REPBLICA ARGENTINA

UNIVERSIDAD NACIONAL DE GENERAL SARMIENTO

Instituto de Industria
Ctedra de Investigacin Operativa
FENMENOS DE ESPERA
Puede reproducirse libremente. Se agradecer citar la fuente.
Claudio L. R. Sturla
Bibliografa:
Kaufmann, Arnold, Mtodos y modelos de la Investigacin de Operaciones, Tomo I, CECSA,
Mxico.
Rabuffetti, Hebe T., Introduccin al Anlisis Matemtico (Clculo 1), Undcima edicin, Edi-
torial El Ateneo, Buenos Aires, 1.991.
Schumpeter, Joseph A., Capitalismo, Socialismo y Democracia, Tomos I y II, Biblioteca de
Economa, Ediciones Folio, Barcelona, 1.996, ISBN 84-413-0513-7 e ISBN 84-413-0514-5.
Teora de Colas o Fenmenos de Espera
Se refiere a la prestacin de un servicio cualquiera al que acceden clientes (no tienen
porqu ser seres humanos) que requieren una determinada atencin.
Hay tiempos entre arribos. Asimismo existe una duracin del tiempo de servicio. Estos tiempos de
duracin del servicio son distintos porque depende del cliente al que se atiende. Los arribos se
producen de manera aleatoria. Tambin es una variable aleatoria el tiempo de servicio.
El Sr. Steve De Castro del Departamento de Economa de la Universidad de Brasilia ha publicado un
trabajo para el Centre d'Economie Mathmatique et d'Economtrie de la Universidad Libre de Bruse-
las en 1.993 ; en l explica que los empresarios se niegan a innovar, por lo que las innovaciones for-
man una cola. Contra estos "conservadores" acta la "destruccin creativa" que, segn
[Schumpeter], es el motor del capitalismo de mercado libre.
Como se ve es un tema de la mayor actualidad, al menos desde el punto de vista acadmico.
MODELO I
Canal nico Poblacin Infinita Sin Prioridades
Poblacin infinita significa suficientemente grande.
Denominaremos canal el lugar donde se atiende al cliente. Este servicio se presta de a uno a la vez.
Los clientes que llegan y se encuentran con el canal ocupado van formando la lnea de espera sin
prioridades.
El canal puede ser un lugar fsico o un mecnico que se desplaza con una caja de herramientas.
171462174.doc
52
arribo de
clientes ( )
lnea de espera
CANAL
salida de
clientes ( )
El cliente llega: si el canal est desocupado lo atienden.
si est ocupado por un cliente espera en una fila ordenadamente segn el or-
den de llegada.
Los arribos se producen con una velocidad determinada y la atencin tambin.
La velocidad de arribo se denomina y la de salida . Estos valores son VALORES MEDIOS DE
VELOCIDAD. No son constantes.
Esto tiene un gran nmero de aplicaciones:
Entradas Naturaleza del servicio Canales
Clientes Vender un artculo Vendedores
Barcos Descarga Muelles
Aviones Aterrizaje Pistas
Llamadas telefnicas Conversacin Circuitos telefnicos
Llegadas de automviles Control de aduana Vistas
Mensajes Descifrado Descifradores
Mquinas a reparar Reparacin Mecnicos
Incendios Extincin Autobombas
Correo Mecanografa Secretarias
En muchos sistemas reales se tienen prioridades, o sea se formaran dos lneas de espera, una de
clientes normales y otra de aquellos que tienen prioridad en el uso del canal, por ejemplo los aviones
grandes tienen prioridad sobre las avionetas en el uso de pistas.
El canal y la lnea de espera es lo que llamamos SISTEMA. Si queremos hablar especficamente de
los que esperan ser atendidos, nos referiremos a la cola.
Denominaremos n al nmero de clientes en el sistema. Los clientes forman la poblacin del sistema.
Si la poblacin es lo suficientemente grande es adecuado usar el mismo modelo.
Diremos que el sistema se encuentra en un estado n identificndolo como E(n) cuando en el sistema
existen n clientes, uno en el canal y los restantes en la lnea de espera.
Nos interesa saber, por ejemplo, la probabilidad de que en un cierto instante t haya n clientes en el
sistema, es decir p(n;t).
Llamaremos L a la longitud del sistema. Es la esperanza matemtica del nmero medio de clientes en
el sistema. L
c
a la esperanza del nmero de clientes en cola. Su diferencia NO es 1.
W: valor medio del tiempo de espera en el sistema de cada cliente.
W
c
: valor medio del tiempo de espera en cola.
T
a
: tiempo medio entre dos arribos sucesivos.
T
s
: tiempo medio entre dos despachos sucesivos.
En nuestro anlisis utilizaremos un subndice para las velocidades de arribo y despacho. Las llama-
remos

n n
y

n
es la velocidad promedio de arribo al sistema cuando hay en l n clientes.

n
es la velocidad promedio de despacho cuando hay en l n clientes. O sea, condicionada por n.
En el modelo consideraremos ms adelante que no va a haber diferencia entre si hay n clientes u otro
nmero. Es decir haremos y constantes.

n
significa que el canal vara su velocidad de atencin cuando se modifica n. Por ejemplo si hay
mucho pblico el canal atiende ms rpido.

n
significara que muchos clientes que arriban al sistema no entran si n es alto. Habra una velocidad
de llegada diferente a la de entrada. La velocidad de entrada al sistema sera dependiente de n. En el
modelo que trataremos supondremos que las velocidades de arribo y entrada son iguales.
171462174.doc
53
El sistema se estudia por dos motivos:
analizar el sistema existente para mejorarlo.
disear un nuevo sistema.
La velocidad de arribo en general no la podemos manejar pero s modificar la velocidad de salida por
medio de mayor cantidad de personal y/o equipos.
Si aumento el nmero de canales aumenta el costo.
Si mejoro el servicio la caracterstica de puede cambiar en forma favorable o desfavorable. Si me-
joro la atencin de mquinas, por ejemplo, su estado general mejorar y disminuir . Si mejora la
atencin en un hospital o en una ctedra, el valor de aumentar al correrse la voz.
La idea clave es que no se llega fcilmente a la situacin de equilibrio.
Definamos:
t: instante de tiempo arbitrario.
dt: diferencial de tiempo (en lugar de t).
La magnitud es tal que en el mismo dt se puede producir "a lo sumo" una entrada y/o salida de clien-
te. Lgicamente si se produce un arribo y una salida en el mismo dt no ser del mismo elemento.
Se define la probabilidad discreta como:
p
casos favorables
casos posibles

dt no es discreto. En ese caso para poder definir una probabilidad debo imaginar una medida como:
p
una medida de los casos favorables
una medida de los casos posibles y equiprobables

Pensemos en una rueda de la fortuna que gira libremente y que puede detenerse (dado que est equi-
librada) en cualquier punto del contorno. La pregunta es: cul es la probabilidad de un indicador
cualquiera caiga en el arco AB?

B
A
p
AB
circunferencia
o
o


360
T
a
era el valor medio entre dos arribos sucesivos, entonces si marcamos un eje con T
a
sucesivos
siempre tenemos algn elemento que cae dentro de ese T
a
.
T T T T T
a a a a a
dt
tiempo
La probabilidad de un arribo en un intervalo dt es
171462174.doc
54
p
dt
T
a

pero como T
a
y son valores inversos
p dt
n

En forma similar para la salida ser:
p dt
n

E(n-1)
t
+1
-0
+0
-0
E(n)
t+dt
-1
+0
+1
-1
E(n+1)
t
a) podemos estar en n en t+dt estando en n en t en los siguientes casos:
no ingresa nadie (+0) ni sale nadie (-0).
ingresa uno (+1) y sale otro (-1).
b) podemos llegar al estado n estando (n-1) slo si ingresa 1 y no sale nadie.
c) podemos llegar al estado n estando en el estado (n+1) slo en el caso en que sale 1 y no ingresa
nadie.
Los cuatro casos son mutuamente EXCLUYENTES.
La probabilidad asociada a este estado n, la podemos escribir as:
{ }
{ }
{ }
{ } 1 ; 0 ) 1 )( ; 1 (
0 ; 1 ) 1 ( ) ; 1 (
1 ; 1 ) ; (
0 ; 0 ) 1 )( 1 )( ; ( ) ; (
1 1
1 1
+ + +
+ + +
+ + +
+ + +
+ +

dt dt t n p
dt dt t n p
dt dt t n p
dt dt t n p dt t n p
n n
n n
n n
n n




p n t dt p n t p n t dt p n t dt p n t dt dt
p n t dt dt
p n t dt p n t dt dt
p n t dt p n t dt dt
n n n n
n n
n n n
n n n
( ; ) ( ; ) ( ; ) ( ; ) ( ; )
( ; )
( ; ) ( ; )
( ; ) ( ; )
+ + +
+ +
+
+ + +

+ + +




1 1
1 1
1 1 1
1 1 1
Los diferenciales de segundo orden se desprecian. Por tanto;
171462174.doc
55
( )
dt t n p
dt t n p
dt t n p dt t n p t n p dt t n p
n
n
n n
1
1
) ; 1 (
) ; 1 (
0
) ; ( ) ; ( ; ) ; (
+

+ +
+ +
+ +
+ +

Pasando
p n t ( ; )
al primer miembro
( ) p n t dt p n t p n t dt p n t dt p n t dt
n n n n
( ; ) ( ; ) ( ; ) ( ; ) ( ; ) + + + + +
+
1 1
1 1
El primer miembro es la probabilidad de cambiar en el tiempo, conservando el estado E
n
del sis -
tema. Es la variacin de probabilidad al variar el tiempo. La podemos expresar por
dp n t ( ; )
Dividiendo miembro a miembro por dt queda:
( )
dp n t
dt
p n t p n t p n t p n t
n n n n
( ; )
( ; ) ( ; ) ( ; ) ' ( ; ) + + + +
+

1 1
1 1 (1)
Que representa la derivada de la probabilidad respecto al tiempo. No es la derivada respecto a n.
Cuando se inicia la atencin de clientes, por ejemplo al abrirse la puerta de un banco, la cola formada
afuera hace que el sistema flucte en cuanto al nmero de clientes. Si midiramos a intervalos igual-
mente separados tendramos:
TIEMPO
N

M
E
R
O

D
E

C
L
I
E
N
T
E
S
E
N

E
L

S
I
S
T
E
M
A
0
2
4
6
8
10
0 5 10 15 20 25 30 35 40 45 50 50
Curva que a los ingenieros les ser familiar porque es la posicin del extremo de un resorte luego de
ser alejado de su punto de equilibrio y luego soltado. Oscila hasta llegar a un punto en que queda en
reposo. Quizs un smil ms apropiado es un recipiente lleno de aire. Si lo caliento hasta 50 C au-
menta la energa de los tomos y escapa cierta cantidad de masa. Al llegar a estar uniformemente
calentado, el gas tiene unas condiciones de presin, temperatura y volumen especfico perfectamente
conocidas. Pero los tomos tienen movimiento browniano. Si el recipiente se conserva destapado,
los tomos individuales son siempre, en media, la misma cantidad. Pero los individuos son diferentes
pues unos entran y otros salen en un equilibrio llamado dinmico. En nuestro grfico, entonces hay
un perodo de fluctuaciones. Luego se llega a un equilibrio. Nosotros supondremos, en nuestro sis-
tema de cola de un canal, que este perodo transitorio es breve. Trabajaremos en el rgimen perma-
nente (la parte constante de la curva). Habr que asegurarse de que esta hiptesis se cumple
cuando estudiamos un sistema en particular. Si el nmero de clientes en el sistema es una cons-
tante, su derivada es nula. La frmula (1) queda:
( ) ( ) p n t p n t p n t p n t
n n n n
' ( ; ) ( ; ) ( ; ) ( ; ) + + + +
+
0 1 1 2
1 1

Si el nmero de clientes en el sistema es una constante t deja de ser una variable.
Analicemos ahora el caso de n=0
( ) + + +

0 0 1 1
0 1 1 0 p p p ( ) ( ) ( )
el estado E
-1
no existe, luego no puede haber una situacin
-1
, luego este trmino no corres-
ponde.

0
=0 porque si en el sistema no hay nadie, no se puede atender. El canal no opera.
171462174.doc
56
Quedara:
( ) +
0 1
0 1 0 p p ( ) ( )
Si consideramos que las velocidades de arribo e ingreso son iguales y suponemos que la velocidad de
despacho no vara con la cantidad de clientes:
+ p p ( ) ( ) 0 1 0

p p ( ) ( ) 1 0

Se define

como factor de trfico, que es la relacin existente entre la velocidad de arribo y la de despacho.
[Hillier & Lieberman] lo llama, quizs ms apropiadamente, factor de utilizacin.
Si analizamos la frmula (2) para n=1 queda:
( )
( )
( )
+ + +

+
+

p p p
p
p
p p p
( ) ( ) ( )
( )
( )
( ) ( ) ( )
1 0 2 0
2
1
0 1 1 0
( ) p p p ( ) ( ) ( ) 2 1 0 0 +
p p ( ) ( ) 2 0
2

Por extrapolacin podemos decir que:
p n p
n
( ) ( ) 0
Esto se puede verificar por el mtodo de induccin completa que indica:
Sea q(n) una proposicin cualquiera asociada a un nmero natural n, que puede ser
verdadera o falsa.
Si se cumple:
1) q(1) es verdadera.
2) q(k) verdadera implica que q(k+1) tambin es verdadera, cualquiera sea el
nmero natural k; entonces q(n) es verdadera para todo nmero natural.
Para n = n se puede calcular p(n;t).
( ) + + + +

p n p n p n
p n p
n
( ) ( ) ( )
( ) ( )
1 1 0
0
p n p
n
( ) ( )

1 0
1

Si reemplazamos: (siempre se reemplaza por uno menos para obtener el que se desea)
( ) ( )
( )
+ + + +
+
+

n n
n
n
p p p n
p n
p
p
( ) ( )
( )
( )
( )
0 0 1 0
1
0
0
1
1
( ) p n p p p p p
n n n n n
( ) ( ) ( ) ( ) ( ) ( ) + + +
+
1 1 0 0 0 0 0
1

p n p
n
( ) ( ) +
+
1 0
1

Por lo que queda entonces demostrado que:

p n p
n
( ) ( ) 0
Ahora debemos calcular p(0).
p n p p
n n
n n n
( ) ( ) ( )

1 0 0
0 0 0

171462174.doc
57
Esta serie geomtrica de razn para que sea convergente debe cumplir con la condicin
1
.
Debemos calcular el valor de esta sumatoria de infinitos trminos.
Supngase:
B
n
n

+ + + +

0
1 2
; o sea
B=
0

Si multiplicamos por .
B + + + +
1 2 3

Si hacemos:
( )
B B
B

0
1
1 1
( )
B

1
1
Por lo que
( )

n
n

0
1
1
Reemplazando nos queda:
( )
p
n
n
( ) 0
1 1
1
1
1
0

Si reemplazamos en la formula de p(n) obtenemos:

( ) p n
n
( ) 1

p( ) 0 p( ) 1 p( ) 2 p( ) 3 p( ) 4
1-
( ) 1
( )
2
1 ( )
3
1 ( )
4
1
0 1 0 0 0 0
0,1 0,9 0,09 0,009 0,0009 0,00009
0,2 0,8 0,16 0,032 0,0064 0,00128
0,3 0,7 0,21 0,063 0,0189 0,00567
0,4 0,6 0,24 0,096 0,0384 0,01536
0,5 0,5 0,25 0,125 0,0625 0,03125
0,6 0,4 0,24 0,144 0,0864 0,05184
0,7 0,3 0,21 0,147 0,1029 0,07203
0,8 0,2 0,16 0,128 0,1024 0,08152
0,9 0,1 0,09 0,081 0,0729 0,06561
1 0 0 0 0 0
171462174.doc
58
FACTOR DE TRFICO
p(0)
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Probabilidad de
cero cliente en el
sistema
Probabilidad de un
cliente en el sistema
Probabilidad de dos
clientes en el sistema
Probabilidad de tres
clientes en el sistema
Probabilidad de
cuatro clientes en el
sistema
Las limitaciones son:
0 1
1

p n ( )

Si por ejemplo tenemos = 3 clientes/hora y =10 clientes/hora esto significa que para =0,3 la
probabilidad de encontrar cero clientes en el sistema es 0,7, lo que significa que el 70 % de la veces
que inspeccionemos el sistema vamos a encontrar que hay cero clientes.
La probabilidad de un cliente en el sistema es:
p p ( ) ( ) , , . , , 1 0 0 7 0 3 0 7 0 21
O sea, el 21 % de veces en que miremos al sistema vamos a tener un cliente.
Qu porcentaje de tiempo no hay clientes en cola?
70 % + 21 % = 91 %
Nmero Medio de Clientes en el Sistema
( ) ( ) L n p n n n
n
n
n
n
n

( )
0 0 0
1 1
Si llamo:
( )
B
n
n
=
=

0
1
1

( )
d B
d
n
n
n

1
0
2
1
1
D
u
u
u
n n
1
1

+
'
( )
d B
d
n
n
n

1
0
2
1
1
Reemplazando queda:
( )
( )
L

1
1
2

171462174.doc
59
L

1
Que se puede graficar.
Factor de trfico
N

m
e
r
o

m
e
d
i
o

d
e
c
l
i
e
n
t
e
s

e
n

c
o
l
a
0
1
2
3
4
5
6
7
8
9
0 0,5 1
Longitud Media de la Cola
Sistema Probabilidad Nmero de clientes en cola
0 p(0) 0
1 p(1) 0
2 p(2) 1
3 p(3) 2

n p(n) n-1
El nmero medio de clientes en cola ser:
( ) L n p n n p n p n
c
n n n

1
1 0 1
( ) ( ) ( )
Agregar el trmino con n=0 de la primera sumatoria no altera la suma.
L L p L
c
+ 1 0 1 1 ( ) ( )
L L
c

Otros Parmetros
W W T
c s
+
W
c
es el tiempo promedio que se espera en cola.
T
s
es el tiempo medio que tarda el canal para atender un cliente.
W es el tiempo promedio que un cliente gasta en el sistema.
Supongamos que al arribar al sistema hay L clientes. A cada uno de ellos se tarda T
s
unidades de
tiempo (en promedio). Por tanto hasta que yo llegue al canal pasar:
W L T
c s

Como
( )
L

_
,

1
1
Y
T
s

1

171462174.doc
60
Luego.
( )
W L T
c s

1
( )
W
c

Adems.
( ) ( )
W W T
c s
+

+
+

1
W

1

Se puede definir tambin la probabilidad de que un cliente permanezca ms de t unidades de tiempo
en el sistema. Esa probabilidad es:
W t e t
t
W
( ) ( )

0
La probabilidad de que un cliente permanezca ms de t unidades de tiempo en la cola es:
W t e t
c
t
W
( ) ( )

0
Ejemplo N 1
En un lugar de canal nico y poblacin infinita se conoce la velocidad de arribo y de salida de los
clientes del sistema. Graficar L y L
c
.

L L
c
0,1 0,1111 0,0111
0,2 0,2500 0,0500
0,3 0,4286 0,1286
0,4 0,6667 0,2667
0,5 1,0000 0,5000
0,6 1,5000 0,9000
0,7 2,3333 1,6333
0,75 3,0000 2,2500
0,8 4,000 3,2000
0,85 5,6667 4,8261
0,9 9,0000 8,1000
0,95 19,0000 10,0500
1

171462174.doc
61
Factor de trfico
N

m
e
r
o

m
e
d
i
o

d
e

c
l
i
e
n
t
e
s
0
2
4
6
8
10
12
14
16
18
20
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Nmero medio de clientes en
cola
Nmero medio de clientes en
sistema
Ejemplo N 2
El departamento hombres de una gran tienda tiene un sastre para hacer los ajustes a la ropa de con-
feccin. Los clientes que necesitan ajustes siguen una distribucin Poisson con media 24 clien-
tes/hora. El tiempo que toma realizar el ajuste para un cliente se distribuye exponencialmente con
media de 2 minutos.
a) Cul es el nmero promedio de clientes en la sala de ajuste?

24
1
2
60
1
30
24
30
0 8
clientes
hora minuto
minutos
hora
clientes
hora
;
,
L

1
0 8
1 0 8
0 8
0 2
4
,
,
,
,
b) Cunto tiempo deber esperar un cliente en la sala de ajustes y ser atendido?
W hora minutos

1 1
30 24
1
6
10

c) Qu porcentaje de tiempo permanece ocioso el sastre?
p( ) , , 0 1 1 0 8 0 2
d) Cul es la probabilidad de que un cliente espere los servicios del sastre ms de 10 minutos?
t min hora W 10
1
6
W t e
c
t
W
( )

W e e
C
1
6
0 8 0 8 0 2943
1
6
1
6
1

_
,

, , ,
171462174.doc
62
Ejemplo N 3
La llegada de personas a una cabina telefnica es del tipo Poisson con un tiempo promedio de 6 mi-
nutos entre dos personas consecutivas. La longitud de la llamada, suponiendo que est distribuida
exponencialmente, es de 4 minutos.
Calcular:
a) probabilidad de que la persona que llega deba esperar.
probabilidad de esperar = 1 probabilidad de cero clientes
( ) p p
T min min
a


1 0 1 1
1 1
6
0 17
1
( )
,

68 , 0
25 , 0
17 , 0
1
25 , 0
4
1 1

p
min min T
s
b) longitud esperada de la cola.
L L
c

1
0 68
0 32
0 68 2 13 0 68 1 45
,
,
, , , ,
c) la compaa est dispuesta a colocar otra cabina si se comprueba que el tiempo medio de espera
en cola de los clientes llega a 10 minutos. Determinar cul debe ser la velocidad de arribo para
justificar dicha instalacin.
Sabemos
( )
( )
[ ] ( )
W
W W
c
c c

2
W W
c c

2

( )
2
1 W W W
c c c
+ +

+

+

+

2 2
1
0 25 10
1 0 25 10
0 06 10
1 2 5
0 6
3 5
0 17
1 W
W min
c
c
,
,
,
,
,
,
,
0 17
1 60
1
10 2
1 1 1
10
1 1
60
5 88 , , ,
min
min
h h
T
h
h
min
min
a

cabina. segunda tendremos luego ;

1
6 a menor e ligerament es
1
88 , 5
h h
El anlisis dimensional de

+
2
1
W
W
c
c
es
171462174.doc
63
[ ]

+

_
,

1
]
1
1
1
1

1
]
1
1
1
1
1
2
2
min
min
min
min
min
Ejemplo N 4
Los camiones de una flota de transporte arriban a un almacn de carga con una velocidad media de
camiones por da.
Determinar las condiciones de carga del almacn para que, si se admite que el costo de operacin es
proporcional a la velocidad media de despacho y el costo de atencin es proporcional al tiempo que
el camin pasa esperando en el sistema, el costo sea mnimo.
Llamemos
D: costo por unidad de tiempo en que el camin est inmovilizado.
C: costo proporcional a la velocidad de servicio.
CT: costo total.
CT C D W
CT C D
+
+

1
( )
( )

CT
C
D
D
C
+

1
]
1
1

2
2
0
( )
D
C
D
C

2
+
D
C
Veamos ahora un caso de limitacin de cola, antes del MODELO II.
Ejemplo N 5
Se ha verificado que el tiempo promedio entre dos arribos sucesivos es de 4 minutos. Se desea que el
nmero medio de clientes esperando en fila no pase de 3. Cul es el mximo valor del tiempo medio
de servicio compatible con las exigencias enunciadas?
( )
( )
L L
L L L
c
c c c

1
1
1 1 1
1 0
2 2
2 2


2
2
0
0
+
+ +
L L
a b c
c c
equivalente a
171462174.doc
64

t +

t
b b a c
a
L L L
c
c
c
2
1 2
2
4
2
4 1
2 1
3 9 12
2
3 4 58
2
,
,

+


3 4 58
2
0 79
1 0 79
0 25
3 16
,
,
,
,
, T min
s
Naturaleza Aleatoria de las Llegadas o del Servicio
Supongamos que hayamos obtenido el nmero de vehculos que pasan por una carretera en un inter-
valo de un minuto y que repitamos esta operacin 100 veces. Llegamos as a la tabla siguiente que da
las frecuencias de cada valor de la variable.
x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
f 0 0 1 3 5 10 12 14 15 12 9 7 5 3 2 1 1 0 0
Sumatoria de frecuencias = 100
Nueve veces obtuvimos 10 vehculo/minuto.
La probabilidad de que pasen 12 vehculos en un minuto es:
p
casos favorables
casos posibles
( ) , 12
5
100
0 05
La probabilidad de que pasen ms de 12 vehculos es:
( ) P p p p p p + + + + + + + + + 12 13 14 15 16 17 0 03 0 02 0 01 0 01 0 0 0 07 ( ) ( ) ( ) ( ) ( ) , , , , ,
La ley de Poisson como ley casi general de las llegadas al azar
Consideremos una sucesin de hecho idnticos E que se suceden en el tiempo. A partir de un
instante inicial t=0 sea n el nmero de elementos en el sistema. Como n es un nmero aleatorio
debemos darle una probabilidad p
n
(t) (probabilidad que es funcin de t).
Hiptesis
1) La probabilidad p
n
(t) no depende ms que del intervalo t y no depende del instante inicial. Si la
probabilidad de paso de 9 vehculos es 0,12 entre las 14 hs.21' y las 14 hs.22' debemos tener la
misma probabilidad entre las 13 hs.28' y las 13 hs.29'. Se dice que el fenmeno es estacionario.
2) Se admite que dos sucesos no se producen nunca al mismo tiempo (por ejemplo, nunca entran dos
clientes juntos a un sistema de espera.).
3) si se considera un intervalo t muy pequeo seleccionado en cualquier instante, la probabilidad
de que se produzca un suceso durante ese intervalo es igual a
t
. La cantidad se denomina
velocidad media de arribo.
Por ejemplo seleccionemos 1/10 segundos como t y cada dcimo de segundo examinamos si ha pa-
sado o no un vehculo, y as para todos los dcimos de segundo de una hora. Supongamos que
hemos anotado 540 s y 35.460 no. La tasa media de llegadas ser
540
60
9 540
0 15
s
min min

hora
, unidades por segundo; todo depende de la unidad elegida.
Si el fenmeno es estacionario la probabilidad de paso de un vehculo en un dcimo de segundo
cualquiera es:
171462174.doc
65
540
36 000
0 015
.
,
La probabilidad para un centsimo de segundo ser:
t 0 015
1
10
0 0015 , ,
La frmula de Poisson es:
( )
p t
t e
n
n
n
n
t
( )
!
; , ,

01
Las probabilidades p
n
(t) para valores de t desde 0,1 a 18 se hallan tabuladas. Por ejemplo para t =
8:
p p p p p p p
p p p p p p
p p p p p p
( ) ; ( ) , ; ( ) , ; ( ) , ; ( ) , ; ( ) , ; ( ) , ;
( ) , ; ( ) , ; ( ) , ; ( ) , ; ( ) , ; ( ) , ;
( ) , ; ( ) , ; ( ) , ; ( ) , ; ( ) , ; ( )
0 0 1 0 002 2 0 028 3 0 028 4 0 057 5 0 091 6 0 122
7 0 139 8 0 139 9 0 124 10 0 099 11 0 072 12 0 048
13 0 029 14 0 016 15 0 009 16 0 004 17 0 002 18 0



Estos valores tericos son muy parecidos a los observados experimentalmente. Pero, cmo de pare-
cidos?. Parece que estamos frente a un proceso poissoniano de media 8.
Para ver si esto es cierto hacemos un:
Test de hiptesis
El estadstico
2
es:
( ) ( ) ( )

2 1 1
2
1
2 2
2
2
2

+

+ +
o e
e
o e
e
o e
e
k k
k

( )

2
2
1

o e
e
j j
j j
k
o
e
i
i

frecuencias experimentales observadas.

frecuencias tericas.
La distribucin muestral de chi-cuadrado se aproxima a la distribucin de chi-cuadrado si los e
j
son
iguales a 5 y mejora para valores superiores.
Chi-cuadrado mide cunto se aparta lo observado de lo terico. Cuanto ms pequeo sea chi-cuadra-
do, ms se aproxima lo observado a lo terico.
En el caso de la autopista sera:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )

2
2 2 2 2
2 2 2 2 2
0 0 002
0 002
0 01 0 028
0 028
0 03 0 028
0 028
0 05 0 057
0 057
0 1 0 091
0 091
0 12 0 122
0 122
0 14 0 139
0 139
0 15 0 139
0 139
0 12 0 124
0 124

+

+

+

+
+

+

+

+

+

+
,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
+

+

+

+

+
+

+

+

+

+ + +
0 09 0 099
0 099
0 07 0 072
0 072
0 05 0 048
0 048
0 03 0 029
0 029
0 02 0 016
0 016
0 01 0 009
0 009
0 01 0 004
0 004
0 0 02
0 02
0 0 02 0 00086
2 2 2 2
2 2 2 2
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
, ,
,
,
,
, ,
+ + + + + + + + +
+ + + +
0 000033 0 0000072 0 00087 0 00013 0 00082 0 000056 0 000083 0 000035
0 001 0 00011 0 0009 0 002 0 009127
, , , , , , , ,
, , , , ,
N 1 15 1 14 nmero de clases menos 1
171462174.doc
66
De la tabla para:
14 31 319
0 995
2
corresponde (valor crtico)
,
,
0,995 es el nivel de significacin para 0,005, o sea el error de rechazar 5 veces de cada 1.000 a pesar
de ser buena la poblacin (error de tipo II). Como
31 319 0 009127 , ,
se acepta que es distribucin
Poisson.
Ejemplo N 6 (Se ofrece para quien quiera practicar).
x f
0 0
1 0
2 0
3 1
4 2
5 4
6 7
7 9
8 12
9 13
10 13
11 11
12 9
13 7
14 5
15 2
16 2
17 1
18 1
19 1
20 0
21 ms 0
Verificar si la hiptesis de que se trata de una distribucin Poisson con media 9 es aceptable con un
nivel de significacin del 0,005 %.
Ejemplo N 7
Los trabajos que se pueden procesar en una mquina dada llegan con distribucin Poisson a una ve-
locidad promedio de 1 cliente/hora. La mquina tarda 2 horas en ser reparada.
Averiguar las probabilidades de que mientras est detenida lleguen el siguiente nmero de clientes:
a) 0
b) 2
c) 5?
d) Graficar.
a)
( )
p t
T e
x
e
x
x
T
( )
!
; ,

2 71828
Que es la probabilidad de que lleguen x clientes en el perodo en que se repara la mquina.
p
e
e
0
0 2
2
2
2
0
0 135 ( )
( )
!
,

171462174.doc
67
b)
p
e
2
2 2
2
2
2
0 27067 ( )
!
,

c)
[ ]
p p p p p p
e e e e e
e
5 0 1 2 3 4
2 2 2 2 2
2
2 1 2 2 2 2 2
1 2
4
3
2
3
1
21
3
1 7 0 052655
( ) ( ) ( ) ( ) ( ) ( )
,
+ + + +
+ + +

_
,

VALOR DE x
V
A
L
O
R

D
E

L
A

P
R
O
B
A
B
I
L
I
D
A
D
0
0,05
0,1
0,15
0,2
0,25
0,3
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Ejemplo N 8
Se desea contratar un operario permanente para reparar las mquinas de una casa que provee servi-
cios de copias. Se estima que una mquina de fotocopiado descompuesta perjudica a la casa en
1.200 UM por hora de inmovilizacin.
Actualmente se depende de un servicio de reparaciones que tarda 2 horas en ser avisado, llegar y re-
parar una mquina (en promedio). El costo es de 20.000 UM/mes.
La casa posee 20 mquinas presentndose fallas a razn de 0,33 mquina/hora (referido a cada m-
quina). Al decidir un cambio de sistema de reparaciones se puede optar entre el operario A capaz de
arreglar 4 mquinas por hora y que pide 40.000 UM/mes y el operario B que puede arreglar 6 m-
quinas por hora con un sueldo de 80.000 UM/mes.
Analizar si conviene el cambio de sistema y en caso afirmativo elegir el operario.
Tomar el mes de trabajo como de 200 hs. Tratar el problema como una cola de un canal con pobla-
cin infinita.
Actualmente se tiene:
( costo espera). total arribos+costo servicio = W.
171462174.doc
68
1
1
2
1
3
1200 200
1
3
20 20000 9337647

_
,

_
,
+
h
m q
UM
h m q
h
mes
m q
h
m q
UM
mes
UM
mes
tiempo m quinas detenidas
perjuicio por detencin


. . .
total arribos = velocidad de arribo por mquina x cantidad de horas de trabajo por mes x cantidad de
mquinas.
Si se contratara a A:
T
1
4
h ; 4
1
h
s

El resto sigue igual.
1
4
1
3
1200 200
1
3
20 40000 435967 3

_
,

+ ,
UM
mes
Si se contrata a B.
1
6
1
3
1200 200
1
3
20 80000 282186 9

_
,

+ ,
UM
mes
MODELO II
Canal nico Cola Limitada Poblacin Infinita
Canal
cliente que se rechaza y se dirige a otro lugar
5 4 3 2 1

Este sistema acepta 4 elementos esperando y nada ms.

Si viene otro cliente ser atendido en otro lugar o por terceros.
N ............ 3 2 1

N-1 en cola
N en el sistema
Canal
Desde el punto de vista de la ecuacin diferencial que gobierna el sistema, es la misma ecuacin.
La derivada era:
171462174.doc
69
( ) p n p n p n p n
n n n n
' ( ) ( ) ( ) ( ) + + + +
+

1 1
1 1 0
Recordemos que la derivada es cero porque consideramos al sistema en rgimen estacionario.
Para n=0 el estado cero E(0) existe y hay un cierto valor
0
=0 (debido a que no pueden salir
elementos del sistema si no los hay).
0
es la velocidad de despacho cuando no hay ningn cliente en
el sistema. Para n=0 hay un estado definido como el E(-1), luego

1
1 0 p( )
No existe este estado porque la probabilidad de su existencia es nula.
: queda nos los y los todos Haciendo
1 n

+ n
+ p p ( ) ( ) 0 1 0
p p ( ) ( ) 1 0
Para 0 n N estamos en el caso de una posicin intermedia. Por ejemplo
p p p p ( ) ( ) ( ) ( ) 2 1 0 0
2

Para la ecuacin diferencial quedar escrita: n N
( ) + + + +
+

N N N N
p N p N p N ( ) ( ) ( )
1 1
1 1 0
Qu significa ? Si hay elementos en el sistema nada entrar porque el sistema se bloquea.
N
N
a.
Luego:

N
N
E N

0
0 Para ( )
Identificando el estado estamos definiendo una . Existe ? ( ) ( ) ( ) N p N E N + + + 1 1 1
.No, porque
est limitado. Luego:
para E N p N ( ) ( ) + + 1 1 0
La ecuacin diferencial quedar reducida a: (pondremos todos los y sin subndice)
+

p N p N
p N p N p N
( ) ( )
( ) ( ) ( )
1 0
1 1
Pero
p N p
N
( ) ( )

1 0
1

p N p
N
( ) ( ) 0
En este modelo, a diferencia del anterior, tenemos un nmero finito de estados.
p n p p
n
n
N
n
n
N
n
N
( ) ( ) ( )

1 0 0
0 0 0

Luego:
p
n
n
N
( ) 0
1
0

En el modelo I debamos asegurar la convergencia de la serie, eso obligaba a que fuese menor a 1.
En este modelo II puede tomar cualquier valor cumplindose que:

n
n
N
p

0
1 0 1 para asegurar que sea ( )
Ahora debemos calcular la sumatoria. Supngase lo siguiente:
171462174.doc
70
B
B
N
N N
+ + + +
+ + + +
+


0 1 2
1 2 1

( )
B B
B
N
N


+
+


1
1 1
1
1
B
N

+
1
1
1

B es la inversa de
( ) p 0
, luego:
p
N
( ) 0
1
1
1

Con lo que ya tenemos

p n
n
N
( )

1
1
1
Ejemplo N 9
Se desea proyectar el tamao de una playa de estacionamiento de una estacin de servicio donde de-
ben aguardar los vehculos para recibir un servicio de lavado.
El arribo de clientes es a razn de 3 por hora y el lavado dura 10 minutos. Se busca que el nmero
de clientes en el sistema sea como mximo de 5.
La estacin de servicio trabaja 18 horas diarias.
Se desea calcular la velocidad de lavado necesaria para:
Perder 10 clientes por da.
Perder 50 clientes por da.
Perder 80 clientes por da.
3 10 6
clientes
h
T min
clientes
hora
s
; ;
Actualmente N = 5
p N
N
N
( ) ,
,
,
, , ,

_
,

_
,

1
1
3
6
1
6
1
3
6
0 015625
0 167
1 0 015625
0 015625 0 16965 0 1723
1
5
6
Si hay 5 clientes
p N ( )
es la probabilidad de perder clientes.
Velocidad de prdida de clientes = p
h h
( ) , , 5 0 1723 3
1
0 5169
1

En 18 horas:
0 5169
1
18 9 3042
1
, ,
h
h
da da

3
1
3
1
3
0 1723
5
6

_
,

_
,

,
Se forma una tabla y se va aproximando.
Longitud media del sistema y de la cola
171462174.doc
71
L n p n n p p n
n
N
n
n
N
n
n
N



( ) ( ) ( )
0 0 0
0 0
Si
B
n
n
N
N



+

0
1
1
1
( )
[ ]
( ) ( )
( )

B
n
N
n
n
N
N N

+ +

+
1
0
1
2
1 1 1
1
( ) ( )
( )

B
n
N N
n
n
N
N N N

+ +

+
0
1
2
1
1
( )
( )
L
N N
N
N N N

+
+
1
1
1
1
1
1
2

( )
[ ]
( ) ( )
L
N N
N N
N

+ +

+
+

1 1
1 1
1
1
Se puede demostrar que:
( )
( ) ( )
L
N N
C
N N
N

2
1
1
1 1
1 1
Casos particulares para estas frmulas
1) Si

+
1 0
1
resultara 0 y
N
.
( )
( ) ( )
( )
( ) L

+
+

+
+ +
+ +

1
1
1 1
1
1
1
2
2
p
N
( ) 0
1
1
1 1
1

Si
1
en la expresin de L slo el 1 resulta despreciable frente a los otros trminos y as:
( )
[ ]
( ) ( )
( )
( )
( )
( )
L
N N
N N N N
N N
N
N N
N

+ +


+

+
+
+ +
+

1
1
1
1
1
1
1
1
1 2
1
( )
( ) ( )

N
N N
1 1
1
1
1

Qu ocurre?. Si

1 1 es y en consecuencia .
La longitud L ser casi siempre N.
p p
N N N N
( ) ( ) 0
1
1
1 1
0 0 0
1 1 1

+ + +

Para el caso intermedio de
1
se puede obtener que
L
N

2
Ejemplo N 10
En un lugar de atencin hay una afluencia de clientes de 25 u/u de tiempo siendo la capacidad media
del servicio de 50 personas/u de tiempo. Estando limitado el sistema a 5 clientes calcular:
171462174.doc
72
a) factor de trfico;

25
50
1
2
0 5 ,
b) probabilidad de que existan 0, 1, 2, 3, 4 5 personas en el sistema;
( )
p
p p
N
( )
,
,
,
,
,
( ) ( ) , , ,
0
1
1
1 0 5
1 0 5
0 5
0 984375
0 507936507
1 0 0 5 0 507936507 0 253968253
1 6

( ) p p
p p
( ) ( ) , , ,
( ) ( ) ( , ) , ,
2 0 0 5 0 507936507 0 126984126
3 0 0 5 0 507936507 0 063492063
2
2
3 3

( )
( )
p p
p p
( ) ( ) , , ,
( ) ( ) , , ,
4 0 0 5 0 507936507 0 031746031
5 0 0 5 0 507936507 0 015873015
4
4
5
5

p n
n
( ) , , , , ,
, ,
+ + + + +
+

0 507936507 0 253968253 0 126984126 0 063492063 0 031746031

0 015873015 0 999999995
0
5
c) nmero medio de clientes en cola y en el sistema.
( )
( ) ( ) ( )
( )
L
N N
N N
N

+ +

1
]
1
1

1
]
1
1

1
]
1

1
]
1

+
+

1 1
1 1
0 5
1 6 0 5 5 0 5
0 5 1 0 5
0 5
1 6 0 03125 5 0 015625
0 5 1 0 015625
0 5
1 0 1875 0 078125
0 5 0 984375
1
1
5 6
6
,
, ,
, ,
,
, ,
, ,
,
, ,
, ,

1
]
1
0 5
0 890625
0 4921875
0 9047619 ,
,
,
,
( )
( ) ( ) ( )
L
N N
C
N N
N

1
]
1
1

+

1
]
1
1

2
1
1
2
4 5
6
1 1
1 1
0 5
1 5 0 5 4 0 5
0 5 1 0 5
,
, ,
, ,

_
,

_
,

0 25
1 0 3125 0 125
0 5 0 984375
0 25
0 8125
0 4921875
0 4127 ,
, ,
, ,
,
,
,
,
Para el caso de cola limitada, un canal, se pueden utilizar grficos de la funcin
L f ( ).
Con L y
con diferentes valores del parmetro N se pueden obtener los valores .
Ejemplo N 11
En un taller hay un operario que hace servicio liviano a un grupo de 8 mquinas. El operario puede
atender 150 mquinas por turno y en general hay 75 mquinas que requieren servicio por turno.
Calcular:
a) Factor de trfico

75
150
0 5 ,
b) Calcular la probabilidad de 0, 1, 2, 3, 4, 5, 6, 7 u 8 clientes en el sistema.
171462174.doc
73
( )
( )
( ) ( )
p
p p
N
0
1
1
1 0 5
1 0 5
0 5
0 998
0 501
1 0 0 5 0 501 0 2505
1 9

,
,
,
,
,
, , ,
( ) ( ) ( )
( ) ( ) ( )
p p
p p
2 0 0 5 0 501 0 1253
3 0 0 5 0 501 0 0626
2
2
3
3

, , ,
, , ,
( ) ( )
( ) ( )
p p
p p
4 0 0 0625 0 501 0 0314
5 0 0 03125 0 501 0 0156
4
5

, , ,
, , ,
( ) ( )
( ) ( )
p p
p p
6 0 0 015625 0 501 0 0078
7 0 0 0078 0 501 0 0039
6
7

, , ,
, , ,
( ) ( )
( )
p p
p n
n
8 0 0 0039 0 501 0 002
0 501 0 2505 0 1253 0 0626 0 0314 0 0156 0 0078
8
0
8

+ + + + + + +

, , ,
, , , , , , ,
+ + 0 0039 0 002 1 0001 , , ,
c) Nmero medio de clientes en cola.
( )
( ) ( )
( )
[ ] [ ]
[ ] ( )
[ ]
( )
L
N N
C
N N
N

1
]
1
1

'

1
]
1

_
,

2
1
1
2
7 8
9
1 1
1 1
0 5
1 8 0 5 7 0 5
1 0 5 1 0 5
0 25
1 8 0 0078 7 0 0039
0 5 1 0 00195
0 25
1 0 0624 0 0273
0 5 0 998
,
, ,
, ,
,
, ,
, ,
,
, ,
, ,

_
,

0 25
0 9649
0 499
0 4834 ,
,
,
,
MODELO III
Varios Canales en Paralelo Poblacin Infinita Sin Prioridades
171462174.doc
74
1
2
3
M
. . .

La cola es nica sin prioridades. La velocidad de despacho la supondremos igual para todos los ca-
nales.
La probabilidad de que salga despachado un cliente del sistema es:
dt
dt
T
s

Llamaremos M al nmero de canales y x al nmero de clientes en el sistema. Hay dos casos:

1) Si
2) Si
x M p x dt
x M p M dt
despacho
despacho

As tenemos dos sistemas perfectamente diferenciados a los que podemos aplicarles las ecuaciones
diferenciales que vimos.
Si x 0 tenemos:
+

p p
p p
( ) ( )
( ) ( )
0 1 0
1 0
La ecuacin correspondiente a
0 x M
ser:
( ) + + + +
+

x x x x
p x p x p x ( ) ( ) ( ) ( )
1 1
1 1 0 2
Todo ocurre como si el sistema estuviera operando a una velocidad
x
y podemos as pensar que:

x
x y ( )
x+1
+ x 1
Como no hay limitaciones en la cola el es independiente del nmero de clientes y por consiguiente
tomaremos:

x
La ecuacin queda:
( ) + + + + + x p x p x x p x ( ) ( ) ( ) ( ) 1 1 1 0
Supongamos que x 1. Caso 1)
x M .
( )
+ + +

+
+
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )

p p p
p p p p p
1 0 2 2 0
2
2
1
2
0
1
2
1 0
2
0
( ) p p p ( ) ( ) ( ) 2
2
0 1 1
1
2
0
2
+

Y para cualquier otro x ser:
171462174.doc
75
p x
x
p x M
x
( )
!
( )

0 0 para
Caso 2) x M .
En este caso se cumplir que

x x
M
+1
y la expresin (2) quedar:
( ) 0 ) 1 ( ) 1 ( ) ( + + + + x p M x p x p M
Si hacemos x M hallaremos
p M ( ) +1
pero si en cambio tomamos x M 1 obtendremos
p M ( ):
( ) [ ] ( )
( )
+ + +

M p M p M M p M
p M
M
M
p M
M
p M
1 1 2 0
1 2
( ) ( )
( ) ( )
( ) ( )
( )
p M
M M M M M
p
p
M M M M M
M M
M M M M
( )
! !
( )
( )
! ! ! ( )!
+

_
,

1
]
1

+

1
]
1




1
1
1 2
0
0
1 2
1 2
1 1 1
Pero
M M M M M
M M M M
( )! ( ) ( )
! ( ) ( )


2 2 3 1
1 2 1

Entonces
M M
M
M
( )!
!

2
1
Si reemplazamos en
p M ( ).
( )
( )
p M
M M M
M
M
p
p
M
M
M M
M
M
M M M M
M M M M
( )
! ! ! !
( )
( )
! ! ! !
+

1
]
1

+

_
,

1 1 1
1
1
0
0
1
p M
p
M
M M
p
M
M M
M
M
( )
( )
!
( )
!
+

_
,

+ +

_
,

0
1
1 1
0
1
1 1

p M
p
M
M
( )
( )
!

0
Hagamos ahora x M para obtener la
p M ( ) +1
que pertenece al otro intervalo.
( ) + + + +
+
+

M p M p M M p M
p M
M
M
p M
M
p M
( ) ( ) ( )
( ) ( ) ( )
1 1 0
1 1
171462174.doc
76
+
+

M
p M p M
M
p M
M
p
M
p
M M
p
M
M M M
( ) ( ) ( )
( )
!
( )
!
( )
( )!
1
0 0 0
1
1
+

1
]
1
+
p
M M M M
M M M
( )
! ( )! ( )!
0
1 1
1

p M
M M
p
M
( )
!
( ) +
+
1 0
1

Si x M +1:
( )
( )
) ( ) 1 ( ) 2 (
0 ) 2 ( ) ( ) 1 (
M p
M
M p
M
M
M p
M p M M p M p M

+
+
+
+ + + +
( ) p M
M
M M M
p
M M
p
M M
p
M M
p
M M
p
M M
M M M
+
+

+
+
+ + +
2 0 0
0 0 0
1
2
2
1 1

!
( )
!
( )
!
( )
!
( )
!
( )
Que en general es:
p x
M M
p
x
x M
( )
!
( )

0
para x M
Definicin de
p( ) 0
p x
x
p
M M
p
x
x
x
M x
x M
x M
( )
!
( )
!
( )

+
0 0
1
1 0 0

Podemos sacar
p( ) 0
fuera de la frmula.
1 0
0
1
0
1
0
1
+

_
,

p
x M M
p
x M M
x
x
M x
x M
x M
x
x
M x
x M
x M
( )
! !
( )
! !

1
1
0
1

x
x
M x
x M
x M
x M
M
! !
Pero
171462174.doc
77
1 1
M M
M
M
M
x M x
M
M
x

Si reemplazo
p
x
M
M M
x
x
M M
x
x M
B
( )
! !
0
1
0
1

_
,

El trmino B es una serie geomtrica de razn

M
y para que converja la razn debe ser menor a 1.
Por lo tanto, si

10 3
10
3
3 33
clientes
h
clientes
h
y
,
que debe ser menor a M que es justamente el nmero de canales. Quiere decir que como M es un en-
tero positivo debe ser al menos cuatro.
( ) ( )
( )
! !
! !( ) !
B
M
M M
M
M M
M
M
M
M
M M M M
M
x
x M
M
M
M M M

_
,

_
,

1
1
1
1
1
Por lo que, finalmente:
( ) ( )
p
x M M
x
x
M M
( )
! !
0
1
1
0
1

_
,
+

1
]
1

Cul sera la probabilidad de que todos los canales estn ocupados?

( ) P x M
M M
p
x
x M
x M

!
( ) 0
Otro valor importante es el nmero medio de canales ocupados. Lo llamaremos H. Queremos saber
el nmero de canales ocupados. Para ello hacemos:
Clientes en el sistema Canales funcionando
0
1
2
1

M
0
1
2
1

El nmero de canales ocupados

coincide con el nmero
de clientes.
M M
M+1 M
M+2 M

171462174.doc
78
Habr que calcular la esperanza matemtica que tiene dos partes. Una de 0 a M-1 donde el nmero
de canales coincide con el nmero de clientes y otra de M a donde el nmero de canales funcio-
nando es M. La esperanza ser:
H p x x M p x
x
M
x M
+

( ) ( )
0
1
Para el primer trmino recordemos que:
( )
p x
x
p
p x
x
p
x
x
( )
!
( )
( )
!
( )

0
1
1
0
1
Si dividimos miembro a miembro las dos relaciones:
p x
p x x
p x
x
p x x M
( )
( )
( ) ( )

1
1 0

para
Para el segundo trmino:
p x
M M
p p x
M M
p
p x
p x
M M
p
M M
p
M
x
x M
x
x M
x
x M
x M
x
( )
!
( ) ; ( )
!
( )
( )
( )
!
( )
!
( )

0 1 0
1
0
0
1
1
1
1
p x
M
p x x M ( ) ( )

1 para
Reemplazando en H:
H x
x
p x M
M
p x
p x p x
x
M
x M
x
M
x M
+
+

( ) ( )
( ) ( )
1 1
1 1
0
1
0
1
H p x
x

( ) 1
0
Si =10 y 3 3 33 , .
Debemos instalar como mnimo 4 canales. Si pusiramos ms se
usarn 3,33 en promedio. El resto sobra.
Puede adems obtenerse:
L
M M
M
p
L L
c
M
c

_
,

+
+

1
2
1
0
!
( )
W
M M
M
p
c
M

_
,

!
( )
1
0
2
171462174.doc
79
Ejemplo N 12
Un grupo de servicio que atiende equipos electrnicos est constituido por tres cuadrillas. Los pedi-
dos de reparacin siguen una ley Poisson con media de 16 pedidos cada 8 h de trabajo. La solucin
de cada reclamo demanda 80 min de cada cuadrilla, valor ste que se distribuye exponencialmente.
Determinar:
a) Cunto tiempo debe esperar un cliente para ser atendido?.
M
h h
T
min
h
min
h
s


3
16
8
1
2
1
1 1
80
1
60
0 75
1
;
,

(Esto es para un canal)

( ) ( )

_
,
+

1
]
1

2
0 75
2 67
0
1
1
0
1
,
,
( )
! !
p
x M M
x
x
M M

+ + +

+ + +

1
2 67 2 67
2 3 2 67
1
2 67
0
2 67
1
2 67
2
18 96
2 0 33
1
1 2 67 3 56 28 73
1
35 96
0 028
0
2 3 0 2
,
!
,
! ( , )
,
!
,
!
,
!
,
,
, , , ,
,
x
x
x
( )
W
M M
M
p
h
c
M

_
,

_
,

!
( )
,
! ,
,
.
,
, ,
.
,
,
,
1
0
2 67
3 3 0 75 1
2 67
3
0 028
19 03
13 5 0 11
0 028
0 53284
0 163
3 27
2
3
2
2
b) Qu porcentaje de tiempo til est trabajando cada cuadrilla?.
La probabilidad de esperar estar dada por: ver [Kaufmann]
( )
( )
Pr
!
!
! ! !
n M
M
M
M
M
M
M
M M

_
,

_
,

+ + + + +

1
1
1
1 2 1
2 1

Frmula de ERLANG
En nuestro caso
171462174.doc
80
( ) Pr
,
!
,
,
!
,
,
!
,
!
,
,
,
,
,
,
!
,
, ,
,
,
, %
n

_
,

_
,

+ + +

+ + +

+

3
2 67
3 1
2 67
3
2 67
3 1
2 67
3
1
2 67
1
2 67
2
18 96
0 66
18 96
0 66
1 2 67
2 67
2
28 45
28 45 7 11
28 45
35 56
0 80 80
3
3 2 2
O sea que, en conjunto, las tres cuadrillas estn ocupadas el 80 % del tiempo, por ende desocupadas
el 20 % restante. Las cuadrillas (las tres juntas) trabajan el 80 % de su tiempo til.
c) Cuntos clientes hay en espera de atencin, en promedio?
( )
L
M M
M
p p
c
M

_
,

_
,

1
2
4
2
2
1
0
2 67
3 3 1
2 67
3
0
50 57
18 0 11
0 028
1 416
0 222
6 378
!
( )
,
!
,
( )
,
,
,
,
,
,
Ejemplo N 13 [Kaufmann]
A un aeropuerto llegan 20 aviones por hora. Cada avin tarda 4 min en efectuar el aterrizaje.
Determinar el nmero de pistas necesario para que al llegar un avin la probabilidad de espera no sea
superior a 0,1 (las llegadas son Poisson y los tiempos de aterrizaje se distribuyen exponencialmente).

1
4
1
60
15
1
20
1 20
15
1 33
min
h
min
h h
; ; ,
Si M=2
( )
( )
Pr
!
!
! ! !
n M
M
M
M
M
M
M
M M

_
,

_
,

+ + + + +

1
1
1
1 2 1
2 1

Frmula de ERLANG

_
,

_
,

+ +

+ +

+

1 33
2 1
1 33
2
1 33
2 1
1 33
2
1
1 33
1
1 77
0 67
1 77
0 67
1 1 33
2 64
2 64 2 33
2 64
4 97
0 5311
2
2
,
!
,
,
!
,
,
,
,
,
,
,
,
, ,
,
,
,
que no es suficiente.
( ) Pr
,
!
,
,
!
,
,
,
,
,
,
,
, ,
,
, ,
,
,
, n

_
,

_
,

+ + +

+ +

+
3
1 33
3 1
1 33
3
1 33
3 1
1 33
3
1 1 33
1 33
2
2 35
3 34
2 35
3 34
2 33 0 88
0 7
0 7 3 21
0 7
3 91
0 179
3
3
2
171462174.doc
81
que es mayor a 0,1.
( ) Pr
,
!
,
,
!
,
,
,
!
,
!
n

_
,

_
,

+ + + +
4
1 33
4 1
1 33
4
1 33
4 1
1 33
4
1 1 33
1 33
2
1 33
3
4
4 2 3
( )

+ + +

+

313
24 0 67
313
16 02
2 33 0 88 0 39
0 19
0 19 3 6
0 19
3 79
0 05
,
,
,
,
, , ,
,
, ,
,
,
,
Por lo tanto se necesitarn 4 pistas.
Existe un grfico que da la probabilidad entrando con y M como parmetros.
Ejemplo N 14
Un banco tiene dos cajeros trabajando en cuentas de ahorro. El primero maneja nicamente retiros
de fondos, el segundo slo depsitos. Se ha encontrado que las distribuciones de tiempo de servicio
tanto para depsitos como para retiros son exponenciales con tiempo medio de servicio de 5 min por
cliente.
Se encontr tambin que los depositantes llegan de acuerdo a una distribucin Poisson a lo largo del
da con velocidad media de llegada de 10 por hora. Las personas que retiran fondos tambin llegan
con distribucin Poisson a una velocidad media de 8 clientes por hora.
Cul ser el efecto sobre el tiempo medio de espera en cola (para los que depositan y retiran
fondos) si cada cajero pudiera manejar tanto los retiros como los depsitos y cul sera el efecto si
esto slo pudiera llevarse a cabo aumentando el tiempo medio del servicio a 6 min?
Las opciones son:
I)
I''
I'
D
R
12 c/h
12 c/h
171462174.doc
82
IIa
tambin
IIb
RD
DR
18 c/h
12 c/h
12 c/h
18 c/h
RD
DR
10 c/h
10 c/h
El caso I consiste en dos colas de un solo canal y poblacin infinita.
Los casos IIa y IIb son dos canales en paralelo y poblacin infinita.

I I I
h h
' ' ' ; ; , 10
1
12
1 10
12
0 83

I I I
h h
'' '' '' ; ; , 8
1
12
1 8
12
0 67
( )
L L L
W h
I
I
I
C
I I
C
I
I I I
I
I
'
'
'
'
' '
'
'
' ' '
,
,
, ; , , ,
,

1
0 83
1 0 83
4 88 4 88 0 83 4 05
10
12 2
0 42
( )
( )
W h
W
M M
M
p
C
I
I I I
C
M
I
II
a
' '
' '
' ' ' ' ' '
,
!
( )

_
,

8
12 12 8
8
48
0 17
1
0
2
Primero debemos calcular
p( ) 0
.
( ) ( ) ( ) ( )
p
x M M M M
h
x
x
M M M
II II
II
II
b b
b
b
( )
! ! ! ! !
,
0
1
1
1
0 1 1
10
1 18
10
18
0
1 0 1

+ +

De donde:
171462174.doc
83
p
W h
C
II
b
( )
,
,
,
,
,
!
,
,
,
,
, ,
0
1
1 18
18
0 2
1
19
0 05263
18
2 2 10 1
18
2
0 05263
3 24
0 4
0 05263 0 4263
2
2
2

+ +

_
,

En el caso IIa:

II II
a a
h
12
1 18
24
0 75 ,
( ) ( ) ( )
p
M M
II
M a
( )
! ! !
,
,
! ,
, 0
1
0 1 1
1
1 0 75
0 75
1 2 0 75
0 45
0 1 2

+ +

+ +

W h
C
II
a

_
,

0 75
2 2 1
0 75
2
0 45 0 006817
2
2
,
!
,
, ,
Depsitos Retiros
0,42 h vs. 0,4263 h (IIb) 0,17 h vs. 0,4263 h (IIb)
0,42 h vs. 0,006817 h (IIa) 0,17 h vs. 0,006817 h (IIa)
Ejemplo N 15
Sea M el nmero de canales, N el de clientes (puede ser infinito). El nmero medio de clientes en es-
pera en cola es:
( ) L x M p x
C
x M

+

( )
1
El nmero medio de canales inactivos es:
( )

M x p x
x
M
( )
0
Si tomramos un intervalo T, el tiempo total perdido (en media) por los clientes es
L T
C
y el medio perdido por los canales es:
T
Si c
1
es el costo por unidad de tiempo perdido por el cliente y c
2
es el costo por unidad de tiempo
del canal.
El costo total ser:
( )
( ) ( ) + +

1
]
1
+

c L c T T c x M p x c M x p x
C
x M x
M
1 2 1
1
2
0
( ) ( )
( ) ( ) +
+

T
c x M p x c M x p x
x M x
M
1
1
2
0
( ) ( )
En el caso precedente =0,7 Supongamos T=1 h. El costo c
1
es 18.000 UM/h y c
2
es 600 UM/h.
Cul es el nmero ptimo de ventanillas?.
Supongamos dada la siguiente tabla:
M
p

p
0
p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
p
9
171462174.doc
84
3 1 0,4815 0,3370 0,1180 0,0413 0,0145 0,0051 0,0018 0,0006 0,0002 0,0001
4 1 0,4952 0,3466 0,1213 0,0283 0,0066 0,0015 0,0004 0,0001 .. ..
5 1 0,4965 0,3475 0,0284 0,0050 0,0009 0,0002 .. .. .. ..
6 1 0,4966 0,3476 0,1217 0,0284 0,0050 0,0007 0,0001 .. .. ..
7 1 0,4966 0,3476 0,1217 0,0284 0,0050 0,0007 0,0001 .. .. ..
Y podemos hacer la siguiente tabla de clculo:
M
( ) x M p x
x M

+

( )
1
( ) M x p x
x
M

( )
0
( ) ( ) c x M p x c M x p x
x M x
M
1
1
2
0
+
+

( ) ( )
3 0,101 2,1185 18.000 0,101 + 600 2,1185 = 3.089 UM
4 0,0322 3,2698 18.000 0,0322 + 600 3,2698 = 2.541 UM
5 .. 3,9586
600 3,9586 = 2.375 UM
6 .. 5,3003 600 5,3003 = 3.180 UM
7 .. 6,3004 600 6,3004 = 3.780 UM
Se prob slo de 3 a 7 dado que se tena experiencia de que el ptimo estaba en ese entorno.
Pueden verse las secciones 30 y 31, Tomo I, [Kaufmann].
MODELO IV
Varios Canales en Paralelo Poblacin Infinita Cola Limitada
.
.
. M canales.
La hiptesis es que
M N
.
Si 1 x M hay M-x mecnicos desocupados (canales desocupados). x mquinas estn en repara-
cin y ninguna espera ser reparada.
Para
M x N
hay M mquinas en reparacin y x-M en espera. Se puede admitir
1
sin peligro de
congestin, sta no aparece ms que cuando
M
.
Con las hiptesis:
Poisson.
Exponencial.
Rgimen permanente.
Usamos el cociente:
a
p
p
a a
p
p
p
p
x
x x
( )
( )
( )
( ) ( )
( )
( )
( )
( )

0
0 0
0
0
0
1 con porque
171462174.doc
85
De x=0 hasta x=M-1 calcularemos
a
x ( ) con la frmula:
a
N x
x
a
x x ( ) ( )

1
1

Desde x=M hasta x=N se calcula con la frmula:

a
N x
M
a
x x ( ) ( )

1
1

Mostraremos la marcha de clculo con un ejemplo.

Sea:
0 1 20 3 , ; ; N M
.
Utilizando la primer frmula hasta x=3 se obtiene:
9 , 1 2 * 1 , 0
2
1 2 20 1
2 1 * 1 , 0
1
20
1 , 0
1
1 1 20
) 1 ( ) 2 (
) 0 ( ) 1 (

a
x
x N
a
a a

14 , 1 9 , 1 * 1 , 0
3
1 3 20 1
) 2 ( ) 3 (

+

+
a
x
x N
a
Con la segunda frmula de x=4 a x=20.
3445 , 0 646 , 0 * 1 , 0
3
1 5 20 1
646 , 0 14 , 1 * 1 , 0
3
1 4 20 1
) 4 ( ) 5 (
) 3 ( ) 4 (

a
M
x N
a
a
M
x N
a

08039 , 0 17227 , 0 * 1 , 0
3
1 7 20
17227 , 0 3445 , 0 * 1 , 0
3
1 6 20
) 7 (
) 6 (

a
a
01393 , 0 03483 , 0 * 1 , 0
3
1 9 20
03483 , 0 08039 , 0 * 1 , 0
3
1 8 20
) 9 (
) 8 (

a
a
a a a
a
( ) ( ) ( )
( )
, ; , ; ,
,
10 11 12
13
0 00511 0 00170 0 00051
0 00013

a
( ) 14
y el resto son inferiores a 0, 00001.
Ahora,
p p
p
p
p p
a
x
x
N
x
x
N
x
x
N
( ) ( )
( )
( )
( ) ( )
( )
0
1
0 0
1
0
1
1
1
1 1

De donde:
171462174.doc
86
p
a
x
x
N
( )
( )
0
1
1
1

Pero
a
x
x
N
( )
, , , , , , ,
, , , , , ,

+ + + + + + + +
+ + + + + +
1
2 1 9 1 14 0 646 0 3445 0 17227 0 08039 0 03483
0 01303 0 00511 0 0017 0 00051 0 00013 6 3394
Entonces
p
p a p
( )
( ) ( ) ( )
,
,
, ,
0
1 1 0
1
1 6 3394
0 13625
2 0 13625 0 2725

+


p a p
( ) ( ) ( )
, , ,
2 2 0
1 9 0 13625 0 25888
Se puede demostrar que
( ) L x M p
C x
x M
N

+
( )
1
La probabilidad de esperar estar dada por:
( ) ( )
( )
Pr Pr ( )
Pr ( ) ( )

0
0 1
3
20
0
2
x M p x
p x p x
x M
N
x x
que en nuestro ejemplo ser
( ) + + 1 0 13625 0 2725 0 2588 0 33237 , , , ,
Ejemplo N 16
Un conjunto de 50 mquinas de una fbrica pueden detener su marcha por desperfectos requiriendo
entonces la presencia de un operario que los subsane y ponga en funcionamiento nuevamente la m-
quina.
Se ha verificado que, en promedio, las mquinas se detienen cada 95 min necesitndose 5 min para
su arreglo y puesta en marcha. Actualmente las mquinas son atendidas por 4 operarios. Calcular:
16.1. El nmero esperado de mquinas funcionando.
N
min
M


50
1
95
0 0105
1
5
0 2
4
0 0105
0 2
0 0526
; , ; ,
;
,
,
,

a
a
N x
x
a x M
x x
( )
( ) ( )
0
1
1
1

si
171462174.doc
87
389 , 3 63 , 2 0526 , 0
2
1 2 50
63 , 2 1 0526 , 0
1
1 1 50
) 2 (
) 1 (

a
a
85 , 2 389 , 3 * 0526 , 0
3
1 3 50
) 3 (

+
a
Si pasamos a la segunda frmula
763 , 1 852 , 2 * 0526 , 0
4
1 4 50
para
1
) 4 (
) 1 ( ) (

a
M x a
M
x N
a
x x

632 , 0 0676 , 1 * 0526 , 0
4
1 6 50
0676 , 1 763 , 1 * 0526 , 0
4
1 5 50
) 6 (
) 5 (

a
a
207 , 0 366 , 0 * 0526 , 0
4
1 8 50
366 , 0 632 , 0 * 0526 , 0
4
1 7 50
) 8 (
) 7 (

a
a
061 , 0 114 , 0 * 0526 , 0
4
1 10 50
114 , 0 207 , 0 * 0526 , 0
4
1 9 50
) 10 (
) 9 (

+
a
a
016 , 0 032 , 0 0526 , 0
4
1 12 50
032 , 0 061 , 0 0526 , 0
4
1 11 50
) 12 (
) 11 (

a
a
3
) 14 (
) 13 (
10 4 008 , 0 * 0526 , 0
4
1 14 50
008 , 0 016 , 0 * 0526 , 0
4
1 13 50

a
a
4 3
) 16 (
3 3
) 15 (
10 75 , 8 10 * 9 , 1 0526 , 0
4
1 16 50
10 9 , 1 10 * 4 0526 , 0
4
1 15 50

a
a
171462174.doc
88
4 4
) 18 (
4 4
) 17 (
10 69 , 1 10 * 9 , 3 0526 , 0
4
1 18 50
10 9 , 3 10 * 75 , 8 0526 , 0
4
1 17 50

a
a
5 5
) 20 (
5 4
) 19 (
10 9 , 2 10 * 11 , 7 0526 , 0
4
1 20 50
10 * 11 , 7 10 * 69 , 1 0526 , 0
4
1 19 50

a
a
6 5
) 22 (
5 5
) 21 (
10 3 , 4 10 * 14 , 1 * 0526 , 0
4
1 22 50
10 14 , 1 10 * 9 , 2 * 0526 , 0
4
1 21 50

a
a
a
( ) 23
y las restantes las consideraremos despreciables.
a
x
x
N
( )
, , , , , , ,
, , , , , , , ,

+ + + + + + +
+ + + + + + + + +
1
2 632 3 392 2 855 1 765 1 0676 0 632 0 366
0 207 0 114 0 061 0 032 0 016 0 008 0 004 0 0019
+ + + + + +
+ +
0 000875 0 00039 0 000169 0 0000711 0 000029
0 0000114 0 0000043 13 155
, , , , ,
, , ,
1859 , 0 0706 , 0 * 632 , 2 ) 0 ( ) 1 (
0706 , 0
55 , 13 1
1
) 0 (
) 1 (

p a p
p
2017 , 0 0706 , 0 * 855 , 2 ) 0 ( ) 3 (
2396 , 0 0706 , 0 * 389 , 3 ) 0 ( ) 2 (
) 3 (
) 2 (


p a p
p a p
0754 , 0 0706 , 0 * 0676 , 1 ) 0 ( ) 5 (
1247 , 0 0706 , 0 * 765 , 1 ) 0 ( ) 4 (
) 5 (
) 4 (


p a p
p a p
0258 , 0 0706 , 0 * 366 , 0 ) 0 ( ) 7 (
0446 , 0 0706 , 0 * 632 , 0 ) 0 ( ) 6 (
) 7 (
) 6 (


p a p
p a p
3
) 9 (
) 8 (
10 * 05 , 8 0706 , 0 * 114 , 0 ) 0 ( ) 9 (
01462 , 0 0706 , 0 * 207 , 0 ) 0 ( ) 8 (

p a p
p a p
3
) 10 (
10 * 309 , 4 0706 , 0 * 061 , 0 ) 0 ( ) 10 (

p a p
Y as se obtienen:
171462174.doc
89
5 5 5 4
4 4 3 3
10 * 19 , 1 ) 18 ( ; 10 * 75 , 2 ) 17 ( ; 10 * 18 , 6 ) 16 ( ; 10 * 342 , 1 ) 15 (
10 * 826 , 2 ) 14 ( ; 10 * 6 , 5 ) 13 ( ; 10 * 3 , 1 ) 12 ( ; 10 * 261 , 2 ) 11 (




p p p p
p p p p
7 7 6 6
10 * 3 ) 22 ( ; 10 * 8 ) 21 ( ; 10 * 2 ) 20 ( ; 10 * 5 ) 19 (

p p p p
Y consideramos y subsiguientes como despreciables. p( ) 23
p x
x
( ) ,

0
50
0 9907615 1
Por lo que el nmero medio de unidades en el sistema es:
+ + + + + + + +
+ + + + + +

00113 , 0 * 12 002261 , 0 * 11 004309 , 0 * 10 00805 , 0 * 9 01462 , 0 * 8 0258 , 0 * 7 0446 , 0 * 6

0754 , 0 * 5 1247 , 0 * 4 2017 , 0 * 3 2396 , 0 * 2 1852 , 0 * 1 0706 , 0 * 0 ) (
0
N
x
x p x L
+ + + + +
+ + + + + +
0 * 23 0000003 , 0 * 22 0000008 , 0 * 21 000002 , 0 * 20 000005 , 0 * 19 0000119 , 0 * 18
0000275 , 0 * 17 0000618 , 0 * 16 0001342 , 0 * 15 0002826 , 0 * 14 005652 , 0 * 13
L 2 432 ,
El nmero esperado de mquinas funcionando es:
50 2 432 47 568 , ,
16.2 El nmero medio de mquinas en espera de atencin.
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
L x M p x p p p p p
p p p p p p
C
x M
N
+ + + + +
+ + + + + + +
+

( ) ( ) 5 4 5 6 4 6 7 4 7 8 4 8 9 4 9
10 4 10 11 4 11 12 4 12 13 4 13 14 4 14 15 4 15
1
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) + + + + + + +
+ + + + + + +
004309 , 0 * 6 00805 , 0 * 5 01462 , 0 * 4 0258 , 0 * 3 0446 , 0 * 2 0754 , 0 * 1 22 4 22
21 4 21 20 4 20 19 4 19 18 4 18 17 4 17 16 4 16
p
p p p p p p
+ + + + + +
+ + + + + + +
0000008 , 0 * 17 000002 , 0 * 16 00005 , 0 * 15 0000119 , 0 * 14 0000275 , 0 * 13
0000618 , 0 * 12 000134 , 0 * 11 0002826 , 0 * 10 0005652 , 0 * 9 00113 , 0 * 8 002261 , 0 * 7
4089 , 0 0000003 , 0 * 18 +
L
C
0 4089 ,
16.3 El nmero medio de mquinas que estn siendo atendidas. Si

es el nmero medio de operarios

desocupados:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) + + + + +
+ + + +

2017 , 0 * 1 2396 , 0 * 2 1859 , 0 * 3 0706 , 0 * 4 4 4 4

3 3 4 2 2 4 1 1 4 0 0 4
0
p
p p p p x p x M
M
x

52 , 1 1247 , 0 * 0 +
171462174.doc
90
1 52 ,
Entonces el nmero medio de mquinas atendidas es:
M 4 1 52 2 48 , ,
16.4 La probabilidad de que una mquina que se descomponga pueda ser atendida de inmediato.
( ) ( ) ( ) ( ) 6978 , 0 2017 , 0 2396 , 0 1859 , 0 0706 , 0 3 2 1 0 + + + + + + p p p p
Ejemplo N 17
M N 3 20 0 1 ; ; ,
n Mq. en reparac. Mq. en espera Mecnicos desocupados p(n)
0 0 0 3 0,13625
1 1 0 2 0,2725
2 2 0 1 0,25888
3 3 0 0 0,15533
4 3 1 0 0,08802
5 3 2 0 0,04694
6 3 3 0 0,02347
7 3 4 0 0,01095
8 3 5 0 0,00475
9 3 6 0 0,00190
10 3 7 0 0,0007
11 3 8 0 0,00023
12 3 9 0 0,00007
13 3 10 0 0,00002
Coeficiente de indisponibilidad de mquinas:
k
1

nmero medio de mquinas que esperan en cola
nmero total de mquinas
Coeficiente de inactividad por mecnico:
k
2

nmero medio de mecnicos inactivos
nmero de mecnicos
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) + + + + + + + +
+ + + + +

+
02347 , 0 * 3 04694 , 0 * 2 08802 , 0 * 1 13 10 12 9 11 8 10 7 9 6
8 5 7 4 6 3 5 2 4 1 3
20
4 1
p p p p p
p p p p p x p x x p M x L
x
N
M x
C
3382 , 0 00002 , 0 * 10
00007 , 0 * 9 00023 , 0 * 8 0007 , 0 * 7 0019 , 0 * 6 00475 , 0 * 5 01095 , 0 * 4

+ + + + + + +
( ) ( ) ( ) ( ) ( ) 21263 , 1 25888 , 0 2725 , 0 * 2 13625 , 0 * 3 3 1 2 0 3
0
+ + + +

p p p x p x M
M
x

De donde
171462174.doc
91
k
k
M
1
2
0 3382
20
0 01691
1 21263
3
0 40421


,
,
,
,

( )
( )
W
L
N L h h h
W
C
C
C

; , ,
,
, ,
,
Si 5
1
0 1 5
1
0 5
1
0 3382
0 5 20 2 12557
0 03785
171462174.doc
92
< D:\INVESTIGACIN OPERATIVA\OH COLAS Impreso el 11/09/2013.
171462174.doc
93