Teoria de Colas16

INVESTIGACIN DE OPERACIONES
II
Universidad Nacional HERMILIO VALDIZAN
TEORIA DE COLAS
II
Sistemas de colas: modelo

bsico
Sistema de colas
Llegadas
Cola
Disciplin
a
de la
cola
Instalaci Salidas
n del
servicio
Numero de Servidores
...
Customers
Un
servidor
Multiples
servidores
Service
Center
...
Customers
Service
Centers
...
Multiples Servidores
sencillos
...
...
Customers
Service
Centers
LLEGADAS
SISTEMAS
DE COLAS
COLA
SERVICIOS
Sistemas de colas:
Las llegadas
Distribucin exponencial
La distribucin exponencial supone
una mayor probabilidad para

tiempos entre llegadas pequeos
En general, se considera que las
llegadas son aleatorias
La ltima llegada no influye en la
probabilidad de llegada de la
siguiente
Sistemas de colas:
Las llegadas
P(t)
P1: Es una funcin decreciente de t
(t>=0)
P2: Falta de memoria
P3: El mnimo de diversas variables
aleatorias exponenciales
independientes tiene una distribucin
exponencial
P4:Relacin con la distribucin de
Poisson
P6: No afecta agregar o desaregar
Media
Tiempo
Sistemas de colas:
Las llegadas
La forma algebraica de la distribucin exponencial :
P(tiempo de servicio t ) 1 e
Donde t representa una cantidad expresada en de tiempo
unidades de tiempo (horas, minutos, etc.)
Sistemas de colas:
Las llegadas
Distribucin DE POISSON
Es una distribucin discreta
empleada con mucha frecuencia

para describir el patrn de las
llegadas a un sistema de colas
Para tasas medias de llegadas
pequeas es asimtrica y se hace
ms simtrica y se aproxima a la
binomial para tasas de llegadas
altas
Sistemas de colas:
Las llegadas
Distribucin POISSON
Su forma algebraica es:
k
e
P(k )
k!
Donde:
P(k) : probabilidad de k llegadas
por unidad de tiempo

: tasa media de llegadas
e = 2,7182818
II
Sistemas de colas:
La cola
Los clientes esperan antes de recibir el
servicio
Las colas pueden ser finitas e infinitas.
Hay una disciplina de colas: FIFO, LIFO, de
manera aleatoria.
II
SISTEMAS DE
COLAS:
EL SERVICIO
Sistemas de colas:
EL SERVICIO
Es necesario seleccionar una
distribucin de probabilidad para los

tiempos de servicio
Hay dos distribuciones que
representaran puntos extremos:
La distribucin exponencial
(=media)
Tiempos de servicio constantes (=0)
Una distribucin intermedia es la distribucin Erlang
media
k
Esta distribucin posee un parmetro de forma k
que determina su desviacin estndar:
Si
k = 1, entonces la distribucin Erlang es igual a la
exponencial
Si
k = , entonces la distribucin Erlang es igual a la
distribucin degenerada con tiempos constantes

La forma de la distribucin Erlang vara de acuerdo con
Sistemas de colas: El servicio

P(t)
k=
k=8
k=2
k=1
Media
http://www.auladeeconomia.com
Tiempo
Sistemas de colas:
Distribucin Erlang
Distribucin
Constante
Desviacin estndar
0
Erlang, k = 1
media
Erlang, k = 2
1 / 2 media
Erlang, k = 4
1/2 media
Erlang, k = 8
Erlang, k = 16
1 / 8 media
1/4 media
Erlang, cualquier k
1 / k media
CONDICION DE ESTADO ESTABLE
< 1
II
NOMENCLATURA
A/B/s
Distribucin
de llegada
Distribucin
de servicio
Nmero de
Servidores
donde
M = Distribucin exponencial (Markovian)
D = Distribucin degenerada, determinstica
(constante)
G = Distribucin general
Ek=Distribucin Erlang (parmetro de forma k)
II
Datos conocidos
Tasa de llegada del cliente
= tasa de servicio
1/ = tiempo de servicio promedio
=
nmero de servidores
Se calcula
Lq
nmero promedio de clientes en la lnea
nmero promedio de clientes en el sistema
Wq =
= Tiempo promedio de espera en el sistema (incluyendo

tiempo de servicio)
Pn
Probabilidad de tener n clientes en el sistema
Utilizacin del sistema
tiempo promedio de espera en la lnea
II
M/M/1
MEDIDA DE RENDIMIENTO
FORMULA GENERAL
s
L=
L=
** W
W
Utilizacin
Utilizacin del
del sistema
sistema
U=
Nmero
Nmero promedio
promedio en
en el
el sistema
sistema
L
L
Nmero
Nmero promedio
promedio en
en la
la fila
fila
Lq
Lq
Tiempo
Tiempo promedio
promedio de
de espera
espera en
en el
el
sistema
sistema
W
W
Tiempo
Tiempo promedio
promedio de
de espera
espera en
en la
la
cola
cola
Wq
Wq
Probabilidad
Probabilidad de
de que
que no
no haya
haya
clientes
clientes en
en el
el sistema
sistema
Po
Po
Po = 1 -
Probabilidad
Probabilidad de
de que
que un
un cliente
cliente que
que
llega tenga que esperar
Pn
Pn
Pn =
2
Lq

1
W Wq
*Po
L Lq
m/m/1
Ls
1
Ws

Pn (1 )
P(Ws t ) e
Lq
( )
Wq
( )
2
(1 ) t
P ( Ls n)
n 1
P(Wq t ) e
t 0, 1
(1 ) t
M/M/s, una lnea de espera
P0
s s 1 n

s n 0 n!
s
Lq
P
Ls Lq
2 0
( s 1)!( s )
Ws Wq
Pn
s!
n
P0 , si n k
s! s n s
Pn
Wq
n
P0 , si n k
n!
Pw
1 s s

P0
s! s
Lq
Model (M/M/s)
Formulas
Probabilidad que sistema este vacio :
P0
s1
n0
Probabilidad de n clientes en el sistema:
/ n / s
n!
( / )n
n! P0
Pn
n
s!s ns P0
Probabilidad de que un nuevo cliente vaya a esperar:
s!(1 )
forn 1K , s
forn s
P0
Pw
s!(1 )
Numero promedio en linea:
( / )s1
Lq P0
2
(s
1)!(s
Variacin de cola finita al modelo m/m/s

llaMado modelo M/M/S/K
No se permite que el nmero de clientes exceda un nmero
especificado (denominado por k), por lo que la capacidad de

la cola es K-s.
A cualquier cliente que llega cuando la cola esta llena se le
niega la entrada al sistema y este cliente lo deja para
siempre
La tasa media de entrada se vuelve cero, por lo que la nica
modificacin necesaria al modelo M/M/s para introducir una
cola finita es cambiar los parmetros n a
n= para n= 0,1,2,3,K-1
0
para n>= k
Como n = 0 para algunos valore de n, alcanzar en algn
momento la condicin de estado estable, an cuando = /s

>= 1
Ejemplo, Sala de emergencias con k camillas.
Un caso especial de este modelo es s cuando K = s, de
manera que la capacidad de la cola es K-s=0. En este

caso los clientes que llegan cuando los servidores estn
ocupados dejan el sistema de inmediato y se pierden.
ESTO OCURRIRA POR EJEMPLO EN UNA RED TELEFONICA
CON S LINEAS TRONCALES DE MANERA QUE CUANDO
TODA LAS LINEAS ESTEN OCUPADAS QUIEN LLAMA
OBTIENE UNA SEAL DE OCUPADO Y CUELGA. Este tipo
de sistemas (un sistema de colas sin cola se conoce
como un sistema de perdidas de ERLANG, en honor a
Erlang un ingeniero de telefona holands.
VARIACIN DE FUENTE DE
ENTRADA FINITA AL MODELO m/m/S
Suponga que la nica diferencia con el Modelo M/M/s es
que la fuente de entrada es limitada, es decir el TAMAO

DE LA POBLACIN POTENCIAL ES FINITO.
La poblacin es N, cuando el nmero de clientes en el
sistema es n, existen solo (N-n) clientes potenciales
restantes en la fuente de entrada
La aplicacin mas importante es el problema de
reparacin de mquinas en el que se asigna a uno
o mas tcnicos o personas de mantenimiento la
responsabilidad de mantener en operacin cierto
grupo de N mquinas dando servicio a las que se
descomponen
UN PROMEDIO DE 10 AUTOMOVILES POR
HORA LLEGAN A UNCAJERO CON UN

SOLO SERVIDOR QUE PROPORCIONA
SERVICIO SIN QUE UNO DESCIENDA DEL
AUTOMOVIL. SUPONGA QUE EL TIEMPO
DE SERVICIO PROMEDIO POR CADA
CLIENTE ES 4 MINUTOS Y QUE TANTO
LOS TIEMPOS ENTRE LLEGADAS Y DE
SERVICIO SON EXPONENCIALES
Cul es la probabilidad de que el cajero
este ocioso?
Calcular medidas de rendimiento del
SUPONGA QUE TODOS LOS DUEOS DE LOS AUTOMOVILES
ACUDEN A LA GASOLINERIA CUANDO SUS TANQUES ESTAN A

LA MITAD. EN EL MOMENTO ACTUAL LLEGAN UN PROMEDIO
DE 7.5 CLIENTES POR HORA A UNA GASOLINERA QUE TIENE
UNA BOMBA. SE REQUIERE UN PROMEDIO DE 4 MINUTOS
PARA SERVIR A UN AUTOMOVIL, SUPONGA QUE LOS TIEMPOS
ENTRE LLEGADAS Y DE SERVICIO SON EXPONENCIALES.
CALCULE L Y W PARA LAS CIRCUNTANCIAS ACTUALES
SUPONGA QUE HAY UN DEFICIT DE GASOLINA Y QUE HAY COMPRAS DE PANICO.
PARA MODELAR ESTE FENOMENO SUPONGA QUE TODOS LOS DUEOSDE LOS
AUTOMOVILES VAN A LA GASOLINERIA CUANDO SUS TANQUES ESTAN LLENOS
PARTES . COMO CADA DUEO AHORA PONE MENOS GASOLINA EN EL
TANQUE CADA VEZ QUE VA A LA GASOLINERA, SUPONEMOS QUE EL TIEMPO DE
SERVICIO PROMEDIO SE REDUCE A 3 MINUTOS Y UN TERCIO.
QUE TANTO AFECTAN A L Y W LAS COMPRAS DE PANICO
l= 7.5 AUT/HORA
M=15 AUT/HORA
P = 7.5/15 = 0.50
L = 0.50/(1 0.50)= 1
W = L/l = 1 / 7.5= 0.13 HORAS =
2)
L= 2(7.5 ) = 15 AUT/HRA (ESTO SE INFIERE PORQUE CADA
DUEO LLENARA SU TANQUE 2 VECES)

M= 60/3.33= 18 AUTOM/HRA
P= 15/18= 5/6
L= 5
W= 5/15 = 1/3 = 20 MINUTOS LARGAS COLAS
Modelos de colas con

distribuciones no exponenciales
Modelo 2 (M/G/1)
Formulas
2 2 2
Lq
2 1
P0 1

Ls Lq
Lq
2(1 )
Lq
1
Ws Wq
Wq
P0 1
Pw
1
2
2
Lq
2
p <= 1
estado estable
Frmula de Polacsek-Khintchine en honor a dos
investigadores de teora de colas
M/D/1
2
Ls Ws
Lq
2(1 )
Lq
1
Ws Wq
Wq
MODELO M/EK/1
(k 1)
Ls Ws
Lq
2k (1 )
Lq
1
Ws Wq
Wq
1
2
Aplicacin de teoria de Colas

Cuantos servidores usar
Usar un servidor rpido
o varios servidores lentos
Tener un servidor
general o un servidor
para una tarea especfica
Objetivo:
Minimizar costo total = costo del servidor + costo de espera
Minimizar costo total

Minimizar:
Costo total = Costo del servidor +

Costo de espera
E(CT) = E(CS) + E(CW)
E(CT) = Cs.s + Cw.L
E(CT)= Costo total esperado por unidad de tiempo

E(CS)= Costo de servicio esperado por unidad de tiempo
E(CW)= Costo de espera por unidad de tiempo
Cs= Costo por hora de tener un servidor disponible
Cw= Costo por hora de tener una persona esperando en
el sistema (es un costo muy difuso o cualitativo)
Monte seleccion el nmero de tcnicos de laboratorio que se deban
contratar observando las caractersticas de operacin y utilizando su

propio juicio:
Monte observa que el costo del paciente es irrelevante para su
decisin excepto en el sentido de que afecta la disposicin del
paciente a utilizar el hospital. Realmente no importa quien este
esperando -un asesor que cobra $250 la hora o un desempleado sin
costo de oportunidad- a menos de que el tiempo de espera persuada
al paciente a utilizar algn otro centro de salud. No hay otro lugar al
cual acudir!.
Suponga que las clnicas para pacientes externos pudieran procesar
50 pacientes nuevos cada da, pero el laboratorio de hematologa tan
solo 10 pacientes por da, en este caso se estara desperdiciando un
recurso valioso.
Parametros del costo Si estamos dispuestos a estimar ciertos costos
se puede elaborar modelos de costo esperado de sus sistemas de
colas de espera.
Suponiendo que
= 0,2 personas /minuto
= 0,125 personas /minuto
Cs = $50 /servidor/hora
Cw= $100/clientes/hora
Jornada = 8 horas
S=??????
http://www.supositorio.com/rcalc/rcalclite_e
sp.htm
Costo de servidor/hora
Cto de esperar/hora
No. de horas por

turno
50
100
No de servidores
3
4
Costo del servidor Costo de la espera

Cs*s
Cw*L
4.444
800
3555.2
1.9129
1.6605
1200
1600
1530.32
1328.4
4355.2
2730.32
2928.4
800
1200
1600
20
1511.04
1506.064
1865.68
40
2222.08
1812.128
2131.36
60
2933.12
2118.192
2397.04
80
3644.16
2424.256
2662.72
100
4355.2
2730.32
2928.4
120
5066.24
3036.384
3194.08
Costo de espera / hora
Costo Total
4355.2
2730.3
2
2928.4
8000
7000
6000
5000
2 servidores
4000
3 servidores
4 servidores
3000
2000
1000
0
0
20
40
60
80
100
120
140
160
180
Ej. Cola de espera finita
Modelo de colas con disciplina

de prioridades
CON INTERRUPCIN
SIN INTERRUPCIN
La disciplina de la cola se basa en un sistema
prioritario
Ambos modelos suponen que existen N clases
de prioridad:
1 PRIORIDAD MAS ALTA
N PRIORIDAD MAS BAJA
Con las prioridades SIN interrupcin NO se puede

regresar a la cola
Con las prioridades CON interrupcin SI se puede
regresar a la cola
Los dos modelos se ajustan al modelo M/M/s,
excepto por el orden que se atienden a los clientes
Modelo con prioridades sin

interrupcin

Wk=
para K = 1,2,3,N
Donde:
A= s!
Bo = 1
Bk =
Wk = tiempo esperado de espera en el sistema en estado

estable (incluyendo tiempo de servicio) para un
miembro de la clase de prioridad k
Estos resultados suponen que:
r=
s
nmero de servidores
==tasa
media de servicio por servidor
ocupado
= tasa media de llegadas para la clase
de prioridad i
La frmula de Little a las clases individuales de prioridad por lo
que:
Lk= Nmero esperado de miembros de la clase de prioridad k en
el sistema de colas (incluso los que estn en servicio) es:
Lk = kWk
Lq = Tiempo esperado de espera en la cola (sin incluir el tiempo de servicio) para la clase de
Modelo con prioridades con

interrupcin
Wk=
para K = 1,2,3,N
En el caso de un servidor
Cuando s>1 la Wk se puede calcular
mediante un proceso iterativo

La Lk definida satisface la relacin
Lk= kWk
Ej. Hospital General con prioridades

Pacientes divididos en categoras
1) Casos crticos
2) Casos serios
3) Casos estables
Se atiende a pacientes en orden de prioridad.
El mdico interrumpe el tratamiento a un paciente si llega un
caso nuevo de una categora de prioridad alta.
Aproximadamente el 10%de pacientes caen en la primera
categora, 30% en la segunda y 60% en la tercera. Cuando los
enfermos graves se internan en el hospital despues de recibir el
tratamiento urgente, el tiempo promedio de tratamiento por u
medico en la sala de urgencias en realidad no difiere mucho
entre categoras.
=
El ingeniero ha decidido emplear el modelo
de colas con prioridades

Dado los datos que se tenan
=3 clientes /hora
=2 clientes / hora
Los porcentajes anteriores conducen a
1= 0,2
2=0,3
3=0.6
CON INTERRUPCION
S= 1
SIN INTERRUPCION
S=2
S=1
S=2
4.5
36
B1
0.933
0.933
0.967
B2
0.733
0.733
0.867
B3
0.333
0.333
0.667
W1 - 1/
0.024
0.00037
0.238
0.029
W2 - 1/
0.154
0.00793
0.325
0.033
W3 - 1/
1.033
0.06542
0.889
0.048
1.44
0.0222
14.28
1.74
9.24
0.4758
19.5
1.98
61.98
3.9252
53.34
2.88
El Ingeniero recomend que se asignaran dos mdicos a la sala de

urgencias durante las primeras horas de la tarde el prximo ao.
El Consejo directivo aprob esta recomendacin y al mismo tiempo
aumento el costo por uso de sala de urgencias
En un modelo M/M/s del Hospital

= 3 clientes por hora
=2 clientes /hora
P
Lq
L
Wq
W
S=1
S=2
2/3
4/3
2
2/3 horas
1 hora
1/3
1/12
1/24 horas
3/8 horas

Teoria de Colas16

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Teoria de Colas16

Încărcat de

Drepturi de autor:

Formate disponibile

INVESTIGACIN DE OPERACIONES

Sistemas de colas: modelo

Universidad Nacional HERMILIO VALDIZAN

una mayor probabilidad para

Donde t representa una cantidad expresada en de tiempo

unidades de tiempo (horas, minutos, etc.)

empleada con mucha frecuencia

por unidad de tiempo

Es necesario seleccionar una

distribucin de probabilidad para los

Esta distribucin posee un parmetro de forma k

que determina su desviacin estndar:

k = 1, entonces la distribucin Erlang es igual a la

k = , entonces la distribucin Erlang es igual a la

distribucin degenerada con tiempos constantes

Sistemas de colas: El servicio

CONDICION DE ESTADO ESTABLE

Tasa de llegada del cliente

nmero promedio de clientes en la lnea

nmero promedio de clientes en el sistema

= Tiempo promedio de espera en el sistema (incluyendo

Probabilidad de tener n clientes en el sistema

Utilizacin del sistema

tiempo promedio de espera en la lnea

M/M/s, una lnea de espera

Probabilidad de n clientes en el sistema:

Probabilidad de que un nuevo cliente vaya a esperar:

Numero promedio en linea:

Variacin de cola finita al modelo m/m/s

especificado (denominado por k), por lo que la capacidad de

Como n = 0 para algunos valore de n, alcanzar en algn

momento la condicin de estado estable, an cuando = /s

Un caso especial de este modelo es s cuando K = s, de

manera que la capacidad de la cola es K-s=0. En este

que la fuente de entrada es limitada, es decir el TAMAO

UN PROMEDIO DE 10 AUTOMOVILES POR

HORA LLEGAN A UNCAJERO CON UN

SUPONGA QUE TODOS LOS DUEOS DE LOS AUTOMOVILES

ACUDEN A LA GASOLINERIA CUANDO SUS TANQUES ESTAN A

DUEO LLENARA SU TANQUE 2 VECES)

Modelos de colas con

Frmula de Polacsek-Khintchine en honor a dos

investigadores de teora de colas

Aplicacin de teoria de Colas

Minimizar costo total

Costo total = Costo del servidor +

E(CT)= Costo total esperado por unidad de tiempo

Monte seleccion el nmero de tcnicos de laboratorio que se deban

contratar observando las caractersticas de operacin y utilizando su

No. de horas por

Costo del servidor Costo de la espera

Costo de espera / hora

Ej. Cola de espera finita

Modelo de colas con disciplina

La disciplina de la cola se basa en un sistema

Con las prioridades SIN interrupcin NO se puede

Modelo con prioridades sin

Wk = tiempo esperado de espera en el sistema en estado

Estos resultados suponen que:

La frmula de Little a las clases individuales de prioridad por lo

Modelo con prioridades con

mediante un proceso iterativo

Ej. Hospital General con prioridades

de colas con prioridades