Instituto Universitario Politcnico

Santiago Mario
Extensin Barinas
Departamento de Ingeniera Industrial
Investigacin de Operaciones II

TERORIA DE COLAS

Por:
TSU Leonel Quintero

INTRODUCCION

La Teora de Colas es una coleccin de modelos matemticos que describen

sistemas de lneas de espera particulares o de sistemas de colas. Los modelos sirven para
encontrar el comportamiento de estado estable, como la longitud promedio de la lnea y el
tiempo de espera promedio para un sistema dado. Bsicamente los objetivos de la teora de
colas permiten identificar el nivel ptimo de capacidad del sistema que minimiza el coste
global del mismo, sin dejar de lado la atencin al tiempo de permanencia en el sistema o en
la cola. Esta teora aparece a principios del siglo XX para estudiar los problemas de
congestin de trfico que se presentaban en las comunicaciones telefnicas. Erlang,
destacado matemtico dans, fue el primero en tratar el trfico telefnico de forma
cientfica (entre los aos 1903 y 1905), y estableci la unidad de trfico telefnico, que
recibe su nombre.
Comnmente el problema en las colas surge al querer establecer una determinada
capacidad o tasa de servicio que sea balanceada, puesto que un mal clculo de las colas
puede llevar a un costo operacional excesivo, y en contraposicin puede causar costos
sociales los que se ven reflejados en una prdida de clientes, como tambin al mantener
empleados ociosos. A continuacin se presentan en detalle los elementos que conforman el
modelo de lneas de espera, mtodos para su desarrollo y los problemas en que se pueden
aplicar.

MODELO DE LINEAS DE ESPERA

Cuando se habla de lneas de espera se refiere a las creadas por clientes o por las estaciones
de servicio. Un factor por lo que los clientes tengan que esperar en cola puede ser porque los medio
existentes son los inadecuados para satisfacer la demanda de servicio, en estos casos, la cola tiende
a ser explosiva, esto significa que a medida que pase el tiempo la cola ir en aumento. Los modelos
de lnea de espera consisten en frmulas y relaciones matemticas que pueden usarse para
determinar las caractersticas operativas (medidas de desempeo) para una cola. Si se tiene, dicha
informacin, se puede ser capaz de tomar decisiones que equilibren los niveles de servicio
deseables con el costo de proporcionar dicho servicio.

ELEMENTOS BSICOS DEL MODELO DE LNEAS DE ESPERA

.- Fuente de entrada o poblacin potencial

Conjunto de individuos posibles usuarios del servicio. Esta puede ser finita o
infinita, aunque esta ltima no es realista, nos ayuda a resolver de forma ms sencilla
muchas situaciones en las que la poblacin es finita pero de gran tamao. Ejemplos seran:
personas, automviles, mquinas que puedan requerir reparacin, documentos y diversos
artculos.

.- Cliente
Todo individuo, entidad o elemento de la poblacin potencial que solicita el
servicio, en ocasiones formar una cola.

.- Capacidad de la cola
Mximo nmero de clientes que pueden estar haciendo cola antes de recibir el
servicio. Puede ser finito o infinito.

.- Disciplina de la cola
Orden en el que se seleccionan los miembros de una cola para recibir el servicio.
Las disciplinas ms habituales son: -La disciplina FCFS (first come firts serve): Se atiende
al cliente que primero haya llegado. -La disciplina LCFS (last come first serve): Se atiende
primero al cliente que ha llegado ltimo. -La SIRO (random selection of service):
Selecciona a los clientes de forma aleatoria.

.- Instalacin o mecanismo de servicio

Procedimiento por el cual se entrega el servicio al cliente. Consiste en una o ms
instalaciones de servicio, donde cada una de ellas consta con uno o ms servidores.
Conocido el nmero de servidores es necesario conocer el tiempo que transcurre desde el
inicio del servicio hasta su terminacin en una instalacin segn el cliente, el cual es
llamada tiempo o duracin de servicio.
Un modelo de un sistema de colas debe especificar la distribucin de la probabilidad
de los tiempos de servicio para cada servidor.
.- Cola
Nmero de clientes que esperan ser atendidos por el servicio que han solicitado, no
incluye a quien est recibiendo el servicio.

La disciplina de la cola se refiere al orden en que se seleccionan los miembros de la

cola para comenzar el servicio
La ms comn es PEPS: primero en llegar, primero en servicio
Puede darse: seleccin aleatoria, prioridades, UEPS, entre otras.

.- Sistemas de Colas
Conjunto formado por la cola y el mecanismo de servicio, la fuente son los clientes
que tienen la alternativa de iniciar el servicio o esperar en la cola su turno. Los elementos
bsicos de un modelo de espera dependen de los siguientes factores: -Distribucin de
llegada. -Distribucin de tiempo de servicio. -Diseo de instalaciones de servicios. Disciplina de servicio. -Tamao de cola. -Fuente de llamadas.

El nmero de clientes en la cola es el nmero de clientes que esperan el servicio

El nmero de clientes en el sistema es el nmero de clientes que esperan en la cola
ms el nmero de clientes que actualmente reciben el servicio
La capacidad de la cola es el nmero mximo de clientes que pueden estar en la cola
Generalmente se supone que la cola es infinita
Aunque tambin la cola puede ser finita
La disciplina de la cola se refiere al orden en que se seleccionan los miembros de la
cola para comenzar el servicio
La ms comn es PEPS: primero en llegar, primero en servicio
Puede darse: seleccin aleatoria, prioridades, UEPS, entre otras.

CONSIDERACIONES
Otro factor que podra considerarse en las lneas de espera es la conducta humana,
ya que un cliente puede cambiarse de una lnea de espera a otra pensando en reducir su
tiempo de espera. Algunas personas tambin pueden eludir la lnea cuando se percatan que
la demora ser de arto tiempo, o bien, pueden renunciar despus de estar un momento en la
fila ya que su espera haya sido demasiado larga. Como complemento definiremos los costos
posibles: -Costos de espera: Es lo que significa al cliente tener que esperar en la cola, es
decir el costo oportunidad del tiempo que ha de demorarse en ser atendido. -Costo de
servicio: Es el costo de operacin del servicio entregado. Uno de los objetivos de un
sistema de colas es encontrar el sistema del costo total mnimo. Desde el punto de vista de
un modelo de espera, una situacin de lneas de espera se genera de la siguiente manera:
cuando un cliente llega a una instalacin se forma una lnea de espera, el servidor atiende al
cliente correspondiente de la cola para comenzar y prestar el servicio, al terminar el
servicio con el cliente, se repite el servicio con el siguiente en espera. Se supone que no se
pierde tiempo entre el momento que un cliente ya atendido sale de la instalacin y la
admisin de un nuevo cliente en espera. Desde el punto de vista del anlisis de colas, la
llegada de clientes se representa por media del "tiempo entre llegadas" y el servicio se
describe por el "tiempo de -servicio" por cliente. En general los tiempos entre llegada y
servicios pueden -ser probabilstica.

PROCESO BASICO DE COLAS

El proceso bsico supuesto por la mayora de los modelos de cola es el siguiente: los
clientes entran y se unen al sistema de colas, en determinado momento se selecciona un
miembro la cola para proporcionarle el servicio, mediante una regla conocida como
"disciplina de cola", posteriormente en un mecanismo de servicio se lleva a cabo la
necesidad del cliente, ante lo cual sale del sistema de colas. La disciplina ms comn es al
que llega primero se le atiende primero (FCFS). Otras disciplinas influyen al que llega al
ltimo se le atiende primero (LCFS) y servicio en orden aleatorio (SIRO). Los clientes
tambin se pueden seleccionar de la cola con pase en algn orden de prioridad.

.- Estructura bsica
Permitiendo que varen el nmero de colas y el nmero de servidores, pueden
hacerse los: diagramas de, los cuatro, tipos de sistemas como se observa en las siguientes
figuras.

Una lnea un servidor.

Se utiliza para describir sistemas de una sola cola, como lavados de auto o sistemas
de descarga.

Una lnea, mltiples servidores.

Una lnea de mltiples servidores, es utilizado tpicamente en sistemas en los que se
avanza mediante varios servidores, como en una carnicera o farmacia, en la que cuando se
llega al local se debe sacar un nmero y se espera el turno correspondiente.

Varias lneas, mltiples servidores.

Es aquel en donde cada servicio tiene su propia cola, esto queda claro en el caso de
los bancos ya que estos tienen colas para clientes, empresas y pblico general.

Una lnea, servidores secuenciales.

Es un sistema de cola de servicios, esto generalmente ocurre en una fbrica.

COSTOS DE UN SISTEMA DE COLAS

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

Costo de servicio: Es el costo de operacin del servicio brindado

Es ms fcil de estimar

El objetivo de un sistema de colas es encontrar el sistema del costo total

mnimo

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 nmero esperado de llegadas por unidad de tiempo se llama tasa media de

llegadas ()

El tiempo esperado entre llegadas es 1/

Por ejemplo, si la tasa media de llegadas es = 20 clientes por hora

Entonces el tiempo esperado entre llegadas es 1/ = 1/20 = 0.05 horas o 3 minutos

Adems es necesario estimar la distribucin de probabilidad de los tiempos entre

llegadas

Generalmente se supone una distribucin exponencial

Esto depende del comportamiento de las llegadas

SISTEMAS DE COLAS: LAS LLEGADAS DISTRIBUCIN EXPONENCIAL

La forma algebraica de la distribucin exponencial es:

P(tiempo de servicio t ) 1 e t

Donde t representa una cantidad expresada en de tiempo unidades de tiempo (horas,

minutos, etc.)

La distribucin exponencial supone una mayor probabilidad para tiempos entre

llegadas pequeos

En general, se considera que las llegadas son aleatorias

La ltima llegada no influye en la probabilidad de llegada de la siguiente

SISTEMAS DE COLAS: DISTRIBUCIN ERLANG

Distribucin

Desviacin estndar

Constante

Erlang, k = 1

media

Erlang, k = 2

1 / 2 media

Erlang, k = 4

1/2 media

Erlang, k = 8

1 / 8 media

Erlang, k = 16

1/4 media

Erlang, cualquier k

1 / k media

SISTEMAS DE COLAS: ETIQUETAS PARA DISTINTOS MODELOS

Notacin de Kendall: A/B/c

A: Distribucin de tiempos entre llegadas

B: Distribucin de tiempos de servicio

M: distribucin exponencial

D: distribucin degenerada

Ek: distribucin Erlang

c: Nmero de servidores

ESTADO DEL SISTEMA DE COLAS

En principio el sistema est en un estado inicial

Se supone que el sistema de colas llega a una condicin de estado estable (nivel
normal de operacin)

Existen otras condiciones anormales (horas pico, etc.)

Lo que interesa es el estado estable

DESEMPEO DEL SISTEMA DE COLAS

Para evaluar el desempeo se busca conocer dos factores principales:

1. El nmero de clientes que esperan en la cola
2. El tiempo que los clientes esperan en la cola y en el sistema

MEDIDAS DEL DESEMPEO DEL SISTEMA DE COLAS

1. Nmero esperado de clientes en la cola Lq

2. Nmero 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

MEDIDAS DEL DESEMPEO DEL SISTEMA DE COLAS: FRMULAS

GENERALES

Ws Wq

Ls Ws
Lq Wq
Ls Lq

PROBABILIDADES COMO MEDIDAS DEL DESEMPEO

Beneficios:
Permiten evaluar escenarios
Permite establecer metas
Notacin:
Pn : probabilidad de tener n clientes en el sistema
P(Ws t) : probabilidad de que un cliente no espere en el sistema ms de t
horas

FACTOR DE UTILIZACIN DEL SISTEMA

Dada la tasa media de llegadas y la tasa media de servicio , se define el factor de

utilizacin del sistema .
Generalmente se requiere que < 1
Su frmula, con un servidor y con s servidores, respectivamente, es:

FUNCIONES DE LA DISTRIBUCION DE POISSON

La distribucin de Poisson es una distribucin de probabilidad discreta que expresa,

a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado nmero de eventos durante cierto perodo de tiempo. Concretamente, se
especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy pequeas,
o sucesos "raros". Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838
en su trabajo Recherches sur la probabilit des jugements en matires criminelles et matire
civile (Investigacin sobre la probabilidad de los juicios en materias criminales y civiles).
La distribucin de Poisson se emplea para describir varios procesos, entre otros:

El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemen
te distantes de los semforos) durante un periodo definido de tiempo.

El nmero de errores de ortografa que uno comete al escribir una nica pgina.

El nmero de llamadas telefnicas en una central telefnica por minuto.

El nmero de servidores web accedidos por minuto.

El nmero de defectos en una longitud especfica de una cinta magntica.

El nmero de mutaciones de determinada cadena de ADN despus de cierta cantida

d de radiacin.

El nmero de defectos por metro cuadrado de tela.

El nmero de estrellas en un determinado volumen de espacio.

Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad

no nula no es finito, sino numerable. Se dice que una variable aleatoria X sigue la
distribucin de Poisson si su funcin de densidad viene dada por:

Como vemos, este modelo se caracteriza por un slo parmetro , que debe ser positivo.
Esta distribucin suele utilizarse para contajes del tipo nmero de individuos por
unidad de tiempo, de espacio, etc.
Propiedades del modelo de Poisson
1) Esperanza: E (X) = .
2) Varianza: V (X) = .
En esta distribucin la esperanza y la varianza coinciden.
3) La suma de dos variables aleatorias independientes con distribucin de Poisson resulta
en una nueva variable aleatoria, tambin con distribucin de Poisson, de parmetro igual a
la suma de parmetros:

X1 ~ P ( = 1)

y X2 ~ P ( = 2)

y definimos Z = X1 + X2, entonces,

Z ~ P ( = 1 + 2)
Este resultado se extiende inmediatamente al caso de n variables aleatorias
independientes con distribucin de Poisson. En este caso, la variable suma de todas ellas
sigue una distribucin de Poisson de parmetro igual a la suma de los parmetros.

Imagen 1. La figura es la grfica de la funcin de probabilidad de variables Poisson

Imagen 2. La figura representa la grfica de la funcin de probabilidad de variables Poisson

k e
Su forma algebraica es: P(k )
k!
Donde:
P(k) : probabilidad de k llegadas por unidad de tiempo
: tasa media de llegadas
e = 2,7182818

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 distribucin
general de tiempos de servicio
M/D/1: Un servidor con tiempos entre llegadas exponenciales y una distribucin
degenerada de tiempos de servicio
M/Ek/1: Un servidor con tiempos entre llegadas exponenciales y una distribucin
Erlang de tiempos de servicio

MODELO M/M/1

Ls
Ws

2
Lq
( )

Wq
( )

Pn (1 ) n
P(Ws t ) e (1 )t

P( Ls n) n 1
P(Wq t ) e (1 )t

t 0, 1
Ejemplo:
Un lava carros puede atender un auto cada 5 minutos y la tasa media de llegadas es de 9
autos por hora.
Obtenga las medidas de desempeo de acuerdo con el modelo M/M/1
Adems la probabilidad de tener 0 clientes en el sistema, la probabilidad de
tener una cola de ms de 3 clientes y la probabilidad de esperar ms de 30 min.
en la cola y en el sistema

9
9, 12, 0.75
12
Ls

3 clientes

2
Lq
2.25 clientes
( )

Ws

1
0.33 hrs 20 min

Wq

0.25 hrs 15 min

( )

P0 (1 ) 0 0.25

P ( Ls 3) 31 0.32

P (Ws 30 / 60) e (1 ) t 0.22

P (Wq 30 / 60) e (1 )t 0.17

MODELO M/G/1

2 2 2
Lq
2(1 )

Ls Lq
Ws Wq

Wq

Lq

P0 1
Pw
1

Ejemplo:
Un lava carro puede atender un auto cada 5 min. y la tasa media de llegadas es de 9
autos/hora, = 2 min.
Obtenga las medidas de desempeo de acuerdo con el modelo M/G/1
Adems la probabilidad de tener 0 clientes en el sistema y la probabilidad de
que un cliente tenga que esperar por el servicio

Ls Lq 1.31 .75 2.06 clientes

2 2 2
Lq
1.31 clientes
2(1 )
Ws Wq
Wq

Lq

0.228 hrs 13.7 min

0.145 hrs 8.7 min

P0 1 0.25

Pw 0.75

MODELO M/D/1

Ls Ws

Lq

Ws Wq

2(1 )
Lq
Wq

Ejemplo:
Un lava carro puede atender un auto cada 5 min.
La tasa media de llegadas es de 9 autos/hora.
Obtenga las medidas de desempeo de acuerdo con el modelo M/D/1

Ls Ws 1.875 clientes

Lq

1.125 clientes

2(1 )
1
Ws Wq 0.21 hrs 12.5 min

Wq

Lq

0.125 hrs 7.5 min

MODELO M/EK/1

2 (k 1)
Lq
2k (1 )

Ls Ws
Ws Wq

Wq

Lq

Ejemplo:
Un lava carro puede atender un auto cada 5 min.
La tasa media de llegadas es de 9 autos/hora. Suponga = 3.5 min (aprox.)
Obtenga las medidas de desempeo de acuerdo con el modelo M/E k/1

Ls Ws 2.437 clientes

2 (k 1)
Lq
1.6875 clientes
2k (1 )
Ws Wq
Wq

Lq

0.2708 hrs 16.25 min

0.1875 hrs 11.25 min

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 distribucin
degenerada de tiempos de servicio
M/Ek/s: s servidores con tiempos entre llegadas exponenciales y una distribucin
Erlang de tiempos de servicio

M/M/S, UNA LNEA DE ESPERA

P0

s s s 1 n

s! s n 0 n!

s
Lq
P0
( s 1)!( s ) 2
Ws Wq
Pn

n
s! s n s

Ls Lq

Pn

P0 , si n k

n
n!

P0 , si n k

Pw

1 s s
P0

s! s

Si s 2

3
Lq
4 2
Si s 3
Lq

Wq

4
(3 )(6 4 2 )

Lq

EJERCICIOS PROPUESTOS
1. Las llamadas llegan al conmutador de una oficina a una tasa de dos por minuto, el tiempo
promedio para manejar cada una de estas es de 20 segundos. Actualmente solo hay un
operador del conmutador. Las distribuciones de Poisson y exponencial parecen ser
relevantes en esta situacin.

a) La probabilidad de que el operador este ocupado

b) El tiempo promedio que debe de esperar una llamada antes de ser tomada por l
operador

c) El nmero de llamadas que esperan ser contestadas

Datos
= 2 llamadas/minutos
= (1 / 20 seg)(60 seg) = 3 llamadas/minuto
La probabilidad de que el operador este ocupado se definir:

El tiempo promedio que debe de esperar una llamada antes de ser tomada por l operador

El nmero de llamadas que esperan ser contestadas

2.

Electronics Corporation retiene una brigada de servicio para reparar descomposturas de

mquinas que ocurren con promedio de tres por da (aproximadamente de naturaleza de
Poisson). La brigada puede servir a un promedio de ocho mquinas por da, con una
distribucin de tiempo de reparacin que se asemeja la distribucin de exponencial.

a) El tiempo promedio de descompostura para cada mquina

b) La probabilidad de que haya una mquina en el sistema, dos, tres o ms mquinas
en el sistema.
Datos
= 3 repar. /da
= 8 repar. /da
La tasa de utilizacin de este sistema se encontrar de la siguiente forma:

El tiempo promedio de descompostura para cada mquina que est descompuesta

Las mquinas que estn esperando a ser reparadas el cualquier momento dado

La probabilidad de que haya una mquina en el sistema, dos, tres o ms mquinas en el sistema.

K
0
1
2
3
4
5

0.375
0.140
0.052
0.019
0.007
0.002

3.

El Barrys Car Wash est abierto seis das a la semana, pero el da del negocio ms pesado
es siempre el sbado. A partir de datos histricos, Barrys estima que los coches sucios
llegan a una tasa de 20 por hora, todo el da sbado. Con una brigada completa trabajando
la lnea de lavado a mano, l calcula que los automviles se pueden lavar a una tasa de uno
cada dos minutos. Este ejemplo se tiene una lnea de espera de canal sencillo, los
automviles se lavan de uno en uno. Suponga llegadas de Poisson y tiempos exponenciales
de servicio.

a) El nmero promedio de automviles en la cola

b) El tiempo promedio que un automvil pasa en el sistema de servicio
c) La probabilidad de que no haya automviles en el sistema
Datos
= 20 autom /hora
= (1 / 2 min)(60 min) = 30 autom / hora
El nmero promedio de automviles en la lnea se definir de la siguiente manera:

El tiempo promedio que un automvil espera antes de ser lavado

El tiempo promedio que un automvil pasa en el sistema de servicio

La tasa de utilizacin del lavado de automviles

La probabilidad de que no haya automviles en el sistema

CONCLUSION
Los sistemas de colas son muy comunes hoy en da, ya que para diversos trmites,
tales como trmites bancarios, pago de cuentas, etc.; o utilizacin de algunos servicios,
como por ejemplo cajeros automticos, se pueden producir colas, por lo cual este tipo de
sistemas no se pueden dejar de lado. El tema de tener que realizar colas es algo engorroso,
que tiene efecto sobre la calidad de vida de las personas, ya que estas deben dedicar parte
de su tiempo a esperar ser atendidos, lo cual es un costo para estas personas. Es por esto
que las empresas estn tratando de buscar la forma de reducir esto a travs de los servicios
a domicilio o utilizacin de sistemas online, como son el caso de pago de cuentas, pedidos
de comida, etc; el objetivo que pretenden conseguir con esto es que los clientes prefieran
utilizar el servicio prestado por este tipo de empresas, ya que con esto disminuirn sus
costos, los costos de la empresa y por consiguiente esto provocar un aumento de la
productividad de esta. Hay empresas y gobiernos que trabajan intensamente en el tema de
la teora de colas. En los mdulos de atencin a clientes, se han implementado nmeros de
atencin para luego ser llamado para solucionar sus problemas. En sntesis, la teora de las
colas es el estudio matemtico de las colas o lneas de espera, donde la formacin de colas
es un fenmeno comn que ocurre siempre que la demanda efectiva de un servicio excede a
la oferta efectiva, por lo que se trata de una potente herramienta que puede ser de gran
utilidad en una infinidad de situaciones tanto cotidianas como industriales y que se nos
presentarn reiteradas veces en nuestro ambiente laboral.

BIBLIOGRAFIA

- Ricardo Cao, Ricardo Cao Abad. Introduccin a la Simulacin y a la Teora de Colas.

[Recurso Bibliogrfico]. 1 Ed. NETBIBLIO, Corua, Espaa, 2002 [Consulta: 24 de
Enero del 2012]

- Thomas L. Saaty, Rafael Pro Bermejo. Elementos de la teora de colas. [Recurso

Bibliogrfico]. Aguilar, 1997 [Consulta: 24 de Enero del 2012]

- David de la Fuente Garca; Ral Pino Diez. Teora de lneas de espera: Modelos de Colas.
[Recurso Bibliogrfico]. Universidad de Oviedo, Servicio de Publicaciones, Espaa,
2001[Consulta: 24 de Enero del 2012]

- Franco Bellini M. Teora de Lneas de Espera. [En lnea] Investigacin de Operaciones,

Universidad Santa Mara, Caracas, Venezuela. [Consulta: 26 de Enero del 2012].
Disponible en: http://www.investigacion-operaciones.com/Teoria_colas_web.htm

- Prof. Efran Muretti. Sistema de Colas. [En lnea] Simulacin de Sistemas, UGMA,
Barcelona, Venezuela. [Consulta: 28 de Enero 2012]. Disponible en:
http://members.libreopinion.com/ve/efrain-muretti/simulacion/ss_colas.pdf