Documente Academic
Documente Profesional
Documente Cultură
JOS MATAS
DELGADO
FACULTAD DE INGENIERA
INVESTIGACIN DE OPERACIONES II
ING. RENE HERNN LINARES SILVA
SECCIN 2-2 CICLO 01-2016
INVESTIGACIN BIBLIOGRFICA
SISTEMAS DE COLAS
Integrantes de grupo:
Escalante Membreo Jaime Rolando
2012-02821
2009-01557
2006-02453
INTRODUCCIN
Con frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios
que debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible
predecir con exactitud cundo llegarn los clientes que demandan el servicio y/o cuanto
tiempo ser necesario para dar ese servicio; es por eso que esas decisiones implican
dilemas que hay que resolver con informacin escasa. Estar preparados para ofrecer todo
servicio que se nos solicite en cualquier momento puede implicar mantener recursos
ociosos y costos excesivos. Pero, por otro lado, carecer de la capacidad de servicio
suficiente causa colas excesivamente largas en ciertos momentos. Cuando los clientes
tienen que esperar en una cola para recibir nuestros servicios, estn pagando un coste,
en tiempo, ms alto del que esperaban. Las lneas de espera largas tambin son costosas
por tanto para la empresa ya que producen prdida de prestigio y prdida de clientes.
INVESTIGACION DE OPERACIONES II
NDICE
Pgs.
INTRODUCCIN
OBJETIVOS
SISTEMAS DE COLAS
EJEMPLOS
7
8
10
EJEMPLOS
MODELO DE UN SOLO SERVIDOR (M/M/1) : (GD/N/)
EJEMPLOS
11
12
15
16
19
EJEMPLOS
MODELO DE SERVIDORES MULTIPLES (M/M/c) : (GD/N/)
EJEMPLOS
MODELO DE SERVIDORES MULTIPLES (M/M/) : (GD//)
EJEMPLOS
MODELO DE SERVICIO DE MAQUINAS (M/M/R) : (GD/K/K)
EJEMPLOS
FORMULA POLLACZEEK-KHINTCHINE (P-K) (M/G/1) : (GD//)
EJEMPLOS
19
20
24
25
28
29
32
33
36
37
CONCLUSIONES
39
BIBLIOGRAFA
40
ANEXOS
41
INVESTIGACION DE OPERACIONES II
OBJETIVOS
General:
Realizar una investigacin bibliogrfica sobre Teora de colas y
determinar cmo ayuda este sistema a mejorar el rendimiento en
diferentes campos de operaciones industriales.
Especifico:
INVESTIGACION DE OPERACIONES II
SISTEMAS DE COLAS
INVESTIGACION DE OPERACIONES II
DE COLAS
La cantidad de clientes en el sistema se define para incluir los que estn en el servicio y
los que estn en la cola.
En cuanto a terminologa, el estndar en la Teora de Colas es el siguiente.
Estado del sistema
Longitud de la cola
=
=
N(t)
= *c para n c
INVESTIGACION DE OPERACIONES II
(a/b/c) : (d/e/f)
Notacin de Kendall
Donde:
a
b
c
d
e
f
=
=
=
=
Lq
Lq effecWq
Wq
Ws
c
= Cantidad esperada de servidores ocupados
La diferencia entre la cantidad promedio en el sistema, L s, y la cantidad promedio en la
cola, Lq debe ser igual al promedio de servidores ocupados. Por lo tanto:
effec
c L s Lq
Se deduce que
c
Uso de la instalacin
c
= Factor de utilizacin de la instalacin del servicio
= ; <
= ; < , n = 0, 1, 2,
INVESTIGACION DE OPERACIONES II
EJEMPLO 01
Suponga una estacin de gasolina a la cual llegan en promedio 45 clientes por hora.
Se tiene capacidad para atender en promedio a 60 clientes por hora.
Se sabe que los clientes esperan en promedio 3 minutos en la cola.
Solucin:
La tasa media de llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto
La tasa media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto
Wq 3 min
1
3 4 min
1
Ls Ws 0.75 4 3 clientes
Ws Wq
EJEMPLO 02
Suponga un restaurante de comidas rpidas al cual llegan en promedio 100 clientes por
hora.
Se tiene capacidad para atender en promedio a 150 clientes por hora.
Se sabe que los clientes esperan en promedio 2 minutos en la cola.
Calcule las medidas de desempeo del sistema.
Solucin:
La tasa media de llegadas es 100 clientes por hora o 100/60 = 1.67 clientes por min
La tasa media de servicio es 150 clientes por hora o 150/60 = 2.5 cliente por minuto
Wq 2 min
1
5.5 min
2.5
INVESTIGACION DE OPERACIONES II
EJEMPLO 03
Suponga un Call Center el cual atiende en promedio 79 llamadas por minuto
Se tiene capacidad para atender en promedio a 125 llamadas por minuto
Se sabe que los clientes esperan en promedio 7 segundos en la cola.
Calcule las medidas de desempeo del sistema.
Solucin:
La tasa media de llegadas es 79 llamadas por minuto o 79/60 = 1.32 llamadas por seg
La tasa media de servicio es 125 llamadas por minuto o 125/60 = 2.08 llamadas por
seg
Wq 7 seg
1
7.48seg
2.08
INVESTIGACION DE OPERACIONES II
Este modelo se trata solo de un servidor es decir c=1. Se hablaran de dos casos posibles:
Ambos modelos suponen una capacidad infinita de la fuente es decir que siempre ser
abundante. En ambos las llegadas ocurren a razn de clientes por unidad de tiempo y
con una tasa de servicio de clientes por unidad de tiempo.
Los resultados de los dos modelos (y de hecho de todos los modelos restantes en la se
derivan como casos especiales de los resultados del modelo generalizado.
Se utilizar la notacin ampliada de Kendall para caracterizar cada situacin.
INVESTIGACION DE OPERACIONES II
10
=
=
Como el nmero mximo permitido en el sistema es finito
Ls
1
Lq
Wq
Ws
2
1
(1 )
=/
= ; <
= ( ) ^ ; < , = , , ,
INVESTIGACION DE OPERACIONES II
11
EJEMPLO 01
Un restaurante de comida rpida tiene una ventanilla para servicio en su auto. Los autos
llegan segn una distribucin de Poisson a razn de 2 cada 5 minutos. El espacio enfrente
de la ventanilla puede acomodar a lo sumo 10 autos, incluso el que se est atendiendo.
Los dems autos pueden esperar afuera de este espacio si es necesario. El tiempo de
servicio por cliente es exponencial, con una media de 1.5 minutos. Determine lo siguiente:
Solucin: (M/M/1) : (GD//)
= = . autos/min
= . autos/minutos
= = . autos/min
.
0.4
0.666
c
1
Lmite de la fuente
Infinito
()
= 0.9 autos
c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido
Wq = Tiempo de espera anticipado en la cola
=
= .
( )
n
0
1
2
3
4
5
INVESTIGACION DE OPERACIONES II
12
EJEMPLO 02
John Macko estudia en la U de Ozark. Realiza trabajos peculiares para complementar
sus ingresos. Las solicitudes para que realice un trabajo llegan cada 5 das, pero el tiempo
entre solicitudes es exponencial. El tiempo para terminar un trabajo tambin es
exponencial con media de 4 das.
Solucin: (M/M/1) : (GD//)
La tasa media de llegadas =1/5 trabajos/da
La tasa media de servicio =1/4 trabajos/da
=/ = (1/5)/(1/4) = 0.8
a) Cul es la probabilidad de que John se quede sin trabajos?
Tomando en cuenta que si:
<1 Po = 1
Po = 1
Po = 1 - 0.8
Po = 0.2 o 20%
b) Si John gana aproximadamente $50 por trabajo, cul es su ingreso mensual
promedio?
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)
es la tasa promedio de trabajo = $375 en 1 mes si la tasa de trabajo de entrada y
salida se mantiene constante
c) Si al final del semestre John decide subcontratar los trabajos pendientes a $40
cada uno, cunto, en promedio, debe esperar que le paguen?
Lq = Cantidad esperada de trabajos en cola
=
()
= 3.2 trabajos
Si se pagara $40 por cada trabajo en cola (3.2 trabajos) se pagara $128 en promedio
INVESTIGACION DE OPERACIONES II
13
EJEMPLO 03
Durante aos, el detective Columbo, del Departamento de Polica de Fayetteville, ha
tenido un xito fenomenal al resolver todos los casos criminales. Es slo cuestin de
tiempo antes de que cualquier caso se resuelva. Columbo admite que el tiempo por caso
es totalmente aleatorio, pero, en promedio, cada investigacin le lleva
aproximadamente una semana y media. Los crmenes en el tranquilo Fayetteville no son
muy comunes. Ocurren al azar a razn de un crimen por mes (4 semanas). El detective
Columbo est solicitando que un asistente comparta la pesada carga de trabajo. Analice
la peticin de Columbo, en particular desde la perspectiva de los siguientes puntos:
Solucin: (M/M/1) : (GD//)
La tasa media de llegadas =1/4 crimen/semana
La tasa media de servicio =1/1.5 crimen/semana
=/ = (1/4)/(1/1.5) = 0.38
a) El promedio de casos en espera de ser investigados
Lq = Cantidad esperada de trabajos en cola
=
()
=
Po = 0.62
Pn = 1 Po
Pn = 0.38 38% de 1 semana
c) El tiempo promedio necesario para resolver un caso
T1 WS Wq
T1
T1
(1 )
0.38
=1.5
1 1
1
(1 0.38)
1 .5 4 1 .5
Solucin 1 caso en 1.5 semanas
INVESTIGACION DE OPERACIONES II
14
;
+
=
; =
+
=
= ;
= ; >
=
+
El valor de = no tiene que ser menor que 1 en este modelo, porque el limite N controla
las llegadas al sistema. Esto significa que es la tasa que importa en este caso.
=
Ls
=
= ( ) se dice entonces <
[(+) ++ ]
()(+ )
INVESTIGACION DE OPERACIONES II
15
EJEMPLO 01
Los pacientes llegan a la clnica de un mdico de acuerdo con una distribucin de Poisson
a razn de 20 pacientes por hora. La sala de espera no puede acomodar ms de 14
pacientes. El tiempo de consulta por paciente es exponencial, con una media de 8
minutos
Solucin: (M/M/1):(GD/15/)
= 20 pacientes/hora
= 7.5 pacientes/hora
20
(1)
1+1
= 0.6249
= = 12.498
= (1 15 ) = 7.5
=
=
[1(+1) ++1 ]
(1)(1+1 )
= 14.3997
= 1.9199
1
= = 1.7866
= 7.5(1.7866) = 13.3997
n
Probabilidad n
Probabilidad
Acumulada
0
Probabilidad n
0.00065
Probabilidad
Acumulada
0.00103
0.00174
0.00277
10
0.00463
0.0074
0.00001
11
0.01236
0.01976
0.00001
0.00002
12
0.03296
0.05272
0.00003
0.00005
13
0.08789
0.14061
0.00009
0.00014
14
0.23438
0.37499
0.00024
0.00038
15
0.625
0.99999
16
EJEMPLO 02
En una peluquera hay un peluquero y un total de 10 asientos. Los tiempos de llegada
tienen distribucin exponencial, y llega un promedio de 20 clientes posibles por hora. Los
que llegan cuando la peluquera est llena no entran. El peluquero tarda un promedio de
12 minutos en atender a cada cliente. Los tiempos de corte de pelo tienen distribucin
exponencial.
Solucin: (M/M/1):(GD/10/)
a) En promedio Cuntos cortes de pelo har el peluquero?
Una fraccin de P10 de las llegas encuentra que la peluquera est llena. Por lo tanto,
entrar a ella un promedio de (1-P10) por hora. Todos los clientes que desean que se les
corte el cabello, y por lo tanto, el peluquero har un promedio de (1-P10) cortes por hora.
N = 10 , = 20 clientes por hora y = 5 clientes/hora.
Entonces = 20/5 = 4
1
+1
1
donde n = 1,2,....m
Sustituyendo datos P10 = 0.75
As, los cortes de pelo son en promedio 20(1-0.75) = 5 cortes/hora.
b) En promedio Cunto tiempo pasar un cliente en la peluquera, cuando entra?
Para calcular W = Ls/((1-Pn))
=
[1 ( + 1) + +1 ]
(1 )(1 +1 )
INVESTIGACION DE OPERACIONES II
17
EJEMPLO 03
Una instalacin de servicio consiste de una persona que puede atender un promedio de
2 clientes/h. Los tiempos de servicio son exponenciales. Llega un promedio de 3 clientes
por hora, y se supone que los tiempos entre llegadas son exponenciales. La capacidad
del sistema es de 3 clientes.
Solucin: (M/M/1):(GD/3/)
=3clientes/hora
=2clientes/hora
N=3
p=3/2=1.5
a) En promedio, Cuntos clientes potenciales entran al sistema cada hora?
1
+1
1
1 1.5
3 =
1.53 = 0.4154
3+1
1 1.5
=
1
1 +1
1 1.5
0 =
= 0.123
1 1.54
0 =
INVESTIGACION DE OPERACIONES II
18
Esta seccin considera tres modelos de colas con varios servidores paralelos. Los
primeros dos modelos son las versiones de varios servidores. El tercer modelo trata el
caso del autoservicio, el cual equivale a tener una cantidad infinita de servidores
paralelos.
(M/M/c) : (GD//)
As que:
Si = y suponiendo que
cual da:
INVESTIGACION DE OPERACIONES II
19
Como = , entonces:
= +
Los valores de y se pueden determinar dividiendo y entre
EJEMPLO 01
Una pequea oficina de correos tiene dos ventanillas abiertas. Los clientes llegan
siguiendo una distribucin de Poisson con la frecuencia de 1 cada 3 minutos. Sin
embargo, solo el 80% de ellos deben ser atendidos en las ventanillas. El tiempo de
servicio por cliente es exponencial, con 5 minutos de promedio. As, ese 80% de los
clientes que llegan se forman en una cola y llegan a las ventanillas disponibles en
disciplina PLPS.
Solucin: (M/M/2):(GD//)
=
. =
, =
=
= , = = = .
a) Cul es la probabilidad de que un cliente que llega deba esperar en la fila ( )?
()
= (
) +
!
!
( )}
= .
()
(. ) = .
!
= ( + ) = . = .
La probabilidad es de 53.3%
=
20
(. ) = .
=
( )! ( )
1 cliente
d) Sera posible ofrecer un servicio razonable solo con una ventanilla? Explique por
qu.
No, porque es mayor que . Por lo tanto el mnimo de ventanas que puede haber en la
EJEMPLO 02
Determine el mnimo de servidores paralelos necesarios en cada una de las siguientes
situaciones (llegadas/salidas Poisson) que garantice que la operacin de la situacin de
colas ser estable (es decir, que la longitud de la cola no crezca de forma indefinida):
a) Los clientes llegan cada 5 minutos y son atendidos a razn de 10 clientes por hora.
=0.2 clientes / min
=10 clientes / hora 0.17 clientes / min
p=0.2/0.17=1.18
Si = y suponiendo que
.
Se necesita de 1 servidor
b) El tiempo entre llegadas promedio es de 2 minutos, y el tiempo de servicio
promedio es de 6 minutos.
=0.5 clientes / min
=0.17 clientes / min
p=0.5/0.17=2.97
Si = y suponiendo que
.
Se necesita de 3 servidores
c) La tasa de llegadas es de 30 clientes por hora, y la tasa de servicios por servidor
es de 40 clientes por hora.
INVESTIGACION DE OPERACIONES II
21
Si = y suponiendo que
.
Se necesita de 1 servidor
EJEMPLO 03
Un banco tiene dos cajeros. Llegan al banco con un promedio de 80 clientes por hora y
esperan en una sola cola para que los atiendan. El tiempo promedio que se necesita para
atender a un cliente es 1.2 minutos. Suponga que los tiempos entre llegadas y los de
servicio son exponenciales. Calcular.
Solucin: (M/M/2):(GD//)
k: nmero de servidores
k = 2 cajeros
= 80 clientes / hora
= 1/1.2 cliente / minutos
Al realizar la conversin
= 50 clientes / hora
() ( )
=
0 + ( )
2
( 1)! ( )
0 =
[1
=0
( )
()
]+[
]
!
!
INVESTIGACION DE OPERACIONES II
22
1
+
80 0
80 1
)
)
(
(
1 1.6
50
50
=
=
+
= +
= 2.6
0!
1!
!
1
1
1 ( )
=0
80 2
( )
)
(
(50 2)
50
=
=
+
= 6.4
(50 2) 80
2!
!
0 =
1
1
1
=
= = 0.1111
+ 2.6 + 6.4 9
teniendo Po buscar Ls
80 2
)
80
50
=
0.111
+
) = 4.4416
(
(2 1)! (2 50 80)2
50
(80 50) (
4.44
=
= 0.055
80
INVESTIGACION DE OPERACIONES II
23
Este modelo difiere del (M/M/c):(DG//) en que el lmite del sistema es finito, igual a N.
Eso quiere decir que el tamao mximo de la cola es N-c.
Las tasas de llegada y de servicio son y . La frecuencia efectiva de llegadas es
menor que , a causa del lmite N del sistema.
En trminos del modelo generalizado y para el modelo actual se define como
sigue:
, 0 <
= {
0,
= {
Sustituyendo y
, 0 <
,
0 ,
!
= {
,
! 0
0<
En donde:
1
+1
(1 ( )
)
(
+
)
!
!
(1
)
=0
0 =
1
1
(
{
=0
+ ( + 1))
! !
=1
1 como sigue:
+1
+1
(
=
{1
(
)
+
1)
(1
) ( ) } 0
( 1)! ( )2
Se puede demostrar que para
= 1, se reduce a
INVESTIGACION DE OPERACIONES II
24
( )( + 1)
0 ,
=1
2!
EJEMPLO 01
En un pequeo taller de ajuste de motores ocupa a tres mecnicos. Cuando los clientes
que llegan ven que el piso del taller est cubierto de trabajos en espera, van a otra parte.
El piso del taller puede dar cabida cuando mucho a 15 segadoras o podadoras, adems
de las que reciben el servicio. Los clientes llegan al taller cada 15 minutos en promedio,
y un mecnico tarda un promedio de 30 minutos en terminar cada trabajo. El tiempo entre
llegadas y el tiempo de servicio tienen distribucin exponencial.
Solucin: (M/M/3):(GD/18/)
C=3
= =
N=18
= =
==
= ( ) +
!
()
+
( ()
)
! ( )
}
= .
()
. = .
!
= ( . ) = .
+
= {
{ ( )
( + ) ( ) ( )
}} . = .
! ( )
= . + . = .
# de mecnicos no trabajando = 3 - (1.8771-0.8774) = 2.0003
INVESTIGACION DE OPERACIONES II
25
= = ! . +
= ! . =0.9998
La probabilidad es de 99.98%
d) La probabilidad de que al menos un mecnico este sin trabajo.
=
=
. = .
!
La probabilidad es de 55.60%
e) La cantidad promedio de segadoras o podadoras que esperan servicio.
= .
Esperan servicio 0.8774 segadoras o podadoras
f) Productividad del taller=
..
= .
La productividad es de 33.32%
EJEMPLO 02
Eat y Gas es una gasolinera con dos bombas. El carril que llega a ellas puede dar cabida
cuando muchos a 5 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 llegar y pagar las compras es
exponencial, con 6 min de promedio. Determine lo siguiente:
Solucin: (M/M/2):(GD/5/)
C=2
N=5
= 20 v/h
= 10v/h
p=2
p/c = 1
% utilizacin =100(
)= (
2.7271.091
2
)x 100% = 81.8%
INVESTIGACION DE OPERACIONES II
26
EJEMPLO 03
Los alumnos de primer ingreso en la U de A se caracterizan porque tratan de llegar a
clase en automvil. Durante el primer par de semanas del semestre de otoo, en el
campus prevalece una confusin de trfico porque los alumnos tratan desesperadamente
encontrar estacionamiento. Con una dedicacin extraordinaria esperan pacientemente en
los carriles del estacionamiento a que alguien salga, para poder estacionarse.
Imaginmonos el siguiente escenario especfico: el estacionamiento tiene 30 cajones,
pero tambin pueden estacionar en forma permanente en los carriles. Esos 10
automviles adicionales no se pueden estacionar en forma permanente en los carriles, y
deben esperar que haya disponible uno de los 30 estacionamientos. Los alumnos de
ingreso reciente llegan al estacionamiento siguiendo una distribucin de Poisson, con 20
por hora de promedio. El tiempo de estacionamiento por automvil es de 60 minutos en
promedio, con 20 por hora de promedio. El tiempo de estacionamiento por automvil es
de 60 minutos en promedio, pero en realidad tiene una distribucin exponencial.
a) Cul es el porcentaje de alumnos que se salen por no caber en el
estacionamiento?
40 = 0.00014
b) Cul es la probabilidad de que un automvil que llegue ocupe el nico cajn vacio
en el estacionamiento?
29 = 0.01248
c) Calcule la cantidad promedio de estacionamientos ocupados
= 20.043 0.46 = 20
INVESTIGACION DE OPERACIONES II
27
y ,
Y se tiene que:
0 =
=
,
!
= 0, 1, 2,
INVESTIGACION DE OPERACIONES II
28
EJEMPLO 01
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.
Solucin: (M/M/):(GD//)
= .
=
=
. .
=
= .
!
=
EJEMPLO 02
Un inversionista invierte $1000 al mes, en promedio, en el mercado de valores. Debido a
que el inversionista debe esperar una buena oportunidad para comprar, el tiempo real
de compra es aleatorio. El inversionista suele conservar los valores durante unos 3 aos
en promedio pero los vende al azar cuando se le presenta una buena oportunidad para
vender. Aunque al inversionista se le suele reconocer como un astuto corredor del
mercado de valores, la experiencia pasada indica que alrededor de 25% de los valores
declinan a 20% al ao, aproximadamente. El 75% restante aumenta de valor a razn de
12% al ao. Estime el capital accionario del inversionista (a largo plazo) promedio en el
mercado de valores.
Esta situacin se puede tratar como un modelo (M/M/c):(GD/N//) porque, para todos
los propsitos prcticos, el inversionista no tiene que esperar en lnea para comprar o
INVESTIGACION DE OPERACIONES II
29
EJEMPLO 03
Un inversionista coloca $1000 mensuales en ciertos ttulos en el mercado de valores.
Como debe esperar una buena oportunidad de compra, el tiempo real de la compra es
totalmente independiente. El inversionista suele conservar los ttulos durante un promedio
de 3 aos, pero los vende al azar cuando se presenta la oportunidad de vender,. Aunque
en general se reconoce al inversionista como hbil en el manejo de valores, la experiencia
indica que 25% de los ttulos bajan ms o menos el 20% anual. El 75% restante se aprecia
con una rapidez aproximada de 12% por ao. Calcule lo siguiente:
Solucin: (M/M/):(GD//)
INVESTIGACION DE OPERACIONES II
30
0 =
0 = 36 = 2.311016
P0 = 0
b) La probabilidad de que el inversionista sea propietario de ms de 10 ttulos.
36 369
=
= 0.999993
9!
Pn 10 = 1 Pn 9 = 1
INVESTIGACION DE OPERACIONES II
31
= {
, 0<
,
= {
! 0
0 = (
=0
!
+
)
!
=+1
INVESTIGACION DE OPERACIONES II
32
En este modelo es difcil obtener una forma cerrada de Ls, y en consecuencia se debe
calcular a partir de la siguiente definicin bsica:
= {( )} = ( )
=
=0
EJEMPLO 01
Un operador atiende a 5 mquinas automticas. Cuando una maquina termina un lote, el
operador la debe restablecer para iniciar el siguiente lote. El tiempo para terminar un
procesamiento de lote es exponencial, con 45 min de promedio. El tiempo de preparacin
de la maquina tambin es exponencial con un promedio de 8 min.
= 60/45 = 1.33 maquinas/hr
= 60/8 = 7.5 maquinas/hr
R=1
K=5
(M/M/1) : (GD/5/5)
= 1.33333
= 7.5
= 4.99945
= 0.17778
Probabilidad
Prob.
acumulada
0
1
2
3
4
5
0.33341
0.29637
0.21075
0.11240
0.03996
0.00710
0.33341
0.62978
0.84053
0.95293
0.99290
1.00000
INVESTIGACION DE OPERACIONES II
33
=
=0
1.25041
=
= 0.25
4.99945
EJEMPLO 02
Kleen All es una compaa de servicios que realiza varios trabajos peculiares, como
jardinera, poda de rboles y pintura de casas. Los 4 empleados de la compaa salen de
la oficina con la primera asignacin del da. Despus de completar una asignacin, el
empleado llama a la oficina para pedir instrucciones para el siguiente trabajo que se va a
realizar. El tiempo para completar una asignacin es exponencial con una media de 45
minutos. El tiempo de viaje entre los trabajos tambin es exponencial con una media de
20 minutos.
= 60/45 = 1.33 maquinas/hr
= 60/20 = 3 /hr
R=4
K=4
(M/M/4) : (GD/4/4)
= 1.33333
= 3.0
n
0
1
2
3
4
Probabilidad
0.22972
0.40839
0.27226
0.08067
0.00896
Prob.
acumulada
0.22972
0.63811
0.91037
0.99104
1.00000
INVESTIGACION DE OPERACIONES II
34
=
=0
EJEMPLO 03
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 sigue una distribucin exponencial. A
Toolco le interesa determinar la cantidad de mecnicos necesarios para mantener el taller
funcionando uniformemente. Calcular lo siguiente:
a) Calcule la cantidad esperada de clientes sin trabajo si R=4
b) Calcule la probabilidad de que todos los mecnicos estn sin trabajo para R=3
c) Calcule la probabilidad de que la mayora (ms de la mitad) de los mecnicos estn
sin trabajo para R=3
a) N de mecnicos sin trabajo
=4 (Ls Lq)
=4 (2.1 0.11) = 2.01
b) P0 = 0.10779
c) R = 3
P(2 o 3 sin trabajo) = P0 + P1 = 0.34492
INVESTIGACION DE OPERACIONES II
35
Los modelos de cola en que las llegadas y las salidas no siguen la distribucin de poisson
son complicados. En general, en esos casos se aconseja usar la simulacin como mtodo
alternativo para analizarlos
Esta es una de las pocas colas que no son de poisson, para la cual se dispone de
resultados. Es para el caso en el que el tiempo de servicio t se representa por una
distribucin de probabilidades con media E(t) y varianza var(t). Entre los resultados del
modelo estn las medidas bsicas de desempeo , , . El modelo no
proporciona una ecuacin cerrada para debido a que no se puede manejar en forma
analtica.
Sea la frecuencia de llegadas a la instalacin con un servidor. Dada E(t) y var(t) de la
distribucin del tiempo de servicio, y como E(t)<1, se puede demostrar, mediante
complicados anlisis de probabilidades y cadenas de Markov, que
= {} +
2 ( 2 {} + {})
,
2(1 {})
{} < 1
1
1
=
=
(1 )
=
(1 )
= =
2
1
= =
INVESTIGACION DE OPERACIONES II
36
EJEMPLO 01
Layson Roofing Inc. instala techos de tejas en casas nuevas y viejas en Arkansas. Los
clientes potenciales solicitan el servicio al azar a razn de nueve trabajos por mes de 30
das y se les pone en una lista de espera para ser procesados sobre la base de FCFS.
Los tamaos de las casas varan, pero es bastante razonable suponer que las reas del
techo estn uniformemente distribuidas entre 150 y 300 metros cuadrados. Por lo comn,
la cuadrilla de trabajo puede completar 75 cuadrados al da. Determine lo siguiente:
a) Los trabajos de techado pendientes promedio de Layson.
9
= 0.3 /
30
1
{} = = 3.333 3
4
var{} =
= 0.333
12
2 ( 2 {} + {})
= {} +
,
2(1 {})
= (0.3 3.333) +
{} < 1
= 5.14
2(1 (0.3 3.333))
b) El tiempo promedio que un cliente espera hasta que se completa el trabajo de
techado.
=
5.14
=
= 17.16 17
0.3
EJEMPLO 02
Un auto lavado puede atender un auto cada 12 minutos y la tasa media de llegadas es
de 9 autos/hora, = 2 min.
Obtener las medidas de desempeo de acuerdo al modelo M/G/1, adems la probabilidad
de tener cero clientes en el sistema y la probabilidad de que un cliente tena que esperar
por el servicio.
9
= 0.75
= =
12
2
=
= 0.033
60
2 2 + 2
92 0.0332 + 0.752
=
=
= 1.31
2(1 )
2(1 0.75)
INVESTIGACION DE OPERACIONES II
37
=
= 0.145 = 8.7
1
= + = 0.228 = 13.7
0 = 1 = 0.25
= = 0.75
EJEMPLO 03
BDI Inc. Instala cmaras de seguridad en residenciales nuevas en Buenos Aires. Los
clientes potenciales solicitan el servicio al azar a razn de 15 trabajos por mes de 30 das
y se les pone en una lista de espera para ser procesados sobre la base de FCFS. Los
tamaos de las casas varan, pero es bastante razonable suponer que en el permetro
donde habra que ubicar las cmaras uniformemente distribuidas estara entre 150 y 300
metros cuadrados. Por lo comn, el equipo tcnico de instalacin puede completar 75
cuadrados al da. Determine lo siguiente:
a) Los trabajos de instalacin pendientes promedio de BDI.
=
= 0.23 /
30
{} =
1
= 4.2863 4
var{} =
= {} +
4
= 0.333
12
2 ( 2 {} + {})
,
2(1 {})
= (0.23 4) +
{} < 1
= 6.32
6.32
=
= 27.48 17
0.23
INVESTIGACION DE OPERACIONES II
38
CONCLUSIONES
INVESTIGACION DE OPERACIONES II
39
BIBLIOGRAFA
http://cdigital.dgb.uanl.mx/la/1020151198/1020151198.PDF
https://jrvargas.files.wordpress.com/2009/01/5-teoria-de-colas.pdf
http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf
INVESTIGACION DE OPERACIONES II
40
ANEXOS
INVESTIGACION DE OPERACIONES II
41