Teoria Colas

Instrumentos Estadísticos Avanzados
Facultad Ciencias Económicas y Empresariales

Departamento de Economía Aplicada
Profesor: Santiago de la Fuente Fernández
TEORÍA DE COLAS
PROCESOS DE LLEGADA POISSONIANOS.
PROCESOS DE NACIMIENTO Y MUERTE
MODELO M/M/1
MODELOS M/M/s M/M/s// M/M/s//k
MODELOS M/M M/M///k
MODELOS M/M/1/c M/M/s/c M/M/c/c
MODELOS NO EXPONENCIALES
MODELOS DETERMINISTAS
SIMULACIÓN DE SISTEMAS
TEORÍA DE COLAS
Elementos básicos de los sistemas de colas.
Patrones de servicio y llegadas.
Análisis de sistemas de colas simples.
Procesos de llegada poissonianos.
Procesos de nacimiento y muerte
Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 2
INTRODUCCIÓN
El objetivo de la Teoría de Colas es el estudio matemático del comportamiento de las

colas o líneas de espera, se enmarca en el área de la Investigación Operativa.
Las Colas son un desequilibrio temporal cuando la demanda de un servicio es superior
a la capacidad del sistema. En la formación de colas se habla de clientes. Esta teoría
estudia factores como el tiempo de espera medio en las colas o la capacidad de trabajo
en el sistema sin que se llegue a colpasar.
Se encuentran en una amplia variedad de situaciones: comercio, computación,
industria, informatica, ingenierías, internet, logística, negocios, telefonía, transporte,
telecomunicaciones.
La Teoría de Colas proporciona información para la toma de decisiones de capacidad
óptima y diseño de sistemas.
TEORÍA DE COLAS
Una Cola se presenta con frecuencia cuando se solicita un servicio por parte de una
serie de clientes y tanto el servicio como los clientes son de tipo probabilístico.
La primera aplicación de teoría de Colas se debe al matemático danés Erlang sobre
conversaciones telefónicas en 1909 para el cálculo de tamaño de las centralitas.
La Teoría de Colas es una disciplina de Investigación Operativa que se encarga de
poponer modelos para el manejo eficiente de Líneas de Espera.
Una Línea de Espera es una hilera formada por uno o varios clientes que aguardan para
recibir un servicio. Los clientes pueden ser personas, objetos, máquinas que requieren
un mantenimiento, contenedores de mercancías para ser embarcados, elementos de
inventario para ser utilizados, etc.
Una Línea de Espera se forma por un desequilibrio temporal entre la demanda de un
servicio y la capacidad del sistema para gestionarlo.
Los Modelos de Líneas de Espera son muy útiles para determinar cómo operar un
sistema de colas de la manera más eficaz, permiten encontrar un balance adecuado
entre el costo de servicio y la cantidad de espera: Proporcionar demasiada capacidad
de servicio para operar el sistema implica costos excesivos. De otra parte, si no se
cuenta con suficiente capacidad de servicio surgen esperas excesivas con
desafortunadas consecuencias.

ESTRUCTURA DE LOS PROBLEMAS DE LÍNEAS DE ESPERA: Aunque cada situación
específica tiene características diferentes, cuatro elementos son comunes a toda Línea
de Espera:
♦ Una población de clientes que genera clientes potenciales.
♦ Una línea o fila de espera formada por los clientes.
♦ La instalación del servicio, formada por una persona (o un equipo), una máquina (o
grupo de máquinas) que se requiere para proveer el servicio que el cliente solicita.
♦ Una regla de prioridad para seleccionar al siguiente cliente que será atendido por la
instalación de servicio.
El término 'cliente' se utiliza en un sentido general, pudiendo ser una persona, piezas
esperando su turno para ser procesadas, una lista de trabajo esperando para ser
impresas en una impresora de red, etc.
PROCESO BÁSICO DE COLAS

Cola (Zona de espera): En todo sistema los flujos de entrada y salida no están
sincronizados. La cola es una acumulación de clientes (personas, productos, objetos)
que están a la espera de ser servidos.
Una cola puede evitarse:
(a) Tasa media de llegadas < Capacidad de servicio
(b) Cuando se tiene un control sobre la dispersión de los tiempos de llegadas y la de los
tiempos de servicio.
Básicamente la mayoría de los modelos de colas consiste: Los clientes que requieren
un servicio se generan en el tiempo en una fuente de llegada, después entran al
sistema y se unen a una cola.

En determinado momento se selecciona a un cliente de la cola para proporcionarle el
servicio mediante alguna regla conocida como disciplina de la cola. Se lleva a cabo el
servicio que el cliente requiere mediante un mecanismo de servicio, y después el
cliente sale del sistema de colas.
• En el sistema se puede actuar en las siguientes características:
(a) Ley que rige las llegadas.
(b) Disciplina de la cola.
(c) Ley que determina el servicio (elección entre tipo y número de canales).
Consideracions sobre los sistemas:
(a) Cuando hay varios canales en paralelo es conveniente mantener una cola única.
(b) Cuando hay tiempos de servicios muy dispares para los diferentes clientes que
forman la cola conviene establecer canales separados.
(c) Si la cola aumenta hasta cierto limite conviene aumentar la capacidad de los
canales.
• Con relación a la disciplina de la cola hay que considerar:

(a) Llegadas individuales o en grupos.
(b) Dependencia del múmero de clientes que pretenden incorporarse al sistema en
función del número de clientes que se encuentran en el mismo.
(c) Disuasión de los clientes que pretenden incorporarse al sistema en función de la
longitud de la cola (con una cierta probabilidad).
• En relación con el servicio hay que considerar:

(a) Ley de servicio única a lo largo del tiempo y para todos los clientes.
(b) Ley de servicio variable en función del tipo de cliente y longitud de la cola.

TIPOS DE SISTEMAS DE COLAS
CARACTERÍSTICAS DE LOS SISTEMAS DE COLAS

Un sistema de colas se describe adecuadamente con seis característica:
• Fuente de llegada de clientes.
• Patrón de servicio de servidores.
• Disciplina de cola.
• Capacidad del sistema.
• Número de canales de servicio.
• Número de etapas de servicio.
Fuente de llegada de clientes: En situaciones de colas habituales, la llegada de clientes

es estocástica, esto es, depende de una variable aleatoria, con lo que se necesita
conocer la distribución probabilística entre dos llegadas sucesivas de clientes.
La fuente de llegada puede variar con el tiempo, cuando se mantiene constante se dice
estacionaria, si varía (por ejemplo, con las horas del día) se llama no‐
estacionaria.
Pueden contemplarse distintas situaciones: Clientes que llegan independiente o
simultáneamente (llegan lotes), en este último caso hay que definir su distribución
probabilística. Clientes que abandonan la cola por ser demasiado larga o que tras
esperar mucho abandonan.
El supuesto normal, para un modelo básico de colas, es que la llegada de clientes hasta
un momento específico sigue una distribución de Poisson, aunque no sea la única
distribución que puede considerarse.

Patrón de servicio de servidores: Pueden presentar un tiempo de servicio variable, en
cuyo caso hay que asociar una función de probabilidad. Pueden atender en lotes o de
modo individual.
El tiempo de servicio puede variar con el número de clientes en la cola, trabajando más
rápido o más lento, en este caso se conoce como patrones de servicio dependientes.
El patrón de servicio puede ser no‐estacionario variando con el tiempo transcurrido.
Disciplina de cola: Es la regla en el orden que se van a seleccionar los clientes que se
encuentran a la espera de ser atendidos en la cola, existen varias reglas, entre las más
comunes se pueden encontrar:
♠ FIFO (first in first out): Se atiende al cliente en el orden que llegan a la cola, el
primero en llegar será el primero en ser atendido. En los modelos básicos de colas se
supone como normal la disciplina de primero en entrar, primero en salir, a menos que
se establezca de otra manera.
♠ LIFO (last in first out): Consiste en atender primero al que ha llegado de último,
también se le conoce como 'pila'.
♠ RSS (random selection of service): Se selecciona a los clientes de una cola de forma
aleatoria, con algún procedimiento de prioridad o algún otra preclasificación.
♠ Processor Sharing: Todos los clientes experimentan con eficacia el mismo retraso,
ya que comparten entre todos los clientes de la cola la capacidad del sistema
atendiendo a todos por igual.
Capacidad del sistema: Es el número máximo de clientes que pueden estar dentro del
sistema haciendo cola antes de ser atendidos para recibir el servicio, al igual que la
fuente de llegada este número puede ser finito o infinito.
Número de canales de servicio: Es preferible utilizar sistemas multiservicios con una

única línea de espera para todos que con una cola por servidor. Al hablar de canales
de servicio paralelo se trata generalmente de una cola que alimenta a varios
servidores.
Número de etapas de servicio: Puede ser unietapa o multietapa, en este último el

cliente puede pasar por un número de etapas mayor que uno. En algunos sistemas
multietapa se admite la vuelta atrás o reciclado, modo habitual en sistemas
productivos como controles de calidad y reprocesos.

MECANISMO DE SERVICIO
Se caracteriza por las estaciones de servicio (servidores o dependientes) y por los

canales de servicio que desembocan en cada uno de los servidores.
Una única cola puede desembocar en varios servidores que van siendo ocupados de
acuerdo a una disciplina de selección, el caso habitual de asignación al primer servidor
que queda libre.
Puede haber multiplicidad en el número de servidores, es posible encontrar múltiples
colas que surtan clientes a un único o a múltiples servidores.
En una determinada estación de servicio, el cliente entra en uno de estos canales y el
servidor le presta el servicio completo.
Los modelos de colas deben especificar el número de estaciones de servicio (canales
de servicio en serie) y el número de servidores (canales paralelos) en cada una de ellas.
Los modelos elementales se componen de una estación, ya sea con un servidor o con
un número finito de ellos.
La variable más importante que caracteriza el mecanismo de servicio es el tiempo de

servicio es el tiempo de servicio. Se denomina tiempo de servicio el que transcurre
desde el inicio del servicio para el cliente hasta su terminación en una estación.
El modelo de un sistema de colas debe especificar la distribución de probabilidad de
los tiempos de servicio de cada servidor, siendo habitual suponer la misma distribución
para todos los servidores.
La distribución de servicio que más se emplea en la práctica (por ajustarse a un gran
número de situaciones como por su simplicidad en el cálculo) es la distribución
exponencial. Otras distribuciones qie se utilizan son la distribución degenerada (para
tiempos de servicio constantes) y la distribución de Erlang (Gamma) para
combinaciones de distribuciones exponenciales.

COSTES DE COLA Y SERVICIO
Los costes asociados a dos componentes fundamentales del sistema de colas:
COLA
COSTE DE ESPERA
⇒ SERVICIO
COSTE DE SERVICIO
COSTE DE ESPERA: Coste del tiempo que se produce cuando los clientes tienen que
esperar, como un activo que no está siendo utilizado repercute negativamente,
afectando a la imagen de la empresa o sistema, por lo que se considera de forma
económica.
COSTE DE SERVCIO: Se integra en el conjunto de gastos de funcionamiento del servicio

(coste de insatalaciones, maquinaria, mantenimiento, personal, etc.).
Se calcula multiplicando el coste de servicio por el número de servidores que
componen el sitema: Coste total de servicio = s . C s
EQUILIBRIO DE COSTES
La Teoría de Colas tiene como objetivo

que estos costes sean los mínimos
posibles, con tasas de servicio bajas,
los costes de espera son altos.
Por el contrario, con tasas de servicio
altas, los costes de espera son bajos.
La finalidad del estudio de costes es
encontrar una combinación adecuada
donde el coste total sea el mínimo.
Siendo, c q ≡ coste espera cola y c s ≡ coste servicio , se tiene:
Coste total de espera: CQ = c q . L q
Coste total servicio: CS = c s . s
Coste total en sistema: CTS = c q . L s + c s . s

DISTRIBUCIONES DE PROBABILIDAD DEL MECANISMO DE SERVICIO
Las fuentes de variación en los problemas de colas o filas de espera provienen del
carácter aleatorio de la llegada de clientes y de las variaciones que se registran en los
distintos tiempos de servicio. Generalmente cada una de esas fuentes suele describirse
mediante una distribución de probabilidad.
La mayor parte de los modelos de colas estocásticas asumen que el tiempo entre
diferentes llegadas de clientes siguen una distribución exponencial Exp(λ ) , o lo que es
equivalente, que el ritmo de llegadas sigue una distribución de Poisson.
También es habitual admitir que el ritmo de atención al cliente cuando el servidor está
ocupado sigue una distribución de Poisson y la duración de la atención al cliente sigue
una distribución exponencial.
(λ t)n − λt
La distribución de llegadas: pn (t) = e , n = 0, 1, 2, clientes
n!
pn (t) ≡ Probabilidad de que n clientes estén en el sistema en el tiempo t
El tiempo entre llegadas, se define como la probabilidad de que no llegue ningún

(λ t)0 − λt
cliente, es decir: p 0 (t) = e = e− λt , siendo una distribución exponencial.
0!
El uso del patrón de servicio (llegada) tiene, entre otras, las propiedades:
♦ Los datos que definen un proceso de Poisson vienen dados por el número medio de
llegadas.
♦ Si el número de llegadas sigue una distribución de Poisson P(λ ) , el tiempo entre

llegadas sigue una distribución exponencial de media (1 / λ ) y lo contrario, es decir,
(λ t)n − λt
pn (t) = e ⇔ p 0 (t) = e− λt
n!
♦ La distribución exponencial tiene amnesia: La probabilidad de que falten t unidades
para que llegue el siguiente cliente es independiente de cuanto tiempo transcurra
sin que llegue ningún cliente: Pr ( T ≤ 1 T ≥ t 0 ) = Pr (0 ≤ T ≤ t1 − t 0 )
♦ El número de llegadas en intervalos de tiempo no superpuestos es estadísticamente

independiente.
♦ La probabilidad de que una llegada ocurra en el tiempo t y (t + Δ t) es λ t + o(Δ t)
o(Δ t)
donde λ ≡ tasa de llegada y o(Δ t) verifica que lim = 0 , donde o(Δ t) se
Δt→0 Δ t
puede tomar como la probabilidad de que llegue más de un cliente.
♦ La distribución del número de llegadas en intervalos de tiempo iguales es

equivalente

(λ [t − s])n − λ [t − s]
pn (t − s) = e ∀ t > s , t,s ≥ 0
n!
♦ Si el proceso de llegada sigue una distribución de Poisson P(λ ) , los tiempos de
llegada son aleatorios con una función de probabilidad uniforme sobre el período
analizado: fT ( t1 , t2 , ... , tk k llegadas en [0, T] ) = k
k!
T
( m(t) )
n
− m(t)
♦ λ puede variar con el tiempo, con lo que pn (t) = e donde
n!
t
m(t) = ∫ λ(s) ds
0
♦ Llegadas múltiples: En cada evento de llegada aparecen i clientes, siendo λ = ∑λ

i=1
i
OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO DISCRETO:

BERNOUILI: Si la probabilidad de cada ocurrencia es diferente, la más sencilla es la
distribución de Bernouilli donde la variable sólo puede tomar dos valores excluyentes
(verdadero, falso) con cierta probabilidad p de que ocurra un suceso (suele
denominarse éxito) y una probailidad q = 1 − p de que ocurra el suceso contrario
(fracaso). La media de una distribución de Bernouilli es p y la varianza p q
BINOMIAL: La distribución Binomial, se denota B(n , p) , representa la probabilidad de

obtener k éxitos con probabilidad p, a partir de n intentos. En consecuencia, es la suma
de n pruebas de Bernouilli. La media de una distribución binomial es np y la varianza
npq , siendo p + q = 1
GEOMÉTRICA: La distribución Geométrica, se denota G(p) , representa la probabilidad

de obtener la primera ocurrencia de un suceso en n pruebas o ensayos. La función de
cuantía es P(X = n) = qn−1 p , la media es μ X = 1 / p y la varianza σ 2X = q / p2 siendo
p+q=1
BINOMIAL NEGATIVA: La distribución Binomial negativa, se denota por BN(n , p) ,

representa el número de pruebas en las que aparece un suceso hasta la n‐ésima
aparición del suceso contrario. Es un modelo adecuado para tratar aquellos procesos
en los que se repite un determinado ensayo o prueba independiente, con resultados
excluyentes, hasta conseguir un número determinado de resultados favorables (por
vez primera).

⎛n + k − 1⎞ n k
La función de cuantía es P(X = k) = ⎜ ⎟p q
⎝ k ⎠
La media de una distribución Binomial negativa es (nq / p) y la varianza nq / p2
Una distribución Binomial negativa BN(1, p) es una distribución geométrica.
OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO CONTINUO:
ERLANG: Es una distribución de probabilidad continua de parámetros k y λ , suma de

k variables aleatorias independientes exponenciales de parámetro λ , cuya función de
(λ x)k − 1 − λ x
densidad es f(x) = λe ∀ x, λ > 0
(k − 1)!
La distribución de Erlang es el equivalente de la distribución Gamma con el parámetro

k = 1, 2, ... y λ = 1 / θ . Para k = 1 es la distribución Exponencial.
Para describir el tiempo de espera hasta el suceso número k en un proceso de Poisson

1
se toma la distribución de Erlang con un parámetro θ =
λ
k k
E(X) = V(X) = 2
λ λ
WEIBULL: La distribución de Weibull se utiliza habitualmente para describir el tiempo

que transcurre entre dos averías consecutivas de la misma máquina.
El modelo Weibull generaliza al modelo exponencial.
⎛1 ⎞
La media de una distribución de Weibull es E(T) = n Γ ⎜ + 1 ⎟ , la varianza
⎝β ⎠
⎡ ⎛2 ⎞ ⎛1 ⎞ ⎤
2
β
σ T = η ⎢ Γ ⎜ + 1 ⎟ − Γ ⎜ + 1 ⎟ ⎥ y la función de fiabilidad es R(t) = e− (t / η)
2
⎢⎣ ⎝ β ⎠ ⎝β ⎠ ⎥⎦
La función de densidad y función de distribución son:

β−1
β⎛t⎞ β β
f(t) = ⎜ ⎟ e− (t / η) F(t) = 1 − e− (t / η) t ≥ 0 , β > 0 y η> 0
η ⎝ η⎠
denotando η ≡ parámetro de escala y β ≡ parámetro de forma

∞ π
Gamma Γ(p) = ∫ 0
x p − 1 e− x dx Γ(p) = (p − 1)! Γ ( 1 / 2 ) = π Γ(p) Γ(1 − p) =
senp π
1 Γ(p) Γ(q) ∞ tp − 1
Beta β (p , q) = ∫ 0
x p − 1 (1 − x)q − 1 dx β (p , q) = β (q, p) =
Γ(p + q)
β(p , q) = ∫ 0 (1 + t)p + q
dt

LOG‐NORMAL: La distribución Log‐Normal se utiliza para describir el tiempo que se
utiliza para la reparación de máquinas.
Una variable X se dice que tiene una distribución log‐Normal si los logaritmos
neperianos de sus valores están normalmente distribuidos, es decir,
si la variable η = LnX es N(μ , σ)
1 (Lnx − μ )2
1 −
La función de densidad es: f(x) = e 2 σ2
x>0
xσ 2π
La media y varianza son: μ X = eμ + σ σ 2X = e2 μ + 2 σ − e2 μ + σ

2 2 2
/2
PROCESOS DE POISSON
Si los tiempos entre llegadas/servicios de clientes se distribuyen según una exponencial
Exp(λ ) , el número de llegadas/servicios de clientes hasta un cierto tiempo es un
proceso de Poisson.
• Sea la variable X ∼ Exp(λ ) la variable aleatoria entre llegadas o tiempo de servicio,

⎧ λ e− λ x para x ≥ 0
su función de densidad f(x) = ⎨ es estrictamente decreciente.
⎩ 0 en otro caso
⎧1 − e − λ x x≥0
∫
x
La función de distribución: F(x) = f(t) dt = ⎨
−∞ ⎩ 0 x<0
1 1
X ∼ Exp(λ ) → E(X) = V(X) =
λ λ2
La distribución de probabilidad del tiempo que falta para que ocurra el evento es
siempre la misma independientemente del tiempo que haya pasado.
P ⎡( X > t + s ) ∩ ( X > s ) ⎦⎤ P ( X > t + s )

P(X > t + s X > s) = ⎣ = = P(X > t)
P(X > s) P (X > s)
En consecuencia, la distribución exponencial exp(λ ) carece de memoria y es la única

distribución continua con tal propiedad, ya que
P ( X > t + s ) = e− λ (t + s) = e− λt e− λs = P(X > t) P(X > s)
• La suma de procesos de entrada de Poisson es también un proceso de Poisson

siendo la tasa la suma de las tasas respectivas.

• Si las llegadas a un sistema son de tipo Poisson con tasa λ y cada llegada es
encaminada a un subsistema si con una probabilidad pi el proceso de llegada a cada
subsistema es también de Poisson con tasa λ pi
MODELO GENERAL: PROCESOS DE NACIMIENTO Y MUERTE
En la mayor parte de los modelos elementales de colas es común que las entradas y
salidas del sistema ocurran según un proceso de nacimiento y muerte. El proceso
explica cómo varía el estado del sistema N(t) al aumentar t.
En este contexto,
N(t) estado del sistema en tiempo t ≡ Número de cliente en el sistema
Nacimiento ≡ Llegada de clientes al sistema
Muerte ≡ Salida de clientes una vez servidos
• La distribución del tiempo que falta para la llegada es exponencial Exp(λ n ) con
n = 0, 1, 2, ... , siendo λ n la tasa de llegada de clientes al sistema.
• La distribución del tiempo que falta para la salida es exponencial Exp(μn ) con
n = 0, 1, 2, ... , siendo μ n la tasa de salida de clientes del sistema.
• Hay independencia entre el tiempo hasta próxima llegada y tiempo hasta próxima
salida.
⎧n → n + 1 un nacimiento
La transición del estado será: ⎨
⎩ n → n − 1 una muerte
Tomando estos supuestos, el proceso es un tipo especial de cadena de Markov de
tiempo continuo.
Los parámetros λ n y μ n son tasas medias en la distribución exponencial, en ocasiones
estos valores son constantes ∀μ
La llegada como la salida son procesos de Poisson e independientes, luego de un

estado dado se puede pasar a dos posibles estados.
Tasa media de llegada al estado n ≡ λ n − 1 pn − 1 + μn + 1 pn + 1
Tasa media de salida del estado n ≡ λ n pn + μn pn
pn ≡ Probabilidad de que haya n clientes en el sistema de manera estacionaria
Por ser el sistema estacionario, la tasa media de llegada es igual a la tasa media de
salida para cualquier estado n , es decir, λ n − 1 pn − 1 + μ n + 1 pn + 1 = λ n pn + μ n pn

Diagrama de tasas del proceso de nacimiento y muerte
Ecuaciones del balance o de equilibrio:
λ0
n = 0 : μ 1 p1 = λ 0 p 0 → p1 = p0
μ1
λ0 λ1
n = 1 : λ 0 p 0 + μ 2 p 2 = λ 1 p1 + μ 1 p1 → p 2 = p0
μ1 μ 2
λ 0 λ1 λ2
n = 2 : λ 1 p1 + μ 3 p 3 = λ 2 p 2 + μ 2 p 2 → p 3 = p0
μ1 μ2 μ3
λ 0 λ 1 λ 2 ... λ n − 1 ∞
por recurrencia, pn =
μ1 μ 2 μ 3 ... μn
p0 ∑p
n=0
n =1
∞ λn −1 λ2 λ1 λ 0 1 1
∑ μn μ 3 μ 2 μ1
p0 = 1 → p0 = ∞ λn −1 λ1 λ 0
= ∞ λn−1 λ1 λ 0
n=0
∑ μn μ 2 μ1
1+ ∑ μn μ 2 μ1
n=0 n=1
El procedimiento para resolver estas ecuaciones no es otro que despejar todas las
variables en términos de una de ellas, siendo la más conveniente p 0 .
Para simplificar la notación se denota por Cn al multiplicador de p 0 :
λn − 1 λn − 2 λ1 λ 0
Cn =
μn μn − 1 μ2 μ1
Para n = 0 se define Cn = 1
La expresión de la probabilidad de estado estable es: pn = Cn x p 0

∞ ⎛ ∞ ⎞ 1
∑n p = 1 →
⎜∑
⎜ c ⎟
n⎟ x p 0 = 1 ⇒ p 0 = ∞
n=0 ⎝ n=0 ⎠ ∑ cn n=0
Estos resultados son de estado estable pues al aplicar el limite cuando t tiende a

infinito hay el mayor alejamiento del momento inicial y se desarrollan bajo el supuesto
de que los parámetros λ n y μ n tienen valores con los cuales el proceso puede alcanzar
la condición de estado estable.
En un puesto del mercado se compran y venden mentiras, los clientes entran según
un proceso de Poisson de tasa 4 clientes/minuto y la permanencia en el puesto es un
tiempo exponencial con un tiempo medio de 10 minutos. Suponiendo que la capacidad
del puesto es infinita para recibir a clientes, se solicita:
a) Probabilidades de equilibrio
b) Número medio de clientes en el puesto del mercado
Solución:
a) Sea X(t) ≡ Número de personas en el mercado en el instante t

{X(t) , t ≥ 0} es un proceso de nacimiento y muerte
Tasas de entrada (nacimientos): λ j = 4 ∀ j ≥ 0 clientes/minuto
⎛ 1 ⎞
Tasas de salida (muertes): μ j = ⎜ ⎟ x j ∀ j ≥ 0 clientes/minuto
⎝ 10 ⎠
Ecuaciones de balance o equilibrio: λ n − 1 pn − 1 + μ n + 1 pn + 1 = λ n pn + μ n pn
λ0 4
n = 0 : μ 1 p1 = λ 0 p 0 → p1 = p0 = p 0 = 40 p 0
μ1 1 / 10
λ0 λ1 4x 4 1 1
p2 = p0 = p 0 = 402 p 0 = 402 p 0
μ1 μ 2 1 2
x
2 2!
10 10
λ0 λ1 λ2 4 x 4x 4 1 1
p3 = p0 = p 0 = 403 p 0 = 403 p 0
μ1 μ 2 μ 3 1 2 3
x x
6 3!
10 10 10
1 n
por recurrencia, pn = 40 p 0 ∀ n ≥ 1
n!
∞ ∞
1 1 1
∑ pn = ∑ n! 40n p0 = 1 → p0 = ∞
1
= ∞
1
= e− 40
n=0 n=0
∑ n! 40n 1 + ∑ n! 40n
n=0 n=1
x x2 xn
Se considera el desarrollo de Taylor e = 1 + + +
x
+
1! 2! n!

∞
40 402 40n 1
e40 = 1 + +
1! 2!
+ +
n!
→ ∑ n! 40n = e40
n=0
1 n 40n − 40
Finalmente, pn = 40 p 0 = e n ≥ 0 → distribución de Poisson P(λ = 40)
n! n!
b) El número medio de clientes en el mercado:
∞ ∞
⎛ 40n −40 ⎞ −40 ∞ 40n ∞
40n − 1
L = ∑ n pn = ∑ n ⎜ e ⎟=e ∑ n = 40 e−40 ∑ =
n=0 n=1 ⎝ n! ⎠ n=1 n (n − 1)! n=1 (n − 1)!
∞
40n − 1 ∞
40k
= 40 e −40
∑ (n − 1)!
= 40 e ∑
−40
= 40 e−40 e40 = 40
n=1 k = 0 k!
En una oficina bancaria rural un empleado atiende a los clientes que llegan según
porceso de Poisson de parámetro λ . Los clientes son reacios a esperar demasiado
tiempo, de modo que si hay k personas esperando a ser atendidas con probabilidad
q(k) se quedan en otro caso se van. Una vez que entran en la cola esperan
independientemente según su paciencia o abandonan un tiempo exponencial de tasa
φ . Por otra parte, el tiempo de servicio del empleado es exponencial de tasa μ .
Se quiere modelar el número de personas en la cola como un proceso de nacimiento y
muerte, calulando tasas y probabilidades de la variable estado.
Solución:
X(t) ≡ Número de personas en la cola de espera
Los clientes llegan a la cola (nacimientos) según una distribución de Poisson de

parámetro λ q(k)
Los clientes salen atendidos (muertes) con distribución de Poisson de tasa μ o por
impaciencia con distribución de Poisson de tasa φ
Suponiendo que la variable X(t) se comporta como una cadena de Markov de tiempo
continuo, las probabilidades de transición se rigen por la ecuación:
dpij (t) ⎧ υk ≡ Tasa de salida del estado k

= ∑ pik (t) υk pkj − υ j pij (t) donde ⎨
dt k≠j ⎩ υ j ≡ Tasa de salida del estado j
Se supone que existe una distribución estacionaria, basta con imponer que las tasas de
muerte sean mayores que las taas de nacimiento.
Con distribuciones estacionarias, las probabilidades de transición no dependen del

tiempo ni del estado inicial, es decir, pij (t) → p j
Las probabilidades de transición no cambian con el tiempo, la ecuación de equilibrio en

cadenas de Markov en tiempo continuo:
dpij (t)
dt
=0 → ∑p
k≠j
k υk pkj − υ j p j = 0 ⇒ υ j p j = ∑ pk υk pkj
k≠j
En consecuencia, los cambios de la variable X(t) son a estados contiguos. En concreto,

sí X(t) = h los cambios inmediatos son a (h − 1) y a (h + 1) .
Como los cambios son a estados contiguos, se puede modelar X(t) como un proceso
de Poisson de nacimiento y muerte.
Tasa de nacimiento: λ (k) = q(k)
⎧μ + φ k k > 0
Tasa de muerte: μ (k) = ⎨
⎩ 0 k=0
Ecuaciones del balance o de equilibrio:

λ (0) λ q(0) q(0)
p1 = p0 = p0 = λ p0
μ(1) μ+θ μ+θ
λ (1) λ q(1) λ q(1) λ q(0) q(0) λ q(1)

p2 = p1 = p1 = p0 = λ 2 p0
μ(2) μ + 2φ μ + 2φ μ + θ μ + φ μ + 2φ
λ (2) λ q(2) λ q(2) λ q(1) λ q(0) q(0) q(1) q(2)

p3 = p2 = p2 = p0 = λ 3 p0
μ(3) μ + 3φ μ + 3φ μ + 2φ μ + θ μ + θ μ + 2φ μ + 3φ
n−1
∏
q(k)
por recurrencia, pn = λ n
p0 n≥1
k=0
μ+kθ
1
donde p 0 =
∞⎛ n n−1
q(k) ⎞
1+ ∑ ∏⎜λ
⎜
n=1 ⎝ k=0
⎟
μ + k θ ⎟⎠

En un almacén con capacidad para N artículos se guardan dos tipos de artículos,
cada uno de ellos ejecutados en respectivos procesos. Las llegadas de los dos tipos de
artículos siguen un proceso de Poisson con tasas respectivas λ 1 y λ 2 . Los tiempos de
ejecución de cada tipo de artículo son exponenciales, respectivamente, μ 1 y μ 2 . Los
artículos que llegan cuando el almacén está completo se derivan a otros almacenes.
Se solicita un modelo que permita conocer a largo plazo la proporción de artículos que
son derivados a otros almacenes.
Solución:
X(t) ≡ Número de artículos en el almacén : X(t) = X 1 (t) + X 2 (t)
⎧ X 1 (t) ≡ Número de artículos tipo 1 almacenados

⎨ 1
⎩pk ≡ Probabilidad de que haya k artículos tipo 1 en el almacén
⎧ X 2 (t) ≡ Número de artículos tipo 2 almacenados

⎨ 2
⎩pN− k ≡ Probabilidad de que haya (N − k) artículos tipo 2 en el almacén
La proporción de artículos que se derivan a otros almacenes:
N N
p = P [ X(t) > N] = 1 − P [ X(t) ≤ N] = 1 − ∑ P ⎡⎣( X 1 (t) = k ) ∩ ( X 2 (t) = N − k ) ⎤⎦ = 1 − ∑ p1k pN2 − k
k=0 k =0
Suponiendo un estado estacionario, a largo plazo se cumple la ecuación de equilibrio

entre las variables X 1 (t) y X 2 (t) :
υ j p j = ∑ pk υk pkj
k≠j
Como los cambios de estado corresponden solo a los artículos (j) y (j + 1) las variables
X 1 (t) y X 2 (t) corresponden a procesos de nacimiento y muerte.
Ecuación de equilibrio: ⎡⎣ λ j + μ j ⎤⎦ p j = λ j−1 p j − 1 + μ j + 1 p j + 1
Variable X 1 (t) :
⎧λ 1 X<N ⎧0 j=0
Tasa de nacimiento λ j = ⎨ Tasa de muerte μ j = ⎨
⎩0 X≥N ⎩μ1 j≥1

Ecuaciones de balance o de equilibrio:
λ 0 1 ⎛ λ1 ⎞ 1
N = 0 : μ1 p11 = λ 0 p10 → p11 = p0 = ⎜ ⎟ p0
μ1 ⎝ μ1 ⎠
2
λ λ ⎛λ ⎞
N = 1 : λ 0 p + μ2 p = λ 1 p + μ1 p
1 1 1 1
→ p = 0 1 p10 = ⎜ 1 ⎟ p10
1
μ1 μ 2 ⎝ μ1 ⎠
0 2 1 1 2
3
λ λ λ ⎛λ ⎞
N = 2 : λ 1 p + μ3 p = λ 2 p + μ2 p
1 1 1 1
→ p = 0 1 2 p10 = ⎜ 1 ⎟ p10
1
μ1 μ 2 μ 3 ⎝ μ1 ⎠
1 3 2 2 3
N
⎛λ ⎞ 1
por recurrencia, p = ⎜ 1 ⎟ p10 → p10 =
1
⎝ μ1 ⎠
N k
⎛λ ⎞∞
1+ ∑⎜ 1 ⎟
k = 1 ⎝ μ1 ⎠
Variable X 2 (t) :
⎧λ 2 X<N ⎧0 j=0
Tasa de nacimiento λ j = ⎨ Tasa de muerte μ j = ⎨
⎩0 X≥N ⎩μ 2 j≥1
2
λ λ ⎛λ ⎞
N = 1 : λ 0 p20 + μ 2 p22 = λ 1 p12 + μ 1 p12 → p22 = 0 1 p20 = ⎜ 2 ⎟ p20
μ1 μ 2 ⎝ μ2 ⎠
3
λ λ λ ⎛λ ⎞
N = 2 : λ 1 p12 + μ 3 p23 = λ 2 p22 + μ 2 p22 → p23 = 0 1 2 p20 = ⎜ 2 ⎟ p20
μ1 μ 2 μ 3 ⎝ μ2 ⎠
N
⎛λ ⎞ 1
por recurrencia, pN2 = ⎜ 2 ⎟ p20 → p20 =
⎝ μ2 ⎠
k
⎛λ ⎞
∞
1+ ∑⎜ 2 ⎟
k = 1 ⎝ μ2 ⎠
k N−k
N
⎛λ ⎞ ⎛λ ⎞
N
En consecuencia, p = 1 − ∑ p p 1 2
N−k = 1 − p p ∑⎜ 1 ⎟ ⎜ 2 ⎟
1 2
k =0 ⎝ μ1 ⎠ ⎝ μ 2 ⎠
k 0 0
k =0

Una banda de rock celebra un concierto en un gran estadio. La banda tiene dos
tipos de seguidores: El Grupo A llega de acuerdo a un proceso de Poisson de tasa β y
se retira indignado si llega al estadio y encuentra su capacidad completa.
El Grupo B responde de forma contraria, se motiva con una gran afluencia de público,
tiene un tiempo entre llegadas distribuido exponencialmente dependiendo del
número de personas que se encuentran en el estadio, es decir, el tiempo esperado de
una de estas personas es 1 / λ cuando solo hay una persona en el estadio, mientras
que si hay i personas en el estadio el tiempo esperado de un miembro de éste grupo
es 1 / λ i . Cómo no le interesa la capacidad del estadio ingresan al recinto hasta que
éste a punto de reventar, lo que ocurre cuando el número de personas es 3N .
Por otra parte, independientemente del fan que se trate cuando se aburre regresa del
estadio en un tiempo distribuido exponencialmente de media 1 / μ .
Para analizar la dinámica del número de personas que acuden al concierto se supone
que no acaba nunca. Se solicita:
a) Modelar el número de personas en el recinto como un proceso de nacimiento y
muerte. ¿Cuál es la condición de estacionalidad?.
b) Encontrar una expresión que permita calcular las probabilidades estacionarias.
c) Proporción de fans del Grupo 1 que no pueden ingresar al estadio cuando N = 3 ,
λ =β=1 y μ=2
Solución:
a) De acuerdo con el enunciado se tiene el diagrama de transición:
Es una cadena finita por lo que existen probabilidades estacionarias, dado que es
irreductible.
b) Al tratarse de un proceso de nacimiento y muerte, utilizando las fórmulas conocidas

se tiene:
⎧ i −1
⎪ ∏
⎪ k=0
(β + k λ )
p0 0<i≤N
⎪⎪ i! μ i
p i = ⎨ N− 1
∏
⎪
⎪
(β + k λ ) λ i − N
⎪ k=0 p0 N < i ≤ 3N
⎪⎩ i (N − 1)! μ
i

1
donde p 0 = i −1 N− 1
N ∏ (β + k λ ) 3N ∏ (β + k λ ) λ i − N
∑ ∑
k=0 k=0
+
i=1 i! μ i
i=N+1 i (N − 1)! μ i
c) La cadena que resulta en el Grupo 1 con las características dadas:
i
⎛1⎞
Las ecuciones del estado estacionario son: pi = ⎜ ⎟ p 0
⎝2⎠
1 1
k 1−
⎛1⎞
9 9
1 1
∑ pi = ∑ ⎜ ⎟ p 0 = 1 → p 0 = 9
k= 0 ⎝ 2 ⎠ ⎛1⎞
k = 9
⎛1⎞ ⎛1⎞
=
⎛1⎞
2 =
10
2
⎛1⎞
10
k=0
∑
k=0
⎜ ⎟
⎝ 2 ⎠
1−⎜ ⎟ ⎜ ⎟ 1−⎜ ⎟
⎝ 2 ⎠ ⎝ 2 ⎠ ⎝ 2 ⎠
1−⎜ ⎟
⎝2⎠
1
1−
2

ESTRUCTURA TEORÍA DE COLAS: MODELO DE COLA M/M/1
Portal Estadística Aplicada: TEORÍA DE COLAS: MODELO M/M/1 23

TEORÍA DE COLAS
Una Cola se presenta con frecuencia cuando se solicita un servicio por parte de una
serie de clientes y tanto el servicio como los clientes son de tipo probabilístico.
La primera aplicación de teoría de Colas se debe al matemático danés Erlang sobre
conversaciones telefónicas en 1909 para el cálculo de tamaño de las centralitas.
La Teoría de Colas es una disciplina de Investigación Operativa que se encarga de
poponer modelos para el manejo eficiente de Líneas de Espera.
Una Línea de Espera es una hilera formada por uno o varios clientes que aguardan para
recibir un servicio. Los clientes pueden ser personas, objetos, máquinas que requieren
un mantenimiento, contenedores de mercancías para ser embarcados, elementos de
inventario para ser utilizados, etc.
Una Línea de Espera se forma por un desequilibrio temporal entre la demanda de un
servicio y la capacidad del sistema para gestionarlo.
Los Modelos de Líneas de Espera son muy útiles para determinar cómo operar un
sistema de colas de la manera más eficaz, permiten encontrar un balance adecuado
entre el costo de servicio y la cantidad de espera: Proporcionar demasiada capacidad
de servicio para operar el sistema implica costos excesivos. De otra parte, si no se
cuenta con suficiente capacidad de servicio surgen esperas excesivas con
desafortunadas consecuencias.
ESTRUCTURA DE LOS PROBLEMAS DE LÍNEAS DE ESPERA: Aunque cada situación

específica tiene características diferentes, cuatro elementos son comunes a toda Línea
de Espera:
♦ Una población de clientes que genera clientes potenciales.
♦ Una línea o fila de espera formada por los clientes.
♦ La instalación del servicio, formada por una persona (o un equipo), una máquina (o
grupo de máquinas) que se requiere para proveer el servicio que el cliente solicita.
♦ Una regla de prioridad para seleccionar al siguiente cliente que será atendido por la
instalación de servicio.
El término 'cliente' se utiliza en un sentido general, pudiendo ser una persona, piezas
esperando su turno para ser procesadas, una lista de trabajo esperando para ser
impresas en una impresora de red, etc.

PROCESO BÁSICO DE COLAS
Cola (Zona de espera): En todo sistema los flujos de entrada y salida no están
sincronizados. La cola es una acumulación de clientes (personas, productos, objetos)
que están a la espera de ser servidos.
Una cola puede evitarse:
(a) Tasa media de llegadas < Capacidad de servicio
(b) Cuando se tiene un control sobre la dispersión de los tiempos de llegadas y la de los
tiempos de servicio.
Básicamente la mayoría de los modelos de colas consiste: Los clientes que requieren
un servicio se generan en el tiempo en una fuente de llegada, después entran al
sistema y se unen a una cola.
En determinado momento se selecciona a un cliente de la cola para proporcionarle el
servicio mediante alguna regla conocida como disciplina de la cola. Se lleva a cabo el
servicio que el cliente requiere mediante un Mecanismo de servicio, y después el
cliente sale del sistema de colas.
• En el sistema se puede actuar en las siguientes características:
(a) Ley que rige las llegadas.
(b) Disciplina de la cola.
(c) Ley que determina el servicio (elección entre tipo y número de canales).
Consideracions sobre los sistemas:
(a) Cuando hay varios canales en paralelo es conveniente mantener una cola única.
(b) Cuando hay tiempos de servicios muy dispares para los diferentes clientes que
forman la cola conviene establecer canales separados.
(c) Si la cola aumenta hasta cierto limite conviene aumentar la capacidad de los
canales.

• Con relación a la disciplina de la cola hay que considerar:
(a) Llegadas individuales o en grupos.
(b) Dependencia del múmero de clientes que pretenden incorporarse al sistema en
función del número de clientes que se encuentran en el mismo.
(c) Disuasión de los clientes que pretenden incorporarse al sistema en función de la
longitud de la cola (con una cierta probabilidad).
• En relación con el servicio hay que considerar:

(a) Ley de servicio única a lo largo del tiempo y para todos los clientes.
(b) Ley de servicio variable en función del tipo de cliente y longitud de la cola.
TIPOS DE SISTEMAS DE COLAS

DISTRIBUCIONES DE PROBABILIDAD DEL MECANISMO DE SERVICIO
Las fuentes de variación en los problemas de colas o filas de espera provienen del
carácter aleatorio de la llegada de clientes y de las variaciones que se registran en los
distintos tiempos de servicio. Generalmente cada una de esas fuentes suele describirse
mediante una distribución de probabilidad.
La mayor parte de los modelos de colas estocásticas asumen que el tiempo entre
diferentes llegadas de clientes siguen una distribución exponencial Exp(λ ) , o lo que es
equivalente, que el ritmo de llegadas sigue una distribución de Poisson.
También es habitual admitir que el ritmo de atención al cliente cuando el servidor está
ocupado sigue una distribución de Poisson y la duración de la atención al cliente sigue
una distribución exponencial.
(λ t)n − λt
La distribución de llegadas: pn (t) = e , n = 0, 1, 2, clientes
n!
pn (t) ≡ Probabilidad de que n clientes estén en el sistema en el tiempo t
El tiempo entre llegadas, se define como la probabilidad de que no llegue ningún

(λ t)0 − λt
cliente, es decir: p 0 (t) = e = e− λt , siendo una distribución exponencial.
0!
PROCESOS DE POISSON
Si los tiempos entre llegadas/servicios de clientes se distribuyen según una exponencial
Exp(λ ) , el número de llegadas/servicios de clientes hasta un cierto tiempo es un
proceso de Poisson.
• Sea la variable X ∼ Exp(λ ) la variable aleatoria entre llegadas o tiempo de servicio,

⎧ λ e− λ x para x ≥ 0
su función de densidad f(x) = ⎨ es estrictamente decreciente.
⎩ 0 en otro caso
⎧1 − e − λ x x≥0
∫
x
La función de distribución: F(x) = f(t) dt = ⎨
−∞ ⎩ 0 x<0
1 1
X ∼ Exp(λ ) → E(X) = V(X) =
λ λ2

CARACTERÍSTICAS DE LOS SISTEMAS DE COLAS
Un sistema de colas se describe adecuadamente con seis característica:
• Fuente de llegada de clientes.
• Patrón de servicio de servidores.
• Disciplina de cola.
• Capacidad del sistema.
• Número de canales de servicio.
• Número de etapas de servicio.
Fuente de llegada de clientes: En situaciones de colas habituales, la llegada de clientes

es estocástica, esto es, depende de una variable aleatoria, con lo que se necesita
conocer la distribución probabilística entre dos llegadas sucesivas de clientes.
La fuente de llegada puede variar con el tiempo, cuando se mantiene constante se dice
estacionaria, si varía (por ejemplo, con las horas del día) se llama no‐
estacionaria.
Pueden contemplarse distintas situaciones: Clientes que llegan independiente o
simultáneamente (llegan lotes), en este último caso hay que definir su distribución
probabilística. Clientes que abandonan la cola por ser demasiado larga o que tras
esperar mucho abandonan.
El supuesto normal, para un modelo básico de colas, es que la llegada de clientes hasta
un momento específico sigue una distribución de Poisson, aunque no sea la única
distribución que puede considerarse.
Patrón de servicio de servidores: Pueden presentar un tiempo de servicio variable, en

cuyo caso hay que asociar una función de probabilidad. Pueden atender en lotes o de
modo individual.
El tiempo de servicio puede variar con el número de clientes en la cola, trabajando más
rápido o más lento, en este caso se conoce como patrones de servicio dependientes.
El patrón de servicio puede ser no‐estacionario variando con el tiempo transcurrido.
Disciplina de cola: Es la regla en el orden que se van a seleccionar los clientes que se
encuentran a la espera de ser atendidos en la cola, existen varias reglas, entre las más
comunes se pueden encontrar:
♠ FIFO (first in first out): Se atiende al cliente en el orden que llegan a la cola, el
primero en llegar será el primero en ser atendido. En los modelos básicos de colas se
supone como normal la disciplina de primero en entrar, primero en salir, a menos que
se establezca de otra manera.
♠ LIFO (last in first out): Consiste en atender primero al que ha llegado de último,
también se le conoce como 'pila'.
♠ RSS (random selection of service): Se selecciona a los clientes de una cola de forma
aleatoria, con algún procedimiento de prioridad o algún otra preclasificación.

♠ Processor Sharing: Todos los clientes perimentan con eficacia el mismo retraso, ya
que comparten entre todos los clientes de la cola la capacidad del sistema atendiendo
a todos por igual.
Capacidad del sistema: Es el número máximo de clientes que pueden estar dentro del
sistema haciendo cola antes de ser atendidos para recibir el servicio, al igual que la
fuente de llegada este número puede ser finito o infinito.
Número de canales de servicio: Es preferible utilizar sistemas multiservicios con una

única línea de espera para todos que con una cola por servidor. Al hablar de canales
de servicio paralelo se trata generalmente de una cola que alimenta a varios
servidores.
Número de etapas de servicio: Puede ser unietapa o multietapa, en este último el

cliente puede pasar por un número de etapas mayor que uno. En algunos sistemas
multietapa se admite la vuelta atrás o reciclado, modo habitual en sistemas
productivos como controles de calidad y reprocesos.
MECANISMO DE SERVICIO
Se caracteriza por las estaciones de servicio (servidores o dependientes) y por los

canales de servicio que desembocan en cada uno de los servidores.
Una única cola puede desembocar en varios servidores que van siendo ocupados de
acuerdo a una disciplina de selección, el caso habitual de asignación al primer servidor
que queda libre.
Puede haber multiplicidad en el número de servidores, es posible encontrar múltiples
colas que surtan clientes a un único o a múltiples servidores.
En una determinada estación de servicio, el cliente entra en uno de estos canales y el
servidor le presta el servicio completo.
Los modelos de colas deben especificar el número de estaciones de servicio (canales
de servicio en serie) y el número de servidores (canales paralelos) en cada una de ellas.
Los modelos elementales se componen de una estación, ya sea con un servidor o con
un número finito de ellos.

La variable más importante que caracteriza el mecanismo de servicio es el tiempo de
servicio es el tiempo de servicio. Se denomina tiempo de servicio el que transcurre
desde el inicio del servicio para el cliente hasta su terminación en una estación.
El modelo de un sistema de colas debe especificar la distribución de probabilidad de
los tiempos de servicio de cada servidor, siendo habitual suponer la misma distribución
para todos los servidores.
La distribución de servicio que más se emplea en la práctica (por ajustarse a un gran
número de situaciones como por su simplicidad en el cálculo) es la distribución
exponencial. Otras distribuciones qie se utilizan son la distribución degenerada (para
tiempos de servicio constantes) y la distribución de Erlang (Gamma) para
combinaciones de distribuciones exponenciales.

NOTACIÓN DEL MECANISMO DE SERVICIO
λ n ≡ Tasa media de llegadas cuando hay n clientes en el sistema, también número
esperado de llegadas de clientes por unidad de tiempo cuando se encuentran
n clientes en el sistema.
μ n ≡ Tasa media de servicio en todo el sistema, esto es, número esperado de
clientes que son despachados por unidad de tiempo por todos los
servidores en su conjunto.
s ≡ Número de servidores en el sistema de colas.
Muchas veces, el número de clientes en el sistema no afecta a la tasa media de
llegadas y la tasa media de servicio. En este caso, λ n y μ n se denotan por λ y μ ,
respectivamente.
Cuando los servidores se encuentran ocupados se tiene μ n = s μ
λ
us = ≡ Utilización promedio del sistema.
μ
λ
ρ= (factor de utilización) ≡ Congestión de un sistema.
s. μ
El factor de utilización ρ da una idea de la capacidad del sistema que es utilizada por
los clientes entrantes.
ρ < 1 → Tasa de servicio > Tasa de llegada de clientes
ρ > 1 → Tasa de llegada de clientes > Tasa de servicio → La cola crece con el tiempo
pn (t) = (1 − ρ) ρn ≡ Probabilidad de que haya n clientes en el sistema en el instante t

con ρ = λ / μ
N ≡ Número de clientes en el sistema en estado estable.

N(t) ≡ Número de clientes en el sistema de colas en el instante t (t ≥ 0).
También, estado del sistema en el instante t.
Long _ cola = N(t) − s ≡ Longitud de cola
L S ≡ Número esperado de clientes en el sistema, es decir, el sumatorio de las

probabilidades de cada estado por el número de clientes en su correspondiente
∞
estado: L S = ∑n . p
n=0
n

L q = pL ≡ Longitud esperada de la cola, se trata de una variable que es medida de los
clientes esperando en cola excluidos aquellos que están recibiendo servicio,
∞
se expresa por la fórmula: L q = ∑ (n − s) . p

n=s
n
Ws ≡ Tiempo de espera en el sistema incluyendo el tiempo de servicio (1/μ) para

cada cliente. En condiciones de estabilidad, se utiliza la esperanza de la
L
variable aleatoria: Ws = E(w) = s
λ
Wq ≡ Tiempo de espera en la cola excluido el tiempo de servicio (1/ μ) para cada
Lq
cliente. En condiciones de estabilidad se tiene, Wq = E(w q ) =
λ
Suponiendo λ n = cte, en un proceso de colas en estado estable, el número de
clientes en el sitema independientemente del tiempo transcurrido es igual a la
tasa de llegadas por el tiempo de espera medio en el sistema, es decir: L = λ W
Deduciéndose que L q = λ Wq
Siendo el número de clientes en el sistema igual al número de clientes servidos

más el número de clientes esperando en la cola: L = L s + L q
Suponiendo que el tiempo medio de servicio es una constante (1 / μ) para ∀ n ≥ 1,

se tiene entonces que el tiempo en el sistema es igual al tiempo en cola más el
1
tiempo de servicio (Tsis = Tcola + Tserv ): Ws = Wq +
μ

TERMINOLOGÍA DEL MECANISMO DE SERVICIO
David Kendall introdujo en 1953 una notación que permite describir las colas y mostrar
sus características pudiendo clasificar los diferentes tipos de colas por medio de
iniciales. De este modo, se tiene:
A / S / c/K /N/D
A Distribución entre el tiempo de llegadas consecutivas

• M ≡ Tiempos entre llegadas distribuidos de forma exponencial (Proceso de Poisson)
• D ≡ Tiempos entre llegadas deterministas, con tiempo promedio constante
• G ≡ Tiempos entre llegadas generales (cualquier distribución)
• Ek ≡ Existe una distribución tipo Erlang
• Hk ≡ Mezcla de k exponenciales
• Ph ≡ Tipo fase
S Patrón de servicio de servidores, es decir, hace referencia a la distribución probabilística

de los tiempos de servicio. Puede tomar los mismos valores que A.
c Número de servidores (o número de dependientes), también se denota por s.
K Capacidad del sistema, es decir, el número máximo de clientes que puede haber en el
sistema. Cuando se trata de una cola infinita el parámetro se puede omitir.
N Cualquier tipo de disciplina de la cola (FIFO, LIFO, RSS, etc), se puede omitir el parámetro
en caso de ser FIFO.
D Tamaño de la población de entrada, en caso de ser infinita el parámetro se puede omitir.
MODELOS DE COLAS SIMPLES
MODELO DE COLA M/M/1

El sistema de espera se caracteriza porque los tiempos de llegadas y los tiempos de
servicio se distribuyen de manera exponencial y tienen un único servidor.
Según sus características la disciplina de la cola es FIFO y el tamaño de la población de
entrada es infinito, es decir, el número de clientes en el sistema no afecta a la tasa de
llegadas.

Modelo M/M/1
El tiempo de llegadas se distribuye según Exp(λ )
El tiempo de servicio se distribuye según Exp(μ)
Un único servidor s = 1
MEDIDAS DE RENDIMIENTO: FÓRMULA DE LITTLE
λ
El Factor de utilización en el caso de un servidor ρ = coincide con la probabilidad de que
μ
λ
un cliente nuevo tenga que esperar para ser servido ρ = p =
μ
Sí ρ < 1 → El sistema es estable. En otro caso, es inestable.
λ
Probabilidad de que ningún cliente se encuentre en el sistema de colas: p 0 = 1 −
μ
λ
Probabilidad de que n clientes se encuentren en el sistema de colas: pn = 1 −
μ
(tiempo promedio en sistema = tiempo promedio en cola + tiempo de servicio)
1
Tiempo de servicio:
μ
1
Tiempo promedio de estancia en el sistema: Ws =
μ −λ
λ ρ
Número promedio de clientes en el sistema: L s = λ .Ws = =
μ−λ 1−ρ
RELACIONES SISTEMA: Wq = ρ . Ws Lq = ρ . Ls

λ 1 λ
Tiempo promedio de espera en cola: Wq = ρ . Ws = . =
μ (μ − λ ) μ . (μ − λ )
1 λ 1 λ+ μ− λ 1 ⎛ 1 ⎞
Wq + = + = = = Ws ⎜ Ws = Wq + μ ⎟
μ μ . (μ − λ ) μ μ . (μ − λ ) μ − λ ⎝ ⎠
λ λ λ2
Número promedio de clientes en cola: L q = ρ . L s = x = (L q = λ . Wq )
μ μ − λ μ . (μ − λ )
Lq
Número promedio de clientes en la cola para un sistema ocupado: L b =
p
Wq
Tiempo promedio de clientes en la cola para un sistema ocupado: Wb =
p
Número de clientes servidos: L = L s + L q
Probabilidad de tiempo de espera nulo en cola: p 0 = P(Wq = 0) = 1 − ρ
Probabilidad de que n clientes se encuentren en cola: P(L q = n) = pn (t) = (1 − ρ) . ρn

∞
Número promedio de clientes en el sistema: L s = ∑
n=1
n.p n
∞
Número promedio de clientes en ela cola: L q = ∑
n=2
(n − 1) . p n
Probabilidad de tiempo de espera t en cola > t: P(Wq > t) = ρ e − μ (1 − ρ) t t>0
Probabilidad de tiempo de estancia t en el sistema > t: P(Ws > t) = e − μ (1 − ρ) t t>0

Coste total en espera: CQ = c q . L q
Coste total en servicio: CS = c s

Coste total del sistema: CTS = c q . L s + c s

Number of servers (Numero de servidores): s =
Service rate (Tasa de servicio): μ =
Customer arrival rate (Tasa de llegada de clientes): λ =
Queue capacity (Capacidad de la cola: Por defecto aparece M indicando que es infinita. Cuando la
cola es finita se pone el tamaño máximo de la cola menos el número de servidores (k − s)
Customer population (Tamaño de la población de clientes): Aparece por defecto M, indicando que
es infinita. En caso de fuente limitada se pone el tamaño de la población.
Busy server cost per hour: Coste del servidor ocupado ≡ c q + c s
Idle server sost per hour: Coste del servidor desocupado ≡ c s .s
Customer waiting cost per hour: Coste de espera de los clientes ≡ c q
Customer being served cost per hour: Coste de los clientes siendo servidos
Cost of customer being balked: Coste por la pérdida de clientes, en el caso que la cola sea finita
Unit queue capacity cost: Coste unitario de capacidad de cada unidad de cola

En el mostrador de facturación de una aerolínea llega un promedio de 45 clientes
por hora, cuando su capacidad media es de 60 clientes por hora. Si un cliente espera
una media de 3 minutos en la cola, se pide:
a) Tiempo medio que un cliente pasa en la facturación.
b) Número medio de clientes en la cola.
c) Número medio de clientes en el sistema en un momento dado.
Solución:
a) La información de la que se dispone es:

Media de llegada de clientes: λ = 45 clientes/hora = 45 / 60 = 0,75 clientes / minutos
Media de servicio a clientes: μ = 60 clientes/hora = 60 / 60 = 1 clientes / minutos
Tiempo promedio de espera en la cola: Wq = 3 minutos

1
El tiempo promedio que un cliente pase en el sistema Ws = Wq + es:
μ
1
Ws = 3 + = 4 minutos (3 minutos en la cola + 1 minuto en el servicio)
1
b) El número promedio de clientes en la cola L q se puede calcular:
L q = λ Wq = 0,75 x 3 = 2,25 clientes/minuto
λ2 0,752
Lq = = = 2,25 clientes/minuto
μ .(μ − λ ) 1. (1 − 0,75)
con lo cual, puede haber más de dos clientes en la cola.
c) El número promedio de clientes en el sistema L s es:
λ 0,75
Ls = = = 3 clientes/minuto
μ − λ 1 − 0,75
o también, L s = λ Ws = 0,75 x 4 = 3 clientes / minuto
Hay un promedio de 3 clientes en el sistema, al haber un sólo mostrador (servidor) sólo

un cliente puede estar en servicio, teniendo los demás clientes que estar en la cola, lo
que indica que hay 2 clientes en espera.

En un restaurante de carretera llega una media de 90 personas a la hora, cuando
tiene disponibilidad de dar servicio a 120 clientes a la hora. Sabiendo que los clientes
esperan una media de 2 minutos en la cola, se pide:
a) Probabilidad que el sistema se encentre sin ocupar.
b) Probabilidad que un cliente tenga que esperar al encontrarse el sistema ocupado.
c) Número medio de clientes en la cola.
d) Probabilidad de que hay 4 clientes en la cola.
Solución:
a) La información de la que se dispone es:

Media de servicio a clientes: μ = 120 clientes/hora = 120 / 60 = 2 clientes / minutos
Tiempo promedio de espera en la cola: Wq = 2 minutos
La probabilidad de que el sistema se encuentre ocioso es (1 − ρ) , siendo ρ el factor de

utilización del sistema (probabilidad de que el sistema se encuentre ocupado).
Como hay un único servidor, el factor de utilización coincide con la probabilidad de que
un cliente nuevo tenga que esperar en el servicio.
λ 1,5 clientes / minutos

ρ= = = 0,75 probabilidad de sistema ocupado
μ 2 clientes / minutos
1 − ρ = 1 − 0,75 = 0,25 probabilidad de sistema sin ocupar
b) La probabilidad de que un cliente llegue y tenga que esperar se interpreta como

que sea el primer cliente en la cola, esto es, pn (t) = (1 − ρ) ρn con ρ = λ / μ
⎛ λ ⎞⎛ λ ⎞
Cuando n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,75) x 0,75 = 0,1875
⎝ μ⎠⎝ μ⎠
Existe un 18,75% de posibilidad de que haya un cliente en la cola a la espera de ser

atendido.
c) El número promedio de clientes en la cola: L q = λ Wq = 1,5 x 2 = 3 clientes
n
⎛ λ ⎞⎛ λ ⎞
→ p 4 (t) = P(L s = 4) = ( 1 − 0,75 ) ( 0,75 ) = 0,079
4
d) pn (t) = P(L s = n) = ⎜ 1 − ⎟ ⎜ ⎟
⎝ μ⎠⎝ μ⎠

Results/ Probability Summary

En un lavado a presión de coches la tasa media de llegadas es de 12 coches por
hora y son atendidos a una tasa promedio de 15 coches por hora, con tiempos de
servicios exponenciales. Se pide:
a) Probabilidad de tener 0 clientes en el sistema.
b) Número promedio de clientes que entran en el sistema de lavado.
c) Número promedio de clientes en la cola.
d) Tiempo promedio que un cliente espera en la cola.
e) Probabilidad de tener una cola de más de 2 clientes.
f) Probabilidad de esperar más de 25 minutos en la cola y en el sistema de lavado.
Solución:
a) Es un modelo de cola M/M/1 con la siguiente información:

Media de servicio a clientes: μ = 15 clientes/hora = 15 / 60 = 0,25 clientes / minutos
λ 0,2 clientes / minutos

El factor de utilización ρ = = = 0,8
μ 0,25 clientes / minutos
es la probabilidad de que el sistema lavado se encuentre ocupado, que al tener ún

unico servidor coincide con con la probabilidad de que un cliente nuevo tenga que
λ
esperar en el servicio, es decir, p = = 0, 8
μ
Es decir, con probabilidad 0,2 el sistema de lavado está vacío, que es la probabilidad
de tener 0 clientes en el sistema.
b) El número promedio de clientes que entran en el sistema es:

λ 0,2
L s = λ Ws = = = 4 clientes
μ − λ 0,25 − 0,2
con lo que el tiempo promedio de estancia en el sistema es:

Ls 4 1 1
Ws = = = 20 minutos , o bien Ws = = = 20 minutos
λ 0,2 μ − λ 0,25 − 0,20
c) El número promedio de clientes en la cola: L q = p L s = 0, 8 x 4 = 3,2 clientes
d) El tiempo promedio que un cliente espera en la cola:

Lq 3,2 λ 0,2
Wq = = = 16 minutos , Wq = = = 16 minutos
λ 0,2 μ . (μ − λ ) 0,25 . (0,25 − 0,2)

e) Para calcular la probabilidad de tener una cola de más de 2 clientes se necesita
saber la probabilidad de que haya 0, 1 y 2 clientes.
donde, pn (t) = (1 − ρ) ρn con ρ = λ / μ = 0,8

0
⎛ λ ⎞⎛ λ ⎞
n = 0 → p 0 (t) = P(L s = 0) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0,8 0 = 0,2
⎝ μ⎠⎝ μ⎠
1
⎛ λ ⎞⎛ λ ⎞
n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0, 81 = 0,16
⎝ μ⎠⎝ μ⎠
2
⎛ λ ⎞⎛ λ ⎞
n = 2 → p2 (t) = P(L s = 2) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,8) x 0, 82 = 0,128
⎝ μ⎠⎝ μ⎠
P(L s > 2) = 1 − P(L s ≤ 2) = 1 − ⎡⎣P(L s = 0) + P(L s = 1) + P(L s = 2)⎤⎦ =

= 1 − ( 0,2 + 0,16 + 0,128 ) = 0,512
Existe un 51,2% de posibilidad de encontrar una cola con más de dos cleintes.
e) La probabilidad del tiempo de espera de un cliente en el sistema:
P(Ws > t) = e−μ (1 − ρ ) t → P(Ws > 25) = e−0 ,25 (1 − 0,8) 25 = e− 1,25 = 0,286
La probabilidad del tiempo de espera de un cliente en la cola:
P(Wq > t) = ρ e−μ (1 − ρ ) t → P(Wq > 25) = 0,8 e−0,25 (1 − 0 ,8) 25 = 0,8 e− 1,25 = 0,23

Una sucural bancaria decide instalar un cajero en un barrio de ciudad que no tiene
un servicio semejante. En la investigación inicial se recogen datos diariamente sobre
los tiempos de llegadas de los clientes, detectando que el cliente que llega prefiere
esperar para poder utilizar el servicio cuando éste se encuentra ocupado. Con los
datos recogidos, se estima que las llegadas siguen un proceso de Poisson, el tiempo de
servicio es exponencial, el tiempo medio de servicio es de 5 minutos por cliente y el
tiempo medio transcurrido entre dos llegadas consecutivas es de 8 minutos. Se pide:
a) Tiempo promedio de espera que debe sufrir cada cliente en cola.
b) Tamaño promedio de la cola y probabilidad de que al acudir al cajero haya alguna
persona en la cola.
Solución:
a) Es un modelo de cola M/M/1 con λ = 1 / 8 = 0,125 y μ = 1 / 5 = 0,2
Lq λ
El tiempo promedio de espera en cola: Wq = =
λ μ . (μ − λ )
λ 0,125
Wq = = = 8,33 minutos
μ . (μ − λ) 0,2 ( 0,2 − 0,125 )
b) El tamaño promedio de la cola se refleja por el número medio de clientes en la cola:

Wq = L q / λ → L q = λ Wq = 0,125 x 8,33 = 1,04 clientes
La probabilidad de que al acudir al cajero haya alguna persona en la cola es 1 − p 0 − p1 ,

donde pn (t) = (1 − ρ) ρn
El factor de utilización ρ = λ / μ = 0,125 / 0,2 = 0,625 es la probabilidad de que el

cajero se encuentre ocupado, que al tener ún unico servidor coincide con con la
probabilidad de que un cliente nuevo tenga que esperar en el servicio, es decir,
p = λ / μ = 0,625
0
⎛ λ ⎞⎛ λ ⎞
n = 0 → p 0 (t) = P(L s = 0) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,625) x 0,6250 = 0,375
⎝ μ⎠⎝μ⎠
1
⎛ λ ⎞⎛ λ ⎞
n = 1 → p1 (t) = P(L s = 1) = ⎜ 1 − ⎟ ⎜ ⎟ = (1 − 0,625) x 0,6251 = 0,234
⎝ μ⎠⎝ μ⎠
P(L s > 1) = 1 − P(L s ≤ 1) = 1 − ⎡⎣P(L s = 0) + P(L s = 1)⎤⎦ = 1 − 0,375 − 0,234 = 0,391
Existe un 39,1% de posibilidad de encontrar alguna persona en la cola.

Una base de mantenimiento de aviones tiene recursos para revisar únicamente un
motor de avión a la vez. Para devolver los aviones lo antes posible, sigue la política de
revisar solo un motor de los cuatro motores de los aviones que llegan a la base según
una distribución de Poisson de tasa media uno al día. El tiempo requerido para revisar
un motor (una vez que comienza el trabajo) sigue una distribución exponencial de tasa
1/2 al día.
Se ha hecho una propuesta para cambiar la política de revisión, de forma que se
revisen los cuatro motores de forma consecutiva cada vez que un avión llegue a la
base, que supone cuadriplicar el tiempo esperado de servicio, con una frecuencia de
revisión de cada avión cuatro veces menor.
Se pide comparar las dos alternativas aplicando la teoría de colas.
Solución:
En los dos casos se trata de colas M/M/1, puesto que tanto los tiempos entre llegadas
como los tiempos de servicio son variables aleatorias con distribución exponencial.
• En la situación actual, la tasa de llegadas es λ = 1 / 1 = 1 aviones al día, y la tasa de
servicio es μ = 1 / (1 / 2) = 2 aviones al día.
λ 1
Factor de utilización: ρ = = = 0,5
μ 2
λ 1
Número promedio de aviones en el sistema: L s = = = 1 avión
μ−λ 2−1
λ2 1 1
Número promedio de aviones en cola: L q = = = avión
μ . (μ − λ ) 2 . (2 − 1) 2
1 1
Tiempo promedio de estancia en el sistema: Ws = = = 1 día
μ−λ 2−1
λ 1 1
Tiempo promedio de espera en cola: Wq = = = día
μ . (μ − λ ) 2 . (2 − 1) 2
• Con la propuesta de cambiar de política de revisión, la tasa de llegada es

λ = 1 / 4 = 0,25 aviones al día, y la tasa de servicio es μ = 1 / (4 / 2) = 0,5 aviones al
día.
λ 0,25
Como el factor de utilización: ρ = = = 0,5 < 1 es el mismo, el estado sigue
μ 0,5
siendo estacionario (sistema estable).
λ 0,25
Número promedio de aviones en el sistema: L s = = = 1 avión
μ − λ 0,5 − 0,25

λ2 0,252 1
Número promedio de aviones en cola: L q = = = avión
μ . (μ − λ) 0,5 . (0,5 − 0,25) 2
1 1
Tiempo promedio de estancia en el sistema: Ws = = = 4 días
μ − λ 0,5 − 0,25
λ 0,25
Tiempo promedio de espera en cola: Wq = = = 2 días
μ . (μ − λ ) 0,5 . (0,5 − 0,25)
CONFIGURACIONES DE MANTENIMIENTO:
Actual: L s = 1 avión L q = 1 / 2 avión Ws = 1 día Wq = 1 / 2 día
Propuesta: L s = 1 avión L q = 1 / 2 avión Ws = 4 días Wq = 2 días
Con la propuesta de cambio se observa que cada vez que un avión vaya a ser revisado
pasará en el sistema el cuádruple del tiempo que pasaba con el sistema anterior, pero
como cada avión va a ir con frecuencia cuatro veces menor, el tiempo perdido en el
taller a largo plazo va a ser igual.
En este caso, la decisión entre las dos configuraciones se toma en función de los costes
de operación.

En un taller de reparación de lunas llegan dos clientes a la hora, mientras el
mécanico cambia 3 lunas por hora. Sabiendo que el taller estima un coste de servicio
es de 15 euros/hora y un coste de espera de 50 euros/hora, calcular el coste total por
hora.
Solución:
Es un modelo de cola M/M/1 con s = 1 , λ = 2 y μ = 3
λ 2
μ 3
λ 2
Número promedio de clientes en el sistema: L s = = = 2 clientes
μ−λ 3−2
λ2 4
Número promedio de clientes en cola: L q = = = 1,333 clientes
μ . (μ − λ ) 3 . (3 − 2)
Siendo, c q = 50 euros/hora y c s = 15 euros/hora , se tiene:
Coste total de espera: CQ = c q . L q = 50 . 1,3333 = 66,67 euros/hora
Coste total servicio: CS = c s . s = 15 . 1 = 15 euros/hora
Coste total en sistema: CTS = c q . L s + c s . s = 50 . 2 + 15 . 1 = 115 euros/hora

TEORÍA DE COLAS: TALLER ‐ Queuing Analysis
En un taller, las máquinas suelen fallar según una ley de Poisson de tasa igual a 3 maq/hora, con un
coste de parada de una máquina de 100 euros/hora. Pueden elegirse dos alternativas:
a) Un mecánico repara las máquinas según una ley de servicio exponencial de tasa 4 maq/hora
cobrando 30 euros/hora.
b) Un experto repara las máquinas según una distribución exponencial de tasa 5 maq/hora
exigiendo 40 euros/hora.
¿Cuál de las dos alternativas resulta más beneficiosa?
a) Se trata de un modelo de cola M/M/1

Tasa de llegada: λ = 3 máquinas/hora
Tasa de servicio: μ = 4 máquinas/hora
λ 3
Número de máquinas en sistema: L s = = = 3 máquinas
μ−λ 4−3
λ2 9
Número de máquinas en cola: L q = = = 2,25 máquinas
μ .(μ − λ) 4.(4 − 3)

Coste total servicio: CS = c s . s = 30. 1 = 30 euros/hora
Coste total de espera en cola: CTQ = c q . L q = 100 . 2,25 = 225 euros/hora
Coste total en sistema: CTS = c q . L s + c s . s = 100 . 3 + 30 . 1 = 330 euros/hora
b) Tasa de llegada: λ = 3 máquinas/hora

Tasa de servicio: μ = 5 máquinas/hora
λ 3
Número de máquinas en sistema: L s = = = 1,5 máquinas
μ−λ 5−3
λ2 9
Número de máquinas en cola: L q = = = 0,9 máquinas
μ .(μ − λ ) 5.(5 − 3)
Coste total servicio: CS = c s . s = 40. 1 = 40 euros/hora
Coste total de espera en cola: CTQ = c q . L q = 100 . 0,9 = 90 euros/hora
Coste total en sistema: CTS = c q . L s + c s . s = 100 . 1,5 + 40 . 1 = 190 euros/hora
Resulta más beneficiosa la alternativa (b)

b)

TEORÍA DE COLAS: MODELOS M / M / s
Formalización sistemas de espera (Colas)

Modelo de Cola M / M / s
Modelo de Cola M / M / s / /
Modelo de Cola M / M / s / / k
Formalización de sistemas de espera (Colas)
A / B / C / D / E / F
A: Ley de llegadas al sistema

B: Ley de los tiempos de servicio
C: Número de canales o servidores (s) en paralelo, supuestamente iguales
D: Ley de los tiempos de servicio, generalemente si es FIFO se omite
E: Capacidad de la cola, número máximo de unidades que pueden encontrarse
simultáneamente en el interior del sistema
F: Tamaño del centro emisor
A: Ley de llegadas al sistema. Las llegadas corresponden a un proceso markoviano. Si la

tasa de llegadas es constante a lo largo del tiempo, los tiempos entre llegadas siguen
una ley exponencial y el número de llegadas por unidad de tiempo una ley de Poisson.
De ahí que indistintamente a las llegadas constantes se pueden referir con los términos
exponenciales y poissonianos. Cuando las llegadas son infinitas se denotan por M.
El parámetro más utilizado para la tasa de llegadas es λ
B: El parámetro más utilizado para la tasa de servicio es μ (número medio de unidades
por unidad de tiempo que es capaz de entrar en un canal o servidor). Cuando las
llegadas al sistema son infinitas se denotan por M
D: La disciplina de cola puede ser:
G: Disciplina general cualquiera, sin proporidades
FIFO: Primera unidad en llegar, primera en ser atendida
LIFO: Última unidad en llegar, primera en ser atendida
SIRO: Al azar.
Señalar que ser la primera unidad en ser atendida no equivale a ser la primera en salir del
sistema. Cuando hay más de un canal o servidor, una unidad puede salir del sistema
después de otra unidad que haya empezado a ser atendida antes.
F: Las llegadas del centro emisor pueden ser infinitas o finitas (k, un número natural). Que
el centro emisor sea infinito significa que no se modifica por el hecho de que algunas
unidades se encuentren en el sistema, por lo que la ley de llegadas es independiente
del número de llegadas que contenga el sistema. Por el contrario, si el centro emisor es
finito, con k unidades inicialmente, sus características dependen del número de
elementos en el sistema.
Portal Estadística Aplicada: COLAS MODELO M/M/s 53

La formalización general de un sistema de espera (Cola) con disciplina FIFO es:
M / M / s / c / k
Dejar en blanco un símbolo de la formalización se interpreta que es infinito (M)
En este sentido,
M / M / → M / M / ∞ / ∞ / ∞
M / M / s → M/M/s/∞/∞
M / M / s / / k → M / M / s / ∞ / k (c = ∞)
M / M / / / k → M/M/∞/∞/k

MODELO DE COLA M / M / s ≡ (M / M / s / ∞ / ∞)
El modelo supone que los tiempos entre llegadas y los tiempos de servicio son
variables aleatorias distribuidas exponencialmente, la disciplina es FIFO y la población
es infinita.
Se diferencia respecto al modelo M/M/1 en que el número de servidores s puede ser
cualquier número natural tal que s ≥ 1 . Cuando el número de servidores es mayor que
1, las expresiones anteriores no son tan sencillas.
En esta línea, en la tasa de servicio μ n hay que distinguir dos casos:
⎧μn = n μ cuando n ≤ s
μn = ⎨ = min(n μ , s μ)
⎩ μ n = s μ cuando n > s
μ ≡ tasa media de servicio de todos los servidores en conjunto
s μ ≡ tasa máxima de servicio para s servidores
El siguiente diagrama de tasas (cadena de Markov del modelo M/M/s) representa los
posibles estados del sistema y las transiciones entre ellos.
En este caso, la tasa de llegadas no se encuentra afectada por el estado en que se

encuentre el sistema, pero sí la tasa media de servicio, pudiendo ser tal múltiplo de la
tasa media de servicio por servidor como servidores en activo haya.
λ
Si el factor de utilización (factor de carga/ intensidad tráfico): ρ =
sμ
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ ⎟ n = 1, 2, ... , s − 1
λ 0 λ 1 ... λ n − 1 ⎪ n! ⎝ μ ⎠
cn = =⎨ n−s
μ1 μ2 ... μn s
⎪1 ⎛λ⎞ ⎛ λ ⎞
⎪ s! ⎜ μ ⎟ ⎜ s μ ⎟ n = s, s + 1, ...
⎩ ⎝ ⎠ ⎝ ⎠
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ ⎟ p0 n = 1, 2, ... , s − 1
⎪ n! ⎝ μ ⎠
pn = c n p 0 = ⎨ s n−s
⎪1 ⎛λ⎞ ⎛ λ ⎞
⎪ s! ⎜ μ ⎟ ⎜ s μ ⎟ p 0 n = s, s + 1, ...
⎩ ⎝ ⎠ ⎝ ⎠

∞ ∞
∑p = ∑c p
1 1
n n 0 = 1 → p0 = = s−1 s−1 n−s
=
n ∞
(λ / μ) ⎛ λ ⎞
∑c ∑ ( λ / μ) ( λ / μ)
n n s
n=0 n=0
n=0
n
n=0
n!
+∑n=s
n!
+ ∑
n=0
⎜ ⎟
s! ⎝ s . μ ⎠
1 1
= s−1 s
= s−1
(λ / μ)n 1 ⎛ λ ⎞ 1 (λ / μ)n (λ / μ)s ⎛ s . μ ⎞
∑
n=0
n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ ∑
n=0
n!
+
s!
⎜ ⎟
⎝ s .μ − λ ⎠
Bajo condiciones de estabilidad (factor de utilización ρ < 1 ), al igual que en el modelo

M/M/1, se pueden aplicar fórmulas para obtener los principales parámetros del
sistema.
MEDIDAS DE RENDIMIENTO:
1
Tiempo en el servicio:
μ
λ
Utilización promedio del sistema: us =
μ
λ
Factor de utilización (factor de carga/ intensidad tráfico): ρ =
s. μ

1
p0 = s−1
Probabilidad de que ningún cliente n s
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ 1 ⎞
se encuentre en el sistema de colas: ∑
n=0
n! ⎜⎝ μ ⎟⎠
+
s! ⎜⎝ μ ⎟⎠ ⎜⎝ 1 − ρ ⎟⎠
⎧ ⎛ λ ⎞n 1
⎪⎜ ⎟ p0 n≤s
⎪⎝ ⎠μ n!
Probabilidad del estado n: pn = ⎨ n
⎪⎛ λ ⎞ 1
⎪⎜ μ ⎟ s! s(n − s) p 0 n > s
⎩⎝ ⎠
∞
Número promedio de clientes en sistema: L s = ∑n . p
n=1
n
∞
Número promedio de clientes en cola: L q = ∑
n=s+1
(n − s) . pn
s
1 ⎛λ⎞ ρ ( λ / μ) s λ μ
Número promedio de clientes en cola: L q = ⎜ ⎟ p0 = p0
s! ⎝ μ ⎠ (1 − ρ)2 (s − 1)! (s μ − λ)2
L
Tiempo promedio de espera en cola: Wq = q
λ
L q = λ Wq ( )
λ
Número promedio de clientes en sistema: L s = L q + ( L s = λ Ws )
μ
1 ⎛ Ls ⎞
Tiempo promedio de estancia en el sistema: Ws = Wq + ⎜ Ws = ⎟
μ ⎝ λ⎠
L
Número promedio de clientes en la cola para un sistema ocupado: L b = q p w =
pw n≥s
pn ∑
Wq
pw
pw = ∑p
n≥s
n
A medida que se añaden servidores al sistema las fórmulas van siendo más complicadas,
en especial para el cálculo de probabilidades.
Se asume que la probablidad de la función de tiempos de servicio es una exponencial
negativa de parámetro μ n.
⎛ ⎛λ⎞
s ⎞
⎜ ⎜ μ ⎟ ⎛ 1 − e − μ t (s − 1 − λ / μ ) ⎞ ⎟
−μt ⎜ ⎟
P(W > t) = e ⎜ 1 + ⎝ ⎠ ⎜ ⎟⎟
s! (1 − ρ) ⎝ s − 1 − λ / μ ⎠
⎜ ⎟
⎜ ⎟
⎝ ⎠
− μ t (s − 1 − λ / μ )
1−e
Cuando s − 1 − λ / μ = 0 se utiliza = μ .t
s−1−λ/μ

Coste total en servicio: CS = c s . s

Coste total del sistema: CTS = c q . L s + c s . s

cola es finita se pone el tamaño máximo de la cola menos el número de servidores (k − s)

Un terminal de facturación dispone de dos operarios que atienden a los clientes
que llegan según una distribución de Poisson de media ochenta clientes por hora, que
esperan en una única cola hasta que alguno de los operarios esté libre. El tiempo
requerido para atender a un cliente se distribuye exponencialmente con medía 1,2
minutos. Se pide:
a) ¿Cuál es el número esperado de clientes en el terminal de facturación?
b) ¿Cuál es el tiempo medio que un cliente pasa en el terminal de facturación?
c) ¿Qué porcentaje de tiempo está libre un determinado operario?
Solución:
a) Es un modelo de cola M/M/2 con s = 2 servidores

Tasa de llegadas ≡ λ = 80 clientes/hora
60
Tasa de servicio por operario ≡ μ = = 50 clientes/hora
1,2
λ 80
Factor de utilización o congestión del sistema: ρ = = = 0, 8
s. μ 2 x 50
Probabilidad de que ningún cliente se encuentre en el sistema de colas:

1 1
p0 = s−1
= 1
= 0,111
( λ / μ) ( λ / μ)
n s
⎛ sμ ⎞ (80 / 50)n (80 / 50)2 ⎛ 100 ⎞
∑ n!
+
s!
x ⎜ ⎟
⎝ sμ − λ ⎠
∑
n=0
n!
+
2!
⎜
⎝ 100 − 80
⎟
⎠
n=0
1
(80 / 50)n (80 / 50)2 ⎛ 100 ⎞
∑
n=0
n!
+
2!
x ⎜ ⎟=
⎝ 100 − 80 ⎠
⎡ (80 / 50)0 (80 / 50) ⎤ (80 / 50)2
=⎢ + ⎥+ x 5 = ( 1 + 1,6 ) + 6,4 = 9
⎣ 0! 1! ⎦ 2!
o bien
1 1
p0 = s−1 s
= 1 n 2
= 0,1111
( λ / μ)
n
1 ⎛λ⎞ 1 (80 / 50) 1 ⎛ 80 ⎞ ⎛ 1 ⎞
∑ n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ
∑
n=0
n!
+ ⎜ ⎟ ⎜
2 ⎝ 50 ⎠ ⎝ 1 − 0,8 ⎟⎠
n=0
Número pomedio de clientes en la cola:
( λ / μ) s λ μ (80 / 50)2 x 80 x 50
Lq = p0 = 0,111 = 2,8444 clientes
(s − 1)! (s μ − λ )2 1! (2 x 50 − 80)2
Número promedio de clientes en el sistema (terminal de facturación):

λ 80
Ls = Lq + = 2,84 + = 4,4444 clientes
μ 50

Lq 2,84
b) Tiempo medio de espera en cola: Wq = = = 0,0356
λ 80
Tiempo medio de estancia en el sistema (terminal de facturación):
1 1
Ws = Wq + = 0,0355 + = 0,0556 horas = 3,33 minutos
μ 50
Es decir, el tiempo en el sistema es igual al tiempo en la cola (Wq ) más el tiempo en el

servicio (1 / μ)
L s 4,44
o bien, Ws = = = 0,0556 horas = 3,33 minutos
λ 80
(λ / μ)n
c) El porcentaje de tiempo que determinado operario esté libre: pn = p0
n!
1 (80 / 50)0 1 (80 / 50)1

1 p 0 + p1 = po + po = po + 0,8 . po = 1,8 . po = 1,8 .0,111 = 0,2
2 0! 2 1!

1 1
1 p0 + p1 = 0,11 + . 0,18 = 0,2
2 2
Lq
pw
pw = ∑p
n≥s
n
Lq Wq
∑p
2,8444 0,0356
pw = n = 1 − 0,29 = 0,71 ⎯⎯
→ Lb = = =4 Wb = = = 0,0500
n≥2
pw 0,71 pw 0,71

En un ambulatorio con tres médicos, los pacientes llegan de forma aleatoria
(tiempos de llegada exponenciales) a razón de 12 por hora. Estos son atendidos en
orden de llegada por el primer médico que esté libre. Cada médico tarda una media de
13 minutos en atender a cada paciente (tiempos de atención exponenciales).
Se pide:
a) Calcular la proporción de tiempo que está cada médico atendiendo a pacientes.
b) Calcular el número promedio de pacientes que están en la sala de espera.
Calcular el tiempo promedio total de espera de un paciente.
c) ¿Qué ocurriría en el ambulatorio si uno de los tres médicos se ausenta?
Solución:

60
λ = 12 pacientes/hora , μ = = 4,615 pacientes/hora
13
Utilización promedio del ambulatorio: us = λ / μ = 12 / 4,615 = 2,6
La proporción de tiempo solicitada se expresa en la tasa de utilización del ambulatorio:

λ 12
ρ= = = 0,87 → 1 − ρ = 1 − 0,87 = 0,13
s. μ 3 x 4,615
El servicio del ambulatorio está utilizado un 87%, esto es, pasa ocioso el 13% del
tiempo, sistema estable al ser ρ = 0,87 < 1
( λ / μ) s λ μ
b) Número promedio de pacientes en la sala de espera: L q = p0
(s − 1)! (s μ − λ )2
1 1 1
p0 = s−1 s
= 2
= = 0,033
(λ / μ)n 1 ⎛ λ ⎞ 1 2,6n 1 ⎛ 1 ⎞ 29,51
∑ n!
+
s! ⎜⎝ μ ⎟⎠ 1 − ρ
∑
n=0
n!
+ 2,63 ⎜
3! ⎝ 0,13 ⎟
⎠
n=0
2 2
2,6n 1 3 ⎛ 1 ⎞ 2,6n
∑
n=0
n!
+ 2,6 ⎜
3! ⎝ 0,13 ⎟=
⎠ n=0
n! ∑
+ 22,53 = 1 + 2,6 + 3,38 + 22,53 = 29,51
( λ / μ) s λ μ 2,63 x 12 x 4,615
con lo que, L q = p0 = x 0,033 = 4,72 pacientes
(s − 1)! (s μ − λ )2 2! x 1,8452
Lq 4,72
Tiempo promedio de espera en cola: Wq = = = 0,39 horas
λ 12
1 1
Tiempo promedio estancia en el sistema: Ws = Wq + = 0,39 + = 0,60 horas
μ 4,615

El gerente de una multinacional quiere analizar el coste total por hora del sistema
de descargas de su terminal (mano de obra y camiones ociosos). La terminal de carga
funciona con cuatro plataformas de descarga, cada una de éstas con un equipo de dos
empleados que descargan un semirremolque en una hora, con tiempos de servicios
exponenciales, y un coste de cuarenta euros/hora. El tiempo de llegadas de camiones
es de tres/hora siguiendo una disribución de Poisson, con un coste estimado de
sesenta euros/hora por camión ocioso.
Solución:
Es un modelo de cola M/M/4 con s = 4 servidores

Para calcular el coste total de mano de obra y de los camiones ociosos hay que saber el
tiempo promedio de espera en el sistema de descarga y el número promedio de
camiones en el mismo.
Tasa de llegadas: λ = 3 camiones/hora
0,5
Tasa de servicio por empleado ≡ μ = 4 x = 1 camiones/hora
2
Utilización promedio del sistema: us = λ / μ = 3 / 1 = 3
λ 3
Utilización promedio de las cuatro plataformas: ρ = = = 0,75
s. μ 4 x 1
Probabilidad de que no haya ningún camión en el sistema de descargas:

1 1 1
p0 = s−1 s
= 3
= = 0,03774
(λ / μ)n 1 ⎛ λ ⎞ 1 3n 1 4 ⎛ 1 ⎞ 26,5
∑ n!
+
s! ⎝⎜ μ ⎠⎟ 1 − ρ
∑
n=0
n!
+ 3 ⎜
4! ⎝ 0,25 ⎠⎟
n=0
3 3
3n 1 4 ⎛ 1 ⎞ 3n
∑
n=0
n!
+ 3
4! ⎜ 0,25 ⎟ =
⎝
∑
⎠ n = 0 n!
+13,5 = 1 + 3 + 4,5 + 4,5 + 13,5 = 26,5
Número promedio de camiones en espera:
( λ / μ) s λ μ 34 x 3 x 1
Lq = p0 = x 0,03774 = 1,5284
(s − 1)! (s μ − λ )2 3! (4 − 3)2
L 1,5284
Tiempo promedio de espera de camiones cola: Wq = q = = 0,5094 hora
λ 3
Tiempo promedio de estancia de camiones en el sistema:
1 1
Ws = Wq + = 0,5094 + = 1,5094 horas
μ 1

λ
Número promedio camiones en sistema: L s = L q + = 1,5284 + 3 = 4,5284 camiones
μ
o bien, L s = λ Ws = 3 x 1,5094 = 4,5282 camiones
Costes: c q = 60 , c s = 40 , c q + c s = 100
Coste total sistema: CTS = c q . L s + c s . s = 60 . 4,5282 + 40 . 4 = 431,6982 euros/hora

(Coste total = (Coste camiones ociosos + Coste mano de obra ociosa)

Coste total sistema: CTS = c q . L s + c s . s = 60 . 4,5282 + 40 . 4 = 431,6982 euros/hora

(Coste total = (Coste camiones ociosos + Coste mano de obra ociosa)

TEORÍA DE COLAS: HOSPITAL ‐ Queuing Analysis
La sala de urgencias de un hospital tiene una tasa media de 3 pacientes a la hora, siguiendo una
distribución de Poisson. La sala cuenta con dos enfermeras que invierten un promedio de 15 minutos
por paciente, según una distribución exponencial. Para evitar la cola de espera surgen dos opiniones:
El jefe de sala solicita una enferma más, la dirección del hospital plantea que en ocasiones las dos
enfermeras están ociosas y considera que se debe reducir a una la cantidad de enfermeras.
Se sabe que una enfermera cobre 10 euros/hora y se ha valorado que por cada hora que un paciente
permanece en la sala el coste es de 5 euros/hora.
¿Cuántas enfermeras debe tener la sala para minimizar el coste total del sistema?
s = 2 servidores
λ = 3 pacientes/hora
μ = 4 . 15 = 60 pacientes/hora
Costes: c q = 5 , c s = 10

7. Número medio de clientes en el sistema: L s = 0,8727 clientes
8. Número medio de clientes en la cola: L q = 0,1227 clientes
9. Número medio de clientes en la cola cuando el sistema esté lleno: L b = 0,6 clientes
10. Tiempo medio de estancia de un cliente en el sistema: Ws = 0,2909 horas
11. Tiempo medio de estancia de un cliente en la cola: Wq = 0,0409 horas
12. Tiempo medio de estancia de clientes en la cola cuando el sistema está lleno: Wb = 0,2000 hora
13. Probabilidad de que no haya clientes en el sistema o probabilidad de que todos los servidores
estén ociosos: p0 = 45,4545%
14. Probabilidad de que un cliente llegue al sistema y tenga que esperar, equivalente a la
probabilidad de que esté ocupado el sistema: P(T > 0) = 20,4545%
15. Número medio de clientes que abandonan la cola por hora (para el caso de cola finita), en este
caso como la cola es infinita es cero.
18. Costo total de la espera de los clientes por hora: CQ = c q . L q = 5 . 0,1227 = 0,6136 euros/hora
22. Costo total del sistema por hora: CTS = c q . L s + c s . s = 5 . 0,8727 + 10 . 2 = 24,3635 euros/hora

TEORÍA DE COLAS: BANCO ‐ Queuing Analysis
Una pequeña entidad bancaria tiene dos cajeros automáticos, que siguen una distribución
exponencial, atienden a razón de 1,5 clientes/minuto, la tasa de llegadas de clientes, según una
distribución de Poisson, es de 30 clientes/hora. Se pide:
a) Número medio de clientes en el sistema
b) Tiempo medio de un cliente en el sistema
c) Porcentaje de tiempo de cajero libre
d) Sensibilidad del sistema en 24 horas.
e) Análisis de sensibilidad para el parámetro de tasas de llegadas λ = 30 , con una variación de 30 a
100 clientes/hora, y un incremento de 10 clientes/hora. Gráfico de sensibilidad.
f) Analisis de capacidad: Coste servidor ocupado/hora = 5 , Coste servidor ocioso/hora = 1 ,
Coste cliente en espera = 0,5 , Coste cliente servido/hora = 3 Coste cliente no atendido = 1 ,
Coste unitario capacidad de cola = 3
Tasa de llegadas λ = 30 clientes/hora
60
Tasa de servicio por operario: μ = = 40 clientes/hora
1,5
λ 30
Utilización promedio del sistema: us = = = 0,75
μ 40
λ 30
Factor de utilización o congestión del sistema: ρ = = = 0,375
s. μ 2 x 40
Probabilidad de que ningún cliente se encuentre en el sistema de colas:

1 1
p0 = s − 1 s
= 1 n
=
(λ / μ)n 1 ⎛ λ ⎞ 1 2 ⎛ ⎞
∑ ∑
0,75 1 1
+ + x 0,75 x ⎜ ⎟
n=0
n! s! ⎝⎜ μ ⎠⎟ 1 − ρ n = 0 n! 2 ⎝ 1 − 0,375 ⎠
1
= = 0,454545
1 + 0,75 + 0,45
Promedio de clientes en la cola:
( λ / μ) s λ μ 0,752 x 30 x 40
Lq = p 0 = 0,454545 = 0,1227 clientes
(s − 1)! (s. μ − λ)2 (2 x 40 − 30)2
λ
Promedio de clientes en el sistema: L s = L q + = 0,1227 + 0,75 = 0,8727 clientes
μ
Lq 0,1227
b) Tiempo medio de espera en cola: Wq = = = 0,0041 horas
λ 30
Tiempo medio de estancia en el sistema:
1 1
Ws = Wq + = 0,0041 + = 0,0291 horas
μ 40

(λ / μ)n
c) Porcentaje de tiempo que determinado cajero esté libre: pn = p0
n!
n = 0 : p 0 = 0,4545
(30 / 40)
n = 1 : p1 = p 0 = 0,75 x 0,4545 = 0,3409
1

Lq
pw
pw = ∑p
n≥s
n
Lq
∑
0,1227
pw = pn = 1 − 0,7955 = 0,2045 ⎯⎯
→ Lb = = = 0,6
n≥2
pw 0,2045
Wq 0,0041
Tiempo promedio de clientes en la cola para un sistema ocupado: Wb = = = 0,0200
pw 0,2045

d) Sensibilidad del sistema en 24 horas

e) Análisis de sensibilidad para el parámetro λ = 30 , variando de 30 a 100 clientes/hora, y un
incremento de 10 clientes/hora. Gráfico de sensibilidad.
Con el Modelo de aproximación G/G/s se observa cómo reacciona el sistema.
La utilización del sistema se va incrementando, de forma que cuando la llegada de clientes es de 70 a

la hora la utilización del sistema es del 87,5% (máxima posible), a partir de entonces el sistema se
vuelve inestable, es decir, el número de servidores es insuficiente.

GRÁFICO ANÁLISIS DE SENSIBILIDAD: Se representa el gráfico L s ≡ número promedio de clientes en
el sistema, en función del parámetro lambda λ.
Dependiendo de las necesidades se pueden ir analizando cada uno de los parámetros.

f) Analisis de capacidad: Coste servidor ocupado/hora = 5 , Coste servidor ocioso/hora = 1 ,
Coste cliente en espera = 0,5 , Coste cliente servido/hora = 3 Coste cliente no atendido = 1 ,
Coste unitario capacidad de cola = 3
Se marca una variación de servidores de 2 a 8, con un paso de 1, en que la capacidad de la cola es
infinita.
El coste total promedio óptimo se obtiene con 2 servidores.

Un mayorista de agencias de viajes tiene un sistema de reservas por teléfono,
atendido por 4 comerciales, las llamadas en espera son atendidas después en estricto
orden de llegada. Se sabe que las llamadas son aleatorias con un promedio de 20
llamadas a la hora, mientras que el tiempo medio de respuesta (tiempo que una
llamada permanece en el sistema) es de 6,51 minutos, y el número medio de llamadas
en espera es de 0,17. Se pide:
a) Tiempo medio que una llamada ha de esperar hasta ser atendida por uno de los
comerciales.
b) Qué ocurriría con el uso del sistema si hubiera dos comerciales menos.
c) Si el mayorista valora la hora de inactividad de cada comercial en doscientos euros,
¿cuál es la pérdida media por hora debida a la inactividad de los comerciales?
d) Si los tiempos entre llamadas y los tiempos de atención al cliente son variables
aleatorias exponenciales, representar el diagrama de tasas de transición entre estados.
Sí la probabilidad de que el estado esté vacío es 2/19, calcular la probabilidad de que
una llamada quede en espera.
Solución:
a) Tasa de llegadas: λ = 20 clientes/hora
6,51 ⎛ 1⎞
Tiempo medio de respuesta: Ws = = 0,1085 horas ⎜ Ws = Wq + μ ⎟
60 ⎝ ⎠
Número medio de clientes en la cola: L q = 0,17 clientes
Luego,
Lq 0,17
Tiempo medio de espera en cola: Wq = = = 0,0085 horas
λ 20
1 1
b) Ws = Wq + → = Ws − Wq = 0,1085 − 0,0085 = 0,1 → μ = 10 clientes/hora
μ μ
λ 20
Factor de utilización del sistema: ρ = = = 0,5
s μ 4 x 10
λ 20
Con dos comerciales menos ρ = = = 1 el sistema se vuelve inestable.
s μ 2 x 10
λ 20
c) Número medio de comerciales ocupados ≡ = =2
μ 10
Con lo que el número de comerciales ociosos es de 4 − 2 = 2 , en consecuencia, la

pérdida por hora por la inactividad de los comerciales es de 400 euros.

d) Diagrama de tasas de transición, cuando los tiempos entre llamadas y los tiempos
de atención al cliente son variables aleatorias exponenciales.
Una llamada queda en espera cuando todos los comerciales están ocupados.
P(N ≥ 4) = 1 − P(N < 4) = 1 − p 0 − p1 − p2 − p3
Por ser el sistema estacionario, la tasa media de llegada es igual a la tasa media de
salida para cualquier estado n , es decir, λ n − 1 pn − 1 + μn + 1 pn + 1
2
p0 =
19
20 2 4
10p1 = 20p 0 → p1 = p0 = 2 x =
10 19 19
10p = 20 p 4
20p2 + 20p 0 = 10p1 + 20p1 ⎯⎯⎯⎯⎯
1 0
→ 20p2 = 20p1 → p2 = p1 =
19
20 p = 20 p 20 8
30p3 + 20p1 = 20p2 + 20p2 ⎯⎯⎯⎯⎯
1 2
→ 30p3 = 20p2 → p3 = p2 =
30 57
2 4 4 8 1
P(N ≥ 4) = 1 − P(N < 4) = 1 − p 0 − p1 − p2 − p3 = 1 − − − − =
19 19 19 57 3
Adviértase que se trata de un modelo de cola M/M/4 con s = 4 servidores

⎧μn = n μ cuando n < s
En la tasa de servicio μ n hay que distinguir: ⎨
⎩ μn = s μ cuando n ≥ s
μ ≡ tasa media de servicio de todos los servidores en conjunto
s μ ≡ tasa máxima de servicio para s servidores
n s n−s
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ λ ⎞
pn = ⎜ ⎟ p 0 para n = 1, 2, ... , s − 1 pn = ⎜ ⎟ ⎜ ⎟ p 0 para n = s, s + 1, ...
n! ⎝ μ ⎠ s! ⎝ μ ⎠ ⎝ s μ ⎠
1 1 2 4 1 2 2 4 1 3 2 8
p1 = (2) = p2 = (2) = p3 = (2) =
1! 19 19 2! 19 19 3! 19 57

Modelos de colas cerradas
Modelo M / M / 1 / / k con fuente de entrada finita
Modelo M / M / s / / k con fuente de entrada finita

MODELO DE COLA M / M / 1 / / k con fuente de entrada finita
Fuente finita de tamaño k. Los clientes una vez servidos vuelven a la fuente.
En este caso (sistema cerrado) λ es la tasa de retorno de un cliente, no la tasa de
llegadas de los clientes al sistema.
La tasa de retorno es entonces el número de servicios solicitados por unidad de tiempo
y por un cliente.
n
1 k! ⎛ λ ⎞
p0 = pn = p0 si 1 ≤ n ≤ k
k
k! ⎛ λ ⎞
n
(k − n)! ⎜⎝ μ ⎟⎠
∑
n=0
(k − n)! ⎜⎝ μ ⎟⎠
k k n k n
k! ⎛ λ ⎞ k! ⎛ λ ⎞
∑ ∑ ∑
1
pn = ⎜ ⎟ po = po ⎜ μ ⎟ = 1 → p0 =
(k − n)! ⎝ μ ⎠ (k − n)! ⎝ ⎠
k
k! ⎛ λ ⎞
n
n=0 n=0 n=0
∑
n=0
(k − n)! ⎜⎝ μ ⎟⎠
k
Número promedio de clientes en el sistema: L s = ∑n . p
n=1
n
k
Número promedio de clientes en en la cola: L q = ∑ (n − 1) . p
n=2
n
Tasa media de llegada al sistema: λ = λ (N − L s )
Utilización promedio del servidor: p = 1 − p 0

μ
Número promedio de clientes en el sistema: L s = N − p
λ
Ls
Tiempo promedio de estancia en el sistema, incluido el servicio: Ws =
λ (N − L s )
1
RELACIÓN SISTEMA: L s = L q + p Ws = Wq +
μ
( λ + μ)
Número promedio de clientes en la cola: L q = L s − p = N − p
λ
Lq
Tiempo promedio de espera en la cola: Wq =
λ (N − L s )
Lq
p
Wq
p



En la terminal de un aeropuerto se han incorporado diez robots para incrementar el
servicio al cliente, surgiendo el problema que no se aplica un mantenimiento
preventivo a los robots y presentan una gran variabilidad en la distribución de averías.
Cada robot sigue una distribución exponencial de averías (o distribución entre llegadas)
con un tiempo promedio de 200 horas entre una y otra avería, y un coste de 30
euros/hora. Para afrontar la situación se encarga a una persona para el
mantenimiento, que necesita un promedio de diez horas para reparar un robot, con
tiempos de reparación distribuidos exponencialmente, y un coste de 10 euros/hora,
dedicándose a otras actividades cuando no hay robots que reparar. ¿Cuál es el coste
diario que origina el tiempo ocioso de la mano de obra y los robots?
Solución:
Es un modelo de cola M / M / 1 / / 10 de un sistema cerrado, los k = 10 robots

constituyen la población de clientes, verificándose las demás condiciones.
1
Tasa de llegadas: λ = = 0,005 averías/hora
200
1
Tasa de servicio: μ = = 0,1 robots/hora
10
Para calcular el coste diario del tiempo ocioso de la mano de obra y los robots se
necesita estimar la utilización promedio del empleado de mantenimiento (p) y el
número promedio de robots incluidos en el mantenimiento.
Utilización promedio del empleado de mantenimiento: p = 1 − p 0
1 1 1
p0 = k n
= 10 n
= = 0,53796
k! ⎛ λ ⎞ ⎛ 0,005 ⎞ 1,85886
∑ ∑ (10 − n)! ⎜⎝
10!
n=0
(k − n)! ⎜⎝ μ ⎟⎠ n=0
0,1 ⎟⎠
10 n 10
10! ⎛ 0,005 ⎞
∑ ∑
10!
⎜ ⎟ = 0,05n = 1 + 10 x 0,05 + 90 x 0,052 + 720 x 0,053 +
n=0
(10 − n)! ⎝ 0,1 ⎠ n = 0 (10 − n)!
+ 5040 x 0,054 + 30240 x 0, 055 + 151200 x 0, 056 + 604800 x 0,057 + 1814400 x 0,058 +
+ 3628800 x 0,059 + 3628800 x 0,0510 = 1,85886
con lo que, p = 1 − p 0 = 1 − 0,53796 = 0,462037
Número promedio de robots en espera de ser reparados:

( λ + μ) (0,005 + 0,1)
Lq = k − (1 − p 0 ) = 10 − (0,462037) = 0,2972 robots
λ 0,005

Número promedio de robots que están en el sistema (en la cola y en proceso de
reparación):
μ 0,1
Ls = k − (1 − p 0 ) = 10 − (0,462037) = 0,7593 robots
λ 0,005
Tiempo promedio de espera de los robots en la cola para ser atendidos por el
encargado de mantenimiento:
Lq 0,2972
Wq = = = 6,4330 horas
λ (k − L s ) 0,005(10 − 0,76)
Tiempo promedio de estancia de los robots en el sistema (en la cola y en proceso de

reparación):
Ls 0,7593
Ws = = = 16,4330 horas
λ (k − L s ) 0,005(10 − 0,7593)
1 1
o bien, Ws = Wq + = 6,4330 + = 16,4330 horas
μ 0,1
Número promedio de clientes en la cola Lq
0,2972
para un sistema ocupado: Lb = = = 0,6433
p 0,4620
Tiempo promedio de clientes en la cola W 6,4330
para un sistema ocupado: Wb = q = = 13,9230
p 0,4620
Costes: c q = 10 , c s = 30 , c q + c s = 40
Coste total en sistema: CTS = c q . L s + c s . s = 10 . 0,7593 + 30 . 1 = 37,593 euros/hora

(Coste total = (Coste robots ociosos + Coste mano de obra ociosa)

Una empresa tiene seis equipos idénticos de manufactura, el tiempo entre fallas de
cada uno de los equipos de producción sigue una distribución exponencial, con un
tiempo promedio entre fallas de veinte horas. Para la atención de las fallas en el
equipo de manufactura hay un único equipo de mantenimiento, el tiempo de duración
del servicio de reparación de las máquinas sigue una distribución exponencial con una
media de 2 horas/falla. Se pide:
a) Utilización promedio de mantenimiento.
b) Probabilidad de que n clientes se encuentren en el sistema de colas.
c) Número promedio de máquinas en espera de ser reparadas.
d) Número promedio de máquinas que están en el sistema.
e) Tiempo promedio de espera de las máquinas en la cola.
Solución:
a) Es un modelo de cola M / M / 1 / / 6 de un sistema cerrado, los k = 6 equipos de

manufactura constituyen la población de clientes, verificándose las demás condiciones
1
Tasa de llegadas: λ = = 0,05 máquinas/hora
20
1
Tasa de servicio: μ = = 0,5 máquinas/hora
2
Utilización promedio del equipo de mantenimiento: p = 1 − p 0
1 1 1
p0 = k n
= 6 n
= = 0,4845
k! ⎛ λ ⎞ 6! ⎛ 0,05 ⎞ 2,06392
∑ (k − n)! ⎜⎝ μ ⎟⎠ ∑
n=0
(6 − n)! ⎜⎝ 0,5 ⎟⎠
n=0
6 n 6
6! ⎛ 0,05 ⎞
∑ ∑
6!
⎜ ⎟ = 0,1n = 1 + 6 x 0,1 + 30 x 0,12 + 120 x 0,13 +
n=0
(6 − n)! ⎝ 0,5 ⎠ n = 0 (6 − n)!
+ 360 x 0,14 + 720 x 0,15 + 720 x 0,16 = 2,06392
Utilización promedio de mantenimiento: p = 1 − p 0 = 1 − 0,4845 = 0,5155
b) Probabilidad de que n clientes se encuentren en el sistema de colas:

n
k! ⎛ λ ⎞ k!
pn = ⎜ ⎟ p 0 = x 0,1 x 0,4845 si 1 ≤ n ≤ k
n
(k − n)! ⎝ μ ⎠ (k − n)!
p1 p2 p3 p4 p5 p6
0,290708942 0,145354471 0,058141788 0,017442537 0,003488507 0,000348851

c) Número promedio de máquinas en espera de ser reparadas:
( λ + μ) (0,05 + 0,5)
Lq = k − (1 − p 0 ) = 6 − (0,5155) = 0,3297 máquinas
λ 0,05
d) Número promedio de máquinas que están en el sistema (en la cola y en proceso de

reparación):
μ 0,5
Ls = k − (1 − p 0 ) = 6 − (0,5155) = 0,8451 máquinas
λ 0,05
e) Tiempo promedio de espera de las máquinas en la cola para ser atendidas:

Lq 0,3295
Wq = = = 1,279 horas
λ (k − L s ) 0,05(6 − 0,8451)
f) Tiempo promedio de estancia de las máquinas en el sistema (en la cola y en proceso

de reparación):
Ls 0,845
Ws = = = 3,279 horas
λ (k − L s ) 0,05. (6 − 0,8451)
1 1
o bien, Ws = Wq + = 1,278 + = 3,279 horas
μ 0,5

MODELO DE COLA M / M / s / / k con fuente de entrada finita
Es una variación del modelo M/M/s consistente en que la fuente de variación de

entrada es limitada, esto es, el tamaño de la población de posibles clientes es finita.
Sea k el tamaño de la población, cuando en el sistema se encuentran n clientes,
quedan (k − n) posibles clientes en la fuente de entrada.
En el modelo con población finita los clientes alternan entre estar dentro y fuera del
sistema. Por analogía con el modelo M/M/s se supone que el tiempo que pasa cada
cliente fuera del sistema es una variable aleatoria exponencial Exp(λ ) .
Cuando n clientes están dentro, (k − n) clientes están fuera, y por tanto la distribución
de probabilidad del tiempo que falta para la próxima llegada al sistema es el
mínimo de (k − n) variables exponenciales independientes de parámetro
λ (k − n) . De este modo,
⎧ λ (k − n) 0 ≤ n ≤ N ⎧n μ 1 ≤ n ≤ s − 1
λn = ⎨ μn = ⎨
⎩ 0 n>N ⎩s μ n≥s
La aplicación más importante de este modelo es la reparación de máquinas, donde se

asigna a uno o más técnicos la responsabilidad de tener operativas un grupo de N
máquinas.
MODELO DE COLA M / M / s / / k con fuente de entrada finita
Es un sistema cerrado de cola, con fuente finita de tamaño (k). Los clientes una vez
servidos vuelven a la fuente. La tasa de retorno de un cliente es λ
⎧ k! ⎛λ⎞
n
⎪ ⎜ ⎟ p0 n<s
⎪ (k − n)! n! ⎝ μ ⎠
pn = ⎨ n
⎪ k! ⎛λ⎞
⎪ (k − n)! sn − s s! ⎜ μ ⎟ p 0 n≥s
⎩ ⎝ ⎠
k s−1 n k n
⎛λ⎞ ⎛λ⎞
∑ ∑ ∑
k! k!
pn = ⎜ μ ⎟ p0 + n−s ⎜ μ ⎟ p0 = 1
n=0 n=0
(k − n)! n! ⎝ ⎠ n=s
(k − n)! s s! ⎝ ⎠
k ⎡s − 1 ⎛λ⎞
n k
⎛λ⎞ ⎤
n
∑ ∑ ∑
k! k!
pn = p 0 ⎢ ⎜μ⎟ + n−s ⎜μ⎟ ⎥ = 1
⎢ (k − n)! n! ⎝ ⎠ (k − n)! s s! ⎝ ⎠ ⎥
n=0 ⎣n = 0 n=s ⎦
1
p0 = s−1 n k n
⎛λ⎞ ⎛λ⎞
∑ ∑
k! k!
⎜μ⎟ + ⎜ ⎟
n=0
(k − n)! n! ⎝ ⎠ n=s
(k − n)! sn − s s! ⎝ μ ⎠

k
⎛ λ⎞
n=1
n ⎜ Ls = Lq + μ ⎟
⎝ ⎠
k
Número promedio de clientes en la cola: L q = ∑
n=s+1
(n − s) . pn
λ
Ls = Lq + → λ = μ (L s − L q )
μ
k −1
Tasa efectiva de llegada al sistema: λ = λ ∑ (n − s) . p
n=0
n
Tasa efectiva de llegada al sistema: λ = λ (k − L s )
λ
Utilización efectiva del sistema: ρ =
s.μ
Ls 1
Tiempo promedio de clientes en el sistema: Ws = Ws = Wq +
λ μ
Lq
Tiempo promedio de clientes en la cola: Wq =
λ
Lq
pw
pw = ∑p
n≥s
n
Wq
pw
pw = ∑p
n≥s
n


Una línea aéra dispone de un sistema de mantenimiento para 10 aeronaves. El mantenimiento de cada
aeronave sigue una distribución (distribución entre llegada) con un tiempo promedio de 200 horas entre
uno y otro mantenimiento y un coste de 30 euros/hora. Para afrontar la situación se encarga a dos
equipos idénticos para el mantenimiento, que necesitan un promedio de diez horas para cada aeronave,
los tiempos de mantenimiento se distribuyen exponencialmente, con un coste de 10 euros/hora,
dedicándose a otras actividades cuando no hay aeronaves que revisar.
¿Cuál es el coste diario que origina el tiempo ocioso de areonaves y mantenimiento?
Solución:
Es un modelo de cola M / M / 2 / /10 de un sistema cerrado, las k = 10 aeronaves constituyen la
población de clientes, verificándose las demás condiciones.
1
Tasa de llegadas: λ = = 0,005 averías/hora
200
1
Tasa de servicio: μ = = 0,1 mantenimiento/hora
10
Probabilidad de que ninguna aeronave se encuentre en el sistema de colas:
1 1
p0 = s−1
= = 0,6099
⎛λ⎞
n k
⎛λ⎞
n
1,5 + 0,1396
∑ (k − n)! n! ⎝⎜ μ ⎠⎟ + ∑ (k − n)! s
k! k!
n−s ⎜ ⎟
n=0 n=s
s! ⎝ μ ⎠
s −1 n 1 n
⎛λ⎞ ⎛ 0,005 ⎞
∑ ∑
k! 10!
⎜ ⎟ = ⎜ 0,1 ⎟ = 1 + 0,5 = 1,5
n= 0
(k − n)! n! ⎝μ⎠ n= 0
(10 − n)! n! ⎝ ⎠
k n 10 n
⎛λ⎞ ⎛ 0,005 ⎞
∑ ∑
k! 10!
⎜ ⎟ = ⎜ 0,1 ⎟ = 45 x 0,05 + 180 x 0,05 + 630 x 0,05
2 3 4
n−s n−2
n=s (k − n)! s s! ⎝ μ ⎠ n=2 (10 − n)! 2 2! ⎝ ⎠
+ 1890 x 0,055 + 4725 x 0,056 + 9450 x 0,057 + 14175 x 0,058 + 14175 x 0,059 + 70875 x 0,0510 =
= 0,1396
Probabilidades de cada estado:

n
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p1 = ⎜ ⎟ p0 = 0,6099 = 0,3050
(k − n)! n! ⎝ μ ⎠ (10 − 1)! 1! ⎝ 0,1 ⎟⎠
⎜
n 2
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p2 = n−s ⎜ ⎟ p0 = 2−2 ⎜ ⎟ 0,6099 = 0,0686
(k − n)! s s! ⎝ μ ⎠ (10 − 2)! 2 2! ⎝ 0,1 ⎠
n 3
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p3 = n−s ⎜ ⎟ p0 = 3−2 ⎜ ⎟ 0,6099 = 0,0137
(k − n)! s s! ⎝ μ ⎠ (10 − 3)! 2 2! ⎝ 0,1 ⎠
n 4
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p4 = n−s ⎜ ⎟ p0 = 4−2 ⎜ ⎟ 0,6099 = 0,0024
(k − n)! s s! ⎝ μ ⎠ (10 − 4)! 2 2! ⎝ 0,1 ⎠
n 5
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p5 = n−s ⎜ ⎟ p0 = 5−2 ⎜ ⎟ 0,6099 = 0,0004
(k − n)! s s! ⎝ μ ⎠ (10 − 5)! 2 2! ⎝ 0,1 ⎠
n 6
k! ⎛λ⎞ 10! ⎛ 0,005 ⎞
p6 = n−s ⎜ ⎟ p0 = 6−2 ⎜ ⎟ 0,6099 = 0,0000
(k − n)! s s! ⎝ μ ⎠ (10 − 6)! 2 2! ⎝ 0,1 ⎠

Probabilidad
Estados Probabilidad
acumulada
p0 0,6099 0,6099
p1 0,3050 0,9149
p2 0,0686 0,9835
p3 0,0137 0,9972
p4 0,0024 0,9996
p5 0,0004 1,0000
p6 0,0000 1,0000
k
Número promedio de clientes en la sistema: L s = ∑n . p
n=1
n
k
Ls = ∑n . p
n=1
n = 1 x 0,3050 + 2 x 0,0686 + 3 x 0,0137 + 4 x 0,024 + 5 x 0,0004 = 0,4951
Tasa efectiva de llegada al sistema: λ = λ (k − L s ) = 0,005 (10 − 0,4951) = 0,047525

k
Número promedio de clientes en en la cola: L q = ∑
n=s+1
(n − s) . pn
10
Lq = ∑ (n − 2) . p
n=3
n = 1 x 0,0137 + 2 x 0,0024 + 3 x 0,0004 = 0,0198
λ 0,047525
O bien, L q = L s − = 0,4951 − = 0,0198
μ 0,1
k 10
pw = ∑ p = ∑p
n≥ s
n
n≥
n = 1 − 0,9149 = 0,0851
Ls 0,4951
Tiempo promedio de clientes en el sistema: Ws = = = 10,4169
λ 0,0475
Lq 0,0198
Tiempo promedio de clientes en la cola: Wq = = = 0,4169
λ 0,0475
Lq 0,0198
Número promedio de clientes en la cola para un sistema ocupado: L b = = = 0,2327
pw 0,0851
Wq 0,4169
Tiempo promedio de clientes en la cola para un sistema ocupado: Wb = = = 4,8957
pw 0,0851
Coste total en espera: CQ = c q . L q = 10 x 0,0198 = 0,198
Coste total en servicio: CS = c s . s = 30 x 2 = 60
Coste total del sistema: CTS = c q . L s + c s . s = 10 x 0,4951 + 30 x 2 = 64,951

TEORÍA DE COLAS: MODELOS
Modelo M / M ‐ Modelo M / M / / / k
Modelo M / M / 1 / c ‐ Modelo M / M / s / c
Modelo M / M / c / c
Formalización de sistemas de espera (Colas)
A / B / C / D / E / F
A: Ley de llegadas al sistema

B: Ley de los tiempos de servicio
C: Número de canales o servidores (s) en paralelo, supuestamente iguales
D: Ley de los tiempos de servicio, generalemente si es FIFO se omite
E: Capacidad de la cola, número máximo de unidades que pueden encontrarse simultáneamente en el
interior del sistema
F: Tamaño del centro emisor
A: Ley de llegadas al sistema. Las llegadas corresponden a un proceso markoviano. Si la tasa de llegadas
es constante a lo largo del tiempo, los tiempos entre llegadas siguen una ley exponencial y el número
de llegadas por unidad de tiempo una ley de Poisson. De ahí que indistintamente a las llegadas
constantes se pueden referir con los términos exponenciales y poissonianos. Cuando las llegadas son
infinitas se denotan por M. El parámetro más utilizado para la tasa de llegadas es λ
B: El parámetro más utilizado para la tasa de servicio es μ (número medio de unidades por unidad de
tiempo que es capaz de entrar en un canal o servidor). Cuando las llegadas al sistema son infinitas se
denotan por M
D: La disciplina de cola puede ser:

G: Disciplina general cualquiera, sin proporidades
FIFO: Primera unidad en llegar, primera en ser atendida
LIFO: Última unidad en llegar, primera en ser atendida
SIRO: Al azar.
Señalar que ser la primera unidad en ser atendida no equivale a ser la primera en salir del sistema.
Cuando hay más de un canal o servidor, una unidad puede salir del sistema después de otra unidad que
haya empezado a ser atendida antes.
F: Las llegadas del centro emisor pueden ser infinitas o finitas (k, un número natural). Que el centro
emisor sea infinito significa que no se modifica por el hecho de que algunas unidades se encuentren
en el sistema, por lo que la ley de llegadas es independiente del número de llegadas que contenga el
sistema. Por el contrario, si el centro emisor es finito, con k unidades inicialmente, sus características
dependen del número de elementos en el sistema.
La formalización general de un sistema de espera (Cola) con disciplina FIFO es: M / M / s / c / k
Dejar en blanco un símbolo de la formalización se interpreta que es infinito (M)
En este sentido,
M / M → M / M / ∞ / ∞ / ∞
M / M / / / k → M/M/∞/∞/k
M / M / s / c → M / M / s / c / ∞ (k = ∞)
M / M / s / s Erlang B → M / M / s / c / ∞ (c = s , k = ∞)
Portal Estadística Aplicada: MODELOS M/M ‐ M/M///k ‐ M/M/1/k ‐ M/M/s /k ‐ M/M/c/c 95

Modelos de colas
Modelo M / M
Modelo M / M / / / k

MODELO DE COLAS M / M ≡ (M / M / ∞ / ∞ / ∞)
Es un sistema con un número muy grande de servidores (sistemas de autoservicio,

visitas a una ciudad, etc). El tiempo de servicio tiene igual distribución con el número de
servidores.
Tasa de llegadas: λ n = λ
Tasa de servicio: μn = n μ
λ
Intensidad de tráfico: ρ =
μ
λ
−
μ
Probabilidad de ningún cliente en el sistema: p 0 = e
n
1 ⎛λ⎞
Probabilidad de n clientes en el sistema: pn = p0
n! ⎜⎝ μ ⎟⎠
λ
Número promedio de clientes en el sistema: L s =
μ
Número promedio de clientes en la cola: L q = 0
1
Tiempo promedio de clientes en el sistema: Ws =
μ
Tiempo promedio de clientes en la cola: Wq = 0

El departamento de personal de Mercadona tiene contratado 100 puestos de trabajo.
Los empleados dejan su puesto de trabajo con una tasa de 3,4 al mes, mientras que la
empresa requiere de 4 meses para completar las vacantes.
Un análisis anterior indica que la cantidad de empleados que faltan a su puesto de trabajo
sigue una distribución de Poisson.
a) Calcular las medidas de rendimiento.
b) ¿Cuál es la probabilidad de que haya más de 6 puestos de trabajo vacantes en
cualquier momento?.
c) ¿Cuántas personas en nómina debe tener la empresa para que trabajen un promedio
de 100 empleados?
Solución:
a) Cada vez que un empleado deja la empresa, su puesto entra en la cola de puestos
vacantes. Suponiendo que se inicia de inmediato la búsqueda de un empleado, el modelo
de cola es de una cantidad infinita de servidores. Se trata, pues, de una cola M / M o una
cola (M / M / ∞ / ∞ / ∞)
Tasa de llegadas: λ = 3,4

1
Tasa de servicio: μ = = 0,25
4
λ 3,4
Intensidad de vacantes: ρ = = = 13,6
μ 0,25
Puestos reales de trabajo: 100 − 13,6 = 86,4
λ 3,4
Número promedio de empleados en el sistema: L s = = = 13,6
μ 0,25
Número promedio de empleados en la cola: L q = 0
1 1
Tiempo promedio de empleados en el sistema: Ws = = = 4 meses
μ 0,25
Tiempo promedio de empleados en la cola: Wq = 0
− 13,6
b) Probabilidad de ningún empleado en el sistema: p 0 = e = 0,0000012
n λ
1 ⎛λ⎞ −μ 1
Probabilidad de n empleados en el sistema: pn = ⎜ ⎟ e = 13,6n e − 13,6
n! ⎝ μ ⎠ n!
1 1
p1 = 13,6 e − 13,6 = 0,0000169 p2 = 13,62 e − 13,6 = 0,0001147
1! 2!

1 1
p3 = 13,63 e − 13,6 = 0,0005201 p4 = 13,6 4 e − 13,6 = 0,0017682
3! 4!
1 1
p5 = 13,65 e − 13,6 = 0,0048096 p6 = 13,66 e − 13,6 = 0,0109017
5! 6!
P(x > 6) = 1 − P(x ≤ 6) = 1 − (p 0 + p1 + p2 + p3 + p 4 + p5 + p6 ) =
= 1 − 0,0181325 = 0,9818675 (98,2%)
c) Para que la empresa tenga siempre 100 empleados trabajando en cualquier momento,
tendrá que tener:
100 + ρ = 100 + 13,6 114 empleados

Infinitos servidores con población finita
M/M/ / / k ≡ M/M/ ∞ / ∞ / k
Tasa de llegadas: λ
Tasa de servicio: μ
λ
Intensidad de tráfico: ρ =
μ
n
k! ⎛λ⎞
(k − n)! n! ⎜⎝ μ ⎟⎠
Probabilidad de n clientes en sistema: pn = k
n = 0 , 1, 2 , ... , k
⎛ λ⎞
⎜1 + μ ⎟
⎝ ⎠
k −1
Tasa efectiva de servicio: λ = λ ∑np
n=1
n
k
⎛ λ ⎞
Número promedio de clientes en el sistema: L s = ∑
n=1
n pn Ls = k ⎜ ⎟
⎝ λ+μ⎠
Número promedio de clientes en la cola: L q = 0
Ls
λ
Tiempo promedio de clientes en la cola: Wq = 0
Sistemas de colas:
M/M/1/ c / ≡ M/M/1/ c / ∞
M/M/ s / c ≡ M/M/ s / c / ∞
M/M/ c / c ≡ M/M/ c / c / ∞ (s = c , Erlang B)
MODELO DE COLAS M / M / 1 / c ≡ M / M / 1 / c / ∞
Este tipo de sistemas de colas se caracteriza por tener una cola finita, como indica la cuarta
inicial de la notación de Kendall.
El modelo M / M / 1 / c es aquel en el que un servidor atiende todas las peticiones.
El sistema es aquel en la que los clientes que llegan dejan la cola a partir de una
determinada longitud ya que no están dispuestos a soportar una larga espera.
El número máximo de clientes en el sistema en estos modelos se encuentran limitado a c ,
que coincide con la suma del número de servidores y el tamaño de la cola, por lo que la
capacidad de la cola es (c − 1)
λ
El factor de saturación (intensidad del tráfico) : ρ = determina como varían las
μ
probabilidades pn de que haya n clientes en el sistema.
Sí ρ < 1 → La oferta de demanda supera a la oferta de servicio.
Sí ρ = 1 → Todos los estados son equiprobables.
Sí ρ > 1 → La oferta de servicio supera a la oferta de demanda.
La solución para el estado estacionario existe incluso sí ρ ≥ 1 .
(1 − ρ) . ρn 1−ρ
Probabilidades del estado: pn = n = 0 , 1, 2, ... , c → p =
1 − ρc + 1 1 − ρc + 1
0
pn = ρn . po n = 1, 2, ... , c
Utilización del sistema: 1 − p 0

c
Cálculo de probabilidades estado: pn = ρ . p 0 n
para n = 1, 2, ... , k ∑p
n=0
k =1
En esta situación, sí el sistema está lleno ( de capacidad c ) no se permite la entrada de

nuevos clientes al sistema. En consecuencia, la tasa de llegada efectiva no es constante y
varía con el tiempo (dependiendo sí el sistema está o no lleno).
La tasa de llegada efectiva λ es el número medio de clientes que son atendidos en el
sistema, λ < λ al considerar los clientes rechazados cuando el sistema está completo.
Tasa efectiva de llegada: λ = λ .(1 − pc )

λ
μ
c
n=1
n
c
Número medio de clientes en cola: L q = ∑ (n − 1) . pn ⎡⎣L s = L q + (1 − p 0 ) ⎤⎦
n=2
c −1
Tasa efectiva de llegada: λ = λ . ∑p
n=0
n
Ls ⎛ 1⎞
Tiempo promedio de estancia en el sistema: Ws = W
⎜ s = W +
μ ⎟⎠
q
λ ⎝
Lq
λ
Lq
1 − po
Wq
1 − po
⎡ (1 − ρ) . ρc ⎤
Tasa efectiva: λ = λ . (1 − pc ) = λ ⎢1 − ⎥
⎣ 1 − ρc + 1 ⎦
⎧ ρ (c + 1). ρc + 1
⎪ − ρ≠1
⎪ (1 − ρ)
Número promedio de clientes en el sistema: L s = ⎨ 1 − ρc + 1
⎪ k
ρ=1
⎪⎩ 2
⎧ (1 − ρc ) . ρ
⎪L s − 1 − ρc + 1 ρ≠1
⎪
Número promedio de clientes en la cola: L q = L s − (1 − p 0 ) = ⎨
⎪ c . (c − 1) ρ=1
⎪⎩ 2 . (c + 1)
cola es finita se pone el tamaño máximo de la cola menos el número de servidores (c − 1)
En un taller mecánico llegan vehículos para una puesta a punto antes de pasar la ITV, las
llegadas siguen un proceso de Poisson de promedio 18 vehículos/hora.
Las dimensiones del taller sólo permiten que haya 4 vehículos, y las ordenanzas municipales
no permiten esperar en la vía pública. El taller despacha un promedio de 6 vehículos/hora
de acuerdo con una distribución exponencial. Se pide:
a) Probabilidad de que no haya ningún vehículo en el taller. Calcular las probabilidades
b) Promedio de vehículos en el taller
c) ¿Cuánto tiempo pasa por término medio un vehículo en el taller?
d) ¿Cuánto tiempo esperan por término medio los vehículos en la cola?
e) ¿Cuál es la longitud media de la cola?
Solución:
a) Es un modelo de cola M / M / 1 / 4 con c = 4 vehículos
Hay un sola cola, con disciplina FIFO, la capacidad del sistema es limitada, de modo que sólo
puede haber 4 vehículos como máximo en el taller, con lo cual el número máximo de
vehículos en la cola es (4 − 1 = 3) .
Las llegadas siguen un proceso de Poisson de parámetro λ = 18 vehículos/hora , los
tiempos entre llegadas se distribuyen exponencialmente Exp(λ = 18) .
Los tiempos entre servicios se distribuyen exponencialmente Exp(μ = 6) siendo
μ = 6 vehículos/hora el número medio que el taller (servidor) es capaz de atender.
λ 18
El factor de saturación ρ = = = 3 determina como varían las probabilidades pn de
μ 6
que haya n vehículos en el sistema.
Probabilidad de que no haya ningún vehículo en el taller:

1− ρ 1−3
p0 = c+1
= = 0,008264
1− ρ 1 − 35
⎧p1 = 3 x 0,008264 = 0,0248
⎪
⎪p2 = 3 x 0,008264 = 0,0744
2
Para calcular las probabilidades: pn = ρ . p 0 ⎨
n
⎪ p3 = 3 x 0,008264 = 0,2232
3
⎪p = 34 x 0,008264 = 0,6694
⎩ 4
b) Promedio de vehículos en el taller (sistema):
ρ (c + 1) . ρc + 1 3 5 x 35 3 1215
Ls = − = − = − + = 3,5207 vehículos
1−ρ 1 − ρc + 1 1 − 3 1 − 35 2 242
Ls
c) Tiempo promedio de un vehículo en el taller: Ws =
λ
Tasa de llegada efectiva:
⎡ (1 − ρ) . ρc ⎤ ⎡ (1 − 3) . 34 ⎤
λ = λ ⎢1 − c+1 ⎥
= 18 ⎢1 − ⎥ = 5,9504 vehículos/hora
⎣ 1 − ρ ⎦ ⎣ 1 − 3 5
⎦
Ls 3,5207
Ws = = = 0,5917 horas
λ 5,9504
d) Tiempo medio de espera de vehículos en la cola:
1 1
Wq = Ws − = 0,5917 − = 0,4250 horas
μ 6
e) Longitud de la cola: L q = λ . Wq = 5,9504 x 0,4250 = 2,5289 vehículos
(1 − ρc ) . ρ (1 − 34 ) . 3
o bien, L q = L s − = 3,52 − = 2,5289 vehículos
1 − ρc + 1 1 − 35
4
Ls = ∑= n . p
n 1
n = 1 x 0,0248 + 2 x 0,0744 + 3 x 0,2231 + 4 x 0,6694 = 3,5207
L s = L q + (1 − p0 ) → L q = L s − (1 − p 0 ) = 3,5207 − (1 − 0,008264) = 2,5289

4
Lq = ∑ (n − 1) . pn = 1 x p2 + 2 x p3 + 3 x p 4 = 1 x 0,0744 + 2 x 0,2231 + 3 x 0,6694 = 2,5289
n=2
3
λ = λ.
n =0
∑p n = 18 x ( p0 + p1 + p2 + p3 ) = 18 x ( 1 − p 4 ) = 18 x ( 1 − 0,6694 ) = 5,9504
Ls 3,5207 Lq 2,5289
Ws = = = 0,5917 Wq = = = 0,4250
λ 5,9504 λ 5,9504
Un asesor fiscal dispone de un local para atender a sus clientes, los cuales se
concentran mayoritariamente entre los meses de mayo y junio. El local tiene una
capacidad máxima de 8 asientos en espera, el cliente se va si no encuentra un asiento
libre, y el tiempo entre llegada de clientes se puede considerar distribuido
exponencialmente según un parámetro λ = 20 clientes por hora en período punta.
El tiempo de una consulta esta distribuido exponencialmente con una media de 12
minutos.
¿Cuántas consultas por hora realizará en promedio?
¿Cuál es el tiempo medio de permanencia en el local?
Solución:
Es un modelo M / M / 1 / 9 c = 8 clientes espera + 1 cliente atendido
60
λ = 20 clientes/hora μ= = 5 clientes/hora
12
λ 20
El factor de saturación ρ = = = 4 determina como varían las probabilidades pn de
μ 5
que haya n clientes en el sistema.
(1 − ρ) (1 − 4)
p0 = c+1
= = 0,0000029
1−ρ 1 − 4 10
(1 − ρ) . ρn (1 − 4) . 4 9
Probabilidades del estado: pn = → p9 = = 0,75
1 − ρc + 1 1 − 4 10
(1 − 4)
O bien, pc = ρc . po = 4 9. = 0,75
1 − 4 9+ 1
Tasa de llegada efectiva: λ = λ .(1 − pc ) = 20 . (1 − 0,75) = 5 clientes/hora
Promedio de clientes en el sistema:
ρ (c + 1) . ρc + 1 4 10 x 4 10
Ls = − = − = 8,6667 clientes
1−ρ 1 − ρc + 1 1 − 4 1 − 4 10
L s 8,6667
Tiempo promedio de estancia en el sistema: Ws = = = 1,7333 horas
λ 5
9
Promedio de clientes en el sistema: L s = ∑n . p
n=0
n = 8,6667
9
Promedio de clientes en la cola: L q = ∑ (n − 1) . pn = 7,6667
n=2
8
Tasa efectiva de llegada: λ = λ . ∑p
n=0
n = 20 . 0,2499993 = 5
L s 8,6667
Tiempo promedio de estancia en el sistema: Ws = = = 1,7333 horas
λ 5
Lq 7,6667
Tiempo promedio de estancia en la cola: Wq = = = 1,5333 horas
λ 5
MODELO DE COLAS M / M / s / c ≡ M / M / s / c / ∞
En algunos sistemas la cola no puede albergar a un número indefinido de clientes. El

sistema es de capacidad limitada.
El número máximo de clientes en el sistema en estos modelos se encuentran limitado a c ,
que coincide con la suma del número de servidores y el tamaño de la cola, por lo que la
capacidad de la cola es (c − s)
El límite lo fija el parámetro c que incluye a los servidores.
Tasas de ⎧λ n = 0 , " , c + s − 1 ⎧n. μ n = 1 , " , s
llegada y servicio: λn = ⎨ μn = ⎨
⎩0 n = c + s , c + s + 1 , " ⎩s .μ n = s + 1 , s + 2 , "
⎧ 1 ⎛ λ ⎞n
⎪ . ⎜ ⎟ . p0 n≤s
Probabilidades de cada ⎪ n! ⎝ μ ⎠
pn = ⎨
estado del sistema: ⎪ 1 ⎛λ⎞
n
⎪ s! . sn− s . ⎜ μ ⎟ . p 0 n≥s
⎩ ⎝ ⎠
c s n c n
⎛λ⎞ ⎛λ⎞
∑ ∑ ∑
1 1
pn = . ⎜ ⎟ . p0 + .
n− s ⎜ ⎟
. p0 = 1
n=0 n=0
n! μ
⎝ ⎠ n = s+ 1
s! . s μ
⎝ ⎠
c ⎛ s 1 ⎛λ⎞
n c
⎛λ⎞ ⎞
n
∑ ∑ ∑
1
pn = p 0 ⎜ .⎜ ⎟ + .
n− s ⎜ ⎟
⎟=1
⎜ n = 0 n! ⎝μ⎠ s! . s ⎝ ⎠ ⎟⎠
μ
n=0 ⎝ n = s+ 1
1
p0 = s n c n
⎛λ⎞ ⎛λ⎞
∑ ∑
1 1
.⎜ ⎟ + .
n− s ⎜ ⎟
n=0
n! ⎝μ⎠ n = s+ 1
s! . s ⎝μ⎠
c
λ
Número medio de clientes en el sistema: L s = ∑n=0
n . pn = L q +
μ
c
Número medio de clientes en la cola: L q = ∑
n=s+1
(n − s) . pn
c −1
Tasa efectiva de llegada: λ = λ ∑p
n=0
n
c
λ
Ls = ∑n . p
n=0
n = Lq +
μ
→ λ = μ (L s − L q )
λ
sμ
Ls
Tiempo medio de clientes en el sistema: Ws =
λ
Lq
Tiempo medio de clientes en la cola: Wq =
λ
s
⎛λ⎞ ρ . p0
Lq = ⎜ ⎟ . . ⎡⎣1 − ρk − s − (k − s) . ρk − s . (1 − ρ) ⎤⎦
⎝ μ ⎠ s! . (1 − ρ)
2
c
Lq
Número promedio clientes en cola para un sistema ocupado: Lb =
pw
pw = ∑p
n≥ s
n
c
Wq
Tiempo promedio clientes en cola para un sistema ocupado: Wb =
pw
pw = ∑p
n≥ s
n
cola es finita se pone el tamaño máximo de la cola menos el número de servidores (c − s)
COLA FINITA: INVESTIGACIÓN
Un grupo de investigadores, formado por seis personas, dispone de dos terminales para realizar
cálculos. El trabajo promedio de cálculo requiere de 20 minutos de tiempo de terminal, y el tiempo
promedio entre solicitudes de servicio es de 30 minutos. Se supone que estas solicitudes están
distribuidas exponencialmente. Se desea saber:
a) Número estimado de investigadores que esperan utilizar una terminal.
b) Tiempo total perdido diariamente si se considera una jornada de 8 horas.
c) Medidas de rendimiento.
Solución:
a) Se trata de una modelo de cola M/M/2/6
60 60
Tasa de llegada: λ = = 2 clientes/hora Tasa de servicio: μ = = 3 clientes/hora
30 20
1 1
p0 = s n c n
= = 0,5003
1 ⎛λ⎞ ⎛λ⎞ 1,9988
∑ ∑
1
.⎜ ⎟ + .
n−s ⎜ ⎟
n=0
n! ⎝ μ ⎠ n = s + 1 s! . s ⎝μ⎠
2 n 6 n
1! ⎛ 2 ⎞ ⎛2⎞
∑ ∑
1
.⎜ ⎟ + n−2 ⎜ ⎟
. = 1,8922 + 0,1076 = 1,9998
n=0
n! ⎝ 3 ⎠ n = 3 2! . 2 ⎝3⎠
2 n 2
1! ⎛ 2 ⎞ 2 1 ⎛2⎞
∑
n=0
. ⎜ ⎟ = 1 + + ⎜ ⎟ = 1,8922
n! ⎝ 3 ⎠ 3 2 ⎝3⎠
6 n
⎛2⎞
∑
1
n−2 ⎜ ⎟
. = 0,0741 + 0,0247 + 0,0082 + 0,0003 = 0,1076
n = 3 2! . 2 ⎝ 3 ⎠
⎧ 1 ⎛ λ ⎞n
⎪ . ⎜ ⎟ . p0 n≤2
⎪ n! ⎝ μ ⎠
Probabilidades de cada estado del sistema: pn = ⎨ n
⎪ 1 ⎛λ⎞
⎪ .
n− s ⎜ ⎟
. p0 n≥2
⎩ s! . s ⎝μ⎠
2
1 ⎛2⎞ 1 ⎛λ⎞
p1 = . ⎜ ⎟ . 0,5003 = 0,3336 p2 = . ⎟ . 0,5003 = 0,1112
1! ⎝ 3 ⎠ 2 −2 ⎜
2! . 2 ⎝μ⎠
3 4
1 ⎛2⎞ 1 ⎛2⎞
p3 = . ⎜ ⎟ . 0,5003 = 0,0371 p4 = 2 ⎜ ⎟
. . 0,5003 = 0,0124
2! 2 ⎝ 3 ⎠ 2! . 2 ⎝ 3 ⎠
5 6
1 ⎛2⎞ 1 ⎛2⎞
p5 = 3 ⎜ ⎟
. . 0,5003 = 0,0041 p6 = 4 ⎜ ⎟
. . 0,5003 = 0,0014
2! 2 ⎝ 3 ⎠ 2! 2 ⎝ 3 ⎠
Tabla estados de probabilidad
n pn n pn (n − 2) pn
0 0,5003
1 0,3336 0,3336
2 0,1112 0,2224
3 0,0371 0,1113 0,0371
4 0,0124 0,0496 0,0248
5 0,0041 0,0205 0,0123
6 0,0014 0,0008 0,0005
0,7454 0,0796
6
Número medio de clientes en el sistema: L s = ∑= n . p
n 0
n = 0,7454
6
Número medio de clientes en cola: L q = ∑ (n − s) . p
n=3
n = 0,0796
5
Tasa efectiva de llegada: λ = 2 ∑p
n=0
n = 2 (1 − 0,0014) = 1,9973
λ = μ (L s − L q ) → λ = 3 (0,7454 − 0,0796) = 1,9973

1,9973
Utilización efectiva del sistema: ρ = = 0,3329
2. 3
L s 0,7454
Tiempo promedio de clientes en el sistema: Ws = = = 0,3732 horas
λ 1,9973
Lq 0,0796
Tiempo promedio de clientes en la cola: Wq = = = 0,30399 horas
λ 1,9973
6
pw = ∑p
n ≥2
n = 1 − (0,5003 + 0,3336) = 0,1661
Lq 0,0796
Número promedio clientes en cola para un sistema ocupado: Lb = = = 0,4793 horas
pw 0,1661
Wq 0,0399
Tiempo promedio clientes en cola para un sistema ocupado: Wb = = = 0,2400 horas
pw 0,1661
Sstema de pérdidas Erlang B
Modelos de cola sin cola
MODELO DE COLA M / M / c / c (s = c , Erlang B)
Es un modelo de colas exponencial con un número limitado de servidores y con pérdidas.

Se considera que el número de fuentes es infinito y, en consecuencia, una tasa de llegadas
constante λ y una tasa de servicio μ en cada servidor. Las llegadas llegan aleatoriamente.
Cada estado representa el número de unidades en la cola de espera.
En este caso, la capacidad del sistema es igual al
número de servidores: (c − s = 0) .
Por lo tanto, no hay cola de espera, las unidades que
encuentran los servidores ocupados se perderán sin
tener la probabilidad de ser almacenadas.
Es un sistema de cola sin cola, estudiado por Agner Krarup Erlang (inventor de la teoría de
colas) y se conoce como sistema de pérdidas Erlang B (Tablas de Erlang B).
Es un caso típico de una red telefónica con "c " líneas, de manera que cuando las líneas se
encuentran ocupadas, el cliente obtiene una señal de ocupado y cuelga.
Al no tener cola, los valores L q = 0 y Wq = 0 , mientras que el tiempo del sistema es igual
1
al tiempo de servicio Ws =
μ
1
Probabilidad de no haber clientes en el sistema: p 0 = c n
1 ⎛λ⎞
n=0
∑
n! ⎜⎝ μ ⎟⎠
n
1 ⎛λ⎞
Probabilidad de n clientes en el sistema: pn = p0
n! ⎜⎝ μ ⎟⎠
λ
Intensidad del tráfico: ρ = Erlangs ‐ Tabla B(c , ρ)
μ
c−1 ⎡ 1 ⎛λ⎞
c ⎤
Tasa efectiva de llegadas: λ = λ ∑p
n=0
n λ = λ ⎢1 − ⎜ ⎟ p 0 ⎥
⎢⎣ c! ⎝ μ ⎠ ⎥⎦
λ
cμ
c
Número promedio de clientes en el sistema: L s = ∑n p
n=1
n λ = μ Ls
Ls
λ
Distribución del tiempo en servicio: W(t) = 1 − e − μ t
Dos equipos médicos trabajan en dos salas de investigación, admitiendo ensayos clínicos cuando se
encuentran sin trabajo teniendo las peticiones que abandonar. Las solicitudes de ensayos, indistintamente
de la sala, siguen un proceso de Poisson con tasa de llegada de 8 ensayos/día. Cada sala da salida a los
pedidos con tasa de 4 ensayos/día de acuerdo a una distribución exponencial. Calcular las medidas de
rendimiento.
Solución:
Es una cola M / M / 2 / 2 con lo que el número de ensayos clínicos en cola es c − s = 2 − 2 = 0
λ
Tasa de llegada: λ = 8 ensayos/día Tasa de servicio: μ = 4 ensayos/día =2
μ
1 1
Probabilidad de no haber clientes en el sistema: p0 = = = 0,2
2
1+2+2
∑ n! 2
1 n
n=0
n
1 ⎛λ⎞ 1 1 2
Probabilidad de estado: pn = ⎜ ⎟ p0 p1 = 2 . 0,2 = 0,4 p2 = 2 . 0,2 = 0,4
n! ⎝ μ ⎠ 1! 2!
c −1 1
Tasa efectiva de llegadas: λ= λ ∑p
n=0
n =8 ∑p
n=0
n = 8 . (0,2 + 0,4) = 4,8 ensayos/día
λ 4,8
Utilización efectiva sistema: ρ = = = 0,6
c μ 2.4
2
n=1
n = p1 + 2p2 = 0,4 + 2 . 0,4 = 1,2
L s 1,2
Tiempo promedio de clientes en el sistema: Ws = = = 0,25 días λ = μ L s = 4 . 1,2 = 4,8
λ 4,8
1 1
Denotar que Ws = = = 0,25 días
μ 4
En un taller de mantenimiento de aeronaves las llegadas siguen un proceso de Poisson de promedio 3
aeronaves/día. Las dimensiones del recinto permiten albergar a una sola aeronave. El taller despacha un
promedio de 2 aeronaves/día de acuerdo con una distribución exponencial.
Calcular las medidas de rendimiento.
Solución:
Es una cola M / M / 1 / 1 con disciplina FIFO, con una capacidad limitada c = 1 aeronave, con lo que el
número de aeronaves en la cola es (c − 1 = 1 − 1 = 0) . Es una cola sin cola.
Solución:
Tasas de llegada y servicio:
λ 3
λ = 3 aeronaves/día μ = 2 aeronaves/día Factor saturación: ρ =
= = 1,5 Erlangs
μ 2
1 1 1
Probabilidad de que no haya aeronaves en taller: p0 = 1 = 1 = = 0,4
1 ⎛λ⎞
n
1 + 1,5
∑ ∑
1
⎜ ⎟ 1,5n
n=0
n! ⎝ μ ⎠ n=0
n!
Tasa efectiva de llegadas: λ = λ p0 = 3 x 0,4 = 1,2 aeronaves/día

λ 1,2
Utilización efectiva sistema: ρ = = = 0,6
μ 2
n
1 ⎛λ⎞ 1
Probabilidad de estado: pn = ⎜ ⎟ p0 p1 = 1,5 . 0,4 = 0,6
n! ⎝ μ ⎠ 1!
1
n=1
n = p1 = 0,6
L s 0,6
Tiempo promedio de clientes en el sistema: Ws = = = 0,5 días λ = μ L s = 2 . 0,6 = 1,2
λ 1,2
1 1
Denotar que Ws = = = 0,5 días
μ 2
Una empresa instala un sistema de comunicación entre sus dos sedes. Las llamadas reciben una señal
de ocupado cuando las líneas están ocupadas. El sistema genera llamadas aleatoriamente, según un
proceso de Poisson con una tasa de 105 llamadas/hora y las llamadas tardan cuatro minutos por término
medio para ser contestadas.
a) La empresa pretende instalar las líneas necesarias para asegurar que la probabilidad de recibir la señal
de ocupado sea inferior a 0,005. ¿Cuántas líneas hacen falta?
b) ¿Cuál será la probabilidad de recibir la señal de congestionado con sólo 10 líneas?
Solución:
a) Tasas de llegada y servicio:
105
λ = 105 llamadas/hora = = 1,75 llamadas/minuto
60
1
μ= llamadas/minuto
4
λ 1,75
Intensidad del tráfico: = = 7 Erlangs
μ 0,25
A partir de la tabla Erlang B (B = 0,5%) hay que encontrar el valor mínimo de "c" que verifique la
desigualdad B(c , 7) ≤ 0,005
Erlang B 0,5%
Servidores
15 7,356 B(c , 7) ≤ 0,005 → c = 15
b) Interpolando en la tabla Erlang B(10 , 7) se encuentra el valor B(10 , 7) ≤ x
Erlang B 5% x% 10%
7,511 − 6,216 7 − 6,216
Servidores =
0,1 − 0,05 x − 0,05
10 6,216 7 7,511 x = 0,079
TEORÍA DE COLAS: MODELOS NO EXPONENCIALES
Los modelos de teoría de colas vistos anteriormente se basan en el proceso de nacimiento y
muerte, lo que hace necesario que tanto los tiempos entre llegadas como los de servicio tengan
distribuciones exponenciales. Este tipo de distribuciones de probabilidad proporciona un ajuse
idóneo cuando los tiempos entre llegadas son exponenciales (que implica que las llegadas ocurren
al azar, proceso de entrada de Poisson).
No ocurre lo mismo cuando las llegadas están reguladas o programadas. Por otra parte, las
distribuciones de tiempos de servicio reales con frecuencia se desvían de la distribución
exponencial, en particular cuando los requerimientos de servicio de los clientes son muy parecidos.
Por ello, se hace necesario disponer de modelos de colas que utilizen otras distribuciones de
probabilidad.
Portal Estadística Aplicada: TEORÍA DE COLAS ‐ MODELOS NO EXPONENCIALES 129

MODELOS DE COLAS CON TIEMPOS DE SERVICIO NO EXPONENCIAL
Los modelos anteriores se basan en que las entradas y el servicio se distribuyen

mediante procesos que siguen una distribución de Poisson/Exponencial.
En un sistema de colas es necesario seleccionar una distribución de probabilidad para

los tiempos de servicio. Hay tres distribuciones que representan tiempos de servicio:
♦ La distribución de servicio exponencial ( σ ≡ media)
♦ La distribución de servicio constante ( σ ≡ 0 )
♦ La distribución Erlang que posee un parámetro k que determina la desviación

1 ⎛1⎞ 1
típica σ = ⎜μ⎟ → k= 2
k ⎝ ⎠ μ x σ2
k =1 → La distribución Erlang ≡ La distribución Exponencial
k=∞ → La distribución Erlang ≡ La distribución degenerada con tiempos

constantes
Distribución Erlang según los valores del parámetro k:

MODELO DE COLA G / G / s ≡ G / G / ∞ / ∞
Es un sistema de colas con tiempos de llegadas independientes e idénticamente

distribuidos de media ( 1 / λ ) y varianza σ2λ , con clientes que tienen tiempos de servicio
independientes e idénticamente distribuidos de media ( 1 / μ ) y varianza σ2μ .
λ
Factor de utilización: ρ =
s.μ
Tasa efectiva llegada: λ

1
p0 = s−1 n s
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ 1 ⎞
∑
n=0
⎜ ⎟
n! ⎝ μ ⎠
+
s! ⎜⎝ μ ⎟⎠ ⎜⎝ 1 − ρ ⎟⎠
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ ⎟ p0 n≤ s
⎪ n! ⎝ μ ⎠
Probabilidad del estado M/M/ s : pn = ⎨ n
⎪ 1 ⎛λ⎞
⎪ s! sn − s ⎜ μ ⎟ p 0 n ≥ s
⎩ ⎝ ⎠
Tiempo promedio de espera en la cola (aproximación de Allen‐Cuneen):

p M/M/ s (n ≥ s) . (λ 2 . σ2λ + μ2 . σ2μ )
Wq =
2 s μ (1 − ρ)
s
⎛λ⎞
⎜μ⎟
⎝ ⎠
s! (1 − ρ)
p M/M/ s (n ≥ s) = s−1 n s
1 ⎛λ⎞ ⎛λ⎞
∑
1
+
n=0
n! ⎜⎝ μ ⎟⎠ s! (1 − ρ) ⎜⎝ μ ⎟⎠
Número promedio clientes en la cola: L q = λ Wq

⎛λ⎞
Número promedio de clientes en sistema: L s = L q + ⎜ ⎟
⎝μ⎠
L 1
Tiempo promedio de estancia en el sistema: Ws = s = Wq +
λ μ

COLA GENERAL ‐ Cola General G / G / s
Un experimento aeronáutico realiza pruebas en dos salas, el servicio tarda aproximadamente 20
segundos con un error típico de 2 segundos, mientras que las llegadas se registran cada 25 segundos con
un error típico de 3 segundos. Obtener las medidas de rendimiento.
Solución:
Modelo de cola G / G / 2 con s = 2 servidores

1
Tasa de llegadas: = 25 → λ = 0,04 pruebas/segundo , σ λ = 3 segundos
λ
1
Tasa de servicio: = 20 → μ1 = 0,05 pruebas/segundo , σ μ = 2 segundos
μ
λ 0,04
Factor de utilización del sistema: ρ = = = 0,4
2 μ 2 x 0,05
Tasa efectiva de llegada: λ = 0,04

p M/M/ s (n ≥ s) . (λ 2 . σ2λ + μ2 . σ 2μ )
2 s μ (1 − ρ)
2
⎛ 0,04 ⎞
⎜ 0,05 ⎟
⎝ ⎠
2! (1 − 0,4) 0,5333
p M/M/ s (n ≥ s) = 1 n 2
= = 0,22857
1 ⎛ 0,04 ⎞ ⎛ 0,04 ⎞ 2,3333
∑ n! ⎜⎝ 0,05 ⎟⎠
1
+
n=0
2! (1 − 0,4) ⎜⎝ 0,05 ⎟⎠
0,22857 x (0,04 2 x 32 + 0,052 x 22 )

Wq = = 0,0465 segundos
2 x 2 x 0,05 x (1 − 0,4)
Número promedio clientes en la cola: L q = λ Wq = 0,04 x 0,0465 = 0,0019 pruebas
⎛λ⎞ ⎛ 0,04 ⎞
Número promedio de clientes en sistema: L s = L q + ⎜ ⎟ = 0,0019 + ⎜ ⎟ = 0,8019 pruebas
⎝μ⎠ ⎝ 0,05 ⎠
1 1
Tiempo promedio de estancia en el sistema: Ws = Wq + = 0,0465 + = 20,0465 segundos
μ 0,05

Interarrival time distribution: Distribución del tiempo entre llegadas
Batch size distribution: Distribución del tamaño del lote

1
p0 = 1
= 0,4286
⎛ 1 ⎞
∑
1 1
0,8n + 0,82 ⎜ ⎟
n=0
n! 2! ⎝ 1 − 0,4 ⎠
1
p1 = 0,8 x 0,4286 = 0,3429
1!
1
p2 = 0,8 2 x 0,4286 = 0,1371
2!
1
p3 = 3−2
x 0,8 x 0,4286 = 0,0549
3
2! 2
1
p8 = 8−2
x 0,8 x 0,4286 = 0,0006
8
2! 2

MODELO GENERAL DE COLA M / G / 1 ≡ M / G / 1 / ∞ / ∞
Según la notación Kendall se trata de sistema de colas con tiempos de llegadas

distribuidos exponencialmente (Proceso de Poisson de parámetro λ ), con clientes que
tienen tiempos de servicio independientes e idénticamente distribuidos de media
( 1 / μ ) y varianza σ 2 .
Modelo con una distribución exponencial entre llegadas y una distribución
General/Arbritaria de servicio.
Cualquier sistema de colas de este tipo alcanza en algún momento el estado estable
λ
cuando el factor de utilización del sistema: ρ = < 1
μ
Las medidas de rendimiento para este modelo toman las expresiones adjuntas, donde
la referente a L q recibe el nombre de fórmula de Pollaczek‐Khinchine.
Tasa de llegada efectiva: λ
Probabilidad del estado: p 0 = 1 − ρ pn = ρn p 0
λ 2 . σ 2 + ρ2
Número promedio de clientes en la cola: L q =
2. (1 − ρ)
Número promedio de clientes en el sistema: L s = L q + ρ
λ 2 . σ 2 + ρ2
Lq
Tiempo promedio de espera en la cola: Wq = =
λ 2 . λ . (1 − ρ)
Ls 1
Tiempo promedio de estancia en el sistema: Ws = = Wq +
λ μ
Las medidas de eficiencia incrementan su valor conforme σ2 aumenta, lo que indica

que el funcionamiento del servidor tiene gran transcendencia en la eficiencia global del
sistema.
• Curry y Feldman proponen una modificación del medidas de rendimiento promedio

de espera en la cola que proporciona una relación directa entre las colas M / G / 1 y
las colas M / M / 1
Medidas de Rendimiento (M / G / 1)
= Medidas de Rendimiento (M / M / 1)
⎛ 1 + μ2 . σ2 ⎞
⎜ ⎟
⎝ 2 ⎠
μ2 . σ2 ≡ Coeficiente de variación al cuadrado de los tiempos de servicio.

• Con un único servidor, el modelo M / D / 1 se reduce a un caso particular del
modelo M / G / 1 :
σ2 = 0
M / G / 1 ⎯⎯⎯→ M / D / 1

COLA GENERAL ‐ Cola General M / G / 1
La dirección de un aeropuerto analiza si contratar a un nuevo auxiliar de tierra. Para este puesto se han
presentado varios candidatos, aunque solo han pasado a la fase final únicamente dos de ellos.
El primer auxiliar de tierra tarda en registrar a los pasajeros y su equipaje aproximadamente 20 segundos
con un error típico de 2 segundos. Por otro lado, el segundo auxiliar es capaz de registrar cada pasajero
en 25 segundos exactos.
Los pasajeros llegan en promedio cada 30 segundos. Los tiempos entre llegadas varían de acuerdo con la
distribución exponencial.
¿A cuál de los dos auxiliares de tierra debería contratar el aeropuerto?
¿Cuál es la probabilidad de que el auxiliar contratado esté ocupado?
Solución:
Auxiliar 1 de tierra: Modelo de cola M / G / 1 con s = 1 servidor

1
Tasa de llegadas: = 30 → λ 1 = 0,0333 pasajeros/segundo
λ1
1
Tasa de servicio: = 20 → μ1 = 0,05 pasajeros/segundo , σ1 = 2 segundos
μ1
λ 1 0,0333
Factor de utilización del sistema: ρ1 = = = 0,666667
μ1 0,05
Tasa efectiva de llegada: λ 1 = 0,0333
Promedio de pasajeros en la cola:
λ 12 . σ12 + ρ12 0,033332 x 22 + 0,6666672

L q1 = = = 0,6733 pasajeros
2 ( 1 − ρ1 ) 2 x ( 1 − 0,666667 )
Número promedio de clientes en el sistema: L s1 = L q1 + ρ1 = 0,6733 + 0,6667 = 1,34
L q1
0,666667
Tiempo promedio de espera en la cola: Wq1 = = = 20,20 segundos
λ1 0,0333
1 1
Tiempo total que pasa el pasajero en la cola: Ws1 = Wq1 + = 20,20 + = 40,20 segundos
μ1 0,05

Auxiliar 2 de tierra: Modelo de cola M / G / 1 con s = 1 servidor

1
Tasa de llegadas: = 30 → λ 2 = 0,0333 pasajeros/segundo
λ2
1
Tasa de servicio: = 25 → μ2 = 0,04 pasajeros/segundo , σ2 = 0 segundos
μ2
λ 2 0,0333
Factor de utilización: ρ2 = = = 0,8333
μ2 0,04
λ 22 . σ 22 + ρ22 0,03332 x 0 + 0,83332

Promedio de pasajeros en la cola: L q2 = = = 2,0833 pasajeros
2 ( 1 − ρ2 ) 2 x ( 1 − 0,8333 )

L q2 2,0833
Tiempo promedio de espera en la cola: Wq2 = = = 62,50 segundos
λ2 0,0333
Número promedio de clientes en el sistema: L s 2 = L q2 + ρ2 = 2,0833 + 0,8333 = 2,9167
1 1
Tiempo total que pasa el pasajero en la cola: Ws2 = Wq2 + = 62,50 + = 87,50 segundos
μ2 0,04
Resulta más beneficioso contratar al primer auxiliar de tierra (Ws1 = 40,20 < Ws2 = 87,50) al ser más
rápido que el segundo.
La probabilidad de que el auxiliar 1 de tierra contratado se encuentre ocupado:

P(X ≥ 1) = 1 − p0 = 1 − 0,3333 = 0,6667


Probabilidad de estado en el sistema:
p 0 = 1 − ρ1 = 1 − 0,6667 = 0,3333
pn = ρn p 0
p1 = 0,6667 x 0,3333 = 0,2222
p2 = 0,66672 x 0,3333 = 0,1481
p3 = 0,66673 x 0,3333 = 0,0988
i
i
i
p16 = 0,666716 x 0,3333 = 0,0005

MODELO DE COLA M / D / 1
Es un sistema de colas con tiempos de llegadas distribuidos exponencialmente

(Proceso de Poisson de parámetro λ ), el servicio consiste básicamente en la misma
tarea rutinaria que el servidor realiza para todos los clientes, tiende a haber poca
variación en el tiempo de servicio requerido, asumiendo que el tiempo de servicio es
igual a una constante fija.
Modelo con una distribución exponencial entre llegadas y una distribución constante
de servicio.
Con un único servidor, el modelo M / D / 1 se reduce a un caso particular del modelo
σ2 = 0
M / G / 1 en donde σ2 = 0 : M / G / 1 ⎯⎯⎯→ M / D / 1
con lo que las medidas de eficiencia son:

λ
Factor de utilización: ρ = <1
μ
Probabilidad del estado: p 0 = 1 − ρ pn = ρn p 0
λ 2 . σ 2 + ρ2 σ2 = 0 ρ2
Número promedio clientes en la cola: L q = ⎯⎯⎯→ L q =
2. (1 − ρ) 2 . (1 − ρ)
Número promedio de clientes en sistema: L s = L q + ρ
ρ2Lq
λ 2 . λ . (1 − ρ)
Ls 1
λ μ

MODELO DE COLA M / D / s
λ
Factor de utilización: ρ =
s.μ

1
p0 = s−1 n s
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ 1 ⎞
∑
n=0
n! ⎜⎝ μ ⎟⎠
+
s! ⎜⎝ μ ⎟⎠ ⎜⎝ 1 − ρ ⎟⎠
⎧ 1 ⎛ λ ⎞n
⎪ ⎜ μ ⎟ p0 n≤ s
⎪ n! ⎝ ⎠
Probabilidad del estado M/M/ s : pn = ⎨ n
⎪ 1 ⎛λ⎞
⎪ s! sn − s ⎜ μ ⎟ p 0 n ≥ s
⎩ ⎝ ⎠
s
1 ⎛λ⎞ ρ
Número promedio clientes en la cola: L q = ⎜ ⎟ p0
s! ⎝ μ ⎠ 2 (1 − ρ)2
⎛λ⎞
Número promedio de clientes en sistema: L s = L q + ⎜ ⎟
⎝μ⎠
Lq
λ
Ls 1
λ μ

COLA GENERAL ‐ Cola M / D / 1 ↔ M / D / 2
El aeropuerto dispone de un servicio de traslado en el que consiste en llevar a cada empleado que lo
solicite a su casa, hotel o alrededores.
Este servicio puede atender a un empleado cada 7 minutos. El promedio de llegada de empleados es
cada 8 minutos, siguiendo una distribución de Poisson.
a) Encontrar las medidas de eficiencia del servicio.
b) ¿Se podría mejorar el tiempo medio de un empleado en el sistema?
a) Se trata de un modelo de cola M/D/1 con s = 1 servidor
1
Tasa de llegada = = 8 → λ = 0,125 pasajeros / minuto
λ
1
Tasa de servicio = = 7 → μ = 0,1429 pasajeros / minuto
μ
λ 0,1250
μ 0,1429
Probabilidad del estado: p0 = 1 − ρ = 1 − 0,8750 = 0,125
⎧p1 = 0,8750 x 0,125 = 0,1094

⎪⎪
pn = ρn p 0 → ⎨
⎪
⎪⎩p45 = 0,8750 x 0,125 = 0,0003
45
ρ2 0,8752
Promedio de empleados en la cola: L q = = = 3,062 empleados
2 . (1 − ρ) 2 x (1 − 0,875 )
Promedio de empleados en el sistema: L s = L q + ρ = 3,062 + 0,875 = 3,937 empleados

Lq 3,062
Tiempo promedio que un empleado espera en la cola: Wq = = = 24,500 minutos
λ 0,125
L s 3,937
Tiempo promedio que los empleados están en la cola: Ws = = = 31,500 minutos
λ 0,125


b) En la situación actual, el factor de utilización ρ = 0,8750 es muy alto, sería necesario aumentar la
capacidad del sistema para mejorar las medidas de eficiencia.
λ 0,125
Si se añade otro servidor (s = 2) , el factor de utilización: ρ = = = 0,4375
s . μ 2 x 0,1429
La red de transporte se encuentra más descongestionada. Se trataría de una cola M/D/2
Probabilidad del estado M/M/ s
1 1
p0 = s−1 n s
= 1 n 2
= 0,3913
1 ⎛λ⎞ 1 ⎛λ⎞ ⎛ 1 ⎞ 1 ⎛ 0,125 ⎞ 1 ⎛ 0,125 ⎞ ⎛ ⎞
∑ n! ⎝⎜ μ ⎠⎟ ∑
1
+ ⎜ ⎟ + ⎜ ⎟ ⎜ ⎟
n=0
s! ⎝⎜ μ ⎠⎟ ⎝⎜ 1 − ρ ⎠⎟ n=0
0! ⎝ 0,1429 ⎠ 2! ⎝ 0,1429 ⎠ ⎝ 1 − 0,4375 ⎠
1
1 ⎛λ⎞ 1
p1 = ⎜ ⎟ p0 = 0,875 x 0,3913 = 0,3424
n! ⎝ μ ⎠ 1!
2
1 ⎛λ⎞ 1
p2 = ⎜ ⎟ p0 = 0,8752 x 0,3913 = 0,1498
n! ⎝ μ ⎠ 2!
n
1 ⎛λ⎞ 1
p3 = n−s ⎜ ⎟ p 0 = 3−2
0,8753 x 0,3913 = 0,0655
s! s ⎝μ⎠ 2! 2
Número promedio clientes en cola:

s
1 ⎛λ⎞ ρ 1 0,4375
Lq = ⎜ ⎟ p0 = 2
x 0,875 x x 0,3913 = 0,1036 pasajeros
s! ⎝ μ ⎠ 2 (1 − ρ)2
2! 2 (1 − 0,4375)2
⎛λ⎞ ⎛ 0,125 ⎞
Número promedio de clientes en sistema: L s = L q + ⎜ ⎟ = 0,1036 + ⎜ ⎟ = 0,9786 pasajeros
⎝μ⎠ ⎝ 0,1429 ⎠
Lq 0,1036
Tiempo promedio de espera en cola: Wq = = = 0,8285 minutos
λ 0,125
L s 0,9786
Tiempo promedio de espera en servicio: Ws = = = 7,8285 minutos
λ 0,125

Calcula las medidas de rendimiento M/D/2

con una aproximación G/G/s

MODELO DE COLA M / Ek / s
El modelo M / D / s supone una variación cero en los tiempos de servicio (σ = 0) ,

mientras que la distribución exponencial de tiempos de servicio supone una variación
muy grande en los tiempos de servicio (σ = 1 / μ) . Entre los dos casos extremos hay un
intervalo (0 < σ < 1 / μ) donde caen la mayor parte de las distribuciones de tiempo
reales. Otro tipo de distribución teórica de tiempos de servicio que concuerda con este
espacio intermedio es la distribución de Erlang (llamada así en honor con el fundador de
la teoría de colas).
(μ k)k k − 1 − k μ t
f(t) = t e donde μ y k son parámetros estrictamente positivos, estando
(k − 1)!
1 1
k restringido a valores enteros: media = σ=
μ μ k
El parámetro k especifica el grado de variabilidad de los tiempos de servicio con relación a
la media. Generalemente, se hace referencia a k como el parámetro de forma.
Los valores intermedios de k proporcionan distribuciones intermedias con media = (1 / μ) ,
moda = (k − 1) / (k μ) y varianza = 1 / (k μ2 )
En consecuencia, después de estimar la media y la varianza de una distribución de servicio
empírica, se pueden utilizar para elegir el valor de k que se ajuste mejor a las
estimaciones.
Erlang C
La fórmula supone una infinita población de fuentes, que ofrecen en conjunto, un tráfico
de A Erlangs hacia n servidores.
Si todos los servidores están ocupados cuando una petición llega de una fuente, la
petición es introducida en la cola. Un sinfín de números de peticiones podrían ir a la cola
en este modo simultáneamente.
A ≡ Intensidad total del tráfico ofrecido en unidades de
n An
Erlangs.
(n − A) n!
pw = n − 1 n ≡ Número de servidores [número de troncales].
Ai n An
∑ i! + (n − A) n! Pw ≡ Probabilidad de que un cliente tenga que esperar para
i=0
ser atendido.
Se supone que las llamadas entrantes pueden ser modeladas usando una distribución de
Poisson y que el tiempo de espera de las llamadas son descritas por una distribución
exponencial negativa.
Calcula la probabilidad del tráfico de la cola, suponiendo que las llamadas que son
bloqueadas se queden en el sistema hasta que puedan ser atendidas.

Determina la cantidad de agentes o representantes de clientes, que se necesitarían en un
Call Center, después saber la probabilidad en la cola.
Fórmula de Engset
Se denomina así por el matemático es ingeniero noruego T. O. Engset.

Se utiliza con una población finita con k orígenes en lugar de la población infinita que
supone Erlang.
Una empresa que instale una centralita necesita saber el número mínimo de circuitos que
es preciso contratar desde la red telefónica. Un enfoque aproximado es utilizar la fórmula
de Erlang‐B (visto anteriormente).
Si la empresa tiene un número pequeño de extensiones, debe utilizar un cálculo más
exacto, proporcionado por la fórmula de Engset, que refleja el hecho de que las
extensiones que están en uso no harán llamadas simultáneas adicionales.
En una población de usuario grandes, el cálculo de Engset y Erlang B obtienen el mismo
resultado.
La expresión utilizada para calcular las tablas de Engset:
k! An E ≡ Probabilidad de bloqueo.
(k − n)! n! A ≡ Tráfico de Erlangs generado por cada origen desocupado.
E(n , A, k) = n
k! A i n ≡ Número de servidores.
∑
i = 0 (k − i)! i! k ≡ Número de orígenes.
⎧ E(0 , A, k) = 1
⎪
Se puede calcular por recursión: ⎨ A (k − n + 1) E(n − 1 , A, k)
⎪E(n , A, k) =
⎩ n + A (k − n + 1) E(n − 1 , A, k)
Se supone que las llamadas que llegan pueden ser modeladas por una distribución
Poisson. Sin embargo, debido a que hay un número finito de servidores, la tasa de llegada
de las nuevas llamadas decrece a medida que nuevos orígenes (como abonados
telefónicos) pasan a estar ocupados y, en consecuencia, no pueden originar nuevas
llamadas. Cuando n = k , la fórmula se reduce a una distribución binomial.

MODELO DE COLA M / Ek / 1
Se basa en el método de fases, asume una llegada Poisson sin memoria. El servicio
(servidor) es la concatenación de servicios en serie. Sólo puede haber una llamada en el
sistema completo, por lo que es imposible que haya más de una 'fase' ocupada.
Cada una de las fases tiene un tiempo de servicio distribuido según una exponencial
1
negativa de tasa υ = k. μ , de media , donde:
μ
k 1 1 ⎛1⎞ 1
σ2 = = → σ= .⎜ ⎟ k=
υ k. μ2 ⎝μ⎠ μ x σ2
2 2
k
El tiempo de servicio total es la suma de los tiempos de servicio de cada fase. La suma de k
1 1
variables aleatorias exponenciales negativas con media = da lugar a una variable
υ k. μ
aleatoria con distribución Erlang k.
i Con un único servidor, el modelo M / Ek / 1 de parámetros k y μ , se reduce a un caso
particular del modelo M / G / 1 :
1
σ2 =
k μ2
M / G / 1 ⎯⎯⎯⎯→ M / Ek / 1
1 1
i Cuando σ = → k = 2 2 = 1 , el modelo de cola M / Ek / 1 es un modelo de
μ μ xσ
cola M / M / 1 con tiempo de servicio exponencial.
ρ2 x (1 + 1) ρ2
Promedio de clientes en la cola: Lq = =
2 x 1 x (1 − ρ) (1 − ρ)
λ
Factor utilización del sistema: ρ =
μ
λ 2 . (1 + k) (1 + k) . ρ2
Número promedio de clientes en la cola: L q = =
2 . k . μ .(μ − λ ) 2 . k . (1 − ρ)
Número promedio de clientes en el sistema: L s = L q + ρ
Lq
λ
Ls 1
λ μ

COLA GENERAL ‐ Modelos de Colas
El servicio de lavacoches de un aeropuerto tiene una tasa de llegadas de 9 vehículos/hora, pudiendo
atender un vehículo cada 5 minutos, con un error típico (σ = 2) minutos. Se pide:
a) Medidas de eficiencia según un modelo general M / G / 1
b) Medidas de eficiencia según un modelo M / D / 1
c) Medidas de eficiencia según un modelo M / Ek / 1
Solución:
a) Medidas de eficiencia Modelo General M / G / 1 con s = 1 servidor

9 1 1
λ= = 0,15 vehículos/minuto → Tasa llegadas (Media) = = = 6,666666
60 λ 0,15
1
μ = = 0,2 vehículos/minuto , σ = 2 minutos
5
λ 0,15
μ 0,2
λ 2 . σ 2 + ρ2 0,152 x 22 + 0,752
Promedio de vehículos en cola: L q = = = 1,3050 vehículos
2 . (1 − ρ) 2 x (1 − 0,75)
Promedio de vehículos en sistema: L s = L q + ρ = 1,3050 + 0,75 = 2,0550 minutos
Lq
1,3050
Tiempo promedio de espera en la cola: Wq = = = 8,7000 minutos
λ 0,15
L 2,0550
Tiempo promedio de estancia en lavacoches: Ws = s = = 13,7000 minutos
λ 0,15

Rendimiento cola (M / G / 1)
• Con la modificación = Rendimiento cola (M / M / 1)
⎛ 1 + μ2 . σ2 ⎞
⎜ ⎟
⎝ 2 ⎠
se pasa de las medidas de rendimiento de una cola M / G / 1 a medidas de rendimiento de una cola
M/M/1
1 + μ2 . σ2 1 + 0,22. 22
= = 0,58
2 2

Lq 1,3050 Wq 8,7
= = 2,250 = L q = = 15 = Wq
0,58 0,58 M/G/1
M/M/1 0,58 0,58 M/G/1
M/M/1
Ls 1,3050 Ls 3
+ρ= + 0,75 = 3 = Ls Ws = = = 20 = Ws
0,58 0,58 M/G/1
M/M/1 λ M/G/1 0,15 M/M/1
σ2 = 0
• Con un único servidor, M / G / 1 ⎯⎯⎯→ M / D / 1
λ 2 . σ 2 + ρ2 0,752
Promedio de vehículos en cola: L q = = = 1,125 vehículos
2 . (1 − ρ) 2 x (1 − 0,75)
Promedio de vehículos en sistema: L s = L q + ρ = 1,125 + 0,75 = 1,875 minutos
1,125 Lq
= 7,5 minutos
λ 0,15
L 1,875
Tiempo promedio de estancia en lavacoches: Ws = s = = 12,5 minutos
λ 0,15

b) En un modelo de cola M / D / 1 con s = 1 servidor
9 1 1
60 λ 0,15
1
Tasa de servicio = = 5 → μ = 0,2 pasajeros/minuto
μ
λ 0,15
μ 0,20
ρ2 0,752
Promedio de empleados en la cola: L q = = = 1,125 vehículos
2 . (1 − ρ) 2 x (1 − 0,75)
Promedio de empleados en el sistema: L s = L q + ρ = 1,125 + 0,75 = 1,875 vehículos
Lq 1,125
Tiempo promedio que un empleado espera en la cola: Wq = = = 7,50 minutos
λ 0,15
L 1,875
Tiempo promedio que los empleados están en la cola: Ws = s = = 12,50 minutos
λ 0,15


c) Medidas de eficiencia según un modelo M / Ek / 1 con s = 1 servidor
9 1 1
60 λ 0,15
1
Tasa de servicio = = 5 → μ = 0,2 pasajeros/minuto , σ = 2 minutos
μ
1 1
k= 2 2 = = 6,25
μ xσ 0,2 x 22
2
Promedio de clientes en la cola:
ρ2 . (1 + k) 0,752 x (1 + 6,25)
Lq = = = 1,305 clientes
2 . k . (1 − ρ) 2 x 6,25 x (1 − 0,75)
Promedio de clientes en el sistema: L s = L q + ρ = 1,305 + 0,75 = 2,055 clientes
Lq 1,305
Tiempo promedio en la cola: Wq = = = 8,7 minutos
λ 0,15
Ls 1
Tiempo promedio en el sistema: Ws = = Wq + = 8,7 + 5 = 13,7 minutos
λ μ
1 1
Se observa que cuando σ = → k= 2 = 1 , el modelo de cola M / Ek / 1 es un modelo de
μ μ x σ2
cola M / M / 1 con tiempo de servicio exponencial. En este caso,
ρ2 x (1 + 1) ρ2
Promedio de clientes en la cola: L q = =
2 x 1 x (1 − ρ) (1 − ρ)


⊗ La distribucion de Erlang M / Ek / 1 pasa a ser un modelo M / M / 1 introduciendo:

1
Cuando σ = → k = 1 , el modelo de cola M / Ek / 1 pasa a ser un modelo de cola M / M / 1 con
μ
tiempo de servicio exponencial.
λ 0,15
Factor de saturación: ρ = = = 0,75
μ 0,2
ρ2 . (1 + k) ρ2 x (1 + 1) ρ2 0,752
Promedio de clientes en la cola: L q = = = = = 2,250
2 . k . (1 − ρ) 2 x 1 x (1 − ρ) (1 − ρ) (1 − 0,75)
Promedio de clientes en el sistema: L s = L q + ρ = 2,250 + 0,75 = 3 clientes

Lq 2,250
Tiempo promedio en la cola: Wq = = = 15 minutos
λ 0,15
Ls 1
Tiempo promedio en el sistema: Ws = = 15 + = 15 + 5 = 20 minutos
λ 0,2
Introduciendo los datos en un modelo de Cola M / M / 1 :
9
λ= = 0,15 vehículos/minuto
60
1
Tasa de servicio =
= 5
μ
→ μ = 0,2 pasajeros/minuto
λ 0,15
ρ= = = 0,75
μ 0,2

TEORÍA DE COLAS: MODELO DETERMINISTA
SISTEMA DE UN AEROPUERTO
Modelo Determinista
Sistema de un Aeropuerto: Equilibrio entre
Demanda y Capacidad Operacional
MODELO DETERMINISTA DE COLAS
Cuando la demanda λ es mayor que la capacidad μ , el factor de utilización
λ
ρ = > 1 , entonces para calcular las demoras es necesario utilizar otro
μ
criterio en teoría de colas.
Este fenómeno ocurre en muchos sistemas durante un período corto de tiempo
introduciendo el modelo determinista de colas.
Un modelo determinístico es un modelo matemático donde las mismas entradas
producen invariablemente las mismas salidas, sin contemplar la existencia del azar ni el
principio de incertidumbre.
Estado del sistema ≡ número de clientes en el sistema
L q ≡ Longitud de la cola ≡ número de clientes en cola =
= estado del sistema − número de clientes en servicio
λ ≡ tasa de llegadas
μ ≡ tasa de servicios
Sea N(t) ≡ Número de clientes en el sistema en el instante t =

= número de clientes en cola más el número de clientes que están siendo servidos
Si t = 0 no hay clientes N(0) = 0
Sea λ el número de llegadas independientes por unidad de tiempo, (1 / λ) el tiempo

constante entre dos llegadas consecutivas. Por otra parte, sea µ el número de
servicios por unidad de tiempo (cuando el sistema está ocupado), y (1 / μ) el tiempo
que se tarda en realizar un servicio.
Se define τ ≡ Instante de tiempo en el que se produce el primer rechazo
es decir, llega un cliente cuando en el sistema hay (k − 1) clientes.
En el análisis se distinguen dos casos, según si la tasa de llegadas es mayor (λ > μ) o

menor igual que la de servicio
λ>μ
⎛ 1⎞
Sí t ∈ ⎜ 0, ⎟ → No ha llegado todavía ningún cliente, en este intervalo de tiempo no
⎝ λ⎠
hay clientes en el sistema.
⎛1 ⎞ ⎛ ⎛ 1 ⎤⎞
Si t ∈ ⎜ , τ ⎟ → N(t) = ⎡⎣llegadas en (0, τ ]⎦⎤ − ⎜ servicios en ⎜ , τ ⎥ ⎟
⎝λ ⎠ ⎝ ⎝ λ ⎦⎠
Portal Estadística Aplicada: TEORÍA DE COLAS: MODELO DETERMINISTA 163

⎛ t ⎞
Número de llegadas en (0, τ] ≡ ⎜ ⎟ = λt
⎝ 1 / λ ⎠
⎛ 1 ⎤ ⎛ t−1/ λ ⎞ μ
Número de salidas ⎜ , τ ⎥ ≡ ⎜ ⎟ = μt −
⎝ λ ⎦ ⎝ 1/μ ⎠ λ
⎛ μ⎞
En consecuencia, N(t) = λ t − ⎜ μ t − ⎟
⎝ λ⎠
a) Cuando el tiempo de servicio es un múltiplo entero del tiempo entre llegadas, es

⎛1⎞ 1
decir: m ⎜ ⎟ =
⎝λ⎠ μ
En este caso, siempre que se produce la salida de un cliente hay una llegada
simultánea. Así, no puede suceder que haya simultáneamente una salida y un rechazo,
pues si un cliente sale, se deja una plaza libre en el sistema para el otro cliente que
llega en ese momento.
En consecuencia, el número de clientes es creciente hasta que a partir del
instante τ es constantemente igual a la capacidad (k − 1) del sistema.
Luego, se tiene:
⎧ 1
⎪ 0 t<
λ
⎪
⎪ ⎛ μ⎞ 1
N(t) = ⎨ λ t − ⎜ μ t − ⎟ <t<τ
⎪ ⎝ λ⎠ λ
⎪ k −1 t≥τ
⎪
⎩
Suponiendo que se tiene disciplina FIFO, los valores asociados a cada cliente:
Wq(n) ≡ Tiempo de espera en cola del cliente n − ésimo .
S (n) ≡ Tiempo de servicio del n − ésimo cliente.
T (n) ≡ Tiempo transcurrido entre las llegadas de los clientes n − ésimo y

(n + 1) − ésimo
⎪⎧ Wq + S − T Sí Wq(n) + S(n) > T (n)

(n) (n) (n)
(n + 1 )
W =⎨
q
⎪⎩ 0 Sí Wq(n) + S(n) ≤ T (n)
1
Aunque la relación se verifica en general, se observa que S(n) = y si t < τ entonces
μ

1 ⎛1 1⎞
T (n) = . Consecuentemente, Wq(n+1) = Wq(n) + ⎜ − ⎟
λ ⎝μ λ⎠
Por otra parte, si t ≥ τ un cliente entra al sistema justo cuando sale otro. Por tanto, el
cliente que entra se encuentra con (k − 2) clientes en cola delante de él y un cliente
empezando el servicio. En consecuencia, el tiempo de espera en cola para este nuevo
1
cliente será (k − 2)
μ
⎧ ⎛1 1⎞
⎪(n − 1) ⎜ − ⎟ n = 1, 2, ... , λτ − 1
⎪
En definitiva: Wq(n) = ⎨ ⎝μ λ⎠
⎪ k−2 n ≥ λτ
⎪⎩ μ
1 1
b) ≥
λ μ
El tiempo entre llegadas es mayor o igual que el tiempo de servicio, cuando llega un
cliente es servido y sale del sistema antes de que llegue el siguiente cliente (en la peor
situación, cuando llegue el siguiente cliente si el tiempo entre llegadas es igual al
tiempo de servicio).
Por tanto, considerando que en el instante cero no hay individuos en el sistema, el
número de clientes en el sistema siempre variara entre [0, 1] y el tiempo de espera en
cola de cualquier cliente es cero.
En este caso, una situación particular supone que cuando el sistema se inicia ya hay un
número de clientes C esperando en el mismo.
1 1
• =
λ μ
Si el tiempo entre llegadas coincide con el tiempo de servicio, siempre habrá C clientes
en el sistema y el tiempo de espera en cola del n − ésimo cliente toma la expresión:
⎧ 1
⎪⎪ (n − 1) 1≤n≤ C
μ
Wq = ⎨
(n)
⎪(C − 1) 1 n≥C
⎪⎩ μ
1 1
• >
λ μ
Si el tiempo entre llegadas es mayor que el tiempo de servicio, hay un primer instante
t = 0 no hay clientes N(0) = 0 .

Hasta ese momento, el número de clientes en el sistema en cada instante será:
⎡⎛ t ⎞ ⎛ t ⎞ ⎤
N(t) = C − ⎢⎜ ⎟−⎜ ⎟ ⎥ = C − ( μ t − λt )
⎣⎝ 1 / μ ⎠ ⎝ 1 / λ ⎠ ⎦
El instante τ = menor real positivo tal que C = ( μ t − λ t )
Inmediatamente después del instante τ el sistema permanece vacío, hasta que se

⎛1⎞ ⎛1⎞
produce la siguiente llegada en el instante τ1 = λ t ⎜ ⎟ + ⎜ ⎟
⎝λ⎠ ⎝λ⎠
En el instante τ1 un nuevo cliente entra al sistema y al no haber nadie más, entra
directamente al servicio, del que sale en el instante τ1 + 1 , con lo que el estado del
⎡ 1⎞
sistema (número de clientes en el sistema) será 1 entre ⎢ τ1 , τ1 + ⎟
⎣ μ⎠
1 ⎛1⎞ 2
El siguiente cliente llega en el instante τ 2 = τ1 + = λ t ⎜ ⎟ + , después de haber
λ ⎝λ⎠ λ
salido el cliente anterior, después el sistema vuelve a estar vacío en el intervalo
⎡ 1 ⎞ ⎡ 1⎞
⎢ τ1 + μ , τ 2 ⎟ y toma el valor 1 entre ⎢ τ 2 , τ 2 + μ ⎟ .
⎣ ⎠ ⎣ ⎠
El proceso es reiterativo, en consecuencia:
⎧
⎪ C − (μ t − λt) 0 ≥ t < τ
⎪
⎪ 1 1 1 k
N(t) = ⎨ 0 τ ≤ t < τ1 τk + ≥ t < τ k + siendo τk = (λτ) +
⎪ μ λ λ λ
⎪ 1
⎪ 1 τk ≥ t < τk +
⎩ μ
Verificando la igualdad Wq(n+1) = Wq(n) + S(n) − T (n) se tiene la siguiente expresión para el
tiempo de espera en cola:
⎧ 1
⎪ (n − 1) 1≤n≤ C
μ
⎪
⎪ 1 k
Wq(n) = ⎨(C + k − 1) − n = C + k 0 ≤ k ≤ λτ
⎪ μ λ
⎪ 0 n = C + k k > λτ
⎪
⎩

SISTEMA DE UN AEROPUERTO:
EQUILIBRIO ENTRE DEMANDA Y CAPACIDAD OPERACIONAL
La llegada a un aeropuerto (aviones como pasajeros)

es un fenómeno aleatorio que se analiza utiliazando
modelos estocásticos de colas.
La demanda en períodos de poca duración excede de la capacidad del aereopuerto,

proceso que se analiza con modelos deterministicos.
Asumiendo las condiciones de operación IFR

(Instrumental Flight Rules) que no es necesario
tener contacto visual con el terreno, las llegadas de
aviones en un aeropuerto con dos pistas siguen un
proceso de Poison a la hora de parámetro 45.
El tiempo de servicio por separación de llegadas sigue una distribución exponencial de
90 segundos.
••••
Es una cola de tipo M/M/2 con s = 2 servidores
λ = 45 aviones/hora
1 90 1
= = → μ = 40 aviones pista por hora
μ 60 x 60 40
λ 45
μ 40
λ 45
Factor de utilización o intensidad tráfico: ρ = = = 0,5625
s μ 2 x 40
Probabilidad que ningún avión se encuentre en el sistema de cola:

1 1
p0 = s−1 s = 2−1 =
(λ / μ)n 1 ⎛ λ ⎞ 1 1,125n 1
∑ ∑
1
+ + 1,1252 x
s! ⎝⎜ μ ⎠⎟ 1 − ρ
x
n=0
n! n=0
n! 2! 1 − 0,5625

1
= = 0,28
1 + 1,125 + 1, 446
Número medio de aviones en cola:

s
1⎛λ⎞ ρ 1 0,5625
Lq = ⎜ ⎟ p 0 = x 1,1252 x x 0,28 = 0,52
s! ⎝ μ ⎠ (1 − ρ)2
2! (1 − 0,5625)2
λ
Número medio de aviones en sistema: L s = L q + = 0,52 + 1,125 = 1,645
μ
Tiempo medio de aviones esperando en cola:

Lq 0,52
Wq = x 60 = x 60 = 0,69 minutos
λ 45
1 60
Tiempo medio de aviones en el sistema: Ws = Wq + = 0,69 + = 2,19 minutos
μ 40
Con una hoja de cálculo se puede elaborar un analisis de sensibilidad del sistema y un
diagrama de la variación de aviones en cola según demanda. En esta línea, para
distintas tasas de llegadas de aviones se obtiene:
λ 20 25 30 35 40 45 50 55
Wq 0,1 0,162 0,245 0,355 0,5 0,694 0, 962 1,344

λ 20 25 30 35 40 45 50 55
Lq 0,033 0,068 0,123 0,207 0,333 0,521 0,801 1,232
••••••••
El aeropuerto tiene dos sistemas de rayos‐X,

experiencias anteriores indican que un pasajero
tarda 45 segundos en pasar por el área de
seguridad, según una distribución de servicio
exponencial.
Los clientes llegan en promedio al área de seguridad cada 25 segundos de acuerdo a
una función de Poisson.
El director del aeropuerto quiere analizar la situación para conseguir que en un futuro
próximo la demanda aumente un 60%.
Para ello, necesita:
(a) Analizar la situación actual.
(b) Máquinas de rayos‐X que se deben instalar en el futuro para dar un servicio de
forma que el pasajero medio no espera más de dos minutos en la cola.
(c) Probabilidad de que en un futuro más de cuatro pasajeros esperan en la cola.
••••
(a) En la actualidad: El sistema de seguridad es una cola de tipo M/M/2 con
s = 2 servidores
Si el número de llegadas sigue una distribución de Poisson P(λ ) , el tiempo entre
llegadas sigue una distribución exponencial de media (1 / λ )
1 1 60 x 60
= = = 144 ⇒ λ = 144 pasajeros/hora
λ 25 / 60 x 60 25
1 1 60 x 60
= = = 80 ⇒ μ = 80 pasajeros/hora seguridad
μ 45 / 60 x 60 45

λ 144
μ 80
λ 144
Factor de utilización del sistema de cola: ρ = = = 0,9
s μ 2 x 80
Probabilidad del sistema vacío:

1 1
p0 = 2−1 = = 0,0526
n 1
∑
1,8 1 1 1 + 1,8 + x 32, 4
+ x
2
1,8 x 2
n=0
n! 2! 1 − 0,9
Número medio de pasajeros en cola:

s
1⎛λ⎞ ρ 1 0,9
Lq = ⎜ ⎟ p 0 = x 1,82 x x 0,0526 = 7,674
s! ⎝ μ ⎠ (1 − ρ) 2
2! 0,12
λ
Número medio de pasajeros en sistema: L s = L q += 7,674 + 1,8 = 9, 474
μ
L 7,674
Tiempo promedio espera en la cola: Wq = q = (60 x 60) = 192 segundos
λ 144
L s 9, 474
Tiempo promedio espera en sistema: Ws = = (60 x 60) = 237 segundos
λ 144
En la situación actual con dos aparatos de rayos‐X (servidores) el tiempo medio de
pasajeros en cola es de 192 segundos > 120 segundos, por lo que se necesitaría
incorporar servidores (aparatos rayos‐X)
(b) En un futuro próximo, además de la necesidad de incorporar servidores, aumenta

la demanda de pasajeros en un 60%.
λ = 144 x 1,60 = 230, 4 pasajeros/hora
μ = 80 pasajeros/hora área seguridad

λ 230, 4
μ 80
• Si el número de servidores fuera s = 3 , tipo de cola M/M/3, se tendría:

λ 230, 4
Factor de utilización del sistema de cola: ρ = = = 0, 96
s μ 3 x 80
Probabilidad del área de seguridad vacía:

1 1 1
p0 = 3−1 = = = 0, 0093
n 1 107,56
∑
2, 88 1 1 1 + 2, 88 + x 2, 88 + 99,5328
2
+ x 2,883 x 2
n=0
n! 3! 1 − 0,96
Número medio de espera de pasajeros en área de seguridad:

s
1⎛λ⎞ ρ 1 0, 96
Lq = ⎜ ⎟ p 0 = x 2,883 x x 0, 0093 = 22,2157
s! ⎝ μ ⎠ (1 − ρ)2
3! 0,042
L q 22,2157
Tiempo promedio espera en la cola: Wq = = (60 x 60) = 347 segundos
λ 230, 4
Siendo Wq = 347 segundos > 120 segundos se necesita incrementar el número de
servidores en el sistema.
• Si el número de servidores fuera s = 4 , tipo de cola M/M/4, se tendría:

λ 230, 4
Factor de utilización del sistema de cola: ρ = = = 0,72
s μ 4 x 80
Probabilidad del área de seguridad vacía:

1
p0 = 4 − 1 =
2, 88n 1
∑
1
+ 4
x 2,88 x
n=0
n! 3! 1 − 0,72
1 1
= = = 0,045
1 1 1 1 22,246
1 + 2,88 + x 2,88 + x 2,88 +
2 3
x 2,88 4 x
2 6 4! 1 − 0,72
Número medio de espera de pasajeros en área de seguridad:

s
1⎛λ⎞ ρ 1 0,72
Lq = ⎜ ⎟ p 0 = x 2,88 4 x x 0,045 = 1,1846
s! ⎝ μ ⎠ (1 − ρ)2
4! 0,282
L q 1,1846
Tiempo promedio espera en la cola: Wq = = (60 x 60) = 18,51 segundos
λ 230, 4
Wq = 18,51 segundos < 120 segundos , con lo que habría que instalar 4 servidores (4
aparatos de rayos‐X), con número medio de cuatro pasajeros en el sistema:
λ
L s = L q + = 1,1846 + 2,88 = 4,06 ≈ 4
μ
Con una hoja de cálculo se puede elaborar un diagrama de variación de segundos en la

cola dependiendo de los servidores:

s ≡ Servidores 3 4 5
Wq ≡ Segundos sistemas colas 347 18,5 0,04
c) La probabilidad de que más de cuatro pasajeros esperan en la cola es la

probabiidad de que esperen más de ocho pasajeros en el sistema (L = L q + L s > 4 + 4)
(λ / μ)n (λ / μ)n
Probabilidad del estado n: pn = p0 n ≤ s pn = p0 n > s
n! s! s(n − s)
⎛ 4 (λ / μ)n 8
(λ / μ)n ⎞
P(n > 8) = 1 − P(n ≤ 8) = 1 − ⎜
⎝
∑
⎜ n = 0 n!
p0 +
n=5
s! s∑(n − s)
p 0⎟=
⎟
⎠
= 1 − (0,66937 + 0,24256) = 0, 08807
4
(λ / μ)n
4
2,88n ⎛ 2,882 2,883 2,88 4 ⎞
∑
n=0
n!
p0 = ∑
n=0
n!
X 0,045 = ⎜ 1 + 2,88 +
⎝ 2
+
6
+
24
⎟ X 0,045 = 0,66937
⎠
(λ / μ)n 0,045 ⎛ 2, 885 2,886 2,887 2,88 8 ⎞

8 8
2, 88n
∑
n=5
s! s (n − 4)
p0 =∑n=5
4(8 − 4)
X
4!
=⎜
⎝ 4
+
4 2
+
4 3
+
4 4 ⎟ X 0,001875 =
⎠
= 0,24256
En una sola pista (servidor), una distribución de servicios general (G),

conociendo la tasa media de servicios μ y la desviación estándar de los
servicios σ , un modelo M/G/1
Con condición de operación FIR, las llegadas aleatorias a la pista son de 24 a la hora,
mientras que el tiempo de servicio definido por separación de llegadas es de 120
segundos con una desviación estándar de 20 segundos.

Tasa de llegadas λ = 24 aviones/hora
1
Tiempo medio entre llegadas consecutivas =
λ
1
Tiempo medio de servicio =
μ
1 120 1
= = → Tasa de servicio μ = 30 aviones/hora
μ 60 x 60 30
20 1
σ = 20 segundos = = horas
60 x 60 180
En la práctica, con control radar, cuando la población de aviones es homogénea se

espera un valor bajo de la desviación estándar (30‐40 segundos), con una población de
aviones no homogénea el valor de la desviación estándar es ≥ 60 segundos.
λ 24
Factor de utilización: ρ = = = 0, 8
μ 30
En la práctica cuando el factor de utilización ρ se aproxima a 0,85 es necesario

aumentar la capacidad del sistema.
λ 2σ 2 + ρ2 242 (1 / 180)2 + 0, 82
Número de aviones en cola L q = = = 1,644
2(1 − ρ) 2(1 − 0,8)
λ
Número medio de aviones en sistema L s = L q + = 1,644 + 0,8 = 2, 444
μ
Número medio de aviones en servicio L = L q + L s = 1,644 + 2, 444 ≈ 4
L q 1,644
Tiempo medio de aviones en cola Wq = = = 0,0685 horas = 4,11 minutos
λ 24
L q λ ⎡⎣ σ + (1 / μ) ⎤⎦ 24 ⎡⎣(1 / 180) + (1 / 30) ⎤⎦

2 2 2 2
Wq = = = = 4,11 minutos
λ 2 [1 − (λ / μ)] 2 [1 − (24 / 30)]
L s 2, 444
Tiempo medio aviones en sistema Ws = = x (60) = 6,11 minutos
λ 24

Las llegadas aleatorias de pasajeros‐hora a la pista (demanda λ ) y la
capacidad terminal (μ) son:
⎧1500 0 < t < 1 hora ⎧1000 t ≤ 2 horas
λ=⎨ μ=⎨
⎩ 500 t > 1 hora ⎩1500 t > 2 horas
λ
El factor de utilización ρ = > 1 , la demanda es mayor que la capacidad, por lo que es
μ
necesario utilizar un modelo determinístico de teoría de colas.
t
Estado de la cola: L t = ∫ (λ t − μ t ) dt
0
En la práctica, L t = L t − 1 + (λ t − μ t ) Δt
se estima con facilidad en una hoja de
cálculo.
L t ≡ número de unidades en la cola en un instante t
λ t ≡ función de demanda (entidades por unidad de tiempo)
μ t ≡ capacidad del sistema (entidades por unidad de tiempo)
Utilizando una hoja de cálculo (Excel) se tiene:

t (horas) Lt λt μt λ t − μt Δt
0,0 0 1500 1000 500 100
0,2 100 1500 1000 500 100
0,4 200 1500 1000 500 100
0,6 300 1500 1000 500 100
0,8 400 1500 1000 500 100
1,0 500 500 1000 −500 −100
1,2 400 500 1000 −500 −100
1,4 300 500 1000 −500 −100
Con un gráfico de flujos acumulados del estado de la cola L t y tiempo de espera Wt se

observa:
Longitud cola:
L t = distancia vertical (líneas de demanda, capacidad acumuladas)
Tiempo espera:
Wt = distancia horizontal (líneas de demanda, capacidad acumuladas)
Estado de la cola: L t = 1500 − 1000 = 500 en t = 1 hora
Demora total Td
Td = Área comprendida entre las líneas de demanda y capacidad acumuladas

Td = 2 x (0,5 x 500) = 500 pasajeros/hora
Td
Tiempo promedio de espera (demora) Wq = Nd ≡ número pasajeros afectados
Nd
Td 500
Wq = = = 0,25 horas = 15 minutos
Nd 2000
Td
Promedio de pasajeros en cola: L q = t d ≡ tiempo duración de la cola
td
Td 500
Promedio pasajeros en cola L q = = = 250 pasajeros
td 2

SERIES Y REDES DE COLAS
Series y Redes de Colas

Sistema de Colas Tándem
Redes de Jackson abiertas y cerradas
SERIES Y REDES DE COLAS
Una Red de Colas es un conjunto de nodos interconectados por medio de caminos.

Cada uno de estos nodos está formado por un sistema de colas con unos o más
servidores.
Estas colas están conectadas con líneas que operan de forma asíncrona y concurrente,
es decir, no hay sincronismo entre entradas y salidas, y actúan simultáneamente.
Las Colas pueden estar conectadas entre ellas en serie o en tándem, donde el tráfico
saliente de una cola es el tráfico entrante de la siguiente. También pueden aparecer
bifurcaciones y fusiones de tráfico donde se divide el flujo de tráfico o se unen diversos
flujos de tráfico.
Ejemplos de Redes de Colas son redes de ordenadores, líneas de producción en una
fábrica, tráfico de vehículos en una ciudad.
ASESORÍA EMPRESARIAL COMO RED DE COLAS: Los clientes llegan y esperan a ser
atendidos por el servicio de recepción, desde allí son derivados al servicio solicitado
(contable, fiscal, etc.), allí esperan la cola correspondiente y una vez que son
atendidos, tienen que hacer cola en un servicio de gestión de cobros.
Para decidir a qué cola se dirige un cliente que acaba de salir de una cola hay dos tipos
de criterios:
Probabilístico: Se elige una ruta u otra en función de una probabilidad, pudiendo
haber distintos tipos de clientes con distintas probabilidades.
Determinista: Cada clase de cliente se dirige a una cola fija.
La teoría de Redes de Colas contempla dos modelos:
a) Redes cerradas: No entran nuevos clientes y los clientes existentes nunca salen,
esto es, el número de clientes es constante en el tiempo, como puede ser la reparación
de máquinas.
b) Redes abiertas: Los clientes pueden entrar y salir del sistema. Es decir, cada flujo
entra en el sistema por un punto en un momento dado y, después de pasar por unas o
más colas, sale del sistema.
Considerando el número de unidades constante, pueden ser:
Acíclicas: Un cliente nunca puede volver a la misma cola.
Cíclicas: Cuando hay bucles en la red.
Portal Estadística Aplicada: SERIES Y REDES DE COLAS 177

SISTEMA DE COLAS TÁNDEM
También denominado sistema secuencial o en serie.

En un sistema de colas tándem un cliente debe visitar diversos servidores antes de
completar el servicio requerido. Se utiliza para casos en los que el cliente llega de acuedo
al proceso de Poisson y el tiempo de atención se distribuye exponencialmente en cada
estación. El cliente va pasando por distintos nodos (subsistemas) en serie, donde cada
nodo responde un determinado tipo de cola.
En cada nodo (subsistema) se calclan las medidas de rendimiento que correspondan.

Las medidas de rendimiento del sistema tándem es la suma de las medidas de
rendimiento obtenidas en cada nodo.
TEOREMA DE BURKE: La salida de una cola del tipo M / M / 1 , M / M / s , M / M / ∞ , con
una tasa de llegadas λ , es un proceso de Poisson con tasa λ .
En cualquier instante de tiempo t, el número de unidades que hay en el sistema es
independiente de las salidas que ha habido antes de este instante. Se puede decir que el
sistema es reversible.
Según el teorema de Burke, para un sistema de colas M / M / s / ∞ si la capacidad de las
colas es infinita, se puede estudiar cada una de ellas por separado.
Por lo tanto, la serie estará formada por k colas independientes.
La probabilidad de que en un instante haya n1 unidades en la cola 1, n2 unidades en la
cola 2 ... y nk unidades en la cola k es:
k
p(n) = ∑ p (n )
i=1
i i

RED DE DOS NODOS (SUBSISTEMAS) EN SERIE O EN TÁNDEM: Se considera que los
clientes llegan según un proceso de Poisson de parámetro λ , y pasan sucesivamente
por dos colas en serie, respectivamente, con tasas de servicio μ1 y μ2
♦ El número de clientes de cada uno de los servidores es independiente del otro.

♦ Los tiempos de espera de un cliente en cada cola no son independientes.
♦ Los tiempos totales de espera (cola + servicio) son independientes.
El estado del sistema es un par (n, m) con n clientes en el nodo 1 y m clientes en el

nodo 2.
Las ecuaciones del balance o de equilibrio (tasa de entrada debe de ser igual a la de
salida), n > 0, m > 0 , son:
Estado Tasa entrada = Tasa salida

(0, 0) μ2 r0,1 = λ r0, 0
(n, 0) λ rn − 1, 0 + μ2 rn, 1 = (λ + μ1 ) rn, 0
(0, m) μ1 r1, m − 1 + μ2 r0, m + 1 = (λ + μ2 ) r0, m
(n, m) λ rn − 1, m + μ1 rn + 1, m − 1 + μ2 rn, m + 1 = (λ + μ1 + μ 2 ) rn, m
⎧⎪ rn, 0 ≡ probabilidad de n clientes en el nodo 1

con ∑ n, m
r = 1 . Sea ⎨
⎪⎩r0, m ≡ probabilidad de m clientes en el nodo 2
n, m
El nodo 1 es un modelo de cola M / M / 1 y , por el teorema de Burke, el nodo 2

también es un modelo de cola M / M / 1 . En consecuencia,
n m
⎛ λ ⎞ ⎛ λ ⎞ ⎛ λ ⎞ ⎛ λ ⎞
rn, 0 = ⎜ ⎟ ⎜1 − ⎟ r0, m = ⎜ ⎟ ⎜ 1 − ⎟
⎝ μ1 ⎠ ⎝ μ1 ⎠ ⎝ μ2 ⎠ ⎝ μ2 ⎠
Si los clientes en los nodos 1 y 2 son variables aleatorias independientes se verifica que
rn, m = rn, 0 . r0, m , propiedad que verifica las ecuaciones de equilibrio.
En consecuencia, rn, m = rn, 0 . r0, m es la solución estacionaria y el número de clientes

en el nodo 1 es independiente del número de clientes en el nodo 2, lo que no implica
que los tiempos de espera de un cliente en las dos colas sean independientes.
Sin embargo, los tiempos totales de espera (cola + servicio) son independientes.

Número medio de clientes en la red en tándem (serie o secuencial):
λ λ 2
λ
L red = ∑ (n + m) rn, m = ∑ n rn, 0 + ∑ m r0, m = + = ∑ μi − λ
n, m n m μ 1 − λ μ 2 − λ i =1
2
1
Tiempo medio de clientes sistema en tándem: Wsistema en red = ∑ (μi − λ)
i =1
2
λ2 2
ρi2
Número medio de clientes colas en tándem: L cola en red = ∑ μi (μi − λ) = ∑
i =1 i = 1 (1 − ρi )
2
λ
Tiempo medio de clientes colas en tándem: Wcola en red = ∑ μi (μi − λ)
i =1
L red
Tiempo medio de cliente en la red: Wred = L red = L cola en red + (ρ1 + ρ2 )
λ
⎛ 1 1 ⎞ L cola en red
Tiempo medio de cliente en cola: c Wq = Wred − ⎜ + ⎟ Wq =
⎝ μ1 μ2 ⎠ λ
e

Un autoservicio dispone de tres empleados, un camarero sirve el primer plato, el
segundo camarero sirve el segundo plato y el tercero se encarga de la caja.
Los dos primeros camareros disponen de suficiente espacio para atender a clientes sin
limitación, mientras que el tercer camarero tiene una longitud máxima de cola de dos
personas. El autoservicio, modelado como red, muestra que la tasa media de llegada a
la hora de la comida es de 54 clientes/hora, el pimer camarero tiene un tiempo medio
de servicio de un minuto y el segundo camarero de treinta segundos. Se solicita:
a) Valor máximo del tiempo de servicio del tercer camarero para que su trabajo no
interrumpa al de sus compañeros.
b) Longitud de las colas que forman el sistema.
c) Tiempo medio que un cliente pasa en el autoservicio desde que llega hasta que sale
dispuesto para comer.
Solución:
Es un modelo de red de colas en tándem, con tres nodos (subsistemas), cada uno un
modelo de cola M / M / 1 .
54
a) λ = 54 clientes/hora = = 0,9 clientes/minuto λ = λ1 = λ2 = λ 3
60
λ2 ρi2
Número máximo de clientes en cada nodo: L qi = =
μi (μi − λ ) (1 − ρi )
ρ23
L q3 = = 2 → ρ23 + 2 ρ3 − 2 = 0 ⇒ ρ3 = 0,732 ρ3 = −2,732
(1 − ρ3 )
0,9 0,9
Intensidad de tráfico nodo 3: ρ3 = ⇒ μ3 = = 1,2295 minutos
μ3 0,732
1 1
Ws3 = = = 3,0349 minutos
μi − λ 1,2295 − 0,9
ρ2i 3
b) Número medio clientes en nodos: L cola en red = ∑ = L q1 + L q2 + L q3
i=1 (1 − ρ i )
1
= 1 minuto → μ1 = 1 minuto
μ1
1 30
= 30 segundos = = 0,5 minutos → μ2 = 2 minutos
μ2 60

λ 0,9 λ 0,9
ρ1 = = = 0,9 ρ2 = = = 0,45
μ1 1 μ2 2
ρ12 0,92 ρ22 0,452
L q1 = = = 8,1 clientes L q2 = = = 0,3682 clientes
(1 − ρ1 ) 1 − 0,9 (1 − ρ2 ) 1 − 0,45
ρ2i
3
L cola en red = ∑ = L q1 + L q2 + L q3 = 8,1 + 0,3682 + 2 = 10,4682 clientes
i=1 (1 − ρ i )
L =L + (ρ + ρ + ρ ) = 10,4682 + (0,9 + 0,45 + 0,732) = 12,5496
red cola en red 1 2 3
3
λ 0,9 0,9 0.9
O bien, L red = ∑ = + + = 12,5496
i = 1 μi − λ 1 − 0,9 2 − 0,9 1,2295 − 0,9
3
∑
1 1 1 1
c) Wred = = + + = 13,9441 minutos
i =1
μi − λ 1 − 0,9 2 − 0,9 1,2295 − 0,9
L red 12,5496
Wred = = = 13,9441 minutos
λ 0,9

Una empresa de ITV en una localidad dispone de una superficie que consta de tres
partes: Una caseta donde los clientes entregan la documentación del vehículo y
realizan el pago de tasas. Una nave formada por dos circuitos (equipamiento y
personal técnico) para revisar los vehículos, con una tasa de servicio medio de 45
clientes /hora. Una oficina con dos puestos donde los conductores recogen la
documentación y la ficha de la inspección técnica.
Acude a la nave una media de 57 clientes/hora, un mayor número de vehículos
colapsaría el trabajo de la caseta, cuyo empleado atiende a un ritmo medio de 1
cliente/minuto; mientras que un oficinista tarda una media de 2 minutos/cliente.
Las llegadas siguen una Poisson y el tiempo de servicio exponencialmente. Se pide:
a) Longitud media de la cola de vehículos que habiendo pagado las tasas se
encuentran esperando a la entrada de la nave.
b) Tiempo medio que un cliente pasa en la oficina.
c) Tiempo medio que un cliente se encuentra en la ITV
d) Para agilizar el proceso la empresa estudia la posibilidad de ampliar el número de
servidores en la caseta o en la oficina. Suponiendo que el coste de ampliación en uno u
otro lugar fuera equivalente, ¿qué criterio sería más acertado para que el tiempo de
servicio del sistema fuera menor?
Solución:
a) La empresa de ITV se puede modelizar como una red de colas en tándem con tres
nodos (subsistemas), el nodo 1 un modelo de cola M / M / 1 y los nodos 2 y 3 un
modelo de cola M / M / 2
a) λ = λ 1 = λ 2 = λ 3 = 57 clientes/h = 0,95 clientes/minuto

μ2 = 45 clientes/h = 0,75 clientes/minuto s2 = 2 servidores
s
1 ⎛ λ2 ⎞ ρ2
2
Número promedio de clientes en cola 2: L q2 = ⎜ ⎟ p 02
s2 ! ⎝ μ2 ⎠ (1 − ρ2 )2
λ2 0,95
Factor de utilización o intensidad tráfico: ρ2 = = = 0,633 < 1 con lo
s2 . μ2 2 . 0,75
que el nodo 2 (subsistema) no se satura, existe un estado estacionario.

λ 2 0,95
Utilización promedio del nodo 2 (subsistema): us2 = = = 1,267
μ2 0,75
Probabilidad de que ningún cliente se encuentre en la cola 2:
1 1
p 02 = s2 − 1
= 1
=
(λ 2 / μ 2 ) (λ 2 / μ 2 ) ⎛ s 2 . μ 2 ⎞
n s
(1,267) (1,267) ⎛
n 2
⎞
∑ ∑
2 . 0,75
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s2 ! ⎝ s2 . μ2 − λ 2 ⎠ n=0
n! 2 ⎝ 2 . 0,75 − 0,95 ⎠
1
= = 0,224
1 + 1,267 + 2,189
1 0,633
Por tanto, L q2 = 2
x 1,267 x x 0,224 = 0,845 clientes
2 (1 − 0,633)2
λ2
Número promedio de clientes en el nodo 2 (cola + servicio): L s2 = L q2 +
μ2
λ2 0,95
L s2 = L q2 + = 0,845 + = 2,112 clientes
μ2 0,75
L s3
b) Tiempo medio en el sistema de la oficina (cola + servicio): Ws3 =
λ3
1
= 2 minutos/cliente → μ 3 = 0,5 cliente/minuto s 3 = 2 servidores
μ3
λ3 0,95
Factor de utilización o intensidad tráfico oficina: ρ3 = = = 0,95 < 1 con lo
s 3 . μ 3 2 . 0,5
que la oficina (subsistema) no se satura, existe un estado estacionario.
λ 3 0,95
Utilización promedio de la oficina: us3 = = = 1,9
μ3 0,5
Probabilidad de que ningún cliente se encuentre en la cola de la oficina:
1 1
p 03 = 1 = = 0,026
(1,9) (1,9) ⎛
n 2
⎞ 1 + 1,9 + 36,1
∑
2 . 0,5
+ ⎜ ⎟
n=0
n! 2 ⎝ 2 . 0,5 − 0,95 ⎠
Número promedio de clientes en cola de la oficina:
s
1 ⎛ λ3 ⎞ ρ3
3
1 0,95
L q3 = ⎜ ⎟ p 03 = x 1,92 x x 0,026 = 17,833 clientes
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2
2 (1 − 0,95)2
Número promedio de clientes en el sistema de la oficina:

λ 0,95
L s3 = L q3 + 3 = 17,833 + = 19,733 clientes
μ3 0,5

L s3 19,733
Tiempo medio en el sistema de la oficina: Ws3 = = = 20,771 minutos
λ3 0,95
c) El tiempo medio de un cliente en la ITV es la suma de los tiempos medios en los tres
3
nodos (subsistemas): Wred = ∑ Ws i
i=1
Nodo 1: λ 1 = 0,95 μ1 = 1 cliente/minuto s1 = 1 servidor

Tiempo promedio de estancia en nodo 1 (cola + servicio):
1 1
Ws1 = = = 20 minutos
μ1 − λ 1 1 − 0,95
λ 1 0,95
Intensidad tráfico de la caseta: ρ1 = = = 0,95 < 1
μ1 1
El factor de utilización ρ es mayor que 0,85, es necesario aumentar la
capacidad del nodo 1 (número servidores).
L s2 2,112
Nodo 2: Ws2 = = = 2,223 minutos
λ2 0,95
3
Wred = ∑ Ws i = 20 + 2,223 + 20,771 = 43 minutos
i=1
d)
Atendiendo a la intensidad del tráfico, al ser mayor que 0,85, habría que aumentar la
capacidad de los subsistemas (nodos) 1 y 3, es decir, habría que añadir servidores.
El nodo 1 pasa de ser un modelo de cola M / M / 2 y el nodo 3 a un modelo de cola
M/M/3
Nodo 1:
λ 1 0,95
Utilización promedio de la caseta: us1 = = = 0,95
μ1 1

λ1 0,95
Intensidad del tráfico de la caseta: ρ1 = = = 0,475
s1 . μ 1 2 . 1
Probabilidad de que ningún cliente se encuentre en la caseta:
1 1
p 01 = s − 1 = 1 =
1
(λ 1 / μ1 )n (λ 1 / μ1 )s ⎛ s1 . μ1 ⎞ 0,95n 0,952 ⎛ ⎞
∑ ∑
2
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s 1 ! s .
⎝ 1 1 μ − λ 1 ⎠ n=0
n! 2 ⎝ 2 − 0,95 ⎠
1
= = 0,356
1 + 0,95 + 0,859
Número promedio de clientes en la caseta:
s
1 ⎛ λ1 ⎞ ρ1
1
1 0,475
L q1 = ⎜ ⎟ p 01 = x 0,952 x x 0,356 = 0,2768
s1 ! ⎝ μ1 ⎠ (1 − ρ1 )2
2 (1 − 0,475)2
Número promedio de clientes en el sistema de la caseta:

λ
L s1 = L q1 + 1 = 0,2768 + 0,95 = 1,2268 clientes
μ1
L 1,2268
Tiempo promedio de estancia en sistema caseta: Ws1 = s1 = = 1,2914 minutos
λ1 0,95
Tiempo ganado de respuesta en caseta: 20 − 1,2914 = 18,7086 minutos
Nodo 3:
λ 3 0,95
Utilización promedio de la oficina: us3 = = = 1,9
μ3 0,5
λ3 0,95
Intensidad del tráfico de la oficina: ρ3 = = = 0,633
s 3 . μ 3 3 . 0,5
Probabilidad de que ningún cliente se encuentre en la oficina:
1 1
p 03 = s − 1 = 2 =
3
(λ 3 / μ 3 )n (λ 3 / μ 3 )s ⎛ s 3 . μ 3 ⎞ 1,9n 1,93 ⎛ ⎞
∑ ∑
3 x 0,5
+ ⎜ ⎟ + ⎜ ⎟
n=0
n! s 3 ! s .
⎝ 3 3 μ − λ 3 ⎠ n=0
n! 6 ⎝ 3 x 0,5 − 0,95 ⎠
1
= = 0,1278
1,92
1 + 1,9 + + 3,1177
2
Número promedio de clientes en la oficina:
s
1 ⎛ λ3 ⎞ ρ3
3
1 0,633
L q3 = ⎜ ⎟ p 03 = x 1,93 x x 0,1278 = 0,6866
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2
6 (1 − 0,633)2

Número promedio de clientes en el sistema de la oficina:
λ
L s3 = L q3 + 3 = 0,6866 + 1,9 = 2,5866 clientes
μ3
Tiempo promedio de estancia en el sistema de la oficina (cola + servicio):

L 2,5866
Ws3 = s3 = = 2,7227 minutos
λ3 0,95
Tiempo ganado de respuesta en oficina: 20,771 − 2,7227 = 18,0483 minutos
Instalando dos servidores nuevos, el tiempo promedio en pasar la inspección:

3
Wred = ∑ Wsi = 1,291 + 2,223 + 20,771 = 24,285 minutos
i=1

REDES DE JACKSON ABIERTAS
Son redes con k nodos que contemplan la posibilidad de entrada de clientes desde el
exterior.
Las redes abiertas verifican tres propiedades:
a) La llegada de clientes al nodo i desde fuera del sistema sigue un proceso de Poisson de
parámetro o tasa λ i . También pueden llegar clientes al nodo i desde otros nodos de
dentro de la red.
b) Cada nodo i consiste en si servidores, cada uno con tiempo de servicio exponencial de
parámetro μi
c) El cliente una vez servido en el

nodo i pasa (instantáneamente)
al nodo j j = 1, 2, ... , k con
probabilidad ri j o abandona la
red con probabilidad ri0
∗ CÍCLICA: Cuando hay bucles,

un cliente puede volver a la
misma cola.
∗ ACÍCLICA: Un cliente no
puede volver a la misma cola.
SUPUESTOS CONSIDERADOS
∗ Capacidad infinita en los nodos.
∗ Efecto Bloqueo: Si un cliente ha finalizado su servicio en el nodo i y se dirige a un
nodo j que está al máximo de su capacidad.
El sistema se bloquea con tres posbilidades:
(a) Las llegadas al nodo i se rechazan.
(b) El cliente debe ir inmediatamente a otro nodo en su lugar.
(c) El cliente debe abandonar el sistema.

ECUACIONES DE TRÁFICO O ECUACIONES DE EQUILIBRIO:
Se obtienen con el principio de que el flujo total de entrada a un nodo i (i = 1, 2, ... , k)
debe ser igual al flujo total de salida del nodo.
k
Λi = λi + ∑Λ r
j=1
j ji
⎛ Llegadas nodo i ⎞ ⎛ Llegadas nodo i ⎞ ⎛ Llegadas nodo i ⎞

⎜ fuera y dentro sistema ⎟ = ⎜ desde fuera del sistema ⎟ + ⎜ desde dentro del sistema ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Las ecuaciones de los Λ i son intuitivas:
Λ i ≡ Tasa de llegadas al nodo i desde fuera y dentro del sistema
λ i ≡ Tasa de llegadas al nodo i desde fuera del sistema
Λ j rji ≡ Tasa de llegada al nodo i que salen del nodo j
Las k ecuaciones anteriores forman un sistema lineal con solución única, que se resuelve
para hallar las tasas de llegada a cada nodo Λ i
Las k ecuaciones anteriores forman un sistema lineal con solución única, que se resuelve
para hallar las tasas de llegada a cada nodo Λ i
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 rk1 ⎞ ⎛ Λ1 ⎞

⎜ Λ ⎟ ⎜ λ ⎟ ⎜r rk2 ⎟⎟ ⎜Λ ⎟
12 r22
En forma matricial: ⎜ ⎟ = ⎜ ⎟ + ⎜ ⎜ 2⎟
2 2
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ k ⎠ ⎝ λ k ⎠ ⎝ r1k r2k rkk ⎠ ⎝ Λk ⎠
La solución Λ = λ + Λ r → Λ = (I − r) −1 λ proporciona las tasas totales de llegada a
cada subsistema (venga de fuera o de otro nodo).
El teorema de Jackson indica que las redes con realimentación son tales que los nodos se
comportan como si fueran alimentados totalmente por llegadas de Poisson, aunque en
realidad no sea así.
Las probabilidades estacionarias en cada nodo son las de un modelo M / M / s , incluso
aunque el modelo no sea un modelo M / M / s . Los estados ni de los nodos individuales
son variables aleatorias independientes.
Para que ninguna de las colas del sistema se sature, es preciso que se cumpla:
Λ
ρi = i < 1 ∀ i = 1, 2, ... , k
si μi
Condición de no saturación del modelo M / M / s aplicada a cada uno de los nodos por
separado.

La probabilidad de que en el estado estacionario haya n1 clientes en el nodo 1 , n2
clientes en el nodo 2 , ... ,
k
rini Λi ⎧⎪ ni ! ni < si
∏
p 0i
pn1 n2 ... nr = p0i ri = a(ni ) = ⎨ (n − s ) =1
ai (ni ) μi ⎪⎩ si i i si ni ≥ si
k
rini
i=1
∑ a (n
i=1 i i
)
p 0i
Sí si = 1 ∀ i = 1, 2, ... , k pn1 n2 ... nk = (1 − ρ1 ) ρ1n1 (1 − ρ2 ) ρn22 ... (1 − ρk ) ρknk
MEDIDAS DE RENDIMIENTO
Las medidas de rendimiento para cada nodo se calculan según las ecuaciones del modelo
M / M / s , teniendo las siguientes consideraciones:
k
• Distribución del número de clientes en cada nodo: p (n) = ∏ pi (ni ) ∀ n1 , … , nk ≥ 0
i=1
pi (ni ) ≡ probabilidad de que haya ni clientes en el nodo i
k
• λ red = ∑ λ i ≡ Número de llegadas que entran en la red por unidad de tiempo
i=1
desde fuera del sistema.

• Λ red ≡ Tasa global de salidas del sistema, número promedio de clientes que salen del
sistema por unidad de tiempo, que coincide con el número de clientes que
k
entran desde dentro sistema: Λ red = ∑ Λ i
i=1
• L red ≡ Número medio de clientes en el sistema (cola + servicio), suma del número
k
medio de clientes en cada uno de los nodos: L red = ∑L
i=1
si
• Wred ≡ Tiempo medio en el sistema, tiempo medio que un cliente pasa desde que
L
entra en la red hasta que sale de ella: Wred = red
Λ red
• Vi ≡ Número medio de clientes que visitan el nodo i desde que entran en la red hasta
Λ
que salen: Vi = i ∀ i = 1, 2, ... , k
Λ red
El hecho de que los nodos se comporten como si fueran modelo M / M / s podría
interpretarse que se puede utilizar las distribuciones de los tiempos de espera de estos
modelos. Sin embargo, esto no es necesariamente cierto en las redes de Jackson, donde
se permite la realimentación

MEDIDAS DE RENDIMIENTO EN NODOS CON COLA M / M / 1
Λi
Factor de saturación nodo i: ρi = <1 i = 1, 2, ... ,
μi
Λ 2i
Número medio de clientes en cola (nodo i): L qi =
μi (μi − Λ i )
ρi Λi
Número medio de clientes en el sistema (nodo i): L si = =
1 − ρi μ i − Λ i
L qi Λi ⎛ 1⎞
Tiempo medio espera en cola de nodo i: Wqi = = ⎜ Wsi = Wqi + ⎟
Λi μi (μi − Λ i ) ⎝ μi ⎠
L si 1
Tiempo medio de espera en cada nodo (subsistema): Wsi = =
Λi μi − Λ i
MEDIDAS DE RENDIMIENTO EN NODOS CON COLA M / M / s

Factor de saturación nodo i:
Λi ⎧ λ i ≡ Tasa de llegadas de procesos al nodo i
ρi = ⎨
si μi ⎩ Λ i ≡ Tasa de procesos que salen del nodo i (Tasas totales llegadas)
Λi
Utilización promedio del nodo i: usi =
μi
Probabilidad que ningún cliente se encuentre en el sistema de cola nodo i:
1
p 0i = s − 1 si
(Λ i / μi )n 1 ⎛ Λi ⎞
∑
i
1
+ ⎜ ⎟
n=0
n! s i ! ⎝ μ i ⎠ 1 − ρi
s
1 ⎛ Λi ⎞ ρi
i
Número medio de clientes en cola del nodo i: L qi = ⎜ ⎟ p 0i
si ! ⎝ μi ⎠ (1 − ρi )2
Λi
Número medio de clientes en el sistema (nodo i): L si = L q i + L si = Λ i Wsi
μi
k
Tasa total de llegadas desde exterior: λ red = ∑ λ i
i=1
k
Tasa global de salidas del sistema: Λ red = ∑ Λ i
i =1
L red
Tiempo promedio en la red: Wred =
Λ red

Λi
Número medio de clientes que visitan un nodo: Vi = ∀ i = 1, 2, ... , k
Λ red

Los servidores de dos terminales del aeropuerto de Madrid, según una disciplina
FIFO, según un proceso de Poisson reciben respectivamente 20 y 30 procesos de
usuarios por minuto. El servidor de la primera terminal tiene capacidad para atender
una media de cien procesos por minuto, mientras que cualquiera de los dos
procesadores del servidor de la segunda terminal puede atender a veinticinco
procesos, con tiempo de procesado exponenciales.
Cuando un proceso está a punto de finalizar en el servidor de la segunda terminal crea
un nuevo proceso hijo en el servidor de la primera terminal el 25% de los casos, en
otro caso termina totalmente su ejecución.
Por otra parte, los procesos que se encuentran a punto de finalizar en el servidor de la
primera terminal crean un nuevo proceso en su servidor el 20% de los casos, en caso
contrario cuando terminan su ejecución envían otro proceso al servidor de la segunda
terminal un 10% de las veces.
Se necesita conocer:
a) El número medio de procesos en cada servidor.
b) Número medio que un proceso visita cada nodo.
c) Tiempo medio que tarda un proceso en la red.
Solución:
a) Es una red de Jackson cíclica abierta con K = 2 nodos.
Nodo 1 con un servidor s1 = 1
Nodo 2 con dos servidores s2 = 2
Tasas de llegada y servicio (procesos/ minuto)

desde fuera del sistema son:
λ 1 = 20 λ 2 = 30 μ1 = 100 μ2 = 25
2
Ecuaciones de tráfico o ecuaciones de equilibrio: Λ i = λ i + ∑Λ r
j=1
j ji
Λ i ≡ Tasa de llegadas de procesos al nodo i desde fuera y dentro del sistema

λ i ≡ Tasa de llegadas de procesos al nodo i desde fuera del sistema
Λ j ≡ Tasa de procesos que salen del nodo j
Λ j rji ≡ Tasa de procesos que llegan al nodo i desde el nodo j
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 ⎞ ⎛ Λ 1 ⎞
En forma matricial: ⎜ ⎟ = ⎜ ⎟ + ⎜ ⎟⎜ ⎟
⎝ Λ 2 ⎠ ⎝ λ 2 ⎠ ⎝ r12 r22 ⎠ ⎝ Λ 2 ⎠

1 2
Probabilidades de transición: 1 ⎛ 0,2 0,1 ⎞ ⎛ 0,2 0,25 ⎞
ri j = ⎜ → t
= =
2 ⎝ 0,25 0 ⎟⎠ ⎜ 0,1 0 ⎟⎠
(rij ) rji
⎝
Las ecuaciones de los Λ i son intuitivas
⎛ Λ 1 ⎞ ⎛ 20 ⎞ ⎛ 0,2 0,25 ⎞ ⎛ Λ 1 ⎞
⎜ Λ ⎟ = ⎜ 30 ⎟ + ⎜ 0,1 0 ⎟⎠ ⎜⎝ Λ 2 ⎟⎠
⎝ 2⎠ ⎝ ⎠ ⎝
⎧ Λ 1 = 20 + 0,2 . Λ 1 + 0,25 . Λ 2
⎨
⎩ Λ 2 = 30 + 0,1 . Λ 1
Λ 1 = 35,484 Λ 2 = 33,548
2
λ red = ∑ λ i = 20 + 30 = 50
i=1
En cada nodo el flujo de entrada debe ser igual al flujo de salida.

La tasa global de salidas del sistema coincide con el número de procesos que entran en el
sistema:
2
Λ red = ∑ Λ i = 35,484 + 33,548 = 69,032
i =1
Condición de no saturación aplicada a cada uno de los nodos por separado es

Λi
ρi = ρi < 1 ∀ i = 1, 2, ... Λ i ≡ Tasa total de procesos que llegan al nodo i
si μi
35,484
Nodo 1: ρ1 = = 0,35484 < 1 s1 = 1 servidor
100. 1
33,548
Nodo 2: ρ2 = = 0,67096 < 1 s2 = 2 servidores
25. 2
En consecuencia, ambos servidores son estacionarios.
• Terminal 1: Cola tipo M / M / 1
ρ1 0,35484
Número medio de procesos en el sistema: L s1 = = = 0,55
1 − ρ1 1 − 0,35484
Tiempo promedio de estancia en el sistema:
L s1 0,55
Ws1 = = = 0,0155 minutos = 0,93 segundos
Λ 1 35,484

• Terminal 2: Cola tipo M / M / 2
Probabilidad que ningún proceso se encuentre en el sistema de cola:
1 1
p 02 = s2
= 2
=
1
(Λ 2 / μ2 )n
1 ⎛ Λ2 ⎞ 33,548 1 ⎛ 33,548 ⎞ ⎛ 1 ⎞
∑
1 1+ + .⎜
+ ⎜ ⎟ ⎟ .⎜ ⎟
n=0
n! s 2 ! ⎝ μ 2 ⎠ 1 − ρ2 25 2 ⎝ 25 ⎠ ⎝ 1 − 0,67096 ⎠
= 0,1969167
Número medio de procesos en cola de la terminal:
s 2
1 ⎛ Λ2 ⎞ ρ2
2
1 ⎛ 33,548 ⎞ 0,67096
L q2 = ⎜ ⎟ p 02 = x ⎜ ⎟ x x 0,1969167 = 1,0988
s2 ! ⎝ μ2 ⎠ (1 − ρ2 )2
2! ⎝ 25 ⎠ (1 − 0,67096)2
Número medio de procesos en el sistema (cola + servicio):

Λ2 33,548
L s2 = L q2 + = 1,0988 + = 2,44072
μ2 25
2
Número medio de procesos en la red: L red = ∑ L = 0,55 + 2,44072 = 2,9907
i=1
i
b) Número medio que un proceso visita cada nodo, desde que entra hasta que sale de red:
Λ1 35,484
V1 = = = 0,514 veces/minuto
Λ red 69,032
Λ2 33,548
V2 = = = 0,486 veces/minuto
Λ red 69,032
c) Tiempo medio de un proceso en la red (desde que entra hasta que sale):
L red 2,9907
Wred = = = 0,04332 minutos = 3 segundos
Λ red 69,032

En la red abierta de Jackson, se tienen servidores con tasa individual de servicio μi = 15
Se pide:
a) Número mínimo de servidores en cada nodo para que la red sea estacionaria.
b) Demoras medias en las colas de la red.
Solución:
a) En cada nodo el flujo de entrada debe ser igual al flujo de salida
⎧ λ 1 = 20 λ 2 = 10 λ 3 = 0
Datos del esquema son: ⎨
⎩r12 = 0,5 r13 = 0,5 r23 = 1 r33 = 0,75
Las ecuaciones de tráfico o equilibrio son intuitivas:
⎧Λ1 = λ1 ⎧ Λ 1 = 20
⎪ ⎪
⎨ Λ 2 = λ 2 + Λ 1 r12 → ⎨ Λ 2 = 10 + 20 x 0,5 = 20
⎪Λ = Λ r + Λ r + Λ r ⎪ Λ = 20 x 0,5 + 20 x 1 + Λ x 0,75 → Λ = 120
⎩ 3 1 13 2 23 33 33 ⎩ 3 3 3
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 r31 ⎞ ⎛ Λ 1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
En forma matricial: ⎜ Λ 2 ⎟ = ⎜ λ 2 ⎟ + ⎜ r12 r22 r32 ⎟ ⎜ Λ 2 ⎟
⎜ Λ ⎟ ⎜ λ ⎟ ⎜r ⎟⎜ ⎟
⎝ 3 ⎠ ⎝ 3 ⎠ ⎝ 13 r23 r33 ⎠ ⎝ Λ 3 ⎠

⎛ Λ 1 ⎞ ⎛ 20 ⎞ ⎛ 0 0 0 ⎞ ⎛ Λ1 ⎞ ⎛ Λ1 ⎞ ⎛ 20 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ Λ 2 ⎟ = ⎜ 10 ⎟ + ⎜ 0,5 0 0 ⎟ ⎜ Λ2 ⎟ → ⎜ Λ2 ⎟ = ⎜ 10 + 0,5 Λ 1 ⎟
⎜ Λ ⎟ ⎜ 0 ⎟ ⎜ 0,5 1 0,75 ⎟ ⎜ Λ ⎟ ⎜ Λ ⎟ ⎜ 0,5 Λ + Λ + 0,75 Λ ⎟
⎝ 3⎠ ⎝ ⎠ ⎝ ⎠⎝ 3⎠ ⎝ 3⎠ ⎝ 1 2 3⎠
⎧ Λ 1 = 20 Λ 2 = 10 + 0,5 x 20 = 20
⎨ → Λ 1 = 20 , Λ 2 = 20 , Λ 3 = 120
⎩ 0,5 x 20 + 20 + 0,75 Λ 3 ⇒ Λ 3 = 120
Tasas totales de llegada a cada subsistema (desde fuera o de otro nodo):
3
Λ red = ∑ Λ i = 20 + 20 + 120 = 160
i=1
Para que ninguna de las colas del sistema se sature, es preciso que se cumpla para cada
uno de los nodos por separado:
Λ
ρi = i < 1 Λ i ≡ Tasa de procesos que salen del nodo i (Tasas totales llegadas)
si μi
El número mínimo de servidores que verifiquen en cada nodo ρi < 1 :
20 20 20
Nodo 1: ρ1 = < 1 → s1 > → s1 = 2 servidores ⇒ ρ1 = = 0,667
15 s1 15 15 x 2
20 20 20
15 s2 15 15 x 2
120 120 120
15 s3 15 15 x 9
b) Nodo 1 y Nodo 2: Cola M / M / 2
Λ 1 Λ 2 20
Utilización promedio del nodo 1 o 2: us1 = us2 = = = = 1,333
μ1 μ2 15
Probabilidad que ningún cliente se encuentre en el sistema de cola de cada nodo:
1
p 0i = s − 1 si
(Λ i / μi )n 1 ⎛ Λi ⎞
∑
i
1
+ ⎜ ⎟
n=0
n! s i ! ⎝ μ i ⎠ 1 − ρi
1 1
p 01 = p 02 = 2−1
= 1
=
(20 / 15)n (20 / 15)2 ⎛ 2 x 15 ⎞ (1,333)n
∑ n!
+
2!
⎜
⎝ 2 x 15 − 20
⎟
⎠ n=0 n1 ! ∑
+ 2,665
n=0
1 1
= 1 = = 0,2
(1,333)n 1 + 1,333 + 2,665
∑
n=0
n!
+ 2,665

Número medio de clientes en cola de cada nodo:
s
1 ⎛ Λ1 ⎞ ρ1
1
1 0,667
L q1 = L q2 = ⎜ ⎟ p 01 = (1,333)2
x x 0,2 = 1,067
s1 ! ⎝ μ1 ⎠ (1 − ρ1 )2 2 (1 − 0,667)2
Tiempo medio de espera en cada cola de nodo:
L q1 1,067 L q2 1,067
Wq1 = = = 0,053 Wq2 = = = 0,053
Λ1 20 Λ2 20
Nodo 3: Cola M / M / 9
Λ 3 120
Utilización promedio del nodo 3: us3 = = =8
μ3 15
Probabilidad que ningún cliente se encuentre en el sistema de la cola del nodo 3:
1 1
p 03 = 9 − 1 s
= 9−1 =
(Λ 3 / μ3 )n3
⎛ Λ3 ⎞ n3
∑
3
∑
1 1 8 1 1
+ ⎜ ⎟ + 9
x 8 x
n3 ! s3 ! ⎝ μ 3 ⎠ 1 − ρ3 n = 0 n3 ! 9! 1 − 0,889
n3 = 0 3
1
= = 0,0002
1766,33 + 3328,81
8
8 n3
∑
n3 =0
n 3 !
= 1 + 8 + 32 + 85,33 + 170,66 + 273,06 + 364,08 + 416,10 + 416,10 = 1766,33
Número medio de clientes en cola del nodo 3:

s
1 ⎛ Λ3 ⎞ ρ3
3
1 9 0,889
L q3 = ⎜ ⎟ p 03 = x8 x x 0,0002 = 5,33
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2 9! (1 − 0,889)2
L q3 5,33
Tiempo medio de espera en la cola de nodo 3: Wq3 = = = 0,045
Λ3 120

En la red del esquema, se pide:
a) Tasas de llegada.
b) Condición de saturación y
medidas de rendimiento.
c) Tiempos promedios.
Solución:
a) En cada nodo el flujo de entrada debe ser igual al flujo de salida
⎧ λ 1 = 0,3 λ 3 = 0,7
Datos del esquema son: ⎨
⎩ r12 = 0,3 r13 = 0,7 r34 = 0,6 r35 = 0,4 r53 = 0,8
Las ecuaciones de tráfico o equilibrio son intuitivas:
Intuitivamente:
Λ1 = λ1
Λ 2 = Λ 1 r12
Λ 3 = λ 3 + Λ 1 r13 + Λ 5 r53
Λ 4 = Λ 3 r34
Λ 5 = Λ 3 r35
Λ 1 = 0,3 Λ 2 = 0,3 x 0,3 = 0,09

Λ 3 = 0,7 + 0,3 x 0,7 + Λ 5 x 0,8 = 0,91 + Λ 3 x 0,4 x 0,8 → Λ 3 = 1,338
Λ4 = Λ3 x 0,6 → Λ 4 = 1,338 x 0,6 = 0,803
Λ5 = Λ3 x 0,4 → Λ 5 = 1,338 x 0,4 = 0,535
Sistema de ecuaciones de tráfico o ecuaciones de eqilibrio en forma matricial:
⎛ Λ1 ⎞ ⎛ λ1 ⎞ ⎡r11 r21 r31 r41 r51 ⎤ ⎛ Λ 1 ⎞
⎜Λ ⎟ ⎜λ ⎟ ⎢r r r r r ⎥ ⎜Λ ⎟
⎜ 2 ⎟ ⎜ ⎟ 2 ⎢ 12 22 32 42 52 ⎥ ⎜ 2⎟
⎜ Λ 3 ⎟ = ⎜ λ 3 ⎟ + ⎢r13 r23 r33 r43 r53 ⎥ ⎜ Λ 3 ⎟
⎜ ⎟ ⎜ ⎟ ⎢ ⎥ ⎜ ⎟
⎜ Λ4 ⎟ ⎜ λ4 ⎟ ⎢r14 r24 r34 r44 r54 ⎥ ⎜ Λ 4 ⎟
⎜Λ ⎟ ⎜λ ⎟ ⎜ ⎟
⎝ 5⎠ ⎝ 5⎠ ⎣⎢r15 r25 r35 r45 r55 ⎦⎥ ⎝ Λ 5 ⎠

⎛ Λ 1 ⎞ ⎛ 0,3 ⎞ ⎡ 0 0 0 0 0 ⎤ ⎛ Λ1 ⎞ ⎛ Λ1 ⎞ ⎛ 0,3 ⎞
⎜ Λ ⎟ ⎜ 0 ⎟ ⎢ 0,3 0 0 0 0 ⎥ ⎜⎜ Λ 2 ⎟⎟ ⎜Λ ⎟ ⎜ 0,3 . Λ 1 ⎟
⎜ 2⎟ ⎜ ⎟ ⎢ ⎥ ⎜ 2⎟ ⎜ ⎟
⎜ Λ 3 ⎟ = ⎜ 0,7 ⎟ + ⎢ 0,7 0 0 0 0,8 ⎥ ⎜ Λ 3 ⎟ → ⎜ Λ 3 ⎟ = ⎜ 0,7 + 0,7 . Λ 1 + 0,8 . Λ 5 ⎟
⎜ ⎟ ⎜ ⎟ ⎢ ⎥⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ Λ4 ⎟ ⎜ 0 ⎟ ⎢ 0 0 0,6 0 0 ⎥ ⎜ Λ4 ⎟ ⎜ Λ4 ⎟ ⎜ 0,6 . Λ 3 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 5 ⎠ ⎝ 0 ⎠ ⎣⎢ 0 0 0,4 0 ⎥
0 ⎦ ⎝ Λ5 ⎠ ⎝ Λ5 ⎠ ⎝ 0,4 . Λ 3 ⎠
Sustituyendo, queda:
Λ 1 = λ 1 = 0,3 ⎧ Λ 3 = 0,7 + 0,21 + 0,32 Λ 3
⎪
Λ 2 = 0 + ( 0,3 x 0,3 ) = 0,09 ⎨ Λ 4 = 1,338 x 0,6 = 0,803 →
⎪
Λ 3 = 0,7 + ( 0,3 x 0,7 + Λ 5 x 0,8 ) ⎩ Λ 5 = 1,338 x 0,4 = 0,535
Λ 4 = 0 + ( Λ 3 x 0,6 ) Λ 1 = 0,3 Λ 2 = 0,09 Λ 3 = 1,338
→
Λ 5 = 0 + ( Λ 3 x 0,4 ) Λ 4 = 0,803 Λ 5 = 0,535
Λi
b) Para que la red no se sature en cada nodo (subsistema): ρi = <1
μi
Λ 1 0,3 Λ 2 0,09 Λ 3 1,338
ρ1 = = = 0,1 ρ2 = = = 0,03 ρ3 = = = 0,334
μ1 3 μ2 3 μ3 4
Λ 4 0,803 Λ 5 0,535
ρ4 = = = 0,268 ρ5 = = = 0,134
μ4 3 μ5 4
La red no se satura en ningún nodo, existe una distribución estacionaria.
MEDIDAS DE RENDIMIENTO: Cada nodo responde a un modelo de cola M / M / 1 .

ρi Λi
Número medio clientes en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
0,1 0,03 0,334
L s1 = = 1,1111 L s2 = = 0,0309 L s3 = = 0,5015
1 − 0,1 1 − 0,03 1 − 0,334
0,268 0,135
L s4 = = 0,3661 L s5 = = 0,1560
1 − 0,268 1 − 0,135
5
Número medio de clientes en el sistema: L red = ∑L
i=1
si = 2,1656
Li 1
Λ i μi − Λ i
1 1 1 1
Ws1 = = = 0,3704 Ws2 = = = 0,3436
μ1 − Λ 1 3 − 0,3 μ2 − Λ 2 3 − 0,09

1 1 1 1
Ws3 = = = 0,3757 Ws4 = = = 0,4552
μ 3 − Λ 3 4 − 1,338 μ 4 − Λ 4 3 − 0,803
1 1
Ws5 = = = 0,2886
μ 5 − Λ 5 4 − 0,535
5
Wred = ∑W
i=1
si = 1,8325
L qi Λi ⎛ 1⎞
Tiempo medio de espera en cola de nodo: Wq i = = ⎜ si
W = Wqi + ⎟
Λi μi (μi − Λ i ) ⎝ μi ⎠
Λ1 0,3 1 1
Wq1 = = = 0,0371 Wq1 = Ws1 − = 0,3704 − = 0,0371
μ1 (μ1 − Λ 1 ) 3(3 − 0,3) μ1 3
Λ2 0,09 1 1
Wq2 = = = 0,0103 Wq2 = Ws2 − = 0,3436 − = 0,0103
μ2 (μ2 − Λ 2 ) 3(3 − 0,09) μ2 3
Λ3 1,338 1 1
Wq3 = = = 0,1257 Wq3 = Ws3 − = 0,3757 − = 0,1257
μ 3 (μ 3 − Λ 3 ) 4 (4 − 1,338) μ3 4
Λ4 0,803 1 1
Wq4 = = = 0,1219 Wq4 = Ws 4 − = 0,4552 − = 0,1219
μ 4 (μ 4 − Λ 4 ) 3(3 − 0,803) μ4 3
Λ5 0,535 1 1
Wq5 = = = 0,0386 Wq5 = Ws5 − = 0,2886 − = 0,0386
μ 5 (μ 5 − Λ 5 ) 4 (4 − 0,535) μ5 4
5 5
⎛ 1⎞
Wred = ∑
i=1
Wsi = ∑
i=1
⎜ qi
⎝
W +
μ i
⎟ = 1,8325
⎠

El esquema presenta una red abierta con cuatro nodos, cada uno de ellos con un
procesador. Determinar:
a) Tiempo medio de trabajos que permanecen en la red.

b) Con un tiempo de servicio exponencial μ 3 = 16 calcula el número mínimo de
procesadores en el nodo 3 para que la red presente estado estacionario.
En este caso, ¿cuál sería el tiempo medio de permanencia de un trabajo en la red?
Solución:
2
a) De la gráfica se deduce: r1 • = 0,8 , r• 4 = 0,4 , r21 = 1 , λ red = ∑ λ i = 30
i=1
En cada nodo el flujo de entrada debe ser igual al flujo de salida.

λ i ≡ Tasa de llegadas al nodo i Λ i ≡ Tasa de salidas del nodo i
⎧⎪ r13 = r1 • . r• 3 = 0,8 . 0,6 = 0,48

Probabilidades de transición: ⎨
⎪⎩r14 = r1 • . r• 4 = 0,8 . 0,4 = 0,32

Las ecuaciones de equilibrio son intuitivas:
⎧ Λ1 = λ1 + Λ 2 ⎧ Λ 1 = 10 + Λ 2 ⎧ Λ 1 = 10 + Λ 2
⎪ ⎪ ⎪ Λ = 0,2 . Λ
⎪ Λ 2 = Λ 1 r12 ⎪ Λ 2 = 0,2 . Λ 1 ⎪ 2 1
⎨Λ = λ + Λ r r → ⎨ → ⎨
⎪ 3 3 1 1• • 3 ⎪ Λ 3 = 20 + 0,8 . 0,6 . Λ 1 ⎪ Λ 3 = 20 + 0,48 . Λ 1
⎪ Λ 4 = Λ 1 r1 • r• 4 ⎪⎩ Λ 4 = 0,8 . 0,4 . Λ 1 ⎪⎩ Λ 4 = 0,32 . Λ 1
⎩
de donde: Λ 1 = 12,5 Λ 2 = 2,5 Λ 3 = 26 Λ 4 = 4
4
Tasa global de salidas del sistema: Λ red = ∑ Λ i = 12,5 + 2,5 + 26 + 4 = 45
i=1
⎛ Λ 1 ⎞ ⎛ λ 1 ⎞ ⎛ r11 r21 r31 r41 ⎞ ⎛ Λ1 ⎞

⎜ Λ ⎟ ⎜ λ ⎟ ⎜r ⎟ ⎜Λ ⎟
Ecuaciones de tráfico o ecuaciones ⎜ 2 ⎟ = ⎜ 2 ⎟ + ⎜ 12 r22 r32 r42 ⎟ ⎜ 2⎟
de eqilibrio en forma matricial: ⎜ Λ 3 ⎟ ⎜ λ 3 ⎟ ⎜ r13 r23 r33 r43 ⎟ ⎜ Λ3 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ λ 4 ⎠ ⎝ r14 r24 r34 r44 ⎠ ⎝ Λ4 ⎠
⎛ Λ 1 ⎞ ⎛ 10 ⎞ ⎛ 0 1 0 0⎞ ⎛ Λ1 ⎞ ⎧ Λ 1 = 10 + Λ 2
⎜ ⎟ ⎜ ⎟ ⎜ 0 0 0 ⎟⎟ ⎜Λ ⎟ ⎪ Λ = 0,2 . Λ
⎜ Λ 2 ⎟ = ⎜ 0 ⎟ + ⎜ 0,2 ⎜ 2⎟ →
⎪ 2
⎨
1
⎜ Λ 3 ⎟ ⎜ 20 ⎟ ⎜ 0,8 . 0,6 0 0 0⎟ ⎜ Λ3 ⎟ ⎪ Λ 3 = 20 + 0,8 . 0,6 . Λ 1
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ 0 ⎠ ⎝ 0,8 . 0,4 0 0 0⎠ ⎝ Λ4 ⎠ ⎩⎪ Λ 4 = 0,8 . 0,4 . Λ 1
Λi
Para que la red no se sature en cada nodo (subsistema): ρi = <1 i = 1, 2, 3 , 4
μi
Λ 1 12,5 Λ 2,5 Λ 26 Λ 4
ρ1 = = = 0,5 ρ2 = 2 = = 0,25 ρ3 = 3 = = 0,65 ρ 4 = 4 = = 0,8
μ1 25 μ2 10 μ 3 40 μ4 5
MEDIDAS DE RENDIMIENTO: Corresponden en cada nodo a las ecuaciones del modelo

M/M/1.
4
L
∑ L si
i=1
Tiempo medio de clientes en la red: Wred = red =
Λ red 4
∑ Λi
i=1
ρi Λi
Número medio de trabajos en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
0,5 0,25 0,65 0,8
L s1 = = 1 L s2 = = 0,3333 L s3 = = 1,8571 L s4 = =4
1 − 0,5 1 − 0,25 1 − 0,65 1 − 0,8

4
Número medio de trabajos en red: L red = ∑L
i=1
si = 1 + 0,3333 + 1,8571 + 4 = 7,1904
Tiempo medio de permanencia de trabajos en la red:

L red 7,1904
Wred = = = 0,1598 unidades de tiempo
Λ red 45
b) Siendo μ 3 = 16 , el número mínimo de servidores (procesadores) para que el nodo 3

no se sature:
Λ3 26 26
ρ3 = = < 1 → s 3 = 2 servidores ⇒ ρ3 = = 0,8125
s3 . μ 3 s3 . 16 2 x 16
Medidas de Rendimiento del nodo 3 responden a un modelo de cola M / M / 2
Probabilidad que ningún trabajo se encuentre en el sistema de la cola del nodo 3:
1 1
p 03 = s−1
= =
(26 / 16) (26 / 16)2 ⎛ 2 . 16 ⎞
1
(Λ 3 / μ 3 )n (Λ 3 / μ 3 )s ⎛ s 3 μ 3 ⎞
n
∑ n!
+
s!
⎜
s
⎝ 3 3μ − Λ
⎟
3 ⎠ n=0
n!
+∑ 2!
⎜ ⎟
⎝ 2 . 16 − 26 ⎠
n=0
1 1
= 1 = = 0,103
1,625n 1,6252 1 + 1,625 + 7,041
∑
n=0
n!
+
2
. 5,333
Número medio de trabajos en cola de nodo 3:

s
1 ⎛ Λ3 ⎞
2
ρ3
3
1 ⎛ 26 ⎞ 0,8125
L q3 = ⎜ ⎟ p 03 = . ⎜ ⎟ . . 0,103 = 3,143
s3 ! ⎝ μ 3 ⎠ (1 − ρ3 )2
2 ⎝ 16 ⎠ (1 − 0,8125)2
Λ3 26
Número medio de trabajos en el sistema nodo 3: L s3 = L q3 + = 3,143 + = 4,768
μ3 16
k 4
Número medio trabajos en red: L red = ∑L = ∑L
i=1
si
i=1
si = 1 + 0,3333 + 4,768 + 4 = 10,101
L red 10,101
Tiempo medio de un trabajo en red: Wred = = = 0,022 unidades tiempo
Λ red 45

Calcular las medidas de rendimiento de la red
Solución:
5
Las ecuaciones de tráfico o equilibrio son intuitivas: Λ i = λ i + ∑Λ r
j=1
j ji
⎧ Λ 1 = λ 1 = 1,5
⎪ Λ = Λ r = 1,5 . 0,2 = 0,3
⎪ 2 1 12
⎪Λ 3 = Λ 1 r13 = 1,5 . 0,8 = 1,2 6
⎨ Λ red = ∑ Λ i = 5,2
⎪ Λ 4 = Λ 3 r34 = 1,2 . 0,6 = 0,72 i=1
⎪ Λ 6 = λ 6 = 0,5
⎪
⎩ Λ 5 = Λ 3 r35 + Λ 6 r65 = 1,2 . 0,4 + 0,5 . 1 = 0,98

Λi
Para que la red no se sature en cada nodo (subsistema): ρi = <1
μi
Λ 1 1,5 Λ 2 0,3 Λ 3 1,2
ρ1 = = = 0,75 ρ2 = = = 0,15 ρ3 = = = 0,6
μ1 2 μ2 2 μ3 2
Λ 4 0,72 Λ 5 0,98 Λ 6 0,5
ρ4 = = = 0,36 ρ5 = = = 0,49 ρ6 = = = 0,25
μ4 2 μ5 2 μ6 2
MEDIDAS DE RENDIMIENTO: Corresponden en cada nodo a las ecuaciones del modelo

M/M/1.
ρi Λi
Número medio de trabajos en el sistema (cola + servicio): L si = =
1 − ρi μ i − Λ i
ρ1 0,75 ρ2 0,15
Ls 1 = = =3 Ls 2 = = = 0,1764
1 − ρ1 1 − 0,75 1 − ρ2 1 − 0,15
ρ3 0,6 ρ4 0,36
Ls 3 = = = 1,5 Ls 4 = = = 0,5625
1 − ρ3 1 − 0,6 1 − ρ4 1 − 0,36
ρ5 0,49 ρ6 0,25
Ls 5 = = = 0,9607 Ls 6 = = = 0,3333
1 − ρ5 1 − 0,49 1 − ρ6 1 − 0,25
6
Número medio de trabajos en la red: L red = ∑L
i=1
si = 6,5329
Li 1
Λ i μi − Λ i
1 1 1 1
Ws1 = = =2 Ws2 = = = 0,5882
μ1 − Λ 1 2 − 1,5 μ2 − Λ 2 2 − 0,3
1 1 1 1
Ws3 = = = 1,25 Ws4 = = = 0,7812
μ 3 − Λ 3 2 − 1,2 μ 4 − Λ 4 2 − 0,72
1 1 1 1
Ws5 = = = 0,9803 Ws6 = = = 0,6666
μ 5 − Λ 5 2 − 0,98 μ 6 − Λ 6 2 − 0,5
1
Tiempo medio de espera en la cola de cada nodo (subsistema): Wqi = Wsi −
μi
1 1 1
Wq1 = 2 − = 1,5 Wq2 = 0,5882 − = 0,0882 Wq3 = 1,25 − = 0,75
2 2 2
1 1 1
Wq4 = 0,7812 − = 0,2812 Wq5 = 0,9803 − = 0,4803 Wq6 = 0,6666 − = 0,1666
2 2 2

Λi
Número medio de clientes que visitan un nodo: Vi = ∀ i = 1, 2, ... , 6
Λ red
Λ1 1,5 Λ2 0,3 Λ 3 1,2
V1 = = = 0,2884 V2 = = = 0,0576 V3 = = = 0,2307
Λ red 5,2 Λ red 5,2 Λ red 5,2
Λ4 0,72 Λ5 0,98 Λ6 0,5
V4 = = = 0,1384 V5 = = = 0,1884 V6 = = = 0,0961
Λ red 5,2 Λ red 5,2 Λ red 5,2

REDES DE JACKSON CERRADAS
En una red cerrada no entran ni salen calientes, el número de clientes es constante en
el tiempo.
• No es necesario que los buffer de espera sean infinitos solo que tengan capacidad
suficiente para mantener (N − 1) clientes para que no haya bloqueo.
• El cliente al finalizar el proceso en el nodo i pasa al nodo j con probabilidad ri j
• Todos los tiempos de servicio son exponenciales negativos μi y los clientes se

procesan según el orden de llegada a un nodo.
• Cada nodo i es una cola M M si
Las redes cerradas de Jackson tienen aplicaciones en el procesado de sistemas multi‐

procesadores (CPU y sistemas I/O), y el modelado de ventana deslizante.
Se consideran K nodos sin tráfico externo (λ i = 0 ∀ i) , los N clientes viajan

indefinidamente por los K procesos.
Dado que el flujo total de entrada a un nodo i (i = 1, 2, ... , k) debe ser igual al flujo
total de salida del nodo, se obtiene las denominadas ecuaciones de equilibrio:
K
Λi
Λi = ∑
j=1
Λ j rji ρi =
μi
→ Λ i = ρi . μ i
⎛ Λ 1 ⎞ ⎛ r11 r21 rk1 ⎞ ⎛ Λ1 ⎞

⎜ Λ ⎟ ⎜r rk2 ⎟⎟ ⎜Λ ⎟
( 2
⎜ ⎟ ⎜
)
En forma matricial Λ i = Λ j r : ⎜ ⎟ = ⎜
12 r22
⎟
⎜ 2⎟
⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ k ⎠ ⎝ r1k r2k rkk ⎠ ⎝ Λk ⎠
Sistema lineal indeterminado con un grado de libertad, que se resuelve para calcular
las tasas de llegada relativas a cada nodo Λ i .
Para la resolución se hace arbitrariamente una de la tasa de visitas relativa Λ i de algún

nodo igual a la unidad (por ejemplo, Λ 1 = 1).
En una red cerrada al no haber entradas ni salidas de clientes, resulta indispensable

conocer el número de clientes dentro de la red (N), que permanece constante en el
tiempo.
Por este motivo, el número medio de clientes en la red L red = N y las cantidades del
tiempo medio de espera en la red y en cada nodo carecen de sentido.

Lo importante es determinar las probabilidades de que haya ni clientes en el nodo
i‐ésimo para i = 1, ... ,k , que se denotan por pn1 , n2 , , n k .
Las probabilidades de los distintos estados de la red se calculan por medio de la

expresión:
1 k ρni
pn1 , n2 , , nk = ∏
G(N) i = 1 ai (ni )
k
ρni i ⎪⎧ n! n ≤ si
donde, G(N) = ∑ ∏ y ai (n) = ⎨ n−s
n ≥ si
n1 + + nk = N i = 1 ai (ni ) ⎪⎩ si ! si i
G(N) ≡ Constante de normalización al considerar todas las combinaciones de k que

hacen que haya N clientes en total en el sistema.
El cálculo de G(N) puede resultar costoso cuando N y k son grandes, dado que el
⎛N+ k −1⎞
número de posibles estados es ⎜ ⎟
⎝ N ⎠
JP. Buzen desarrolló un algoritmo recursivo para n = N y m = k donde se observa que
gk (N) = G(N) :
m
ρni i ⎧ n! n ≤ si
g m (n) = ∑ ∏ y ai (n) = ⎨ n − si
n ≥ si
n1 + + nm = n i = 1 ai (ni ) ⎩ si ! si
ρni
denotando f i (n) = para i = 1, ... ,k y n = 0, 1, ... ,N
ai (n)
La recurrencia de la función gm (n) se obtiene considerando que:

m n
gm (n) = ∑ ∏ f i (ni ) = ∑ fm (i) . gm − 1 (n − i)
n1 + + nm = n i = 1 i=0
Se observa que g1 (n) = f1 (n) pudiendo aplicar la ecuación de recurrencia. Por otra
parte, gm (0) = fm (0) = 1 m = 1, ... ,k
Utilizando el algortimo recursivo, la probabilidad de que haya nk clientes en el nodo k‐

ésimo:
fm (n k ) . gm − 1 (N − n k )
pm (n k ) = p• • • n k = m = 1, 2, ,k
gm (N)

n
9 Número medio de clientes en cada nodo: L m = ∑i . p
i=1
m (i) m = 1, 2, ,k
Lm
9 Tiempo medio de permanencia de un cliente en un nodo: Wm =
Λm
K
El valor calculado Λ i en las ecuaciones de equilibrio Λ i = ∑Λ r
j=1
j ji es una de las
infinitas soluciones no nulas que relaciona las tasas de entrada, no tienen porqué ser el
valor correcto de las Λ i (son valores proporcionales a los Λ i verdaderos).
La situación se resuelve imponiendo la condición de que el número medio de clientes

que entran a un nodo elegido Λ i tiene que ser igual al número medio de clientes que
salen servidos de dicho nodo.
n
Λm
Λ m = c . Λ m donde Λ m = μm . ∑
i=1
pm (i) → c =
Λm
calculada la constante 'c' se obienen las restantes Λ i − 1
Aunque el algoritmo de Buzen hace más cómodo el cálculo de G(N) sigue resultando
costoso.
Se puede utilizar un método alternativo para caraceterizar el comportamiento del

sistema sin calcular G(N) . Se demuestra que cuando llega una petición, la longitud del
buffer en el nodo i coincide con la que vería un observador externo ei en la red hubiera
un cliente menos, aplicando la ley de Little:
⎧ Wi (m) ≡ Tiempo de espera en el nodo i cuando hay m clientes

1 + L i (m − 1) ⎪
Wi (m) = ⎨ μi ≡ Tiempo de servicio (inverso) del nodo i
μi ⎪L (m − 1) ≡ Número medio de clientes en el nodo i
⎩ i
m
Rendimiento del sistema: λ m = k
∑ Wi (m) . Λ i
i=1
Longitud media de la cola: L i (m) = Λ i . λ m . Wi (m)
La aproximación de Bard‐Schweitzer estima que el número promedio de trabajos en el

nodo i es una interpolación lineal:
m
L i (m) ≈ L i (m − 1)
m−1

Este enfoque iterativo a menudo se conoce con el nombre de MVA aproximado
(AMVA) y, por lo general, es más rápido que el enfoque recursivo de MVA (Mean‐Value
Analysis).
Algoritmo MVA (Mean‐Value Analysis): Es una técnica de recurrencia para calcular

longitudes de cola esperadas, tiempo de espera en nodos de cola y rendimiento en
equilibrio para un sistema de colas separables y cerradas.
Se basa en el teorema de llegada (propiedad del observador aleatorio), que establece
que cuando en un sistema cerrado un cliente M llega a una instalación de servicio,
observa que el resto del sistema se encuentra en estado de equilibrio para un sistema
con (M − 1) clientes.
ALGORITMO MVA: MEDIDAS DE RENDIMIENTO PARA M CLIENTES EN EL SISTEMA
λ i (m) ≡ Tasa real de salidas del nodo i‐ésimo
μi ≡ Tasa individual de servicio nodo
L i (m)
Λ i (m) = i = 1, 2, ,k m = 1, 2, ,M
Wi (m)
Λ i (m) L (m)
ρi (m) ≡ Utilización del servidor en el nodo i‐ésimo: ρi (m) = = i
μi μi Wi (m)
L i (m) ≡ Número medio de clientes en el nodo i‐ésimo
m Λ i Wi (m)
L i (m) = k
i = 1, 2, ,k m = 1, 2, ,M , L i (0) = 0 i = 1, 2, ,k
∑ Λ i Wi (m)
i=1
Wi (m) ≡ Tiempo medio que cada cliente pasa en el nodo i cuando hay m clientes.
1 + L i (m − 1)
Wi (m) = i = 1, 2, ,k m = 1, 2, ,M
μi
Se trata de un algoritmo iterativo que va calculando L i (m) y Wi (m) para valores

crecientes de m (a partir de m = 0 )

En la red cerrada de Jackson, se tienen servidores con tasa individual de servicio
μi = 5 .
Solución:
Ecuaciones de equilibrio:
k
Λi = ∑Λ r
j=1
j ji
Λ 1 = Λ 2 r21 + Λ 4 r41
Λ 2 = Λ 1 r12
Λ 3 = Λ 1 r13
Λ 4 = Λ 3 r34
Se tiene, r12 = 0,7 , r13 = 0,3 , r21 = 1 , r34 = 1 , r41 = 1
⎧ Λ 2 = Λ 1 r12 ⎧ Λ 2 = 0,7
⎪ ⎪
Tomando Λ 1 = 1 : ⎨ Λ 3 = Λ 1 r13 → ⎨ Λ 3 = 0,3
⎪ ⎪ Λ = 0,3
⎩ Λ 4 = Λ 3 r34 ⎩ 4
1 + L i (m − 1)
Tiempo de espera en el nodo: Wi (m) = con μi = 5 , i = 1, 2, 3, 4
μi
m Λ i Wi (m)
Número medio de clientes en el nodo: L i (m) = k i = 1, 2, 3, 4
∑ Λ i Wi (m)
i=1

m Λ 1 W1 (m) m . W1 (m)
L 1 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 2 W2 (m) m . 0,7 . W2 (m)

L 2 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 3 W3 (m) m . 0,3 . W3 (m)

L 3 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
m Λ 4 W4 (m) m . 0,3 . W4 (m)

L 4 (m) = =
4
W1 (m) + 0,7 W2 (m) + 0,3 W3 (m) + 0,3 W4 (m)
∑ Λ i Wi (m)
i=1
♦ Primera iteración: m=1
1+0
L i (0) = 0 i = 1, 2, 3, 4 Wi (1) = = 0,2 i = 1, 2, 3, 4
5
1 . 0,2 0,2
L 1 (1) = = = 0,4348
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,7 . 0,2 0,7 . 0,2

L 2 (1) = = = 0,3043
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,3 . 0,2 0,3 . 0,2

L 3 (1) = = = 0,1304
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
0,3 . 0,2 0,3 . 0,2

L 4 (1) = = = 0,1304
0,2 + 0,7 . 0,2 + 0,3 . 0,2 + 0,3 . 0,2 0,2 . 2,3
♦ Segunda iteración: m=2
1 + L i (1)
Wi (2) = i = 1, 2, 3, 4
5
1 + L 1 (1) 1,4348 1 + L 3 (1) 1,1304
W1 (2) = = = 0,2870 W3 (2) = = = 0,2261
5 5 5 5

1 + L 2 (1) 1,3043 1 + L 4 (1) 1,1304
W2 (2) = = = 0,2609 W4 (2) = = = 0,2261
5 5 5 5
2 . 0,2870 0,574
L 1 (2) = = = 0,9483
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,7 . 0,2609 0,3653

L 2 (2) = = = 0,6034
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,3 . 0,2261 0,1357

L 3 (2) = = = 0,2241
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
2 . 0,3 . 0,2261 0,1357

L 4 (2) = = = 0,2241
0,2870 + 0,7 . 0,2609 + 0,3 . 0,2261 + 0,3 . 0,2261 0,6053
♦ Continúan las iteraciones, con una hoja de cálculo como Excel se obtiene:
Tiempo medio espera en nodo Número medio de clientes en nodo

m W1 (m) W2 (m) W3 (m) W4 (m) L1 (m) L 2 (m) L 3 (m) L 4 (m)
0 0 0 0 0
1 0,2 0,2 0,2 0,2 0, 4348 0,3043 0,1304 0,1304
2 0,2870 0,2609 0,2261 0,2261 0,9483 0,6034 0,2241 0,2241
3 0,3897 0,3207 0,2448 0,2448 1,5360 0,8849 0,2895 0,2895
4 0,5072 0,3770 0,2579 0,2579 2,1913 1,1401 0,3343 0,3343
5 0,6383 0, 4280 0,2669 0,2669 2, 9065 1,3644 0,3646 0,3646
6 0,7813 0,4729 0,2729 0,2729 3,6737 1,5564 0,3850 0,3850
7 0,9347 0,5113 0,2770 0,2770 4,4852 1,7173 0,3987 0,3987
8 1,0970 0,5435 0,2797 0,2797 5,3341 1,8497 0,4081 0,4081
9 1,2668 0,5699 0,2816 0,2816 6,2141 1,9570 0,4144 0,4144
10 1,4428 0,5914 0,2829 0,2829 7,1197 2,0428 0,4188 0,4188
11 1,6239 0,6086 0,2838 0,2838 8,0459 2,1106 0,4218 0,4218
12 1,8092 0,6221 0,2844 0,2844 8,9887 2,1637 0,4238 0,4238
13 1,9977 0,6327 0,2848 0,2848 9,9447 2,2048 0,4253 0,4253
14 2,1889 0,6410 0,2851 0,2851 10,9110 2,2365 0,4263 0,4263
15 2,3822 0,6473 0,2853 0,2853 11,8854 2,2607 0,4270 0,4270
16 2,5771 0,6521 0,2854 0,2854 12,8661 2,2790 0,4274 0,4274
17 2,7732 0,6558 0,2855 0,2855 13,8515 2,2929 0,4278 0,4278
18 2,9703 0,6586 0,2856 0,2856 14,8406 2,3033 0,4280 0,4280
19 3,1681 0,6607 0,2856 0,2856 15,8325 2,3112 0,4282 0,4282
20 3,3665 0,6622 0,2856 0,2856 16,8264 2,3170 0,4283 0,4283

El sistema informático de un aeropuerto consta de cuatro estaciones de trabajo
conectadas ente sí. El control y la seguridad se efectúan con tres procesos en continua
ejecución en alguna de las cuatro estaciones; terminada la ejecución de un proceso en
una de las estaciones se crea una copia de él mismo que envía a ejecutar a la propia
estación o a alguna de las otra tres. En la tabla adjunta se informa de las
probabilidades de que el proceso embrionario terminada la ejecución en la estación i‐
ésima se envíe a la estación j‐ésima.
Destino
1 2 3 4
Origen
1 0,25 0,15 0,20 0,40
2 0,15 0,35 0,20 0,30
3 0,50 0,25 0,15 0,10
4 0,40 0,30 0,25 0,05
Las dos primeras estaciones (servidores) son biprocesadoras, cada uno con un tiempo
de pocesado exponencial y capacidad de 5 procesos/minuto. Las dos últimas
estaciones son monoprocesadoras y pueden atender por minuto respectivamente a 10
y 15 procesos. Se solicita:
a) Modelizar el proceso
b) Número medio de procesos en la cuarta estación.
c) Tiempo medio que transcurre desde que llega un proceso al servidor cuarto
hasta que finaliza su ejecución.
Solución:
a) Se puede modelizar mediante una red de Jackson, donde los clientes son cada uno
de los tres procesos que recorren el sistema, con:
s1 = 2 s2 = 2 s3 = 1 s4 = 1
N=3 k=4
μ1 = 5 μ2 = 5 μ 3 = 10 μ 4 = 15
♦ Ecuaciones de equilibrio:
K 4
Λi
Λi = ∑
j=1
Λ j rj i = ∑
j=1
Λ j rj i ρi =
μi
→ Λ i = ρi . μ i
⎛ Λ 1 ⎞ ⎛ r11 r21 r31 r41 ⎞ ⎛ Λ1 ⎞

⎜ Λ ⎟ ⎜r ⎟ ⎜Λ ⎟
( )
r r r
En forma matricial Λ i = Λ j r : ⎜ ⎟=⎜ ⎟ ⎜ 2⎟
2 12 22 32 42
⎜ Λ 3 ⎟ ⎜ r13 r23 r33 r43 ⎟ ⎜ Λ3 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ r14 r24 r34 r44 ⎠ ⎝ Λ4 ⎠

⎛ Λ 1 ⎞ ⎛ 0,25 0,15 0,50 0,40 ⎞ ⎛ Λ1 ⎞ Λ 1 = 0,25 Λ 1 + 0,15 Λ 2 + 0,50 Λ 3 + 0,40 Λ 4
⎜ Λ ⎟ ⎜ 0,15 0,35 0,25 0,30 ⎟⎟ ⎜Λ ⎟
⎜ 2⎟=⎜ ⎜ 2 ⎟ ⇒ Λ 2 = 0,15 Λ 1 + 0,35 Λ 2 + 0,25 Λ 3 + 0,30 Λ 4
⎜ Λ 3 ⎟ ⎜ 0,20 0,20 0,15 0,25 ⎟ ⎜ Λ3 ⎟ Λ 3 = 0,20 Λ 1 + 0,20 Λ 2 + 0,15 Λ 3 + 0,25 Λ 4
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ Λ 4 ⎠ ⎝ 0,40 0,30 0,10 0,05 ⎠ ⎝ Λ4 ⎠ Λ 4 = 0,40 Λ 1 + 0,30 Λ 2 + 0,10 Λ 3 + 0,05 Λ 4
Haciendo arbitrariamente Λ 3 = 1 se obtiene una de las infinitas soluciones del sistema

homogéneo:
15 Λ 1 − 3 Λ 2 − 8 Λ 4 = 10 ⎫
−3 Λ 1 + 13 Λ 2 − 6 Λ 4 = 5 ⎪⎪ 62 Λ 2 − 38 Λ 4 = 35 ⎫
⎬ ⇒ ⎬
4 Λ 1 + 4 Λ 2 + 5 Λ 4 = 17 ⎪ 2 Λ 2 + 29 Λ 4 = 36 ⎭
−8 Λ 1 − 6 Λ 2 + 19 Λ 4 = 2 ⎪⎭
1081
Λ 1 = 1,5363 Λ 2 = 1,2716 Λ 3 = 1 Λ 4 = = 1,1537
937
♦ De este modo, la utilización del servidor:
Λ 1 1,5363 Λ 2 1,2716
ρ1 = = = 0,3072 ρ2 = = = 0,2543
μ1 5 μ2 5
Λ 1 Λ 1,1537
ρ3 = 3 = = 0,1 ρ4 = 4 = = 0,0769
μ 3 10 μ4 15
♦ Cálculo de la función gm (n)

n
gm (n) = G(n) = ∑ fm (i) . gm − 1 (n − i) n = 0, 1, 2, 3 , gm (0) = fm (0) = 1 m = 1, 2, 3, 4
i=0
ρni
siendo: fi (n) =
ai (n)
⎧⎪ n! n ≤ si
ai (n) = ⎨ n−s
→ a1 (n) = a2 (n) = 2! 2n − 2 = 2n−1 a3 (n) = a4 (n) = 1
⎪⎩ si ! si i n ≥ si
ρni
fi (n) = n − 1 i = 1, 2 f i (n) = ρni i = 3, 4 y n ≥ 1
2
ρni
• Para m = 1 : g1 (n) = f1 (n) = n − 1 i = 1, 2
2
n = 0 : g1 (0) = f1 (0) = 1

ρ1
n = 1 : g1 (1) = f1 (1) = = ρ1 = 0,3072
20
ρ12 0,30722
n = 2 : g1 (2) = f1 (2) = 2 − 1 = = 0,0472
2 2
ρ13 0,30723
n = 3 : g1 (3) = f1 (3) = 3 − 1 = = 0,0072
2 22
3
ρni
• Para m = 2 : g 2 (n) = ∑ f2 (i) . g1 (n − i) f i (n) = n − 1
2
i = 1, 2
i=0
ρ2
f2 (0) = 1 f2 (1) = = ρ2 = 0,2543
21 − 1
ρ22 ρ22 0,25432 ρ23 ρ23 0,25433
f2 (2) = 2 − 1 = = = 0,0323 f2 (3) = 3 − 1 = 2 = = 0,0041
2 2 2 2 2 4
n = 0 : g 2 (0) = f2 (0) = 1
1
n = 1 : g 2 (1) = ∑ f2 (i) . g1 (1 − i) = f2 (0) . g1 (1) + f2 (1) . g1 (0) =
i=0
= 1 . 0,3072 + 0,2543 . 1 = 0,5615

2
n = 2 : g 2 (2) = ∑ f2 (i) . g1 (2 − i) = f2 (0) . g1 (2) + f2 (1) . g1 (1) + f2 (2) . g1 (0) =
i=0
= 1 . 0,0472 + 0,2543 . 0,3072 + 0,0323 . 1 = 0,1576

3
n = 3 : g 2 (3) = ∑ f2 (i) . g1 (3 − i) = f2 (0) . g1 (3) + f2 (1) . g1 (2) + f2 (2) . g1 (1) + f2 (3) . g1 (0) =
i=0
= 1 . 0,0072 + 0,2543 . 0,0472 + 0,0323 . 0,3072 + 0,0041 . 1 = 0,0332
n
• Para m = 3 : g 3 (n) = ∑ f3 (i) . g2 (n − i) f i (n) = ρni
i=0
f3 (0) = 1 f3 (1) = ρ3 = 0,1

f3 (2) = ρ23 = 0,12 = 0,01 f3 (3) = ρ33 = 0,13 = 0,001
n = 0 : g 3 (0) = f3 (0) = 1
1
n = 1 : g 3 (1) = ∑ f3 (i) . g2 (1 − i) = f3 (0) . g2 (1) + f3 (1) . g2 (0) =
i=0
= 1 . 0,5615 + 0,1 . 1 = 0,6615

2
n = 2 : g 3 (2) = ∑ f3 (i) . g2 (2 − i) = f3 (0) . g2 (2) + f3 (1) . g2 (1) + f3 (2) . g2 (0) =
i=0
= 1 . 0,1576 + 0,1 . 0,5615 + 0,01 . 1 = 0,2238

3
n = 3 : g 3 (3) = ∑ f3 (i) . g2 (3 − i) = f3 (0) . g2 (3) + f3 (1) . g2 (2) + f3 (2) . g2 (1) + f3 (3) . g2 (0) =
i=0
= 1 . 0,0332 + 0,1 . 0,1576 + 0,01 . 0,5615 + 0,001 . 1 = 0,0556
n
• Para m = 4 : g 4 (n) = ∑ f4 (i) . g 3 (n − i) f i (n) = ρni
i=0
f4 (0) = 1 f4 (1) = ρ4 = 0,0769

f4 (2) = ρ24 = 0,07692 = 0,0059 f4 (3) = ρ34 = 0,07693 = 0,0005
n = 0 : g 4 (0) = f4 (0) = 1
1
n = 1 : g 4 (1) = ∑ f4 (i) . g 3 (1 − i) = f4 (0) . g 3 (1) + f4 (1) . g 3 (0) =
i=0
= 1 . 0,6615 + 0,0769 . 1 = 0,7384

2
n = 2 : g 4 (2) = ∑ f4 (i) . g 3 (2 − i) = f4 (0) . g 3 (2) + f4 (1) . g 3 (1) + f4 (2) . g 3 (0) =
i=0
= 1 . 0,2238 + 0,0769 . 0,6615 + 0,0059 . 1 = 0,2806

3
n = 3 : g 4 (3) = ∑ f4 (i) . g 3 (3 − i) = f4 (0) . g 3 (3) + f4 (1) . g 3 (2) + f4 (2) . g 3 (1) + f4 (3) . g 3 (0) =
i=0
= 1 . 0,0556 + 0,0769 . 0,2238 + 0,0059 . 0,6615 + 0,0005 . 1 = 0,0772
♦ Probabilidades marginales relativas el nodo (servidor) cuarto:
f4 (n k ) . g 3 (N − n k )
pm (n k ) = p• • • n k = n k = 0, 1, 2, 3 m = 1, 2, 3, 4
g 4 (N)
f4 (0) . g 3 (3) 1 . 0,0556

n k = 0 : p 4 (0) = p• • • 0 = = = 0,7202
g 4 (3) 0,0772
f4 (1) . g 3 (2) 0,0769 . 0,2238

n k = 1 : p 4 (1) = p• • • 1 = = = 0,2229
g 4 (3) 0,0772
f4 (2) . g 3 (1) 0,0059 . 0,6615

n k = 2 : p 4 (2) = p• • • 2 = = = 0,0506
g 4 (3) 0,0772

f4 (3) . g 3 (0) 0,0005 . 1
n k = 3 : p 4 (3) = p• • • 3 = = = 0,0064
g 4 (3) 0,0772
♦ P(algún proceso en el servidor 4) = 1 − p 4 (0) = 1 − p• • • 0 = 1 − 0,7202 = 0,2798
b) Número medio de procesos (clientes) en el cuarto servidor:

n 3
L4 = ∑ i . p4 (i) = ∑ i . p• • • i = 1 . p• • • 1 + 2 . p• • • 2 + 3 . p• • • 3 =
i=1 i=1
= 1 . 0,2229 + 2 . 0,0506 + 3 . 0,0064 = 0,3433
Lm
c) Tiempo medio de permanencia de un proceso en un nodo: Wm =
Λm
Considerando la condición de que el número medio de clientes que entran al nodo Λ 4

tiene que ser igual al número medio de clientes que salen servidos de dicho nodo.
n
Λ 4 = μ4 . ∑p
i=1
4 (i) = 15 . (0,2229 + 0,0506 + 0,0064) = 4,1985
4,1985
Λ4 = c . Λ4 → 4,1985 = c . 1,1537 → c= = 3,6391
1,1537
de donde,
Λ 1 = c . Λ 1 → Λ 1 = 3,6391 . 1,5363 = 5,5907
Λ 2 = c . Λ 2 → Λ 2 = 3,6391 . 1,2716 = 4,6274
Λ 3 = c . Λ 3 → Λ 3 = 3,6391 . 1 = 3,6391
Finalmente, el tiempo medio de permanencia de un proceso en el nodo 4 es:

L 4 0,3433
W4 = = = 0,0817 minutos = 4,90 segundos
Λ 4 4,1985

SIMULACIÓN SISTEMAS DE COLAS
https://www.estadistica.net/SIMULACION/Simulacion‐Sistemas.pdf
¿QUÉ ES LA SIMULACIÓN?
La Simulación se refiere a un conjunto de métodos y aplicaciones que tratan de imitar el
comportamiento de sistemas reales. En la actualidad es un término general dado que se utiliza en
diversos campos, industrias y aplicaciones, que dispone de mejores computadores y software.
La simulaión, al igual que la mayoría de los métodos de análisis, implica sistemas y sus modelados.
La simulación por computadora trata con modelos de sistemas. Un sistema es una instalación o un
proceso real o planeado, como:
i Una planta de manufactura con máquinas, personas, métodos de transporte, bandas trasportadoras y
espacio de almacenamiento.
i Un cajero con diferentes tipos de clientes, servidores e instalaciones como ventaniillas de cajeros,
cajeros automáticos (ATM, por sus siglas en inglés), mesas de préstamos y cajas de seguridad para
depósitos.
i Un aeropuerto con pasajeros que facturan, que pasan por seguridad y que van a la puerta de embarque
y embarcan; vuelos de salida que compiten por los remolcadores de empuje y de retorno y por la
asignación de franjas horarias em las pistas de aterrizaje y despegue; vuelos de llegada que compiten
por pistas, puertas y peresonal de llegada; pasajeros que acaban de aterrizar y se dirigen a las bandas
de entrega de equipaje para esperar sus maletas; y el sistema de manejo de equipajes que trata con
retrasos, seguridad y fallas.
i Una red de distribución de plantas, alamacenes y enlaces de transporte.
i Las instalaciones de urgencias de un hospital, incluido el personal, las habitaciones, el equipo, los
suministros y el transporte de los pacientes.
i Una red de computadores con servidores, clientes, unidades de disco, unidades de cintas magnéticas,
impresoras, redes y operadores.
i Un sistemas de autopistas de segmentos de carreteras, cruces, controles y tráfico.
i Una oficina central de reclamaciones de seguros donde las personas y las máquinas reciben, revisan,
copian, archivan y envían por correo una gran cantidad de papeles.
i Un sistema de justicia de tribunales, jueces, personal de apoyo, funcionarios de libertad probatoria,
agentes de libertad condicional, abogados, demandantes, delincuentes declarados culpables y
horarios.
i Una planta de productos químicos con tanques de almacenamiento, tuberías, reactores y carros tanque
ferroviario para enviar el producto terminado.
i Un restaurante de comida rápida con diferentes tipos de personal, clientes y equipo.
i Un supermercado con control de inventarios, cajas y servicio al cliente.
i La respuesta del personal de emergencia cuando courre una catástrofe.
i Un parque temático con atracciones, tiendas, restaurantes, trabajadores, visitantes y estacionamiento.
Las personas a menudo estudian un sistema para medir su ejecución o mejorar su operación, o diseñarlo
si es que no existe. Los gerentes o controladores de un sistema desean tener una ayuda disponible para
las operaciones cotidianas, como decidir qué hacer en una fábrica si una máquina importante se avería.
Muchas veces los analistas de simulación encuentran que el proceso para definir el funcionamiento del
sistema (que debe realizarse antes de que se puede empezar a desarrollar el modelo de simulación)
proporciona una gran perspectiva sobre los cambios que tienen que hacerse.
Muchas veces los analistas de simulación encuentran que el proceso para definir el funcionamiento del
sistema (que debe realizarse antes de que se puede empezar a desarrollar el modelo de simulación)
proporciona una gran perspectiva sobre los cambios que tienen que hacerse.
Portal Estadística Aplicada: SIMULACIÓN SISTEMAS DE COLAS 223

El enfoque de experimentar sólo con el sistema tiene sus ventajas, cuando se puede experimentar
de forma directa con el sistema y se sabe que nada más con respecto a él cambiará significativamente.
Hay casos en los que es posible experimentar con el sistema físico actual:
i Un administrador de supermercado puede probar diferentes políticas para un control de inventarios y
de tareas de los cajeros para ver qué combinaciones son las más rentables y las que proporcionan el
mejor servicio.
i Una línea aérea puede examinar el uso extendido de los módulos de facturación y chequeo automático
(y que los empleados instaran a los pasajeros para utilizarlos) para observar si ello acelera la
facturación.
i Una instalación de computadoras puede experimentar con diferentes diseños de redes y prioridades de
trabajo para ver cómo éstos afectan el uso y tiempo de respuesta de la máquina.
En muchos casos no se puede o no se sabe jugar con el sistema. En estas situaciones se debe
construir un "modelo" que pueda utilizarse para estudiar el sistema y hacer las preguntas petinenentes
acerca de qué es lo que pasaría en el sistema sí se hiciera una u otra cosa o si se diera una situación que
estuviera más allá de su control.
Casos en los que es no posible experimentar con el sistema físico actual:
i No se puede expermientar con diseños alternativos de una fábrica si ésta aún no se contruye.
i Es díficil atender al doble de clientes de un banco para ver el efecto que puede causar el cierre de una
sucursal cercana.
i En un hospital no se perderá el tiempo con el peesonal de una sala de emergencias.
i En una fábrica existente puede ser muy costoso cambiar a un diseño experimental que quizá no
funcione.

SIMULACIÓN DE SISTEMAS DE COLAS
Los sistemas de colas son modelos de sistemas que proporcionan un servicio. Como modelo, pueden
representar sistema donde clientes llegan buscando un servicio de algún tipo y salen después de que
dicho servicio haya sido atendido.
Entre simuladores, QSIM y a QSS de WinQSB.
SIMULADOR DE COLAS ‐ QSS (Queuing System Simulation)
QSS es un simulador de WinQSB que permite imitar un sistema de colas con múltiples servidores,
diversos tipos de clientes y varias colas. Cada tipo de clientes puede tener distintos tipos de llegadas y
tiempos de servicio que habrá que especificar.
Cuando un cliente sale de un servidor, éste pasa a la siguiente cola o servidor o acaba el servicio. Si la
cola está llena, el cliente se queda en el servidor que está hasta que haya espacio. Si el cliente se va a
unir a otra cola, se le puede asignar un tiempo fijo de llegada a esa cola (tiempo de transferencia).
QSS siempre supone que la población es infinita, por tanto, no permite simular situaciones donde la
población es finita.
Al ejecutar Qss.exe se accede al procedimiento de simulación de sistemas de colas. En la barra de

menú aparece la opción File donde se puede abrir un problema nuevo o cargar los datos de uno que
se tenga definido con anterioridad.
Al abrir un nuevo problema, aparece una pantalla donde hay que dar el número total de
Componentes del sistema de colas (nº de tipos de clientes + nº de colas + nº de servidores) y la
unidad de tiempo en la que se va a trabajar.
Se introducen los datos en un formato de matriz (Spreadsheet).
Tasa de llega de clientes (Customer Arriving Source).

Colas (Queue). Líneas de espera.
Servidores (Server): Se especifica la cantidad de servidores en el sistema.
Colectores de Basura (Garbage Collector): Indica la posibilidad que el cliente abandone el proceso
sin terminarlo. Puede ser considerado como un defecto en el sistema..
A continuación aparece una matriz donde hay que introducir los datos del sistema de colas, por
columnas.
Conviene hacer un gráfico del funcionamiento del sistema antes de comenzar a introducir los datos.
1ª columna: Tipo de componente, que ya se ha rellenado en la pantalla anterior.

2ª columna (Inmediate follower), con formato completo Inmediate follower/Prob/transfer time. Lo
primero que hay que indicar para cada componente del sistema es el siguiente componente al que
éste se encuentra conectado.
Prob se utiliza sólo cuando los componentes del sistema están conectados con cierta probabilidad. Si
no es así, dejar en blanco (//). El tiempo de transferencia es el tiempo que se tarda en llegar de un
componente al siguiente. Si éste se considera despreciable, no se indica nada.
3ª‐4ª columnas (Input rule‐Ouput rule): Solo hay que rellenarlas en caso de que se puede acceder a
un servidor desde varios componentes (Input) o la salida de un servidor se puede dirigir a varios
componentes (Ouput). Como reglas de selección para una situación dada, QSS utiliza las siguientes:
1. Random: Elección aleatoria (es la establecida por defecto)
2. Probability: Se elige basado en una regla de probabilidad
3. RoundRobin: Se elige en orden round robin
4. Assembly: el servidor elige un individuo de cada cola a la vez. Hay que esperar a
que todas las colas tengan al menos un cliente.
5. DisAssembly: Cuando un servidor acaba el servicio, manda un cliente a cada
una de las colas.
6. LongestQueue: Se elige la cola más larga
7. ShortestQueue: Se elige la cola más corta
8. MaxQueueCapacity: Se elige la cola con mayor capacidad
9. MinQueueCapacity: Se elige la cola con menor capacidad
Se pueden escribir solo las tres primeras letras.
5ª columna (Queue discipline): Solo se rellena para las componentes tipo cola indicando con qué
regla los clientes de una cola van a pasar al servidor. Las reglas que están implementadas en QSS son:
1. FIFO: Se sirve primero al que llegó primero a la cola
2. LIFO: Se sirve primero al último que llegó a la cola
3. Random: Se sirve de manera aleatoria
4. PriorityIndex: Se sirve primero a los clientes en cola que tengan un índice de prioridad mayor.
5. SPT: Se sirve primero a los clientes que necesiten menor tiempo de procesamiento.
6. LPT: Se sirve primero a los clientes que necesiten un mayor tiempo de procesamiento.
7. MaxWorkDone: Se sirve primero al que mayor tiempo de procesamiento total lleva.
8. MinWorkDone: Se sirve primero al que menor tiempo de procesamiento total lleva.
Se pueden escribir solo las tres primeras letras. La opción por defecto es FIFO, en cuyo caso no hace
falta rellenarlo.
6ª columna (Queue capacity): QSS reserva, por defecto, un espacio de 50 clientes para el tamaño de
las colas, pero es imprescindible introducir un número en la capacidad de cualquier cola.
7ª columna (Attribute value): Solamente se rellena en las colas cuya disciplina sea Priority Index: se
sirve primero al que mayor índice de prioridad tenga.
8ª columna (Interarrival Time distribution): Distribución del tiempo entre llegadas consecutivas de
los clientes al sistema. Habitualmente son:
Exp/a/b: Exponencial de media b, tomando valores para x > a. Normalmente, a = 0
Erlang/a/b/k: Erlang con k entero, kb = media , tomando valores para x > a. Normalmente, a = 0
Normal/μ/σ: Normal con μ = media y σ = desviación típica.
Constante: No hace falta poner Constante, solo el valor de la constante.
Información sobre posibles distribuciones en QSS: Help/About QSS/Probability distributions

9ª columna (Batch size distribution): Los clientes llegan al sistema solos o en grupo. Si la llegada es en
grupo, el tamaño del grupo se considera una variable aleatoria discreta y hay que dar la distribución.
Consultar la ayuda para ver que distribuciones discretas admite QSS y cómo se introducen.
10ª columna (Service time distribution): Para cada servidor hay que dar la distribución del tiempo de
servicio. Puede ocurrir que un servidor tenga tiempos de servicio diferentes para clientes de distinto
tipo. Entonces, se indicará la distribución del tiempo de servicio para cada cliente, separada por
comas: Cliente A/exp/0/0.3, Cliente B/normal/1/5
SIMULACIÓN EN UN BANCO: Un banco posee dos cajeros (1 y 2) que atienden a un cliente en un

promedio de 15 minutos con una desviación de 0,01. La tasa de llegada de clientes es de 1 cada 10
minutos, y hacen una sola cola cuya capacidad es de máximo 15 clientes. Se considera que la llegada
de los clientes se comporta de forma similar a una distribución Poisson y los cajeros con una
distribución normal.
Simular del modelo descrito en 60 minutos.
Tasa de llegada: λ = 0,1 cliente/minuto en cada cajero
1 1
Tasa de servicio: = = 0,06667 cliente/minuto cajero
μ 15
σ = 0,01
Capacidad = 15 personas/fila
Se observan tres actores principales:
Dos cajeros, los cuales serán considerados como servidores.

Los clientes, representados por una tasa de llegada.
La cola o línea de espera, a donde los clientes llegan para ser atendidos.
Se considera que el Banco utiliza un sistema de espera titpo PEPS (FIFO – First In First Out), es decir,
los primeros clientes que entran serán los primeros en ser atendidos.
WinQSB/ Queuing System Simulatión

Se comienza introduciendo los datos para los Cajeros, denotando que los Cajeros dependen de los
Clientes.
En la columna Distribución de tiempos de servicio (Service Time Distribution) se introduce

Clientes/Normal/0.06667/0.01
La notación completa es: Nombre predecesor/Distribución/Parámetro 1/Parámetro 2/Parámetro 3
La primera corresponde a la conexión con los clientes, la segunda a la distribución de probabilidad de

los servidores y los siguientes datos (parámetros) son utilizados de acuerdo a la información
requerida por la distribución (por ejemplo, la distribución Normal requiere de dos parámetros: media
y desviación típica).
DISTRIBUCIONES DISPONIBLES: LIMITACIONES

• Beta (Beta) En el modulo del programa se especifica que se
• Binomial (Binomial) pueden manejar las distribuciones de probabilidad
• Constante (Constant) que se detallan a la izquierda.
• Discreta (Discrete) En realidad, las únicas distribuciones con las que corre
• Erlang (Erlang) el programa son:
• Exponencial (Exponential)
• Gamma (Gamma) • Constante (Constant)
• Hypergeométrica (Hypergeometric) • Exponencial (Exponential)
• Laplace (Laplace) • Laplace (Laplace)
• Normal (Normal) • Normal (Normal)
• Pareto (Pareto) • Pareto (Pareto)
• Poisson (Poisson) • Poisson (Poisson)
• Función de poder (Power Function) • Función de poder (Power Function)
• Triangular (Triangular) • Uniforme (Uniform)
• Uniforme (Uniform) En otros casos, se puede utilizar el programa de
• Weibull (Weibull) simulación ARENA.

De igual forma análoga, se completa los parámetros para los clientes. Primero se indica la
dependencia de una de las colas en la columna Sucesor inmediato (Immediate Follower).
Posteriormente, en la columna Distribución del tiempo entre llegada (Interarrival Time Distribution)
con el siguiente formato: Distribución/Parámetro 1/Parámetro 2/Parámetro 3
En este caso, la distribución quedaría: Poisson/0.1
Los parámetros 2 y 3 no son requeridos para esta distribución.
La columna Distribución de los tamaños de los lotes (Batch Size Distribution), indica si los clientes
llegan de forma agrupada o individual.
En este caso, la columna se rellena con Constant/1, indicando que los Clientes llegan al Banco de uno
en uno.
Para programar la Cola, hay que indicar que los dos Cajeros se alimentarán de ella colocando los
nombres en las casillas correspondientes a la columna Sucesor inmediato (Immediate Follower).
En Disciplina de la cola (Queue Discipline) se marca FIFO y en Capacidad de la Cola (Queue Capacity)
su capacidad (máximo 15 personas en espera).
Para resolver el problema: Solve and Analyze / Perform Simulation
Pulsando Simulate el programa tome el tiempo

de 60 minutos y muestra las observaciones
recolectadas durante ese tiempo
Pulsando Show Analysis se observan los

resultados de la simulación.

En los 60 minutos llegaron 599 clientes
(Total Number of Arrival).
Número promedio de clientes en el
sistema (Average Number in the System)
es de 1,9775
Número máximo de clientes en el sistema
(Maximun Number in the System) es de 17
(15 es espera y 2 siendo atendidos).
El tiempo de espera promedio (Average

Waiting Time) es de 0,1856
La opción Results/Show Server Analysis facilita información de los Cajeros.
Los cajeros tuvieron

un promedio de
utilización (Server
Utilization) del
27,57%.
El Cajero 1 atendió 244 Clientes y el Cajero 2 a 217 Clientes, siendo un total (Customer Processed)
de 461 Clientes atendidos.
La opción Results/Show Queue Analysis facilita información sobre la Cola.
El promedio de Clientes en la
Cola (Average Q. Length) es de
1,4261
El máximo de Clientes en la Cola
(Maximun Q. Length) es de 15

SIMULACIÓN ESTACIÓN SERVICIO: Un lavado de cohes dispone de dos estaciones de lavado y espacio
para dos vehiculos que esperan para ser lavados.
La llegada de automóviles sigue una distribución de Poisson con tasa de 5 autos/hora, mientras que la
duración del lavado sigue una distribución de Poisson con tasa 5 autos/hora.
Simular el modelo descrito en 120 horas.
WinQSB/ Queuing System Simulatión
Diagrama de demsidades de transición:
Pulsando Simulate el programa tome el tiempo

de 120 horas y muestra las observaciones
recolectadas durante ese tiempo
Pulsando Show Analysis se observan los

resultados de la simulación.

En 120 minutos llegaron 24 clientes (Total Number of
Arrival), con un tiempo promedio de espera de 0
minutos (Avege Waiting Time).
El número máximo de automóviles en el sistema es
de 2 (Maximun Number in the Systen).
En promedio permanecen 1,0083 automóviles en el
sistema (Average Number in the System).
La simulación muestra un análisis de la estaciones de lavado: Results/ Show Server Analysis
Las estaciones de lavado

tuvieron un promedio de
utilización (Server
Utilization) ,
respectivamente, del
46,67% y 54,17%
La opción Results/Show Queue Analysis facilita información sobre la Cola
El promedio de automóviles
en la cola (Average Q.
Length) fue de 0.
El número máximo de
automóviles en la cola es de
1 (Maximun Q. Length)

Portal Estadística Aplicada: TEORÍA DE COLAS
PROCESOS DE LLEGADA POISSONIANOS.
PROCESOS DE NACIMIENTO Y MUERTE
MODELO M/M/1
TEORÍA DE COLAS
MODELOS M/M/s M/M/s// M/M/s//k
MODELOS M/M M/M///k
MODELOS M/M/1/c M/M/s/c M/M/c/c
MODELOS NO EXPONENCIALES
MODELOS DETERMINISTAS
SIMULACIÓN DE SISTEMAS
Instrumentos Estadísticos Avanzados

Facultad Ciencias Económicas y Empresariales
Departamento de Economía Aplicada
Profesor: Santiago de la Fuente Fernández
Portal Estadística Aplicada: TEORÍA DE COLAS

Teoria Colas

Cargado por

Copyright:

Formatos disponibles

Teoria Colas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria Colas

Cargado por

Copyright:

Formatos disponibles

Instrumentos Estadísticos Avanzados

Facultad Ciencias Económicas y Empresariales

El objetivo de la Teoría de Colas es el estudio matemático del comportamiento de las

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 3

PROCESO BÁSICO DE COLAS

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 4

Consideracions sobre los sistemas:

• Con relación a la disciplina de la cola hay que considerar:

• En relación con el servicio hay que considerar:

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 5

CARACTERÍSTICAS DE LOS SISTEMAS DE COLAS

Fuente de llegada de clientes: En situaciones de colas habituales, la llegada de clientes

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 6

Número de canales de servicio: Es preferible utilizar sistemas multiservicios con una

Número de etapas de servicio: Puede ser unietapa o multietapa, en este último el

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 7

Se caracteriza por las estaciones de servicio (servidores o dependientes) y por los

La variable más importante que caracteriza el mecanismo de servicio es el tiempo de

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 8

Los costes asociados a dos componentes fundamentales del sistema de colas:

COSTE DE SERVCIO: Se integra en el conjunto de gastos de funcionamiento del servicio

La Teoría de Colas tiene como objetivo

Siendo, c q ≡ coste espera cola y c s ≡ coste servicio , se tiene:

Coste total de espera: CQ = c q . L q

Coste total servicio: CS = c s . s

Coste total en sistema: CTS = c q . L s + c s . s

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 9

El tiempo entre llegadas, se define como la probabilidad de que no llegue ningún

♦ Si el número de llegadas sigue una distribución de Poisson P(λ ) , el tiempo entre

♦ El número de llegadas en intervalos de tiempo no superpuestos es estadísticamente

puede tomar como la probabilidad de que llegue más de un cliente.

♦ La distribución del número de llegadas en intervalos de tiempo iguales es

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 10

♦ Llegadas múltiples: En cada evento de llegada aparecen i clientes, siendo λ = ∑λ

OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO DISCRETO:

BINOMIAL: La distribución Binomial, se denota B(n , p) , representa la probabilidad de

GEOMÉTRICA: La distribución Geométrica, se denota G(p) , representa la probabilidad

BINOMIAL NEGATIVA: La distribución Binomial negativa, se denota por BN(n , p) ,

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 11

La media de una distribución Binomial negativa es (nq / p) y la varianza nq / p2

Una distribución Binomial negativa BN(1, p) es una distribución geométrica.

OTRAS DISTRIBUCIONES DE PROBABILIDAD TIPO CONTINUO:

ERLANG: Es una distribución de probabilidad continua de parámetros k y λ , suma de

La distribución de Erlang es el equivalente de la distribución Gamma con el parámetro

Para describir el tiempo de espera hasta el suceso número k en un proceso de Poisson

WEIBULL: La distribución de Weibull se utiliza habitualmente para describir el tiempo

La función de densidad y función de distribución son:

denotando η ≡ parámetro de escala y β ≡ parámetro de forma

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 12

La media y varianza son: μ X = eμ + σ σ 2X = e2 μ + 2 σ − e2 μ + σ

• Sea la variable X ∼ Exp(λ ) la variable aleatoria entre llegadas o tiempo de servicio,

P ⎡( X > t + s ) ∩ ( X > s ) ⎦⎤ P ( X > t + s )

En consecuencia, la distribución exponencial exp(λ ) carece de memoria y es la única

P ( X > t + s ) = e− λ (t + s) = e− λt e− λs = P(X > t) P(X > s)

• La suma de procesos de entrada de Poisson es también un proceso de Poisson

Portal Estadística Aplicada: TEORÍA DE COLAS ‐ PROCESOS DE NACIMIENTO Y MUERTE 13

MODELO GENERAL: PROCESOS DE NACIMIENTO Y MUERTE

La llegada como la salida son procesos de Poisson e independientes, luego de un

Tasa media de salida del estado n ≡ λ n pn + μn pn

pn ≡ Probabilidad de que haya n clientes en el sistema de manera estacionaria