You are on page 1of 35

Optimizacin de Sistemas II Facultad de

Ingeniera Industrial y Sistemas


Universidad Tecnolgica del Per 1
Tiempo
entre
Arribos (t)
Cola
Servicio
Poblacin
SISTEMA DE COLAS
Arribos
Tiempo de
Servicio
Politica de
servicio
Un sistema de colas puede ser analizado en funcin de
sus tasas de arribo y de servicio, variables cuyo
comportamiento puede ser aleatorio.
Para nuestro estudio consideraremos que los arribos
se ajustan a una distribucin de Poisson con tasa
media o tiempo entre arribos Exponenencial con tasa
media 1/.
Los tiempos de servicio son Exponenciales con tasa
media .
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 2
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 3
CONDICIONES
INICIALES
LC = LC + 1
GENERAR TA
SUMTA = SUMTA + TA
SERVICIO
DISPONIBLE ?
COLA =0 ? COLA =0 ?
TOT = TOT + 1 LC = LC - 1
TET = TET + LC
GENERAR TS
SE OCUPA
SERVICIO
SI
NO
NO SI
NO
SI
A
C
B
Para t=0
arriba el 1er Cliente
Tiempo de
Arribo
Tiempo de
Servicio
Longitud de
la Cola
Tiempo Espera
Total
Mecanismo de Control de
Incremento Fijo
RELOJ = RELOJ + 1
VERIFICAR
TS
TS =TS - 1 TS = TS - 1
COMPARAR
RELOJ::SUMTA
TS > 1 TS = 1
SE
DESOCUPA
SERVICIO
TS = 0
A
B C
RELOJ < SUMTA
RELOJ = SUMTA
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 4
TS1
TS2
TS3
TS4
TO1
TE3
TE4
TE5
c1
c2
c3
c4
c5
0
TA2
TA3
TA4
TA5 TA6
TS5
TE6
SUMTA2
SUMTA3
SUMTA4
c6
SUMTA1
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 5
Mecanismo de Control de
Incremento Variable
CONDICIONES
INICIALES
GENERAR TA
TA = TA - TE
GENERAR TS
TS = TA ?
TS < TA ?
TE = 0
TO = 0
TE = 0
TO = TA - TS
TOT = TOT + TO
TO = 0
TE = TS - TA
TET = TET + TE
SI NO
SI NO
Tiempo
de Arribo
Tiempo de
Servicio
Tiempo de
Espera
Tiempo
Ocioso
Tiempo
Ocioso Total
Tiempo de
Espera Total
Para t=0
arriba el 1er Cliente
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 6
TS1
TS2
TS3
TS4
TO2=TA2-TS1
TE2=0
TE3
TE4
TE5
c1
c2
c3
c4
c5
0
TA2
TA3
TA4
TA5 TA6
TS5
TE6
TA2 =TA2 TE1
TA3 =TA3 TE1
TA5=TA5 TE4
c6
TE3=TS2-TA3
T03=0
TA4 =TA4 TE3
TE4=TS3-TA4
T04=0
TE5=TS4-TA5
T05=0
Una Compaa de carga recepciona sus camiones
que llegan en forma aleatoria en una terminal para
descarga. Despus de analizar los datos histricos
se ha concludo que el nmero de llegadas diarias
de camiones se comporta de acuerdo a una
distribucin de Poisson con tasa media de 3
camiones por da. El peso de la carga de cada
camin es un factor importante en lo referente al
tiempo de descarga. Se ha comprobado con los
registros pasados que los pesos de la carga estan
distribudos normalmente con media 30 mil lbs. Y
una desviacin estndar de 5 mil lbs. Para la
descarga se cuenta con cuadrillas cuya capacidad
de descarga en lbs por hora es variable y funcin
del tipo de carga.
La frecuencia de cada tipo de carga y la velocidad
de descarga de las cuadrillas se muestran en la
tabla siguiente :
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 7
Una cuadrilla consta de 3 personas:
1operador de elevador de carga a quien se
le paga 4$/Hr y dos obreros a quienes se
les paga 2.50 $/Hr. La poltica de la Cia. es
descargar en el da todos los camiones que
arribaron el da anterior sin importar los
costos de tiempo extra implcitos. El
contrato del sindicato demanda una
bonificacin del 50% por horas extras fuera
de la jornada de trabajo de 8 Hr diarias.
Con base a una simulacin de 10 das determine
cuantas cuadrillas se requieren para reducir al
mnimo los costos totales de descarga.
Si aplicaramos la poltica de que los camiones deben
descargarse el mismo da de su llegada en lugar del
da siguiente, y que la tasa media de llegadas sube a
4 Cam/Da Cuntas cuadrillas se requerirn para
reducir al mnimo los costos totales de descarga.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 8
0 5
1 15
2 22
3 22
4 17
5 11
6 5
7 3
100
Nro
Camiones
Frec
A 40 8000
B 35 7000
C 25 5000
Veloc.Descarga
Lb/hr x Cuadrilla
Tipo
Carga
Frec
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 9
Generar Nro
Camiones (NCM)
Arriban x Da
Generar Tipo
Carga x Camin
Generar Peso
Carga x Camin
Calcular Costo
Descarga (CD)
Asignar Nro
Cuadrillas (NCD)
NDias=NDias + 1
Ndias=10 ?
NO
TotCD=TotCD+CD
Imprimir x Da
Valores Generados
y Costo Descarga
Imprimir Ndias,
Nro Cuadrillas
y Costo Total
Descarga
SI
Definir Plan Trabajo
TotCD
NCD
1 2 3 4 5 6
C1
C2
C3
C5
C6
Nro arribos ~ Poisson () o
Tiempo entre arribos ~ Exponencial (1/)
Tiempo de servicio ~ Exponencial (1/ )
Por lo tanto :
Tasa de arribo y tasa de servicio
Factor de ocupacin del Sistema = (/)
Probabilidad que el Sistema est vacio P
0
= 1 (/)
Porcentaje de Tiempo Ocioso del Servicio 100 P
0
(%)

Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 10
1cola/1servidor/Poblacin No Finita

1cola/1servidor/Poblacin Finita(k)

1cola/Mltiples Serv.(s)Paralelo/Pobl.No Finita



1cola/MltiplesServ.(s)Paralelo/Pobl.Finita(k)


1cola/MltiplesServ.(s)Serie/Pobl.NoFinita
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 11
k
s1
k
s2
s1
s2
s1 s2
s
s
s












s
s1
s1
Sea P
n
la probabilidad de que existan n usuarios en el sistema
al final del tiempo t, uno de ellos siendo atendido y los otros
esperando en cola.
La probabilidad de que llegue un (1) usuario en el tiempo At
es igual a At
La probabilidad de que un (1) usuario termine de ser atendido
en At es igual a At
Para determinar la probabilidad de que existan n usuarios en
el tiempo t+ At, consideramos lo siguiente:
Que existan n usuarios al final del tiempo t. que no llegue ni se
vaya nadie en At P
n
(t)[1- At][1- At] ........ (1)
Que existan n usuarios al final del tiempo t, que llegue y se vaya 1
en At P
n
(t)[At][At] ..................(2)
Que existan n-1 usuarios al final del tiempo t, que llegue 1 y no se
vaya nadie en At P
n-1
(t)[At][1- At] ...........(3)
Que existan n+1 usuarios al final del tiempo t, que no llegue nadie
y se vaya 1 en At P
n+1
(t)[1- At][At] ...........(4)
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 12
Luego sumando (1)+(2)+(3)+(4) tenemos:
P
n
(t+At) =

P
n
(t)[1- At][1- At] + P
n
(t)[At][At] +
P
n-1
(t)[At][1- At] . . . . . + P
n+1
(t)[1- At][At]
Agrupando trminos y eliminando los factores (At)
2
,
tenemos :
P
n
(t+At) - P
n
(t)
=
P
n-1
(t) (+) P
n
(t) + P
n+1
(t)
At
Pero como el tiempo transcurrido desde la ocurrencia del
ltimo evento no tiene efecto en el tiempo restante hasta
que ocurre el evento siguiente (propiedad del olvido de
la func. exponencial):
P
n
(t+At) - P
n
(t) = 0 entonces P
n-1
(+) P
n
+ P
n+1
= 0
Finalmente, agrupando trminos obtenemos :
P
n+1
= (- /)P
n-1
+ [ (+)/ ]P
n
.................... ()
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 13
Similarmente para determinar la probabilidad de que exista un
usuario en el sistema :
No existen usuarios al final del tiempo t y llega uno en At
P
0
(t)[At](1- At)
Existe 1 usuario al final del tiempo t, no llega nadie y no se va
nadie en At
P
1
(t)[1- At][1-At]
Existe un usario al final del tiempo t, llega uno y se va uno en
At
P
1
(t)[At][At]
Agrupando trminos, eliminando los factores (At)
2
y aplicando la
propiedad del olvido tenemos que :
P
0
+ P
1
= 0 entonces P
1
= (/)P
0
...... ()
De () y () :
para n=1 P
2
= (/)
2
P
0
Para n=2 P
3
= (/)
3
P
0
Para n=3 P
4
= (/)
4
P
0

generalizando P
n
= (/)
n
P
0
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 14
Probabilidad de que en el stma. existan ms de N
usuarios:
P(n>N) = P
N+1
+P
N+2
+P
N+3
+P
N+4
.......
= (/)
N+1
P
0
+

(/)
N+2
P
0
+ (/)
N+3
P
0
+ ........
= P
0
[(/)
N+1
+

(/)
N+2
+ (/)
N+3
+ ........ ]
= P
0
[ (/)
N+1
/ [1- (/)] ] luego
P(n>N) =(/)
N+1
Probabilidad de que existan n usuarios en cola :
P
n Cola
= P
n+1 Stma
entonces P
n cola
= (/)

n+1
P
0

Probabilidad de que la cola este vaca :
P
~ Cola
= P
0
+

P
1
entonces P
~ Cola
= 1 - (/)
2

Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 15
Nmero esperado de usuarios en el sistema
(NEUS):
NEUS = i.P
i
= 0P
0
+1P
1
+

2P
2
+

3P
3
+ 4P
4
+

5P
5
+
....
s.q.

Nmero esperado de usuarios en la cola (NEUC):
NEUC = 0P
0
+1P
2
+

2P
3
+

3P
4
+ 4P
5
+

5P
6
+ ....
s.q.
NEUS


=

2
( )
NEUC


=

Optimizacin de Sistemas II Facultad de


Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 16
<
<
Tiempo esperado de paso de un usuario en cola (TEPUC):
TEPUC = (1/ )NEUS



Tiempo esperado de paso de un usuario en el sistema
(TEPUS):
TEPUS = TEPUC + Tpo.Servicio = /(-) + 1/

( )
TEPUC


=

1
TEPUS

=

Optimizacin de Sistemas II Facultad de


Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 17
Costo Total de Paralizacin :
CTP = (TasaArribo)(TpoTurno)(TpoEsperPasoUsuarioStma)(CostoParalizxUnidTpo)

CTP = ( ) . ( Tpo ) . ( TEPUS ) . ( CPu )
(cl/ut) ( ut ) ( ut/cl ) ( $/ut )

Costo Total de Servicio :
CTS = (TasaServicio) (TpoTurno)(CostoServicioxUsuario)
(cl/ut) (ut) ($/cl)
CTS = (TpoTurno)(CostoServxUnidTpo)
(ut) ($/ut)

Costo Total de Atencin del Sistema
CTAS = CTP + CTS
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 18
CTAS
CTS
CTP

CT

0
C
0
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 19
Problema de Colas
Fotografas tomadas desde 1 helicptero mostraron
que en promedio haba 80 autos circulando en el carril
de alta velocidad sobre un tramo de 1 milla de una va
rpida urbana. En meses recientes haban ocurrido
cierto nmero de accidentes en ese tramo y que han
sido atribuidos al manejo a corta distancia del auto
delantero. Si para plena seguridad la distancia entre
los autos recomendable debera ser de cuando menos
30 pies, en ese tramo y sobre ese carril, que % de los
autos corre a una distancia demasiado corta del
delantero. Considere que la cantidad de autos sobre
el tramo de la va en cuestin se ajusta a una
distribucin de Poisson.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 20
d
1
d
2
= 80 autos/milla
1 milla = 5280 pies
d
i
> 30 pies
n ~

Poisson ()
d ~

Expon (1/)
P(d < 30) = }
0
30
(80/5280)e
- (80/5280)d
dd
= 1 - e
- 30/66
= 0.37
Ptto. el 37% de los autos van a una distancia no recomendable.
El departamento para caballeros de un gran almacn tiene un
sastre para ajustar los trajes adquiridos por los clientes. Parece
que el nmero de clientes que solicitan ajustes sigue una
distribucin de Poisson con una tasa media de llegadas de 24
cli/hora. Los ajustes se realizan del tipo primero en llegar
primero en ser atendido. Los clientes siempre desean esperar,
ya que las modificaciones son gratis. Aparentemente el tiempo
que se tarda en realizar un ajuste se distribuye
exponencialmente con media 2 minutos entre clientes. Calcular:

Nmero promedio de clientes en la sala de ajustes.
Cuanto tiempo tiene que esperar un cliente en la sala de
ajustes.
Porcentaje de tiempo que permanece ocioso el sastre.
Cual es la probabilidad de que un cliente espere los servicios
del sastre ms de 10 minutos.
Cuanto tiempo deben esperar los clientes por los servicios del
sastre.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 21
Tiempo medio entre llegadas:

Tiempo medio de servicio:

Factor de utilizacin u ocupacin:

Nmero medio de clientes en la sala:




Tiempo medio de espera en el sistema:




Factor de ocio = 1 Factor de utilizacin = 0,2


2
1
2
1
= =

min
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 22
8 , 0
5
4
5
2 2
= =

= =


p
4
4
5
4
1
5
1
=

=

p
p
10
5
2
2
1
1 1
=

=

5
2 24 cli
= =
hora

El 80 % del tiempo, el sastre est ocupado, y el
20% est ocioso.

probabilidad de que un cliente espere los
servicios del sastre ms de 10 minutos.


Tiempo medio de espera en cola:
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 23
29 , 0
5
4
) 10 (
)
5
2
2
1
( 10
) ( 10
= = = >


e e p t P
espera

8
2
1
)
5
4
1 (
5
4
) 1 (
=

=

p
p
Una carnicera es atendida por el propietario de la
misma. Aparentemente el patrn de llegada de los
clientes durante los sbados se comporta siguiendo una
distribucin de Poisson con una tasa promedio de
llegadas de 10 personas por hora. A los clientes se les
atiende siguiendo una poltica FIFO, y debido al
prestigio de la tienda, los clientes siempre estn
dispuestos a esperar su turno. Se estima que el tiempo
que se invierte en atender a un cliente se distribuye
exponencialmente con un tiempo de servicio medio de
4 minutos entre clientes. Obtener:

Probabilidad de que se cree una cola de espera.
Longitud media de la cola.
Tiempo esperado de permanencia en cola por cliente.
Probabilidad de que un cliente permanezca menos de 12
minutos en la tienda.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 24
Tiempo medio entre llegadas:

Tiempo medio de servicio:

Factor de utilizacin:

Existir cola cuando en el sistema haya
ms de 1 cliente.

Probabilidad de 0 clientes en el
sistema:


Probabilidad de 1 cliente en el sistema:




Probabilidad de ms de 1 cliente en el
sistema:


6
1
6
1 10
= = =
min
persona
hora
personas

4
1
4
1
= =

min
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 25
) ( 1 ) 1 (
1 0
P P N P + = >
3
1
) 1 (
0
0
= = p p P
9
2
3
1
3
2
) 1 (
1
1
= = = p p P
9
4
)
9
2
3
1
( 1 ) 1 ( = + = > N P
3
2
4
1
6
1
= = =


p
Longitud media de la cola: NEUC


Tiempo medio de espera en cola: TEPUC


Probabilidad de que un cliente permanezca
menos de 12 minutos en la tienda:

Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 26
) 12 ( 1 ) 12 ( > = <
espera espera
t P t P
3
4
3
2
1
)
3
2
(
1
2
2
=

=

p
p
8
4
1
)
3
2
1 (
3
2
) 1 (
=

=

p
p
1
)
6
1
4
1
( 12
) ( 12
3
2
3
2
) 12 (



= = = >
e e pe t P
espera

El empleado de una ventanilla observa que de
cada 100 veces que cuenta los clientes frente a el,
en 64 de las veces hay dos o mas clientes. El
tiempo promedio que cada cliente permanece
desde que se ubica en la cola hasta que es
atendido es de aproximadamente 30 minutos.
Calcular la probabilidad de que :
Lleguen dos (2) clientes en media hora.
Lleguen entre dos(2) y cinco(5) clientes en media hora.
Transcurra mas de una (1) hora entre el arribo de un
cliente y el siguiente.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 27
Ventanilla

Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 28
p(n>n
0
) = 64/100 = (/)
n
0
+1
, entonces
p(n> 1) = 64/100 = (/)
2
, entonces
/ = 8/10 = 4/5 . (1)

Luego TEPUS = 1/ (- ) = hora/cliente, entonces
1/ (-) = 1 media hora/cliente, entonces
- = 1 .... (2)

Resolviendo (1) y (2) : - (8/10) = 1 , entonces
= 5 cl/hor y = 4 cl/hor
Finalmente :
a. p(x=2) = (4)
2
e
-4
/2! = 8e
-4
b. p(2<x<5) = p(x=3) + p(x=4) = (4)
3
e
-4
/3! + (4)
4
e
-4
/4!
c. p(t>2) =
1 - }
0
2
(4)e
- 4t
dt = 1 - [1- e
-8
] = e
-8
El inventario de un almacn se agota y se
vuelve a surtir segn una distribucin de
Poisson. Los tiempos medios entre vaciados
y resurtidos son iguales a 1/ y 1/
respectivamente. Suponga que por cada
unidad de tiempo que el inventario esta
vaco se incurre en un costo de escasez (Ce),
y en un costo de almacenamiento (Ca) por
cada unidad de tiempo que en el almacn se
mantiene un determinado inventario. Si Ce >
Ca, determine:
Una expresin para el costo total esperado por
unidad de tiempo
El valor ptimo de = /
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 29
tpo. surtir inventario = 1/ ~ Exp
tpo. agotar inventario = 1/ ~ Exp
CT inventario = Costo escasez + Costo almacenamiento
= P
0
* Ce + Inventario*Ca
= (1- /)(Ce) + (NEUS)(Ca)
= (1-)Ce + [ /(- )]Ca
= (1- )Ce + [ /(1- )]Ca
= [(1- )
2
Ce + Ca]/(1- )
dCTi
=
[2(1- )(Ce)(-1)+Ca](1- ) - (-1)[(1- )
2
Ce+ Ca]
d (1- )
2

dCTi
=
[-2(1- )
2
(Ce)+Ca(1- ) +(1- )
2
Ce+ Ca
d (1- )
2

dCTi
=
Ca - (1- )
2
Ce
=
Ca
-
Ce para determinar el ptimo
hacemos
d (1- )
2
(1- )
2

dCTi
=
0 entonces Ca - Ce
=
0 luego (1- )
2
=

Ce/Ca = 1 -
Ca
d (1-)
2
Ce
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 30
En un consultorio mdico los pacientes
toman asiento en la sala de espera hasta
que les corresponda su turno de
atencin. En promedio llegan 4 pacientes
por hora segn una distribucin de
Poisson, y entre cada atencin
transcurre un tiempo promedio de 12
minutos, segn una distribucin
Exponencial. Cuantas sillas como mnimo
sern necesarias en la sala de espera
para que se tenga un 90% de
probabilidad o ms de que todos los
pacientes esperen sentados.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 31
A un cajero automtico llegan 3 tipos diferentes
de clientes. Clientes de retiro, de deposito y de
consulta. Los de retiro se ha determinado llegan
12 cli/hora promedio y son atendidos a razn
de 2 min/cli promedio; los clientes de deposito
arriban en un tiempo promedio de 5 cli/hora y
demoran 3 min/cli en realizar su operacin
como tiempo promedio. Los clientes de consulta
llegan en promedio 8 cli/hora y la realizan en
un promedio de 1 min/cli . Si todas las llegadas
se ajustan a una distribucin de Poisson y todos
los tiempos entre servicios a una distribucin
exponencial, hallar la probabilidad de que no
existan usuarios en cola.
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 32
Los automviles llegan a una caseta de peaje segn
una distribucin de Poisson con media de 90
autos/hora. El tiempo promedio de atencin en la
caseta es de 38 segundos. Los choferes se quejan
por el tiempo de espera y los cobradores estn
dispuestos a disminuir a 30 segundos el tiempo de
atencin introduciendo un nuevo mecanismo
automtico. Los responsables consideran que la
introduccin de este mecanismo se justificara si con
el sistema anterior el nmero promedio de autos que
esperan excede a 5 y adems el tiempo ocioso de la
caseta no deber ser 10% mayor. Se justifica esta
mejora?
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 33
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 34
PROBLEMA 9
Los mecnicos que trabajan en una planta de troquelado deben sacar
herramientas de un almacn. Llega un promedio de diez mecnicos
por hora buscando partes. En la actualidad el almacn esta a cargo
de un empleado a quien se le paga 6 dlares / hora y gasta un
promedio de 5 min. Para entregar las herramientas de cada solicitud.
Como a los mecnicos se les paga 10 dlares / hora, cada hora que
un mecnico pasa en el almacn de herramientas le cuesta 10
dlares a la empresa. Esta ha de decidir si vale la pena contratar, a 4
dlares / hora, un ayudante del almacenista. Si se contrata al
ayudante, el almacenista solo tardara un promedio de 4 min. Para
atender las solicitudes de herramientas. Supngase que son
exponenciales tanto los tiempo de servicio como el tiempo entre
llegadas. Se debe contratar al ayudante?
Optimizacin de Sistemas II Facultad de
Ingeniera Industrial y Sistemas
Universidad Tecnolgica del Per 35
Preguntas sobre el
sistemas de colas