LNEAS DE ESPERA

TEORA DE COLAS
REVISE LOS SIGUIENTES EJEMPLOS

CLIENTES PARA SER ATENDIDOS EN LA FILA DE UN BANCO

LA FILA PARA HACER EL PEDIDO EN UN RESTAURANTE
AUTOMVILES EN ESPERA DE SER ATENDIDOS EN UNA
GASOLINERA

PACIENTES QUE ESPERAN SER ATENDIDOS EN UNA LUZ EN

ALTO
LOS ANTERIORES EJEMPLOS MUESTRAN SITUACIONES EN LOS
QUE SE DEBE ESPERA PARA REALIZAR UNA DETERMINADA
ACCIN.

EN GENERAL A NADIE LE GUSTA ESPERAR, PERO AGILIZAR EL

SERVICIO SERIA MUY COSTOSO, EN GENERAL SE DEBE
BUSCAR UN BALANCE ENTRE ESPERA Y COSTO QUE SEA
BENEFICIOSO PARA LAS DOS PARTES (QUIEN RECIBA EL
SERVICIO Y QUIEN LO PRESTA)
EL FENMENO DE LA ESPERA ES EL RESULTADO DIRECTO DE
LA ALEATORIEDAD EN LA OPERACIN DE INSTALACIONES DE
SERVICIO. EN GENERAL, LA LLEGADA DEL CLIENTE Y SU
TIEMPO DE SERVICIO NO SE CONOCEN CON ANTICIPACIN,
PERO LAS INSTALACIONES SE PODRAN PROGRAMAR PARA
QUE ELIMINARAN POR COMPLETO LA ESPERA.

LO QUE NOS INTERESA ESTUDIAR ES LA OPERACIN DE UNA

INSTALACIN DE SERVICIO EN CONDICIONES ALEATORIAS
CALCULANDO ALGUNAS CARACTERSTICAS QUE MIDAN EL
DESEMPEO DEL SISTEMA SOMETIDO A ESTUDIO.
UNA MEDIDA LGICA DE DESEMPEO ES EL TIEMPO QUE SE
CALCULA ESPERAR UN CLIENTE ANTES DE SER ATENDIDO,
OTRA ES EL PORCENTAJE DE TIEMPO QUE NO SE UTILIZA LA
INSTALACIN O INSTALACIONES DE SERVICIO. LA PRIMERA
MEDIDA NOS MUESTRA EL SISTEMA DESDE EL PUNTO DE VISTA
CLIENTE Y LA SEGUNDA DESDE EL PUNTO DE VISTA DE QUIEN
PRESTA EL SERVICIO. ESTAS MEDIDAS PUEDEN USARSE PARA
SELECCIONAR LA TASA DE SERVICIO QUE PRODUCIRA UN
EQUILIBRIO RAZONABLE ENTRE LAS DOS SITUACIONES.
ELEMENTOS BSICOS DEL MODELO DE LNEAS DE
ESPERA

CUANDO EL CLIENTE LLEGA A LA INSTALACIN SE FORMA EN UNA

LNEA DE ESPERA (COLA O FILA). EL SERVIDOR ELIGE A UN CLIENTE
DE LA LNEA PARA COMENZAR A PRESTAR EL SERVICIO. AL TERMINAR
EL SERVICIO SE REPITE EL PROCESO DE ELEGIR A UN NUEVO CLIENTE.
SE SUPONE QUE NO SE PIERDE TIEMPO ENTRE EL MOMENTO EN QUE
UN CLIENTE YA ATENDIDO SALE DE LA INSTALACIN Y LA ADMISIN
DE UN NUEVO CLIENTE EN LNEA DE ESPERA.
LOS ACTORES PRINCIPALES EN UNA SITUACIN DE ESPERA
SON EL CLIENTE Y EL SERVIDOR. EN LOS MODELOS DE
ESPERA, LA RELACIN CLIENTE SERVIDOR SOLO ES
IMPORTANTE EN TANTO QUE SE RELACIONES CON EL TIEMPO
QUE NECESITA EL CLIENTE PARA COMPLETAR SU SERVICIO,
ESTE TIEMPO DE SERVICIO ES EL QUE CUENTA PARA EL
ANLISIS.
EN LOS MODELOS DE ESPERA, LAS LLEGADAS Y LOS TIEMPOS
DE SERVICIO POR CLIENTE SE RESUMEN EN DISTRIBUCIONES
DE PROBABILIDAD QUE SE CONOCEN COMO
DISTRIBUCIONES DE LLEGADA Y DE TIEMPO DE SERVICIO.
ESTAS DISTRIBUCIONES PUEDEN REPRESENTAR SITUACIONES
DONDE LLEGAN CLIENTES Y SON ATENDIDOS
INDIVIDUALMENTE. EN OTROS CASOS LOS CLIENTES PUEDEN
LLEGAR Y SER ATENDIDOS EN GRUPOS. ESTE ULTIMO CASO
SE CONOCE COMO LNEAS DE ESPERA MASIVAS.
PESE A QUE LOS PATRONES DE LLEGADAS Y SALIDAS SON
LOS FACTORES PRINCIPALES EN EL ANLISIS DE LAS LNEAS DE
ESPERA, TAMBIN SE ENCUENTRAN OTROS FACTORES
IMPORTANTES EN LA ELABORACIN DE LOS MODELOS.
FACTORES IMPORTANTES EN LA ELABORACIN DE
MODELOS

LAFORMA COMO SE ELIGE A LOS CLIENTES DE ESPERA PARA DAR INICIO AL

SERVICIO. ESTA ES LA DISCIPLINA DE SERVICIO. LA DISCIPLINA MAS COMN ES
LA REGLA FIFO (PRIMERO EN LLEGAR PRIMERO EN SALIR). LAS REGLAS LIFO
(ULTIMO EN LLEGAR PRIMERO EN SALIR) Y ALEATORIO (SERVICIO EN ORDEN
ALEATORIO) PUEDEN TAMBIN SER UTILIZADAS EN SITUACIONES PRACTICAS.
TAMBIN SE PUEDE DAR EL CASO EN QUE LOS CLIENTES QUE LLEGUEN A UNA
INSTALACIN SEAN COLOCADOS EN LNEAS DE ESPERA CON PRIORIDAD,
ESTA LNEA DE ESPERA CON PRIORIDAD PUEDE DARSE EN CUALQUIER
DISCIPLINA DE SERVICIO.
FACTORES IMPORTANTES EN LA ELABORACIN DE
MODELOS

EL DISEO DE LA INSTALACIN Y LA EJECUCIN DEL SERVICIO. LA

INSTALACIN PUEDE INCLUIR MAS DE UN SERVIDOR, CON LO CUAL ES POSIBLE
ATENDER A TANTOS CLIENTES EN FORMA SIMULTANEA COMO NUMERO DE
SERVIDORES OFRECEN EL MISMO SERVICIO. TODOS LOS SERVIDORES OFRECEN
EL MISMO SERVICIO Y LA INSTALACIN TIENE SERVIDORES PARALELOS. LA
INSTALACIN TAMBIN PUEDE FORMARSE POR UN NUMERO DE INSTALACIONES
EN SERIE POR LAS QUE PUEDE PASAR UN CLIENTE ANTES DE QUE SE COMPLETE
EL SERVICIO. ESTAS ULTIMAS SON LNEAS DE ESPERA EN SERIE O LNEAS DE
ESPERA EN RED.
FACTORES IMPORTANTES EN LA ELABORACIN DE
MODELOS
EL TAMAO DE LA LNEA DE ESPERA. EN CIERTOS
MODELOS SOLO SE PUEDE ADMITIR A UN NUMERO
LIMITADO DE CLIENTES. CUANDO LA LNEA DE ESPERA SE
LLENA EN TODA SU CAPACIDAD, LOS CLIENTES NO SE
PUEDEN FORMAR EN LA LNEA DE ESPERA.

LLEGADAS DE LOS CLIENTES. LA FUENTE DE LLAMADAS

PUEDE SER CAPAZ DE GENERAR UN NUMERO FINITO O
INFINITO DE CLIENTES.
LOS MODELOS DE ESPERA QUE REPRESENTAN SITUACIONES EN
LAS QUE LOS SERES HUMANOS SON CLIENTES Y/O SERVIDORES,
DEBEN ESTAR DISEADOS PARA TOMAR EN CUENTA EL EFECTO
DE LA CONDUCTA HUMANA. UN SERVIDOR HUMANO PUEDE
CAMBIARSE DE UNA LNEA A OTRA, CON LA INTENCIN DE
REDUCIR TIEMPOS DE ESPERA. ALGUNOS CLIENTES HUMANOS
PUEDEN TAMBIN ELUDIR FORMARSE EN UNA LNEA EN VIRTUD DE
QUE ANTICIPEN UNA DEMORA APRECIABLE, O TAMBIN, PUEDEN
RENUNCIAR DESPUS DE ESTAR UN MOMENTO EN LA FILA DEBIDO
A QUE SU ESPERA HAYA SIDO DEMASIADO LARGA. (LO QUE
PARA UNA PERSONA LA ESPERA NO SEA TAN LARGA, PARA
OTRA SI LO PUEDE SER)
DESDE EL PUNTO DE VISTA DEL MODELO DE ESPERA, LAS
CUALIDADES Y/O CARACTERSTICAS PUEDEN TOMARSE EN
CUENTA SOLO SI SE PUEDEN CUANTIFICAR DE MANERA QUE
HAGA POSIBLE SU INCLUSIN MATEMTICA EN EL MODELO.
LOS MODELOS DE ESPERA NO PUEDEN TOMAR EN CUENTA
EL COMPORTAMIENTO INDIVIDUAL DE LOS CLIENTES, ESTO ES
POR QUE SE ASUME QUE TODOS LOS CLIENTES SE
COMPORTAN DE LA MISMA MANERA MIENTRAS
PERMANECEN EN LA LNEA.
 FACTORES DE LOS QUE DEPENDEN LOS ELEMENTOS
BSICOS DE UN MODELO DE ESPERA
LOS ELEMENTOS BSICOS DEPENDEN DE LOS SIGUIENTES
FACTORES:
DISTRIBUCIN DE LAS LLEGADAS (LLEGADAS INDIVIDUALES O
MASIVAS)
DISTRIBUCIN DEL TIEMPO DE SERVICIO (SERVICIO INDIVIDUAL
O MASIVO)
DISEO DE LA INSTALACIN DE SERVICIO (ESTACIONES EN
SERIE, EN PARALELO O EN RED)
 FACTORES DE LOS QUE DEPENDEN LOS ELEMENTOS
BSICOS DE UN MODELO DE ESPERA

DISCIPLINA DE SERVICIO (FIFI, LIFO O ALEATORIA) Y

PRIORIDAD DEL SERVICIO
TAMAO DE LA LNEA DE ESPERA (FINTO O INFINITO)
FUENTE DE LLAMADAS (FINITA O INFINITA)
CONDUCTA HUMANA (CAMBIOS, ELUSIN Y RENUNCIA)
EXISTEN TANTOS MODELOS COMO VARIACIONES DE LOS
FACTORES
 MODELOS DE NACIMIENTO PURO
Y MUERTE PURA
REVISEMOS DOS PROCESOS ESPECIALES, EN EL PRIMERO LOS CLIENTES LLEGAN Y NUNCA
PARTEN Y EN EL SEGUNDO LOS CLIENTES SE RETIRAN DE UN SUMINISTRO INICIAL
MODELO DE NACIMIENTO PURO

CONSIDERE LA SITUACIN DE EMITIR ACTAS DE NACIMIENTO PARA

BEBS RECIN NACIDOS. ESTAS ACTAS SE GUARDAN NORMALMENTE EN
UNA OFICINA CENTRAL DE REGISTRO CIVIL. EL NACIMIENTO DE BEBES Y
LA EMISIN DE ACTAS CORRESPONDEN A UN PROCESO
COMPLETAMENTE ALEATORIO QUE SE PUEDE DESCRIBIR POR MEDIO DE
UNA DISTRIBUCIN DE POISSON. SUPONIENDO QUE ES LA TASA CON
QUE SE EMITEN ACTAS DE NACIMIENTO, EL PROCESO DE NACIMIENTO
PURO DE TENER ARRIBOS O LLEGADAS (ACTAS DE NACIMIENTO)
DURANTE EL PERIODO DE TIEMPO SE PUEDE DESCRIBIR CON LA
SIGUIENTE DISTRIBUCIN DE POISSON:

= , = 0, 1, 2, ( )
!
DONDE ES LA TASA DE LLEGADAS POR UNIDAD DE
TIEMPO, CON EL NUMERO ESPERADO DE LLEGAS DURANTE
IGUAL A .
EJEMPLO
SUPONGA QUE LOS NACIMIENTOS EN UN PAS ESTN SEPARADOS EN EL TIEMPO, DE
ACUERDO CON UNA DISTRIBUCIN EXPONENCIAL, REPRESENTNDOSE UN NACIMIENTO
CADA 7 MINUTOS EN PROMEDIO.
COMO EL TIEMPO PROMEDIO ENTRE ARRIBOS (NACIMIENTOS) ES DE 7 MINUTOS, LA
TASA DE NACIMIENTOS EN EL PAS SE CALCULA COMO
24 60
= = 205,7 /
7
EL NUMERO DE NACIMIENTOS EN EL PAS POR AO ESTA DADO POR
= 205,7 365 = 75085,7 /
LA PROBABILIDAD DE NINGN NACIMIENTO EN CUALQUIER DA ES
205,7 1 0 205,71
0 1 = 0
0!
SUPONGAMOS QUE NOS INTERESA LA PROBABILIDAD DE EMITIR 45
ACTAS DE NACIMIENTO AL FINAL DE UN PERIODO DE 3 HORAS, SI SE
PUDIERON EMITIR 35 ACTAS EN LAS PRIMERAS 2 HORAS. OBSERVANDO
QUE DEBIDO A QUE LOS NACIMIENTOS OCURREN SEGN UN PROCESO
DE POISSON, LA PROBABILIDAD REQUERIDA SE REDUCE A TENER 45
60
35 = 10 NACIMIENTOS EN UNA HORA (= 3 2). DADO = =
7
8,57 /, SE OBTIENE
8,57 1 10 8,571
10 1 = = 0,1172
10!
POR LO CUAL LA PROBABILIDAD DE EMITIR 45 ACTAS DE NACIMIENTO
AL FINAL DE UN PERIODO DE 3 HORAS ES DEL 11,172%
MODELO DE MUERTE PURA

CONSIDERE LA SITUACIN DE ALMACENAR UNIDADES DE UN ARTICULO AL INICIO DE

LA SEMANA, PARA SATISFACER LA DEMANDA DE LOS CLIENTES DURANTE LA SEMANA. SI
SUPONEMOS QUE LA DEMANDA SE PRESENTA A UNA TASA DE UNIDADES POR DA Y
QUE EL PROCESO DE DEMANDA ES COMPLETAMENTE ALEATORIO, LA PROBABILIDAD DE
TENER ARTCULOS EN ALMACN DESPUS DE UN TIEMPO , SE OBTIENE LA SIGUIENTE
DISTRIBUCIN TRUNCADA DE POISSON:

= , = 1, 2, ,
( )!

0 = 1
=1
EJEMPLO
AL INICIO DE CADA SEMANA, SE ALMACENAN 15 UNIDADES DE
UN ARTICULO DE INVENTARIO PARA UTILIZARSE DURANTE LA
SEMANA. SOLO SE HACEN RETIROS DEL ALMACN DURANTE LOS
PRIMEROS 6 DAS (LA EMPRESA ESTA CERRADA LOS DOMINGOS)
Y SIGUE UNA DISTRIBUCIN DE POISSON CON MEDIA DE 3
UNIDADES/DA. CUANDO EL NIVEL DE EXISTENCIAS LLEGA A 5
UNIDADES, SE COLOCA UN NUEVO PEDIDO DE 15 UNIDADES
PARA SER ENTREGADO AL PRINCIPIO DE LA SEMANA ENTRANTE.
DEBIDO A LA NATURALEZA DEL ARTICULO, SE DESECHAN TODAS
LAS UNIDADES QUE SOBRAN AL FIN DE SEMANA.
LA TASA DEL SALIDA ES =3 UNIDADES POR DA.
SUPONGA QUE NOS INTERESA DETERMINAR LA
PROBABILIDAD DE TENER 5 UNIDADES (EL NIVEL DE NUEVO
PEDIDO) AL DA
3 155 3
5 = , = 0, 1, 2, , 6
(15 5)!
SE OBTIENEN LOS SIGUIENTES RESULTADOS
 () 1 2 3 4 5 6
3 6 9 12 15 18
5 0,0008 0,0413 0,1186 0,1048 0,0486 0,015

5 REPRESENTA LA PROBABILIDAD DE HACER UN NUEVO

PEDIO EL DA . ESTA PROBABILIDAD LLEGA A SU NIVEL
MXIMO EN = 3 Y DESPUS DISMINUYE CONFORME
TRASCURRE LA SEMANA.
SI NOS INTERESA LA PROBABILIDAD DE HACER UN NUEVO PEDIO PARA EL DA ,
DEBEMOS DETERMINAR LA PROBABILIDAD DE TENER CINCO UNIDADES O MENOS
EL DA
5 = 0 + 1 + + 5
SE OBTIENE
() 1 2 3 4 5 6
3 6 9 12 15 18
5 0,0011 0,0839 0,4126 0,7576 0,9391 0,9847
OTRA INFORMACIN QUE SE PUEDE ANALIZAR ES DETERMINAR EL NUMERO PROMEDIO DE
UNIDADES DE INVENTARIO QUE SE DESECHARAN EL FIN DE SEMANA. ESTO SE HACE CALCULANDO
EL NUMERO ESPERADO DE UNIDADES PARA EL DA 6
15

| = 6 = (6)
=0

CON UN = 18 DADO SE TIENEN LOS SIGUIENTES DATOS

N 0 1 2 3 4 5 6 7 8 9 10 11
(6) 0,792 0,0655 0,0509 0,0368 0,0245 0,015 0,0083 0,0042 0,0018 0,0007 0,0002 0,0001
EJERCICIOS

TENIENDO COMO BASE LA INFORMACIN DEL EJEMPLO ANTERIOR DETERMINE

i. LA PROBABILIDAD DE QUE SE AGOTE LA EXISTENCIA DESPUS DE 3 DAS.
ii. LA PROBABILIDAD DE QUE SE RETIRARA UNA UNIDAD DE INVENTARIO AL
TERMINO DEL CUARTO DA DADO QUE LA ULTIMA UNIDAD FUE RETIRADA
AL CABO DEL TERCER DA.
iii. EL INVENTARIO PROMEDIO QUE SE MANTIENE EN EXISTENCIA AL TERMINO
DEL SEGUNDO DA
iv. LA PROBABILIDAD DE QUE NO OCURRAN RETIROS DURANTE EL PRIMER
DA