GUIA PRÁCTICA #11: Modelos de Colas (queue theory models)

TEMAS: Modelos de cola, características de un sistema de cola, Clasificación de Kendall

A/B/C/D/E/F, Medida de rendimiento de un sistema de colas, Modelos Markovianos y de
distribución General, Análisis de Costos.

Objetivo general

 Formular y resolver problemas de congestión mediante modelización de procesos

estocásticos, con el fin de contribuir al manejo óptimo de los recursos en la
atención a clientes o en el procesamiento de unidades en los sectores: servicios
público, empresarial o de manufactura y telecomunicaciones.

Objetivos específicos

 Clasificar un sistema de cola de forma adecuada basándose en la llegada, la

disciplina en el orden de atención en el servicio y la capacidad de sistema.
 Estimar medidas de rendimiento de un sistema de colas en correspondencia con su
tipo, usando fórmulas matemáticas o bien con aplicación de software.

Requerimientos

 Fórmulas analíticas para el cálculo de medidas de rendimientos de cada modelo de

colas analítico propuesto según la distribución de cada parámetro en los procesos
de llegada y servicio.
 A falta de bondad de ajuste a modelo analítico, se requiere la descripción de las
interrelaciones de la llegada y del servicio que permita simular por Método de
Montecarlo el comportamiento del sistema.
 Hardware: Procesador con velocidad de 2.1 ghz, Memoria RAM de 1 GB. Una
computadora personal con Windows u otra plataforma que soporte el software a
utilizar.
 Software (última versión): Lenguaje R 3.3.1 (queuing.R), winQSB, Scilab 5.5.2,
MatLab, Máxima.

Introducción de Temas:

Un Modelo de cola o Modelo de Congestión, consiste en acoplar apropiadamente parámetros de

los procesos de llegada y de servicio para un Sistema de Colas que permita describir el
comportamiento del mismo y a la vez generar medidas de rendimiento.

Se identifican como datos de entrada: la tasa de servicio µ y la tasa de llegadas λ. Cliente: unidad
en espera que llega requiriendo la realización de al menos un servicio. Se i dentifica en un sistema
de colas los procesos de nacimiento y muerte, al darse entrada y salida del mismo mediante la
correspondencia entre aquellos parámetros. Los clientes pueden ser personas, maquinas, partes,
ítems, etc. La cola es la línea de espera; el número de clientes que esperan ser atendidos en lo
 cotidiano, la cola no incluye a clientes que están siendo atendidos. La capacidad del Sistema de
colas incluye tanto a unidades en espera como atendiéndose.

Aplicaciones de la teoría de colas se perciben en aspectos cotidianos de la vida diaria, que

incluyen: servicio, banca, comercio, transporte, manufactura, telecomunicaciones, sistemas
informáticos entre otros. En la actualidad, la Tecnología de la Información y la Comunicación (TIC)
considera a la teoría de colas y los métodos analíticos matriciales como una herramienta
fundamental para el manejo del flujo de la información.

Ejemplos 1: Los aficionados que esperan comprar boletos para un juego de béisbol. Compra de
entradas para el cine o teatro. Mensaje común de un remitente a acoplar por computador según
lista de destinatarios y envío de las mismas. Los depósitos bancarios nocturnos a procesar. Entrada
de vehículos a un parqueo de un centro comercial. Pila de tarjetas de crédito en espera debe ser
habilitadas según cuentahabiente (tarjetas son los clientes, habilitador o analista de crédito es el
servidor o unidad de servicio).

Parámetros de entrada en un sistema de colas: Tasa de llegada: tasa a la cual llegan clientes para
ser atendidos. Los supuestos respecto a la distribución de este valor tienen un efecto en el modelo
matemático. En general se supone que la tasa media de llegada (λ) estará distribuida de acuerdo a
Poisson. Tasa de servicio: tasa a la cual un canal de servicio puede suministrar el servicio requerido
por el cliente. Se observa que esta es la tasa que podría alcanzarse si el canal de servicio siempre
estuviera ocupado, es decir, sin tiempo ocioso. La distribución de este valor es útil para determinar
el modelo matemático. Habitualmente se supone la distribución de la tasa de servicio ser Poisson
con media µ. Disciplina de la cola o Prioridad: método de decidir cuál será el próximo cliente a ser
atendido. La suposición más frecuente consiste en que el primero que llega, es el primero que se
atiende. Tamaño de la población: tamaño del grupo que proporciona la población fuente de
clientes potenciales; puede ser finita (pocos clientes), si hay un gran número de clientes
potenciales, (de 30 ó 50 a más) generalmente se dice que la población es infinita. Otra regla
empírica es que la suposición de una población infinita que generalmente es válida cuando la
población de clientes potenciales es lo suficientemente grande como para significar que la llegada
de un cliente no afecta apreciablemente la probabilidad de la otra llegada. En todo caso el análisis
da resultados debe ser de valores promedios o esperados. Además, se asume que la tasa de
servicio y la tasa de llegadas permanecen constantes con el tiempo. Realmente, esto puede no ser
verdadero, ya que frecuentemente se emplea tiempo o esfuerzo extra cuando hay una cola muy
grande, esto representa un cambio temporal de µ. Veamos el esquema.

Población fuente de clientes

Servidores en Paralelo Servidores en Serie Capacidad del sistema
[N finita] ó [N infinita]
Una sola fila distribuidora  [K finita]
[S = 1] ó [S > 1] [S1]  [S2]  … [Sr]
Varias filas independientes  ó [K infinita]

Ejemplo 1: M/M/1: A Informática-Estadística de una empresa llegan a digitalizar en promedio 24

informes en una hora. El escaneado de cada informe dura en promedio dos minutos. Asuma que la
distribución de ambos procesos son Poisson-Exponencial y el orden de atención es Primero en
llegar es al primero que se atiende.
Solución: El modelo de colas es markoviano M/M/S=1/FIFO, por lo cual las medidas de
rendimiento son:
Llegadas: λ = 24 informes cada hora  λ = 24/60 = 0.4 informes/minuto (24/60 = 24
informes/hora)
Servicio: µ = 1 informe cada dos minutos  µ = 1/2 = 0.5 informes/minuto (30/60 = 30
informes/hora)
Factor de utilización: φ = λ/μ = 0.4/0.5 = 0.8  ϱ = φ/S = 0.8  Pn = 0.2*0.8n = ⅕(⅘)n ; PW
= 0.8.
Tiempos en el sistema: W = 1/(0.5–0.4) = 10 minutos; Wq = 0.8*10 = 8 minutos en la cola.
Unidades en el sistema: L = 0.4*10 = 4 unidades; Lq = 4–0.8 = 3.2 unidades en la cola.

Ejemplo 2: M/M/S: Del ejemplo previo suponga que los informes son más voluminosos, tal como
revistas, capítulos de libros o monografías y dura en promedio 8 minutos digitalizar cada tomo y el
orden de llegadas es de 15 informes por hora. Observe que ahora λ = 0.25 ítems/mín.; µ = 0.125
ítems/mín.  φ = 2. Por lo cual al asumir el modelo M/M/S, hay que incrementar el número
de escáner a S=3, para tener ϱ = ⅔ < 1. Es el siguiente modelo que aplicaremos (sin
restringir la capacidad del sistema).
GUÍA PRÁCTICA #12: Modelos de Colas Markovianos M/M/S/K/FIFO
TEMAS: Modelo de colas Markovianos y de distribución General, Programa de software. Análisis
de Costos.

Para implementar software sobre Líneas de Espera: winQSB© es desarrollado en 1986 por Yih-
Long Chang, y dispone los módulos [Queuing Analysis] y [Quieuing System Simulation]; es muy
amigable al usuario, incluye ejemplos al instalar el software, y dispone además de buena
información de las bases teóricas de cada modelo. Puede descargarse la versión 2.0 del sitio en la
web: https://winqsb.uptodown.com/windows.

Para la programación puede realizarse a como se ha avanzado construyendo script en R o bien se

puede bajar el programa queuing.R, este es un paquete diseñado por Pedro Canadilla (versión
0.2.8, noviembre 2016) para modelos de colas diversos, tales como: M/M/1, M/M/S,
M/M/Infinito, M/M/1/K, M/M/S/K, entre otros. Para instalarlo desde la web, con el Ambiente R
activo: Menú Paquetes  Instalar Paquetes  De lista desplegada elegir (HTTP mirrors) 
OCLOUD  buscar el programa de Lista desplegada  botón OK. Una vez instalado el paquete
[queuing.R], para utilizarlo debe cargarse con: Menú Paquetes  Cargar paquete (Load packages)
 buscar en la lista desplegada el paquete queuing  botón OK. Veamos dos ejemplos cargados
desde el manual: Package “queueing” Title “Analysis of Queueing Networks and Models”:
summary( QueueingModel( NewInput.MM1( lambda=1/4, mu=1/3, n=0))) ## modelo M/M/S=1
summary( QueueingModel( NewInput.MMC( lambda=1/4, mu=1/3, c=3))) ## modelo M/M/S=3

Resultados de la realización de las dos líneas previas a dos modelos markovianos

 Modelo M/M/S M/M/S=1 M/M/S = 2
INPUTS: lambda = 0.25, mu = 0.33333333, c=S, n : 0, method: Exact c=1 c=2
The probability (p0, p1, ..., pn) of the n = 0 clients in the system are: 0.25 0.4545455
The traffic intensity is : (The server use is: ) 0.75 (0.75) 0.75 (0.375)
Length: The mean number of clients in the system is: (L in the queue is: ) L = 3 (Lq = 2.25) L = 0.873 (Lq = 0.123)
The mean number of clients in the server is : 0.75 0.75
Waiting: The mean time spend in the system is : (W in the queue is: ) W = 12 (Wq = 9) W= 3.491 (Wq =
0.491)
The mean time spend in the server is : 3 3
The mean time spend in the queue when there is queue is: (The throughput is:) 12 (0.25) 2.4
(0.25)

Veamos un programa sencillo en R a partir del formulario para el modelo M/M/S, con S e 1.

MMS = function(tasa.lleg, tasa.serv, nserv) {s = nserv ; fi = tasa.lleg/tasa.serv ; rho = fi/s ; t = rho/(1-rho) ;

th = t*fi**s/factorial(s) ; x = 0:s ; p0 = 1/(sum(fi**x/factorial(x)) + th ) ; pw = th*p0/rho ; lq = t*pw; l = lq+fi ;
wq=lq/tasa.lleg; w=wq+1/tasa.serv ; print("Modelo Markov. M/M/S"); data.frame(rho, p0, pw, lq, l, wq, w)}
MMS(24/60, 30/60, 1) ; MMS(15/60, 1/8, 3) # Ejemplos de Modelos Markovianos para sistema estable.
Tarea: Modifique este script para que no permita datos negativos y que dé el mensaje “Sistema inestable” para factor de utilización mayor o igual que uno.

Uso de fórmulas del modelo M/M/S=3 para λ=0.250, μ = 0.125  φ = 2  ϱ = φ/S = ⅔  1–ϱ = ⅓
 t = ϱ/(1–ϱ) = 2  P0 = 1/[1+ φ + ½*φ2 + ⅙*φ3 + ⅙*t*φ3 ] = 1/9 ; PW = ⅙*φ3*P0/(1–ϱ) = 4/9
Unidades o ítems: En la cola: Lq = t*PW = 8/9; en el sistema: L = Lq + s*ϱ = 2+8/9.
Tiempos esperados (minutos): Wq = Lq/ λ = 3+5/9 en la cola; W = Wq+1/μ = 11+5/9 en el sistema.

Modelos MMS en sistema de colas con filas independientes y una sola fila distribuidora
Supongamos un banco con cuatro cajeros activos y que cada uno atiende con una tasa de 21
clientes por hora. La tasa de llegadas es de 60 clientes por hora para períodos de mayor
congestión.
Tanto el proceso de llegada como el de servicio es markoviano y el orden de atención es FIFO.
Veamos dos casos de este sistema de colas.

CASO 1: Modelo M/M/S=1, con cuatro filas independientes.

De 60/4= 15 clientes/hora  λ= 0.25 cliente/minuto. Servicio: µ=21 clientes/hora  µ = 0.35
clientes/minuto.
Factor de utilización: φ = 0.25/0.35 = 5/7  ϱ = φ/1 = 5/7  1–ϱ = 2/7  t = ϱ/(1–ϱ) = 5/2 = 2.5
P0 = 1–ϱ = 2/7=0.2857; PW = ϱ = 5/7 = 0.7142857. Pn =
Tiempos en el sistema: W = 1/(0.35–0.25) = 10 minutos; Wq = (5/7)*10 = 7.142857 minutos en la
cola.
Unidades en el sistema: L = 0.25*10 = 2.5 unidades; Lq = 2.5–5/7 = 1.785714 unidades en la cola.
CASO 2: Modelo M/M/S=4, con una sola fila distribuidora.
Llegadas: λ=60 clientes/hora  λ = 1 cliente/minuto. Servicio: µ=21 clientes/hora  µ = 0.35
clientes/minuto.
Factor de utilización: φ = 1/0.35 = 20/7  ϱ = φ/S = 5/7  1–ϱ = 2/7  t = ϱ/(1–ϱ) = 5/2 = 2.5
P0 = 1/[1+φ+ ½*φ2+⅙*φ3 +1/24*φ4+1/24*t*φ3]= 147/3167; PW = 1/24*φ4*P0/(1–ϱ) =
1/2.2169.
Clientes o ítems en la cola: Lq=t*PW = 25/22.169= 1.1277; en el sistema: L=Lq + s*ϱ = 3.984844.
Tiempos esperados (minutos): Wq=Lq/λ=1.1277 en la cola; W = Wq+1/μ = 3.984844 en el sistema.
*Al comparar las medidas de rendimiento, vemos que el Caso 1 es mejor que el Caso 2. Además es
menos congestionado pues L=3.985 del Caso 1, es menor que 4L = 4*2.5 = 10 clientes para el
Caso2.

Análisis de Costo en un sistema de colas MMS:

Un modelo de colas es en principio descriptivo, al realizar análisis de sensibilidad o incluir costos se
lo vuelve normativo. En un sistema de colas los costos involucrados se relacionan con las medidas
de rendimiento, para simplificar, asumamos el tiempo en horas: Costos por servidor (ocupado
CSB, desocupado CSD), Costo de cliente o usuario por hora (esperando en la cola CUWQ, siendo
atendido por el servidor CUS, por cliente frustrado que se va CUF); también puede incluirse el
costo por capacidad limitada del sistema (CC).
Ejemplo 1: Un restaurante dispone de tres meseros, al mismo llegan los clientes a razón de 36
clientes por hora en el intervalo [11:20 am., 2:20 pm.] y reciben sus pedidos a la carta o ejecutivo
de comidas con tiempo medio de 4 minutos (asuma mesas suficiente para los clientes). El costo
por mesero/servicio por hora es CS= $22.00 estando ocupado y de CSD= $20.00 si está
desocupado. Al restaurante, el costo para cada cliente por hora es CUWQ= $8.50 esperando y
CUS= $4.50 siendo atendido. Aproxime el modelo M/M/S=3.
λ=36/60=0.60 clientes/minuto. μ=1/4=0.25 clientes/minuto.  φ=2.4  ϱ=φ/S=0.8  1–ϱ=0.2.
t=0.8/0.2=4  P0 =5/89; PW = 288/445; Lq = t*Pw = 2.588764, L = 4.988764. Wq = 4.314607, W =
8.314607.
Costos Totales promedios: Por servidor ocupado = CS*(L-Lq) = 22*2.4 = $52.80
Por servidor desocupado = CSD(S–S*ϱ) = 20*(3-2.4) = 20*0.6 = $12.00
Por cliente esperando por minuto = CUWQ*Wq*(S–S*ϱ) = 8.50*4.314607*0.6 = $22.0045
Por cliente siendo atendido = CC*(W-Wq)*(S–S*ϱ) = 4.50*4*0.6 = $10.80
Por cliente frustrado que abandona = $0.00. Por capacidad Q de espacio restringido = $0.00
Costo total para el Restaurante en el periodo de almuerzo = 52.80+12.00+22.0045+10.80 =
$97.6045.

Tarea 1: Modifique el programita MMS, de la página anterior y agregarle costos, verificando los
mismos. Compare resultados con mismos datos de entrada, con los propios del winQSB u otro
software.
Modelos de Teoría de Colas o Modelos de Congestión: Fórmulas de Modelos M/M/S y M/M/S/K.

Ejercicios Propuestos para guías 11-12

1) Suponga que en una estación con un solo servidor llegan en promedio 45 clientes por
hora, si tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que los
clientes esperan en promedio 3 minutos en la cola. se solicita: a) Tiempo promedio que un
cliente pasa en el sistema. b) Numero promedio de clientes en la cola. c) Numero
 promedio de clientes en el sistema en un momento dado. Resp. a) 4 Minutos, b) 2.25
clientes, c) 3 clientes.
2) Suponga un restaurante de comidas rápidas al cual llegan en promedio 100 clientes por
hora, durante un periodo de mayor tráfico. Se tiene capacidad para atender en promedio
100 clientes por hora durante el periodo de mayor tráfico. Se tiene capacidad para
atender en promedio a 150 clientes por hora se sabe que los clientes esperan en promedio
2 minutos en la cola calcule las medidas de desempeño del sistema. a) ¿Cuál es la
probabilidad del que el sistema este ocioso? b) ¿Cuál es la probabilidad que un cliente
llegue y tenga que esperar, porque el sistema este ocupado? c) ¿Cuál es el numero
promedio de clientes en la cola? d) ¿Cuál es la probabilidad que hayan clientes en la cola?
Resp. a) 33.3%, b) 22.22%, c) 4 Clientes, d) 0.58%
3) Un lavo carro puede atender un auto cada 5 minutos y la tasa media de llegadas es de 9
por hora. Obtenga las medidas de desempeño de acuerdo con el modelo M/M/1. Además
de la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener una cola de
Más de 3 clientes y la probabilidad de esperar más de 30 minutos en la cola y el sistema.
Resp. a) 75% del tiempo está ocupado el sistema y un 25 % ocioso, b) 0.3162, c) 16.7%, d)
22.3%
4) Un promedio de 10 automóviles por hora llegan a un cajero con un solo servidor que
proporciona servicio sin que uno descienda del automóvil. Suponga que el tiempo de
servicio promedio por cada cliente es de 4 minutos, y que tanto los tiempos entre llegadas
y los tiempos de servicio son exponenciales. Conteste las siguientes preguntas: a) ¿Cuál es
la probabilidad que el cajero este ocioso? b)¿Cuál es el numero promedio de automóviles
que están en la cola del cajero(se considera que un automóvil que está siendo atendido no
está en la cola esperando), c) ¿Cuál es la cantidad promedio de tiempo que un cliente pasa
en el estacionamiento del banco,(incluyendo el tiempo de servicio), d)¿Cuántos clientes
atenderá en promedio por hora? Resp. a) 33.33%, b) 1.33, c) 12 minutos, d) 10 clientes.