UNIVERSIDAD DEL BO BO

FACULTAD DE INGENIERA
DEPARTAMENTO DE INGENIERA INDUSTRIAL

Trminos Bsicos de la Teora de Colas e Introduccin a

la Aplicacin Nacimientos Puros.

Nombres: Rigoberto Barra

Luis Caro
Juan Mercado
Gustavo Schlack
Profesor: Milton Ramrez
Asignatura: Inv. Operativa II
Fecha Entrega: 31/01/2012

SISTEMAS DE COLAS
Es parte de nuestra vida esperar por algun tipo de servicio o producto, ya sea
hacer una fila para realizar un deposito bancario, para comprar un producto en
una caja de un supermercado, o hacer una cola en un casino de la universidad y
as almorzar.
Si bien es muy difcil (adems de costosa) la eliminacin total de tiempos de
espera, existen mtodos heursticos para reducir en parte estos tiempos, Por qu
estudiar estos fenmenos? En lineas de espera se trata de determinar los tiempos
de permanencia en cola, longitud de cola y utilizacin promedio de instalaciones
entre otros aspectos.

ESTRUCTURA BASICA DE LOS MODELOS DE COLA

PROCESO BASICO DE COLAS
El proceso bsico de los modelos de colas es el siguiente: los clientes que
requieren un servicio generan tiempo en una fuente de entrada. Estos clientes
entran al sistema y se unen a una cola. En determinado momento se selecciona
un mienbro de la cola, para proporcionarle el servicio, mediante alguna regla
conocida como disciplina de servicio. Luego, se lleva a cabo el servicio requerido
por el cliente en un mecanismo de servicio, y despus el cliente sale del sistema
de colas. En la figura 1.1 se describe el proceso.

Figura 1.1
Proceso Bsico de Colas
FUENTE DE ENTRADA (POBLACION POTENCIAL)
Una caracteriztica de las fuentes de entrada es su tamao. El Tamao es el
nmero total de clientes que puede requerir servicio en determinado momento, es
decir, el nmero total de clientes potenciales distintos. Esta poblacin a partir de la
cual surgen las unidades que llegan se conoce como poblacin de entrada.
Puede suponerse que el tamao es infinito o finito ( de igual modo se dice que
una fuente puede ser limitada o ilimitada). Como los clculos son mas sencillos
para el caso infinito, esta suposicin se hace mas frecuente. De modo que si en un

planteamiento no se seala nada de este punto, debe asumirse como implicito el

caso infinito.
Lo normal de la distribucin para este tipo de problemas, es utilizar distribucin de
Poisson, Qu quiere decir esto? Las llegadas al sistema son de forma aleatoria,
pero con cierta tasa media fija y sin importar cuantos clientes esten ah (por lo que
se dijo de tamao de fuente de entrada es infinito). Otra suposicin es de que, la
distribucin de probabilidad del tiempo en que transcurren dos llegadas
consecutivas es expotencial.
COLA
La cola es donde los clientes esperan antes de ser atendidos. Una cola se
caracteriza por el nmero mximo permisible de clientes que puede admitir. Las
colas pueden ser finitas o infinitas. La suposicin de una cola infinita es la
estndar para la mayoria de los modelos, incluso en situaciones en las que de
hecho existe una cota superior sobre el nmero permitido de clientes, ya que
manejar una cota asi puede resultar tedioso y complicado para el anlisis (cotas
relativamente grande). Por el contrario si la cota es tan pequea que se llega a
una cierta frecuencia, se necesita suponer cola finita.
DISCIPLINA DE LA COLA
Representa el orden en que se seleccionan los clientes de una cola, es un factor
importante en el anlisis de los modelos de colas. La disciplina ms comn es la
de primero en llegar, primero en atenderse (tambin FCFS del ingls first come,
first served). Entre otras disciplinas estn ltimo en llegar, primero en atenderse
(LCFS de last come, first served), y de dar servicio en orden aleatorio (SIRO, de
service in random order). Tambin los clientes se pueden seleccionar en la cola
con base a cierto orden de prioridad. Por ejemplo, los trabajos urgentes en un
taller se procesan antes que los trabajos normales.
El comportamiento de los clientes en espera juega un papel en el anlisis de las
lneas de espera. Los clientes humanos se pueden saltar de una cola a otra,
tratando de reducir la espera. Tambin pueden rehusar totalmente a la cola por
haber esperado demasiado.
Antes de explicar una aplicacin real a la teora de colas, se har mencin a la
distribucin expotencial y a la distribucin de Poisson, piezas claves para los
Modelos de Nacimientos Puros (aplicacin real).

DISTRIBUCION EXPOTENCIAL
En la mayor parte de los casos de colas, la llegada de los clientes se hace en una
forma totalmente aleatoria. La Aletoriedad quiere decir que la ocurrencia de un
evento (por ejemplo. La llegada de un cliente) no est influido por el tiempo que
haya transcurrido desde la ocurrencia del evento anterior.
La distribucin expotencial, se define como:

f (t ) = e t , t > 0
en donde:
E{t} =

P{t T } = e t dt
0

= 1 e T
Dada una distribucion expotencial f (t ) que representa el tiempo t entre eventos
sucesivos si S es el intervalo desde la ocurrencia del ultimo evento, la propiedad
de amnesia implica que
P{t > T + s | t > S } = P{t > T }
MODELOS CON NACIMIENTOS Y MUERTES PURAS
En esta parte se exhiben 2 situaciones de colas: la primera es un modelo de
nacimiento(s) puro(s)1 y la segunda de muerte(s) pura(s), ejemplos, para el
primer caso un ejemplo claro es la emision de certificados de nacimiento, y para el
segundo caso el retirar un articulo de una tienda.
La distribucin expotencial sera de gran ayuda, ya que nos permite describir los
tiempos de llegada en el modelo de nacimiento puro, y el tiempo entre salidas con
el modelo de muerte pura. Tambien existe una relacion entre las distribuciones
expotencial y de Poisson, por lo que se har mencion del mismo.

Para el siguiente informe, slo se har mencin de la aplicacin Nacimientos Puros. Para recurrir a la
aplicacin Muerte Pura recurrir al texto Investigacin de Operaciones, 7ma Edicin,, Hamdy A. Taha

MODELO DE NACIMIENTOS PUROS

Se define
P0 (t ) = Probabilidad de que no haya llegadas durante un espacio de tiempo t
Como el tiempo entre llegadas es expotencial, y la frecuencia de llegadas es de
clientes por unidad de tiempo, entonces
P0 (t ) = P{tiempo entre llegadas t}
= 1 P{tiempo entre llegadas t}
= 1 (1 e t )
= e t
Para un intervalo suficientemente pequeo h > 0,
( h) 2
p0 (h) = e = 1 h +
... = 1 h + 0(h 2 )
2!
La distribucion expotencial se basa en la hipotesis que durante un tiempo
t

suficientemente pequeo h > 0, puede representarse cuando mucho una llegada. As, cuando
h0
p1 (h) = 1 p0 (h) h
Este resultado indica que la probabilidad de una llegada durante h es directamente
proporcional a h, y que la frecuencia de llegadas es la constante de proporcionalidad.
Para deducir la distribucion de la cantidad de llegadas durante un periodo t , cuando el
tiempo entre llegadas es expotencial con promedio
pn (t ) = Probabilidad de n llegadas durante t

se define a

Para una h > 0 suficientemente pequea.

pn (t + h) pn (t )(1 h) + pn 1 (t ) h, n > 0
p0 (t + h) p0 (t )(1 h).

n=0

En la primera ecuacion se realizan n llegadas durante t + h, si hay n llegadas durante

t y no hay llegadas durante h, o n 1llegadas durante t y una llegada durante h. No se
permite ninguna otra combinacin porque, segn la distribucin expotencial, cuando
mucho puede haber una llegada durante un periodo h muy pequeo. La ley de producto
de probabilidad se puede aplicar al lado derecho de la ecuacin, porque las llegadas son
independientes. Para la segunda ecuacin, slo puede haber cero llegadas t + h si no hay
llegadas durante t y durante h.
Al arreglar los trminos y tender a los lmites cuando h 0, se obtiene
pn (t + h) pn (t )
= pn (t ) + pn 1 (t ), n > 0
h
p (t + h) p0 (t )
p '0 (t ) = l mh0 0
= p0 (t ).
n=0
h
en donde p 'n (t ) es la primera derivada de pn (t ) con respecto a t.
p 'n (t ) = l mh0

La solucion de estas ecuaciones en diferencias y diferenciales es

( t ) n e t
, n = 0,1, 2...
n!
Es una distribucion de Poisson, con media E{n | t} = t llegadas durante t.
pn (t ) =

APLICACIN DE MODELOS DE NACIMIENTOS PUROS

Los nios nacen en un estado poco poblado, con frecuencia de nacimiento cada
12 minutos. El tiempo entre nacimientos sigue una distribucin expotencial.
Determinar lo siguiente:
La cantidad promedio de nacimientos por ao.
La probabilidad de que no haya nacimientos en cualquier da.
La probabilidad de emitir 50 certificados de nacimiento en 3 horas, cuando
se emitieron 40 certificados durante las primeras 2 horas del periodo de 3
horas.

la tasa diaria de nacimientos se calcula como:

24 60
= 120 nacimientos/da
12
Los nacimientos anuales en el estado son

t = 120 365 = 43,800 nacimientos/da

La probabilidad de que no haya nacimientos en algn da se calcula
con la distribucin de Poisson:
(120 1)0 e1201
=0
0!
Para calcular la probabilidad de emitir 50 certificados en 3 horas, cuando se han emitido
p0 (1) =

ya 40 certificados en las 2 primeras horas, equivale a tener 10(= 50 40) nacimientos

en 1(= 3 2) hora. Como =

60
= 5 nacimientos por hora, entonces
12

(5 1)10 e 51
= 0.01813
10!
Para la facilidad de los calculos, se recomienda utilizar el software TORA ya que el
p10 (1) =

clculo de la distribucion de Poisson son algo tediosos. Lo brindado por el software

son las siguientes salidas:

Observe que el elemento de lambda es t = 5 1 = 5 nacimientos / da

BIBLIOGRAFIA
Investigacin de Operaciones/ Hamdy A. Taha / 7 Edicion/ Pearson Educacion.
Investigacin de Operaciones/ Frederick S Hillier, Gerald J. Lieberman. 7 Edicin
Mxico: Mc Graw Hill, 2002.