616 Capítulo 18 Sistemas de colas

2. Resuelva el problema 18.6-1 con los siguientes datos: cantidad de espacios de estaciona-
miento 5 6, cantidad de espacios temporales 5 4, l 5 10 autos por hora y tiempo prome-
dio de estacionamiento 5 45 minutos.

18.6.2 Modelos de un solo servidor

Esta sección presenta dos modelos para el caso de un solo servidor (c 5 1). El primer
modelo no limita el número máximo en el sistema, y el segundo supone un límite fini-
to del sistema. Ambos modelos suponen una capacidad infinita de la fuente. Las llega-
das ocurren a razón de l clientes por unidad de tiempo y la tasa de servicio es m clien-
tes por unidad de tiempo.
Los resultados de los dos modelos (y de hecho de todos los modelos restantes en
la sección 18.6) se derivan como casos especiales de los resultados del modelo genera-
lizado de la sección 18.5.
Se utilizará la notación ampliada de Kendall para caracterizar cada situación.
Debido a que las derivaciones de pn en la sección 18.5 y de todas las medidas de de-
sempeño en la sección 18.6.1 son totalmente independientes de una disciplina de colas
específica, se utilizará el símbolo GD (disciplina general) con la notación.
(M/M/ 1):(GD/q/q). Utilizando la notación del modelo general, tenemos

f, n = 0, 1, 2, Á
ln = l
mn = m
Incluso, lefec 5 l y lperdida 5 0, porque todos los clientes pueden unirse al sistema.
Si r = ml , la expresión para pn en el modelo generalizado se reduce a
pn = rnp0, n = 0, 1, 2, Á
Para determinar el valor de p0 usamos la identidad
p0(1 + r + r2 + Á ) = 1
La suma de la serie geométrica es A 1 -1 r B , siempre que r , 1. Por lo tanto
p0 = 1 - r, r 6 1
En consecuencia, la siguiente distribución geométrica da la fórmula general para pn
pn = (1 - r)rn, n = 1, 2, Á (r 6 1)
La derivación matemática de pn impone la condición r , 1, o l , m. Si l $ l, la serie
geométrica diverge, y las probabilidades de estado estable pn no existen. Este resulta-
do tiene un sentido intuitivo, porque a menos que la tasa de servicio sea mayor que la
tasa de llegadas, la longitud de la cola continuará creciendo y no puede alcanzarse
ningún estado estable.
La medida de desempeño Lq se deriva como sigue:
q q
Ls = a npn = a n(1 - r)rn
n=0 n=0

d q n
dr na
= (1 - r)r r
=0

a b =
d 1 r
= (1 - r)r
dr 1 - r 1- r
 18.6 Colas de Poisson especializadas 617

Debido a que lefec 5 l en la presente condición, las medidas de desempeño restantes

se calculan utilizando las relaciones dadas en la sección 18.6.1. Por lo tanto,

Ls 1 1
Ws = = =
l m(1 - r) m-l
1 r
Wq = Ws - =
m m(1 - r)
r2
Lq = lWq =
1- r
cq = Ls - Lq = r

Ejemplo 18.6-2
Automata es una instalación de lavado de autos de una sola bahía. Los autos llegan según una
distribución de Poisson con una media de 4 autos por hora y pueden esperar en el estaciona-
miento de la instalación en la calle si la bahía está ocupada. El tiempo para lavar y limpiar un
auto es exponencial, con una media de 10 minutos. Esto significa que, para todo propósito prác-
tico, no hay ningún límite en el tamaño del sistema. El gerente de la instalación desea determinar
el tamaño del estacionamiento.
Para esta situación tenemos l 5 4 autos por hora, y m = 60 10 = 6 autos por hora. Como
r = ml 6 1, el sistema puede operar en condiciones de estado estable. Los datos de TORA o
excelPoissonQ.xls para este modelo son

Lambda Mu c Límite del sistema Límite de la fuente

4 6 1 infinito infinito

Los resultados del modelo se muestran en la figura 18.5. El promedio de autos que esperan en la
cola, Lq es 1.33 autos.
Por lo general, no es aconsejable utilizar Lq como la única base para determinar la cantidad
de espacios de estacionamiento, porque el diseño debe, en cierto sentido, tener en cuenta la lon-
gitud máxima posible de la cola. Por ejemplo, puede ser más razonable diseñar el estaciona-
miento de modo que un auto que llega encuentre un espacio de estacionamiento al menos 90%
de las veces. Para hacer esto, sea S la cantidad de espacios de estacionamiento.Tener S espacios de
estacionamiento equivale a tener S 1 1 espacios en el sistema (cola más bahía). Un auto que
llega encontrará un espacio 90% de las veces si hay cuando mucho S autos en el sistema. Esta
condición es equivalente al siguiente enunciado de probabilidad:
p0 + p1 + Á + pS Ú .9
De acuerdo con la figura 18.5, la probabilidad acumulada pn con n 5 5 es .91221. Esto significa
que la condición se satisface con S $ 5 espacios de estacionamiento.
La cantidad de espacios S se determina también por medio de la definición matemática de
pn, es decir,
(1 - r)(1 + r + r2 + Á + rS) Ú .9
rS + 1
La suma de la serie geométrica truncada es 1 1- - r , la cual reduce la condición a

(1 - rS + 1) Ú .9
618 Capítulo 18 Sistemas de colas

Scenario 1: (M/M/1):(GD/infinity/infinity)
Lambda = 4.00000 Mu = 6.00000
Lambda eff = 4.00000 Rho/c = 0.66667
Ls = 2.00000 Lq = 1.33333
Ws = 0.50000 Wq = 0.33333

n Probability pn Cumulative Pn n Probability pn Cumulative Pn

0 0.33333 0.33333 13 0.00171 0.99657
1 0.22222 0.55556 14 0.00114 0.99772
2 0.14815 0.70370 15 0.00076 0.99848
3 0.09877 0.80247 16 0.00051 0.99899
4 0.06584 0.86831 17 0.00034 0.99932
5 0.04390 0.91221 18 0.00023 0.99955
6 0.02926 0.94147 19 0.00015 0.99970
7 0.01951 0.96098 20 0.00010 0.99980
8 0.01301 0.97399 21 0.00007 0.99987
9 0.00867 0.98266 22 0.00004 0.99991
10 0.00578 0.98844 23 0.00003 0.99994
11 0.00385 0.99229 24 0.00002 0.99996
12 0.00257 0.99486 25 0.00001 0.99997

FIGURA 18.5
Resultados del ejemplo 18.6-2 obtenidos con TORA (archivo toraEx18.6-2.txt)

La simplificación de la desigualdad produce

rS + 1 … .1
Sacando los logaritmos en ambos lados (y observando que log (x) , 0 para 0 , x , 1, lo cual in-
vierte la dirección de la desigualdad), tenemos.
ln (.1)
A 46 B
S Ú - 1 = 4.679 L 5
ln

CONJUNTO DE PROBLEMAS 18.6B

1. En el ejemplo 18.6-2, haga lo siguiente.
(a) Determine la utilización en porcentaje de la bahía de lavado.
(b) Determine la probabilidad de que un auto que llega tenga que esperar en el estacio-
namiento antes de entrar a la bahía de lavado.
(c) Si hay 7 espacios de estacionamiento, determine la probabilidad de que un auto que
llega encuentre un estacionamiento vacío.
(d) ¿Cuántos espacios de estacionamiento deben proporcionarse de modo que un auto
que llega pueda encontrar un espacio de estacionamiento 99% del tiempo?
 18.6 Colas de Poisson especializadas 619

*2. John Macko estudia en la U de Ozark. Realiza trabajos peculiares para complementar
sus ingresos. Las solicitudes para que realice un trabajo llegan cada 5 días, pero el tiempo
entre solicitudes es exponencial. El tiempo para terminar un trabajo también es exponen-
cial con media de 4 días.
(a) ¿Cuál es la probabilidad de que John se quede sin trabajos?
(b) Si John gana aproximadamente $50 por trabajo, ¿cuál es su ingreso mensual promedio?
(c) Si al final del semestre John decide subcontratar los trabajos pendientes a $40 cada
uno, ¿cuánto, en promedio, debe esperar que le paguen?
3. Durante años, el detective Columbo, del Departamento de Policía de Fayetteville, ha te-
nido un éxito fenomenal al resolver todos los casos criminales. Es sólo cuestión de tiem-
po antes de que cualquier caso se resuelva. Columbo admite que el tiempo por caso es
“totalmente aleatorio”, pero, en promedio, cada investigación le lleva aproximadamente
una semana y media. Los crímenes en el tranquilo Fayetteville no son muy comunes.
Ocurren al azar a razón de un crimen por mes (4 semanas). El detective Columbo está
solicitando que un asistente comparta la pesada carga de trabajo. Analice la petición de
Columbo, en particular desde la perspectiva de los siguientes puntos:
(a) El promedio de casos en espera de ser investigados.
(b) El porcentaje del tiempo que el detective permanece ocupado.
(c) El tiempo promedio necesario para resolver un caso.
4. Los autos que llegan a la caseta de cobro del túnel Lincoln lo hacen según una distribu-
ción de probabilidades de Poisson, con una media de 90 autos por hora. El tiempo para
cruzar la caseta es exponencial con media de 38 segundos. Los conductores se quejan del
largo tiempo de espera, y las autoridades desean reducir el tiempo de cruce promedio a
30 segundos con la instalación de dispositivos de cobro de cuota automáticos, siempre
que se satisfagan dos condiciones: (1) que el promedio de autos que esperan en este siste-
ma exceda de 5, y (2) que el porcentaje del tiempo ocioso de la caseta con el nuevo dis-
positivo instalado no exceda de 10%. ¿Se puede justificar el nuevo dispositivo?
*5. Un restaurante de comida rápida tiene una ventanilla para servicio en su auto. Los autos
llegan según una distribución de Poisson a razón de dos cada 5 minutos. El espacio en
frente de la ventanilla puede acomodar a lo sumo 10 autos, incluso el que se está atendien-
do. Los demás autos pueden esperar afuera de este espacio si es necesario. El tiempo de
servicio por cliente es exponencial, con una media de 1.5 minutos. Determine lo siguiente:
(a) La probabilidad de que la ventanilla esté ociosa.
(b) La cantidad estimada de clientes que esperan ser atendidos.
(c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido.
(d) La probabilidad de que la línea de espera exceda la capacidad de 10 espacios.
6. Los clientes llegan a la ventanilla de servicio en su auto de un banco según una distribución
de Poisson, con una media de 10 por hora. El tiempo de servicio por cliente es exponencial
con una media de 5 minutos. Hay tres espacios en frente de la ventanilla, incluido el auto
que están atendiendo. Otros autos que llegan se forman afuera de este espacio para 3 autos.
(a) ¿Cuál es la probabilidad de que un auto que llega pueda entrar a un de los 3 espacios?
(b) ¿Cuál es la probabilidad de que un auto que llega espere afuera del espacio designa-
do para tres 3 autos?
(c) ¿Cuánto tiempo se anticipa que espere un cliente que llega antes de iniciar el servicio?
*(d) ¿Cuántos espacios para autos deben proporcionarse en frente de la ventanilla (in-
cluido el que se está atendiendo) de modo que un auto que llega pueda encontrar un
espacio allí al menos 90% del tiempo?
7. En el escenario (M/M/1):(GD/q/q), dé un argumento convincente de por qué en general
Ls no es igual a Lq 1 1. ¿En qué condición se mantendrá la igualdad?
8. Para el escenario (M/M/1):(GD/q/q), derive la expresión Lq utilizando la definición básica
q
a n = 2(n - 1)pn.
620 Capítulo 18 Sistemas de colas

9. Para el escenario (M/M/1):(GD/q/q), demuestre que

(a) El número esperado en la cola, si la cola no esta vacía es igual a, = (1 -1 r) .
(b) El tiempo de espera anticipado en la cola para los que deben esperar es igual a
= 1 m 1- l 2.

(M/M/1):(GD/N/q ). Este modelo difiere de (M/M/1):(GD/q/q) en que hay un

límite N en el número en el sistema (longitud máxima de la cola 5 N 2 1). Algunos
ejemplos incluyen situaciones de manufactura en las que una máquina puede tener un
espacio intermedio limitado y una ventanilla de servicio en su coche en un restaurante
de comida rápida. No se permiten nuevas llegadas cuando la cantidad de clientes en el
sistema llega a N. Por lo tanto,

ln = e
l, n = 0, 1, Á , N - 1
0, n = N, N + 1
mn = m, n = 0, 1, Á

l
Utilizando r = m , el modelo generalizado de la sección 18.5 da

rnp0
pn = e
n … N
0, n 7 N
q
El valor de p0 se determina a partir de la ecuación a pn = 1, la cual da
n=0

p0 (1 + r + p2 + Á + rN) = 1

o
1 -r
, r Z 1
1 - rN + 1
p0 = d
1 -r
, r = 1
1 - rN + 1
Por lo tanto,
11 - r2rn
, r Z 1
1 - rN + 1
pn = d 11 - r2rn t, n = 0, 1, Á , N
, r = 1
1 - rN + 1

El valor de r = ml no tiene que ser menor que 1 en este modelo, porque el límite N con-
trola las llegadas al sistema. Esto significa que lefec es la tasa que importa en este caso.
Debido a que los clientes se pierden cuando hay N en el sistema, entonces, como se
muestra en la figura 18.4,

lperdida = lpN
lefec = l - lperdida = l(1 - pN)
 18.6 Colas de Poisson especializadas 621

En este caso, lefec , m.

La cantidad esperada de clientes en el sistema se calcula como
N
Ls = a npn
n=1
N
1-r n
=
1-r N+1 a nr
n=0

d N n
= a br
1-r
dr na
r
1 - rN + 1 =0

1 - rN + 1
a b
(1 - r)r d
=
1 - rN + 1 dr 1-r
r[1 - (N + 1)rN + NrN + 1]
= ,r Z 1
(1 - r) (1 - rN + 1)

Cuando r = 1, Ls = N2 (¡compruébelo!). Podemos derivar Ws, Wq y Lq a partir de Ls

utilizando lefec como se muestra en la sección 18.6.1.
El uso de una calculadora de mano para procesar las fórmulas de colas es, en el mejor
de los casos, incómodo (¡las fórmulas se vuelven más complejas en los últimos modelos!)
Se recomienda utilizar TORA o la plantilla excelPoissonQ.xls para manejar estos cálculos.

Ejemplo 18.6-4
Considere la instalación de lavado de autos del ejemplo 18.6-2. Suponga que la instalación cuen-
ta con un total de 4 espacios de estacionamiento. Si el estacionamiento está lleno, los autos que
llegan pueden irse a otras instalaciones. El propietario desea determinar el efecto del limitado
espacio de estacionamiento en la pérdida de clientes frente a la competencia.
En términos de la notación del modelo, el límite en el sistema es N 5 4 1 1 5 5. Los si-
guientes datos permiten obtener los resultados que aparecen en la figura 18.6.

Lambda Mu c Límite del sistema Límite de la fuente

4 6 1 5 infinito

Debido a que el límite en el sistema es N 5 5, la proporción de clientes perdidos es p5 5

.04812, la cual, basada en un día de 24 horas, equivale a perder el negocio de (lp5) 3 24 5 4 3
0.4812 3 24 5 4.62 autos al día. La decisión en cuanto a incrementar el tamaño del lote de esta-
cionamiento debe basarse en el valor del negocio perdido.
Mirando el problema desde un ángulo diferente, el tiempo total esperado en el sistema, Ws
es de .3736 horas, o aproximadamente 22 minutos, por debajo de los 30 minutos del ejemplo
18.6-3, cuando se permite que todos los autos que lleguen se unan a la instalación. Esta reduc-
ción de aproximadamente 25% se asegura a expensas de perder alrededor de 4.8% de todos los
clientes potenciales a causa del limitado espacio de estacionamiento
622 Capítulo 18 Sistemas de colas

Scenario 1:(M/M/1):(GD/5/infinity)

Lambda = 4.00000 Mu = 6.00000

Lambda eff = 3.80752 Rho/c = 0.66667
Ls = 1.42256 Lq = 0.78797
Ws = 0.37362 Wq = 0.20695
n Probability pn Cumulative Pn n Probability pn Cumulative Pn
0 0.36541 0.36541 3 0.10827 0.87970
1 0.24361 0.60902 4 0.07218 0.95188
2 0.16241 0.77143 5 0.04812 1.00000

FIGURA 18.6
Resultados del ejemplo 18.6-4 obtenidos con TORA (archivo toraEx18.6-4.txt)

CONJUNTO DE PROBLEMAS 18.6C

*1. En el ejemplo 18.6-4, determine lo siguiente:
(a) La probabilidad de que un auto que llegue entre de inmediato a la bahía de lavado.
(b) El tiempo de espera hasta que se inicie el servicio.
(c) La cantidad esperada de espacios de estacionamientos vacíos.
(d) La probabilidad de que todos los espacios de estacionamiento estén ocupados.
(e) La reducción en porcentaje del tiempo de servicio promedio que limitará el tiempo
promedio en el sistema a aproximadamente 10 minutos. (Sugerencia: Utilice el méto-
do de prueba y error con excelPoissonQ.xls o TORA.)
2. Considere la instalación de lavado de autos del ejemplo 18.6-4. Determine la cantidad de
espacios de estacionamiento de modo que el porcentaje de los autos que no puedan en-
contrar un espacio no exceda de 1%.
3. El tiempo que el peluquero Joe Cakes emplea para realizar un corte de pelo es exponen-
cial con una media de 12 minutos. Debido a su popularidad, los clientes suelen llegar (de
acuerdo con una distribución de Poisson) a una razón mayor que la que Joe puede mane-
jar: 6 clientes por hora. Joe en realidad se siente cómodo si la tasa de llegadas se reduce
efectivamente a alrededor de 4 clientes por hora. Para alcanzar esta meta se le ocurrió
proporcionar asientos limitados en el área de espera, de modo que los clientes que aca-
ban de llegar se vayan a otra parte cuando se dan cuenta de que todos los asientos están
ocupados. ¿Cuántos asientos debe proporcionar Joe para alcanzar su meta?
*4. El ensamble final de los generadores eléctricos en Electro se realiza a la razón de Poisson
de 10 generadores por hora. Luego los generadores son transportados por una banda al
departamento de inspección para su revisión final. La banda puede transportar un máxi-
mo de 7 generadores. Un sensor automático detiene al instante la banda una vez que se
llena, lo que evita que el departamento de ensamble final arme más unidades hasta que
haya espacio disponible. El tiempo para inspeccionar los generadores es exponencial, con
una media de 15 minutos.
(a) ¿Cuál es la probabilidad de que el departamento de ensamble final detenga la pro-
ducción?
(b) ¿Cuál es el promedio de generadores sobre la banda transportadora?
(c) El ingeniero de producción afirma que las interrupciones en el departamento de en-
samble pueden reducirse si se incrementa la capacidad de la banda. De hecho, el inge-
niero afirma que la capacidad puede incrementarse al punto en que el departamento de
ensamble opere 95% del tiempo sin interrupciones. ¿Es justificable esta reclamación?
 18.6 Colas de Poisson especializadas 623

5. Una cafetería puede acomodar un máximo de 50 personas. Los clientes llegan en una co-
rriente Poisson a razón de 10 por hora y son atendidos (uno a la vez) a razón de 12 por hora.
(a) ¿Cuál es la probabilidad de que un cliente que llegue no coma en la cafetería porque
está llena?
(b) Suponga que a tres clientes (con tiempos de llegada aleatorios) les gustaría sentarse
juntos. ¿Cuál es la probabilidad de que se cumpla su deseo? (Suponga que pueden
hacerse arreglos para que se sienten juntos en cuanto haya tres sillas disponibles.)
6. Los pacientes llegan a la clínica de un médico de acuerdo con una distribución de Poisson
a razón de 20 pacientes por hora. La sala de espera no puede acomodar más de 14 pa-
cientes. El tiempo de consulta por paciente es exponencial, con una media de 8 minutos.
(a) ¿Cuál es la probabilidad de que un paciente que llegue no espere?
(b) ¿Cuál es la probabilidad de que un paciente que llegue encuentre un asiento en la sala?
(c) ¿Cuál es el tiempo total esperado que un paciente pasa en la clínica?
7. La probabilidad pn de que haya n clientes en el sistema en un escenario
(M/M/1):(GD/5/q)se dan en la siguiente tabla:

n 0 1 2 3 4 5

pn .399 .249 .156 .097 .061 .038

La tasa de llegadas l es de 5 clientes por hora. La tasa de servicio µ es de 8 clientes por

hora. Calcule lo siguiente:
*(a) La probabilidad que un cliente que llega no pueda entrar al sistema.
*(b) La tasa a la cual los clientes que llegan no podrán entrar al sistema.
(c) Número esperado en el sistema.
(d) Tiempo de espera promedio en la cola.
8. Demuestre que cuando r 5 1 para (M/M/1):(GD/N/q), el número esperado en el siste-
ma, Ls, es igual a N2 . 1Sugerencia: 1 + 2 + Á + i = i1i +2 12 .2
9. Demuestre que lefec para (M/M/1):(GD/N/q) puede calcularse aplicando la fórmula.
lefec = m(Ls - Lq)

18.6.3 Modelos de varios servidores

Esta sección considera tres modelos de colas con varios servidores paralelos. Los pri-
meros dos modelos son las versiones de varios servidores de los modelos de la sección
18.6-2. El tercer modelo trata el caso del autoservicio, el cual equivale a tener una can-
tidad infinita de servidores paralelos.

Aplicación de la vida real. Personal de ventas por teléfono de Qantas Airways

Para reducir los costos de operación, Qantas Airways buscar dotar de personal a su
oficina principal de reservaciones y ventas por teléfono de forma eficiente, al mismo
tiempo que proporciona un servicio de calidad a sus clientes. Tradicionalmente, las ne-
cesidades de personal se estiman pronosticando las llamadas telefónicas futuras con
base en el incremento histórico del negocio. El aumento de la cantidad de empleados
se calcula luego con base en el incremento promedio proyectado de las llamadas te-
lefónicas, dividido entre el promedio de llamadas que un operador puede manejar.