3 Teoria de Colas

Universidad de La Serena
Facultad de Ingeniera
Departamento de Ingeniera Civil
Industrial
III.- TEORIA DE COLAS
La teora de colas, trata del estudio y anlisis matemtico

de la colas o lneas de espera.
Las colas son un fenmeno que ocurre siempre que la
demanda por un servicio, es mayor que la capacidad del
sistema de satisfacer dicho servicio.
Como es difcil predecir Cundo se necesitar del
servicio?, las decisiones son difciles de tomar.

Industrial
Proporcionar demasiado servicio, implica costos
excesivos, pero no carecer de la capacidad de atencin
suficiente (de acuerdo a la demanda), provoca las colas o
lneas de espera. Las que si son largas, tambin implican
un costo, que puede llegar a ser muy elevado.
Por lo tanto el objetivo es alcanzar un equilibrio entre
ambas posiciones. Es decir un balance econmico entre
el costo de servicio y el costo asociado a la espera de
atencin de dicho servicio.
III.- Teora de Colas

Industrial
Estructura Bsica de un Modelo de Colas
Los clientes que requieren un servicio, se generan (nacen) a
travs del tiempo en una fuente de entrada.
Estos clientes entran al sistema de cola (se unen a la cola).
En determinado momento, se selecciona un miembro de la
cola para proporcionarle servicio, mediante alguna regla
conocida como disciplina de la cola (o disciplina de servicio).
Despus en un mecanismo de servicio, se ejecuta el servicio
al cliente.
Finalmente el cliente sale de la cola.

Industrial
Sistema de Colas
Fuente
de
Entrada
Cola
Mecanismo
de
Servicio
Cliente
Servido
Proceso Bsico de Colas


Industrial
Fuente de Entrada:
La caracterstica principal de la fuente de entrada es su
tamao. O sea el nmero total de clientes que pueden
requerir el servicio en un momento determinado.
La poblacin de donde surgen las unidades que llegan,
recibe el nombre de Poblacin de Entrada.
El tamao de la poblacin puede ser finito o infinito.
Se establece como infinito, cuando el tamao de la
poblacin es relativamente grande.
Se debe especificar el patrn estadstico mediante el cual
se generan los clientes a travs del tiempo. La suposicin
normal es que se generen de acuerdo a un proceso de
Poisson.

Industrial
Fuente de Entrada:
Un Proceso de Poisson, significa que el nmero de
clientes que llegan hasta un tiempo especfico tiene una
distribucin Poisson.
Este caso ocurre cuando las llegadas al sistema ocurren
en forma aleatoria, pero a una cierta tasa media fija y
sin importar cuantos clientes estn ah.
Una suposicin equivalente es que la distribucin de
probabilidades del tiempo que transcurre entre dos
llegadas consecutivas, definido como el tiempo entre
llegadas, es exponencial.

Industrial
Lnea de Espera (Cola):
Se caracteriza por un nmero mximo permisible de
clientes que puede admitir
Las colas pueden ser finitas o infinitas. La suposicin de
infinita es la estndar para la mayor parte de los modelos.
Disciplina de la Cola:
Se refiere al orden en como se seleccionan los clientes en
la cola para ser atendidos (para recibir el servicio).
FIFO: 1ro que llega es el 1ro en ser atendido.
LIFO: Ultimo que llega es el 1ro en ser atendido.
SIRO: Se atiende en forma aleatoria.
Se supone normal, atender segn FIFO.


Industrial
Mecanismo de Servicio:
Consiste en una o mas instalaciones de servicio, cada una
de ellas con uno o mas canales paralelos de servicios,
llamados servidores.
Si existe mas de una instalacin de servicio, se puede
presentar que al cliente se le atienda en serie. Cuando un
cliente entra en ste ltimo caso, el servidor le presta el
servicio completo.
Se debe especificar el tipo de atencin que se dar al
cliente. (Como esta configurado el tipo de atencin).
El tiempo que transcurre desde el inicio del servicio hasta
que es completamente atendido, recibe el nombre de
tiempo de servicio.
Se debe especificar la distribucin de probabilidades del
tiempo de servicio para cada servidor.

Industrial
Sistema de Colas
oo o o
Clientes
Servidos
Fuente
de
Entrada
Cola
x Instalacin
x
de
x Servicio
oooooo
o o oo
Clientes
Servidos
Sistema Elemental de Colas


Industrial
Nomenclatura de los Modelos de Colas:
Se utiliza en forma estndar la Notacin de Kendall-Lee.
(a/b/c):(d/e/f)
Donde:
a Distribucin de Llegadas
b Distribucin del Tiempo de Servicio (o de salidas)
c Nmero de Servidores en Paralelo (1,2oo)
d Disciplina de Servicio (FIFO, LIFO, SIRO)
e Nmero Mximo de Clientes admitidos en el sistema.
(en linea de espera + en servicio)
f Tamao de la Fuente de Llamadas.

Industrial
La notacin estndar, reemplaza los smbolos a y b de

llegadas y salidas por los cdigos:
M Distribucin de Llegadas o Salidas de Poisson
D Tiempo entre llegadas o de servicio constante o
determinista
Ek Distribucin de Erlang o gamma de la distribucin
de tiempos entre llegadas o de servicio con el
parmetro k
GI Distribucin de llegadas general independiente (o
tiempo entre llegadas)
G Distribucin de salidas general (o tiempo de
servicio)

Industrial
Ejemplo:
(M/D/10):(DG/N/oo)
Se tiene llegadas con Poisson, con un tiempo de servicio
constante y 10 servidores en paralelo.
La disciplina de servicio es general (DG puede ser
cualquiera FIFO,LIFO, SIRO o cualquier procedimiento
que puedan utilizar los servidores para decidir el orden en
que se escoger a los clientes de la linea de espera para
iniciar el servicio).
Independiente de cuantos clientes lleguen a la instalacin,
el sistema (lnea de espera+servicio) tiene una capacidad
mxima de N clientes.
La fuente que genera los clientes que ingresan a la
instalacin, tiene una capacidad infinita.

Industrial
Terminologa y Notacin:
Se utilizar la siguiente simbologa, a menos que se
especifique otra cosa.
Estado del Sistema Nmero de Clientes en el Sistema
Longitud de la Cola Nmero de Clientes en espera de
Servicio Estado del sistema mnos el Nmero de Clientes
que estn siendo servidos
N(t) Nmero de Clientes en el Sistema de Colas en el
tiempo t (t 0)
Pn(t) Probabilidad de que exctamente n clientes estn en
el sistema en el tiempo t, dado el nmero en el
tiempo 0.
s Nmero de Servidores en el sistema de Colas en
paralelo.

Industrial
Terminologa y Notacin:
n Tasa media de llegadas (Nmero esperado de llegadas

por unidad de tiempo) de nuevos clientes, cuando hay
n clientes en el sistema. Cuando n es constante para
toda n, esta constante se denota por .
n Tasa media de servicio para todo el sistema (nmero
esperado de clientes que completan su servicio por
unidad de tiempo) cuando hay n clientes en el sistema.
Tambin representa la tasa combinada a la que todos
los servidores ocupados (aquellos que estan sirviendo
a un cliente) logran terminar sus servicios. Si la tasa
media de servicio n es constante para toda n 1, esta
constante se denota por .
Nota:

Industrial
Si y son constantes, entonces n = s cuando n s, es

decir cuando los s servidores estn ocupados. En estas
circunstancias, 1/ y 1/ son los tiempos entre llegadas
esperados y los tiempos de servicios esperados
respectivamente.
As mismo = /s representa el factor de utilizacin para la
instalacin de servicio, o sea la fraccin esperada de tiempo
que los servidores individuales estn ocupados.

Industrial
Terminologa y Notacin (continuacin):
Pn pn Probabilidad de que exactamente n clientes se
encuentren en el sistema.
L Nmero esperado de clientes en el sistema.
Lq Longuitud esperada de la cola (excluye los clientes que
estn en servicio).
W Tiempo de espera en el sistema (incluye el tiempo de
servicio) para cada cliente.
W E(W).
Wq Tiempo de espera en la cola (excluye el tiempo de
servicio) para cada cliente.
Wq E(Wq).

Industrial
Relaciones entre L, W, Lq y Wq:
Si n es una constante para toda n; entonces:
L = * W Para un proceso de colas en estado estable.
Y
Lq = * Wq Frmula de Little.
Si las n no son iguales, entonces se puede sustituir en stas

ecuaciones por p, que ser la tasa promedio entre llegadas a
la larga.
Ahora si el tiempo medio de servicio es una constante 1/, para
toda n 1, entonces:
W = Wq + 1/

Industrial
Funciones de las Distribuciones de Poisson y Exponencial:
Dada la situacin de espera en donde el nmero de llegadas y
salidas (realizado el servicio), durante un intervalo de tiempo,
es controlado por las siguientes condiciones:
Condicin 1: La probabilidad de que el evento (llegada o
salida) ocurra entre los tiempos t y t+h, depende nicamente de
la longitud de h. Es decir que la probabilidad no depende del
nmero de eventos ni del valor especfico del perodo (0,t).
La
funcin
de
probabilidades
tiene
incrementos
independientes estacionarios.

Industrial
Condicin 2: La probabilidad de que ocurra un evento durante

un intervalo de tiempo muy pequeo h es positiva, pero menor
que 1.
Condicin 3: Cuando mucho puede ocurrir un evento durante
un intervalo de tiempo muy pequeo h.
Las tres condiciones anteriores, describen un proceso donde el
conteo de eventos durante un intervalo de tiempo dado, sigue
la distribucin de Poisson o que, el intervalo de tiempo entre
eventos sucesivos, es exponencial. Por lo tanto las
condiciones representan un proceso de Poisson.

Industrial
Entonces por la Condicin 1, la probabilidad de que no ocurra

ningn evento durante el tiempo t+h es:
po(t+h)=po(t)*po(h)
Para h>0 y suficientemente pequea, la condicin 2 indica que:
0< po(h)<1
Bajo stas condiciones, la ecuacin anterior tiene la siguiente
solucin:
-t
po(t)=e ,
t0

Industrial
Sea f(t), la funcin de densidad de probabilidades del intervalo

de tiempo t entre la ocurrencia de eventos sucesivos, t 0
Suponga que T es el intervalo de tiempo desde la ocurrencia
del ltimo evento, entonces:
P{ el tiempo entre eventos } = P{ no ocurren eventos }
excede a T
durante T
En trminos matemticos:
f (t )dt p (T ) e
0
, t 0

Industrial
O bien:
f (t )dt 1 e t , t 0
Derivando:
f (t ) e
, t 0
(exponencial)
E (t )
Que es una fdp tipo exponencial con media

unidades
de tiempo. Como f(t) es una distribucin exponencial, pn(t) debe
ser una distribucin de Poisson, o sea:
( t ) n e t
pn (t )
, n 0 1, 2, ......
n!
(Poisson)

Industrial
El valor medio de n durante un perodo dado de t es E{n|t}=t

eventos. Donde representa la tasa a la que ocurren los
eventos.
Luego si el intervalo de 1tiempo entre eventos sucesivos es
exponencial con media unidades de tiempo, entonces el
nmero de eventos en un perodo dado debe corresponder a
una distribucin de Poisson con tasa media de ocurrencia .
Nota.- Realice el anlisis de el proceso de Poisson es un
proceso completamente aleatorio.

Industrial
Ejemplo:
Una mquina en un proceso productivo, tiene siempre una
unidad de reserva para su reemplazo inmediato en caso de
falla. El tiempo para que ocurra la falla de la mquina o de su
unidad de reserva es exponencial con media 10 horas.
Cul es la probabilidad de que ocurra una falla en un intervalo
de 5 horas.?
Cul es la probabilidad de que no ocurra ninguna falla.?

Industrial
Desarrollo:
Las fallas ocurren a una tasa de 0.1 eventos por hora.
La distribucin exponencial del tiempo para que ocurra una
0.1 t
falla, est dada por :
f (t ) 0.1 e , t 0
En tanto que la distribucin de Poisson del nmero de fallas en
un perodo T, est dada por:
n
(0.1t ) e
pn (t )
n!
0.1 t
, n 0 1, 2, ......

Industrial

Desarrollo:
La probabilidad de que ocurra una falla en el intervalo de 5

horas estar dada por:
5
P t 5 f (t )dt 1 e 0.5 0.393

0
La probabilidad de que ocurra una falla despus de 6 horas, a

partir de ahora, considerando que la ltima falla tuvo luar hace
3 horas ser:
P t 9 / t 3 P t 6 e
0.1*6
0.549

Industrial

Desarrollo:
La probabilidad de que no ocurra una falla en 24 horas en

trminos de fdp Poisson ser:
0
(0.1* 24) e
p0 (24)
0!
0.1* 24
e 2.4 0.091
Se debe dar lo mismo que:
P t 24 0.1e 0.1t dt e 2.4 0.091

24

Industrial
Tarea:
Desarrolle los ejercicios propuestos: 5.2.1 a y b

Industrial
Proceso de Nacimiento y Muerte Pura:
Se refiere al proceso de nacimiento o de la generacin de
elementos para ingresar a un sistema de colas basado en el
concepto de que los nacimientos ocurren con una aleatoriedad.
Si stos nacimientos son asociado a una fdp Poisson. Se tiene
entonces que el proceso de nacimiento puro de tener n arribos
o llegadas a la cola durante un perodo de tiempo t se puede
describir con:
( * t ) n e * t
vn (t )
,
n!
n 0, 1, 2,....

Industrial
Se refiere al proceso de atencin y de la fdp asociada a dicho

tiempo. Teniendo presente una cantidad inicial de elementos en
el sistema N al momento del anlisis, se podr determinar la
probabilidad asociada de tener n elementos en el sistema
despus de un tiempo t.
Esto se representa con la siguiente fdp. Truncada de Poisson:
* t
( * t )
e
pn (t )
( N n)!
N n
n 0, 1, 2,.......N
p0 (t ) 1 pn (t )
n 1

Industrial
Tarea:
Desarrolle los ejercicios propuestos: 5.3.2 a, b, c, d, y e

Industrial
Medidas de Desempeo Estable:
Como hemos visto anteriormente, una vez determinada la
probabilidad pn de estado estable del sistema, se puede
calcular sus indicadores o medidas de desempeo de dicho
sistema:
Si
Ls = nmero de clientes en el sistema
Lq = nmero de clientes en la cola
Ws = tiempo estimado en el sistema
Wq = tiempo esperado en la cola
Ls npn
n 0
Lq
(n c) p
n c 1
n

Industrial
Por otro lado ef tasa promedio efectiva de llegadas, entonces:
Ls ef Ws
Lq ef Wq
El valor de ef se determina a partir de la n dependiente del

estado y las probabilidades pn de:
ef n pn
n 0

Industrial
Tambin existe relacin directa entre Ws y Wq:

Tiempo de Espera estimado Tiempo de Espera Estimado Tiempo Estimado
en el sistema
en la fila
de Servicio
Dado que es la tasa de servicio por servidor activo, el tiempo

estimado de servicio es 1/, y obtenemos que:
1
Ws Wq
Multiplicando ambos miembros de la ecuacin por ef, se

obtiene:
ef
Ls Lq

Industrial
La utilizacin estimada de servicio, se define como una funcin

del nmero promedio de servidores activos. Como la diferencia
entre Ls y Lq debe ser igual al nmero estimado de servidores
ocupados, se tiene:
ef
Nmero Estimado
c Ls Lq
de Servidores Activos
El porcentaje de utilizacin de un servicio con c servidores en

paralelo, se calcula como:
c
% Utilizacin *100
c
Resumiendo:
Ls
1
pn Ls npn Ws
Wq Ws Lq ef Wq c Ls Lq
ef
n 0

Industrial
Ejemplo:
Considerando el ejemplo antes visto, en donde hay una lnea

de espera con un solo servidor, las tasa de llegadas y salidas
son constantes e igual a ef =3 llegadas por hora y n=8 salidas
por hora para toda n>=0, entonces = n = 3 llegadas/hora. As
entonces calculamos:
ef = 3*(p0+p1+p2+.) = 3 llegadas/hora
Ls npn 0 * 0 * 0.625 1* 0.234 2 * 0.088

n 0
3 * 0.033 4 * 0.012 5 * 0.005 6 * 0.002

7 * 0.001 0.6 clientes
Ejemplo:

Industrial
Usando: Ls ef W , se obtiene el tiempo de espera en el sistema :

Ws
Ls 0.6
0.2 horas
ef
3
Ahora, el tiempo estimado de espera en la fila :

1
1
Wq Ws 0.2 0.075 horas
8
Y el nmero esperado en la fila ser :
Lq ef Wq 3 * 0.075 0.225 clientes
Finalmente como la instalacin tiene un solo servidor c 1 y :
Ls Lq
c
0.6 0.225
% Utilizacin *100
*100
*100 37.5%
c
1
1

Industrial
Lneas de Espera Especializadas de Poisson:
1.- (M/M/1);(DG/oo/oo)
Modelo de servidor nico sin lmite en la capacidad del sistema
o de la fuente de llegadas.
Las tasas de llegadas son independientes del nmero en el
sistema; es decir: n = para toda n, tambin se supone que el
servidor nico en el sistema completa el servicio a una tasa
constante; n = para toda n.
Entonces el modelo tiene llegadas y salidas de Poisson con
tasas medias y
Se infiere que ef = . Ahora bien definiendo = , la
expresin para pn para n en el modelo generalizado, se reduce
a:
pn = n p0, n = 0, 1, 2.

Industrial
Sistema de Colas con
Capacidad de Atencin
Infinita
Fuente
de
Entrada
Infinita
oo o o
Clientes
Servidos
Instalacin
ox
de
Servicio
1 Servidor
Cola
oooooo
o
o
o
o
o o oo
Clientes
Servidos
Modelo (M/M/1):(DG/oo/oo)

Industrial
Determinamos po considerando que la suma de todas las pn

para n = 0, 1, 2,.. es igual a 1; se tiene:
po(1++2+3+.) = 1
Suponiendo que < 1 nos queda:
p0
O bien:
p0 = 1
1
1
1
Generalizando:
pn = (1-) n, n = 0, 1, 2, ..para (MM/1):(DG/oo/oo)
Que es una distribucin geomtrica.
Con < 1 => la convergencia de la serie, esto es queIII.-
Teora de Colas

Industrial
La medida Ls, se puede definir como:
n 0
n 0
Ls npn n(1 ) n
d n
(1 )
dp n 0
(1 )
1-
d 1
dp 1
1-
2
Ls
Ls E n
Lq
Ls
1
Obteniendo entonces las
Ws
(1 )
medidas bsicas de desempeo:
Lq
Wq
(1 )

Industrial
2.- (M/M/1);(DG/N/oo)
Modelo de servidor nico con lmite de capacidad N en el
sistema.
Donde la longitud mxima de la lnea de espera ser N-1. Es
decir si en el sistema hay N clientes, no se permite la entrada
de otro cliente a la lnea de espera en dicho sistema.

Industrial
N
Fuente
de
Entrada
Infinita
oo o o
Clientes
Servidos
Instalacin
ox
de
Servicio
1 Servidor
Cola
oooooo
N-1
o
o
o
o
o o oo
Clientes
Servidos
Modelo (M/M/1):(DG/N/oo)

Industrial
Por el modelo
generalizado
de Poisson es:
, n 0,1,..., N 1
0, n N , N 1,.....
para toda n 0,1,2,......
haciendo
, se tiene :
n p0 , n N
pn
nN
0,
p0 pn 1, que es : p0 (1 2 ..... N ) 1
n 0
o es lo mismo :
p0
1
, 1
1 N 1
1
,
1
N 1

Industrial
Para pn se resume en:
pn
1
n
, 1
N 1
1
n 0, 1, 2, ...., N (M/M/1) : (DG/N/)
1
,
1
N 1
En ste caso, , no necesita ser <1, como en el caso

anterior, ya que ste sistema est controlado por la longitud de
la lnea de espera (= N-1), y no por las tasa relativas de
llegadas y servicios y .
Usando el valor de pn,
1 ( N 1) N N N 1
, 1
N 1
se busca Ls, que ser:
(1 )(1 )
Ls
N
,
2
1

Industrial
Las medida de Lq, Ws y Wq se determinan a partir de ef:
ef (1 p N )
Esta frmula tiene sentido ya que la probabilidad de que un
cliente no pueda ser atendido en el sistema es pN.
De aqu se deduce que la probabilidad de que un cliente
pueda ser atendido en el sistema es (1- pN).

Industrial
Entonces podemos calcular:
ef
(1 p N )
Lq Ls
Ls
Wq
Lq
ef
Lq
(1 p N )
Ls
Ws Wq
(1 p N )
1
Y se puede demostrar que:
ef ( Ls Lq ) (1 p N )

Industrial
3.- (M/M/c);(DG/oo/oo)
Modelo en que los clientes llegan a una tasa constante y
pueden ser atendidos simultneamente, solo un mximo de c
clientes. La tasa de servicio por servidor es tambin constante
e igual a n.
De las medidas de desempeo estable se tiene que ef=.
El usar c servidores paralelos es para acelerar la tasa de
servicio, al permitir servicios simultneos.
Si el nmero de clientes n en el sistema, es n c, la tasa
combinada de salidas de la instalacin es c. As entonces
generalizando se tendr:

Industrial
oo
Fuente
de
Entrada
Infinita
oo o o
Clientes
Servidos
o x Instalacin
o x
de
o x Servicio
c Servidores
Cola
oooooo
o
o
o
o
o o oo
Clientes
Servidos
Modelo (M/M/c):(DG/oo/oo)

Industrial
Si el nmero de
clientes n en el
sistema, es n c,
la tasa combinada
de salidas de la
instalacin es c.
As entonces
generalizando se
tendr:
n nn00
n
nncc
n ,
n n ,
n
nncc
cc, ,
calculamos
calculamosas
as ppn n para
paranncccomo
como: :
n n
ppn
pp0
n
0
((22)()(33).....(
n
)
).....(n )
n n
ppn nn! n n pp0 0

n!
yypara
paranncc, ,se
setiene
tiene: :
n n
ppn
pp0
n
0
((22)()(33).....
(
c
1
)
(
c
).....(
c
)
).....(c 1) (c ).....(
c )
( nc) veces

pn n c!c n n c c n n pp0 0
c!c
( n c ) veces

Industrial
Haciendo , y
suponiendo que
c <1, el valor de
p0 se determina de
la expresin:
Entonces
generalizando se
tendr:
c c 11 nn c c
pp0
0
!! cc!! n
n
0 nn
1
n
0
n 1
cc
1
n c
1
n c
1
c c 11 nn c c 1
pp0 1 , , 11 oobin,
11
bin,
n
cc
cc
n00 nn!! cc!! nn11 11
nn
pp00
nn!!
ppn
n
n
n
c nnc cc! pp00
c c!
00nncc
nncc
((M
M//M
M//cc))::((DG
DG////))

Industrial
La expresin para Lq, se obtiene:
n c
n c
k 0
k 0
LLq ((nncc))ppn kp
kpkkcc
q
n
c c
pp0
k
0 c! c k
c! c k k00
k 1
k 1
cc
c c11
p0
LLq
22 p
q
((cc)!)!((cc)) 0
Obtenemos as las otras medidas

bsicas de desempeo:
L
Lss
L
Lqq
L
Lqq
W
Wqq
1
1
W
Wss
W
Wqq
Ejemplo:

Industrial
Ver libro gua Ejercicio N 15.5-3 (pag. 665).

Las tasa de llamadas y atencin son constantes e igual a
= 10 llamadas por hora, segn una distribucin de Poisson
= 11.5 minutos para la atencin, segn una distribucin
exponencial.
La razn de llamadas a las de atencin es:
100 *10
100
95.8%
c
60
2*
11.5
Por lo tanto se debe evaluar:
Ejemplo:

Industrial
1.- Dos lneas de espera independientes, cada una del tipo

(M/M/2):(DG/oo/oo), con =10 llamadas/hora y =5.217
atenciones/hora.
2.- Una lnea de espera del tipo (M/M/4): (DG/oo/oo), con
=2*10 llamadas/hora y =5.217 atenciones/hora.
El factor de uso en
el 2 caso es:
100 * 20
100
95.8%
c 4 * 5.217
Esto significara que juntar las dos oficinas no se justifica, pero

se debe analizar los tiempos de espera estimado de un cliente.
Determine lo ms adecuado.

3 Teoria de Colas

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

3 Teoria de Colas

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad de La Serena

III.- TEORIA DE COLAS

La teora de colas, trata del estudio y anlisis matemtico

Departamento de Ingeniera Civil

III.- Teora de Colas

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Proceso Bsico de Colas

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Se supone normal, atender segn FIFO.

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Sistema Elemental de Colas

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Nomenclatura de los Modelos de Colas:

La notacin estndar, reemplaza los smbolos a y b de

Departamento de Ingeniera Civil

Nomenclatura de los Modelos de Colas:

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

n Tasa media de llegadas (Nmero esperado de llegadas

III.- Teora de Colas

Departamento de Ingeniera Civil

Si y son constantes, entonces n = s cuando n s, es

III.- Teora de Colas

Departamento de Ingeniera Civil

Departamento de Ingeniera Civil

Si las n no son iguales, entonces se puede sustituir en stas

Departamento de Ingeniera Civil

III.- Teora de Colas

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

Condicin 2: La probabilidad de que ocurra un evento durante

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

Entonces por la Condicin 1, la probabilidad de que no ocurra

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

Sea f(t), la funcin de densidad de probabilidades del intervalo

III.- Teora de Colas

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

Que es una fdp tipo exponencial con media

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

El valor medio de n durante un perodo dado de t es E{n|t}=t

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

III.- Teora de Colas

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

La probabilidad de que ocurra una falla en el intervalo de 5

P t 5 f (t )dt 1 e 0.5 0.393

La probabilidad de que ocurra una falla despus de 6 horas, a

Departamento de Ingeniera Civil

Funciones de las Distribuciones de Poisson y Exponencial:

La probabilidad de que no ocurra una falla en 24 horas en

Se debe dar lo mismo que:

P t 24 0.1e 0.1t dt e 2.4 0.091