TEORA DE COLAS

CONGESTION EN LOS SISTEMAS DE PROCESAMIENTO

INTRODUCCIN
Las colas o las lneas de espera son parte de
nuestra vida diaria. Muchos de nosotros hemos
tenido que esperar en fila, por ejemplo, para
realizar el pago correspondiente a la matrcula
de un semestre acadmico o para ser atendidos
en el saln de belleza. El sistema se
congestiona y hay que esperar. Algunas
personas toman esta espera con buen humor,
pero otras se ven desalentadas por el tamao
de la fila y se marchan. El sistema descrito se
denomina sistema de colas; sin embargo, un
trmino ms preciso es el de sistemas de
procesamiento pues es ms amplio e incluye
fbricas donde la elaboracin de los trabajos se
mueve en varias etapas durante el proceso de
fabricacin, o dependencias en donde el
manejo de documentacin lo realizan varios
individuos
Cola (queue) es un trmino britnico que se
utiliza para designar cualquier tipo de fila de
espera y es equivalente a la lnea de espera
(waiting line) norteamericana. Es al ingeniero
de telfonos dans, A. K. Erlang, a quien se le
atribuye haber sido el creador de la teora de
colas, (teora de lneas de espera o modelos de
lneas de espera). Los estudios realizados por
este ingeniero, a principios del siglo XX, se
relacionaron con el congestionamiento y
tiempos de espera que ocurran al efectuar las
llamadas telefnicas, llegando a muchos de los
resultados que actualmente utilizamos. Esta
teora es ahora una herramienta de valor en
negocios debido a que muchos de sus
problemas
pueden
caracterizarse
como
problemas de congestin llegada-partida.
Es, precisamente, la interaccin de estos dos
procesos -llegada y servicio- lo que hace a las
colas un rea interesante y desafiante. Los
clientes llegan a una o ms instalaciones de
servicio. Si otras personas ya estn esperando,
segn el tipo de servicio, los clientes que
acaban de llegar esperaran su turno para ser
atendidos por el siguiente servidor disponible y
saldran del sistema cuando terminen sus
operaciones.

Los problemas de colas son comunes en la

administracin de las operaciones. En el
contexto de las manufacturas, el ambiente de
taller puede considerarse una compleja red
interrelacionada de colas. A medida que los
trabajos terminan de realizarse en un centro,
stos hacen cola para ser procesados en el
centro siguiente.
Los problemas de colas se presentan con
mucha frecuencia en los sistemas de servicios.
El tiempo que la poblacin de un pas pierde al
esperar en las colas influye tanto en la calidad
de vida como en la eficiencia de su economa.
Por ejemplo, en Estados Unidos, hoy, se estima
que las personas pasan 37,000000,000 de
horas al ao en las lneas de espera. Si este
tiempo se usara de manera productiva,
significara cerca de 20 millones de personasao de trabajo til cada ao.
Incluso estas asombrosas cifras no cuentan
toda la historia del impacto que causa la espera
excesiva.
Tambin
ocurren
grandes
ineficiencias debido a otros tipos de espera que
no son personas en una cola. Por ejemplo,
hacer que las mquinas esperen una
reparacin puede dar como resultado prdida
de produccin. Los vehculos (incluso barcos y
camiones) que deben esperar la descarga
pueden retrasar envos subsecuentes. Los
aviones que esperan despegar o aterrizar
pueden desorganizar la programacin posterior
de vuelos. Los retrasos en las transmisiones de
telecomunicaciones por saturacin de lneas
pueden causar fallas inesperadas en los datos.
Cuando los trabajos de manufactura esperan
su proceso se puede perturbar la produccin
subsecuente. El retraso en los trabajos de
servicio respecto a su fecha de entrega es una
causa de prdida de negocios futuros

C L IE N T E S

IN S TA L A C IO N E S D E S E R V IC IO

A u t o m v ile s q u e e s p e ra n
s e r la v a d o s
A v io n e s q u e e s p e ra n a te rriz a r
A lu m n o s q u e e s p e ra n p a g a r
s u m a t r c u la

E J E M P L O S D E L IN E A D E E S P E R A
* C lie n te s q u e lle g a n a u n b a n c o , e s p e r a n
s e r a te n d id o s y lu e g o s e m a r c h a n .
* A u t o m v ile s q u e e s p e r a n a v a n z a r e n u n a l u z r o ja
* P a c ie n t e s q u e e s p e r a n s e r a t e n d id o s e n la s a l a
d e e m e r g e n c ia d e u n h o s p ita l
* C li e n t e s q u e e s p e r a n s e r a t e n d i d o s p o r la c a je r a
d e u n s u p e rm e rc a d o
* L a s p a r te s d e u n p r o c e s o d e p r o d u c c i n q u e lle g a n
a u n a e s ta c i n d e t r a b a j o p a r t ic u la r d e s d e d i f e r e n te s
e s t a c io n e s , e s p e r a n e n u n c o m p a r t im e n t o p a r a s e r
p r o c e s a d o s p o r u n a m q u in a y lu e g o s e r e n v ia d a s a
o t r a s e s t a c io n e s d e t r a b a j o .

Hacemos cola para esperar nuestro turno en

bancos, supermercados, estticas, casetas de
pago en autopistas, y restaurantes. La
programacin de los aterrizajes de los
aeroplanos en una pista especfica es un
problema de colas: piense que los aeroplanos
en el aire son clientes que esperan ser
atendidos, y la pista es el servidor. Los
sistemas de trfico telefnico son ejemplos de
redes complejas de colas. Las llamadas
telefnicas se enrutan a travs de los sistemas
de distribucin, donde hacen cola hasta que
son desviados ya sea a la siguiente estacin de
distribucin o bien a su destino final.
DEFINICIN
La teora de colas es el estudio de los procesos
en una lnea de espera (NAHMIAS, 1999) e
incluye el estudio matemtico de estas colas o
lneas de espera (HILLIER-LIEBERMAN, 1997).
La teora de colas est relacionada con
procesos que tienen variabilidad en la llegada
de los trabajos al sistema y en que, por lo
general, el tiempo requerido para la atencin
tambin es variable.
La formacin de las lneas de espera ocurre
siempre que la demanda actual de un servicio
exceda la capacidad actual de proporcionarlo y
es el resultado directo de la aleatoriedad en la
operacin de instalaciones de servicio. Sin
embargo, a pesar de que la llegada del cliente y
su tiempo de servicio no se conocen con
anticipacin, la operacin de la instalacin se
podra programar en forma tal que se
eliminara la espera por completo. Obviamente,
existen costos asociados con tener trabajos en
espera as como a la ampliacin de la
capacidad de servicio. El reto es equilibrar
estos costos.
El objetivo ltimo de la teora de colas consiste
en
responder
cuestiones
administrativas

In s ta la c io n e s d e la v a d o
d e a u to s
P is ta s d e e te rriz a je
C a ja s d e p a g o

pertenecientes al diseo y a la operacin de un

sistema de colas; es decir, consiste en
determinar las caractersticas que miden el
desempeo del sistema; tal como, el tiempo que
esperar un cliente antes de ser atendido o el
tiempo que no se utiliza el servicio. Esto puede
medirse por el nmero promedio de trabajos en
la fila y por el tiempo de espera promedio de las
llegadas.
MODELOS DE LNEAS DE ESPERA
Los modelos de lneas de espera consisten en
frmulas matemticas y relaciones que
pueden usarse para determinar las
caractersticas de operacin (medidas de
desempeo) de una lnea de espera.
Desde el punto de vista de los modelos de
espera, una cola se genera de la siguiente
manera: un cliente llega a una estacin y se
forma en una fila. El servidor elige a un cliente
de la fila para comenzar a prestar el servicio. Al
terminarse un servicio, se repite el proceso de
elegir a un nuevo cliente (en espera). Se supone
que no se pierde tiempo entre el momento que
un cliente atendido sale de la estacin y la
admisin de un nuevo cliente de la fila. Como
puede apreciarse, los protagonistas en una
situacin de espera son el cliente y el servidor.
En el diseo de modelos de espera en que los
seres humanos son clientes/servidores, debe
tenerse en cuenta la conducta del ser humano.
Este cliente puede cambiarse de una fila a otra
con la esperanza de reducir su tiempo de
espera, o puede eludir formarse en una cola, o
bien, pueden renunciar despus de estar un
momento en la fila debido a que su espera es
demasiado larga. Sin embargo, el modelo
tomar en cuenta estas caractersticas slo si
pueden cuantificarse de manera que haga
posible su inclusin en el modelo. Asimismo,
los modelos no toman en cuenta el
comportamiento individual de los clientes,
debido a que no se espera que todos los

F ig . N 1
C O M P O N E N T E S D E U N S IS T E M A D E C O L A S
S e r v id o r e s
P o b la c i n d e c lie n te s
C lie n t e s q u e e s p e r a n
P ro c e s o d e
lle g a d a s

P r o c e s o d e c o la s
P ro ce s o d e
s e r v ic i o
S is te m a

clientes formados en una fila se comporten de

la misma manera.
Caractersticas
Como hemos podido observar, un sistema de
colas se compone de un conjunto de unidades
fsicas que operan simultneamente. Las
caractersticas ms importantes de stas, son
las siguientes:
1. La poblacin de clientes (poblacin de
entrada o poblacin potencial). Nmero total de
clientes que pueden requerir servicio en
determinado momento; nmero total de clientes
potenciales distintos. Esta poblacin a partir del
cual surgen las unidades que llegan -pues
requieren un servicio- se conoce como
poblacin de entrada o fuente de entrada.
El tamao de la poblacin de clientes puede ser
infinito o finito (ilimitada o limitada) Para
problemas como los de un banco o de un
supermercado, en donde el nmero potencial
de clientes es bastante grande, el tamao de la
poblacin de clientes se considera infinito.
Existe una fuente finita cuando una llegada
afecta la tasa de llegadas de nuevos clientes.
Como los clculos son mucho ms sencillos
para el caso infinito, esta suposicin se hace a
menudo aun cuando el nmero real sea un
nmero fijo relativamente grande y deber
tomarse como una suposicin implcita en
cualquier modelo que no establezca otra cosa.
El caso finito es ms difcil analticamente,
pues el nmero de clientes en la cola afecta el
nmero potencial de clientes fuera del sistema
en cualquier tiempo; pero debe hacerse esta
suposicin finita si la tasa a la que la fuente de
entrada genera clientes nuevos queda afectada
en forma significativa por el nmero de clientes
en el sistema de lneas de espera.
2. El proceso de llegadas (proceso de
entrada). Forma en que los clientes llegan a
solicitar un servicio; es decir,
describe las
llegadas de los clientes al sistema. A cada
llegada se le denomina trabajo.

Su caracterstica ms importante es el tiempo

que transcurre entre dos llegadas consecutivas o
tiempo entre llegadas. Este lapso es importante
porque mientras menor sea el intervalo del
tiempo, con ms frecuencia llegan los clientes,
lo cual aumenta la demanda de servidores
disponibles.
Existen dos tipos bsicos de tiempos entre
llegadas:
a. Determinstico: Los clientes sucesivos
llegan en un mismo intervalo de tiempo, fijo y
conocido.
b. Probabilstico: El tiempo entre llegadas
sucesivas es incierto y variable. Los tiempos
entre llegadas probabilsticas se describen
mediante una distribucin de probabilidad1.
Hay dos distribuciones de probabilidad
importantes que suelen aparecer en los
modelos de colas. La distribucin de Poisson y
la distribucin exponencial. Ambas se conocen
como distribuciones de Markov.
3. El proceso de colas. La cola es el lugar
donde los clientes esperan antes de ser
servidos. Tambin puede definirse como la
forma en que los clientes esperan a que se les d un
servicio.
La cola se caracteriza por el por el nmero
mximo permisible de clientes que puede
admitir. Las colas pueden ser finitas o infinitas,
segn si este nmero es finito o infinito. La
suposicin de una cola infinita es la estndar
para la mayora de los modelos, incluso en
situaciones en las que de hecho existe una cota
superior (relativamente grande) sobre el
nmero permitido de clientes, ya que manejar
una cota as puede ser un factor complicado
para el anlisis. Los sistemas de colas en los
que la cota superior es tan pequea que se
llega a ella con cierta frecuencia, necesitan
suponer una cola finita.
Est conformado por:
a. La manera en que los clientes esperan para
ser atendidos. Por ejemplo, en una sola fila
(sistema de colas en una sola lnea) en la que
los clientes esperan en una sola fila para tener
acceso al siguiente prestador de servicio

Lista que contiene el valor de la variable aleatoria y sus probabilidades

correspondientes.

disponible; o en varias filas (sistema de colas

de lneas mltiples); y,
b. La disciplina de colas, que es la forma en ser
elegidos para proporcionarles el servicio; es
decir, el mtodo que se usa para determinar el
orden en el que se sirve a los clientes. Algunas
de las formas ms comunes de esta disciplina
de colas son:
Primero en entrar, primero en salir (PEPS) o
primero en llegar, primero en ser servido
(PLPS); los clientes son atendidos en el orden
en que van llegando. Por ejemplo, los clientes
de un banco.

Ultimo en entrar, primero en salir (UEPS) o

ltimo en llegar, primero en ser servido (ULPS);
el cliente que ha llegado ltimo es el primero en
ser atendido. Por ejemplo, en los procesos de
produccin en donde los productos llegan a
una estacin de trabajo y son apilados uno
encima de otro. El trabajador elige el producto
que est encima de la pila, que fue el ltimo
que lleg, para procesarlo o para brindarle un
servicio.

Seleccin de prioridad (disciplinas de

prioridad en espera). Proceso de llegadas en
que a cada cliente se le da una prioridad y de
acuerdo a sta es seleccionado para el servicio.
Por ejemplo, los pacientes que llegan a
emergencia de un hospital.

Servicio en orden aleatorio (SEOA) Cuando el

orden en que llegan los clientes no tiene efecto
sobre el orden en que se les sirve. Por ejemplo,
al abordar un mnibus, la suerte de la
seleccin determina con frecuencia al siguiente
cliente que es atendido.

4. El proceso de servicio. Forma y rapidez

con que son atendidos los clientes. En algunos
casos puede existir ms de una estacin en el

sistema en el cual se proporcione el servicio

requerido. Por ejemplo, cada ventanilla de los
bancos son estaciones que brindan el mismo
servicio (sistemas de colas de canal mltiple).
En estos sistemas, los servidores pueden ser
idnticos, en el sentido que brinden el mismo
servicio con igual rapidez; o no idnticos.
Otros casos consideran procesos de produccin
con una sola estacin de trabajo que
proporciona el servicio requerido; es decir,
todos los productos deben pasar por esta
estacin de trabajo (sistemas de colas de canal
sencillo). Por ejemplo, una estacin de lavado
de automviles. Sin embargo, en este sistema
pueden existir muchos servidores que juntos
realicen la tarea necesaria; es decir, la estacin
puede
tener
dos
trabajadores
que,
simultneamente, realicen la misma labor en
un mismo automvil.
Otra caracterstica del proceso de servicio es el
nmero de clientes que son atendidos al mismo
tiempo en una estacin. Por ejemplo, los
pasajeros que esperan un autobs son
atendidos en grupo.
Cualquiera sea el proceso de servicio, es
importante tener idea del tiempo que se
requiere para realizar el servicio: mientras ms
tiempo dure ste, ms tendrn que esperar los
clientes que lleguen. Este tiempo puede ser
determinstico o probabilstico. En el primer
caso, un cliente requiere la misma cantidad
conocida de tiempo para ser atendido; en el
segundo, requiere una cantidad distinta e
incierta de tiempo de servicio.
La distribucin de probabilidad del tiempo de
servicio estocstico, que ms se ajusta a la
prctica,
se
describe
matemticamente
mediante la distribucin exponencial.

S is t e m a
C lie n t e s q u e lle g a n
S e r v id o r

S e r v id o r

L n e a d e e s p e ra 1

S a lid a

L n e a d e e s p e ra 2

S is t e m a d e c o la m u lt is e r v id o r m u lt ic o la d e u n s o lo c a n a l
S is t e m a

P o b la c i n d e c lie n t e s

S a l id a

S e r v id o r
C lie n t e s
que
e s p e ra n

1
C lie n t e s
q u e lle g a n

2
L n e a d e e s p e r a s im p le

M O D E L O D E C O L A S IM P L E C O N S E R V IC IO M U L T IP L E
S is t e m a

M o d e lo c o n u n
s o lo s e r v id o r

CLASIFICACION DE LOS MODELOS DE COLAS

Para aplicar las tcnicas matemticas, se debe
identificar las caractersticas del modelo de
colas basado en la poblacin de clientes y en
los procesos de llegadas, de colas y de
servicios.
A continuacin desarrollaremos un conjunto de
smbolos generales que sern utilizados en los
diferentes modelos a estudiar.
El Proceso de llegada. Este smbolo describe
la distribucin de tiempo entre llegadas, que es
uno de los siguientes:
a. D para denotar que el tiempo de llegada es
determinstico.
b. M para denotar que el tiempo de llegada es
probabilstico y siguen una distribucin
exponencial.
c. G para denotar que los tiempos entre
llegadas son probabilsticos y siguen una
distribucin diferente a la exponencial.
El Proceso de servicio. Este smbolo describe
la distribucin de tiempos de servicio, que es
uno de los siguientes:
a. D para describir un tiempo de servicio
determinstico.
b. M para denotar que los tiempos de servicio
son
probabilsticos
y
siguen
una
distribucin exponencial.

c. G para denotar que los tiempos de servicio

son
probabilsticos
y
siguen
una
distribucin diferente a la exponencial.
El Proceso de colas (c). Representa cuntas
estaciones o canales paralelos existen en el
sistema.
Por ejemplo, en el sistema M/M/3, la primera M
indica que el tiempo de llegada es probabilstico
y sigue una distribucin exponencial; la
segunda M indica que el tiempo de servicio es
probabilstico y sigue una distribucin
exponencial; El nmero 3 significa que el
sistema tiene tres estaciones paralelas, cada
una dando un servicio con la misma rapidez.
Cuando el espacio de espera y/o el tamao de
la poblacin son finitos, se incluyen los
siguientes smbolos:
K que representa el nmero mximo de clientes
que pueden estar en el sistema (en servicio o en
espera en la fila) en cualquier momento. Este
nmero es igual al nmero de estaciones
paralelas ms el nmero total de clientes que
pueden esperar para ser atendidos.
L que representa el nmero total de clientes de
la poblacin.
Cuando se omite cualquiera de estos smbolos
se supone que el valor correspondiente es
infinito.

T ie m p o
d e e s p e ra

FA S E S D E E S TA D O E S TA B L E
Y T R A N S IT O R I O

Por ejemplo, M/M/3/10, indica que el sistema

tiene espacio para un nmero infinito de
clientes (el nmero K no se ha puesto) y
solamente existen 10 posibles clientes.
MEDIDAS DE RENDIMIENTO DE UN
SISTEMA DE COLAS
La medida de rendimiento es el valor numrico
que se utiliza para evaluar los mritos de un
sistema de colas en estado estable.
El estado estable de un sistema de colas, es la
condicin del sistema despus que se han
eliminado las condiciones iniciales. Un banco,
por ejemplo, al abrir sus puertas en las
primeras horas de la maana, no tiene a nadie
en el sistema, de manera que el primer cliente
en llegar es atendido de inmediato. A medida
que transcurre el tiempo, al llegar ms clientes,
lentamente se va formando la cola y el tiempo
que tienen que esperar empieza a aumentar. Es
decir, a medida que pasan las horas, el sistema
llega a la condicin en que el efecto de la falta
inicial de clientes ha sido eliminado y el tiempo
de espera de cada cliente ha alcanzado un nivel
bastante estable.
La fase inicial que conserva los efectos de las
condiciones iniciales, se conoce como fase
transitoria. Despus que las condiciones
iniciales son eliminadas, el sistema entra a un
estado estable.
1. Algunas
comunes

medidas

de

rendimiento

Para disear y poner en operacin un sistema

de colas, la primera preocupacin a tener en
cuenta es el nivel de servicio que recibe un
cliente, as como el uso apropiado de las
instalaciones de servicio de la empresa.
Las medidas de rendimiento para evaluar un
sistema de colas, en estado estable, son varias
y diferentes. Algunas de ellas surgen de las
siguientes preguntas:
A. Preguntas relacionadas
centradas en el cliente:

con

el

tiempo,

a. Cul es el tiempo promedio que un cliente

recin llegado tiene que esperar en la fila antes
de ser atendido? La medida de rendimiento
asociada es el tiempo promedio de espera (Wq).
b. Cul es el tiempo promedio que un cliente
invierte en el sistema entero, incluyendo el
tiempo de espera y de servicio? La medida de

N m e r o d e c l ie n t e s
( e n o r d e n d e lle g a d a )

F a s e d e e s t a d o e s t a b le

rendimiento asociada es el tiempo promedio en

el sistema (W).
B. Preguntas cuantitativas
nmero de clientes:

relacionadas

al

a. En promedio, cuntos clientes estn

esperando en la cola para ser atendidos? La
medida de rendimiento asociada es la longitud
media del sistema (Lq).
b. Cul es el nmero de clientes en el sistema?
La medida de rendimiento asociada es el
nmero medio en el sistema (L).
C. Preguntas probabilsticas que involucran
tanto a los clientes como a los servidores:
a. Cul es la probabilidad de que un cliente
que llegue tenga que esperar a ser atendido? La
medida de rendimiento asociada es la
probabilidad de bloqueo (Pw).
b. En cualquier tiempo particular, cul es la
probabilidad de que un servidor est ocupado?
La medida de rendimiento asociada es la
utilizacin (U). Esta medida tambin indica la
fraccin de tiempo que un servidor est
ocupado.
c. Cul es la probabilidad de que existan n
clientes en el sistema? La medida de
rendimiento asociada se obtiene calculando la
probabilidad P0 (que no haya clientes en el
sistema), la probabilidad P1 (que haya un
cliente en el sistema) y as sucesivamente. Esto
tiene como resultado la distribucin de
probabilidad de estado, representado por Pn; n
= 0, 1,
d. Si el espacio de espera es finito, cul es la
probabilidad de que la cola est llena y que un
cliente que llegue no sea atendido? La medida
de rendimiento asociada es la probabilidad de
negacin del servicio (Pd).
D. Preguntas relacionadas con los costos:
a. Cul es el costo promedio por unidad de
tiempo para operar el sistema?

b. Cuntas estaciones de trabajo se necesitan

para lograr la mayor efectividad de costos?
2. Relaciones
rendimiento

entre

medidas

de

El clculo de las medidas de rendimiento

depende de los procesos de llegada y de servicio
del sistema de colas especfico. Para el caso
probabilstico, estos procesos son descritos
mediante distribuciones de llegada y servicio.
Sin
embargo,
an
sin
conocer
estas
distribuciones, las relaciones entre algunas
medidas de rendimiento, para ciertos sistemas
de colas, pueden obtenerse mediante el uso de
los siguientes parmetros de los procesos de
llegada y servicio:

= nmero promedio de llegadas por unidad

de tiempo
= nmero promedio de clientes atendidos por
unidad de tiempo en una estacin.
Suponga una poblacin de clientes infinita y
una cantidad ilimitada de espacio de espera en
la fila. El tiempo total que un cliente invierte en
el sistema es la cantidad de tiempo invertido en
esperar en la fila ms el tiempo durante el cual
es atendido:

Tiempoestimado Tiempoestimado Tiempo

d e spraen de spra estimado
elsitema enlafi desrvico

El tiempo estimado de servicio puede

expresarse en trminos del parmetro . Dado
que es la tasa de servicio por servidor activo,
el tiempo estimado de servicio es 1/ , lo que
nos conduce a:

W Wq 1

(Si la tasa media de servicio es , se concluye

que el tiempo medio de servicio es 1/). Esta
frmula se conoce como la frmula de Little en
honor de John D. C. Little del MIT, quien prob
que es vlida bajo circunstancias muy
generales. Es una relacin simple pero muy til
entre los valores de L y los de W.
Imagine ahora que un cliente acaba de llegar y
se espera que permanezca en el sistema un
promedio de 1/2 hora. Durante esta media
hora otros clientes siguen llegando a una tasa
, digamos 12 por hora. Cuando el cliente en
cuestin abandona el sistema, deja tras de s
un promedio de (1/2) * (12) = 6 clientes nuevos.
Es decir, en promedio existen 6 clientes en el
sistema a cualquier tiempo dado. En general, la
relacin entre el nmero promedio de clientes
en el sistema y el tiempo promedio que cada
cliente pasa en el sistema, en trminos de y
de las medidas de rendimiento, es:

Nmero
Tas promedio Tiempoestimado
e sprado
del gad spor * de spera
declintes n unida detimpo en lsitema
elsitema

 L * W
La relacin entre el nmero promedio de
clientes que esperan en la cola para ser
atendidos y el tiempo promedio que un cliente
recin llegado tiene que esperar en la fila antes
de ser atendido, se puede calcular con la
siguiente frmula:

Nmero
Tas promedio Tiempoestimado
e sprado
del gad spor de spera
declintes n unida detimpo enlafila
lafila

Lq * Wq
En general, suponiendo que se conocen los
valores de y , las medidas W, Wq, L y Lq
pueden encontrarse a partir de las ecuaciones
antes descritas, conociendo el valor de
cualquiera de ellas. Por ejemplo, suponga que
=12 y =4 y que se ha determinado que Lq=3,
entonces:

Lq 3 1

12 4
1 1 1 1
W Wq
4 4 2
1
L * W 12 * 6
2
Wq

En resumen, conociendo y , se cumple la

siguiente relacin:

W Wq

L * W
Lq * Wq

LA DISTRIBUCIN EXPONENCIAL Y DE POISSON EN LA TEORA DE COLAS

Las caractersticas operativas de los sistemas
de colas estn determinadas en gran parte por
dos propiedades estadsticas, a saber, la
distribucin de probabilidad de los tiempos
entre llegadas y la distribucin de probabilidad
de los tiempos de servicio. Para los sistemas de
colas reales, estas distribuciones pueden tomar
casi cualquier forma, la nica restriccin es
que no pueden ocurrir valores negativos. Sin
embargo, para formular un modelo de teora de
colas como una representacin del sistema
real, es necesario especificar la forma supuesta
de cada una de estas distribuciones. Para que
sea til, la forma supuesta debe ser lo
suficientemente realista como para que el
modelo proporcione predicciones razonables y
al mismo tiempo debe ser lo suficientemente
sencilla para que sea matemticamente
manejable.
Tanto la distribucin exponencial como la de
Poisson juegan un papel importante en la
teora de colas. Cuando nos referimos a
llegadas puramente aleatorias en las colas,
inferimos que el proceso de llegada es un
proceso de Poisson. Un proceso de servicio
puramente aleatorio implica que los tiempos de
servicio tienen la distribucin exponencial.
1. Distribucin de probabilidad2 de Poisson
Supongamos que una variable aleatoria3
discreta de inters sea la cantidad de llegadas a
una estacin de lavado de automviles en una
hora; el nmero de reparaciones necesarias en
10 Km. de autopista; o, la cantidad de fugas en
100 Km. de oleoducto. La distribucin de
probabilidad de Poisson es aplicable si se
satisface las siguientes dos condiciones:
a. La probabilidad de una ocurrencia del
evento es la misma para cualesquier dos
intervalos de igual longitud.
b. La ocurrencia o no ocurrencia del evento en
cualquier intervalo es independiente de la
2

Dada una variable aleatoria de tipo discreto, su distribucin de

probabilidad es el conjunto formado por sus valores posibles y las
probabilidades asociadas a cada uno de ellos.
3
Para cualquier experimento particular, una variable aleatoria puede
definirse de modo que cada resultado experimental posible genere
exactamente un valor numrico para la variable aleatoria. Es decir, una
variable aleatoria es la descripcin numrica del resultado de un
experimento. La variable aleatoria en la distribucin de Poisson es la
cantidad de llegadas o servicios por unidad de tiempo ().

ocurrencia o no ocurrencia en cualquier otro

intervalo.
La funcin de probabilidad de la variable
aleatoria de Poisson est dada por la ecuacin:
f (x)

x e T
para x=0, 1, 2,
x!

donde:

: Media o cantidad promedio de ocurrencias

en un intervalo
e: 2.718284
x: Cantidad de ocurrencias en el intervalo
f(x): Probabilidad
intervalo.

de

ocurrencias

en

el

T: Cantidad de tiempo
Observe que funcin de probabilidad de
Poisson no muestra un lmite superior al
nmero de valores posibles que pueda tomar
una variable aleatoria; es decir, x es una
variable aleatoria discreta con una secuencia
de valores infinita (x=0, 1, 2,); no tiene un
lmite superior especfico. Esto significa que la
distribucin de Poisson supone un nmero
muy grande (infinito) de posibles llegadas, cada
una con una pequea probabilidad de que
ocurra. Las llegadas son independientes y la
cantidad de una de ellas no afecta la cantidad
de la siguiente. Este proceso es completamente
aleatorio porque tiene la propiedad de que el
intervalo de tiempo que permanece hasta la
ocurrencia del prximo evento, es totalmente
independiente del intervalo de tiempo que ha
transcurrido desde la ocurrencia del ltimo
evento. Otra caracterstica que distingue este
proceso es que es la nica distribucin cuya
media y varianza son iguales. En ocasiones se
utiliza esta propiedad como un indicador inicial
para conocer si los datos de muestra se
tomaron o no de una distribucin de Poisson.
Ejemplo:
Suponga que Samuels Burguer analiz los
datos sobre las llegadas de los clientes y
concluy que tasa media de llegadas es de 45
clientes por hora. Para un periodo de un
minuto, la tasa media de llegada sera:
4

El nmero e es la base de los logaritmos naturales y su valor tiene un

nmero infinito de decimales. El valor que aqu se proporciona es
aproximado.

45 clientes
0.75 clientes por minuto
60 minutos

Por lo que, al usar la funcin de probabilidad

de Poisson, para calcular la probabilidad de x
llegadas de clientes durante un periodo de un
minuto, tendramos:
f (x)

x e
0.75 x e 0.75

x!
x!

Por tanto, las probabilidades de 0, 1 y 2

llegadas de clientes durante un periodo de un
minuto son:

x e
0.75 0 e 0.75
P (0)

e 0.75 0.4724
x!
0!

(un promedio de 1.6 productos por semana).

Desea estimarse la probabilidad de ventas
diferentes a las semanales en las siguientes 5
semanas.

La tasa o intensidad del suceso. Nmero

esperado de eventos por unidad de medida (1.6
productos vendidos por semana o 25 llamadas
telefnicas por hora o 3 defectos por cada 100
pies de tubera), es decir;
T: Unidad de tiempo o espacio durante la cual
se cuentan los eventos.
x: Nmero de eventos durante el tiempo T

Luego, la probabilidad de que se presenten

exactamente x eventos durante el tiempo T,
x e
0.751 e 0.75
0.75
P (1)

0.75e
0.3543 dado el nmero promedio de eventos por
x!
1!
unidad de tiempo, es:
2 0.75
x
2 0.75
T 5 semanas
(0.75) e
e
0.75 e
P (2)

0.1329
x!
2!
2
( * T ) x e T
P (nmero de ventas T x)
La probabilidad de que no halla clientes en un
x!
periodo de un minuto es 47.24%; la
( 1.6* 5 ) x e 1.6*5
probabilidad que llegue n cliente en un minuto
P (nmero de ventas en 5 semanas x)
x!
es 35.43%; y, la probabilidad que lleguen dos
Puede
combinarse

y
T
para
obtener
el
nmero
clientes en un minuto es 13.29%.
esperado de eventos en el periodo de tiempo
En la prctica, se debera registrar la cantidad
especificado. Por ejemplo, si =2 y T=5, el
real de llegadas por periodo durante varios das
nmero promedio de eventos por periodo de
o semanas, para comprobar la distribucin de
cinco semanas es T=10; adems, como la
frecuencia observada de las llegadas con la
media es igual a la varianza, la desviacin
distribucion de probabilidad de Poisson, con el
estndar es (T)1/2.
propsito de determinar si la distribucin de
Poisson
proporciona
una
aproximacin Alternativamente, otro planteamiento vlido
para describir el proceso de llegadas consiste
razonable de la distribucin de llegadas.
en utilizar la funcin de densidad para una
Ejemplo:
distribucin exponencial. Esa funcin de
Si los clientes de un banco llegan con una densidad depende de un parmetro y est
rapidez promedio de =20 por hora; la dada por:
probabilidad de que lleguen 2 clientes en los
e T
f (t )
siguientes 10 minutos es:

1 hora
1
T 10 min *
hora
donde:
60 minutos 6
: Promedio de llegadas por unidad de tiempo
( * T ) x e T
P (tiempo entre lleg adas T x)
x: Cantidad de ocurrencias en el intervalo
x!
T: Cantidad de tiempo
(20*1/6)2 e 20/6
P (tiempo de llegadas en 10 minutos 2)
f(t): Probabilidad de que el siguiente cliente
2!
llegue dentro de las sigientes T unidades a
11.111 * 0.036
partir de la llegada anterior.
P (tiempo de llegadas en 10 minutos 2)
2
Es decir, con una cantidadde tiempo se puede
P (tiempo de llegadas en 10 minutos 2) 0.20 utilizar la funcin de densidad para calcular la
probabilidad de que el siguiente cliente llegue
Ejemplo
Se han vendido por separado 80 unidades de dentro de las siguientes T unidades de tiempo a
un producto, durante las ltimas 50 semanas

partir de la llegada anterior, de la manera

siguiente:
P(tiempo entre llega das T) 1 e T

Ejemplo:
Suponga que una estacin de comida rpida
estudi el proceso de toma y surtido de pedidos

Ejemplo

fT(t)

Si los clientes de un banco llegan con una

rapidez promedio de 20 por hora y si un cliente
acaba de llegar, entonces, la probabilidad de
que el siguiente llegue dentro de los siguientes
diez minutos (T=1/6 horas), es:

P(tiempo entre llega das 1 / 6horas) 1 e 20*1 / 6

P(tiempo entre llega das 1 / 6horas) 1 0.036

P(tiempo entre llega das 1 / 6horas) 0.964

Por tanto, la probabilidad de que un cliente

llegue dentro de los siguientes 10 minutos, a
partir de la ltima llegada es 96.40%.
2. Distribucin de probabilidad exponencial
El tiempo de servicio es el tiempo que pasa un
cliente en la instalacin una vez que el servicio
ha iniciado. Por ejemplo, en un restaurante,
dicho tiempo se inicia cuando un cliente
empieza a colocar el pedido con el empleado de
comidas y contina hasta que el cliente recibe
el pedido. Los tiempos de servicio rara vez son
constantes. En el restaurante del ejemplo, la
cantidad de artculos ordenados y la mezcla de
stos varan de manera considerable de un
cliente al siguiente. Los pedidos pequeos
pueden manejarse en cuestin un minuto, pero
los pedidos grandes pueden requerir ms de
dos.
Los analistas cuantitativos han encontrado
que, puede suponerse que la distribucin de
probabilidad para el tiempo de servicio sigue
una distribucin de probabilidad exponencial.
Esta
distribucin
de
probabilidad
es
complementaria a la de Poisson y tiene como
variable aleatoria el tiempo entre llegadas o el
tiempo de servicio. Es decir, da la probabilidad
del nmero de veces que puede ocurrir un
evento, dada una intensidad y un cierto
periodo de tiempo T.
Por tanto, la probabilidad de que el tiempo de
servicio sea menor o igual que un tiempo de
duracin t es.
P(tiempo entre llega das T) 1 e T

donde:

: Cantidad media de unidades que pueden

servirse por periodo.

E (T ) = 1 /

Funcin de densidad de probabilidad para la

distribucin exponencial.

y encontr que el empleado slo puede

procesar un promedio de 60 pedidos por hora,
por lo que si se considera por minuto, la tasa
de servicio media ser:

60clientes
1cliente / min uto
60 min utos

As, con =1, podemos usar la ecuacin

P(tiempo entre llega das T) 1 e T
para
calcular, la probabilidad de que un pedido
pueda procesarse en medio minuto o menos,
un minuto a menos, dos minutos o menos.
Estos clculos son:
P(tiempo de servicio 0.5 min .) 1-e -1( 0.5 ) 0.3935
P(tiempo de servicio 1.0 min .) 1-e -1( 1.0 ) 0.6321
P(tiempo de servicio 2.0 min .) 1-e -1( 2.0 ) 0.8647

Por tanto, concluiramos que hay una

probabilidad de 0.3935 de que un pedido
pueda procesarse en medio minuto o menos;
una probabilidad de 0.6321 de que se
procesar en un minuto o menos y una
probabilidad de 0.8647 de que puede
procesarse en dos minutos o menos.
En varios modelos de lneas de espera
suponemos que la distribucin de probabilidad
para el tiempo de servicio sigue una
distribucin de probabilidad exponencial. En la
prctica se debera recopilar datos sobre los
tiempos de servicio reales para determinar si la
distribucin de probabilidad exponencial es
una aproximacin razonable de los tiempos de
servicio para su aplicacin.
Propiedades de la distribucin exponencial

Suponga que una variable aleatoria T

representa ya sea los tiempos entre llegadas o
los tiempos de servicio. Se dice que esta
variable aleatoria tiene una distribucin
exponencial con parmetro si su funcin de,
densidad de probabilidad es:
Para
t t>0
Para t<0

f T (t )

Como se deriva del grfico de la funcin de

densidad de probabilidad para la distribucin
exponencial, las probabilidades acumuladas
son:
P (T t ) 1 e t
P (T t ) e t

Para t>0

el valor esperado y la variancia de T son

1
E (T )

var(T )

Cules son las implicaciones para el modelo

de colas al suponer que T tiene una
distribucin exponencial? Para explorar esta
pregunta se examinarn seis propiedades de la
distribucin exponencial.
Propiedad
1:
fT(t)
es
una
funcin
estrictamente decreciente de t (t > 0).
Una consecuencia de esta propiedad es que:
P(0 T t) P(t T t t)
para cualquier valor estrictamente positivos de
t y t. Esta es una consecuencia del hecho de
que estas probabilidades son el rea bajo la
curva de fT (t) en el intervalo indicado de
longitud t, y la altura promedio de la curva es
menor para la segunda probabilidad que para
la primera. Por lo tanto, no slo es posible sino
tambin relativamente probable que T tome un
valor pequeo cercano a cero. De hecho,
1 1

P 0 T
0.393
2

3 1
1 1
T
0.383
2

de manera que es ms probable que el valor

que tome T sea "pequeo" [esto es, menor que
la mitad de E(T)] que "cercano" a su valor
esperado [es decir, no ms alejado que la mitad

de E(T)], aun cuando el segundo intervalo tiene

el doble de amplitud que el primero.
Debemos considerar que, si el servicio
requerido es en esencia idntico para cada
cliente y el servidor realiza siempre la misma
secuencia de operaciones, entonces los tiempos
de servicio reales tienden a ser cercanos al
tiempo esperado de servicio. Pueden ocurrir
pequeas desviaciones de la media, pero por lo
general se deben a variaciones menores en la
eficiencia del servidor. Un tiempo de servicio
tan pequeo que quede muy por debajo de la
media es en realidad imposible, ya que se
necesita cierta cantidad mnima de tiempo para
realizar las operaciones de servicio requeridas,
aunque el servidor trabaje a la mayor
velocidad. Es claro que la distribucin
exponencial no proporciona una aproximacin
cercana a la distribucin de tiempos de servicio
de este tipo.
Por otro lado, considere el tipo de situacin en
la que las tareas especficas que tiene que
realizar el servidor difieren de un cliente a otro.
La naturaleza general del servicio puede ser la
misma, pero la cantidad y tipo especfico de
servicio difieren. Por ejemplo, en la sala de
emergencia de un Hospital, el doctor se
enfrenta a una gran variedad de problemas
mdicos, en la mayor parte de los casos puede
proporcionar el tratamiento requerido con
bastante rapidez, pero en ocasiones, el paciente
requiere un cuidado ms extenso. De igual
manera, el servicio en bancos y supermercados
son de este tipo general. Parece plausible una
distribucin exponencial para los tiempos de
servicio en este tipo de situacin.
Si T representa los tiempos entre llegadas, la
propiedad 1 descarta las situaciones en las que
los clientes que llegan al sistema tienden a
posponer su entrada si ven que otro cliente
entra antes que ellos. Por otro lado, es
totalmente consistente con el fenmeno comn
de las llegadas "aleatorias" que se describe con
las propiedades subsecuentes. As, cuando se
grafican los tiempos entre llegadas contra el
tiempo, a veces tienen la apariencia de estar
aglomerados con grandes separaciones entre
cada aglomeracin, debido a la gran
probabilidad de que los tiempos entre llegadas
sean pequeos y la poca probabilidad de que
ocurran tiempos entre llegadas grandes, pero

un patrn tan irregular es justo parte de la

verdadera aleatoriedad.
Propiedad 2: Falta de memoria.
Matemticamente esta propiedad se puede
establecer como:
P(T t t/T t) P(T t)

para cualquier cantidad positivas de t y t. En

otras palabras, la distribucin de probabilidad
del tiempo que falta hasta que ocurra el evento
(llegada o terminacin de servicio) siempre es la
misma, sin importar cunto tiempo (t) haya
pasado. En efecto, el proceso "olvida" su
historia. Este sorprendente fenmeno ocurre
con la distribucin exponencial debido a que:

Tambin sea U la variable aleatoria cuyo valor

es igual al mnimo de los valores que toman Tl,
T2,..., Tn; es decir,

U min(T1 , T2 ,..., Tn , U
As, si Ti representa el tiempo que pasa hasta
que ocurre un tipo especial de evento, entonces
U representa el tiempo que pasa hasta que
ocurre el primero de los n eventos diferentes.
Ahora note que para cualquier t>0,
P(U t) P(T1 t, T2 t,...Tn t)
P(T1 t)P(T2 t)...P(Tn t)
e -1t e - 2t ...e - n t

exp

P(T t, T t t)

P(T t t/T t) P(T t)

P(T t)
P(T t t)

P(T t)

e (t t )
e t

e t
P(T t)

Para los tiempos entre llegadas, esta propiedad

describe la situacin comn en donde el tiempo
que transcurre hasta la siguiente llegada est
totalmente influenciado por cundo ocurri la
ltima llegada. Para los tiempos de servicio,
esta propiedad es ms difcil de interpretar. No
debe esperarse que se cumpla cuando el
servidor tiene que realizar la misma secuencia
fija de operaciones para cada cliente, porque
entonces un servicio largo y tardado debe
implicar que tal vez queda muy poco por hacer.
Por otro lado, en la clase de situacin en la que
las operaciones de servicio requeridas difieren
entre los clientes, la afirmacin matemtica de
la propiedad es bastante realista. Para este
caso, si ha pasado un tiempo de servicio
considerable, la nica implicacin puede ser
que este cliente en particular requiera un
servicio ms extenso que los dems.
Propiedad 3: el mnimo de varias variables
aleatorias
exponenciales independientes
tiene una distribucin exponencial.
Para
establecer
esta
propiedad
matemticamente, sean Tl, T2,..., Tn, variables
aleatorias exponenciales independientes con
parmetros n, respectivamente.

t
i

i 1

Esta propiedad tiene algunas implicaciones

para los tiempos entre llegadas en los modelos
de colas. En particular, suponga que existen
varios (n) tipos diferentes de clientes, pero que
los tiempos entre llegadas de cada tipo (tipo i)
tienen distribucin exponencial con parmetro
i (i = 1, 2,..., n). Por la propiedad 2, el tiempo
que falta a partir de un instante especfico
hasta la llegada del siguiente cliente del tipo i
tendr esta misma distribucin. Por ello, sea Ti
este tiempo restante medido a partir del
instante en que llega un cliente de cualquier
tipo. La propiedad 3 dice entonces que U, el
tiempo entre llegadas para el sistema de colas
completo, tiene distribucin exponencial con
parmetro a definido por la ltima ecuacin.
Como resultado, se puede elegir ignorar la
distincin entre los clientes y seguir teniendo
tiempos entre llegadas exponenciales para el
modelo de colas.
Estas
implicaciones
son
todava
ms
importantes para los tiempos de servicio en los
modelos de colas que tienen ms de un
servidor, de lo que son para los tiempos entre
llegadas. Por ejemplo, considere la situacin en
la que todos los servidores tienen la misma
distribucin exponencial de tiempo de servicio,
con parmetro . Para este caso, sea n el
nmero de servidores que en este momento
prestan servicio y sea Ti el tiempo que falta
para que el servidor i (i = 1, 2,, n), complete el
servicio, que tambin tiene distribucin
exponencial con parmetro ii. Se puede
concluir que U, el tiempo hasta la siguiente
terminacin de servicio para cualquier servidor,

tiene una distribucin exponencial con

parmetro n. En efecto, el sistema de colas,
en este momento, acta como un sistema de
un solo servidor, en el que los tiempos de
servicio tienen una distribucin exponencial
con parmetro n. Esta implicacin se utilizar
al analizar los modelos de varios servidores.

de manera que el nmero esperado de eventos

por unidad de tiempo es . As, se dice que es
la tasa media a la que ocurren los eventos.
Cuando se cuentan los eventos de manera
continua, se dice que el proceso de conteo {X(t);
t>0} es un proceso Poisson con parmetro (la
tasa media).

Cuando se usa esta propiedad, algunas veces

es til tambin determinar las probabilidades
de
cul
de
las
variables
aleatorias
exponenciales ser la que tiene el valor
mnimo. Por ejemplo, puede quererse encontrar
la probabilidad de que un servidor j en
particular termine primero de servir a un
cliente entre los n servidores ocupados. Es
bastante directo mostrar que esta probabilidad
es proporcional al parmetro j. En particular,
la probabilidad de que T resulte ser el menor de
las n variables aleatorias es

Esta propiedad brinda informacin til sobre la

terminacin de servicio cuando los tiempos de
servicio tienen una distribucin exponencial
con parmetro . Esta informacin se obtiene
al definir X(t) como el nmero de servicios
completos logrados por un servidor siempre
ocupado en un tiempo transcurrido t, en donde
. Para modelos de mltiples servidores,
tambin se puede definir X(t) como el nmero
de terminaciones de servicio logradas por n
servidores siempre ocupados en un tiempo
transcurrido t, en donde =n.

P (T j U ) j

i 1

para j=1, 2,

Propiedad 4: Relacin con la distribucin

Poisson
Suponga que el tiempo entre dos ocurrencias
consecutivas de un tipo especfico de evento
(esto es, llegadas o terminacin de servicio por
un servidor siempre ocupado) tiene una
distribucin exponencial con parmetro a. La
propiedad 4 tiene que ver con la implicacin
resultante sobre la distribucin de probabilidad
del nmero de veces que ocurre este evento en
un periodo dado. En particular, sea X(t) el
nmero de ocurrencias en el tiempo t (t>0), en
donde el tiempo 0 es el instante en el que
comienza la cuenta. La implicacin es que

P X (t ) n

t n e t
n!

para n = 0, 1, 2,...; n.

es decir, X(t) tiene una distribucin Poisson con

parmetro t. Por ejemplo, para n=0,
P X (t ) 0 e

que es justo la probabilidad obtenida a partir

de la distribucin exponencial para que ocurra
el primer evento despus de un tiempo t. La
media de la distribucin Poisson es

E X (t ) t

Esta propiedad es til en particular para

describir el comportamiento probabilstico de
las llegadas cuando los tiempos entre llegadas
siguen una distribucin exponencial con
parmetro . En este caso, X(t) sera el nmero
de llegadas en un tiempo transcurrido t, en
donde = es la tasa media de llegadas.
Entonces, las llegadas ocurren de acuerdo con
un proceso de entradas Poisson con parmetro
. Este tipo de modelos se describen tambin
con la suposicin de que tienen llegadas
Poisson.
Algunas veces se dice que las llegadas ocurren
aleatoriamente y esto significa que suceden de
acuerdo con un proceso de entradas Poisson.
Una interpretacin intuitiva de este fenmeno
es que cada periodo de longitud fija tiene la
mima oportunidad de tener una llegada sin
importar cundo ocurri la llegada anterior,
como lo sugiere la siguiente propiedad.
Propiedad 5: para todos los valores positivos
de t, P{T<t+t/T>t} t, para t pequeo.
Todava se interpreta T como el tiempo que
pasa desde el ltimo evento de cierto tipo
(llegada o terminacin de servicio) hasta el
siguiente
evento,
y
suponga
que
ha
transcurrido un tiempo t sin que ocurra un
evento. Se sabe, por la propiedad 2, que la
probabilidad de que ocurra un evento dentro
del siguiente intervalo de tiempo, de longitud
fija t, es una constante (que se identificar en

el siguiente prrafo), sin importar cun grande

o pequeo sea t. La propiedad 5 va ms all al
agregar que, cuando el valor de t es pequeo,
esta
probabilidad
constante
se
puede
aproximar de manera muy cercana por t. Lo
que es ms, cuando se consideran distintos
valores pequeos de t, esta probabilidad es,
en esencia, proporcional a t, con factor de
proporcionalidad igual a . De hecho, es la
tasa media a la cual ocurren los eventos (vea la
propiedad 4), por lo que el nmero esperado de
eventos en el intervalo de longitud t es
exactamente t. La nica razn por la que la
probabilidad de que ocurra un evento difiere de
este valor es la posibilidad de que ocurra ms
de un evento, lo cual tiene una probabilidad
despreciable cuando t es pequeo.
Para ver matemticamente por qu se cumple
la propiedad 5, note que el valor constante de
la probabilidad (para un valor fijo de t>0) es
sencillamente:
P(T t t/T t) P(T t)
1 e t

para cualquier t>0. Por esta razn, como la

expansin de la serie para cualquier
exponente x es
e

1 x

n2

xn
n!

se concluye que
P(T t t/T t) 1 1 t

n2

t n
n!

para t pequeo; porque los trminos de la

suma se vuelven despreciables para valores de
t suficientemente pequeos.
Como en los modelos de colas T puede
representar ya sea tiempos entre llegadas o
tiempos de servicio, esta propiedad proporciona
una
aproximacin
conveniente
de
la
probabilidad de que ocurra el evento de inters
en el siguiente intervalo de tiempo pequeo (t).
Propiedad 6: No afecta agregar o desagregar.
Esta propiedad es importante para verificar que
el proceso de entrada es Poisson. Entonces, se
describir en estos trminos, aunque tambin
se aplica directamente a la distribucin
exponencial
(tiempos
entre
llegadas
exponenciales) debido a la propiedad 4.

Primero se considera agregar (combinar) varios

procesos de entrada Poisson en un proceso de
entrada global. En particular, suponga que
existen varios (n) tipos diferentes de clientes, en
donde los clientes de cada tipo (tipo i) llegan de
acuerdo a un proceso de llegadas Poisson con
parmetro i(i = 1, 2,..., n). Suponga que se trata
de procesos Poisson independientes, la
propiedad dice que el proceso de entrada
agregado (llegada de todos los clientes sin
importar de qu tipo son) tambin debe ser
Poisson, con parmetro (tasa de llegada)
=1+2+n. En otras palabras, si se tiene un
proceso Poisson no afecta agregar.
Esta parte de la propiedad se concluye
directamente de las propiedades 3 y 4. Esta
ltima implica que los tiempos entre llegadas
para los clientes de tipo i tienen una
distribucin exponencial con parrnetro i.
Para esta situacin idntica, ya se analiz en la
propiedad 3 que esto implica que los tiempos
entre llegadas para todos los clientes tambin
deben tener una distribucin exponencial, con
parmetro =1+2+n. Si se usa la propiedad
4 de nuevo implica que el proceso de entrada
agregado es Poisson.
La segunda parte de la propiedad 6 ("no afecta
desagregar") se refiere al caso contrario, en el
que se sabe que el proceso de entrada agregado
(la que se obtuvo con la combinacin de
procesos de entrada para diferentes tipos de
clientes) es Poisson con parmetro ; el
cuestionamiento
ahora
concierne
a
la
naturaleza del proceso de entrada desagregado
para los tipos de clientes individuales. Si se
supone que cada cliente que llega tiene una
probabilidad fija pi de pertenecer al tipo i (i = 1,
2,..., n), con
i pi
y
n

i 1

De manera ms precisa, la propiedad dice que

el proceso de entrada para los clientes tipo i
tambin debe ser Poisson con parmetro i. En
otras palabras, si se tiene un proceso Poisson,
no afecta desagregar.
Como ejemplo de la utilidad de esta segunda
parte de la propiedad, considere la siguiente
situacin. Los clientes, sin hacer distinciones,

llegan de acuerdo a un proceso Poisson con

parmetro . Cada cliente que llega tiene una
probabilidad fija p de desistir (irse sin entrar al
sistema de colas), de manera que la
probabilidad de entrar al sistema es (1 - p). As,
se tienen dos tipos de clientes, aquellos que
desisten y aquellos que entran al sistema. La

propiedad dice que cada tipo llega de acuerdo a

un proceso Poisson, con parmetros p y (1-p),
respectivamente. Por lo tanto, al usar el ltimo
proceso Poisson, los modelos de colas que
suponen llegadas Poisson todava se pueden
usar para analizar el funcionamiento del
sistema de colas para aquellos clientes que
entran al sistema.

ANALISIS DE UN SISTEMA DE COLAS DE UN SOLO CANAL

DE UNA SOLA LINEA CON LLEGADA EXPONENCIAL
Y PROCESOS DE SERVICIO (M/M/1)
Ejemplo:
La comisin de autopistas de Ohio tiene un
nmero de estaciones para el pesado de
camiones a lo largo de la autopista de cuota de
Ohio, para verificar que el peso de los vehculos
cumple con las regulaciones federales. Una de
tales estaciones se ilustra en la figura N 4. La
administracin
de
la
Comisin
est
considerando mejorar la calidad del servicio en

sus estaciones de pesado y ha seleccionado

una de sus estaciones como modelo a estudiar
antes de instrumentar los cambios. La
administracin desea analizar y entender el
desempeo del sistema actual durante las
horas pico, cuando llega a la bscula el mayor
nmero de camiones, suponiendo que el
sistema puede desempearse bien durante este
periodo, el servicio en cualquier otro momento
ser an mejor.

Sistema de colas para la estacin de pesado en la autopista de Ohio

Solucin:
Las caractersticas
siguientes:

del

sistema

son

las

Poblacin de clientes infinita.

Proceso de llegada en el que los clientes se

promedio, llegaran ms clientes que los que

pueden ser atendidos por unidad de tiempo.
El gerente de operaciones de la estacin de
pesado de la autopista de Ohio debe estimar las
tasas promedio de llegada y de servicio en
dicha estacin. De los datos disponibles,

Bscula

Estacin de pesado
presentan de acuerdo con un proceso de
Poisson con una tasa promedio de clientes
por unidad de tiempo.
Un proceso de colas que consiste en una
sola lnea de espera de capacidad infinita, con
una disciplina de colas de primero en entrar
primero en salir.

Un proceso de servicio que consiste en un

solo servidor que atiende a los clientes de
acuerdo con una distribucin exponencial con
promedio de clientes por unidad de tiempo.

Para que este sistema alcance una condicin de

estado estable, la tasa de servicio promedio
debe ser mayor que la tasa de llegadas
promedio . Si ste no fuera el caso, la cola del
sistema continuara creciendo debido a que, en

suponga que la gerencia determina que los

valores son:

= Nmero promedio de camiones que llegan

por hora = 60
= Nmero promedio de camiones que pueden
ser pesados por hora = 66
El valor de , de modo que es posible hacer
el anlisis de estable de este sistema.
Clculo de las medidas de rendimiento:
Para cualquier sistema de colas M/M/1, en
trminos de los parmetros y las diferentes
medidas
de
rendimiento
descritas
anteriormente, pueden expresarse en trminos
de la intensidad de trfico (), que es el
cociente de sobre . Para el problema de la

Comisin de la Autopista de Ohio (CAO), la

intensidad de trfico es:

60
0.9091
66

Mientras ms cerca este de 1, ms cargado

estar el sistema, lo cual tiene como resultado
colas ms largas y tiempos de espera ms
grandes.
En trminos de y , las medidas de
rendimiento para el problema de CAO, se
calculan de la siguiente manera:
a. Tiempo esperado
clientes individuales:

entre

llegada

de

los

para

completar

dos

Si la tasa de servicio es =66 por hora, el

tiempo esperado entre dos servicios sucesivos
es 1/=1/66 horas o 0.91 minutos o 54.55
segundos.
c. Utilizacin (U):

e. Probabilidad de que un cliente que llega

tenga que esperar (Pw):

Pw 1 - P0
Pw 0.9091
Es decir, aproximadamente, 91% del tiempo,
un camin que llega, tiene que esperar.
f. Nmero promedio en la fila (Lq):

2
1
(0.9091) 2
Lq
9.0909
1 0.9091
Lq

Si el nmero promedio de camiones que llegan

por hora es 60 (=60) por hora, el tiempo
promedio o esperado entre llegadas es
1/=1/60 horas (1 minuto entre cliente). As si
es la tasa de llegada esperada, 1/ es el
tiempo esperado entre dos llegadas sucesivas.
b. Tiempo esperado
servicios sucesivos:

Este valor indica que aproximadamente 9% del

tiempo, un camin que llega no tienen que
esperar a que se le proporcione el servicio
porque la estacin de pesado est vaca. En
otras palabras, aproximadamente, 91% del
tiempo, un camin que llega, tiene que esperar.

U
U 0.9091
Indica que aproximadamente 91% del tiempo
las instalaciones de pesado estn en uso (un
camin est siendo pesado). De manera
equivalente, aproximadamente, 9 % del tiempo
la estacin est sin funcionar, sin que haya
camiones que se estn pesando.
d. Probabilidad de que no haya clientes en el
sistema (P0):

P0 1 -
P0 1 - U

P0 1
P0 1 - 0.9091 0.0909

Lq

1

1

Lq

2
*

Esto significa que, en el estado estable, en

promedio, la estacin de pesado puede esperar
tener
aproximadamente
nueve
camiones
esperando para obtener el servicio (sin incluir
al que se est pesando).
Cuando se ha determinado un valor para Lq, ya
se pueden calcular los valores de Wq, W, y L
utilizando las relaciones derivadas la seccin
Relaciones entre medidas de rendimiento, de
la siguiente manera:
g. Tiempo promedio de espera en la cola (Wq):

Lq

9.0909
Wq
0.1515
60
Wq

2
*
Wq

Wq
*
El valor Wq=0.1515, indica que, en promedio,
un camin tiene que esperar 0.1515 horas

(aproximadamente 9 minutos) en la fila antes

de que empiece el proceso de pesado.
h. Tiempo promedio de espera en el sistema
(W):

W Wq

W 0.1515

W Wq

1
0.1667
66

*
* *
W
* *
1
W

W

Esta tabla proporciona la distribucin de

probabilidad para el nmero de camiones que
se encuentran en el sistema. Los nmeros que
aparecen en la tabla se pueden utilizar para
responder las siguientes preguntas: Cul es la
probabilidad de que no haya ms de tres
camiones en el sistema? En este caso, la
respuesta de 0.3169 se obtiene mediante la
suma de las primeras cuatro probabilidades de
la tabla (para n = 0, 1, 2, 3).
Frmulas para calcular las medidas de
rendimiento de un sistema de colas
M/M/1
MEDIDA DE
RENDIMIENTO

Este valor indica que, en promedio, un camin

invierte 0.1667 hrs. (aproximadamente 10
minutos) desde que llega hasta que sale.

Nmero
promedio
en la fila

L * W
L 60 * 0.1667 10

Tiempo
promedio
de espera en la
cola

L * W

Tiempo
promedio
de espera en el
sistema

i. Nmero promedio en el sistema (L):

En promedio, existe una cantidad de 10

camiones en la estacin de pesado, ya sea en la
bscula o esperando ser atendidos.
j. Probabilidad de que haya n clientes en el
sistema (Pn):
n

Pn * P0

Pn U n * P0
n

FORMULA GENERAL
Lq

2
1

2
*

Lq
Wq

Lq

Wq

W Wq

* 1 -

Al utilizar esta frmula

siguientes resultados:
N

Pn

0.0909

0.0826

0.0751

0.0683

se

obtienen

los

Nmero
promedio
1
W
en el sistema

Probabilidad
de
que
no
haya
clientes
en
el
sistema

Probabilidad
de
que haya n clientes
en el sistema
Utilizacin

L *W

Probabilidad
de P0 1 -
que un cliente que
llega tenga que
esperar

Pn U n * (1 - U)

Pn

P0 1 - U
P0 1 -

Pw 1 - P0

Pn n * P0

U
INTERPRETACIN DE LAS MEDIDAS DE
RENDIMIENTO

Al evaluar el sistema actual, la administracin

observa que muchas medidas de rendimiento
estn dentro de los niveles aceptables. Por
ejemplo, un tiempo de espera de W = 10
minutos para que un chofer pueda pasar por el
proceso de pesado es algo razonable. Se tiene
tambin que un promedio de Lq = 9 camiones
esperando para ser atendidos es tolerable, pues
la rampa de salida de la carretera tiene una
capacidad
de
15
camiones,
pero
la
administracin est preocupada porque en
ocasiones la cola llega hasta la autopista.
Para calcular la probabilidad de que esto no
suceda se debe calcular la probabilidad de que
el nmero de camiones en el sistema sea de 17
o ms (uno que est siendo atendido y 16 o
ms esperando en la rampa). Este nmero se
obtiene sumando las probabilidades Pn, de que
n camiones se encuentren en el sistema, para n
= 17, 18, Esto tiene un resultado de 0.20; es
decir, aproximadamente 20% del tiempo los
camiones sobrepasarn la rampa y llegarn
hasta la autopista. Como este no es un nivel
aceptable de desempeo, la gerencia desea
mejorar la eficiencia global del sistema, no
solamente por la razn anterior sino tambin
porque se prev un aumento en el trfico de
camiones sobre la autopista en el futuro
cercano. Un informe reciente indica que la CAO
debera planear una tasa de llegada pico de,
aproximadamente, 70 camiones por hora en
lugar del actual de 60.
Suponga que para solucionar este problema, la
gerencia ha propuesto contratar un trabajador
adicional, con la esperanza de que aumente la
eficiencia en, aproximadamente, 10 %. Es decir,

con este nuevo trabajador, podran ser pesados,

aproximadamente, 73 camiones en lugar de los
66 anteriores. Como gerente de operaciones se
le ha pedido a Ud. que evale la propuesta.
Esa evaluacin puede realizarse utilizando las
frmulas empleadas en el desarrollo del
ejercicio anterior. Solamente cambian la tasa
de servicio y de llegada. Es necesario que Ud.
confirme los siguientes resultados. Con la
nueva propuesta, en promedio, un conductor
de camin invierte en el sistema una cantidad
de 0.3333 horas (20 minutos) y el nmero de
camiones que esperan en la rampa para ser
pesados
es
de,
aproximadamente,
22.
Obviamente, estos rendimientos no son
aceptables, no slo por el hecho de que los
conductores tendran que tardar 20 minutos en
el sistema, sino tambin porque la longitud de
cola esperada es de 22 camiones, cantidad que
sobrepasa la capacidad de la rampa (15), lo que
podra generar accidentes en la autopista.
Para obtener rendimientos aceptables, se ha
propuesto otra alternativa: la construccin de
otra bscula en el otro lado de la estacin de
pesado. Utilizando el personal actual para que
opere ambas bsculas las estimaciones de la
gerencia
tendrn
como
resultado
una
capacidad de peso de, aproximadamente, 40
camiones por hora en cada bscula.
Nuevamente se le ha pedido que evale la
propuesta; sin embargo, ya no se puede utilizar
las mismas frmulas de rendimiento pues
ahora el sistema propuesto tiene dos servidores
y el anlisis anterior se aplica a sistemas con
un solo servidor.

ANALISIS DE UN SISTEMA DE COLAS DE CANAL MULTIPLE

DE UNA SOLA LINEA CON LLEGADA EXPONENCIAL
Y PROCESOS DE SERVICIO M/M/c

Bscula 1
Camiones
esperando

Bscula 2
Estacin de pesado

Las caractersticas de este sistema de colas son

las siguientes:
Poblacin de clientes infinita.

Proceso de llegada en el que los clientes se

presentan de acuerdo a un proceso de Poisson
con una tasa promedio de clientes por unidad
de tiempo.

Un proceso de colas que consiste en una

sola lnea de espera de capacidad infinita, con
una disciplina de colas de primero en entrar
primero en salir.

En trminos de , y , las medidas de

rendimiento para el problema de CAO, se
calculan de la siguiente manera:
a. Probabilidad de que ningn cliente est en el
sistema (P0):

P0

Un proceso de servicio que consiste en c

servidores idnticos, cada uno de los cuales
atiende a los clientes de acuerdo con una
distribucin exponencial con promedio de
clientes por unidad de tiempo.

1
c 1

donde:
n 0 1 2
c 1

.....
n!
0!
1!
2!
(c 1)!
n 0
c 1

k! k(k 1)....1 y 0! 1

Para el problema de CAO, en el cual 1.75

y c2:
c 1

Este sistema es distinto del M/M/1 nicamente

en lo que respecta a que nos permite tener c
servidores en lugar de uno. Para que el sistema
M/M/c alcance una condicin de estado
estable, la tasa total promedio de servicio, c*
debe ser estrictamente mayor que la tasa
promedio de llegadas (). Si este no fuera as,
la cola del sistema continuara creciendo
debido a que, en promedio y por unidad de
tiempo, llegaran ms clientes de los que
pueden ser atendidos.

n!

= 70 camiones por hora

n 0
c 1

1.75 0 1.75 1

0!
1!

1 1.75 2.75

n 0

(1.75) 2
c
c
2
*

n! c
2!
2 1.75
c
c
*
1053125 * 8 12.25
n! c
P0

1
2.75 12.25

P0

1
0.06667
15

Este valor de P0 indica que, aproximadamente,

7% del tiempo la estacin de pesado est vaca.
b. Nmero promedio en la fila (Lq):
Lq

= 40 camiones por hora en cada bscula

c 1
1
*
* P0
(c 1)! (c ) 2

(1.75)3

El valor de c* = 2 * 40 = 80, es mayor que el

de = 70, de manera que si se puede realizar
un anlisis de estado estable para este sistema.

Lq

Clculo de las medidas de rendimiento

Lq 5.7167

Las diferentes medidas de rendimiento de un

sistema de colas M/M/c, estn derivadas en
trminos de los parmetros y Estas
frmulas se expresan en trminos de , que es
el cociente de sobre Para el problema de
CAO:

70
1.75
40

n 0

n!

c = 2 servidores

n! c! * c

Sistema de colas con dos bsculas, para el

problema de CAO

La nueva propuesta de la CAO, utilizando el

personal
actual,
tiene
las
siguientes
caractersticas:

(1)!

1
(2 1.75) 2

* 0.06667

Lq 5.359375 * 16 * 0.06667

En otras palabras, en promedio, la estacin de

pesado, puede esperar tener aproximadamente,
6 camiones esperando ser atendidos (sin
incluir el que ya est en la bscula).
Ahora que ya se ha estimado un valor para Lq,
puede calcularse los valores de Wq, W, y L
utilizando las relaciones ya conocidas.
c. Tiempo promedio de espera en la cola (Wq):

Lq

Wq

Wq

Al utilizar esta frmula,

siguientes resultados:

5.7167
0.081667
70

Este valor indica que, en promedio, un camin

tiene
que
esperar
0.0817
horas
(aproximadamente 5 minutos) en la fila antes
de iniciar el proceso de pesado.
d. Tiempo promedio de espera en el sistema
(W):
W Wq

W 0.081667

1
40

W 0.081667 0.025 0.10667

En promedio, un camin tiene que esperar

0.10667 horas (aproximadamente 7 minutos)
desde que llega hasta que sale de la estacin.
e. Nmero promedio en el sistema (L):
L *W

En promedio, se tiene entre 7 y 8 camiones

esperando en la estacin, ya sea en la bscula
o en espera de ser atendidos.
f. Probabilidad de que un cliente que llegue
tenga que esperar (Pw):
Pw

1
c
* c *
* P0
c!
c

Pw

1
2
* (1.75) 2 *
* 0.06667
2!
2 1.75

Si n < = c:
n

* P0
n!

0.06667

0.11667

0.10210

Si n > c:
Pn

(c! ) c n -c

* P0

0.08932

0.07816

Estas tablas proporcionan la distribucin de

probabilidad para el nmero de camiones que
hay en el sistema. Las cantidades que aparecen
en ambas tablas se utilizan para responder
preguntas como las siguientes: Cul es la
probabilidad de que al menos una bscula no
est funcionando?. Esta probabilidad es la
misma que la probabilidad de que haya menos
de dos camiones en el sistema. Sumando las
dos primeras probabilidades de la tabla, para n
= 0 y 1, se obtiene la cantidad 0.18334.

c 1
c2
1
U 1 P0
P1
P2 ... Pc 1
c
c
c

1
U 1 P0
P1
2

U 1 0.06667 0.5 * (0.11667)

INTERPRETACIN DE LAS MEDIDAS DE

RENDIMIENTO

g. Probabilidad de que hayan n clientes en el

sistema (Pn):

Pn

Pn

Cada bscula est ocupada el 87 % del tiempo.

Aproximadamente, 82 % de las veces, un

camin que llega es pesado sin que tenga que
esperar.

los

U 1 0.125 0.875

Pw 0.5 * 3.0625 * 8 * 0.06667 0.81667

Al utilizar esta frmula,

siguientes resultados:

obtienen

h. Utilizacin (U):

L 70 * 0.10667 7.4667

Pn

se

se

obtienen

los

Se puede informar a la gerencia que el tiempo

promedio que un conductor de camin tiene
que invertir en el sistema es 0.1067 horas
(aproximadamente 7 minutos) y que el nmero
promedio de camiones que esperan en la rampa
es, aproximadamente, 5.7167.
La gerencia encuentra aceptables estos
rendimientos. Sin embargo, vuelve a preguntar
si la fila de camiones llegar hasta la autopista.
Este suceso se presentar cuando haya 2
camiones en la bscula y ms de 15 esperando
en la rampa. Cul es la probabilidad de que
ms de 17 camiones estn en el sistema en
cualquier momento?
La probabilidad de que se presente este caso,
se obtiene sumando las probabilidades
correspondientes a cada valor de n=18, 19,
La probabilidad resulta ser de 9.6 % . Si se cree
que este valor no es aceptable, se puede sugerir
modelos alternativos; por ejemplo, contratar a

un trabajador ms para que se aumente la tasa

de servicio, o aumentar la capacidad del rea
de espera teniendo dos filas en lugar de una
sola.
Ejemplo 3:
Los clientes de un Banco de la ciudad, llegan
uno a la vez, completamente en forma
aleatoria, a un cajero automtico cuya tasa es
seis clientes por hora. Los clientes toman un
promedio de cuatro minutos para terminar sus
transacciones y los datos histricos han
mostrado que los tiempos de servicio se ajustan
a la distribucin exponencial negativa Los
clientes hacen cola sobre la base de primero en
llegar, primero en salir. Suponga que solamente
hay un cajero automtico.
a) Encuentre
las
siguientes
medidas
esperadas del desempeo para este sistema: el
nmero esperado de clientes en el sistema, el
nmero esperado de clientes que esperan el
servicio, el tiempo esperado en el sistema y el
tiempo esperado en la cola.
b) Cul es la probabilidad de que haya ms
de cinco personas en el sistema para un punto
aleatorio en el tiempo?
c) Cul es la probabilidad de que el tiempo
de espera en la cola sobrepase los 10 minutos?
d) Dados estos resultados, piensa que la
administracin deba considerar anexar otro
cajero automtico?
Solucin
La afirmacin de que los clientes llegan uno a
la vez en tiempos completamente aleatorios
implica que el proceso de entrada es un
proceso de Poisson. La tasa de llegada es =6
por hora. El tiempo medio de servicio es de 4
minutos=1/15 hora, por lo que la tasa de
servicio es =15 por hora. La tasa de utilizacin
es = / = 2/5 = 0.4.
a)
LS

2/5 2

0.6667
1
3/5 3

L q L

WS

Wq

2 2
4
*
0.2667
5 3 15

L 2/3
2
1

horas 6.6667 min utos

6
18 9

Lq

4 / 15
4
2

horas 2.6667 min utos

6
90 45

b) Aqu estamos interesados en P(L>5). En

general:
P( L k )

(1 )

n k 1

(1 )

n k 1

1
1

P( L k ) (1 ) k 1
P( L 5) 6 0.4

n k 1

k 1

0.0041

c) Aqu estamos interesados en P(W1>1/6).

P (W q t ) e ( )t
P (W q t ) 0.4e (15 6)(1 / 6)
P (W q t ) 0.4e 1.5 0.0892

d) La respuesta no es obvia. Si examinamos las

medidas esperadas de desempeo, parecera
que servicio suministrado es razonable. El
nmero esperado de clientes en el sistema es
menor 1 y el tiempo promedio de espera en la
cola es menor que 3 minutos. Sin embargo, en
el inciso c vemos que la proporcin de clientes
que debe esperar ms de 10 minutos por
servicio es casi del 10%. Ello significa que
probablemente haya muchos clientes enojados,
aun cuando en promedio el sistema parezca
bueno. Esto ilustra la falla que reside en
considerar slo valores esperados cuando se
evalan los sistemas de servicio de colas.
Ejemplo 4:
La salchichera Burguer Happy vende
hamburguesas, hamburguesas con queso,
papas fritas, refrescos y malteadas y otros
productos ligados a su lnea de negocio.
Aunque al personal de la empresa le gustara
servir a sus clientes inmediatamente, a veces
llegan ms comensales de los que pueden
atender y los clientes tienen que hacer cola
para hacer sus pedidos y tomar sus alimentos.
a. Suponga que el gerente analiz los datos
sobre las llegadas de los clientes y concluy
que la tasa media de llegada es de 45 clientes
por hora. Calcule la probabilidad de 0, 1 y 2
llegadas de clientes durante un periodo de un
minuto.
Solucin:
Para un periodo de 1 minuto, la tasa media de
llegada sera =45 clientes/60 minutos=0.75 clientes
por minuto.

P (0)

(0.75) 0 e 0.75
e 0.75 0.4724
0!

P (0)

(0.75) 1 e 0.75
0.75e 0.75 0.3543
1!

P(0)

(0.75) 2 e 0.75
0.5625 * 0.4724

0.1329
2!
2

Solucin:
En particular, los clientes esperan un promedio
de tres minutos antes de comenzar a colocar

La probabilidad de que no haya clientes en un

periodo de un minuto es 47.24%; la
probabilidad de que haya un cliente en un
minuto es 35.43%; y, la probabilidad de que
haya dos clientes en un minuto es 13.29%;
b. La empresa estudi el proceso de toma y
surtido de pedidos y encontr que el empleado
slo puede procesar un promedio de 60 pedidos
por hora. Encuentre la probabilidad de que un
pedido pueda procesarse en medio minuto o
menos; un minuto o menos; y, dos minutos o
menos.
Solucin:
Si se considera la tasa de servicio por minuto,
tenemos: =60clientes/60 minutos = 1 cliente
por minuto; entonces:

Figura N 04
Hoja de respuesta para el problema de Happy Burguer,
cuando tiene dos servidores.

un pedido, lo cual parece un poco largo para

un negocio basado en el servicio rpido.
Adems, se tiene que la cantidad promedio de
clientes que esperan en la cola es de 2.25 y que
el 75% de los clientes que llegan tienen que
esperar para que los atiendan; esta situacin
refleja que se tiene que mejorar el sistema.

P(tiempo de servicio 0.5 min ) 1-e 1( 0.5)

P(tiempo de servicio 0.5 min ) 1 0.6065 0.3935
P(tiempo de servicio 1 min ) 1-e 1(1.0 )
P(tiempo de servicio 1 min ) 1 0.3679 0.6321
P(tiempo de servicio 2 min ) 1-e 1( 2 .0 )
P(tiempo de servicio 2 min ) 1 1353 0.8647

La conclusin es que existe la probabilidad de

39.35% de que un pedido se procese en medio
minuto o menos; la probabilidad de 63.21%
que un pedido se procese en 1 minuto o menos;
y, la probabilidad de 86.74% que un pedido se
procese en dos minutos o menos.
c. Encuentre las medidas de desempeo del
sistema.

Figura N 02
Hoja de respuesta de la la distribucin de probabilidades para
el problema de Happy Burguer

De la figura N 02, podemos deducir que existe

la probabilidad de 0.1335 de que siete o ms
clientes estn en el sistema a la vez. Lo cual
indica que existe la alta posibilidad que la
empresa tenga lneas de espera largas si
contina utilizando el sistema con un solo
canal.
d. Suponga que la empresa decide aumentar
la tasa de servicio haciendo un cambio creativo
utilizando nueva tecnologa, de manera que la
nueva =75 clientes por hora (1.25 clientes por
minuto). Calcule las nuevas medidas de
desempeo.

Figura N 01
Hoja de respuesta de las medidas de desempeo para el
problema de Happy Burguer

Estos nuevos resultados indican que el sistema

ha mejorado. El tiempo promedio que un
cliente espera en la cola antes de ser atendido
se ha reducido de 3 a 1.2 minutos y el tiempo

promedio que pasa un cliente en el sistema se

ha reducido de 4 a 2 minutos.
e. Suponga que la administracin desea
evaluar la conveniencia de abrir una segunda
estacin de procesamientos de pedidos de
modo que puede servirse simultneamente a
dos clientes.

100

100 * 10

95.8%

2 * 60/11.5

Como resultado, el costo de reubicar las dos

compaas en una sola oficina no puede ser
justificable puesto que cada una de las oficinas
de despacho actuales parece estar demasiado
ocupada, como lo indica el elevado factor de

La respuesta de las medidas de desempeo

para esta nueva situacin se muestra en la
figura N 04.
En comparacin con las caractersticas
originales, el sistema ha mejorado mucho. El
tiempo promedio que pasa el cliente en el
sistema se reduce de 4 minutos a 1.16
minutos. La cantidad promedio de clientes en
la cola se reduce de 2.25 a 0.1227 clientes. El
tiempo promedio que pasa un cliente en la cola
se reduce de 3 minutos a 0.1636 minutos. La
probabilidad de que un cliente tenga que
esperar por el servicio se reduce de 0.75 a
0.2045

Figura N 01
Hoja de respuesta de TORA para el problema de servicios de
lavado de autos.

Ejemplo 5:
En la ciudad de Huaraz operan dos compaas
de autos de alquiler. Cada una de las
compaas posee dos autos de alquiler y se
conoce que comparten el mercado en partes
casi iguales. Esto es evidente por el hecho que
las llamadas llegan a las oficinas de despacho
de cada compaa a la tasa de 10 por hora. El
tiempo promedio por dejada es 11.5 minutos.
La llegada de llamadas sigue una distribucin
de Poisson, mientras que los tiempos de dejada
son exponenciales.
Las dos compaas fueron compradas hace
poco por el Grupo Romero. Despus de tomar
el mando de las dos compaas su primera
accin fue intentar reunir las dos en una sola
oficina de despacho, con la esperanza de
ofrecer un servicio ms rpido a sus clientes.
Sin embargo, observ que el uso (la razn de
las llamadas que llegan por hora a las dejadas)
de cada compaa es:

uso.
a. Compare las dos situaciones presentadas en
esta compaa y analice los resultados.
Ejemplo 6:
Considere el problema de la reunificacin de
las compaas de alquiler de autos. Suponga
que no obstante el dueo comprender que el
tiempo de espera calculado es excesivo, no
puede obtener fondos para comprar otras
unidades. Para resolver el problema de la
espera excesiva, instruy a la oficina de
despacho a dar una disculpa a los posibles
clientes por falta de disposicin de automviles
una vez que la lista de espera ascienda a 16
clientes.
a. Analice el efecto de esta decisin sobre el
tiempo de espera
b. Calcule el
inactivos.

nmero

esperado

de

taxis

La probabilidad de que a un cliente que llame

se le dir que no hay autos disponibles.
Ejemplo 7:
En una instalacin de servicio de lavado de
autos, operan con una sola rampa. Los autos
llegan para ser atendidos de acuerdo a una
distribucin de Poisson, con media de 4 por

Figura N 03
Hoja de respuesta para el problema de Happy Burguer,
cuando mejora la tasa de servicio.

hora y esperan en el estacionamiento de las

instalaciones si la rampa est ocupada. El
tiempo de lavar y asear cada automvil vara,
pero se advierte que sigue una distribucin
exponencial con media de 10 minutos por
automvil. Los autos que no se pueden
estacionar dentro esperan en la calle que
bordea las instalaciones de lavado. Esto
significa que para todo propsito prctico, no
hay lmite en el tamao del sistema. El gerente
de las instalaciones quiere determinar el
tamao del estacionamiento.

De la hoja de respuestas, observamos que los

valores acumulados de Pn son 0.86831 y
0.91221 para n=4 y n=5, respectivamente. Esto
significa que la condicin se satisface para s>5
espacios para estacionamiento.

a. Las medidas de rendimiento.

1 s 1
1

El nmero de espacios s tambin se puede

calcular utilizando la definicin matemtica de
Pn; es decir:
pn (1 )(1 2 ...... s 0.90
La suma de la serie geomtrica truncada es
igual a:

b. La probabilidad de que un automvil que

llegue tenga que esperar antes de ser lavado.

As, la condicin se reduce a:

SOLUCIN

1 s 1 0.9

Datos:

=4 autos por hora

La simplificacin
proporciona:

=60/10 autos por hora

s 1 0.1

Como <1, el sistema opera bajo

condiciones de estado estable y su anlisis es
posible.

Al tomar logaritmos a ambos miembros de la

ecuacin:

Los resultados, segn la hoja de respuesta de

TORA son los que se muestran en la figura N
01:
Respuestas:
La hoja de respuestas muestra que el nmero
promedio de autos que esperan en la cola (Lq)
es 1.333. Sin embargo, no podemos usar esta
medida de rendimiento como nica base para
la determinacin del nmero de espacios de
estacionamiento porque el diseo debe, en
cierto sentido, reflejar la longitud mxima
posible de la cola. Por ejemplo, se puede
disear el sistema de forma que un auto que
llega encuentre un espacio al menos 90% del
tiempo.
Supongamos que s es la variable desconocida
que representa el nmero de espacios de
estacionamiento. Tener s espacios en el
estacionamiento, significa que hay s+1 espacios
en el sistema (cola + rampa de lavado). Un auto
que llega encontrar un espacio 90% del
tiempo si hay, cuando mucho, s autos en el
sistema. Esta condicin es equivalente al
siguiente planteamiento de probabilidad:
p0 p1 p2 ...... ps 0.90

de

la

desigualdad

nos

ln(0.1)
1 4.679
ln(4 / 6)

De
esa
manera,
estacionamiento.

s>5

espacios

de

Ejemplo 8:
Considere el ejemplo anterior. Suponga que
esta instalacin de lavado de autos tiene un
total de 4 lugares de estacionamiento. Si el
estacionamiento est lleno, los autos que
lleguen buscarn servicio en otra parte. El
propietario desea determinar cmo influye el
espacio de estacionamiento limitado en la
prdida de clientes a la competencia.
a. Las nuevas medidas de rendimiento.
b. Cuntos clientes se pierden debido al
limitado espacio de estacionamiento, por hora y
por da de trabajo (8 horas).
c. La probabilidad de que un carro que llegue
reciba servicio de inmediato.
Solucin:

S is te m a

F u e n te

e fe c tiv a

P r d id a

En este modelo, no necesita ser menor que

1, puesto que las llegadas la sistema estn

controladas por el lmite N del sistema. Esto
significa que efectiva, ms que , es la tasa que
importa en este caso. La tasa efectiva de
llegadas, efectiva se calcula observando el
diagrama esquemtico de la siguiente figura:
En ese esquema, los clientes llegan al sistema a
una tasa de clientes por hora. Una cliente
que llega puede ingresar en el sistema o ir a
otro lado con tasas efectiva o prdida, lo que
significa que efectiva+prdida. Un cliente no
podr entrar en el estacionamiento si ya hay N
clientes all. Esto significa que la proporcin de
clientes que no entraran en el sistema debe ser
igual a PN. As:
prdida Pn

efectiva perdida
Puesto que el lmite sobre el sistema es N=5, la
proporcin de clientes perdidos es P5=0.04812
que, con base en el da de 24 horas, es
equivalente a perder P5*24= 4*0.04812*24
=4.62 autos al da. Una decisin respecto a
aumentar el tamao del estacionamiento, debe
basarse en el valor de los clientes perdidos.
Viendo el problema desde un ngulo diferente,
el tiempo total esperado en el sistema Ws =
0.3736 horas (aproximadamente 22 minutos9,
menor a los 30 minutos del ejemplo anterior.
Esta reduccin de cerca de 25% se asegura a
expensas de perder cerca de 4.8% de todos los
clientes potenciales debido al espacio limitado
del estacionamiento.

MODELO DE SERVIDORES MLTIPLES EN PARALELO

LA COLA M/M/C

Pirula corta el cabello con la misma velocidad

que Chabuca.

c
1

n!

Pn

Cuando

P0

n c , se obtiene:

c! c n c

Pn

P0

1
c 1 c n
c c 1 1

c!
n 0 n!

Lq

c c c 1

c! 1 2

P0

L L q c

Wq

b. Qu mejora en el desempeo del sistema

podrn percibir los clientes cuando haya un
peluquero ms?
Solucin

Luego:
P0

a. Cunto ha disminuido la calidad del

servicio desde que la peluquera tiene ms
clientes?

Lq

W Wq

Como en el caso del modelo de cola con un solo

servidor, se requiere la condicin 1 para
garantizar que la cola no crezca sin lmite.
Problema 9:
Esttica La Chabuca es atendida por su
propietario, peluquero por ms de 20 aos.
Chabuca no hace citas, de modo que el patrn
de llegadas de sus clientes es esencialmente
aleatorio. Siempre ha sido ms o menos 1
cliente cada 50 minutos. Hace dos meses el
peridico local public un artculo sobre
Chabuca que hizo que el negocio mejorara
bastante. En la actualidad la tasa de llegada se
acerca ms a un cliente cada 35 minutos. Para
los cortes de pelo necesita un promedio de 25
minutos pero esos tiempos varan mucho,
dependiendo de las necesidades del cliente. Un
recorte podra durar tan slo 5 minutos, pero el
champ con estilo podra llevar hasta una hora
o ms. Por esta razn, parece que la
distribucin
exponencial
se
adapta
razonablemente bien para representar los
tiempos de servicio. Los clientes de Chabuca
siempre han sido pacientes pero desde que el
negocio mejor hay quienes se quejan que el
tiempo de espera es demasiado larga. Chabuca
est considerando llevar a su prima Pirula para
mejorar el servicio a los clientes. Suponga que

a. Primero calculamos las medidas de

desempeo del sistema antes de la aparicin
del reportaje periodstico. La figura N 01 es la
hoja de respuestas proporcionada por WinQSB.
Podemos apreciar que la peluquera estaba
ocupada la mitad del tiempo (=0.50).
Las medidas de desempeo muestran que, en
promedio, los clientes esperaron 0.4167 horas
(aproximadamente 25 minutos) por un corte de
pelo.
Despus que apareci en artculo, (Figura N
02) la tasa de llegadas aument a un cliente
cada 35 minutos. Estos implica que cambi a
1.7143 y =0.7143. Ahora las medidas de
desempeo indican que los clientes pueden
quejarse con razn debido a que, en promedio
tienen que esperar ms de una hora antes de
cortarse el cabello. De hecho, debido a que la
distribucin de Wq es exponencial, muchos
tendran que esperar mucho ms que eso.

b. Agregar
un
peluquero
ms
mejora
enormemente el desempeo del sistema. Con
dos peluqueros las medidas de desempeo se
muestran en la figura 03.
El sistema se encuentra ocupado, ahora, 36%
del tiempo.

Figura N 01
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, antes de la aparicin del artculo periodstico

Figura N 02
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, despus de la aparicin del artculo periodstico

El tiempo que tiene que esperar un cliente

antes de cortarse el cabello, cuando Chabuca
trabajaba sola era ms de una hora; ahora, con
su prima Pirula, el tiempo se reduce a menos
de cuatro minutos.

Figura N 03
Hoja de respuestas de WinQSB para el problema de Esttica La
Chabuca, con dos servidores.

LA COLA CON CAPACIDAD FINITA: M/M/1/k

En este modelo, si los clientes se presentan
cuando el rea de espera est llena, se van.
Estos problemas son comunes en restaurantes,
cines, salas de concierto, etc. Tambin puede
presentarse en algunos casos de manufacturas
en que los procesadores tienen capacidad
finita.
Las ecuaciones de las medicas de desempeo
son:
Pn

1 n
1 k 1

para n = 1, 2, 3,..., k

Para el caso de la sala finita de espera no es

necesario que 1 . De hecho, Pn tiene ese
valor para todos los valores de 1 . Cuando
1 resulta que todos los estados son
igualmente posibles; as que:
Pn

1
1
k 1 para 0 < n < k (slo cuando

Recuerde que no todos los clientes que llegan

entran al sistema. Cuando hay k o ms en el

sistema, la tasa de llegadas es cero, y entonces

la tasa general de llegadas es menor que . La
tasa efectiva de llegadas, ef se calcula como
sigue:

 ef P Cantidad en el sistema k
0 P Cantidad en el sistema k )

ef 1 P Cantidad en el sistema k
ef 1 Pk

Las medidas de desempeo se obtienen a partir

de L, la cantidad esperada de clientes en el
sistema, en estado estable.
L

k 1 k 1
1 k 1

Figura N 01
Hoja de respuestas de WinQSB para el problema del pintor
callejero.

L q L 1 P0

L
ef

Wq

Lq

ef

Problema 10:
En la plaza de Armas de Huaraz, se ha ubicado
un artista callejero que pinta una caricatura en
unos 5 minutos. Sin embargo, como los
tiempos que requiere cada dibujo cambian
considerablemente,
se
pueden
describir
bastante
bien
con
una
distribucin
exponencial. Las personas desean esperar su
turno, pero cuando hay ms de 10 optan por
irse y se les sugiere regresen despus. En las
horas pico cabe esperar que haya hasta 20
clientes por hora. Suponga que los clientes
llegan totalmente al azar en las horas pico.
a. Qu proporcin del tiempo tiene la cola su
mxima capacidad?
b. En promedio, cuntos clientes optan por
irse?
c. Determinar las medidas de desempeo para
este sistema de colas
d. Si el rea de espera duplicara su tamao,
cmo afectara a las respuestas de las
partes (a) y (b)?
Solucin
La tasa de llegada es =20 por hora; la lasa de
servicio es =12 por hora, de modo que
=20/12=1.667. El nmero mximo de clientes en
el sistema es K=11 (10 en la cola ms el cliente
que est siendo atendido).
Las medidas de desempeo se muestran en la
figura N 01.

a.

La probabilidad de que el sistema est lleno

es PK, que aparece dada por:
PK
PK

1 K
1 K 1
(1 1.6667)(1.6667) 11
1 1.667 12

184.25
0.40
459.5

Esta cantidad tambin se muestra en la figura

02, que es la hoja de respuestas del WinQSB y
muestra la distribucin de probabilidades para
este problema.

Figura N 02
Hoja de respuestas de WinQSB que muestra las
probabilidades para el problema del pintor callejero

Figura N 03
Hoja de respuestas de WinQSB que muestra las
probabilidades para el problema del pintor callejero
cuando se duplica el rea de espera

b. Como la tasa de llegadas es 20 por hora, y

el sistema est lleno 40% del tiempo, durante
los periodos pico se rechazan (20*0.40)=8
clientes por hora. Esto da la tasa de llegadas
efectiva igual a 12clientes por hora.
Observe que P0=0.0015, que indica una
probabilidad muy pequea que un cliente que
llegue no tenga que esperar para ser atendido,
lo que es un reflejo que el sistema rara vez est
vaco.
El tiempo que un cliente espera para ser
atendido es 0.7117 horas (aproximadamente 43
minutos) ms los cinco minutos que demora el
pintado, el cliente estara en el sistema. En
promedio, 48 minutos.
c. Si el rea de espera doblara su tamao,
entonces K=21
La figura N 03 muestra que P21=0.40; es decir
que al duplicar el rea de espera no se afecta la
probabilidad de que el sistema est lleno. Esto
se debe a que como la tasa de llegadas
sobrepasa la tasa de servicio, el sistema
alcanza su mxima capacidad rpidamente en
los dos casos. En ambos casos, la tasa efectiva
de llegadas es aproximadamente igual a la tasa
de servicio (aunque siempre ser verdad que la
tasa de llegadas efectiva es menor que la tasa
de servicio).

ANALISIS ECONOMICO DE LOS SISTEMAS DE COLAS

Con frecuencia, las decisiones que implican el

diseo de lneas de espera se basarn en una
evaluacin subjetiva de las caractersticas
operativas de la lnea de espera. Por ejemplo,
un administrador podra decidir que un tiempo
de espera promedio de un minuto o menos y
un promedio de dos clientes o menos en el
sistema son metas razonables. Pueden usarse
los modelos de lnea de espera presentados en
las secciones anteriores para determinar la
cantidad de canales que cumplir con las
metas de desempeo de la lnea de espera del
gerente.
Por otra parte, un administrador puede querer
identificar el costo de operar el sistema de lnea
de espera y luego, basar la decisin respecto al
diseo del sistema, en un costo de operacin
por hora o da mnimo. Antes de que pueda
llevarse a cabo un anlisis econmico de una
lnea de espera, debe elaborarse un modelo de
costo total, el cual incluye el costo de esperar y
el costo del servicio.
Para elaborar un modelo de costo total para
una lnea de espera, comenzamos por definir la
notacin que se va a usar:
Cw: Costo de esperar por periodo para cada
unidad.
Ls: Cantidad promedio de unidades en el
sistema.
Cs: Costo de servicio por periodo para cada
canal
k = Cantidad de canales
CT: Costo toal por periodo
El costo total es la suma del costo de esperar y
el costo del servicio; es decir:

CT C w L s C s k
Para realizar un anlisis econmico de una
lnea de espera debemos obtener estimaciones
razonables del costo de esperar y el costo del
servicio. De estos dos costos, por lo general el
de esperar es el ms difcil de evaluar. En el
problema de Happy Burger, el costo de
esperar sera el costo por minuto para un
cliente que espera por servicio. Este costo no es
un costo directo para Happy Burger; sin
embargo, si Happy Burger lo ignora y permite
lneas de espera largas, los clientes comern en
otra parte. Por tanto, Happy Burger

experimentar prdida en ventas y, en efecto,

incurrir en un costo.
Generalmente es ms fcil determinar el costo
del servicio. ste es el costo relevante asociado
con la operacin de cada canal de servicio; en
el problema de Happy Burger, incluira los
salarios y prestaciones del empleado y
cualquier otro costo directo asociado con la
operacin del canal de servicio. En Happy
Burger este costo se estima en $7 por hora.
Para demostrar el uso de la ecuacin de Costo
Total, suponemos que Happy Burger est
dispuesto a asignar un costo de $ 10 por hora
para el tiempo de espera del cliente. Usamos la
cantidad promedio de unidades en el sistema,
Ls, como se calcul anteriormente para obtener
el costo total por hora para los sistemas de un
solo canal y de canales mltiples.
Sistema de un solo canal (Ls=3 clientes)
CT C w L s C s k
CT 10(3) 7(1) $37.00 porhora

Sistema de dos canales (Ls=0.8727 clientes)

CT C w L s C s k
CT 10(0.8727) 7( 2) $22.73 porhora

Por tanto, con base en los datos de costo

proporcionados por Happy Burger, el sistema
de dos canales proporciona la operacin ms
econmica.
Problema
American Weavers; Inc. tiene una planta de
manufactura de tela en Georgia. La planta
tiene una gran nmero de mquinas tejedoras
que con frecuencia se atascan. Estas mquinas
son reparadas basndose en el procedimiento
de la primera en entrar, la primera en ser
revisada, por uno de los siete miembros del
personal de reparacin. Durante varios
recorridos, la gerente de produccin ha
observado
que,
en
promedio,
aproximadamente, de 10 a 12 mquinas estn
fuera de operacin en cualquier momento
debido a que estn atascadas. Ella sabe que
contratar personal de reparaciones adicional
bajara el nmero de mquinas sin funcionar,
lo cual traera como consecuencia un aumento
en la produccin, pero no sabe cuntas
personas ms debera contratar. Como asesor
se le ha mandado llamar a Ud. para que ayude
a determianr dicho nmero.

Solucin:
Clientes: mquinas tejedoras.

aumenta el personal de reparacin? Las

medidas de rendimiento asociadas para un
nmero entre 7 y 11 reparadores se muestran

Figura N 01
Medidas de rendimiento obtenidas con Win QSB para el
problema de American Weavers, Inc.

Poblacin: infinita

en la tabla N 01.

Servidores: siete, idnticos e independientes.

A medida que aumenta el tamao del personal

de 7 a 11, el nmero promedio de mquinas
fuera
de
operacin
disminuye
de
aproximadamente 12 a 6.333. Similarmente, la
cantidad promedio de tiempo que una mquina
est fuera de operacin disminuye de 0.4839
horas (aproximadamente 29 minutos) a 0.2533
horas (aproximadamente 15 minutos). Ahora
necesita informacin sobre los costos para
determinar cuntos reparadores adicionales, si
se requieren, deben contratarse.
Anlisis de costos del sistema de colas
Al analizar los mritos de contratar personal de
reparacin adicional en American Weavers,
Inc., usted debera identificar dos componentes
importantes:
1. Un costo por hora basado en el tamao del
personal.

Estrategia: primero en entrar, primero recibir

servicio.
Supuestos:
1. la aparicin de mquinas atascadas puede
ser aproximada por un proceso de llegadas de
Poisson con una tasa promedio de 25 por hora.
2. cada mquina atascada requiere de una
cantidad aleatoria de tiempo para su
reparacin, que puede ser aproximada por una
distribucin exponencial con un tiempo
promedio de servicio de 15 minutos, lo cual,
para cada servidor, significa una tasa
preomedio de cuatro mquians por hora.
3. Modelo de sistema: M/M/7; =25; =4 y una
poblacin y rea de espera infinita.
Los resultados obtenidos con el paquete
WinQSB con respecto a las medidas de
rendimiento se presentan en la figura N 01
Como puede ver, el gerente de produccin
haba estimado con bastante precisin el hecho
de que entre 10 y 12 mquinas estn
atascadas,
en
promedio;
en
cualquier
momento. De hecho, ese nmero en la hoja de
respuestas es 12.09. El reporte tambin indica
que las mquinas atascadas estn fuera de
operacin durante un tiempo promedio de
0.4839 horas, aproximadamente 29 minutos.
Como asesor, se le ha pedido a usted que
recomiende
el
nmero
de
reparadores
adicionales que se necesitaran contratar.
Usted conoce las medidas de rendimiento de un
total de siete trabajadores. De qu manera
cambian las medidas de rendimiento si se

Costo Total
de personal
por hora

Costo por hora

para cada
reparador

Nmero de
reparadores

2. Un costo por hora basado en el nmero de

mquinas fuera de operacin:
Costo total
por la =
espera

Costo por hora

para cada mquina
fuera de operacin

Nmero promedio
de mquinas fuera
de operacin

Para seguir adelante, necesita ahora conocer el

costo por hora de cada miembro del personal
de reparacin (denotado con Cs) y el costo por
hora de una mquina fuera de operacin
(denotado por Cw), que es el costo de una hora
de produccin perdida. Suponga que el
departamento de contabilidad le informa que

cada reparador le cuesta a la compaa $50 por

hora, incluyendo impuestos, prestaciones, etc.
El costo de una hora de produccin perdida
deber incluir costos explcitos, como la
cantidad de ganancias no obtenidas, y costos
implcitos, como la prdida de voluntad por
parte del cliente si no se cumple con la fecha
lmite de entrega. Estos costos implcitos son
difciles de estimar. Sin embargo, suponga que
el departamento de contabilidad estima que la
compaa pierde $100 por cada hora que una
mquina est fuera de operacin. Ahora ya
puede calcular un costo total para cada uno de
los tamaos de personal. Para un personal de
siete reparadores, el nmero esperado de
mquinas en el sistema es 12.0973 (Tabla N
01), de modo que:
Costo total = (Costo de personal)+ (Costo de la espera)
={(Costo por hora por persona) * (Nmero de
reparadores)}+{(Costo por hora por cada mquina fuera
de operacin)*(Nmero esperado de mquinas fuera de
operacin)}

=(50*7)+(100*12.0973)
=$1559.73 por hora
Realizando clculos parecidos para cada uno
de los tamaos de personal restantes se tiene
como resultado los costos por hora de cada
alternativa que presentamos en la Tabla N 02.
De los resultados, usted puede ver que la
alternativa que tiene el menor costo por hora,
$1,128.63, es tener un total de nueve
reparadores.
En
consecuencia,
Ud.
recomendar a la gerencia de produccin de
American Weavers, Inc., contratar a dos
reparadores adicionales. Estos dos nuevos
empleados tendrn un costo de $100 por hora,
pero este costo adicional est ms que
justificado por los ahorros que se tendrn con
menos mquinas fuera de operacin. La
recomendacin reducir el costo por hora de
$1,559.73 a $1,128.63, un ahorro aproximado
de $430 por hora, mayor que la cantidad que
cubre sus honorarios.

TABLA N 02
Costo por hora par diferentes tamaos de personal de reparacin
de American Weavers, Inc.
Tamao de Nmero esperado
Costo por hora
personal
en el sistema
7

12.0973

(50*7) + (100*12.0973) =1559.73

7.7436

(50*8) + (100*7.7436) =1174.36

6.7863

(50*9) + (100*6.7863) =1128.63

10

6.4594

(50*10) + (100*6.4594) =1145.94

11

6.3330

(50*11)+ (100*6.3330) =1183.30