Escolar Documentos
Profissional Documentos
Cultura Documentos
Facultad de Ingeniería
Departamento de Matemáticas
Investigación de operaciones
Integrantes:
Bárbara Rivera
Fabyan Olivares
Alfredo Bórquez
Rodrigo Campusano
Grupo: 8
Fig. 1: Diagrama que muestra dos colas para n-ésimos nodos (servidores)
DESCRIPCIÓN DE UN SISTEMA DE COLAS
Un sistema de colas se puede describir como sigue. Un conjunto de
clientes llega desde una fuente, una población de clientes potenciales del
sistema, buscando un servicio a un servidor. La cantidad de los tres componentes
nombrados anteriormente, puede ser finita o infinita. Los clientes esperan en una
cola si el servicio no es inmediato, y abandonan el servidor una vez han sido
atendidos (en algunos casos se puede admitir que los clientes abandonan el
sistema si se cansan de esperar).
La capacidad del sistema es la longitud que alcanza la cola, siendo finita o infinita,
esto dependerá de que, si el aumento tiene o no un límite, por ejemplo, una cola
finita (capacidad suficientemente pequeña para ser considerada), en un lugar
donde la sala de espera contenga pocas sillas y con pocas personas que realicen
el servicio, en ocasiones si ésta cola es demasiado grande, puede retirarse el
cliente de inmediato o una cola infinita (se mantiene un número ilimitado de
clientes por motivos prácticos) como el pago de peajes.
El estudio de las colas tiene que ver con la cuantificación del fenómeno de
esperar, por medio de medidas de desempeño representativas, tales como
longitud promedio de la cola, tiempo de espera promedio en la cola, y el uso
promedio de la instalación. El siguiente ejemplo demuestra cómo pueden usarse
estas medidas para diseñar una instalación de servicio.
McBurger es un restaurante de comida rápida con tres mostradores de servicio. El
gerente desea agilizar el servicio. Un estudio revela la siguiente relación entre la
cantidad de mostradores y el tiempo de espera para el servicio:
Cantidad de cajeros 1 2 3 4 5 6 7
Tiempo de espera promedio [𝒎𝒊𝒏] 16,2 10,3 6,9 4,8 2,9 1,9 1,3
Además, los resultados del análisis de colas pueden usarse para intentar
minimizar el costo de ofrecer el servicio y la espera por parte de los clientes.
−𝜆𝑡
(𝜆𝑡)𝑥
𝑓(𝑥; 𝜆) = 𝑒 , 𝑥 = 0,1,2, …
𝑥!
𝔼[𝑋] = 𝕍(𝑋) = 𝜆𝑡
Fig. 5: Gráfico de la distribución de Poisson
−2
20
ℙ(𝑥 = 0) = 𝑒 = 0,1353
0!
21
ℙ(𝑥 = 1) = 𝑒 −2 = 2 ∗ 0,1353 = 0,2706
1!
−2
22
ℙ(𝑥 = 2) = 𝑒 = 2 ∗ 0,1353 = 0,2706
2!
23
ℙ(𝑥 = 3) = 𝑒 −2 = 1,3333 ∗ 0,1353 = 0,1803
3!
1 −𝑥
𝑓(𝑥; 𝜃) = 𝑒 𝜃 ,𝑥 > 0
𝜃
𝔼[𝑋] = 𝜃, 𝕍(𝑋) = 𝜃 2
Otro ejemplo:
a) Menos de un minuto
b) Más de una hora
y para el apartado b:
−𝜆𝑥
(𝜆𝑥)𝑘−1
𝑓(𝑥; 𝜆, 𝑘) = 𝜆𝑒 ,𝑥 > 0
(𝑘 − 1)!
𝑘 𝑘
𝔼[𝑋] = , 𝕍(𝑋) =
𝜆 𝜆2
Usualmente se utiliza la distribución Erlang para describir el tiempo de espera
hasta el 𝑘-ésimo suceso en un proceso de Poisson. La distribución de Erlang es
una variante de la distribución gamma.
Los modelos de nacimientos puros, son aquellos en los cuales solo se permiten
las llegadas (por ejemplo, la inscripción de actas de nacimientos) mientras que, en
los modelos de muertes puros, solo se admiten las salidas (por ejemplo, sacar
un artículo cualquiera que sea de una tienda). Para estas situaciones podemos
utilizar la distribución exponencial, que describe el tiempo de llegada y salida de
cada modelo nombrado anteriormente. Como dato adicional, un subproducto del
desarrollo de los dos modelos es demostrar la estrecha relación entre las
distribuciones exponencial y la de Poisson, en el sentido de que una distribución
define automáticamente a la otra.
𝔼[𝑋] = 𝕍(𝑋) = 𝜆𝑡
Exponencial Poisson
Variable aleatoria Tiempo entre llegadas Cantidad de 𝑛 llegadas durante
sucesivas, 𝑡 un tiempo 𝑡
Intervalo 𝑡≥0 𝑛 = 0, 1, 2, …
Función de 𝑓(𝑡) = 𝜇𝑒 −𝜇𝑡 , 𝑡 > 0 (𝜆𝑡)𝑛
densidad 𝑝𝑛 (𝑡) = 𝑒 −𝜆𝑡 , 𝑛 = 0,1,2, …
𝑛!
Valor medio 1 𝔼[𝑁] = 𝜆𝑡 [𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑡]
(esperanza) 𝔼[𝑇] = [𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜]
𝜇
Probabilidad ℙ(𝑇 ≤ 𝑡) = 1 − 𝑒 −𝜇𝑡 ℙ(𝑁 ≤ 𝑛) = 𝑝𝑁≤𝑛 (𝑡) = ∑ 𝑝𝑛 (𝑡)
acumulada
𝑖≤𝑛
Probabilidad de no ℙ(𝑇 > 𝑡) = 𝑒 −𝜇𝑡 ℙ(𝑛 = 0) = 𝑝0 (𝑡) = 𝑒 −𝜆𝑡
llegadas durante
un periodo 𝑡
En el caso del modelo de muerte pura el sistema se inicializa con 𝑁 clientes en
el instante 0, sin llegadas permitidas, siendo el objetivo hallar la probabilidad 𝑝𝑛 (𝑡)
de que 𝑛 clientes permanezcan después de un tiempo 𝑡 mientras las salidas
ocurren a una razón de 𝑚 clientes por unidad de tiempo.
En una ciudad grande nacen bebés a razón de uno cada 12 minutos. El tiempo
entre nacimientos sigue una distribución exponencial. Determine lo siguiente:
Para el apartado b:
(𝜆𝑡)𝑛
𝑝𝑛 (𝑡) = 𝑒 −𝜆𝑡
𝑛!
50 − 40 𝑏𝑒𝑏é
𝑛= = 10 [ ]
3−2 ℎ𝑜𝑟𝑎
Y reemplazando:
−5
(5)10
𝑝10 (1) = 𝑒
10!
∴ 𝑝10 (1) = 0,01813
El modelo general asume que tanto las tasas de entrada como de salida
dependen del estado; lo que significa que dependen de la cantidad de clientes en
la instalación de servicio. Por ejemplo, en una caseta de cobro en una carretera,
los encargados tienden a acelerar el cobro de las cuotas durante las horas peak.
Definimos:
𝜇1 𝑝1 = 𝑝0 (𝜆0 + 𝜇0 )
𝜇1 𝑝1 = 𝜆0 𝑝0
Dejando en función de 𝑝0 tenemos entonces:
𝜆0 𝑝0
𝑝1 = (𝑒𝑐. 𝑏)
𝜇1
Luego reemplazamos la ecuación anterior en la ecuación de conservación para
𝑛 = 1, y obtenemos:
𝜆1 𝜆0
𝑝2 = ( )𝑝
𝜇2 𝜇1 0
𝜆𝑛−1 𝜆𝑛−2 … 𝜆0
𝑝𝑛 = ( ) 𝑝0 , 𝑛 = 1, 2, …
𝜇𝑛 𝜇𝑛−1 … 𝜇1
∑ 𝑝𝑛 = 1
𝑛=0
COLAS POISSONIANAS
NOTACIÓN DE LEE-KENDALL
Una manera abreviada de describir un sistema de espera la propuso D.G.
Kendall en 1953 y A.M. Lee, quien mejoró la notación en 1968, la cual consiste en
el siguiente arreglo:
𝐴/𝑆/𝑐/𝐾/𝐹/𝑑
𝑀: 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙
𝐷: 𝐿𝑜𝑠 𝑡𝑖𝑒𝑚𝑝𝑜𝑠 𝑒𝑛𝑡𝑟𝑒 𝑙𝑙𝑒𝑔𝑎𝑑𝑎𝑠 𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 𝑠𝑜𝑛 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠
𝑀𝑘 : 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝐸𝑟𝑙𝑎𝑛𝑔 𝑜 "𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑎𝑚𝑚𝑎 𝑑𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜"
𝐺: 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑔𝑒𝑛𝑒𝑟𝑖𝑐𝑎
𝑐: 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑑𝑜𝑟𝑒𝑠
𝐾: 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎
𝐹: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑓𝑢𝑒𝑛𝑡𝑒
𝑑: 𝐷𝑖𝑠𝑐𝑖𝑝𝑙𝑖𝑛𝑎 𝑑𝑒𝑙 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜
Nota: Recordar que el sistema incluye tanto la cola como las instalaciones de
servicio.
Este modelo es uno de los más usuales, teniendo que todas las medidas suponen
que el sistema de colas se halla en una condición de estado constante.
Aplicando lo ya aprendido:
𝜆
Antes que todo definimos: 𝜌 = 𝜇 por razones que ya veremos. A el cociente le
llamaremos intensidad de tráfico. Dicho esto, tenemos:
𝜆𝑛 = 𝜆, 𝑛 = 0, 1, 2, …
𝜇0 = 0
𝜇𝑛 = 𝜇, 𝑛 = 1, 2, 3, …
𝜆𝑝0
𝑝1 =
𝜇
𝜆𝑛 𝑝0
𝑝𝑛 = (𝑒𝑐. 𝑐)
𝜇𝑛
∞ ∞
𝜆𝑛
𝑝0 ∑ 𝑛 = 𝑝0 ∑ 𝜌𝑛 = 1 (𝑒𝑐. 𝑑)
𝜇
𝑛=0 𝑛=0
∑ 𝜌𝑛 = 𝜌0 + 𝜌1 + ⋯ = 𝑆
𝑛=0
⇒ 𝜌𝑆 = 𝜌1 + ⋯
⇒ 𝑆 − 𝜌𝑆 = 1 (𝑒𝑐. 𝑒)
𝑝𝑛 = 𝜌𝑛 (1 − 𝜌), (0 ≤ 𝑝 ≤ 1)
Observación:
𝜆
Para la deducción de 𝐿, consideramos < 1, asegurando que si existe una
𝜇
distribución de probabilidad de estado estable.
𝐿 = ∑ 𝑛𝑝𝑛 = ∑ 𝑛𝜌𝑛 (1 − 𝜌)
𝑛=0 𝑛=0
𝐿 = (1 − 𝜌) ∑ 𝑛𝜌𝑛
𝑛=0
Definimos entonces:
∞
Así:
𝜌
𝑆′ =
(1 − 𝜌)2
Finalmente:
𝜌
𝐿 = (1 − 𝜌) ∗
(1 − 𝜌)2
𝜆
𝐿=
𝜇−𝜆
𝐿𝑞 = ∑(𝑛 − 1)𝑝𝑛
𝑛=1
∞ ∞
𝐿𝑞 = ∑ 𝑛𝑝𝑛 − ∑ 𝑝𝑛
𝑛=1 𝑛=1
𝐿𝑞 = 𝐿 − (1 − 𝑝0 )
𝐿𝑞 = 𝐿 − 𝜌
En consecuencia:
𝜆2
𝐿𝑞 =
𝜇(𝜇 − 𝜆)
En el caso de la deducción de 𝐿𝑠 :
𝐿𝑠 = 0𝑝0 + 1(𝑝1 + 𝑝2 + ⋯ ) = 1 − 𝑝0 = 𝜌
𝜆
𝐿𝑠 =
𝜇
𝐿 = 𝐿𝑠 + 𝐿𝑞
Además, la ecuación es válida para cada tipo de variable implicada, esto es:
𝐿 = 𝜆𝑊
𝐿𝑠 = 𝜆𝑊𝑠
𝐿𝑞 = 𝜆𝑊𝑞
Usaremos las expresiones anteriores para encontrar expresiones para los tiempos
implicados.
𝐿𝑞
𝑊𝑞 =
𝜆
1
𝑊𝑠 =
𝜆
1
𝑊 = 𝑊𝑞 +
𝜆
Observación:
𝜆 0,75
𝑃0 = 1 − = 1− = 0,25
𝜇 1
𝜆2 0,752
𝐿𝑞 = =− = 2,25
𝜇(𝜇 − 𝜆) 1(1 − 0,75)
3. El promedio de clientes en el sistema es 3, en efecto:
𝜆 0,75
𝐿 = 𝐿𝑞 + = 2,25 + =3
𝜇 1
𝐿𝑞 2,25
𝑊𝑞 = = =3
𝜆 0,75
1 1
𝑊 = 𝑊𝑞 + = 3+ = 4
𝜇 1
𝜆 0,75
𝑃𝑤 = = = 0,75
𝜇 1
𝜆
1. 𝑃0 = 1 − 𝜇 = 1 − 0,6666 = 0,3334 Es la probabilidad de que no haya
clientes en el sistema.
𝜆2 (0,4)2 0,16
2. 𝐿𝑞 = 𝜇(𝜇−𝜆) = 0,6(1−0,4) = 0,36 = 0,4444 Es el promedio de clientes que
esperan en la cola.
𝜆
3. 𝐿 = 𝐿𝑞 + 𝜇 = 0,4444 + 0,6666 = 1,1111 Es el número promedio de clientes
que espera en el sistema.
𝐿𝑞 0,4444
4. 𝑊𝑞 = = 0,4000 = 1,1111 Es el tiempo promedio, en minutos, que el cliente
𝜆
pasa en la cola.
1 1
5. 𝑊 = 𝑊𝑞 + 𝜇 = 1,111 + 0,6666 = 1,711 Es el tiempo promedio, en minutos,
que el cliente pasa en el sistema.
𝜆
6. 𝑃𝑤 = 𝜇 = 0,6666 Es el factor de utilización del sistema (probabilidad de los
clientes que tienen que esperar para obtener servicio).
Definiciones:
𝜆𝑛 = 𝜆, 𝑛 ≥ 0
𝑛𝜇, 𝑛<𝜅
𝜇𝑛 = {
𝜅𝜇, 𝑛≥𝜅
𝜌𝑛 𝑝0
, 𝑛<𝜅
𝑝𝑛 = { 𝑛 𝑛!
𝜌 𝑝0
, 𝑛≥𝜅
𝜅! 𝜅 𝑛−𝜅
∑ 𝑝𝑛 = 1
𝑛=0
Entonces:
1
𝑝0 =
𝜌𝑛 𝜌𝜅 𝜌 𝑛−𝜅
∑𝜅−1 ∑∞
𝑛! 𝜅! 𝑛=𝜅 𝜅 )
𝑛=0 + (
1
𝑝0 =
𝜌𝑛 𝜌𝜅 1
∑𝜅−1
𝑛=0 𝑛! + 𝜅! (1 − 𝜌)
𝜅
𝐿𝑞 = ∑(𝑛 − 𝜅)𝑝𝑛
𝑛=𝜅
𝐿𝑞 = ∑ 𝑖𝑝𝑖+𝜅
𝑖=0
∞
𝜌𝑖+𝜅 𝑝0
𝐿𝑞 = ∑ 𝑖
𝜅 𝑖 𝜅!
𝑖=0
∞
𝜌𝜅+1 𝑝0 𝜌 𝑖−1
𝐿𝑞 = ∑𝑖( )
𝜅! 𝜅 𝜅
𝑖=0
∞
𝜌𝜅+1 𝑝0 𝑑 𝜌 𝑖−1
𝐿𝑞 = ∑ 𝑖 ( )
𝜅! 𝜅 𝑑 (𝜌) 𝜅
𝜅 𝑖=0
Finalmente:
𝜌𝜅+1
𝐿𝑞 = 𝑝
(𝜅 − 1)! (𝜅 − 𝜌)2 0
𝜆
𝐿 = 𝐿𝑞 +
𝜇
Lq
Wq
Otra identidad importante es el porcentaje de clientes que tiene que esperar para
ser atendidos, esta es:
1 1
𝑃𝑤 = (𝜌)𝜅 ( 𝜌) 𝑃0
𝜅! 1−𝜅
Los administradores del Restaurante Tip Top de comida rápida, que tiene un
sistema de servicio de un solo canal, tienen problemas con la atención de sus
clientes. En las últimas semanas, han recibido quejas relacionadas con el tiempo
que esperan en la cola antes de ser atendidos. Hallaron que la tasa promedio de
clientes que se incorporan a la cola es de 45 clientes por hora, esto es, una tasa
45
promedio de arribos de 𝜆 = 60 = 0,75 clientes por minuto. La tasa promedio de
servicio resultó ser de 1 cliente por minuto, esto es, 𝜇 = 1. Con estos datos las
características de operación de la cola resultaron ser las siguientes:
𝜆 0,75
𝑃0 = 1 − = 1− = 0,25
𝜇 1
𝜆2 0,752
𝐿𝑞 = = = 2,25
𝜇(𝜇 − 𝜆) 1(1 − 0,75)
𝜆 0,75
𝐿 = 𝐿𝑞 + = 2,25 + =3
𝜇 1
𝐿𝑞 2,25
𝑊𝑞 = = =3
𝜆 0,75
𝜆 0,75
𝑃𝑤 = = = 0,75
𝜇 1
1
𝑝0 =
𝜌𝑛 𝜌𝑘 1
∑𝑘−1
𝑛=0 𝑛! + 𝑘! (1 − 𝜌)
𝑘
(𝜆/𝜇)𝜂
Debemos observar que la sumatoria del denominador se aplica solamente a .
𝜂!
Los cálculos son los siguientes:
1
𝜌𝑛 0,75𝑛 1 0,75
∑ = = + = 1,75
𝑛! 𝑛! 0! 1!
𝑛=0
Por otra parte:
𝜆 𝜅
(𝜇 ) 𝜅𝜇 0,752 2 0,5625 2
( )= = = 0,4500
𝜅! 𝜅𝜇 − 𝜆 2! 2 − 0,75 2 1,25
Luego:
1 1
𝑃0 = 𝜂 𝜅 = = 0,4545
𝜆 𝜆 1,75 + 0,45
(𝜇 ) (𝜇 ) 𝜅𝜇
∑𝜅−1 +
𝜂−0 𝜂! 𝜅! (𝜅𝜇 − 𝜆)
0,75 2
( (0,75)(1)
𝐿𝑞 =
(𝜆/𝜇)𝜅 𝜆𝜇
𝑃 = 1 ) (0,4545) = 0,1227 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
(𝜅 − 1)! (𝜅𝜇 − 𝜆)2 0 (2 − 1)! [2(1) − 0,75]2
𝜆 0,75
𝐿 = 𝐿𝑞 + = 0,1227 + = 0,8727 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜇 1
𝐿𝑞 0,1227
𝑊𝑞 = = = 0,16 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜆 0,75
𝜆 1
𝑊 = 𝑊𝑞 + = 0,16 + = 1,16 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜇 1
6. Probabilidad de que un cliente que llega, tenga que esperar para obtener
servicio, el factor de utilización del sistema es:
1 𝜆 𝜅 𝜅𝜇 1 0,75 2 2(1)
𝑃0 = ( ) ( ) 𝑃0 = ( ) ( ) (0,4545) = 0,2045
𝜅! 𝜇 𝜅𝜇 − 𝜆 2! 1 2 − 0,75
De acuerdo a los conceptos descritos desde (a) hasta (e) nos interesan
fundamentalmente tres características en ambos tipos de modelos 𝐶, 𝐿, 𝑦 𝐶𝑠 . En
cada uno de ellos el valor de 𝐿 es el número promedio de clientes en el sistema.
En el modelo de un solo canal 𝐿 = 3. En cambio, en el modelo de dos canales 𝐿 =
0,8727.
Por otra parte 𝐶𝜇 el costo de espera por período, es difícil de determinar, ya que no
es un costo directo como el de servicio. El costo por la espera puede ser muy
grande o muy pequeño. Sí muchos clientes se van de la cola por espera excesiva
el costo puede ser bastante grande. Sin embargo, en este tipo de situaciones, se
estima un costo de oportunidad por cada período de tiempo de espera de los
clientes.
Finalmente, el costo de servicio por período 𝐶𝑠 es más fácil de calcular, ya que por
cada canal que se agrega al modelo, hay un aumento de personal y otros costos
asociados.
Y, por otro lado, el Costo Total para un sistema de dos canales es:
Estos resultados muestran que el modelo de dos canales opera en forma más
económica.
Con frecuencia se muestran las gráficas de la figura 8 para dejar en evidencia las
siguientes ideas:
𝜆
𝑃0 = 1 −
𝜇
2 2 𝜆 2
𝜆 𝜎 + (𝜇 )
𝐿𝑞 =
𝜆
2 (1 − 𝜇 )
𝜆
𝐿 = 𝐿𝑞 +
𝜇
𝐿𝑞
𝑊𝑞 =
𝜆
1
𝑊 = 𝑊𝑞 +
𝜇
𝜆
𝑃𝑤 =
𝜇
Observemos que las relaciones 3 4 y 5, son las mismas ecuaciones de flujo de
Little.
Los administradores del Banco Santander, con el fin de atender mejor a los
automovilistas que realizan operaciones bancarias sin bajar de su automóvil, han
decidido estudiar la cola que se produce los días viernes en la mañana, entre las
10:00 y las 11:00. Las llegadas de los clientes son aleatorias y la tasa promedio de
21
llegadas es de 21 clientes por hora, esto es: 𝜆 = 60 = 0,35 clientes por minuto. Un
estudio del proceso muestra que el tiempo promedio de servicio es de 2 minutos
por cliente, con una desviación estándar de 𝜎 = 1,2 minutos.
Observemos que las llegadas de los clientes son aleatorias y por lo tanto las
llegadas podrían ser descritas mediante una distribución tipos Poisson. Por otro
lado el tiempo de servicio es descrito mediante una distribución general con Media
y Varianza conocidas. Por lo tanto de esta situación se desprende que se trata de
un modelo de línea de espera 𝑀/𝐺/1. De acuerdo a lo dicho aplicaremos las
características de operación para este modelo.
𝜆 0,35
𝑃0 = 1 − =i− = 0,30
𝜇 0,50
0,35 2
2 2
𝜆 𝜎 + (𝜆/𝜇)2 (0,35)2 (1,2)2 + ( )
0,50
𝐿𝑞 = = = 1,11 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
2(1 − 𝜆/𝜇) 0,35
2 (1 − )
0,50
𝜆 0,35
𝐿 = 𝐿𝑞 + = 1,11 + = 1,81 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜇 0,50
1 1
𝑊 = 𝑊𝑞 + = 3,17 + = 5,17 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜇 0,50
6. El porcentaje de clientes que tiene que esperar para ser atendidos es:
𝜆 0,35
𝑃𝑤 = = = 0,70 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
𝜇 0,50
Hemos descrito los modelos básicos de la teoría de colas, para los cuales se han
obtenido resultados útiles y fáciles de aplicar. Finalmente, conviene precisar que
cada día, con la aparición de nuevas tecnologías, y su consecuente uso, están
apareciendo nuevos sistemas de colas y los consiguientes modelos matemáticos
que intentan explicarlas.
BIBLIOGRAFÍA