Upload
dinhquynh
View
222
Download
1
Embed Size (px)
Citation preview
Teoría de Colas(Líneas de Espera)
Administración de la Producción 3C T
Las colas…
� Las colas son frecuentes en nuestra vida
cotidiana:
� En un banco
� En un restaurante de comidas rápidas
� Al matricular en la universidad
� Los autos en un lava carro.
� En un supermercado.
� En una estación de combustible
� En un estadio deportivo
Las colas…
� En general, a nadie le gusta esperar
� Cuando la paciencia llega a su límite, la gente
se va a otro lugar.
� Sin embargo, un servicio muy rápido tendría
un costo muy elevado
� Es necesario encontrar un balance adecuado
� Esto es la relación positiva de Beneficio/costo.
Teoría de Colas
Todos nosotros hemos pasado mucho tiempo esperando en
una cola. Estudiaremos algunos modelos matemáticos para
las líneas de esperas. Estos modelos se usarán para
responder preguntas como las siguientes:
1. Cuánto tiempo está ocioso cada servidor?
2. Cuál es el número esperado de clientes presentes en la cola?
3. Cuál es el tiempo previsto que un cliente debe pasar en la
cola?
4. Cuál es la distribución de probabilidad del tiempo de espera
de un cliente?
5. Cuál es la distribución de probabilidad de la cantidad de
clientes presentes en la cola?
6. Cuál es el costo de operación para el sistema actual?
Teoría de Colas
� Una cola es una línea de espera.
� La teoría de colas es un conjunto de modelos
matemáticos que describen sistemas de líneas de
espera particulares.
� El objetivo es encontrar el estado estable del
sistema y determinar una capacidad de servicio
apropiada
Teoría de Colas
� Existen muchos sistemas de colas distintos
� Algunos modelos son muy especiales
� Otros se ajustan a modelos más generales
� Se estudiarán algunos modelos comunes
� Otros se pueden tratar a través de la simulación
Sistemas de Colas: modelo básico
� Un sistema de colas puede dividirse en dos
componentes principales:
� La cola
� La instalación donde se presta el servicio.
� Los clientes o llegadas ocurren en forma
individual para recibir el servicio
Sistemas de Colas: modelo básico
� Los clientes o llegadas pueden ser:
� Personas
� Automóviles
� Máquinas que requieren reparación
� Documentos
� Entre muchos otros tipos de artículos
Sistemas de Colas: modelo básico
� Si cuando el cliente llega no hay nadie en la
cola, pasa de una vez a recibir el servicio.
� Caso contrario, se incorpora a la cola.
� Es importante señalar que la cola no incluye a
quien está recibiendo el servicio.
Sistemas de Colas: modelo básico
� Las llegadas van a la instalación de servicio de
acuerdo con la disciplina de la cola.
� Generalmente ésta es primero en llegar,
primero en ser servido (FIFO)
� Pero pueden haber otras reglas o colas con
prioridades, ultima en llegar primero en ser
servido (LIFO), SIRO, se atiende primero a
aquel que requiera más corto
Sistemas de colas: modelo básico
Llegadas
Sistema de colas
ColaInstalación
del servicio
Disciplinade la cola
Salidas
Llegadas
Sistema de colas
Cola ServidorSalidas
Estructuras típicas de un sistema de colas:
una línea, un servidor
Llegadas
Sistema de colas
Cola
ServidorSalidas
Servidor
Servidor
Salidas
Salidas
Estructuras típicas de un sistema de colas:
una línea, múltiples servidores
Estructuras típicas de colas: varias líneas,
múltiples servidores
Llegadas
Sistema de colas
Cola ServidorSalidas
Servidor
Servidor
Salidas
Salidas
Cola
Cola
Estructuras típicas de colas:
una línea, servidores secuenciales
LlegadasSistema de colas
Cola
Servidor
Salidas
Cola
Servidor
Costos de un sistema de colas
1. Costo de espera: Es el costo para el cliente
al esperar
� Representa el costo de oportunidad del
tiempo perdido
� Un sistema con un bajo costo de espera es
una fuente importante de competitividad
Costos de un sistema de colas
2. Costo de servicio: Es el costo de operación
del servicio brindado
� Es más fácil de estimar
� El objetivo de un sistema de colas
es encontrar el sistema del costo
total mínimo
Sistemas de colas: Las llegadas
� El tiempo que transcurre entre dos llegadas
sucesivas en el sistema de colas se llama tiempo
entre llegadas
� El tiempo entre llegadas tiende a ser muy variable
� El número esperado de llegadas por unidad de
tiempo se llama tasa media de llegadas (λ)
Sistemas de colas: Las llegadas
� El tiempo esperado entre llegadas es 1/λ
� Por ejemplo, si la tasa media de llegadas es λ
= 20 clientes por hora
� Entonces el tiempo esperado entre llegadas es
1/λ = 1/20 = 0.05 horas o 3 minutos
!)(
k
ekP
k λλ −
=λ : tasa media de
llegadas
e = 2,7182818…
Ejemplo: Consumo de cervezaEjemplo: Consumo de cervezaEjemplo: Consumo de cervezaEjemplo: Consumo de cerveza
� La cantidad de cervezas ordenadas por hora en el
restaurante Dick sigue una distribución de
Poisson, con un promedio de 30 cervezas por
hora.
1.Estime la probabilidad de que se pidan
exactamente 60 cervezas entre las 10 y 12 de la
noche.
2.Encuentre la de media y desviación estándar de
cervezas pedidas entre las 9 PM y 1 AM.
3.Determine la probabilidad de que el tiempo entre
dos pedidos consecutivos está entre 1 y 3
minutos.
SoluciSoluciSoluciSolucióóóón: (1)n: (1)n: (1)n: (1)
� La cantidad de cerveza pedida entre las 10 y las 12 de la noche, se acerca a una distribución de Poisson con parámetro 2(30)=60. (2 son dos horas entre las 10 y las 12) y 30 cervezas que es el promedio por hora. Por lo que la probabilidad que se pidan 60 cervezas entre las 10 y las 12 es:
Se puede usar la función de excel.
POISSON(60,60,FALSO)= 0.05143174= 5.1%
05143174.0!60
60!
)(6060
===−− e
k
ekP
k λλ
SoluciSoluciSoluciSolucióóóónnnn…………(2 y 3)(2 y 3)(2 y 3)(2 y 3)
� Resulta que λ=30 cervezas por hora; t=4 (9PM a 1AM). Por tanto la media de cervezas ordenas en ese tiempo es 4(30)= 120. La desviación estándar en ese período es (120)1/2 =10.95
� Sea X el tiempo (en minutos) entre los pedidos sucesivos de cervezas. El número de promedio de pedidos por minutos es exponencial con parámetros o razón 30/60 = 0.5 (treinta cervezas en 60 minutos). Cervezas por minutos. Por lo tanto la función de densidad de la probabilidad del tiempo que transcurre entre pedidos de cervezas (dado que la tasa de
llegada para una cola M/M/1). Entonces.
38.05.0
5.0)5.0()31( 5.05.13
1
5.05.031 =+−=
−=∫=≤≤ −−−− eeedteXP tt
tt eeta 5.05.0)( −− == λλ
Sistemas de colas: Las llegadas
� Además es necesario estimar la distribución de
probabilidad de los tiempos entre llegadas
� Generalmente se supone una distribución
exponencial (M).
� Esto depende del comportamiento de las
llegadas.
Sistemas de colas: Las llegadas –Distribución exponencial
� La forma algebraica de la distribución
exponencial es:
� Donde t representa una cantidad expresada en
unidades de tiempo (horas, minutos, etc.)
tetserviciodetiempoP µ−−=≤ 1)(
Sistemas de Colas: Las llegadas Sistemas de Colas: Las llegadas Sistemas de Colas: Las llegadas Sistemas de Colas: Las llegadas ––––
DistribuciDistribuciDistribuciDistribucióóóón exponencialn exponencialn exponencialn exponencial
Media Tiempo0
P(t)
Sistemas de colas: Las llegadas –
Distribución exponencial
� La distribución exponencial supone una mayor
probabilidad para tiempos entre llegadas
pequeños
� En general, se considera que las llegadas son
aleatorias
� La última llegada no influye en la probabilidad de
llegada de la siguiente
Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas ----
DistribuciDistribuciDistribuciDistribucióóóón de Poissonn de Poissonn de Poissonn de Poisson
� Es una distribución discreta empleada con mucha
frecuencia para describir el patrón de las llegadas
a un sistema de colas.
� Para tasas medias de llegadas pequeñas es
asimétrica y se hace más simétrica y se aproxima
a la binomial para tasas de llegadas altas.
Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas Sistemas de colas: Las llegadas ----
DistribuciDistribuciDistribuciDistribucióóóón de Poissonn de Poissonn de Poissonn de Poisson
� Su forma algebraica es:
� Donde:
� P(k) : probabilidad de k llegadas por unidad de
tiempo
� λ : tasa media de llegadas
� e = 2,7182818…
!)(
k
ekP
k λλ −
=
Sistemas de colas: Las llegadas -
Distribución de Poisson
Llegadas por unidad de tiempo0
P
Sistemas de colas: La cola
� El número de clientes en la cola es el número
de clientes que esperan el servicio.
� El número de clientes en el sistema es el
número de clientes que esperan en la cola más
el número de clientes que actualmente reciben
el servicio.
Sistemas de Colas: La cola
� La capacidad de la cola es el número máximo
de clientes que pueden estar en la misma.
� Generalmente se supone que la cola es infinita.
� Aunque también la cola puede ser finita.
Sistemas de Colas: La cola
� La disciplina de la cola se refiere al orden en que
se seleccionan los miembros de la cola para
comenzar el servicio
� La más común es (FIFO)PEPS: primero en llegar,
primero en servicio
� Puede darse: selección aleatoria, prioridades,
(LIFO)UEPS, entre otras.
Sistemas de Colas: El servicio
� El servicio puede ser brindado por un servidor
o por servidores múltiples.
� El tiempo de servicio varía de cliente a cliente.
� El tiempo esperado de servicio depende de la
tasa media de servicio (µ).
Sistemas de Colas: El servicio
� El tiempo esperado de servicio equivale a 1/µ
� Por ejemplo, si la tasa media de servicio es de
25 clientes por hora
� Entonces el tiempo esperado de servicio es 1/µ
= 1/25 = 0.04 horas, o 2.4 minutos.
Sistemas de Colas: El servicio
� Es necesario seleccionar una distribución de
probabilidad para los tiempos de servicio.
� Hay dos distribuciones que representarían puntos
extremos:
� La distribución exponencial (σ=media)
� Tiempos de servicio constantes (σ=0)
Sistemas de Colas: El servicio
� Una distribución intermedia es la distribución
Erlang
� Esta distribución posee un parámetro de forma k
que determina su desviación estándar:
mediak
1=σ
Sistemas de Colas: El servicio
� Si k = 1, entonces la distribución Erlang es
igual a la exponencial.
� Si k = ∞, entonces la distribución Erlang es
igual a la distribución degenerada con tiempos
constantes.
� La forma de la distribución Erlang varía de
acuerdo con k.
Sistemas de Colas: El servicio
Media Tiempo0
P(t)k = ∞
k = 1 k = 2
k = 8
Sistemas de Colas: DistribuciSistemas de Colas: DistribuciSistemas de Colas: DistribuciSistemas de Colas: Distribucióóóón Erlangn Erlangn Erlangn Erlang
Distribución Desviación estándar
Constante 0
Erlang, k = 1 media
Erlang, k = 2
Erlang, k = 4 1/2 media
Erlang, k = 8
Erlang, k = 16 1/4 media
Erlang, cualquier k
media2/1
media8/1
mediak/1
Sistemas de Colas: Identificación
Notación de Kendall: A/B/c
La notación de Kendall, caracteriza un sistema de línea de espera
en el cual todas las llegadas esperan en una sola cola hasta que
está libre uno de los s servidores paralelos idénticos. Luego el
primer cliente en la cola entre al servicio, y así sucesivamente.
� A: Distribución de tiempos entre llegadas
� B: Distribución de tiempos de servicio
� M: distribución exponencial
� D: distribución degenerada
� Ek: distribución Erlang
� c: Número de servidores
Estado del sistema de Colas
� En principio el sistema está en un estado inicial.
� Se supone que el sistema de colas llega a una
condición de estado estable (nivel normal de
operación).
� Existen otras condiciones anormales (horas pico,
etc.).
� Lo que interesa es el estado estable.
Desempeño del sistema de Colas
� Para evaluar el desempeño se busca conocer
dos factores principales:
1. El número de clientes que esperan en la
cola.
2. El tiempo que los clientes esperan en la
cola y en el sistema.
Medidas del desempeMedidas del desempeMedidas del desempeMedidas del desempeñññño del sistema o del sistema o del sistema o del sistema
de colasde colasde colasde colas
1. Número esperado de clientes en la cola Lq
2. Número esperado de clientes en el sistema Ls
3. Tiempo esperado de espera en la cola Wq
4. Tiempo esperado de espera en el sistema Ws
5. Número promedio de clientes que atenderá el
servidor W.
Medidas del desempeMedidas del desempeMedidas del desempeMedidas del desempeñññño del sistema de colas: o del sistema de colas: o del sistema de colas: o del sistema de colas:
ffffóóóórmulas generalesrmulas generalesrmulas generalesrmulas generales
λ
µλ
λλ
µ
LW
LL
WL
WL
WW
qs
ss
qs
=
+=
==
+= 1
Medidas del desempeño del sistema
de colas: ejemplo
� Suponga una estación de servicio a la cual
llegan en promedio 45 clientes por hora
� Se tiene capacidad para atender en promedio a
60 clientes por hora.
� Se sabe que los clientes esperan en promedio
3 minutos en la cola.
Medidas del desempeño del sistema
de colas: ejemplo
� La tasa media de llegadas λ es 45 clientes por
hora o 45/60 = 0.75 clientes por minuto
� La tasa media de servicio µ es 60 clientes por
hora o 60/60 = 1 cliente por minuto
Medidas del desempeño del sistema
de colas: ejemplo
clientesWL
clientesWL
WW
W
ss
qs
q
25.2375.0
3475.0
min41
13
1
min3
=×===×==
=+=+=
=
λλ
µ
Medidas del desempeño del sistema
de colas: ejercicio
� Suponga un restaurante de comidas rápidas al
cual llegan en promedio 100 clientes por hora
� Se tiene capacidad para atender en promedio a
150 clientes por hora.
� Se sabe que los clientes esperan en promedio 2
minutos en la cola.
� Calcule las medidas de desempeño del sistema.
Probabilidades como medidas del Probabilidades como medidas del Probabilidades como medidas del Probabilidades como medidas del
desempedesempedesempedesempeññññoooo
� Beneficios:
� Permiten evaluar escenarios
� Permite establecer metas
� Notación:
� P(n) : probabilidad de tener n clientes en el
sistema
� P(Ws ≤ t) : probabilidad de que un cliente no
espere en el sistema más de t horas.
Factor de utilización del sistema:
� Dada la tasa media de llegadas λ y la tasa media
de servicio µ, se define el factor de utilización del
sistema ρ.
� Generalmente se requiere que ρ < 1
� Su fórmula, con un servidor y con s servidores,
respectivamente, es:
µλρ
µλρ
s==
Factor de utilización del sistema -
ejemplo
� Con base en los datos del ejemplo anterior, λ
= 0.75, µ = 1
� El factor de utilización del sistema si se
mantuviera un servidor es
ρ = λ/µ = 0.75/1 = 0.75 = 75%
� Con dos servidores (s = 2):
ρ = λ/sµ = 0.75/(2*1) = 0.75/2 = 37,5%
Modelos de una cola y un servidor
� M/M/1: Un servidor con llegadas de Poisson y
tiempos de servicio exponenciales
� M/G/1: Un servidor con tiempos entre llegadas
exponenciales y una distribución general de
tiempos de servicio
� M/D/1: Un servidor con tiempos entre llegadas
exponenciales y una distribución degenerada de
tiempos de servicio
� M/Ek/1: Un servidor con tiempos entre llegadas
exponenciales y una distribución Erlang de tiempos
de servicio
Modelo M/M/1Modelo M/M/1Modelo M/M/1Modelo M/M/1
1,0
)()(
)()1(
)(1
)(
)1()1(
1
2
<≥
=>=>
=>−=
=−
=−
=
−=
−=
−−−−
+
ρρρρρ
λλµµλ
λµ
λµµλ
µλλ
ρµρµ
t
etWPetWP
nLPP
LWW
LL
tq
ts
ns
nn
qqs
qs
Modelo M/M/1: ejemplo 1ejemplo 1ejemplo 1ejemplo 1
� Un lavadero de autos puede atender un auto cada 5
minutos siendo la tasa media de llegadas es de 9
autos por hora.
� Obtenga los indicadores de desempeño de acuerdo
con el modelo M/M/1
� Obtener además la probabilidad de tener 0 clientes
en el sistema, la probabilidad de tener una cola de
más de 3 clientes y la probabilidad de esperar más
de 30 min. en la cola y en el sistema.
Modelo M/M/1: Ejemplo 1Ejemplo 1Ejemplo 1Ejemplo 1
17.0)60/30(
22.0)60/30(
32.0)3(25.0)1(
min1525.0)(
min2033.01
25.2)(
3
75.012
9,12,9
)1(
)1(
1300
2
==>
==>
==>=−=
==−
=
==−
=
=−
==−
=
====
−−
−−
+
tq
ts
s
q
s
qs
eWP
eWP
LPP
hrsW
hrsW
clientesLclientesL
ρµ
ρµ
ρ
ρρρλµµ
λλµ
λµµλ
µλλ
ρµλ
Modelo M/M/1 Ejemplo 2
� Un promedio de 10 automóviles por hora llegan a un cajero con
un solo servidor que proporciona servicio sin que uno descienda
del automóvil. Suponga que el tiempo de servicio promedio por
cada cliente es 4 minutos, y que tanto los tiempos entre llegadas
y los tiempos de servicios son exponenciales. Calcular:
1. Cuál es la probabilidad que el cajero esté ocioso?
2. Cuál es el número promedio de automóviles que están en la cola
del cajero? (se considera que un automóvil que está siendo
atendido, no está en la cola esperando)
3. Cuál es la cantidad promedio de tiempo que un cliente pasa en el
estacionamiento del banco?(incluyendo el tiempo de servicio).
4. Cuántos clientes atenderá en promedio el cajero por hora?
Solución:
� De acuerdo con los datos, estamos trabajando con sistema de colas M/M/1 para lo cual λ=10 automóviles por hora y µ=15 automóviles por hora.
1. el cajero estará ocioso un tercio del tiempo.
2. Determinar clientes.
3. Estimamos W, pero necesitamos obtener L.
32
1510==ρ
31
32
11 tantolo 0 =−=−= ρπpor
34
32
1
32
1
2
2
=−
=−
=ρ
ρqL
clientes 2
32
1
32
1=
−=
−=
ρρ
L horas 51
102 ===
λL
W
Solución:
4. Si el cajero siempre estuviera ocupado,
atendería un promedio de µ=15 clientes por
hora. Según la solución encontrada en (1) el
cajero está ocupado 2/3 del tiempo. Por tanto
dentro de cada hora, el cajero atenderá un
promedio de (2/3)(15)= 10 clientes.
Modelo M/M/1: Ejemplo 3� Suponga que todos los automovilistas acuden a la estación de servicio cuando sus tanques están por la mitad. En el momento actual llega un promedio de 7.5 clientes por hora a una estación que tiene un solo surtidor. Se requiere un promedio de 4 minutos para servir a un automóvil. Suponga que los tiempos entre llegadas y los tiempos de servicios son exponenciales.
1. Calcule L y W para los condiciones actuales.
2. Suponga que hay un déficit de abastecimiento de combustible y que hay demanda creciente. Para modelar este fenómeno, suponga que todos los automovilistas compran ahora combustible cuando sus tanques tienen ¾de la capacidad. Como cada dueño pone ahora menos combustible en el tanque cada vez que acude a la estación, supongamos que el tiempo de servicio promedio se reduce a 3 minutos y un tercio. Qué tanto afectan a L y W la nueva demanda?
Solución:
� Tenemos un sistema M/M/1 con λ= 7.5 automóviles por hora y µ=15 (60/4) automóviles por hora.
� Por lo tanto tiempo que la bomba pasa ocupada.
(cantidad de clientes promedio presente en el sistema de colas).
(Tiempo previsto que un cliente pasa en el sistema de cola).
Por tanto bajo estas circunstancia todo está bajo control.
50.015
5.7 ==ρ
150.01
50.01
=−
=−
=ρ
ρL
horas 13.05.7
1 ===λL
W
Solución.
λ=2*(7.5)= 15 automóviles por hora
Esto se infiere por que cada dueño llenará su tanque dos veces) . Ahora
Entonces.
automóviles
18333.360 ≈=µ
65
1815 ==ρ
56/51
6/51
=−
=−
=ρ
ρL
min 20 31
155 ==== hora
LW
λ
Modelo M/M/1: ejercicio
� A un supermercado llegan en promedio 80
clientes por hora que son atendidos en sus 5
cajas.
� Cada caja puede atender en promedio a un cliente
cada 3 minutos.
� Obtenga las medidas de desempeño de acuerdo
con el modelo M/M/1.
� Además calcular la probabilidad de tener 2
clientes en el sistema, la probabilidad de tener
una cola de más de 4 clientes y la probabilidad de
esperar más de 10 min. en la cola
Modelo M/G/1
1
1
1
)1(2
0
222
<=−=
=+=
−+=+=
ρρρ
λµ
ρρσλρ
w
qqqs
qqs
PP
LWWW
LLL
Modelo M/G/1: ejemplo
� Un lavadero de autos puede atender un auto cada
5 min. y la tasa media de llegadas es de 9
autos/hora, σ = 2 min.
� Obtenga las medidas de desempeño de acuerdo
con el modelo M/G/1
� Además la probabilidad de tener 0 clientes en el
sistema y la probabilidad de que un cliente tenga
que esperar por el servicio
Modelo M/G/1: ejemplo
75.025.01
min7.8145.0
min7.13228.01
31.1)1(2
06.275.31.1
0
222
===−=
===
==+=
=−+=
=+=+=
ρρλ
µ
ρρσλ
ρ
w
qs
q
qs
PP
hrsL
W
hrsWW
clientesL
clientesLL
Modelo M/G/1: ejercicio
� A un supermercado llegan en promedio 80 clientes
por hora que son atendidos en sus 5 cajas.
� Cada caja puede atender en promedio a un cliente
cada 3 minutos. Suponga σ = 5 min
� Obtenga las medidas de desempeño de acuerdo
con el modelo M/G/1
� Además la probabilidad de tener 0 clientes en el
sistema y la probabilidad de que un cliente tenga
que esperar por el servicio
Modelo M/D/1
1
1
)1(2
2
<
=+=
−==
ρλµ
ρρλ
qqqs
qss
LWWW
LWL
Modelo M/D/1: ejemplo
� Un lavadero de automotores puede atender un
auto cada 5 min.
� La tasa media de llegadas es de 9 autos/hora.
� Obtenga las medidas de desempeño de acuerdo
con el modelo M/D/1
Modelo M/D/1: ejemplo
min5.7125.0
min5.1221.01
125.1)1(2
875.12
===
==+=
=−
=
==
hrsL
W
hrsWW
clientesL
clientesWL
qs
q
ss
λ
µ
ρρ
λ
Modelo M/D/1: ejercicio
� A un supermercado llegan en promedio 80 clientes
por hora que son atendidos en sus 5 cajas.
� Cada caja puede atender en promedio a un cliente
cada 3 minutos.
� Obtenga las medidas de desempeño de acuerdo con
el modelo M/D/1
Modelo M/Ek/1
1
1
)1(2
)1(2
<
=+=
−+==
ρλµ
ρρλ
qqqs
qss
LWWW
k
kLWL
Modelo M/Ek/1: ejemplo
� Un lavadero de autos puede atender un auto
cada 5 min.
� La tasa media de llegadas es de 9 autos/hora.
Suponga σ = 3.5 min (aprox.)
� Obtenga las medidas de desempeño de
acuerdo con el modelo M/Ek/1
Modelo M/Ek/1: ejemplo
min25.111875.0
min25.162708.01
6875.1)1(2
)1(
437.22
===
==+=
=−+=
==
hrsL
W
hrsWW
clientesk
kL
clientesWL
qs
q
ss
λ
µ
ρρλ
Modelo M/Ek/1: ejemplo
� A un supermercado llegan en promedio 80 clientes
por hora que son atendidos entre sus 5 cajas.
� Cada caja puede atender en promedio a un cliente
cada 3 minutos. Suponga k= 4
� Obtenga las medidas de desempeño de acuerdo con
el modelo M/Ek/1
Modelos de un servidor: Comparativamente complete el cuadro para los ejemplos del lavadero
Modelo Ls Ws Lq Wq
M/M/1
M/G/1
M/D/1
M/Ek/1
Modelos de varios servidores
� M/M/s: s servidores con llegadas de Poisson y
tiempos de servicio exponenciales
� M/D/s: s servidores con tiempos entre llegadas
exponenciales y una distribución degenerada de
tiempos de servicio
� M/Ek/s: s servidores con tiempos entre llegadas
exponenciales y una distribución Erlang de
tiempos de servicio
M/M/s, una línea de espera
00
0
02
1
0
0
!
1,
!
,!
1
)()!1(
!!
1
Ps
s
sPknsiP
ssP
knsiPn
PWW
LWLLP
ssL
ns
s
s
P
swsn
n
n
n
nqs
qqqs
s
q
s
n
ns
−=>=
≤=+=
=+=−−
=
+
−
=
−
−
=∑
λµµρρ
ρµ
λµλ
λµλµρ
ρλµ
µρ
M/M/s, una línea de espera
)46)(3(
3
4
2
2
4
2
3
ρρρρ
ρρ
+−−=
=−
=
=
q
q
L
sSi
L
sSi
Análisis económico de líneas de espera
Costos
Tasa de servicioTasa óptimade servicio
Costo de espera
Costo del servicio
Costo total
AplicaciAplicaciAplicaciAplicacióóóón Prn Prn Prn Prááááctica con ctica con ctica con ctica con WinQSBWinQSBWinQSBWinQSB
� Un almacén tiene 2 cajeras que atienden a razón de 1.5
minutos por cliente siguiendo una distribución exponencial.
Los clientes llegan a este almacén siguiendo una
distribución Poisson a razón de 30 por hora. Con esta
información calcular: A) La probabilidad de que el sistema
esté lleno, B) La intensidad de trafico.
Datos:
� Numero de servidores = 2
� λ=30 [cl/hr]
� µ=1/1.5 [cl/min]= 40 [cl/hr]
� El problema será del tipo M/M/2/FIFO/∞/∞
SoluciSoluciSoluciSolucióóóón:n:n:n:
Procedimiento
� Se iniciará un nuevo problema en el modulo Análisis de Colas (QA).
� Se elegirá Sistema Simple M/M, por que es un modelo del que se conocen todos los datos. Este se llamaráCajeras, eligiendo como unidad de tiempo “horas”:
SoluciSoluciSoluciSolucióóóónnnn…………
� En la hoja de cálculo se introducirá los datos conocidos como se muestra:
SoluciSoluciSoluciSolucióóóónnnn…………
� En la hoja de cálculo se introducirá los datos conocidos como se muestra:
Los valores de M, representan que es un valor infinito.
SoluciSoluciSoluciSolucióóóónnnn…………
� Al presionar el icono se verá la ventana de los resultados:
SoluciSoluciSoluciSolucióóóónnnn…………
Para el Sistema: M/M/ de dos servidores de FórmulaPromedio de cliente llegados por Hora λ= 30Promedio de Servicio por servidor por Hora = 40Tasas de llegadas eficaces al sistema global por hora = 30Tasas de servicio eficaz del sistema global por hora = 30Tasa de ocupación del sistema 37.50%Número promedio de clientes en el sistema (L) = 0.8727Número promedio de clientes en la cola(Lq) = 0.1227Número promedio de clientes en la cola para un sistema ocupado(Lb) = 0.6
Tiempo promedio que un cliente pasa en el sistema (W) =0.0291 Horas
Tiempo promedio que un clienta pasa en la cola(Wq) =0.0041 Horas
Tiempo promedio que un cliente pasa en la cola para un sistema ocupado (Wb) =0.0200 Horas
Probabilidad que todos los servidores estén ociosos (Po) = 45.45%Probabilidad de un cliente espere al llegar al sistema(Pw) o sistema estáocupado(Pb) = 20.45%Número promedio de clientes que no serán atendidos por el sistema por Hora = 0Costo total del servidor ocupado por Hora = $0Costo total del servidor ocioso por Hora = $0Costo total clientes esperando por hora $0Costo total de clientes que inician servicio por Hora = $0Cosot total de clientes being balked per Hora = $0Total queue space cost per Hora = $0Costo total del sistema por Hora = $0
En E
spañol
SoluciSoluciSoluciSolucióóóónnnn…………
� Adicionalmente podemos realizar los siguientes análisis:
� Observar las probabilidades estimadas de que existan de 0 hasta 200 clientes en la cola:
SoluciSoluciSoluciSolucióóóónnnn…………
� También podemos realizar una simulación del sistema:
� Si presionamos veremos la siguiente ventana:
� En el que usaremos:
� La semilla de aleatoriedad por defecto
� Una disciplina de cola de tipo FIFO
(PEPS)
� Un tiempo de simulación de cola
de 24 horas (1 día).
� El momento que iniciará la recolección
de datos
será a las cero horas.
� La capacidad de la cola es infinita (M).
� El máximo de número de recolecciones
de datos será infinito (M).
SoluciSoluciSoluciSolucióóóónnnn…………
• Si presionamos OK, se llevará adelante la simulación y veremos los siguientes resultados de la actuación de la cola durante 24 horas:
SoluciSoluciSoluciSolucióóóónnnn…………
• Las probabilidades estimadas para n clientes:
SoluciSoluciSoluciSolucióóóónnnn…………
• Otro de los análisis del que podemos disponer es el de Análisis de sensibilidad.
•Si presionamos podremos observar la siguiente ventana:
SoluciSoluciSoluciSolucióóóónnnn…………
• Si realizamos un análisis de sensibilidad, seleccionando como parámetro de análisis a la tasa de llegadas λ, haciendo que esta cambie de 30 a 100 [cl/hr], con un paso de 10 [cl/hr], utilizando el modelo de aproximación G/G/s, podremos ver de que manera reacciona el sistema:
•Podemos observar claramente de que la utilización del sistema va en incremento en una proporción de 10 [cl/hr], y cuando ésta llega a los 70 [cl/hr], se da una utilización del 87.5% (Máxima utilización posible), pero si seguimos incrementando hasta llegar a los 80 [cl/hr], el sistema se vuelve inestable, es decir el número de servidores es insuficiente.
SoluciSoluciSoluciSolucióóóónnnn…………
También podemos ver el gráfico del análisis de sensibilidad de un parámetro determinado en función del parámetro analizado:Si presionamos en: Show Sensitivity Analysis - Graph
•Se abrirá la siguiente ventana:
En la que seleccionaremos comovariable independiente para el gráfico a L (Número promedio de clientes en el sistema), en función de nuestro parámetro analizado (λ):
SoluciSoluciSoluciSolucióóóónnnn…………
En el que se puede ver un crecimiento exponencial.
Así sucesivamente se pueden ir analizando cada uno de los
parámetros, dependiendo que necesidades se tiene.
SoluciSoluciSoluciSolucióóóónnnn…………
• Otro análisis disponible es el de Análisis de Capacidad:
Como éste análisis se realiza a partir de costos, se asumirán
los siguientes costos
Costo de servidor ocupado por hora = 5 $
Costo de servidor ocioso por hora = 1 $
Costo por cliente
en espera = 0.5 $
Costo por cliente
servido por hora = 3 $
Costo por cliente
no atendido = 1 $
Costo unitario por
capacidad de cola = 3$
SoluciSoluciSoluciSolucióóóónnnn…………
Si se presiona podremos observar la siguiente ventana:
En el que variaremos el número de servidores de 2 a 8, con un paso de 1, y en el que la capacidad de la cola es Infinita, seleccionando la formula G/G/s de aproximación.
SoluciSoluciSoluciSolucióóóónnnn…………
c) Si presionamos en OK, la ventana de resultados será la siguiente:
2222---- PrPrPrPrááááctica con ctica con ctica con ctica con WinQSBWinQSBWinQSBWinQSB� Una cadena de supermercados es abastecida por un almacén central. La mercadería que llega a este almacén es descargada en turnos nocturnos. Los camiones que descargan llegan en forma aleatoria siguiendo una Poisson a razón de dos camiones por hora. En promedio 3 trabajadores descargan 3 camiones por hora siguiendo una distribución exponencial. Si el número de trabajadores del equipo es incrementado, la razón de servicio se incrementa en la misma proporción. Cada trabajador recibe 5$ por hora durante el turno nocturno de 8 horas. El costo de tenerel chofer esperando ser servido, se estima en 20 $ por hora. Sedesea determinar el tamaño del equipo que minimiza el costo total.
� Datos:
� Numero de servidores = 2
� λ=2 [cl/hr]� µ1= 3 [cl/hr], µ2= 4 [cl/hr], µ3= 5 [cl/hr]…………� El problema será del tipo M/M/1/FIFO/∞/∞� CS = 5 [$/hr]
� CE = 20 [$/hr]