Universidad Dr.

Jos Matas Delgado

Facultad de Ingeniera Industrial

Investigacin de Operaciones 2

Siste mas de Colas

Alumno s
Alejandra Mara Velasco Barrera Arturo Ricardo Lpez Rodas Carlos Alberto Viche Romero Patricia Stephana Alonso Garca Rene Jos Jardn Alberto

Catedrtic o
1

Ing. Ren Linares

Fecha de Entrega Jueves, 18 de agosto 2011

ndice
Introduccin al Sistema de Colas............................................................................................ 4 Los elementos de un modelo de colas. .............................................................................. 4 La Distribucin Exponencial................................................................................................ 5 CAPITULO 1..................................................................................................................... 6 1.1 Modelo de Colas de Poisson Generalizado. ..................................................................... 6 1.1.1 Concepto.................................................................................................................... 6 1.1.2Frmulas. .............................................................................................................. ...... 7 1.1.3Casos de Aplicacin. ................................................................................................... 8 CAPITULO 2.................................................................................................................... 12 2.1 Colas Especializadas de Poisson. .................................................................................... 12 2.1.1 Concepto.................................................................................................................. 12 2.2 Notacin General de la Situacin General de Colas. ...................................................... 13 2.2.1Concepto. ............................................................................................................. .... 13 2.3 Medidas de Rendimiento de Estado Estable. ................................................................. 15 2.3.1 Concepto.................................................................................................................. 15 2.3.2 Frmulas. ................................................................................................................. 15 2.3.3 Casos de Aplicacin. ............................................................................................... 17 2.4 Modelo de Un Solo Servidor........................................................................................... 20 3

2.4.1 Concepto.................................................................................................................. 20 2.4.2 Frmulas y Casos de Aplicacin............................................................................... 20 2.5 Modelo de Servidores Mltiples. ................................................................................... 25 2.5.1 Concepto.................................................................................................................. 25 2.5.2 Frmulas y Casos de Aplicacin............................................................................... 25 2.6 Modelo de Servicio de Mquinas. .................................................................................. 32 2.6.1 Concepto.................................................................................................................. 32 2.6.2 Frmulas. ................................................................................................................. 32 2.6.3Casos de Aplicacin. ................................................................................................. 32 2.7 Frmula de Pollaczeek-Khintchine (PK)......................................................................... 35

2.7.1 Concepto.................................................................................................................. 35 2.7.2Frmula................................................................................................................. .... 35 2.7.3 Casos de Aplicacin. ........................................................................................... 35 Conclusin ....................................................................................................................... ..... 38 Bibliografa........................................................................................................................ .... 39

Introduccin al Sistema de Colas

Un sistema de colas es aquel que tiene como propsito cuantificar el fenmeno de espera por medio de colas, esta cuantificacin la logra mediante medidas representativas como la eficiencia, longitud promedio de cola, el tiempo promedio de espera y la utilizacin de las instalaciones. Un anlisis de Colas es funcional a la hora de optimizar los costos, es decir, que la suma de los costos de ofrecer cualquier servicio y el tiempo de esperar por dicho servicio, se reduzcan al mnimo.

Los elementos de un modelo de colas.

Los principales elementos son el cliente y el servidor. Existen otros elementos como la fuente de clientes y la instalacin, que es en donde los clientes pueden recibir servicio inmediato o esperar en la lnea de espera. La fuente puede ser finita o de infinita. Para realizar un buen anlisis de cola se representa el proceso de llegada a las instalaciones como tiempo entre llegadas de los clientes, y el servicio brindado se describe con el tiempo de servicio por cada cliente; ambos tiempos pueden ser probabilsticos o determinsticos. A la hora de efectuar un anlisis de colas, el tamao de la cola desempea un papel importante ya que este puede ser finito o infinito. A su vez, la disciplina de cola es fundamental ya que con ella se determinara la manera en la cual los clientes sern seleccionados para ser atendidos, la ms comn es la de primero llegar, primero en servirse (PLPS), pero existen otras como: ltimo en Llegar, Primero en Servirse (ULPS) Dar Servicio en Orden Aleatorio (SEOA) Disciplina en general o cualquier tipo de disciplina (DG) Que los clientes se coloquen en la cosa por orden de prioridad.

El comportamiento del cliente humano juega un papel importante ya que este se puede saltar de una cola a otra o rehusar a utilizar tal recurso tomando en cuenta lo anterior y adems el tipo de servicios que se ofrezcan, red. Una vez explicados los elementos del anlisis de colas, se puede hablar del papel que juega la distribucin exponencial en el modelo de colas, ya que tiene una relacin directa con la distribucin de Poisson que ser utilizada para resolver problemas del modelo de colas de una forma eficaz y comprensible. se debe seleccionar el tiempo de diseo ideal para la instalacin ya que estos diseos pueden estar en paralelo, en serie o en

La Distribucin Exponencial
Por lo general la llegada de los clientes se hace de manera aleatoria es decir, que la ocurrencia de un evento no est influida por el tiempo que haya transcurrido desde la ocurrencia del evento anterior. Es por eso que los tiempos aleatorios entre llegadas se puede describir con la distribucin exponencial de la siguiente manera:

Al hecho que la distribucin exponencial sea totalmente aleatoria y las probabilidades de ocurrencia sean totalmente independientes al tiempo desde la ltima ocurrencia se le llama amnesia o falta de memoria de la exponencial. La distribucin exponencial se utiliza para describir el tiempo entre

llegadas en el modelo de nacimientos puros (solo permite llegadas) y el tiempo entre salidas en el modelo de muerte pura (solo se permiten salidas). Por otro lado, la distribucin de Poisson establece que los tiempos entre llegadas y de servicio tienen una distribucin exponencial.

CAPITULO 1 1.1 Modelo de Colas de Poisson Generalizado.

1.1.1 Concepto.
Este modelo se basa en el comportamiento a largo plazo tambin conocido como estado estable, este estado se logra luego de que el sistema de colas ha funcionado por un tiempo suficientemente largo. El anlisis que se realiza difiere con el comportamiento transitorio, que se sostiene durante el inicio del funcionamiento del sistema. Para razones de estudio, se analizan los sistemas de cola bajo un estado estable. En el modelo generalizado se supone que las frecuencias de llegada y de salida dependen del estado, o sea que dependen de la cantidad de clientes en la instalacin. Para la correcta utilizacin de la ecuacin de Poisson se definen la siguiente notacin:

n= Cantidad de clientes en el sistema (en la cola y en el servicio). n= Frecuencia de llegada cuando hay n clientes en el sistema. n= Frecuencia de salida cuando hay n clientes en el sistema. Pn= Probabilidad de estado estable de que haya n clientes en el sistema.

Para tener los datos correctos hay varias consideraciones a tomar, como las siguientes:

1 Las probabilidades Pn se calculan utilizando el diagrama de

frecuencia de transicin mostrado en la siguiente figura:

0 1

n-1

0 2

n-1

n+1

1 n

n+1 2

Para n > 0 el estado n solo puede cambiar a dos estados posibles:

n n+1: cuando hay una llegada con frecuencia n

n-1: cuando hay una salida con frecuencia

3 4

El estado 0 solo puede cambiar al estado 1 cuando hay una llegada con frecuencia 0 no se puede definir sistema est vaco.

n ya que no pueden existir

salidas si el

5 En condiciones de estado estable, para n>0 las tasas esperadas del

flujo de entrada y salida del estado n deben ser iguales.

1.1.2Frmul as.
Tomando en cuenta el diagrama de frecuencia de transicin mostrado anteriormente, la condicin de estado estable y considerando a n > 0, se pueden deducir las formulas a utilizar en el Modelo de Colas de Poisson Generalizado. Tasas esperadas de flujo.

Tasas esperada de flujo hacia el estado Tasas esperada de flujo que sale del estado Frecuencias de salida y de llegada. (Se obtienen a partir de una ecuacin de balance.)

Probabilidad de n=0 (Realizando una ecuacin de balance para n=0)

ec.

1 Probabilidad de n=1 (Realizando una ecuacin de balance para n=1) ec. 2 Simultaneando la ecuacin 1 y la ecuacin 2 se obtiene:

Por lo anterior, se puede expresar la formula general para calcular Pn de la siguiente manera:

Frmula para Calcular P0

1.1.3Casos de Aplicacin.

1. En una peluquera se atiende e un cliente cada vez, y tiene tres sillas para los clientes que esperan. Si el lugar est lleno, los clientes van a otra parte. Las llegadas siguen una distribucin de Poisson con una media de 4 por hora. El tiempo de un corte de pelo es exponencial, con 15 minutos de promedio. Determine lo siguiente: a) La probabilidad de estado estable = 4 clientes por hora 4, n = 0, n 5 n= 0 , 1 , . , 4

n =

= 4 clientes/hora

( )

( )

( )

p0 = p1=

b) La cantidad esperada de clientes en la peluquera.

La cantidad de Clientes es 2

c) La probabilidad de que los clientes vayan a otra parte por estar lleno el local.

La Probabilidad es de 0.2

2. Considere la situacin de una lnea de espera con un solo servidor donde las tasas de llegadas y salidas son constantes y estn dadas por n=4 llegadas/hora y n=5 salida/hora para toda n>=0

a) probabilidad de estado estable de no tener a alguien en el sistema. b) probabilidad de que el sistema no este vaco.

n=4 llegadas/hora

n=5 salida/hora

Po= probabilidad de que este vaco.

P1= (4/5)Po P2= (4/5)^2Po P3= (4/5)^3Po P4= (4/5)^4Po

P5= (4/5)^5Po P6= (4/5)^6Po P7= (4/5)^7Po P8=(4/5)^8Po

Po{1+(4/5)+(4/5)^2+(4/5)^3+(4/5)^4+(4/5)^5+(4/5)^6+...}=1 Po{1/(1-4/5)}=1 Po=1/5

a) Probabilidad de que el sistema este vaco: Po=1/5=0.2

b) Probabilidad de que el sistema no este vaco: 1-Po= 1-0.2 = 0.8

3. El First Bank of Springdale tiene un cajero automtico que despacha a automovilistas que forman una lnea. Los vehculos llegan siguiendo una distribucin de Poisson, con una frecuencia de 12 por hora. El tiempo necesario para hacer una transaccin en el cajero es exponencial, con 6 minutos de promedio. En la lnea cabe un total de 10 automviles. Una vez llena, los automviles que lleguen deben irse a otra parte. Calcule lo siguiente:

a) La probabilidad de que un vehculo que llegue no pueda usar el cajero, porque la lnea est llena. b) La probabilidad de que un vehculo no pueda usar el cajero inmediatamente al llegar. c) La cantidad promedio de vehculos en la lnea. = 12 carros/min = 10 carros/hora n=10 carros

P1=(6/5)Po P2=(6/5)^2Po P3=(6/5)^3Po P4=(6/5)^4Po P5=(6/5)^5Po

P6=(6/5)^6Po P7=(6/5)^7Po P8=(6/5)^8Po P9=(6/5)^9Po P10=(6/5)^10Po

Po{1+(6/5)+(6/5)^2+(6/5)^3+(6/5)^4+(6/5)^5+(6/5)^6+(6/5)^7+(6/5)^8+(6/5)^9+(6/5)^10}=10

Po=0.0311

a) Probabilidad de que la lnea este llena: P10= (6/5)^10(Po)=(6/5)^10(0.0311)=0.1926

b) Probabilidad de que un vehculo no pueda usar el servicio inmediatamente: 1-Po= 1-0.0311= 0.9689

c)

Cantidad de vehculos en cola: 0Po+1P1+2P2+3P3+4P4+5P5+6P6+7P7+8P8+9P9+10P10= 6.7098 7 Vehculos

CAPITULO 2 2.1 Colas Especializadas de Poisson.

2.1.1 Concepto.
El caso de colas especializadas de Poisson tiene como estudio aquellos casos en los cuales existe c servidores colocados en paralelo. El servidor en paralelo es aquel que brinda al cliente la facilidad de seleccionar la cola del primer servidor disponible. La frecuencia de llegadas al sistema es

por unidad de tiempo y La

tasa de servicio en cualquier servidor en paralelo es

clientes

por

unidad de tiempo. La cantidad de clientes en el sistema incluye los que hay en el servicio y en la cola. El esquema del sistema se muestra continuacin. a

Instalacin de Servici o
Servid or 1

Frecuenc ia de llegadas

Col a

Frecuencia de Salidas Frecuenc ia de Salidas Frecuenc ia de Salidas

Servid or

Clientes

Servid or

Sistem a

2.2 Notacin General de la Situacin General de Colas.

2.2.1Concepto.
Notacin de Kendall para el caso de colas especializadas de Poisson:

(a/b/c) : (d/e/f)
En donde: a= Distribucin de llegadas. b= Distribucin de Salidas (o del tiempo de servicio). c= Cantidad de servidores en paralelo (=1,2,, ) d= Disciplina de la cola. e= Cantidad mxima (finita o infinita) admisible en el sistema (tanto cola como servicio). f= Tamao de la fuente (finito o infinito). Las notaciones que se utilizan para representar las distribuciones de llegada y salida (a,b) son: M= Distribucin de Markov (o de Poisson) de las llegadas o salidas tambin llamada distribucin exponencial del tiempo entre llegadas o tiempo de servicio. D= Tiempo constate (determinstico)

Ek= Distribucin de Erlang o gamma del tiempo (suma de

distribuciones exponenciales independientes) GI= Distribucin General del tiempo entre llegadas. G= Distribucin General del tiempo de servicio.

La notacin de disciplinas de cola (d) se describe de la

siguiente manera: PLPS: primero en llegar, primero en servirse. ULPS: ltimo en llegar, primero en servirse. SEOA: Servicio en orden aleatorio. DG: Disciplina General

Ejemplo de lectura de notacin:

(M/D/10) : (DG/20/) Utiliza llegadas de Poisson o tiempo entre llegadas de tipo exponencial. Tiempo constaste de servicio. 10 servidores en paralelo. La disciplina de cola es de DG es decir, cualquier tipo de disciplina Existen 20 clientes en todo el sistema. Y el tamao de la fuente es infinito.

2.3 Medidas de Rendimiento de Estado Estable.

2.3.1 Concepto.
Medidas de rendimiento de estado estacionario o estable

Ls= Cantidad esperada de clientes en el Sistema. Lq= Cantidad esperada de clientes en la Cola Ws= Tiempo esperado de espera en la Sistema. Wq= Tiempo esperado de espera en la Cola. = Cantidad esperada de Servicios Ocupados.

2.3.2 Frmulas.
Cantidad esperada de clientes en el sistema

Ls=
Cantidad esperada de clientes en la cola

Lq =

Formula de Little (relaciones Ls-Ws, Lq-Wq)

Ls=ef* Ws

En donde:

ef=

Frecuencia efectiva de llegada al sistema. Es igual a la tasa (nominal) de

llegada cuando todos los clientes que se llegan se unen al sistema. Nota: Si

ef<, los clientes no pueden unirse al sistema porque se encuentra lleno.

Relacin Ls-Lq Ls=Lq+

Relacin Ws y Wq Ws=Wq+1/

=ef + perdido ef=-perdido

En teora, Ls-Lq es igual a la cantidad promedio de servidores ocupados (c) por lo que se dice que: C = Ls Lq Utilizacin de Instalacin =

2.3.3 Casos de Aplicacin.

1. El estacionamiento de visitas de Ozark College se limita slo a cinco cajones. Los automviles que lo usan llegan siguiendo una distribucin de Poisson de frecuencia de cinco por hora. El tiempo de estacionamiento vaco tiene distribucin cuando exponencial pueden con 30 minutos de promedio. Las visitas que no pueden encontrar un lugar inmediatamente llegan esperar provisionalmente dentro del estacionamiento hasta que salga un automvil estacionado. Los cajones provisionales solo pueden contener tres vehculos. Otros vehculos que no se pueden estacionar ni encontrar un espacio de espera temporal se deben ir a otra parte. Calcular:

a) Lq en forma directa con la frmula Primeramente se calcula n = 1 , 2, ,5

n =6, 7, 8 El valor de se calcula sustituyendo en la siguiente ecuacin:

p0 + p1 + + p8 = 1

Es decir;

Conociendo

ya se puede calcular

1 0.1443 6

2 0.2165 4

3 0.2165 4

4 0.1624 0

5 0.0974 4

6 0.0584 7

7 0.0350 8

8 0.02105

Para encontrar Lq y conociendo de p1 a p8, se aplica la siguiente frmula

a) Ws a partir de Lq.

b) La cantidad promedio de automviles que no podrn entrar al estacionamiento durante un periodo de 8 horas. Automvil/ho ra

2. Tomando de referencia el caso de aplicacin 2 en la seccin 1.1.3 en donde =4 =5 para todo n>=0 a su vez se dice que: ef= 4(Po+P1+P2+...) = 4 llegadas por hora Calcular: a) Ls b)Lq c) Ws d) Wq

a) Cantidad de clientes en el sistema:

Ls=

; Pn=

Ls= 0Po+1P1+2P2+3P3+4P4+... Ls= 4 clientes esperados en el sistema

b) Cantidad de clientes en cola: Ls = Lq + ef/ 4= Lq+4(Po+P1+P2+...)/5 4=Lq+4/5 Lq=3.2 4 Clientes en Cola

c) Tiempo de espera en el sistema: Ws Ls= ef Ws Ls/ ef=Ws ; 4/4= Ws ; 1=Ws Ws= 1 hora estimada de espera en el sistema

d) Tiempo de espera en la fila: Wq Lq= ef Wq Lq/ ef=Wq; 3.2/4=Wq=0.8 Wq= 0.8 hora estimada de espera en fila

2.4 Modelo de Un Solo Servidor.

2.4.1 Concepto.
El Modelo de un solo Servidos es un caso especial del modelo generalizado explicado con anterioridad en la seccin 2.2. El modelo ocurre cuando c=1 en donde las llegadas suceden con la frecuencia de

clientes por unidad de tiempo y la tasa de servicio es

de clientes

por unidad de tiempo. Para este ocuparn: modelo se

Notacin de Kendall (seccin 2.2.1) Deducciones de Pn (seccin 1.1.2) Medidas de rendimiento (seccin 2.3) DG: Disciplina General.

2.4.2 Frmulas y Casos de Aplicacin.

Modelo (M/M/1) : (DG//) de Utilizacin = Factor Numero esperado de clientes en el sistema: Tiempo de espera: Nmero de clientes esperado en la cola: y

1.

Lavado Autmata para automviles funciona solo con un lugar. Los autos llegan siguiendo una distribucin de Poisson, con 4 autos por hora, que pueden esperar en el estacionamiento de la instalacin, si el lugar de lavado est ocupado. El tiempo para lavar y limpiar un automvil es exponencial, con 10 minutos de promedio. Los automviles que no se pueden estacionar en la instalacin pueden esperar en el arroyo junto al lavado. Eso quiere decir que para todo fin prctico no hay lmite del tamao del sistema. El gerente de la instalacin desea determinar el tamao del estacionamiento.

Para este caso = 4 automviles por hora =

= 6 automviles por hora

Como

el sistema puede funcionar en condiciones de

estado estable. a) Determine la utilizacin porcentual del lavador de automviles. ( ) ( )

b) Determine la probabilidad de que un automvil que llega deba esperar en el estacionamiento para ser lavado.

c)

Si hay siete cajones de estacionamiento, determine la probabilidad de que un automvil que llegue encuentre un cajn vaco.

( )

( )

2. John Macko es alumno en la U de Ozark. Hace trabajos extraos para aumentar sus ingresos. Las peticiones de trabajo llegan en promedio cada 5 das, pero el tiempo entre ellas es exponencial. El tiempo para terminar un trabajo tambin es exponencial, con una media de 4 das. Resolver: a) Cual es la probabilidad de que le falte trabajo a John? b) si John cobra unos 50$ por cada trabajo, cul es su ingreso mensual promedio? c) si al final del semestre John decide subcontratar los trabajos pendientes a 40$ cada uno, cuanto debe esperar para pagar en promedio? Datos =1/5trabajos/da =1/4trabajos/da Desarrollo a) Tomando en cuenta que si: <1, Po=1- Po=1-; Po=1- 0.8 = 0.2 =/=(1/5)/(1/4) = 0.8

b) Considerando que le pagan despus del trabajo realizado. es la tasa promedio de trabajo realizado entonces: es la tasa promedio de trabajo=30dias*1/4 trabajos / das * 50$= 375$ en 1 mes si la tasa de trabajo tiene de entrada y salida se mantiene constante.

c) Cantidad de trabajos en el sistema: Ls = Pn=P^n *Po Ls=4 trabajos en el sistema Lq= Ls - Ls/ ef = 3.2 * 40$=128$ a pagar

3. A travs de los aos el detective Columbo, del departamento de polica de Fayetteville, ha tenido un xito fenomenal en la solucin de cada caso que se le presenta. Solo es cuestin de tiempo para que pueda resolver cualquier caso. Columbo admite que el tiempo en cada caso es totalmente aleatorio, pero en promedio cada investigacin dura aproximadamente semana y media. Los delitos en la tranquila Fayetteville no son muy comunes. Suceden al azar, con una frecuencia de uno por mes (4 semanas). Columbo pide un ayudante con quien compartir la pesada carga de trabajo. Analice la peticin de Columbo, en particular desde los siguientes puntos de vista: a) La cantidad promedio de casos que esperan ser El tiempo necesario

investigados. b) El porcentaje de tiempo en el que est ocupado el detective. c) para resolver el caso. Datos =1/4 =1/1.5 a) Lq=Ls ef/ Lq= - ef/; Lq = 0.6 (1/4)/(1/1.5); Lq = 0.2250

casos

b) 1- Po = 1 0.625 = 0.3750 horas

c) Tiempo de servicio = Ws Wq = 1.3 meses

Modelo (M/M/1) : (PLPS//)

( )
1. En una cafetera puede sentarse una mximo de 50 personas. Los clientes llegan en una corriente de Poisson con una frecuencia de 10 por hora, y son servidos, uno por uno, con una rapidez de 12 por hora. a) Cul es la probabilidad de que un cliente que llegue no entre a la cafetera porque est llena? Encontrando

Ahora, se puede encontrar

( )

b)

Suponga que a tres clientes (con tiempos aleatorios de llegadas) les gustara sentarse juntos. Cul es la probabilidad de que se les pueda dar ese gusto? (Suponga que pueden hacerse los arreglos para que se sienten juntos siempre que haya tres asientos disponibles). 2 4

2.

Los pacientes llegan al consultorio de un doctor siguiendo una distribucin de Poisson, con la frecuencia de 20 pacientes por hora. La sala de espera no tiene lugar ms que para 14 pacientes. El tiempo de consulta por paciente es exponencial, con promedio de 8 minutos. a) Cul es la probabilidad de que no espere un paciente que llega?

Encontrando

( )

b) Cul es la probabilidad de que un paciente que llega encuentre un asiento vaco en la sala? (

c)

Cul es el tiempo total esperado que pasa un paciente en el consultorio?

Por lo que encontrando Entonces 2 4 ( ) ( )

2.5 Modelo de Servidores Mltiples.

2.5.1 Concepto.
Supngase que las llegadas son Poisson, los tiempos de servicio son exponenciales, hay una sola lnea, varios servidores y una cola infinita que opera con la disciplina de primero en llegar primero en ser servido.

Tiempo de servicio y de llegadas del tipo exponencial. Llegadas aleatorias. Mltiples servidores. PLPS No hay lmite de recepcin de clientes. Poblacin infinita. Hay espacio suficiente. No hay abandono no rechazo.

2.5.2 Frmulas y Casos de Aplicacin.

Modelo (M/M/c) : (DG//) Especificaciones: C servidores en paralelo. La frecuencia de llegada es de servidor. -

y la rapidez de servicio es

por

No hay lmite de cantidad en el sistema entonces:

ef =

Si el nmero de clientes en el sistema, n, es igual o excede a c, la tasa combinada de salidas de la instalacin es trminos del modelo generalizado tenemos:

. Por otra parte . As, en

si n es menor que c, la tasa de servicio es igual a

2 5

Calculamos as

Y para

se tiene

1.

Calcule la cantidad mnima de servidores en paralelo necesarios en cada uno de los siguientes casos (llegada y salida de Poisson) para garantizar que el funcionamiento de la cola sea estable, es decir, que la longitud de la cola no crezca en forma indefinida:

a) Los clientes llegan cada 5 minutos, y son servicios a una tasa de 10 clientes por hora.

2 6

b) El tiempo promedio entre llegadas es 2 minutos, y el tiempo promedio de servicio es 6 minutos.

c) La frecuencia de llegada es 30 clientes por hora, y la rapidez de servicio por servidor es 40 clientes por hora.

Modelo (M/M/c) : (DG/N/), c N Especificaciones: El lmite del sistema es finito igual a N. Tamao mximo de la cosa es N-c. Tasas de llegada y de servicio

Respectivamente.

ef<

(causado por el lmite N del

sistema.) Frmulas asociadas a este modelo: Modelos con varios servidores:

2 7

( )

( ) ( )

( ) {

1. Eat & Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar cabida cuando mucho a cinco automviles, incluyendo los que llenan el tanque. Los que llegan cuando el carril est lleno van a otra parte. La distribucin de los vehculos que llegan es de Poisson, con promedio de 20 por hora. El tiempo para llenar y pagar las compras es exponencial, con 6 minutos de promedio. Determine lo siguiente:

0/hora

=10/hora a)
trabajo.

Cantidad promedio de mecnicos sin

b) El porcentaje de tiempo en el que se usa una bomba.

2 8

c)

La utilizacin porcentual de las dos bombas. ( )

d) La probabilidad de que un automvil que llegue no reciba servicio de inmediato, sino que se forme en cola.

2 9

Modelo (M/M/) : (DG/N/) (Modelo de Autoservicio) Especificaciones: Cantidad ilimitada de servidores. Se supone una llegada continua. Tasas de servicio y Respectivamente.

En este modelo el nmero de servidores es ilimitado porque el cliente mismo es tambin el servidor. Este es normalmente el caso en los establecimientos de autoservicio. Una vez ms en trminos del modelo generalizado se tiene : ln = l , para toda n 0 mn = nm , para toda n 0 La sustitucin directa en la expresin de pn produce que :

Ya que

se deduce que:

1. A los conductores nuevos se les pide pasar un examen por escrito, antes de hacer las pruebas de manejo. Los exmenes escritos suelen hacerse en el departamento de polica de la ciudad. Los registros de la ciudad de Springdale indican que la cantidad promedio de exmenes escritos es de 100 por da de 8 horas. El tiempo necesario para contestar el examen es de 30 minutos, ms o menos. Sin embargo, la llegada real de los aspirantes y el tiempo que tarda cada uno en contestar son totalmente aleatorios. Determine lo siguiente:

3 0

a) La cantidad promedio de asientos que debe tener el departamento de polica en el saln de exmenes.

=12.5 por hora

=

= 2 por hora

b) La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos que hay en el saln de exmenes.

c)

La probabilidad de que los aspirantes rebasen la cantidad promedio de asientos que hay en el saln de exmenes.

3 1

2.6 Modelo de Servicio de Mquinas.

2.6.1 Concepto.
Notacin Kendall: (DG/K/K), R K (M/M/R) :

Este modelo se diferencia por tener una fuente finita de clientes. En este caso, es la frecuencia de unidad de tiempo; dicha descomposturas por mquina y por maquina deber ser reparada por un

mecnico a una tasa de maquinas por unidad de tiempo. A su vez se supone que todas las descomposturas y servicios siguen una distribucin de Poisson.

2.6.2 Frmulas. 2.6.3Casos Aplicacin.

1.

de

Toolco tiene un taller con 22 mquinas en total. Se sabe que cada mquina se descompone con una frecuencia promedio de una vez cada dos horas. Se necesita un promedio de 12 minutos para terminar una reparacin. Tanto el tiempo entre descomposturas como el tiempo de reparacin siguen una distribucin exponencial.

Para este caso, se supone como 4 la cantidad de mecnicos empleados para aumentar la productividad del taller. R= mecnicos empleados K= nmero mquinas de

3 2

Resultados del anlisis comparativo obtenidos del TORA.

c 1 2 3 4 Lambda 0.500 0.500 0.500 0.500 Mu 5.00 5.00 5.00 5.00 Lda eff 4.9980 8.8161 9.7670 9.9500 po Ls Lq Ws Wq

0.0004 12.0040 11.004 2.4018 0.2018 0.0564 4.3677 2.6045 0.4954 0.2954 0.1078 2.4660 0.5128 0.2525 0.0525 0.1199 2.1001 0.1102 0.2111 0.0111

Utilizando los datos obtenidos de TORA; calcular: a) Comprobar los valores de del cuadro anterior.

b) Calcular la cantidad esperada de mecnicos sin trabajo, si R=4 (

c)

Calcular la probabilidad de que todos los mecnicos estn sin trabajo para R=3

3 3

d) Calcular la probabilidad de que la mayora (ms de la mitad de los mecnicos estn sin trabajo para R=3

3 4

2.7 Frmula de Pollaczeek-Khintchine (P-K)

2.7.1 Concepto.
Esta frmula se utiliza cuando las llegadas y las salidas en un modelo de cola no se encuentran representadas por una distribucin de Poisson. Para este caso, se dice que el tiempo est representado por una distribucin de probabilidades con medida E(t) y varianza var(t). Se dice que

es

la frecuencia de llegada a la instalacin con un servidor y

E(t)

1.

2.7.2Frmu la.
( { } { }) ( }) {

{ }

{ }

2.7.3 Casos Aplicacin.

1. (M/G/1) : (GD/

de

Llega un producto con una distribucin de Poisson, con la frecuencia de una cada 45 minutos. Este producto requiere de dos operaciones consecutivas que hace un trabajador. En la primera usa una maquina semiautomtica que termina su ciclo exactamente en 28 minutos. La segunda operacin es hacer ajustes y cambios secundarios, y el tiempo que dura depende del estado del producto al salir de la operacin 1. En forma especfica, el tiempo de la operacin 2 se distribuye uniformemente entre 3 y 6 minutos. Como en cada operacin se requiere la atencin completa del trabajador, no se puede cargar un artculo a la maquina semiautomtica sino hasta que el articulo actual 3 5

haya salido de la operacin 2 .

3 6

{ }

{ }

a) Determine la cantidad de artculos que esperan su procesamiento en la maquina semiautomtica. { }

( { } { }) { }

{ }

{ } Sustituyendo (

) )( )

Sustituyendo en la frmula de { } ( )

b) Cul es el porcentaje del tiempo en que el trabajador no tendr qu hacer? { }

3 7

c)

Cunto tiempo se necesita, en promedio, para que un artculo que llega salga de la operacin 2?

( )

3 8

37

Conclusin

A partir de la informacin bibliogrfica resumida en el presente reporte, se puede concluir que los sistemas de colas surgen a partir del estudio matemtico de las lneas de espera (colas), el cual es un fenmeno comn que ocurre cuando la demanda de un servicio excede su oferta. Dicho estudio proporciona una base terica sobre el comportamiento de las colas en las diferentes instancias que ocurren situaciones de espera.

Frecuentemente,

las

empresas

deben

decidir

en

base

comportamientos observados en el flujo de servicios que debe estar capacitada para ofrecer, aunque generalmente es imposible predecir con exactitud el momento en que se presentarn los clientes que demandan el servicio, as como el tiempo requerido para que dicho servicio sea realizado.

Los distintos modelos de aplicacin para los sistemas de colas, no resuelven en su totalidad el problema que se presenta, pero contribuye con informacin vital necesaria al momento de la toma de decisiones, prediciendo factores como estabilidad, tiempo de espera y comportamiento de los clientes; es por ello que los sistemas de colas son ampliamente utilizados y a partir de eso se deriva su importancia.

3 8

Bibliografa.
Investigaciones de Operaciones, 7ma Edicin, Hamdy A. Taha

3 9