SISTEMA DE COLAS

PORQUE ESTUDIAR LAS COLAS?

EN SERES HUMANOS
ESPERAMOS EN LOS RESTAURANTES.
HACEMOS FILA PARA ABORDAR UN AVIN.
FORMAMOS EN LA COLA PARA QUE NOS ATIENDAN EN DEPENDENCIAS OFICIALES. ETC.
NO SE LIMITA A SERES HUMANOS
LOS TRABAJOS ESPERAN PARA SER PROCESADOS.
LOS AVIONES VUELAN EN CRCULOS A DIFERENTES ALTURAS HASTA QUE SE LES PERMITE
ATERRIZAR.
LOS AUTOS SE DETIENEN EN LOS SEMFOROS, ETC.
ELIMINAR LA ESPERA POR COMPLETO NO ES UNA OPCIN FACTIBLE DEBIDO A QUE EL COSTO DE
INSTALACIN Y OPERACIN DEL CENTRO DE OPERACIN PUEDE SER PROHIBITIVO. NUESTRO
NICO RECURSO ES BUSCAR EL EQUILIBRIO ENTRE EL COSTO DE OFRECER UN SERVICIO Y EL DE
ESPERAR A QUE LO ATIENDAN.
Ejemplo
 Elementos de un modelo de colas
Cliente Servidor Instalacion
Fuente Tiempo entre llegadas Tiempo de servicio
Tamao de la cola Disciplina de las colas Primero en llegar primero en ser
atendido Ultimo en llegar primero en ser atendido
Servicio en orden aleatorio Prioridad Cambiarse
Desistir Salirse Fuente finita
Fuente infinita

Las variaciones en los elementos de una situacin

de colas originan varios modelos de colas
matemticos. Las situaciones de colas complejas
que no pueden representarse matemticamente se
suelen analizar por medio de simulacin.
Analizar
Distribuciones de Probabilidad mas
usadas en los sistemas de colas.
1. Distribucin de Probabilidad de
Poisson.

2. Distribucin de Probabilidad
Exponencial
Distribucin de Poisson
Caracteristicas
Funcin de Probabilidad
Ejemplo
 DISTRIBUCION EXPONENCIAL
La distribucin exponencial tiene una gran utilidad prctica ya que podemos considerarla como
un modelo adecuado para la distribucin de probabilidad del tiempo de espera entre dos
hechos que sigan un proceso de Poisson.
La distribucin exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas
son de Poisson el tiempo entre estas llegadas es exponencial.
La distribucin exponencial es continua porque el tiempo entre llegadas no tiene que ser un
nmero entero. Esta distribucin se utiliza mucho para describir el tiempo entre eventos. Ms
especficamente la variable aleatoria que representa al tiempo necesario para servir a la
llegada.
Ejemplos tpicos de esta situacin son el tiempo que un medico dedica a una exploracin, el
tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia.
El uso de la distribucin exponencial supone que los tiempos de servicio son aleatorios, es decir,
que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni
de la posible cola que pueda estar formndose.
Otra caracterstica de este tipo de distribucin es que no tienen "edad" o en otras palabras,
"memoria". Por ejemplo. Supongamos que el tiempo de atencin de un paciente en una sala
quirrgica sigue una distribucin exponencial. Si el paciente ya lleva 5 horas siendo operado, la
probabilidad de que est una hora ms es la misma que si hubiera estado 2 horas, o 10 horas o
las que sea. Esto es debido a que la distribucin exponencial supone que los tiempos de servicio
tienen una gran variabilidad. A lo mejor el prximo paciente operado tarda 1 hora porque su
ciruga era mucho ms simple que la anterior.
Funcion de probabilidad, densidad, y falta de
memoria
 Ejercicios
EJEMPLO 1.-El tiempo durante el cual cierta marca de batera trabaja en forma efectiva hasta que falle (tiempo de
falla) se distribuye segn el modelo exponencial con un tiempo promedio de fallas igual a 360 das.
a) qu probabilidad hay que el tiempo de falla sea mayor que 400 das?.
b) Si una de estas bateras ha trabajado ya 400 das, qu probabilidad hay que trabaja ms de 200 das ms?

EJEMPLO 2.-Suponga que la vida de cierto tipo de tubos electrnicos tiene una distribucin exponencial con vida
media de 500 horas. Si X representa la vida del tubo (tiempo q dura el tubo).
a) Hallar la probabilidad que se queme antes de las 300 horas.
b) Cul es la probabilidad que dure por lo menos 300 horas?
c) Si un tubo particular ha durado 300 horas. cal es la probabilidad de que dure otras 400 horas?

EJEMPLO 3.-Suponga que el tiempo que necesita un cajero de un banco para atender a un cliente tiene un
distribucin exponencial con una media de 40 segundos.
a) Hallar la probabilidad que el tiempo necesario para atender un cliente dado sea mayor que 20 minutos?
b) Cul es la probabilidad que el tiempo necesario para atender a un cliente est comprendido entre 1 y 2
minutos.
 Ejemplo 4.-Las fallas de un equipo de radar siguen la distribucin exponencial, el promedio de
fallas es de una por cada 300 horas. Si se tiene una probabilidad del 96% de que no exista una
avera en un intervalo de tiempo > 0 = a t, calcule el tiempo para esta probabilidad.

Ejemplo 5.- Una fbrica de llantas para automviles garantiza que duran 2 aos en promedio, si
el desgaste de estas llantas sigue la distribucin exponencial. Cul es la probabilidad de que
una llanta dure menos de 4 aos?

Ejemplo 6.- Segn estadsticas que se han llevado a cabo un molino de trigo se descompone en
promedio una vez cada dos aos. Cul es la probabilidad de que la siguiente descompostura
sea dentro de 6 meses?

Ejemplo 7.- Una compaa que produce tarjetas de video para PC, sabe que el tiempo de vida
de estas, sigue una distribucin exponencial con una vida media de 10 aos. Si el fabricante no
quiere reemplazar ms del 8% de su producto, determine este tiempo de garanta al mes ms
cercano.

Ejemplo 8.- Una compaa de fabrica de focos para un fin determinado sabe que el tiempo de
vida de estos sigue una distribucin exponencial con una vida media de 7 aos, la compaa
quiere determinar un tiempo de garanta de tal manera que no tenga que reemplazar mas del
10% de los focos. Determine este tiempo de garanta, aproxime al mes ms cercano
Proceso de nacimiento y muerte
pura

En esta seccin consideraremos dos procesos

especiales. En el primer proceso, los clientes llegan y
nunca parten y en el segundo proceso los clientes se
retiran de un abasto inicial. En ambos casos los
procesos de llegada y retiro ocurren de manera
aleatoria. Las dos situaciones se denominan proceso de
nacimiento puro y proceso de muerte pura.
Nacimiento Puro
Considere la situacin de emitir actas de nacimiento para bebes recin nacidos.
Estas actas se guardan normalmente en una oficina central de Registro Civil. Hay
razones para creer que el nacimiento de bebes y, por ello, la emisin de las actas
correspondientes es un proceso completamente aleatorio que se puede describir
por medio de una distribucin de Poisson.
Ejemplo
 Muerte Pura
Considere la situacin de almacenar N unidades de artculo 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 asociada de tener n artculos
en el almacn despus de un tiempo t, la da la siguiente distribucin truncada de
Poisson:
Ejemplo
Relaciones entre Poisson y Exponencial
Medicin del Rendimiento de las colas
Notacion de los modelos de colas
Ejemplo de Notacin Kendall
Variedad de colas
4 modelos a estudiar
Condiciones Necesarias.
Estado Estable y Transitorio.

PARA QUE SE APLIQUE LA TEORIA DE COLAS EL

SISTEMA TIENE QUE TENER EL ESTADO ESTABLE.

En este contexto tenemos que la tasa de llegadas tiene

que ser menor que la tasa de salida del sistema.

Ejemplo: Si llegan 30 clientes cada hora y se pueden

atender 14 clientes por hora por servidor Cul es la
cantidad mnima de servidores para que el sistema tenga
la condicin de estable?
Modelo 1: M/M/1
Terminologa Notacin Frmulas
M/M/1
Frmulas M/M/1
Ejercicios
Modelo 2 : M/M/s
Formulas y Notacin
Modelo 3: M/D/1
Modelo 4: De poblacin Limitada
Notacin
Formulas: