarios totales dados a continuncién: -_——— SISTEMA NUMERO DETELEFONOS — LLAMADAS ESPERADAS COSTO TOTAL (SIA) 1 18 0 150 2 20 ° 220 3 15 5 180 4 5 264 5 15 10 225 6 10 330 ss Como gerente dela estaci6n, usted desea determinar el sistema mis: econémico que podria utilizar. Aligual que con cualquier sistema de colas, su primora tarda consiste en identificar «Jos procesos de legada y de servicio apropindos. En cate caso, un proceso de legnda de Poissony una tasadeservicioexponencial han resultadoser, histéricamente, razonables, para sistemas telefénicos. Suponga que au investigacién revela los siguicntes datos: 1, Tasa df legadas = 2 = 160 Namadas por hora. 2, Tasa de servicio por I{nea telefénica = p = 12 Namadas por hora. Para analizar el rendimiento de uno de estos seis sistemas diferentes, usted debe introducir estos datos en un paquete de computacién capaz de proporcionar medidas para modelos M/M/c con capacidad de espera limitada, Los resultados obtenidos con cl paquete STORM para cl primer sistema, con 16 lineas y sin mantenimiento de Mamadas, se muestran en|a figura 13.16. Excepto por la ultima linen del informe, todas lasmedidasderendimientosoninterpretadas del mismomodoquecn cualquier modelo M/M/15/0 + 18 150.0000 12.0000 ° Nusber of identical servers . Moan arrival rate Moan service rate per server Waiting room capacity... 74.9892 0.0000 11.2439 0.1005, 0.1005, Mean server utilization (%) . . Expected nusber of custoners in queuo . Expected number of custoners in system Probability that a custoner oust vait Probability of sorvico denial . . Figura 13.15 Medidas de rendimiento obtenidas con STORM para cl problema M/MV/16/0 do National Public TV. Formacién de cola EX13.3.DAT /1746 Cariruto 13 Movevos ne cous MMe. Observe la medida de rendimiento de In (p), una nueva ¢ importante estadistic: 0.1005 indica queconeste sistema existe 10% de probabilidad de que un observador qui Hame abtenga sefial dencupade porque las 15 lineasestan acti nie waede Hamar o no de nuevo. En el tltimo caso, se pierden entradas, le puede Para realizar un andlisis econémico de tales sistemas, usted necesita sab, de los servidores y el costo de la espera. También necesita estimareleostole ie cliente cuando el espacio de espera est lleno. Para el problema de NPTV. ween componentes del costo se estiman de In manera siguiente: S108 tres, probabilidad de negacién de servicio Itima linea del informe. El valor de 1. Costo por servidor: Cada servidor corresponde a una linea telefinic: total para NPTV puede convertirse en un costo por linen lelefa Suponga que el teletén se Mev a cabo durante acho horas dian asociado para el primer sistema es: El costo ($150/dia 8 horas/diay(15 linens telefén Por consiguiente, con este sistema de 15 servidores (lineas telefé costo por hora e: Costo total de los servidores lo por servidor) * (nimero de ser Bate = S1B75 por hor este caso, no existe un costo directo correspondiente a un donacién, de 2. Costo de esper contribuyente que pierde tiempo en la linea para prometer modo que: Asi pues, el costo por hora de los clientes en cl sistema es: { costo total de } - { costo de la } : amen de clientes } la espera espera en el sistema = yt h = 0* 11.2439 = $0 por hora 3. Costo por pérdida de un cliente: Aqui es necesario estimar cuanto dinero se pierde cuando una persona ama y obtiene una sefal de ocupado y no puede hacer una contribucién. La gerencia de NPTV sabe, por experiencias pasadas, que la donacién promedio por llamada es de $50, Sin embargo, esta cantidad no siempre se pierde cuando un contribuyente no puede hacer la llamada, pues el 80% de ellos intentard llamar de nuevo, El costo por la pérdida de un cliente en este caso es, entonces: €,= (por Hamada) * (probabilidad de perder la llamada) = 50* 0.20 = $10.00 por negacién A13,6 ANAL DE OTROS MoDELES L-COLAS USANDO LA COMPUTADORA 747 Esta cifra representa un costo de neyacidn de servicio por cada cliente. Para caleular el costo total por hora, es necesario snber a cwdntos clientes se les niega elservicioporhora, Recuerde quela tasadellegadas¢s)= 150 lamadas por hora 7 ¥ que la probabilidad de que a un cliente se le niegue el servicio es p, = 0.1005 (véase la figura 13.15). En promedio, entonces, 150 * 0.1005 = 15.075 clientes no obtienen servicio cada hora. Asf pues, el costo por hora de pérdida de clientes es: Costo total costo por niimero de probabilidad sores | { ren | * { Negadas } * | denegacién } de servicio "2" Dy 10 * 150 * 0.1005 $150.75 por hora Estos tres componentes de costo se suman para obtener el costo total por hora para el primer sistema con 15 Iineas y sin capacidad de espera: Costo total = (costo de los servidores) + (costo de la espera) + . (costo de la negacidn del servicio) c,° C+ (Cy* L) + (c,*2* p,) 1.25 * 15) + (0 * 11.2499) + (10.00 * 150 * 0.1005) 8.75 + 0+ 150.75, = $169.50 por hora Un anflisis parecido se puede efectuar, ahora, para los restantes cinco sistemas telefénicos. Los resultados se resumen en la tabla 13.5. Observe el costo total por hora de cada sistema en la linea final de dicha tabla, Los costos indican que resulta mas econémico tener un sistema con 20 lineas y capacidad de espera de hasta cinco Mamadas, con un costo total por horn de $34.90 (sistema 4). UOT Tee ule eure ocr EIU Gane SISTEMA, —————————— 1 2 3 4 5 6 Nimero de filas 15 20 15 20 15 20 Capacidad de espera 0 ° 5 5 10 10 6 1.25 1375 1.50 165 1.875 2.0625 G 000 = 0.00000 000 00000 S 1000 1000 © 1000 1000» 10.00 ~— 10.00 L 14.295 12931 12.722 1282719565 12.555 p, 0.1005 0.0135 0.0311 © 0.0013 00114 0.0001 Costo total ($1) 16950 47.78 690894904525 0a,748 Formacién de cola EX13_4.DAT Cavtruvo 13. Mopeos De coLas 13.6.3 Un sistema de colas con una distribucién de tiempo de servicio general (M/G/c) En todos los sistemas de colns analizados hasta este punto, el tiempo de servicio se su- pone que sigue una distribucién exponencial con una tasa de servicio media conocida dep, En algunos modelos, sin embargo, esta suposicién puede no scr vélida. Un ejemplo extremo es cuando el Liempo de servicio es deterininfstico, esto es, cunndocada cliente requiere la misma cantidad conocida de tiempo deservicio(comoen el caso de una linea de ensamblaje con tin ciclo de tiempo fijo). Incluso cuando el tiempo de servicio es probabilfstico, usted puede no conocer su distribucién o ésta puede no ser exponencial. Entalescasos, se puede utilizar un andlisis decolasapropiado mediante a identificacion del proceso de servicio como “general” (G). CARACTERISTICAS CLAVE eee Para obtener medidas de rendimicnto en cuanto a tales sistemas, ademas de In tasa de legada promedio de 2, usted debe estimar: ¥ Lacantidad promedio de tiempo por servi ¥ Ladesviacién estdndar del tiempo de servicio, que proporciona una medida desu variabilidad. (Observe que una desviaciénesténdardecerocorresponde ‘aun tiempo de servicio deterministico.) Considere el problema de Ia divisin Los Alamos de la Oficina de Control de Veh{culos de Motor de Texas. EJEMPLO 13.4 EL PROBLEMA DE COLAS DE LA OFICINA DE CONTROL DE VEHICU- LOS DEMOTORDE TEXAS La divisidn de Los Alamos actualmente tiene tres servido- res publicos que procesan el registro de automéviles. Recientemente, han recibido quejas de los clientes que tienen que esperar demasiado durante la hora del almuerzo, de 11:30 a 13:30 horas, Para minimizar el problema, usted, como administrador de la oficina, esté tratando de determinar cudntos empleados adicionales debe contratar para este periodo.de dos horas, de modo que el tiempo de espera sea menor a los 10 minutos. La llegada de clientes podria suponerse, razonablemente, que sigue un proceso de Poisson, Basdndose en datos histéricos, usted estima que la tasa promedio de llegadas es} = 46 personas por hora. A pesar de que no tiene certeza sobre la distribucién del tiempo de servicio, un estudio del tiempo ha revelado que cada servidor necesita un promedio de cinco minutos (0.08333 horas) para atender a un cliente, con una des- viacién estindar de dos minutos (0.0333 horas). Estos datos indican que cada servidor puede procesar un promediode = 12clientes por hora. Asf pues, para manejar la estimacién pico de 46 clientes por hora, es dec asegurar que la tasa total de servicio, c * p, excede a Ia tasa total de legadas, 2, es necesario tener al menos cuatro ventanillas en servicio, Al introducir estos datos en el paquete de software STORM, utilizando un modelo M/G/4 (para indicar que la dis- tribucién de tiempo de servicio no es exponencial) produce las medidas de rendimiento dadas en la figura 13.16. Usted puede ver que existe un promedio de 12 clientes en la cola y que cada uno de ellos tiene que esperar un promedio de 0.2636 horas (apro- nal13.6. ANAUIsIs Dt OTROS MODELDS De COLAS USANDO LA COMPUTADOMA Wea M/C LC QUEUE STATISTICS tiunbor of identical servers... . 6. 4 Moan arrival rato. 2... 2... ee «46-0000 Hoan sorvice rate por norver =, . 42.0000 Standard doviation of norvica time se 0.0333 Moan corver utilization (1)... 95.8330 Expected numbor of cuotoworn in quono . .. . 12.1272 Expocted nunbor of custonora in aysten . .. 16,9605 Probability that a customer must wait... 0.9092 Expected tine in the quous . . 0.2636 Expected timo in the ayston Figura 13.16 Medidas de rendimiento obtenidas con STORM para el problema M/G/4 de ‘Texas DMV. ‘ximadamente 16 minutos) antes de ser atondidos, En total, cada cliente tiene que invertir 0.3470 horas (aproximadamente 21 minutos) en Ia oficina, Este nivel de servicio no es aceptable porque cl tiempo promedio de espera de 16 minutos excedgal objetivo de 10 minutos. Por consiguiente, esnecesario tener al menos cinco ventanillas en funcionamiento, Al cambiar el niimero de servidores de 4 a 5 y resolver el nuevo modelo M/G/S5, se obtienen los resultados mostrados en la figura 13,17. Usted puede ver que con cinco ventanillas abicrtas, cl tiempo promediodeespera enlacoladisminuyea0.0204 horas, un pocomdsde un minuto. Estocst4 completamente dentro del propésito de los diez minutos, de modo que usted decide aumentar el niimero de servidores puiblicos de 3.0 6, durante el tiempo de almuerzo. En la presente seccién, usted ha visto cémo la computadora obtiene medidas de rendimiento para algunos de los sistemas de colas que se presentan mas comunmente wo/s MGC QUEUE STATISTICS Nunber of identical servers... . 5 Mean arrival rate. ....---- ss. 46.0000 Mean service rate per server sees 12,0000 Standard deviation of service time 0.0333 Mean server utilization () .. 1.0... .. 76.6664 Expected number of customers in queue... . —(0,9369 Expected nunber of customers in system... 4.7702 | Probability that a customer must uait . . 0.4916 | Expected time in the quoue .. +... ~~. 0.0204 Expected tine in the systen.. 2... . 0.1037 Figura 13.17 Medidaa de rendimiento obtenidas con STORM para el problema M/G/S5 de ‘Texas BMV.% 50 Cartruto 13. Mopetos pr cous ¥ que son distintas a los sistemas M/M/c, Estos otros modelos incluyon un sistema MAW con poblacién finita, un sistema M/M/c con enpacidad de espera limitada yun sistema M/G/c en cl cual el tiempo de servicio sigue una distri bucién general cuyas media y desvincién estindar dehen estimarse, A continuacién se analizarin ol cuestiones sobre las que tin ndininisteador debe preve He a preocuparse cua j: isenia parca indo analjza o disena CoNSIDERACIONES GERENCIALES COMPLEMENTARIAS Usted haaprendidoa disenary analizar algunos sistemas decolastpicos, mediante In ovaluacién de varias medidas de rendimiento y mediante Ia renlizacion de un andlisis econémico apropiado. En esta seccién, se revisan varias cuestiones importantes con respecto a dicho andlisis, desde un punto de vista gerencial, Eleccién de un modelo adecuado Apesar de que el objetivo terminal de un modelo de colas es evaluar varias medidas de rendimiento, la capacidad de caleular estas medidas est4 restringida a un ntimero limitado de modelos diferentes (como los sistemas M/M/c 0 M/G/c). El problema particular de colas que esté tratando puede no adaptarse a los modelos que su paquete de computacién es capaz de manejar. En estos casos, usted debe hacer algo de lo siguiente: 1. Obtener un paquete de computacién que sea eapaz de analizar su modelo. 2. Localizar Ins formulas adecuadas de alyrin libro especializado on teorfa de colas para calcular las medidas de rendimiento necesarias, y esto no siempre puede ser posible. Haceralgunassuposicionessacerca desu probh con uno de los modelos de eolas para lo de rendimiento estin disponibles. que le permitanaproximarlo Jas formulas de las medidas cas. ‘Tome en consideracién una méquina embotelladora de bebidas no alcohé s botellas vacias Iegan al mismo tiempo y son Ilenadas en grupos de 24 a la ve: de los modelos La Adiferenci maquina debe esperar. Una manera de aproximacién para este sistema consiste en identificar cada grupo de 24 botellas como un solo “cliente”, Esto se hace modificando el proceso de egada para expresar una tasa de Heygada asociada con cada lote. Por ejemplo, si inalmente las botellas Hegan con una rapidez promedio de 48 botellas por minuto, entonces cada grupode 24 botellas llega con una rapidez aproximada de dos lotes por minuto. Similarmente, el tiempo de servicio debe expresarse como la cantidad de tiempo necesaria para que la maquina Ilene las 24 botellas, no una de manera individual. Las medidas de rendimiento asociadas deben interpretarse de acuerdo con lo anterior. Por ejemplo, sie! ntimero promedio de clientes que esperan en la cola es de, digamos, 5, esto significa que en promedio hay aproximadamente 5 * 24 = 120 botellas esperando para ser Ilenadas. simulténca. SiConstonkactonts G IUNCTALISS COMPLIMENTARIAS, Cunndo utilice un modelo do aprox! nacién, tenga en cuenta que Ina medidas de rend niento que usted obtenga pueden no sor Jo quo ae ve en la préctica. Antes lo instrumentar decisionos basadas en resultados modelados, deberd intentar validarlos, Para validarlaaproximacién utilizada cncl ejemplodelacmbotelladora, suponga que cl modelo tiene como resultado un promedio de cinco clientes en el siatoma, Si esta aproximacién es vélida, usted deberd, efectivamente, observar en In préctiea un promedio de aproximadamente 120 botellas esperando para ser Menadas. Unicnmente si usted determina que el modelo de aproximacién es vélido, entonces deberé considerar In instrumentacién de las decisiones, basindose en Jas medidas do rendimiento obtenidas con el modelo, Sistemas de colas adicionales Como usted ha aprondido, un sistema de colas tierio muchos componentes y earac- terfsticnsindividuales, incluyendoun procesodellegaday deservicio, una disciplina decolas,etestera, Losresultados espectficos de este cap\tuloseaplicanexclusivamente aun sistema con las siguientes caracteristicns: 1. Los clientes Negan y contindian esperando en una sola fila hasta que son atendidos, uno ala vez, Ladisciplina decolaes primeroen entrar, primeroen salir, es decir,el primer cliente que llega es el primero que es atendido. 8. Unoyve2 que el cliente es atendido, abandona para siempre el sistema, es decir, solamente existe una estacién de trabajo. 2, En muchas aplicaciones, sin embargo, estas caracterfsticas pueden variar, por ejemplo: 1, Los clientes pueden legar en lotes ylo esperar en muiltiples filas. En este liltimo caso, un cliente que llega, probablementese formacnla fila mas.corta, pero ms adelante puede maniobrar entre las colas, a medida que cambia su longitud. 2. Los clientes que esperan pucden ser atendidos en grupos, en vez de hacerlo de manera individual. El grupo puede tener un tamaiio fijo, como en el caso del ejemplo anterior de la embotelladora, o puede variar de tamafio, como cuando un autobiis recoge a los pasajeros que esperan. 8. Laclecciéndecudl clientese vaaatender puedeser diferenteal procedimiento de primero en entrar, primero en salir, como en la sala de urgencias de un hospital. 4, Los clientes que Hegan, al ver la longitud de la cola, pueden decidir no esperarse y se retiran. Alternativamente, pueden decidir esperar en la cola durante un tiempo y luego retirarse, por lo que renuncian, 5. Algunos clientes, después de ser atendidos, pueden noabandonarel sistema, sino que, en vez. de ello, pasar a otra estacién de trabajo para otro tipo de atencién. Incluso pueden regresar a la primera estacién de trabajo una segunda ocasi6n. Esto tiene como resultado un sistema con una red de estaciones de trabajo en lugar de una sola estacién Estas caracterfsticas variables traen comoconsecuencia sistemas mascomplejos que, en muchos casos, no pueden ser analizados de manera direata porque sus férmulas matemdticas no pueden derivarse. Para tales situaciones, se pueden uti-32 Cartruto 13 Moortos pe cota lizar Ins técnicas de las ciencias de la administracién conocidas como simulacién, y que se presentan en los capitulos 14 y 15, para fines de diseiio y de anilisis. Andlisis de sensibilidad Su paquete de computacién puede ser capaz de manejar cl modelo que est proponiendo y proporcionarle medidas de rendimiento exactas. Sin embargo, debe mantener en su mente que los resultados que obtenga dependen de estimaciones de las tasas de Ilegada y de servicio. Estas estimaciones pueden ser o no precisas, de modo que debe aprender a hacerse preguntas del tipo “gqué sucede si. ..? Por ejemplo, en un sistema de colas M/M/c, usted podria haber estimado que 50 clientes Hegan para ser atendidos cada hora. Basindose en esta informacién y en otros datos de costos, suponga que ha determinadoquc el sistemade Menor costo requiere cinco servidores. Antes de instrumentar esta decisién, deberé hacerse algunas de las preguntas siguientes: 1, {Cudntos servidores deben contratarse sila tasa de legada es de 52, 55 0 60 clientes por hora? 2 dEn qué cantidad debe aumentarse o disminuirse la tasa de legada, dejando | todos los dems datos igual, antes de que deje de ser 6ptimoel tener cinco ser- vidores? dEn qué cantidad debe aumentarse o disminuirse la tasa de servicio, dejando todos los demds datos igual, antes de que dejede ser 6ptimoel tener cinco ser- vidores? gEnquécantidad puede aumentarodisminuirel costo de cada servidor antes de que deje de ser éptimo el tener cinco servidores? Esta preguntas se responden calculando repetidamente las medidas de rendimiento y los andlisis econémicos para el modelo, cambiando en cada ocasién los datos de interés. Silos resultados son sensibles a un valor de dato particular, ese valor deberd recibir particular atencién. Su tiempo puede ser bien invertido si centra su atencién en este valor, con cl objetivo de obtencr una estimacién mé precisa Los andlisis de sensibilidad pucden Hevarse a cabo en prcticamente todas las medidas de rendimiento, dependiendo de cus! » cufiles de ellas le preocupan mis. Por ejemplo, incluso con una cola M/M/1, usted puede hacerse (y responderse) cada una de las siguientes preguntas: 1. ¢En qué cantidad deberia incrementarse la tasa de legadas antes de que la longitud promedio y/o el tiempo de espera promedioen la cola excedan algin limite aceptable? 2. ¢En qué cantidad podria disminuirse la tasa de servicio antes de que la pro- babilidad de que haya mas de 10 clientes en el sistema exceda un nivel aceptable? Solamente después de un cuidadoso anilisis de estas preguntas de sensibilidad deberia instrumentarse una solucién. Pero, incluso entonces, la instrumentacién deberia revisarse muy de cerca para asegurarse de que los resultados obtenidos en la préctica son lo que se esperaba del modelo,