G18904

Titulacin Ciclo
Ingeniero en Informtica VII

Teora de Colas
Gua didctica
Pnsum por asignaturas
Departamento Ciencias de la Computacin y Electrnica
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
La Universidad Catlica de Loja
MODALIDAD ABIERTA Y A DISTANCIA
Autora:
Ing. Liliana Enciso Quispe
Asesora virtual:
www.utpl.edu.ec
TEORA DE COLAS
Gua didctica
Liliana Enciso Quispe
Segunda edicin
Sptima reimpresin
ISBN-978-9942-00-309-6
Octubre, 2013
Reservados todos los derechos conforme a la ley. No est permitida la reproduccin total o parcial de esta gua, ni su tratamiento informtico, ni la
transmisin de ninguna forma o por cualquier medio, ya sea electrnico, mecnico, por fotocopia, por registro u otros mtodos, sin el permiso previo y
por escrito de los titulares del Copyright.
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
Diagramacin, diseo e impresin:
EDILOJA Ca. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
[email protected]
Loja-Ecuador
Introduccin ....................................................................................................5
Objetivo general ..............................................................................................7
Bibliografa ......................................................................................................7
Orientaciones generales .................................................................................10
Primer bimestre
Objetivos especficos .....................................................................................13
Contenidos ....................................................................................................13
Desarrollo del aprendizaje .............................................................................14
CAPTULO I ESTRUCTURA DE UN SISTEMA DE LNEA DE ESPERA ...........14
CAPTULO II MODELOS DE LNEA DE ESPERA DE UN SOLO CANAL .......24
CAPTULO III MODELO DE LNEA DE ESPERA CON CANALES MLTIPLES ... 33
CAPTULO IV ALGUNAS RELACIONES GENERALES PARA MODELOS DE
LNEAS DE ESPERA ................................................................40
CAPTULO V OTROS MODELOS DE LNEA DE ESPERA .............................45
Segundo bimestre
Objetivos especficos .....................................................................................55
Contenidos ....................................................................................................55
Desarrollo del aprendizaje .............................................................................56
CAPTULO VI INTRODUCCIN A LA SIMULACIN ................................56
CAPTULO VII SIMULACIN DE INVENTARIO ..........................................60
CAPTULO VIII SIMULACIN DE LNEA DE ESPERA ...................................64
CAPTULO IX LENGUAJES DE SIMULACIN .............................................68
CAPTULO X OTROS PROBLEMAS DE SIMULACIN ...............................76
Ayudar primer bimestre .................................................................................81
Ayudar segundo bimestre ...............................................................................85
Evaluaciones a distancia
NDICE
UNIVERSIDAD TCNICA PARTICULAR DE LOJA La Universidad Catlica de Loja
5
PRELIMINARES Gua didctica: Teora de Colas
Introduccin
No importa en qu cola se site: La otra siempre avanzar ms rpido
(Primera Ley de Harper)
Y si se cambia de cola, aqulla en la que estaba al principio empezar a ir ms de prisa
(Segunda Ley de Harper)
Actualmente el manejo del tiempo en las organizaciones ha venido a tomar un papel protagnico, a tal
punto que se han hecho grandes inversiones en tecnologa que permita manipular de forma adecuada
y oportuna los recursos ms importantes de las organizaciones.
La teora de colas es una de esas herramientas que ayudan a dar servicios adecuados con tiempos de
respuestas oportunos, esta fue originada por Agner Kraup Erlang (Dinamarca, 1878 - 1929) en 1909
para analizar la congestin de trfco telefnico con el objetivo de cumplir la demanda incierta de
servicios en el sistema telefnico de Copenhague. Sus investigaciones acabaron en una nueva teora
denominada teora de colas o de lneas de espera. Esta teora es ahora una herramienta de valor en
negocios debido a que un gran nmero de problemas pueden caracterizarse, como problemas de
congestin llegada-salida.
Las colas son un aspecto de la vida moderna que nos encontramos en nuestras actividades diarias
cuando formamos colas o lneas de espera atentos a un servicio. Esto suele ocurrir cuando la demanda
real de un servicio es superior a la capacidad que existe para dar dicho servicio. Ejemplos reales de esa
situacin son: los cruces de dos vas de circulacin, los semforos, el peaje de una autopista, los cajeros
automticos, la atencin a clientes en un establecimiento comercial, la avera de electrodomsticos u
otro tipo de aparatos que deben ser reparados por un servicio tcnico, etc.
El estudio de las colas es importante porque proporciona tanto una base terica del tipo de servicio
que podemos esperar de un determinado recurso, como la forma en la cual dicho recurso puede ser
diseado para proporcionar un determinado grado de servicio a sus clientes.

Todava ms frecuentes, si cabe, son las situaciones de espera en el contexto de la informtica, las
telecomunicaciones y, en general, las nuevas tecnologas. As, por ejemplo, los procesos enviados a un
servidor para ejecucin forman colas de espera mientras no son atendidos, la informacin solicitada,
a travs de Internet, a un servidor Web puede recibirse con demora debido a congestin en la red o
en el servidor propiamente dicho, podemos recibir la seal de lneas ocupadas si la central de la que
depende nuestro telfono mvil est colapsada en ese momento, etc.
El anlisis de teora de colas es una de las herramientas ms importantes para las personas involucradas
con el anlisis de computadoras y redes. Puesto que puede usarse para proporcionar respuestas
aproximadas a muchas preguntas como las siguientes:
Qu pasa en el momento de la recuperacin de un archivo cuando la utilizacin de
Entrada/Salida crece?
Cambia el tiempo de respuesta si la velocidad del procesador y el nmero de usuarios en
el sistema se duplican?
6
Cuntas lneas debe tener el dispositivo de seleccin en un sistema de tiempo
compartido?
Cuntas terminales se necesitan en un centro de consulta en lnea (Contact Center) y
cunto tiempo desocupado tendrn los operadores?
Cuntas lneas troncales deber tener una central telefnica en una empresa si se conoce
el nmero de llamadas esperadas por hora, de manera que no exista congestin?
Como podemos apreciar, este tipo de preguntas estn asociadas a cuestiones de anlisis y diseo de
sistemas informticos. El estudio de Teora de Colas presentadas en esta gua didctica, pretende hacer
una aproximacin a este campo mediante hechos, partiendo de ejemplos de procesos en general y
el alumno podr asociar los mismos a casos informticos una vez que haya aprendido a manejar la
herramienta con solvencia.
Aunque en la teora de colas, el aspecto matemtico es complejo, la aplicacin para el anlisis del
desempeo de sistemas en muchos casos es directa. Todo lo que se requiere son conocimientos de
los conceptos de estadstica elemental (promedios y desviaciones estndar) y conocimientos bsicos de
probabilidad en cuanto a distribuciones conocidas. Armado con estos conocimientos, el analista puede
hacer una valoracin de un sistema de una manera bastante sencilla.
En esta asignatura abordaremos el estudio matemtico del comportamiento de lneas de espera. Esta
se presenta, cuando los clientes llegan a un lugar demandando un servicio a un servidor, el cual
tiene una cierta capacidad de atencin. Si el servidor no est disponible inmediatamente y el cliente
decide esperar, entonces se forma la lnea de espera.
En el primer bimestre se tratara sobre los Modelos de lneas de espera as como los sistemas de
colas como modelos de sistemas que proporcionan un servicio. Se har hincapi en la evaluacin de
las medidas de desempeo as como en la aplicacin de las lneas de espera de un solo canal y de
mltiples canales con llegadas de Poisson y tiempos de servicios arbitrarios con y sin lnea de espera.
En el segundo bimestre estudiaremos diversidad de modelos de simulacin que nos permitan reducir
los riesgos frente a una incertidumbre, as como analizar el riesgo sin usar simulacin. Se verifcar
ejemplos reales y las respectivas ventajas y desventajas de usar simulacin. En el documento de ayuda
se adjuntar informacin sobre la aplicabilidad de los lenguajes de simulacin.
Los problemas de colas se presentan permanentemente en la vida diaria: un estudio en EEUU
concluy que, por trmino medio, un ciudadano medio pasa cinco aos de su vida esperando en
distintas colas, y de ellos casi seis meses parado en los semforos.
Esta gua didctica trata de dar una visin real y prctica de la temtica abordada a travs de la inclusin
de explicaciones, ejemplos y otros temas relacionados al tema, para que el profesional en formacin
pueda asimilar de mejor forma los conceptos, teoras y ejemplos que encontrar en el texto base as
como en los documentos adjuntos en PDF.
7
Desarrollar las destrezas en el estudio de la Teora de colas con el objetivo de determinar que
nivel de servicio, ya sea por cantidad de entidades o por la velocidad que ellas proporcionan
para minimizar el costo total del sistema, evaluar su rendimiento y utilizarlo como herramienta
administrativa para la toma de decisiones.
Caracterizar cualitativamente y cuantitativamente a una cola y determinar los niveles adecuados
de ciertos parmetros del sistema para balancear el costo social de la espera, con el costo asociado
al consumo de recursos.
Aplicar todos los conocimientos y conceptos adquiridos en la simulacin de hechos reales en
las tareas, actividades y procesos administrativos cotidianos, para la bsqueda de alternativas de
solucin a la causa de problemas especficos.
Objetivo general
Bibliografa
Bsica
[ASW2004] ANDERSON David, SWEENEY Dennis, WILLIAMS Thomas., Mtodos Cuantitativos
para los negocios , Thomson. Edicin, 2004, 822 pg.ISBN; 970-686-372-9.
Acerca del Libro:
Escrita para el lector que no es matemtico esta obra se orienta a las aplicaciones para negocios, y
proporciona una comprensin conceptual del papel que desempean los mtodos cuantitativos en
el proceso de toma de decisiones. El texto describe la forma en que los mtodos han evolucionado a
lo largo de los aos, explica cmo funcionan y muestra la manera en que las personas encargadas de
tomar las decisiones los interpretan y aplican.
Complementaria
[TAH2004] TAHA, Hamdy A., Investigacin de Operaciones, Una Introduccin, Prentice Hall,
7ma. Edicin, 2004, 830 pg.ISBN; 970-26-0498-2.
Se ha elegido ste libro como complementario para la asignatura de Teora de Colas debido
a que posee los contenidos requeridos. La Investigacin de Operaciones es una Ciencia de
la administracin para la toma de decisiones, como tal, este libro aporta con dos captulos
muy importantes como son el 17y 18, en los que abordamos los temas de colas y simulacin.
Adicionalmente presenta ejemplos variados que ayudarn al profesional en formacin a reforzar
la parte terica.
[SIL1998] ARIAS J., GONZALEZ A., REDONDO R., Teora de Colas y Simulacin de Eventos Discretos,
Prentice Hall, xxxxx, 2004, 3ra. Edicin, 641 p.
8
Este texto constituye el principal complemento para el estudio de la asignatura. Es muy
importante comprender los conceptos de base de datos desde esta perspectiva, puesto que
gracias a profundos estudios se ha logrado esclarecer algunas de las tareas principales de un
SGBD que son transparentes al usuario, pero que para un diseador de base de datos son muy
importantes.
El objetivo de este libro es la presentacin de los conceptos fundamentales de la teora decolas
y de la simulacin de eventos discretos, de aplicacin para el anlisis de prestaciones y el
dimensionado de sistemas de espera.
Los captulos que pueden darle un repaso a los captulos 1 (iniciar literal 1.4) hasta el captulo 8
a excepcin del captulo 3 que est dedicado ntegramente a la simulacin,el resto trata sobre
los sistemas de espera. Desde el primer captulo se inicia con una introduccin general en la
que se sita la Teora de Colas dentro de una disciplina de mbito de aplicacin ms amplio
en la Investigacin de Operaciones. El modelo y la especifcacin del sistema de espera son los
conceptos ms utilizados en esta materia,el proceso de Poisson adopta un papel protagnico
dentro de los procesos estocsticos,debido a su enorme inters desde todo punto de vista
prctico.
El captulo tres que trata sobre los sistemas de simulacin de eventos discretos, es una tcnica
muy til para el estudio de sistemas de espera cuya solucin analtica es muy compleja y a
veces hasta desconocida, el objetivo de este captulo es la presentacin de conceptos bsicos
necesarios para formular un modelo de simulacin.
[AZA1996] AZARANG Mohammad, GARCIA Eduardo, SIMULACIN Y ANLISIS DE MODELOS
ESTOCSTICOS, Mc.Graw Hill, Mxico, 1996, 1ra Edicin, ISBN: 970-10-1173-2.
...Desde hace varias dcadas se desarrollaron modelos como la teora de colas, mismos
que se retomaron para modelar sistemas de manufactura complejos. A partir de estos
modelos, y con la inclusin de modelos estocsticos, se pueden manejar sistemas de
complejidad tal, que mediante tcnicas como la simulacin permiten incluir la variabilidad
a travs del tiempo, con lo que se observa la dinmica de todo el sistema. Este libo se
constituye en un compendio matemtico y conceptual para la simulacin en teora de
colas y otros procesos probabilsticos. Es una herramienta que permitir al estudiante,
asentar los conceptos desarrollados en la gua de un modo ms formal.
Otras fuentes de informacin:
Otra fuente de informacin muy importante es el Internet a la que Usted debera ingresar. Aqu
mostramos algunas direcciones de pginas web que resultan de inters para sta asignatura:
http://es.wikipedia.org/wiki/Teor%C3%ADa_de_colas
Historia y notacin de la teora de colas. Breve introduccin.
http://www.monografias.com/trabajos18/teoria-colas/teoria-colas.shtml
Introduccin a la teora de colas, medidas de rendimiento de las colas, etc.
9
http://sitios.ingenieria-usac.edu.gt/estadistica/analisis/teoriacolas.html

Frmulas y ejemplos de teora de colas
http://www.vercan.com/ssed/
Sistema para Simulacin de Eventos Discretos Versin Limitada: esta versin del sistema es gratuita
y puede ser copiada y distribuida libremente, siempre y cuando no se modifiquen ninguno de sus
archivos originales.
http://www-2.dc.uba.ar/materias/sim/monografias.htm/
Trabajos de investigacin sobre simulacin de eventos discretos
http://wwwdi.ujaen.es/asignaturas/computacionestadistica/pdfs/tema1.pdf/
Introduccin detallada sobre todo el proceso de simulacin
10
Para el estudio de sta asignatura tome en cuenta las siguientes recomendaciones:
Es recomendable que para su estudio se apoye en sta gua y pueda repasar completamente los
conceptos vertidos en el texto bsico (captulo 14 y 15). Es importante que revise los archivos
en formato PDF adjuntos al final de cada captulo de la presente gua con el fin de poder aclarar
algunos conceptos y ejemplos de la asignatura; adems le sugiero acceda a los Links en la Web
referenciados en la presente gua para ver antecedentes sobre la asignatura as como trabajos de
investigacin desarrollados en esta lnea. Es importante que usted compare ciertos conceptos y
ejemplos para lo cual deber revisar los textos complementarios en el caso de que este material
est a su alcance.Esta gua ha utilizado los captulos 14 y 15 del texto bsico y considerando
que es bastante poco lo que se tiene que estudiar debe desarrollar todos los trabajos aqu
encomendados con mucha seriedad que amerita el caso.
Por cada tema que usted vaya abordando sta gua le presentar informacin adicional, la misma
que puede ser:
Una explicacin ampliada.
Recomendaciones prcticas para aplicar los conocimientos adquiridos.
Inclusin de preguntas para participacin en el foro del entorno virtual.
Referencias a otras fuentes bibliogrficas donde puede encontrar ms informacin.
Al final de cada captulo desarrolle las cuestiones de repaso que se proponen y a travs de
ellas mida su grado de aprendizaje. Si fuere necesario vuelva a revisar el contenido del captulo
comparando con la ubicacin de la pgina que se seala en las tablas de repaso.
Es muy importante y necesario que usted tenga claro los conceptos aprendidos en la materia de
Teora de Colas, en especial en lo referente a:
Lneas de espera
Tipos de colas.
Modelos de colas
Aplicabilidad de los modelos de colas
Anlisis econmico de una lnea de espera
Simulacin.
Tipos de Simulacin
Lenguajes de Simulacin
Verificacin y Validacin
Si estos temas no estn claros debe volver a revisar dichos conceptos antes de iniciar el estudio de esta
materia. En la gua didctica al inicio de cada captulo se describe algunos conceptos claves que le
Orientaciones generales
11
servir de mucha ayuda y adems en las pginas del texto base: 628 y 629 (Primer Bimestre), 676 y
677 (Segundo Bimestre), todo estas ayudan le aclararn y despejarn mucho ms sus dudas.
Se debe indicar adems que el texto base es utilizado por las asignaturas de Investigacin de Operaciones
y Teora de colas ambas de la carrera de Informtica y los contenidos de dicho texto que utiliza
la asignatura de Teora de Colas son los captulos 14 y 15, en concreto estamos utilizando para la
asignatura de Teora de Colas el 100% de los contenidos del texto base y complementando con el libro
de Taha referenciado en la bibliografa y adjuntado la informacin necesaria para que Usted no tenga
inconvenientes al momento de estudiar y elaborar el trabajo a distancia.
No descuide el estudio de sta asignatura y dedquele todo el tiempo necesario, no olvide la importancia
que el estudio y la comprensin que la Teora de Colas tiene en nuestra carrera. Como sugerencia
dedique por lo menos 2 horas semanales de estudio para que Usted vea resultados en su aprendizaje.
Debo indicar que existen problemas frecuentes de parte de los estudiantes tales como:
Solo se limitan a repasar la gua y no el texto bsico.
Desarrollan el trabajo a distancia sin coordinacin con la gua didctica.
No amplan sus conocimientos con los otros autores de la bibliografa complementaria, por
lo tanto no hay criterio bsico para discernir algunas dudas.
No se comunican con el profesor tutor cuando inicia la asignatura sino lo hacen unos das
antes de la entrega del trabajo a distancia o un da antes del examen.
Ante los puntos anteriormente expuestos les pido no desarrollar esas malas prcticas de estudio que al
fnal del camino solo nos inducen a un conocimiento y aprendizaje muy pobre y mediocre.
Como profesor principal de la asignatura pido a Usted desarrolle los trabajos a distancia con toda la
seriedad que le debe poner al estudio de esta asignatura, compaginando la gua didctica con el texto
base. Esto le permitir estar casi preparado para el examen presencial.
Les indico algunas tcnicas y mtodos bsicos que debe adoptar para perfeccionar su forma de estudio
universitario, no solo en mi asignatura sino en todas las dems:
Primeramente debe estar motivado, esto implica la proyeccin que tiene Usted con esta
carrera.
Organizar y dividir su tiempo de estudio con los deberes y obligaciones personales y de
trabajo.
Tratar de comunicarse con algn otro compaero de la misma asignatura a travs de los foros
del Entorno Virtual de Aprendizaje para compartir ideas o dudas sobre la asignatura.
Desarrolle las habilidades para memorizar, sintetizar y tomar apuntes de lo que estudia
cada semana, pero siempre vaya despejando las dudas en el mismo cuaderno de apuntes.
Esto genera confianza en el aprendizaje y por ende en el avance de la asignatura.
Resuelva todos los esquemas de estudio que se establece en cada captulo de la gua
didctica.
Ingrese por lo menos 5 veces a la semana al Internet y a bibliotecas digitales y baje
informacin relacionada a la asignatura. Sintetice la informacin que baja y compare estos
contenidos con el texto bsico.
Los invito constantemente a ingresar al Entorno Virtual de aprendizaje de la UTPL:
Ante cualquier pregunta adicional o sugerencia estar gustoso en ayudarle. Puede contactarse conmigo
a travs de mi cuenta de correo [email protected] o va telefnica al (07) 2570275 ext. 3013 en
el horario que deber solicitarlo a la secretara de la Escuela de Informtica llamando al 2570275 ext
2220, o en el caso de emergencia llamarme en cualquier horario.
13
PRIMER BIMESTRE Gua didctica: Teora de Colas
Conceptualizar de manera clara las diversas definiciones que abarca la teora de colas.
Caracterizar las medidas de desempeo y la distribucin de llegadas para acceder a un determinado
tipo de servicio.
Analizar las diferentes caractersticas operativas de la lnea de espera. Estos valores cuantitativos
le permitirn evaluar el tipo de servicio que se est otorgando y encontrar las variables asociadas
a los usuarios en un tiempo determinado.
Determinar las caractersticas operativas de las lneas de espera de canales mltiples
independientemente de la disciplina de una cola y de su uso.
Evaluar y diferenciar la aplicabilidad de las medidas de desempeo as como su respectivo anlisis
econmico de las lneas de espera.
Aplicar las lneas de espera de un solo canal y de mltiples canales con llegadas de Poisson y
tiempos de servicios arbitrarios con y sin lnea de espera en el mbito empresarial.
PRIMER BIMESTRE
Objetivos espec cos
Contenidos
Captulo 1 Estructura de un Sistema de Lnea de Espera
Captulo 2 Modelos de Lnea de espera de un solo canal
Captulo 3 Modelo de Lnea de espera con canales mltiples
Captulo 4 Algunas relaciones generales para modelos de lneas de espera
Captulo 5 Otros Modelos de Lnea de Espera
14
Datos Generales:
Texto base
ANDERSON David, SWEENEY Dennis, WILLIAMS Thomas., Mtodos Cuantitativos
para los negocios , Thomson. Edicin, 2004, 822 pg. ISBN; 970-686-372-9.
Captulo 14. Modelos de Lnea de Espera
Pginas 599 - 604
Horas de estudio empleadas para el desarrollo del
contenido
2 horas
Propsito
El propsito de este captulo es conocer en forma general los conceptos de la teora
de colas, sus caractersticas operativas y la distribucin de las llegadas. As tambin
conoceremos las diversas disciplinas de colas que nos ayudarn a determinar el tipo de
servicio que debe de recibir un usuario.
Conceptos Clave
Teora de colas es una coleccin de modelos matemticos que describen sistemas de
lnea de espera particulares o sistemas de colas. Tambin la Teora de Colas es conocida
como el estudio matemtico del comportamiento de lneas de espera. Esta se presenta,
cuando los clientes llegan a un lugar demandando un servicio a un servidor.
Servidor Es el que tiene una cierta capacidad de atencin al cliente ubicado en una
lnea de espera. Se caracteriza por el tipo y tiempo de servicio, adems de por el
nmero de servidores.
Cliente Es el que tiene que esperar en la lnea de espera y ser atendido a travs de
una disciplina de colas. Se caracterizan por los intervalos de tiempo que separan sus
llegadas.
Cola es una lnea de espera. Estas generan malestar, inefciencia, retraso y otros
problemas, lo que origina un coste de tiempo y econmico. Es muy importante evaluar
el balance entre el aumento del nivel de servicio y el tamao de las colas de espera. Por
tanto, es necesario entender la relacin entre el nmero de servidores en un sistema
(o efcacia de los mismos) y la cantidad de tiempo gastado en la cola (o cantidad de
clientes en la misma).
Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los
tiempos promedio de la lnea de espera para un sistema dado.

Desarrollo del aprendizaje
Estructura de un Sistema de Lnea de Espera
Captulo 1
15
Sistemas de colas son modelos de sistemas que proporcionan servicio. Como modelo, pueden
representar cualquier sistema en donde los trabajos o clientes llegan buscando un servicio de algn tipo
y salen despus de que dicho servicio haya sido atendido. Podemos modelar los sistemas de este tipo
tanto como colas sencillas o como un sistema de colas interconectadas formando una red de colas.
Disciplina de una cola es el orden en el que los clientes se seleccionan de la cola.
En la primera parte, en las lneas de espera o colas los componentes de un sistema son llamados
entidades (cajeras, mquinas, semforos, gras) las cuales se representan por los objetos del modelo,
y tiene propiedades que se representan por los atributos del objeto. El estado del sistema se defne
por los valores de todos los atributos de todos los objetos, aunque para algunos propsitos alguna
agregacin de estos atributos o un subconjunto de estos atributos podra ser tambin sufciente para
describir el estado del sistema. El estado del sistema slo se cambiar por un evento, es decir entre dos
eventos subsecuentes nada cambia, ni siquiera implcitamente.
Los elementos ms importantes de un sistema de colas son: las llegadas, la cola, el servicio y la salida.
Figura N 1. Elementos de un sistema de colas
En general, un sistema de colas consiste en uno o varios servidores que prestan un servicio a uno o
varios usuarios que acceden al sistema. El proceso de llegadas lo regula una fuente generadora de
usuarios y, en general, estas llegadas sern de forma aleatoria. Esta fuente generadora de usuarios
puede ser fnita o infnita.
Interesa saber cul es el intervalo de tiempo entre las llegadas de dos usuarios consecutivos. Adems,
segn cmo sea el proceso de llegadas, los usuarios pueden llegar individualmente o en grupos.
Si cuando un usuario llega al sistema el servidor est libre, se le da servicio. Si el tiempo de servicio es
mayor que el intervalo entre llegadas, el siguiente usuario, cuando accede al sistema encuentra que el
servidor est ocupado, por lo que debe quedar en espera, formando la cola.
Otra cuestin importante es saber cunto tiempo debe esperar un usuario que llega al sistema hasta
que recibe el servicio, lo cual entra dentro del concepto QOS (Quality of Service, calidad de servicio).
Cuando en la cola hay ms de un usuario, al quedar el servidor libre hay que determinar cul de los
usuarios en espera ser el que pase a recibir servicio. Es decir, es necesario un proceso para decidir
qu usuario va a ser llamado de la cola; esto es lo que se llama disciplina de la cola. Los modelos ms
importantes son los siguientes:
FIFO (First-In-First-Out): se le da servicio al primero que ha llegado, de forma que la cola
est ordenada segn el orden de llegada de los usuarios.
LIFO (Last-In-First-Out): se le da servicio al ltimo que ha llegado, de forma que la cola est
ordenada en orden inverso al de llegada de los usuarios.
SERVIDOR /ES
SALIDAS
COLA
LLEGADAS
16
SIRO (Service-In-Random-Order): Se sortea aleatoriamente cul de los usuarios en espera
acceder al servicio.
No obstante, otro procedimiento para establecer la disciplina de la cola puede ser el de establecer
determinadas prioridades a los diferentes usuarios segn algunas de sus caractersticas.
En sistemas fnitos, en los que el nmero de usuarios en espera es limitado, es necesario establecer
adems qu sucede con aquellos usuarios que acceden al sistema cuando la cola de espera est
completa. Por ltimo, en los sistemas en que los usuarios son humanos, hay que tener en cuenta otros
factores propios del comportamiento humano como el hecho de que hay individuos que no respetan
el orden establecido en la cola o bien que hay usuarios que, a la vista de la cola, renuncian a acceder
al sistema.
Otra caracterstica importante de un sistema de colas es el diseo de la ejecucin del servicio. El servicio
puede estar ejecutado por uno o varios servidores. Si el tiempo que tardan los usuarios en salir del
sistema es mayor que el intervalo entre llegadas, la cola aumentar indefnidamente y el sistema puede
llegar a colapsarse. Por tanto es necesario disear el sistema de forma que el tiempo de servicio sea
igual o menor que el intervalo entre llegadas. En esta situacin es importante saber cunto tiempo va a
estar un servidor inactivo, tiempo que ha de ser mnimo para optimizar el rendimiento del sistema. No
obstante, en la mayora de los sistemas la duracin del servicio es tambin una magnitud aleatoria.
Por ltimo, los usuarios que salen del sistema pueden hacerlo al exterior o pueden integrarse en otro
sistema similar, en cuyo caso se habla de colas enlazadas o redes de colas.
EJEMPLOS DE SISTEMAS DE COLAS REALES
Puede parecer que la descripcin de los sistemas de colas pueden parecer ms o menos abstracta y slo
es aplicables en situaciones prcticas bastante especiales. Por el contrario, los sistemas de colas ocurren
con sorprendente frecuencia en una amplia variedad de contextos. Para ampliar el horizonte sobre la
aplicabilidad de la teora de colas, se mencionarn brevemente varios ejemplos reales de sistemas de
colas.
Una clase importante de sistemas de colas que se encuentran en la vida es el sistema de servicio
comercial, en donde los clientes externos reciben un servicio de una organizacin comercial. Muchos
de estos sistemas incluyen un servicio de persona a persona en una localidad fja, como una peluquera
(los peluqueros son los servidores), es servicio de una cajera de banco, las cajas de cobro en un
supermercado y una cola en una cafetera (canales de servicio en serie). Muchos otros sistemas son de
tipo diferente, como la reparacin de aparatos domsticos (el servidor va hacia el cliente), una maquina
de monedas (el servidor es una mquina) y una gasolinera (los clientes son automviles).
Otra clase importante es la de sistemas de servicio de transporte. Para algunos de estos sistemas
los vehculos son los clientes, como los automviles que esperan pasar por una caseta de cobro o
un semforo (el servidor), un camin de carga o un barco que esperan que una cuadrilla les d el
servicio de carga o descarga y un avin que espera aterrizar o despegar en una pista (el servidor).
(Un estacionamiento es un ejemplo poco usual de este tipo, en el que los carros son los clientes y los
espacios son los servidores, pero no existe una cola porque si el estacionamiento est lleno, los clientes
se van a otro lado a estacionarse). En otros casos, los vehculos son los servidores, como los taxis, los
camiones de bomberos y los elevadores.
17
Figura N 2. Sistemas de Transporte Urbano
Fuente: http://www2.diariomotor.com/imagenes/se%c3%b1ales-curiosas-recopilacion-0.jpg
En los ltimos aos, tal vez la teora de colas se ha aplicado ms a los sistemas de servicio interno
en la industria y en los negocios, en donde los clientes que reciben el servicio son internos o parte
de la organizacin. Los ejemplos incluyen sistemas de manejo de materiales, en donde las unidades
de manejo de materiales (los servidores) mueven cargas (los clientes); sistemas de mantenimiento, en
donde las brigadas de mantenimiento (los servidores) reparan mquinas (los clientes) y puestos de
inspeccin en los que los inspectores de control de calidad (los servidores) inspeccionan artculos (los
clientes). Las instalaciones para empleados y los departamentos que dan servicio a empleados tambin
entran en esta categora. Adems, las mquinas se pueden ver como servidores cuyos clientes son los
trabajos que se estn procesando. Un ejemplo relacionado muy importante es un centro de cmputo
en el que la computadora se puede ver como el servidor.
Figura N 3. Sistemas Indusctriales
Fuente: http://www.cordobaylibardi.com.ar/galeriaimg/sistemas_industriales_adec06.jpg
18
Es del reconocimiento general que la teora de colas tambin se puede aplicar a sistemas de servicio
social. Por ejemplo, un sistema judicial es una red de colas, en donde las cortes son las instalaciones de
servicio, los jueces (o los jurados) son los servidores y los casos que esperan el proceso son los clientes.
Un sistema legislativo es una red de colas parecida, en el que los clientes son los asuntos que el congreso
va a tratar. Algunos sistemas de salud pblica son sistemas de colas. Al inicio se vio un ejemplo (la sala
de emergencia de un hospital), pero tambin las ambulancias, las mquinas de rayos X y las camas del
hospital pueden jugar el papel de servidores en sus propios sistemas de colas. En forma parecida, las
familias en espera de viviendas de inters social u otros servicios sociales se pueden concebir como
clientes de un sistema de colas.
Figura N 4. Sistemas de Salud Pblica
Fuente: http://www.diariocorreo.com.ec/imagenes/2008/02/ciudad26.jpg
Aun cuando stas son cuatro clases amplias de sistemas de colas, la lista todava no se agota. De hecho,
la teora de colas comenz a principios de siglo con aplicaciones a ingeniera telefnica (el fundador de
la teora de colas, A.K. Erlang, era un empleado de la Danish Telephone Company en Copenhague),
y la ingeniera telefnica constituye todava una importante aplicacin. Lo que es ms, cada individuo
tiene sus propias lneas de espera personales: tareas, libros que leer, etc. Estos ejemplos son sufcientes
para sugerir que los sistemas de colas sin duda ocurren con toda frecuencia en muchas reas de la
sociedad.
A MANERA DE CONCLUSIN SOBRE TEORIAS DE COLAS
Los sistemas de colas son muy comunes en la sociedad. La adecuacin de estos sistemas pueden tener
un efecto importante sobre la calidad de vida y la productividad.
Para estudiar estos sistemas, la teora de colas formula modelos matemticos que representan su
operacin y despus usa estos modelos para obtener medidas de desempeo. Este anlisis proporciona
informacin vital para disear de manera efectiva sistemas de colas que logren un balance apropiado
entre el costo de proporcionar el servicio y el costo asociado con la espera por ese servicio.
19
La distribucin exponencial juega un papel fundamental en la teora de las colas para representar la
distribucin de los tiempos entre llegadas y de servicio, ya que esta suposicin permite representar un
sistema de colas como una cadena de Markov de tiempo continuo. Por la misma razn, son de gran
utilidad las distribuciones tipo fase como la distribucin Erlang, en donde se desglosa el tiempo total en
fases individuales que tienen distribuciones exponenciales. Haciendo algunas suposiciones adicionales,
se han obtenido importantes resultados analticos slo para un pequeo nmero de modelos de
colas.
Los modelos de disciplina de prioridades son tiles para la situacin comn en la que se da prioridad
a algunas categoras de clientes sobre otras para recibir el servicio.
En otra situacin comn los clientes deben recibir servicio en distintas estaciones o instalaciones. Los
modelos de redes de colas se usan cada vez ms en estas situaciones. Esta es una rea especialmente
activa en la investigacin actual.
Cuando no se dispone de un modelo manejable que proporcione una representacin razonable del
sistema bajo estudio, un enfoque usual es obtener los datos de desempeo pertinentes mediante el
desarrollo de un programa de computadora para simular la operacin del sistema.
La teora de colas ha demostrado ser una herramienta muy til y se pronostica que su uso seguir
amplindose conforme crezca el reconocimiento de los benefcios de los sistemas de colas.
20
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
1
.
1

A
p
l
i
c
a
b
i
l
i
d
a
d

d
e

l
a

t
e
o
r
a

d
e

c
o
l
a
s
E
n

e
s
t
e

a
p
a
r
t
a
d
o

s
e

e
j
e
m
p
l
a
r
i
z
a

e
l

h
e
c
h
o

r
e
a
l

d
e

C
I
T
I
B
A
N
K

d
e

l
o
s

E
s
t
a
d
o
s

U
n
i
d
o
s
.
R
e
v
i
s
e

t
o
d
o
s

l
o
s

c
o
n
c
e
p
t
o
s

a
n
t
e
s

d
e
s
c
r
i
t
o
s

y

l
o
s

v
e
r
t
i
d
o
s

e
n

l
a

p
g
i
n
a

6
0
0

p
r
e
v
i
o

a

l
a

l
e
c
t
u
r
a

s
o
b
r
e

e
l

m
o
d
e
l
o

d
e

l
n
e
a

d
e

e
s
p
e
r
a

u
s
a
d
o

e
n

C
I
T
I
B
A
N
K
.
H
a
g
a

u
n
a

d
e
d
u
c
c
i
n

r
e
s
u
m
i
d
a

s
o
b
r
e

l
a

a
p
l
i
c
a
b
i
l
i
d
a
d

d
e
l

m
o
d
e
l
o

d
e

l
n
e
a

d
e

e
s
p
e
r
a

u
t
i
l
i
z
a
d
o
.
1
.
2
.
C
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s
S
e
d
e
s
c
r
i
b
e
a
l
a
s
c
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

o

m
e
d
i
d
a
s

d
e

d
e
s
e
m
p
e
o

p
a
r
a

u
n
a

c
o
l
a
.
E
s
t
u
d
i
e

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

d
e

d
e
s
e
m
p
e
o

d
e

l
a
s

c
o
l
a
s

y

l
u
e
g
o

e
s
q
u
e
m
a
t
c
e
l
a
s

p
a
r
a

o
r
i
e
n
t
a
r

e
l

t
i
e
m
p
o

d
e

t
i
e
m
p
o

q
u
e

s
e

a
p
l
i
c
a

e
n

l
o
s

s
e
r
v
i
c
i
o
s
.
1
.
3
.

L
n
e
a

d
e

e
s
p
e
r
a

d
e

u
n

s
o
l
o

c
a
n
a
l

y

l
a

d
i
s
t
r
i
b
u
c
i
n

d
e

l
l
e
g
a
d
a
s
E
n

e
s
t
e

a
p
a
r
t
a
d
o

s
e

d
e
s
c
r
i
b
e

l
a

a
l
e
a
t
o
r
i
e
d
a
d

d
e

u
n

e
v
e
n
t
o

a

t
r
a
v
s

d
e

l
a

d
i
s
t
r
i
b
u
c
i
n

d
e

P
o
i
s
s
o
n
.
R
e
v
i
s
e

d
e
t
e
n
i
d
a
m
e
n
t
e

l
a
s

f
o
r
m
u
l
a
s

1
4
.
1

y

1
4
.
2

c
o
n

s
u

r
e
s
p
e
c
t
i
v
o

p
l
a
n
t
e
a
m
i
e
n
t
o

y

r
e
s
o
l
u
c
i
n
,

a
s

c
o
m
o

t
a
m
b
i
n

l
a

t
a
b
l
a

1
4
.
1
1
.
4
.

D
i
s
t
r
i
b
u
c
i
n

d
e

t
i
e
m
p
o
s

d
e

s
e
r
v
i
c
i
o
A
q
u

s
e

d
e
s
c
r
i
b
e

q
u
e

e
l

t
i
e
m
p
o

d
e

s
e
r
v
i
c
i
o

s
i
g
u
e

u
n
a

d
i
s
t
r
i
b
u
c
i
n

e
x
p
o
n
e
n
c
i
a
l
.
D
e
s
a
r
r
o
l
l
e

o
t
r
o

e
j
e
r
c
i
c
i
o

s
i
m
i
l
a
r

a
l

d
e

l
a

p
g
i
n
a

6
0
3

c
a
m
b
i
a
n
d
o

l
o
s

d
a
t
o
s

y

l
u
e
g
o

c
o
m
p
r
e
l
o

p
a
r
a

e
v
a
l
u
a
r

s
u

c
o
m
p
r
e
n
s
i
n

e
n

e
l

t
e
m
a
.
21
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
1
.
5
.

D
i
s
c
i
p
l
i
n
a

d
e

l
a

l
n
e
a

d
e

e
s
p
e
r
a
L
a
s

d
i
v
e
r
s
a
s

d
i
s
c
i
p
l
i
n
a
s

q
u
e

s
e

a
p
l
i
c
a
n

e
n

l
a

t
e
o
r
a

d
e

c
o
l
a
s
.
R
e
v
i
s
a
r

e
n

e
l

d
o
c
u
m
e
n
t
o

a
d
j
u
n
t
o

e
n

f
o
r
m
a
t
o

P
D
F

y

e
n

e
l

I
n
t
e
r
n
e
t

l
o
s

c
o
n
c
e
p
t
o
s

y

e
j
e
m
p
l
o
s

d
e

l
a
s

d
i
s
c
i
p
l
i
n
a
s

d
e

c
o
l
a
s

q
u
e

s
e

u
t
i
l
i
z
a
n

p
a
r
a

d
a
r

u
n

s
e
r
v
i
c
i
o

e
f
c
i
e
n
t
e

a

l
a
s

l
l
e
g
a
d
a
s

d
e

p
e
t
i
c
i
o
n
e
s

e
n

u
n
a

r
e
s
p
e
c
t
i
v
a

c
o
l
a
.
22
Cuestiones de repaso
Como medidor de asimilacin de los contenidos, desarrollaremos las siguientes cuestiones
de repaso; le recomendamos que responda las preguntas de auto evaluacin y para su
informacin registre el nivel de desempeo que observ, esto le permitir saber los temas
que debe volver a revisar si su desempeo lo considera medio, y en caso de observar
un desempeo malo, recuerde que puede solicitar tutora mediante el campus virtual o
telefnicamente.
No. Cuestin
Despus de responder, el
desempeo ha sido:
Malo Medio
Muy
bueno
1.1. Qu significa teora de colas?
1.2. En qu consisten los modelos de lnea de espera?
1.3.
Cmo tambin se le conoce a las caractersticas
operativas para una cola?
1.4.
Identifique algunas reas en las cuales se utilizara
la teora de colas como un factor importante para
mejorar el servicio.
1.5.
Determine como ayud el modelo de lnea de espera
usado en CITIBANK.
1.6.
Cmo puede usted determinar que la lnea de espera
es de un solo canal?
1.7.
Cul es la ventaja que tiene la distribucin de
probabilidad de Poisson?
1.8. Qu es un tiempo de servicio?
1.9.
Qu tipo de distribucin de probabilidad pueden
utilizar los tiempos de servicio?
1.10.
Describa algunos ejemplos prcticos en el que se
puede sintetizar las diversas disciplinas de la lnea de
espera de una cola
23
Interactividad a travs de los Foros del Campus Virtual
Ingrese peridicamente al campus virtual que se encuentra en la siguiente direccin:
http://www.utpl.edu.ec, all existe un link en donde dice Entorno Virtual de Aprendizaje
digite su usuario y contrasea personal luego haga clic en el botn Entrar y de
respuesta a las siguiente pregunta que se ha previsto como parte del foro, su aporte es
importante.
Cundo existe el denominado perodo transitorio en una operacin estable?
Ejercicios
Para reforzar el nivel de conocimientos del presente captulo se deben realizar las
siguientes actividades.
Revisar el impacto y las soluciones que dio el modelo utilizado en el CITIBANK,
analcelo de manera profunda en el contexto de un modelo de optimizacin de
costos.
Documentacin adicional
Para ampliar la informacin del texto base se dispone de bibliografa adicional, que
estar disponible como anexo en la gua de estudio o en digital, a estos ltimos recursos
podr acceder a travs del campus virtual.
Descripcin del documento Archivo disponible en UTPLONLINE
Este documento nos hace referencia a
informacin relacionada al captulo, que
es de vital importancia para aclarar algunos
conceptos y ejemplos vertidos en el mismo, por
lo que se sugiere sea revisado conjuntamente
con el texto base.
Material de Apoyo Cap1
24
Datos Generales:
Texto base
Captulo 14. Modelos de Lneas de Espera
Pginas 604 - 609
contenido
4 horas
Propsito:
El propsito de este captulo es mostrar los resultados que arrojan las diferentes frmulas
acerca de las medidas de desempeo de la lnea de espera. Estos valores cuantitativos
le permitirn evaluar el tipo de servicio. Adems encontrar las variables asociadas a los
usuarios en un tiempo determinado.
Conceptos Clave:
Poblacin de clientes.
Conjunto de todos los clientes posibles de un sistema de colas.
Proceso de llegada.
La forma en que los clientes de la poblacin llegan a solicitar un servicio.
Proceso de colas.
La forma en que los clientes esperan a que se les d un servicio.
Proceso de servicio.
Forma y rapidez con que son atendidos los clientes.
Proceso de salida.
Forma en que los productos o los clientes abandonan un sistema de colas.
Sistema de colas de un paso.
Sistema en el cual los productos o los clientes abandonan el sistema despus de ser
atendidos en un solo centro o estacin de trabajo.
Caractersticas operativas
Conocida tambin dentro de la teora de colas como Medidas de desempeo.
Modelos de Lnea de espera de un solo canal
Captulo 2
25
El estado estable de un sistema de colas se aproxima a la realidad, por eso nuestro tratamiento de los
procesos de colas o lneas de espera consideran nicamente el estado estable.
En estado estable es posible evaluar el rendimiento de un sistema en funcin de algunos parmetros o
caractersticas operativas.
CARACTERSTICAS OPERATIVAS DE UN SOLO CANAL CON LLEGADAS DE POISSON Y TIEMPOS
DE SERVICIOS EXPONENCIALES
- El tiempo promedio de espera de los clientes recin llegados al sistema en espera de ser
atendidos est asociado con W
q.
- El tiempo promedio en el sistema que un cliente invierte incluyendo el tiempo de espera
y de servicio es denotado con W.
- El nmero de clientes esperando en la cola para ser atendidos nos define la longitud
media de la cola, representada con L
q
.
- El nmero promedio de clientes en el sistema es el nmero medio en el sistema,
representado L.
- La probabilidad de que un cliente que llegue tenga que esperar para ser atendido, la
medida de rendimiento asociada es la probabilidad de bloqueo, representada por p
k
.
- La probabilidad de que un servidor est ocupado, su medida de rendimiento esta asociada
con la utilizacin y representado con U.
El clculo especfco de las medidas de rendimiento depende de la clase de sistema de colas, es decir
de los procesos de llegada y de servicio
Dados los siguientes parmetros:
= nmero promedio de llegadas por unidad de tiempo
= nmero promedio de clientes atendidos por unidad de tiempo en una estacin
Se cumplen las siguientes relaciones:
De las tres ecuaciones anteriores podemos deducir la siguiente:
26
CARACTERSTICAS OPERATIVAS EN MODELOS DE LNEA DE ESPERA CON POBLACIONES FINITAS
DE DEMANTES
Estas caractersticas operativas estn determinadas a ser aplicadas para el modelo M/M/1 con una
poblacin fnita de demandantes, donde
EJERCICIOS
Problema A.
Debido a un reciente incremento en el negocio una secretaria de una cierta empresa tiene que
mecanografar 20 cartas por da en promedio (asuma una distribucin de Poisson). A ella le toma
aproximadamente 20 minutos mecanografar cada carta (asuma una distribucin exponencial).
Suponiendo que la secretaria trabaja ocho horas diarias
Datos:
l = 20 / 8 = 2.5 cartas/hora
m = (1 / 20 min)(60 min/ 1 hora) = 3 cartas/hora
La tasa de utilizacin de la secretaria estar definida por:
El tiempo promedio de espera antes de que la secretaria mecanografe una carta se deducir de la
siguiente manera:
horas
27
Ahora el numero promedio de cartas que estarn en la lnea de espera:
Si deseramos conocer la probabilidad de que la secretaria tenga mas de cinco cartas que mecanografar,
se determinara de la siguiente manera:
K
0 0.834
1 0.694
2 0.578
3 0.482
4 0.401
5 0.334
6 0.279
Problema B.
Sam el veterinario maneja una clnica de vacunacin antirrbica para perros, en la preparatoria local. Sam
puede vacunar un perro cada tres minutos. Se estima que los perros llegarn en forma independiente
y aleatoriamente en el transcurso del da, en un rango de un perro cada seis minutos, de acuerdo con
la distribucin de Poisson. Tambin suponga que los tiempos de vacunacin de Sam estn distribuidos
exponencialmente. Determinar:
Datos:
l = 1 / 6 = 0.167 perros/min
m = 1 / 3 = 0.34 perros/min
La probabilidad de que Sam este de ocioso defnir de la siguiente manera:
Ahora la proporcin de tiempo en que Sam est ocupado.
28
El nmero total de perros que estn siendo vacunados y que esperan a ser vacunados
El numero promedio de perros que esperan a ser vacunados.
Problema C.
Las llamadas llegan al conmutador de una ofcina a una tasa de dos por minuto, l tiempo promedio
para manejar cada una de ests es de 20 segundos. Actualmente solo hay un operador del conmutador.
Las distribuciones de Poisson y exponencial parecen ser relevantes en esta situacin.
Datos:
l = 2 llamadas/minutos
m = (1 / 20 seg)(60 seg) = 3 llamadas/minuto
La probabilidad de que el operador este ocupado se definir:
El tiempo promedio que debe de esperar una llamada antes de ser tomada por l operador:
El numero de llamadas que esperan ser contestadas
Problema D.
Al principio de la temporada de futbol, la ofcina de boletos se ocupa mucho el da anterior al primer
juego. Los clientes llegan a una tasa de cuatro llegadas cada 10 minutos y el tiempo promedio para
realizar la transaccin es de dos minutos.
Datos:
l = (4 / 10) = 0.4 c/min
m = (1 /2 ) = 0.5 c/min
29
El numero promedio de gente en lnea se defnir de la forma siguiente:
personas
El tiempo promedio que una persona pasara en la ofcina de boletos
minutos
La proporcin de tiempo que el servidor est ocupado
30
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
2
.
1
C
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s
E
n

e
s
t
a

s
e
c
c
i
n

s
e

d
e
s
c
r
i
b
e

l
a
s

d
i
v
e
r
s
a
s

v
a
r
i
a
b
l
e
s

q
u
e

a
f
e
c
t
a
n

a
l

s
i
s
t
e
m
a

y

a

p
a
r
t
i
r

d
e

l
a
s

m
i
s
m
a
s

d
e
f
n
i
r

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

q
u
e

i
n
v
o
l
u
c
r
a
n

a

u
n

s
i
s
t
e
m
a

d
e

c
o
l
a
s
.
P
a
r
a

e
s
t
e

t
e
m
a

e
s

n
e
c
e
s
a
r
i
o

q
u
e

r
e
p
a
s
e

t
o
d
a
s

l
a
s

f
r
m
u
l
a
s

1
4
.
4

h
a
s
t
a

l
a

1
4
.
1
0

d
e
s
c
r
i
t
a
s

e
n

l
a

p
g
i
n
a

6
0
5
.

y

a
c
c
e
d
a

a
l

a
r
c
h
i
v
o

e
n

f
o
r
m
a
t
o

p
d
f

q
u
e

s
e

p
u
b
l
i
c
a
r

e
n

e
l

e
n
t
o
r
n
o

v
i
r
t
u
a
l

E
V
A
,

e
l

m
i
s
m
o

q
u
e

s
e
r

s
u
b
i
d
o

a
l

i
n
i
c
i
o

d
e
l

c
i
c
l
o
.
2
.
2

C
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

e
n

u
n

e
j
e
m
p
l
o

r
e
a
l
A
q
u

r
e
v
i
s
a
r
e
m
o
s

e
l

u
s
o

d
e

l
a
s

e
c
u
a
c
i
o
n
e
s

1
4
.
4

a

1
4
.
1
0

e
n

u
n
a

l
n
e
a

d
e

e
s
p
e
r
a

d
e

u
n

s
o
l
o

c
a
n
a
l

q
u
e

u
t
i
l
i
z
a

u
n
a

e
m
p
r
e
s
a

d
e

d
i
s
t
r
i
b
u
c
i
n

d
e

c
o
m
i
d
a

r
p
i
d
a
.
R
e
v
i
s
a
r

d
e
t
e
n
i
d
a
m
e
n
t
e

l
o
s

r
e
s
u
l
t
a
d
o
s

d
e

l
a
s

e
c
u
a
c
i
o
n
e
s

y

l
a
s

t
a
b
l
a
s

1
4
.
2

y

1
4
.
3

e
n

e
l

p
r
o
b
l
e
m
a

d
e

B
u
r
g
e
r

D
o
m
e

y

c
u
a
l

s
e
r
a

l
a

s
o
l
u
c
i
n

q
u
e

a
d
o
p
t
a
r
a

d
e
s
p
u
s

d
e

r
e
v
i
s
a
r

e
s
t
o
s

r
e
s
u
l
t
a
d
o
s
.
2
.
3

U
s
o

d
e

l
a

h
o
j
a

d
e

c
l
c
u
l
o

p
a
r
a

l
a

l
n
e
a

d
e

e
s
p
e
r
a

d
e

u
n

s
o
l
o

c
a
n
a
l
A
q
u

r
e
v
i
s
a
r
e
m
o
s

e
l

u
s
o

d
e

l
a

h
o
j
a

d
e

c
l
c
u
l
o

c
o
n

l
l
e
g
a
d
a
s

d
e

P
o
i
s
s
o
n

y

t
i
e
m
p
o
s

d
e

s
e
r
v
i
c
i
o
s

e
x
p
o
n
e
n
c
i
a
l
e
s

p
a
r
a

d
e
s
c
r
i
b
i
r

e
l

t
i
e
m
p
o

e
n
t
r
e

s
a
l
i
d
a
s
.
L
e
a

d
e
t
e
n
i
d
a
m
e
n
t
e

l
a
s

n
o
t
a
s

y

c
o
m
e
n
t
a
r
i
o
s

d
e

l
a

p
g
i
n
a

6
0
9

r
e
f
e
r
e
n
t
e

a
l

u
s
o

d
e

l
a
s

v
a
r
i
a
b
l
e
s

.
31
informacin registre el nivel de desempeo que observo, esto le permitir saber los temas
un desempeo malo recuerde que puede solicitar tutora mediante el campus virtual o
telefnicamente.
NO. CUESTIN
DESPUS DE RESPONDER,
EL DESEMPEO HA SIDO:
MALO MEDIO
MUY
BIEN
2.1. Qu es y ?
2.2. Qu determinan la tasa media de llegada y la tasa
media de servicio ?
2.3. Qu debe considerar la administracin de Burger
Dome para cumplir los estndares de servicio de la
compaa?
2.4. Qu indican frecuentemente los modelos de lneas
de espera?
2.5. Qu deducciones claves podemos dar a la informacin
de la tabla 14.3?
2.6. Cul es la ventaja de usar una hoja de clculo en los
modelos de lneas de espera?
2.7 Frecuentemente los modelos de lneas de espera en
que se basan?
2.8 Los valores de tasa media de llegada y tasa media de
servicio Qu son?
32
Interactividad a travs de los Foros de Campus Virtual
digite su usuario y contrasea personal luego haga clic en el botn Entrar y de respuesta a
la siguiente pregunta que se ha previsto como parte del foro, su aporte es importante.
Cules son las ventajas que nos ofrece las hojas de clculo en la resolucin de
problemas relacionados a la lnea de espera y a las variables involucradas?
Ejercicios
Repase las caractersticas operativas de la Pg. 605, desarrollando el ejercicio 3 de
la Pg. 629 del texto base.
conceptos y ejemplos vertidos en el mismo. Por
con el texto base.
33
Datos Generales:
Texto base
Pginas 609 - 614
Horas de estudio empleadas para el desarrollo
del contenido
4 horas
Propsito
El propsito de este captulo es establecer el comportamiento y las medidas de
desempeo de las lneas de espera de canales mltiples independientemente de la
disciplina de una cola y su aplicabilidad.
Conceptos Clave
Cantidad de clientes
Son todos los procesos o clientes que hay en el servicio y los que esperan en cola
Tasa nominal de llegada
Es el valor que se obtiene cuando todos los clientes que llegan se unen al sistema.
Diagrama de frecuencia
Es la tasa de transicin o rapidez en las colas de Poisson.
Dependencia del estado
Es la dependencia de la cantidad de clientes en la instalacin del servicio.
Lneas de espera con canales mltiples
Son dos o ms canales de servicio que se supone son idnticos desde el punto de vista
de su capacidad.
El proceso de colas.
Un proceso de colas tiene que ver con la forma en que los clientes esperan para ser
atendidos. Los clientes pueden esperar en una sola fla, como en un banco, este es el
caso de sistema de colas de una sola lnea. Al contrario, los clientes pueden elegir una
de varias flas en la que deben esperar ser atendidos, como en las cajas cobradoras de
un supermercado; este es el caso de un sistema de colas de lneas mltiples.
Modelo de Lnea de Espera con Canales Mltiples
Captulo 3
34
Figura N 5. Usuarios en cola solicitando un servicio en un banco
Otra caracterstica del proceso de colas es el nmero de espacios de espera en cada fla, es decir el
nmero de clientes que pueden esperar ( o que esperarn) para ser atendidos en cada lnea. En algunos
casos, como en un banco, ese nmero es bastante grande y no signifca ningn problema prctico,
pues para cuestiones de anlisis la cantidad de espacio de espera se considera infnita. En contraste,
un sistema telefnico puede mantener solamente un nmero fnito (es decir limitado) de llamadas,
despus del cual las llamadas subsecuentes no tienen acceso al sistema. Las condiciones de espacio de
espera infnito y fnito requieren anlisis matemticos diferentes.
Disciplina de colas.
Adicionalmente, otra caracterstica clave del proceso de colas es la disciplina de colas, que hace
referencia a la forma en que los clientes que esperan son seleccionados para ser atendidos. Las formas
ms comunes de disciplinas de colas se presentan a continuacin:
Primero en entrar primero en salir: Los clientes son atendidos en el orden que van
llegando a la fila (Ej.: Los clientes de un banco)
Ultimo en entrar primero en salir: El cliente que ha llegado ms recientemente es el
primero en ser atendido. (Ej.: En un proceso de produccin, en donde los materiales se
apilan, se van procesando el ltimo de la pila)
Seleccin de prioridad: A cada cliente que llega se le da una prioridad, y de acuerdo a
esta es seleccionado para el servicio.
En este curso se vern sistemas que manejan la primera disciplina de colas, que es la ms comnmente
utilizada.
El Proceso de Servicio.
Hace referencia a como son atendidos los clientes en relacin a la cantidad de estaciones de servicio y
al nmero de flas existentes en el proceso. Aqu haremos dos clasifcaciones:
35
Sistemas de Colas de Canal Mltiple: Cuando se tienen mltiples estaciones cada una de las cuales
proporciona el mismo servicio y asociadas a cada una se tiene una fla de espera o alternativamente
una sola fla para todos los servidores. (Ejemplo: Supermercados en donde se tienen mltiples cajeros
y cada uno con su fla o el caso de las ventanillas de bancos en donde hay una sola fla que reparte los
clientes a dichas ventanillas)
Sistemas de Canal Sencillo: Cuando se tiene una estacin de servicio nica. De esta manera todos los
clientes o productos tienen que pasar necesariamente por este punto. (Ejemplo: En un servidor de
correo electrnico en una red de datos, en donde es este computador el que recibe todo los mensajes
y requerimientos para pasarlos a los destinatarios adecuados)
Como punto adicional de importancia, en el proceso de servicio, tenemos el tiempo de servicio, que
se demora en dar atencin a un cliente o producto, el mismo que puede ser determinstico (cuando
se conoce exactamente el tiempo de servicio para cada cliente) o probabilstico (cada cliente requiere
una cantidad distinta e incierta de tiempo para ser atendido).
Figura N 6. Diversas formas de solicitudes de un servicio
De la misma manera como se describen matemticamente los procesos de llegada,
los tiempos de servicio probabilsticos se describen mediante una distribucin de
probabilidad. Una distribucin que ha demostrado ser til es la distribucin exponencial. Para este caso
tenemos la siguiente relacin:
36
Donde:
= nmero promedio de clientes atendidos por unidad de tiempo, de modo que
1/ = tiempo promedio en atender a un cliente.
En general el tiempo de servicio puede seguir cualquier distribucin, pero antes de que se pueda
analizar el sistema, usted necesitar identifcar dicha distribucin.
37
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
3
.
1
.
C
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

c
o
n

l
l
e
g
a
d
a
s

d
e

P
o
i
s
s
o
n

y

T
i
e
m
p
o
s

d
e

S
e
r
v
i
c
i
o

E
x
p
o
n
e
n
c
i
a
l
e
s
A
q
u

e
s
t
u
d
i
a
r
e
m
o
s

t
o
d
a
s

l
a
s

e
c
u
a
c
i
o
n
e
s

q
u
e

p
e
r
m
i
t
a
n

a
n
a
l
i
z
a
r

l
a
s

m
e
d
i
d
a
s

d
e

d
e
s
e
m
p
e
o

e
n

e
s
t
a
d
o

e
s
t
a
b
l
e

p
a
r
a

l
n
e
a
s

d
e

e
s
p
e
r
a

c
o
n

c
a
n
a
l
e
s

m
l
t
i
p
l
e
s
.
R
e
p
a
s
e

e
s
t
a
s

v
a
r
i
a
b
l
e
s

d
e

d
e
s
e
m
p
e
o

d
e
s
a
r
r
o
l
l
a
n
d
o

e
l

e
j
e
r
c
i
c
i
o

2
7

d
e

l
a

P
g
.

6
3
4
.
3
.
2
.
C
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

p
a
r
a

e
l

p
r
o
b
l
e
m
a

d
e

B
u
r
g
e
r

D
o
m
e
E
n

e
s
t
e

a
p
a
r
t
a
d
o

s
e

p
r
e
t
e
n
d
e

e
n
f
a
t
i
z
a
r

e
l

u
s
o

d
e

l
a
s

e
c
u
a
c
i
o
n
e
s

a
n
t
e
s

s
e
a
l
a
d
a
s

e
n

u
n

e
j
e
m
p
l
o

p
r
c
t
i
c
o

c
o
m
o

e
s

e
l

p
r
o
b
l
e
m
a

q
u
e

p
r
e
s
e
n
t
a

e
l

r
e
s
t
a
u
r
a
n
t
e

d
e

c
o
m
i
d
a

r
p
i
d
a

B
u
r
g
e
r

D
o
m
e
.
R
e
p
a
s
e

v
a
r
i
a
s

v
e
c
e
s

e
l

e
j
e
m
p
l
o

d
e

l
a

P
g
.

6
1
1

a
s

c
o
m
o

t
a
m
b
i
n

r
e
s
u
e
l
v
a

e
l

p
r
o
b
l
e
m
a

1
9

p
a
r
a

p
r
a
c
t
i
c
a
r

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

p
a
r
a

u
n
a

l
n
e
a

d
e

e
s
p
e
r
a

d
e

d
o
s

c
a
n
a
l
e
s
.
S
e

r
e
c
o
m
i
e
n
d
a

t
a
m
b
i
n

a
n
a
l
i
z
a
r

l
o
s

r
e
s
u
l
t
a
d
o
s

q
u
e

a
r
r
o
j
a
n

l
a
s

t
a
b
l
a
s

1
4
.
4

y

1
4
.
5
.
38
telefnicamente.
NO. CUESTIN
DESPUS DE RESPONDER, EL
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
3.1. Conceptualice con sus propias palabras qu es un
de lnea de espera con canales mltiples?
3.2. Qu tipos de condiciones debe reunir una lnea de
espera de varios canales?
3.3. Qu significa la caracterstica operativa k?
3.4. La cantidad promedio de unidades en el sistema esta
representado por qu formula?
3.5. En que tipo de autoridad descansa la decisin final
de de dotacin de personal de Burguer Dome?
3.6. En qu tipo de lnea de espera se basa un canal
mltiple?
3.7. Qu tipo de distribucin siguen las llegadas en un
modelo de lnea de espera con canales mltiples?
3.8. Aumenta la complejidad en las caractersticas de las
lneas de espera de canales mltiples?
39
digite su usuario y contrasea personal luego haga clic en el botn Entrar y de
respuesta a la siguiente preguntas que se han previsto como parte del foro, su aporte
es importante.
Qu ventajas tiene el uso de los canales mltiples en un modelo de lneas de
espera?
Ejercicios
Lea detenidamente el MC en Accin para dotar de personal al Hospital Lourdes as
como las notas y comentarios de la Pg. 614.
con el texto base. Material de Apoyo Cap3
40
Datos Generales:
Texto base
Pginas 614 - 618
contenido
4 horas
Propsito
El propsito de este captulo es repasar ms a profundidad la aplicabilidad de las
caractersticas operativas as como su respectivo anlisis econmico de las lneas de
espera.
Conceptos Clave
Ecuaciones de fujos de Little
Representa la cantidad promedio de unidades en el sistema.
Tiempo de servicio determinstico
Es el tiempo de servicio fjo.
Tiempo de servicio estocstico
Es el tiempo de servicio al azar.
Costo total de una lnea de espera
Es el costo de espera ms el costo del servicio prestado.
LA LEY LITTLE Y SUS APLICACIONES
Ejemplo. Por razones vinculadas con el control de calidad, se necesita saber la cantidad Q de personas
que en un instante determinado del da estn transitando sobre cierta escalera mecnica. Para plantear
la cuestin de la manera ms sencilla posible, vamos a suponer en primer trmino que el fujo de
personas que arriban a su boca de entrada es constante durante un largo perodo de tiempo: por
ejemplo, durante una hora. Adems, aceptaremos que una vez en la escalera, los pasajeros no caminarn
sobre la misma, tal como lo sugieren las normas de seguridad para este tipo de transporte. As expuesto,
el problema se resuelve con sencillez.
Algunas relaciones generales para modelos de lneas de
espera
Captulo 4
41
En efecto, basta con determinar la cantidad de personas que arriban a la boca de la escalera por
segundo, a la que denominamos tasa de arribo (l), y considerar adems la cantidad de segundos
T que tarda un escaln desde la boca de entrada hasta la boca de salida. Las tres cantidades estarn
ligadas de manera exacta mediante la ecuacin siguiente:
L= W Q = l T (1)
Si entran cuatro personas por segundo (l= 4) y cada una permanece 40 segundos en la escalera (T =
40) entonces, en cualquier instante, habr Q = 160 personas en la escalera.
42
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
4
.
1
.

R
e
l
a
c
i
o
n
e
s

g
e
n
e
r
a
l
e
s

p
a
r
a

m
o
d
e
l
o
s

d
e

l
n
e
a
s

d
e

e
s
p
e
r
a
.
C
o
m
p
a
r
a
c
i
n
d
e
l
a
s
c
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

c
o
n

l
a

f
r
m
u
l
a

d
e

L
i
t
t
l
e

y

e
l

u
s
o

e
n

l
n
e
a
s

d
e

e
s
p
e
r
a

d
i
f
e
r
e
n
t
e
s
.

R
e
v
i
s
e

l
a
s

e
c
u
a
c
i
o
n
e
s

o

f
r
m
u
l
a
s

1
4
.
1
9
,

1
4
.
2
0
,

1
4
.
2
1

y

1
4
.
2
2

y

e
l

u
s
o

d
e

l
a
s

m
i
s
m
a
s

e
n

e
l

e
j
e
m
p
l
o

p
l
a
n
t
e
a
d
o

e
n

l
a

P
g
.

6
1
5
.
4
.
2
.

A
n
l
i
s
i
s

e
c
o
n
m
i
c
o

d
e

l
a
s

l
n
e
a
s

d
e

e
s
p
e
r
a
E
s
t
u
d
i
o

y

a
n
l
i
s
i
s

d
e
l

c
o
s
t
o

e
c
o
n
m
i
c
o

d
e

u
n
a

l
n
e
a

d
e

e
s
p
e
r
a

a
s

c
o
m
o

l
a

e
l
a
b
o
r
a
c
i
n

d
e

u
n

m
o
d
e
l
o

d
e

c
o
s
t
o

t
o
t
a
l
.
R
e
p
a
s
e

e
l

e
j
e
r
c
i
c
i
o

p
l
a
n
t
e
a
d
o

e
n

l
a

P
g

6
1
6

c
a
m
b
i
a
n
d
o

e
l

d
a
t
o

d
e

l
o
s

c
l
i
e
n
t
e
s

d
o
n
d
e

L
=
5
43
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
4.1. Cules son esas 2 ecuaciones de fujo de Little que se
utilizan en muchos sistemas de lneas de espera?
4.2. Cul es la importancia de las ecuaciones de fujo de
Little?
4.3. Para qu se usa la ecuacin del tiempo promedio que
pasa una unidad en el sistema?
4.4. En qu tipo de evaluacin se basa una diseo de lnea
de espera?
4.5. Qu es lo que se determina mediante la variable TC?
44
http://www.utpl.edu.ec, all existe un link en donde dice Entorno Virtual de
Aprendizaje digite su usuario y contrasea personal luego haga clic en el botn Entrar
y de respuesta a la siguiente pregunta que se ha previsto como parte del foro, su
aporte es importante.
Cree Ud. que es importante el anlisis econmico de una lnea de espera?
Fundamente su respuesta.
Ejercicios
Lea las notas y comentarios de las Pags. 616 y 617 donde se refeja algunas
conclusiones importantes de este captulo.
45
Datos Generales
Texto base
para los negocios, Thomson. Edicin, 2004, 822 pg. ISBN; 970-686-372-9.
Pginas 618 - 628
contenido
4 horas
Propsito
El propsito de este captulo es aplicar las lneas de espera de un solo canal y de
mltiples canales con llegadas de Poisson y tiempos de servicios arbitrarios con y sin
lnea de espera.
Conceptos Clave
Poblacin Finita
Es cuando la tasa media de llegada para el sistema cambia, dependiendo de la cantidad
de clientes en la lnea de espera.
Poblacin Infnita
Es cuando no se pone lmites a cuantas unidades o clientes buscan un servicio.
Lneas de espera
La forma ms comn de especifcar sistemas de colas, usualmente para identifcar
modelos compartiendo el mismo anlisis y los mismos resultados algebraicos, es
utilizando la notacin de Kendall. Esta notacin se restringe, frecuentemente, a procesos
de tiempo entre llegadas y de tiempo de servicio demandado aleatorios puros. Sus
campos son los siguientes:
A/B/m/K/N/Z
Donde cada una de ellas se refere a:
A: distribucin de la variable aleatoria, tiempo entre llegadas, en caso de serun
modelo de poblacin finita, distribucin de la variable aleatoria tiempode
medicin.
B: distribucin de la variable aleatoria, tiempo de servicio demandado.
Otros Modelos de Lnea de Espera
Captulo 5
46
M: nmero de recursos del sistema, implcitamente todos ellos de la
mismacapacidad.
K: capacidad del sistema medida en el mximo nmero de tareas que puedenestar
en l al mismo tiempo.
N: tamao de la poblacin.
Z: disciplina de gestin de la cola
A continuacin interpretaremos el resultado de computacin asociado al anlisis de un sistema de colas
M / M / 1 que consiste en lo siguiente:
Una poblacin de clientes infnita.
Un proceso de llegada en el que los clientes se presentan de acuerdo con un proceso de
Poisson con una tasa promedio de clientes por unidad de tiempo.
Un proceso de colas que consiste en una sola lnea de espera de capacidad infnita, con una
disciplina de colas de primero en entrar, primero en salir.
Un proceso de servicio que consiste en un solo servidor que atiende a los clientes de acuerdo
con una distribucin exponencial con un promedio de clientes por unidad de tiempo.
Observar con atencin cada uno de los principales parmetros que describen el proceso de
colas a analizar (poblacin, proceso de llegadas, proceso de colas y proceso de servicio)
Para que este sistema alcance una condicin de estado estable, la tasa de servicio promedio , debe
ser mayor que la tasa de llegadas promedio , si este no fuera el caso, la cola del sistema continuara
creciendo debido a que, en promedio, llegaran ms clientes que los que pueden ser atendidos por
unidad de tiempo.
Adicionalmente se defnen algunos otras relaciones y parmetros cuyo signifcado se explica a
continuacin:
Intensidad de Trfco: Es la relacin entre la tasa promedio de clientes que llegan a la cola , y la tasa
de clientes que son atendidos o procesados .
En realidad, la intensidad de trfco nos da una idea de la fraccin de tiempo que el servidor del
proceso pasa ocupado. A la par, desde el punto de vista frecuentista de la teora de probabilidades, este
valor es equivalente a la probabilidad de que el servidor se encuentre ocupado.
Nmero promedio en la fla (Lq): o longitud media de la cola, est relacionada con la intensidad de
trfco mediante la siguiente frmula:
47
Con estas relaciones y las vistas en el captulo anterior, usted est preparado para evaluar el rendimiento
de un sistema e interpretar los resultados. A continuacin analizaremos un ejemplo para afanzar los
conceptos.
Ejemplo 1.4 El Problema de Colas de la Comisin de Trnsito.
La comisin de Trnsito, quien actualmente regula el peso mximo de los camiones de carga que
acceden a la ciudad de Guayaquil, tiene una estacin de pesado a la entrada de la autopista para
verifcar que no se excedan los lmites mximos. (Ver Figura 2 del problema). La Comisin est pensando
en mejorar la calidad del servicio en sus estaciones de pesado y ha decidido efectuar un anlisis para
entender el desempeo del sistema actual durante las horas pico, cuando llega a la bscula el mayor
nmero de camiones, suponiendo que el sistema puede desempearse bien durante este perodo, el
servicio en cualquier otro momento ser an mejor.
Figura N 7. Sistema de Colas para una estacin de pesado
Para abordar el problema, se asume que el sistema cumple con las cuatro condiciones anteriores es
decir es M / M /1.El siguiente paso es estimar las tasas promedio de llegada y de servicio en dicha
estacin. De los datos disponibles, se tiene:
= nmero promedio de camiones que llegan por hora = 60
= nmero promedio de camiones que pueden ser pesados por hora = 66
El valor de es mayor que el valor de , lo que signifca que se llegar a un estado estable, pues de otro
modo la cola podra empezar a crecer en forma infnita.
Clculo de las medidas de rendimiento:
En trminos de los parmetros y , empezaremos determinando la intensidad de trfico:
48
Este valor nos da una idea de cuan ocupado est el servidor en este proceso de colas en particular.
Mientras ms cercano est de la unidad, ms cargado estar el sistema, lo cual tiene como resultado
colas ms largas y tiempos de espera ms grandes.
Ahora podremos calcular la probabilidad de que no haya clientes en el sistema P
0
:
Este valor indica que aproximadamente el 9% del tiempo un camin que llega no tiene que esperar
a que se le proporcione servicio porque la estacin de pesado est vaca. Dicho de otra manera,
aproximadamente el 91% del tiempo un camin que llega tiene que esperar.
Calculamos ahora el nmero promedio en la fila (L
q
):
Este resultado signifca que, en estado estable, la estacin de pesado tiene en promedio un fla de
nueve(9) camiones esperando a obtener el servicio, sin incluir el que est en la bscula ese momento.
Ahora podemos determinar el resto de los parmetros de rendimiento, indicados al fnal del captulo
anterior.
Calculamos el tiempo promedio de espera en la cola (W
q
):
Este valor indica que, en promedio, un camin tiene que esperar 0.1515 horas, aproximadamente 9
minutos, en la fla antes de que empiece el proceso de pesado.
49
Tiempo promedio de espera en el sistema (W):
Este valor indica que, en promedio, un camin invierte 0.1667 horas (o equivalentemente 10 minutos)
desde que llega hasta que sale.
Nmero promedio de clientes en todo el sistema (L):
Este valor indica que, en promedio, existe un total de 10 camiones en la estacin de pesado, tanto en
la cola como en la bscula.
Probabilidad de que un cliente tenga que esperar (p
w
):
La interpretacin de este valor de probabilidad le indica que aproximadamente el 91% del tiempo un
camin que llega tiene que esperar.
Utilizacin U del servidor (en este caso el servidor es la bscula de pesado)
U = = 0.9091
Este valor indica que el 91% del tiempo la bscula de pesado se encuentra ocupada, brindando el
servicio. De forma equivalente, el 9% de tiempo la estacin est sin funcionar, sin que haya camiones
que se estn pesando.
Haciendo un resumen de los clculos efectuados vemos que el tiempo de espera promedio en el
proceso de pesado es de 10 minutos, que es algo razonable. Se tiene tambin que la longitud promedio
de la cola es de 9 camiones, tambin aceptable si la capacidad fsica es de 15 camiones.
Ahora podemos realizar un resumen de las frmulas necesarias para calcular las diferentes medidas de
rendimiento en un sistema de colas M /M / 1 con una poblacin de clientes infnita y una capacidad
ilimitada de rea de espera. Estas frmulas se encuentran en la tabla n 1 en funcin de los parmetros
, y .
50
Tabla N 1. Medidas de desempeo
FORMULAS PARA CALCULAR LAS MEDIDAS DE RENDIMIENTO DE UN
SISTEMA DE COLAS M / M /1
CARACTERISTICAS OPERATIVAS FORMULA GENERAL
Nmero promedio en la fila
Tiempo promedio de espera en la cola
Tiempo promedio de espera en el sistema
Nmero promedio en el sistema
Probabilidad de que no haya clientes en el
sistema
Probabilidad de que un cliente que llega tenga
que esperar
Probabilidad de que hayan n clientes en el
sistema
Utilizacin
Debe estar claro que para poder manejar las frmulas y obtener valores, es necesario estimar inicialmente
los parmetros y . Para ello es necesario tener un conocimiento previo del proceso que se va a
analizar, o tener datos de cmo hasta el momento el sistema ha venido trabajando. Luego como
vemos, los clculos y la interpretacin de los resultados se acoplan a cada caso en forma puntual.
L
q
=
2
1
W L
q q
= /
W W
q
= +
1
L W = *
P
0
1 =
p P
W
= = 1
0

P P
n
n
=
0
U =
51
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
5
.
1
.
M
o
d
e
l
o
s

d
e

l
n
e
a
s

d
e

e
s
p
e
r
a

d
e

u
n

s
o
l
o

c
a
n
a
l

c
o
n

l
l
e
g
a
d
a
s

d
e

P
o
i
s
s
o
n

y

t
i
e
m
p
o
s

d
e

s
e
r
v
i
c
i
o
s

a
r
b
i
t
r
a
r
i
o
s
E
n

e
s
t
a

s
e
c
c
i
n

e
s
t
u
d
i
a
r
e
m
o
s

t
o
d
a
s
l
a
s
c
a
r
a
c
t
e
r
s
t
i
c
a
s
o
p
e
r
a
t
i
v
a
s

q
u
e

s
e

a
p
l
i
c
a
n

e
n

e
l

m
o
d
e
l
o
.
M
/
G
/
1
R
e
v
i
s
e

d
e
t
e
n
i
d
a
m
e
n
t
e

e
l

e
j
e
r
c
i
c
i
o

d
e
s
a
r
r
o
l
l
a
d
o

e
n

l
a

P
g
.

6
2
0
.
D
e
s
a
r
r
o
l
l
e

e
l

e
j
e
r
c
i
c
i
o

2
8

d
e

l
a

P
g
.

6
3
4
.
5
.
2
.

M
o
d
e
l
o
s

d
e

c
a
n
a
l
e
s

m
l
t
i
p
l
e
s

c
o
n

l
l
e
g
a
d
a
s

d
e

P
o
i
s
s
o
n
,

t
i
e
m
p
o
s

d
e

s
e
r
v
i
c
i
o
s

a
r
b
i
t
r
a
r
i
o
s

y

s
i
n

l
n
e
a

d
e

e
s
p
e
r
a
.
A
n
a
l
i
z
a
r
e
m
o
s

e
l

m
o
d
e
l
o

M
/
G
/
k

c
o
n

e
l

f
n

d
e

v
e
r

e
l

m
e
j
o
r

n
m
e
r
o

d
e

c
a
n
a
l
e
s

c
a
l
c
u
l
a
d
o
s

e
n

e
s
t
a
d
o

e
s
t
a
b
l
e
R
e
v
i
s
e

c
u
a
l

e
s

e
l

p
r
o
c
e
s
o

a
p
l
i
c
a
d
o

e
n

e
l

e
j
e
m
p
l
o

d
e

l
a

P
g
.

6
2
2

d
o
n
d
e

s
e

c
a
l
c
u
l
a

l
a
s

d
i
f
e
r
e
n
t
e
s

p
r
o
b
a
b
i
l
i
d
a
d
e
s

r
e
q
u
e
r
i
d
a
s

p
o
r

e
l

p
r
o
b
l
e
m
a

p
l
a
n
t
e
a
d
o
.
H
a
g
a

u
n
a

i
n
t
e
r
p
r
e
t
a
c
i
n

p
e
r
s
o
n
a
l

s
o
b
r
e

e
l

r
e
s
u
l
t
a
d
o

o
b
t
e
n
i
d
o

e
n

l
a

t
a
b
l
a

1
4
.
6

d
e

l
a

P
g
.

6
2
3
.
5
.
3
.

M
o
d
e
l
o
s

d
e

l
n
e
a

d
e

e
s
p
e
r
a

c
o
n

p
o
b
l
a
c
i
o
n
e
s

f
n
i
t
a
s

d
e
m
a
n
d
a
n
t
e
s
R
e
v
i
s
a
r
e
m
o
s

l
a

d
i
f
e
r
e
n
c
i
a

e
n
t
r
e

p
o
b
l
a
c
i
n

f
n
i
t
a

e

i
n
f
n
i
t
a

y

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

d
e
l

m
o
d
e
l
o

M
/
M
/
1
R
e
p
a
s
a
r

t
o
d
a
s

l
a
s

f
o
r
m
u
l
a
s

o

e
c
u
a
c
i
o
n
e
s

d
e
s
d
e

l
a

1
4
.
3
3

h
a
s
t
a

l
a

1
4
.
3
9

y

s
u

a
p
l
i
c
a
b
i
l
i
d
a
d

e
n

e
l

e
j
e
m
p
l
o

d
e

l
a

P
g
.

6
2
6
.
52
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
5.1. Cul es la notacin de Kendall utilizado para clasifcar
modelos de lneas de espera?
5.2. Cul es la notacin utilizada por el modelo M/G/1?
5.3. Cul es la variable que ayuda a calcular la probabilidad
de que no haya unidades en el sistema?
5.4. En qu reas del trabajo se puede utilizar un modelo
de lnea de espera con un solo canal que supone
llegadas aleatorias, pero de tiempos de servicio
constantes?
5.5. Qu pasa con las lneas de espera que llegan al
sistema y el mismo est lleno?
5.5. Cules son las caractersticas operativas de un modelo
M/G/k
5.6. En que tipo de suposiciones se basa el modelo de
poblacin fnita?.
53
Qu tipo de caractersticas operativas se utiliz en el anlisis del Departamento
de Bomberos de New Haven para mejorar la productividad)?Por que esas
caractersticas?
Ejercicios
A manera de ejemplo resuelva el ejercicio 34 de la Pg. 636 del texto base.
con el texto base.
Se adiciona una ayuda del libro base donde
hay soluciones a problemas planteados en el
mismo.
Tambin se adjunta presentaciones en Power
Point que le servirn de mucha ayuda durante
el estudio de esta asignatura
Ayudas para el bimestre Libro Base
(ingls)
Primer Bimestre
55
SEGUNDO BIMESTRE Gua didctica: Teora de Colas
Aplicar y utilizar la simulacin como herramienta para medir el riesgo ante un problema, dndole
diversos escenarios que le permitan minimizarlo.
Diferenciar los diversos mtodos de distribucin de probabilidades, as como el manejo de las
variables aleatorias.
Evaluar los resultados que generan una simulacin que permite establecer una poltica de
inventario para un producto que tiene una demanda incierta.
Analizar el planteamiento de un modelo de simulacin de lnea de espera aplicado a un cajero
automtico.
Determinar la aplicabilidad de los lenguajes de simulacin y las ventajas que estas ofrecen al
momento de procesar muestras aleatorias y datos estadsticos de un modelo determinado.
Verificar y validar el proceso de simulacin de sistemas reales.
SEGUNDO BIMESTRE
Objetivos espec cos
Contenidos
Captulo 6 Introduccin a la Simulacin
Captulo 7 Simulacin de Inventario
Captulo 8 Simulacin de Lnea de Espera
Captulo 9 Lenguajes de Simulacin
Captulo 10 Otros Problemas de Simulacin
56
Datos Generales:
Texto base
Captulo 15. Simulacin
Pginas 641 - 656
contenido
4 horas
Propsito
El propsito de este captulo es conocer la simulacin como herramienta para medir
el riesgo ante un problema dndole diversos escenarios que le permitan minimizarlo.
Evaluar la perdida y la ganancia.
Conceptos Clave
Simulacin
Es un experimento estadstico y en consecuencia sus resultados deben ser interpretados
como tal.
Anlisis de riesgo
Proceso de predecir el resultado de una decisin frente a la incertidumbre.
Nmeros aleatorios generados por computadora
Son nmeros decimales seleccionados al azar del 0 hasta el 1, pero sin incluirlo.
Entradas probabilsticas
Valores de entradas controlables y probabilsticas para calcular valores de salida.
Desarrollo del aprendizaje
Introduccin a la Simulacin
Captulo 6
57
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
6
.
1
.
I
n
t
r
o
d
u
c
c
i
n

a

l
a

s
i
m
u
l
a
c
i
n
C
o
n
c
e
p
t
o
s

d
e

s
i
m
u
l
a
c
i
n

y

e
j
e
m
p
l
o
s

t
p
i
c
o
s

d
e

l
a

a
p
l
i
c
a
b
i
l
i
d
a
d

d
e

l
a

s
i
m
u
l
a
c
i
n
.
L
e
a

d
e
t
e
n
i
d
a
m
e
n
t
e

e
l

p
r
o
b
l
e
m
a

p
l
a
n
t
e
a
d
o

e
n

l
a

p
g
.

6
4
2

y

c
o
m
o

l
a

s
i
m
u
l
a
c
i
n

a
p
o
r
t

a

d
i
c
h
a

e
m
p
r
e
s
a
.
6
.
2
.
A
n
l
i
s
i
s

d
e

r
i
e
s
g
o
R
e
v
i
s
a
r
e
m
o
s

y

a
n
a
l
i
z
a
r
e
m
o
s

e
l

r
i
e
s
g
o

d
e

e
l
a
b
o
r
a
r

u
n

p
r
o
d
u
c
t
o

p
a
r
a

c
a
p
t
a
r

u
n
a

p
o
r
c
i
n

s
i
g
n
i
f
c
a
t
i
v
a

d
e
l

m
e
r
c
a
d
o
R
e
v
i
s
e

e
l

p
r
o
y
e
c
t
o

P
o
r
t
a
C
o
m
,

e
l

a
n
l
i
s
i
s

q
u
e

p
a
s
a

s
i

y

l
a

s
i
m
u
l
a
c
i
n

e
n

s

e
n

d
o
n
d
e

s
e

e
v
i
d
e
n
c
i
a

e
l

c
o
s
t
o

d
e

l
a

m
a
n
o

d
e

o
b
r
a

y

e
l

c
o
s
t
o

d
e

l
a
s

p
a
r
t
e
s
.
A
d
e
m
s

t
e
n
e
r

e
n

c
u
e
n
t
a

l
o
s

n
m
e
r
o
s

a
l
e
a
t
o
r
i
o
s

q
u
e

s
e

g
e
n
e
r
a
n

a

t
r
a
v
s

d
e
l

c
o
m
p
u
t
a
d
o
r

t
a
l

c
o
m
o

s
e

m
u
e
s
t
r
a

e
n

l
a

P
g
.

6
4
9

t
a
b
l
a

1
5
.
2
.
6
.
3
.

S
i
m
u
l
a
c
i
n

d
e
l

p
r
o
b
l
e
m
a

d
e

P
o
r
t
a
C
o
m
E
l

u
s
o

d
e

l
a

H
o
j
a

d
e

C
l
c
u
l
o

p
a
r
a

l
a

s
i
m
u
l
a
c
i
n

d
e
l

P
r
o
y
e
c
t
o

P
o
r
t
a
C
o
m

5
0
0

v
e
c
e
s
.
R
e
v
i
s
a
r

t
o
d
a
s

l
a
s

r
e
f
e
r
e
n
c
i
a
s

q
u
e

s
e

s
e
a
l
a
n

e
n

l
a

p
g
.

6
5
3

c
o
n

e
l

f
n

d
e

a
n
a
l
i
z
a
r

e
l

r
e
s
u
l
t
a
d
o

q
u
e

a
r
r
o
j
a

l
a

F
i
g
.

1
5
.
6
.
58
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
6.1. Con sus propias palabras explique: qu es una
simulacin?
6.2. En que ayuda o afecta una entrada controlable
6.3. Describa algunos objetivos que trata de resaltar la
tcnica Monte Carlo
6.4. Qu significado tiene un anlisis de riesgo?
6.5. Qu son los nmeros aleatorios generados por
computador?
6.6. Cmo se puede explicar el correr el modelo de
Simulacin
59
En que se basa el modelo de simulacin de PortaCom?
Ejercicios
Repase el ejemplo de la Pg. 655 sobre los niveles de demanda en Pharmacia &
UpJhon del texto base y analice muy detenidamente las preguntas que se usaron
luego de constatar los resultados de la simulacin.
60
Datos Generales:
Texto base
Pginas 656 - 661
Horas de estudio empleadas para el desarrollo
del contenido
4 horas
Propsito
El propsito de este captulo es describir como se puede usar la simulacin para establecer
una poltica de inventario para un producto que tiene una demanda incierta.
Conceptos Clave
Entrada Controlable
Conocida tambin como nivel mximo Q.
Entrada Probabilstica
Es la demanda mensual D.
Butler
Empresa o compaa que distribuye ventiladores.
Simulacin de Inventario
Captulo 7
61
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
7
.
1
.
D
e
f
n
i
c
i
n

d
e

u
n
a

s
i
m
u
l
a
c
i
n

d
e

i
n
v
e
n
t
a
r
i
o
E
s
t
e

a
p
a
r
t
a
d
o

r
e
p
a
s
a
r
e
m
o
s

e
l

d
i
a
g
r
a
m
a

d
e

f
u
j
o

p
a
r
a

l
a

s
i
m
u
l
a
c
i
n

d
e

i
n
v
e
n
t
a
r
i
o

d
e

B
u
t
l
e
r
.
R
e
v
i
s
e

l
a

t
a
b
l
a

1
5
.
8

c
u
a
n
d
o

e
l

v
a
l
o
r

d
e

Q
=
1
0
0

d
u
r
a
n
t
e

l
o
s

5

m
e
s
e
s

d
e

s
i
m
u
l
a
c
i
n
,

l
u
e
g
o

c
a
m
b
i
e

l
o
s

d
a
t
o
s

y

c
a
l
c
u
l
e

e

i
n
t
e
r
p
r
e
t
e

l
o
s

v
a
l
o
r
e
s

q
u
e

l
e

a
r
r
o
j
a

c
o
n

l
o
s

n
u
e
v
o
s

d
a
t
o
s

l
a

U
t
i
l
i
d
a
d

N
e
t
a
.
7
.
2
.
S
i
m
u
l
a
c
i
n

d
e

i
n
v
e
n
t
a
r
i
o

d
e

B
u
t
l
e
r
U
t
i
l
i
z
a
n
d
o

E
x
c
e
l

s
e

s
i
m
u
l
a
r

l
a

o
p
e
r
a
c
i
n

d
e

i
n
v
e
n
t
a
r
i
o

d
e

B
u
t
l
e
r
A
n
a
l
i
c
e

l
a

F
i
g
.

1
5
.
1
0

e

i
n
t
e
p
r
e
t
e

l
o
s

v
a
l
o
r
e
s

q
u
e

e
s
t
a
b
l
e
c
e

l
a

t
a
b
l
a

1
5
.
9

d
e

l
a

P
g
.

1
5
.
9
.
62
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
7.1. A qu se denomina nivel de inventario inicial?
7.2. Qu defne un diagrama de fujo?
7.3. Cul es el rol de las variables Q y D dentro de la
simulacin de inventario?
7.4. Con qu tipos de niveles se puede realizar una serie
de experimentos de manera repetitiva?
7.5. Es la simulacin una tcnica de optimizacin?
7.6. Qu es un modelo de simulacin de evento
discreto?
63
Por qu no se puede afrmar que la simulacin es una tcnica de optimizacin?.
Ejercicios
Repase MC en accin de la Pg. 661 sobre la Distribucin de Petrleo en el Golfo
de Mxico.
con el texto base.
64
Datos Generales:
Texto base
Pginas 662 - 673
contenido
4 horas
Propsito
En aplicaciones donde las suposiciones requeridas por las frmulas de las lneas de
espera no son razonables, la simulacin puede ser el nico enfoque factible para
estudiar el sistema de lnea de espera.
El propsito de este captulo ser analizar el planteamiento de un modelo de simulacin
de lnea de espera aplicado a un cajero automtico.
Conceptos Clave
Modelos de simulacin estticos
Sistema que se est modelando y no cambia ni evoluciona con el tiempo.
Modelos de simulacin dinmicos
Sistema que cambia y evoluciona con el tiempo.
Modelo de simulacin de eventos discretos
Son sistemas en donde las llegadas y partidas de los clientes son eventos que ocurren
en puntos discretos en el tiempo.
Simulacin de Lnea de Espera
Captulo 8
65
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
8
.
1
.

L
n
e
a

d
e

e
s
p
e
r
a

d
e
l

c
a
j
e
r
o

a
u
t
o
m
t
i
c
o

d
e

H
a
m
m
o
n
d
s
p
o
r
t

S
a
v
i
n
g
s

B
a
n
k

E
n

e
s
t
a

s
e
c
c
i
n

s
e

e
s
t
u
d
i
a
r

e
l

t
i
e
m
p
o

d
e

l
l
e
g
a
d
a
s

y

s
e
r
v
i
c
i
o
s

d
e

l
o
s

c
l
i
e
n
t
e
s

y

l
a

s
i
m
u
l
a
c
i
n

d
e

u
n
a

l
n
e
a

d
e

e
s
p
e
r
a

r
e
p
r
e
s
e
n
t
a
d
o

e
s
q
u
e
m
t
i
c
a
m
e
n
t
e

a

t
r
a
v
s

d
e

u
n

d
i
a
g
r
a
m
a

d
e

f
u
j
o
A
n
a
l
i
c
e

l
a
s

F
i
g
s
.

1
5
.
1
2
,

1
5
.
1
3

y

1
5
.
1
4

a
s

c
o
m
o

l
a

t
a
b
l
a

1
5
.
1
0

p
a
r
a

d
e
t
e
r
m
i
n
a
r

e
l

t
i
e
m
p
o

p
r
o
m
e
d
i
o

q
u
e

s
e

e
m
p
l
e
a

e
n

e
l

s
i
s
t
e
m
a

e
n

u
n

p
r
o
c
e
s
o

d
e

s
i
m
u
l
a
c
i
n
8
.
2
.

S
i
m
u
l
a
c
i
n

d
e
l

p
r
o
b
l
e
m
a

d
e
l

c
a
j
e
r
o

a
u
t
o
m
t
i
c
o

d
e

H
a
m
m
o
n
d
s
p
o
r
t

S
a
v
i
n
g
s

B
a
n
k

c
o
n

a
l

a
y
u
d
a

d
e

l
a

h
o
j
a

d
e

c
l
c
u
l
o
A
q
u

s
e

a
n
a
l
i
z
a

c
o
m
o

a

t
r
a
v
s

d
e

u
n
a

h
o
j
a

d
e

c
l
c
u
l
o

p
o
d
e
m
o
s

o
b
t
e
n
e
r

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

o
p
e
r
a
t
i
v
a
s

d
e

u
n

e
v
e
n
t
o

d
e

s
i
m
u
l
a
c
i
n
.
R
e
v
i
s
a
r

l
a

F
i
g

1
5
.
1
5

y

c
o
m
p
a
r
a
r

l
o
s

d
a
t
o
s

o
b
t
e
n
i
d
o
s

m
a
n
u
a
l
m
e
n
t
e

e
n

l
a
s

P
g
s

6
6
6

y

6
6
7
.
66
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
8.1. Cmo se conoce a los tiempos entre llegadas en una
simulacin de lneas de espera?
8.2. Cul es la variable que se utiliza para un tiempo entre
llegadas generado?
8.3. Con qu debe compararse el tiempo de llegada para
un cliente nuevo?
8.4. Cules son las entradas probabilsticas en el modelo de
simulacin del cajero automtico del Hammondsport
Savings Bank?.
67
Cul es la ventaja principal de usar un diagrama de fujo para la simulacin de lnea
de espera?
Ejercicios
Lea muy detenidamente MC en Accin de la Pg. 672 y analice los comentarios vertidos
en NOTAS y COMENTARIOS de las Pgs. 672 y 673.
con el texto base.
68
Datos Generales:
Texto
complementario
TAHA, Hamdy A., Investigacin de Operaciones, Prentice Hall, 7ma. Edicin,
2004, 830 pg. ISBN; 970-26-0498-2.
Captulo 18. Modelado de Simulacin
Pginas 672- 674
contenido
4 horas
Propsito
El propsito de este captulo es conocer el papel principal de los lenguajes de simulacin
y las ventajas que estas ofrecen al momento de procesar muestras aleatorias y datos
estadsticos de un modelo determinado.
Conceptos Clave
Transacciones
Son entidades o clientes entre las colas y las instalaciones del modelo.
Lenguajes de simulacin
Son programas que estn determinados para hacer anlisis probabilsticos y evitar
riesgos en las tomas de decisiones de una empresa.
A continuacin se muestra un enlace del Internet sobre la aplicabilidad de la Simulacin
utilizando otros lenguajes. Esta informacin est ubicada en la siguiente pgina web:
Link: http://modelos-de-simulacion.blogspot.com/
Lenguajes de Simulacin
Captulo 9
69
Cmo funciona un simulador?
Los primeros simuladores fueron modelos fsicos, como una caja de arena con paredes de vidrio para
poder ver cmo se mueven los fuidos. Estos simuladores datan de los aos 30 y en la actualidad, algunas
cosas no han cambiado. Los simuladores de la actualidad resuelven las mismas ecuaciones estudiadas
aos atrs (balance de masas y Ley de Darcy). No obstante, los simuladores actuales representan el
yacimiento como una serie de bloques interconectados y el fujo a travs de estos es resuelto mediante
mtodos numricos.

La funcin principal de un simulador es ayudar a los ingenieros a entender el comportamiento de la
presin y la produccin y de este modo predecir las tasas en cada pozo como funcin del tiempo. Para
estimar las reservas, hace falta construir un modelo virtual del yacimiento. Este modelo, denominado
modelo esttico, es realizado conjuntamente por gelogos, geofsicos, petrofsicos e ingenieros de
yacimiento.
Una vez dado el modelo esttico, el simulador es capaz de calcular los fujos a travs de todo el
yacimiento. Los principios que rigen la simulacin de yacimientos son relativamente simples. En
primer lugar, las ecuaciones de fujo son expresadas en forma parcial diferencial. Estas ecuaciones las
obtienen como unas combinaciones de ecuaciones de fujo, de continuidad y de estado. Mientras a
ecuacin de continuidad expresa la conservacin de la masa, para muchos yacimientos la ecuacin
que rige el fujo de fuidos es la ecuacin de Darcy, sin embargo sta puede ser modifcada para fujos
turbulentos. La ecuacin de estado describe la relacin presin-volumen o presin-densidad para los
fuidos presentes. Para cada momento, estas tres ecuaciones son combinadas en una nica ecuacin
diferencial parcial. El segundo paso es escribir estas ecuaciones en forma de diferencias fnitas, es decir,
en que el yacimiento es visto como una sucesin de bloques y la produccin es dividia en espacios
de tiempo. En trminos matemticos, se trata de discretizar el problema en tiempo y en espacio.

70
En artculos anteriores, se coment acerca de ECLIPSE, uno de los tantos simuladores que sigue el
procedimiento descrito. Por lo general, cualquier simulador puede ser ubicado en dos categoras
principales. La primera de ellas corresponde a los simuladores trifsicos black-oil para yacimientos que
contienen agua, gas y petrleo. La segunda categora comprende a los simuladores composicionales y
trmicos para los yacimientos que requieren una visin ms detallada de la composicin de los fuidos.
Un simulador composicional es capaz de proveer las cantidades y propiedades de hexanos, butanos,
bencenos y muchos otros componentes de los hidrocarburos y debe ser utilizado cuando se toma
en cuenta el cambio en la composicin de los fuidos. Un simulador trmico notar si un cambio de
temperatura modifca en gran medida la composicin de los fuidos. Este tipo de informacin es til para
inyeccin de vapor o inyeccin de agua en yacimientos profundos que poseen altas temperaturas.
Todos los simuladores ven el yacimiento como un gran conjunto de celdas. Cada celda corresponde
a un volumen del yacimiento y contiene informacin de las propiedades de la roca y los fuidos
caractersticos de ese yacimiento. El simulador resuelve las ecuaciones correspondientes para cada
una de estas celdas tomando en cuenta sus valores de permeabilidad, porosidad, viscosidad, densidad,
etc.

Disear el conjunto de celdas que representen el yacimiento es una tarea larga y dfcil y se hace mediante
otros softwares especiales que integran datos geolgicos, ssmicos y petrofsicos. Tradicionalmente
las celdas o bloques eran en forma de paraleleppedos; no obstante, esta fgura no representaba
completamente todas las formas que poda asumir un yacimiento. Por esta razn en 1983 se introdujo
la geometra corner-point en la que las esquinas del bloque no son precisamente ortogonales. De
esta manera se podan modelas fallas estratigrfcas, pinch outs y muchas otras estructuras geolgicas.
Actualmente la tecnologa LGR (Local Grid Refnement) permite modelar de manera todava ms
precisa el yacimiento mediante la implementacin de pequeas celdas radiales alrededor de los pozos.
Una vez que el yacimiento ha sido modelado, el prximo paso es asignar las propiedades de
las rocas y los fuidos al modelo. Esto se hace mediante la interpolacin de informacin que
se haya obtenido a travs de registros y modelos geolgicos. Este procedimiento conlleva en
muchos casos a incertidumbres y errores ya que es complicado conocer un valor especfco
de una propiedad en cada una de las celdas tomando en cuenta los valores arrojados por
unos cuantos pozos. No obstante, en la actualidad la aplicacin de la estadstica a la geologa, la
geoestadstica, ayuda en gran medida a obtener un modelo bastante aproximado a la realidad.
71
De esta forma el ingeniero puede ubicar distintos pozos, variar sus parmetros y propiedades y observar
como stos modifcan la produccin del yacimiento. Los clculos matemticos son realizados en su
totalidad por la computadora que en muchas ocasiones necesita horas e incluso das para completar
todos los clculos.

Tomado de: Simulation throughout the life of a Reservoir. Oilfeld Review. Slb. 1996
SiWL
Las herramientas llamadas LWD (Logging While Drilling) y MWD (meassure While Drilling) proporcionan
una gran cantidad informacin en tiempo real del pozo y del yacimiento donde este se encuentra.
Ahora esta informacin muchas veces es mas de la que se puede manejar e interpretar. Sin embargo,
estas herramientas se estn combinando con simuladores para optimizar la colocacin de los pozos
durante la perforacin gracias a un modelado preciso.
En la creacin de un modelo es importante mantener un balance entre la incertidumbre generada y
el tiempo y costo necesarios para aumentar la precisin. As que para crear y mantener un modelo
optimizado se debe considerar la calidad, cantidad e incertidumbre de los datos. Por otro lado, la
construccin mantenimiento ya actualizacin de los modelos son procesos lentos, que pueden
involucrar varias personas de diversas disciplinas. Sin embargo, recientemente se han hecho cambios
en los mtodos y herramientas de modelado que permiten la actualizacin de los modelos durante la
perforacin para infuir en ella.
Para hacer posible la incorporacin de la nueva informacin al mismo tiempo que se perfora un pozo,
es necesario mejorar tanto el software como el hardware del modelado y la simulacin as como la
adquisicin y entrega de los datos en tiempo real.
La idea de la simulacin durante la perforacin no es nueva, pero se consideraba irrealista debido a
las restricciones de tiempo impuestas durante las operaciones de perforacin. Se saba que para hacer
una actualizacin en tiempo real se deba centrar en el volumen correspondiente a la regin vecina al
pozo donde los datos en tiempo real son mas pertinentes. Para captar con exactitud el fujo en la regin
vecina al pozo se requiere una retcula de menor tamao, un intervalo de tiempo de procesamiento
menor y por lo tanto la simulacin tardara mas.
El uso de modelos en la creacin de las trayectorias de los pozos fue probado en el campo Brenda del
Mar del Norte. Para la evaluacin de este campo se dispona de datos ssmicos 3D e informacin de
72
13 pozos con el cual se gener un modelo. El simulador indic que lo mas adecuado para optimizar
la produccin de reservas sera perforar 4 pozos de desarrollo. El objetivo eran unas areniscas de un
espesor muy bajo, por lo cual eran difciles de acceder y quedarse en ellas durante la perforacin. A
medida que se perforaban los pozos se transmitan los datos de levantamientos de pozos a superfcie
utilizando un sistema de monitoreo y entrega de datos en tiempo real. Estos datos se incorporaban al
modelo para ver la posicin de la mecha con respecto a los objetivos deseados en el modelo. As se
cambiaron las trayectorias previamente a la colocacin horizontal del pozo. A travs de la simulacin se
permiti observar la posicin del pozo respecto al yacimiento antes y despus de la ejecucin, lo que
posibilit la ejecucin efciente de cambios de trayectorias
Los simuladores estn incluyendo en su programacin herramientas que se adaptan al modelado durante
la perforacin. Por ejemplo mdulos que facilitan la rapidez en la carga de datos y la actualizacin del
modelo mediante secuencia de tareas automatizadas.
Las secuencias de tareas integradas pueden modelar, adems, las respuestas de los registros petrofsicos
delante de la mecha y a lo largo de la trayectoria propuesta lo cual reduce la incertidumbre en la
trayectoria del pozo. Siguiendo una secuencia de tareas efciente las herramientas permiten a los
ingenieros disear las trayectorias y actualizar los planes de diseo a medida a medida que se modifca
el modelo o la trayectoria propuesta.
Por ahora se puede utilizar con modelos simples o simplifcados o con velocidades de penetracin de
aproximadamente 61m/h (segn estudios realizados). La simulacin durante la perforacin an no es
algo factible, pero seguramente est en el futuro de los taladros.
73
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
9
.
1
.
L
e
n
g
u
a
j
e
s

d
e

p
r
o
g
r
a
m
a
c
i
n

d
e

e
v
e
n
t
o
s
D
e
t
e
r
m
i
n
a
r

l
a

n
a
t
u
r
a
l
e
z
a

d
e

c
l
c
u
l
o
s

d
e

e
s
t
o
s

l
e
n
g
u
a
j
e
s

y

l
a
s

v
e
n
t
a
j
a
s

q
u
e

e
s
t
a
s

o
f
r
e
c
e
n

d
e
n
t
r
o

d
e

l
a

s
i
m
u
l
a
c
i
n
.
E
l
a
b
o
r
e

u
n
a

l
i
s
t
a

c
o
n

l
a
s

p
r
i
n
c
i
p
a
l
e
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

d
e

e
s
t
o
s

l
e
n
g
u
a
j
e
s
.
9
.
2
.
L
e
n
g
u
a
j
e
s

o
r
i
e
n
t
a
d
o
s

a

p
r
o
c
e
s
o
s
O
r
i
g
e
n

y

e
v
o
l
u
c
i
n

d
e

e
s
t
o
s

l
e
n
g
u
a
j
e
s

c
o
n

s
u
s

v
e
n
t
a
j
a
s

y

d
e
s
v
e
n
t
a
j
a
s

q
u
e

e
s
t
a
s

o
f
r
e
c
e
n

a

l
o
s

u
s
u
a
r
i
o
s

e
n

e
l

p
r
o
c
e
s
o

d
e

l
a

s
i
m
u
l
a
c
i
n
.

E
l
a
b
o
r
e

u
n
a

l
i
s
t
a

c
o
n

l
a
s

p
r
i
n
c
i
p
a
l
e
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

d
e

e
s
t
o
s

l
e
n
g
u
a
j
e
s
.
74
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
9.1. Qu tipo de clculos implica una simulacin?
9.2. Los lenguajes orientados a procesos se activan con
las mismas acciones que los lenguajes orientados a
eventos?
9.3. Qu es el GPSS?
9.4. Diga algunos paquetes del mercado que se utilizan para
hacer simulacin.
9.5. En qu tipos de lenguajes otros usuarios escriben
modelos de simulacin
75
A su criterio porque los lenguajes orientados a procesos se basan en el concepto de
entrada y salida con una caja negra.
Ejercicios
Analice las caractersticas de los dos tipos de lenguajes de simulacin y establezca 2
caractersticas comunes y 2 diferencia.
con el texto base.
76
Datos Generales:
Texto base
Pginas 673 - 677
contenido
4 horas
Propsito
El propsito deeste captulo es verifcar y validar el proceso de simulacin de sistemas
reales.
Conceptos Clave
Verifcacin
Proceso de determinar que el procedimiento de computadora que realiza los clculos
de la simulacin es correcto desde el punto de vista lgico.
Validacin
Proceso de asegurar que el modelo de simulacin proporciona una representacin
precisa de un sistema real.
Otros Problemas de Simulacin
Captulo 10
77
E
s
q
u
e
m
a

d
e

e
s
t
u
d
i
o
A

c
o
n
t
i
n
u
a
c
i
n

s
e

d
e
t
a
l
l
a
n

l
o
s

t
e
m
a
s

q
u
e

s
e

d
e
b
e
n

d
e
s
a
r
r
o
l
l
a
r
,

u
n
a

d
e
s
c
r
i
p
c
i
n

g
e
n
e
r
a
l

d
e
l

m
i
s
m
o
,

y

u
n

c
o
n
j
u
n
t
o

d
e

a
c
t
i
v
i
d
a
d
e
s

q
u
e

s
e

r
e
c
o
m
i
e
n
d
a

s
e
a
n

d
e
s
a
r
r
o
l
l
a
d
a
s

p
a
r
a

u
n
a

m
e
j
o
r

a
s
i
m
i
l
a
c
i
n

d
e

l
o
s

c
o
n
c
e
p
t
o
s
.

S
e

h
a
n

d
i
s
p
u
e
s
t
o

l
a
s

t
r
e
s

c
o
l
u
m
n
a
s

d
e

l
a

d
e
r
e
c
h
a

p
a
r
a

l
l
e
v
a
r

u
n

c
o
n
t
r
o
l

p
e
r
s
o
n
a
l

d
e
l

t
i
e
m
p
o

d
e

d
e
d
i
c
a
c
i
n

a

c
a
d
a

t
e
m
a
,

m
a
r
c
a
r

l
a
s

a
c
t
i
v
i
d
a
d
e
s

q
u
e

e
s
t
i
m
a

q
u
e

n
e
c
e
s
i
t
a

t
u
t
o
r
a

y

r
e
a
l
i
z
a
r

a
n
o
t
a
c
i
o
n
e
s
.
T
e
m
a

a

r
e
v
i
s
a
r
D
e
s
c
r
i
p
c
i
n

d
e
l

c
o
n
t
e
n
i
d
o

a

r
e
v
i
s
a
r
A
c
t
i
v
i
d
a
d
e
s

r
e
c
o
m
e
n
d
a
d
a
s
P
l
a
n
i
f
c
a
c
i
n

p
e
r
s
o
n
a
l

d
e

e
s
t
u
d
i
o
(
f
e
c
h
a
)
R
e
q
u
i
e
r
o

T
u
t
o
r
a
?
A
n
o
t
a
c
i
o
n
e
s
1
0
.
1
.
U
s
o

d
e

o
t
r
o
s

l
e
n
g
u
a
j
e
s

d
e

s
i
m
u
l
a
c
i
n
D
e
t
e
r
m
i
n
a
r

l
a

n
a
t
u
r
a
l
e
z
a

d
e

c
l
c
u
l
o
s

d
e

e
s
t
o
s

l
e
n
g
u
a
j
e
s

y

l
a
s

v
e
n
t
a
j
a
s

q
u
e

e
s
t
a
s

o
f
r
e
c
e
n

d
e
n
t
r
o

d
e

l
a

s
i
m
u
l
a
c
i
n
.

A
d
e
m
s

d
e

a
n
a
l
i
z
a
r

a
l
g
u
n
o
s

a
g
r
e
g
a
d
o
s

p
o
p
u
l
a
r
e
s

p
a
r
a

l
a

h
o
j
a

d
e

c
l
c
u
l
o

y

p
a
q
u
e
t
e
s

c
o
n

r
e
l
o
j
e
s

d
e

s
i
m
u
l
a
c
i
n

i
n
c
o
r
p
o
r
a
d
o
s
.
E
l
a
b
o
r
e

u
n
a

t
a
b
l
a

c
o
n

l
o
s

d
i
v
e
r
s
o
s

n
o
m
b
r
e
s

d
e

p
a
q
u
e
t
e
s

y

t
i
p
o
s

d
e

s
o
f
t
w
a
r
e

c
o
n

u
n
a

d
e
s
c
r
i
p
c
i
n

b
r
e
v
e

d
e

l
o
s

m
i
s
m
o
s
.
1
0
.
2
.
V
e
r
i
f
c
a
c
i
n

y

v
a
l
i
d
a
c
i
n

d
e

l
a

s
i
m
u
l
a
c
i
n
E
s
t
u
d
i
o

d
e

d
o
s

p
r
o
c
e
s
o
s

i
m
p
o
r
t
a
n
t
s
i
m
o
s

d
e
n
t
r
o

d
e

l
a

s
i
m
u
l
a
c
i
n

q
u
e

i
m
p
l
i
q
u
e

d
e
s
c
r
i
b
i
r

c
o
n

p
r
e
c
i
s
i
n

a
l

s
i
s
t
e
m
a

r
e
a
l
.
E
l
a
b
o
r
e

1

e
j
e
m
p
l
o

p
o
r

c
a
d
a

u
n
o

d
e

e
s
t
o
s

p
r
o
c
e
s
o
s

y

e
l

r
e
a

d
e

a
p
l
i
c
a
c
i
n

d
e

l
a
s

m
i
s
m
a
s
.
1
0
.
3
.

V
e
n
t
a
j
a
s

y

d
e
s
v
e
n
t
a
j
a
s

d
e

u
s
a
r

s
i
m
u
l
a
c
i
n
S
e

a
n
a
l
i
z
a
r

l
a
s

v
e
n
t
a
j
a
s

y

d
e
s
v
e
n
t
a
j
a
s

d
e

u
s
a
r

l
a

s
i
m
u
l
a
c
i
n

e
n

p
r
o
c
e
s
o
s

r
e
a
l
e
s
D
e
t
e
r
m
i
n
e

l
a
s

c
a
r
a
c
t
e
r
s
t
i
c
a
s

m
s

i
m
p
o
r
t
a
n
t
e
s

d
e

u
s
a
r

l
a

s
i
m
u
l
a
c
i
n
,

r
e
v
i
s
e

l
a
s

P
g
s

6
7
4

y

6
7
5
.
A
c
c
e
d
a

a

l
a

P
g
i
n
a

W
e
b

y

r
e
v
i
s
e

m
s

v
e
n
t
a
j
a
s

y

d
e
s
v
e
n
t
a
j
a
s

d
e

u
s
a
r

l
a

s
i
m
u
l
a
c
i
n

e
n

l
n
e
a
s

d
e

e
s
p
e
r
a

d
e

s
i
s
t
e
m
a
s

r
e
a
l
e
s
78
telefnicamente.
NO. CUESTIN
DESEMPEO HA SIDO:
MALO MEDIO MUY BIEN
10.1. Qu significado tiene la simulacin por
computadora?
10.2. Los modelos de simulacin tambin pueden
elaborarse usando lenguajes de programacin de
propsito general?
10.3. Qu ejecuta con frecuencia un comando en un
paquete de simulacin de simulacin de propsito
especial?
10.4. Cules son esos dos pasos esenciales en cualquier
estudio de simulacin?
10.5. Determine 2 ventajas y 2 desventajas de usar
simulacin
10.6. La simulacin garantiza una solucin ptima?
79
Describa la importancia de hacer verifcacin y validacin en la simulacin.
Ejercicios
Lea MC en Accin de la Pg. 676 en donde se analiza sobre un Diseo de Sistemas
de Manufactura en Vilpac de Mxico.
con el texto base.
Se adiciona una ayuda del libro base donde
hay soluciones a problemas planteados en el
mismo.
Tambin se adjunta presentaciones en Power
Point que le servirn de mucha ayuda durante
el estudio de esta asignatura
Ayudas para el segundo bimestre Libro
Base (ingls)
Segundo Bimestre
80
SOLUCIONARIO Gua didctica: Teora de Colas
Nota importante: Estas respuestas sern subidas al sistema EVA(Entorno Virtual de Aprendizaje), despus de que Usted
haya enviado el trabajo a distancia correspondiente a cada bimestre para ser revisada antes de cada examen bimestral, el
mismo que le servir para comparar el avance de su aprendizaje. No es necesario que las respuestas suyas sean con las
mismas frases que desarrolla el profesor gua, pero no deber salirse del contexto de lo que realmente se le pregunta.
PRIMER BIMESTRE
Solucin a las cuestiones de repaso del Captulo 1 al 5
No. TEMA RESPUESTA
DESEMPEO HA SIDO:
MALO MEDIO MUY
BUENO
1 Estructura de un
Sistema de Lnea de
Espera
CAPITULO 1
2 Modelos de Lnea
de espera de un
solo canal
CAPITULO 2
3 Modelo de Lnea de
Espera con Canales
Mltiples
CAPITULO 3
4 Algunas relaciones
generales para
modelos de lneas
de espera
CAPITULO 4
5 Otros Modelos de
Lnea de Espera
CAPITULO 5
Solucionario
81
SEGUNDO BIMESTRE
Solucin a las cuestiones de repaso del Captulo 6 al 10
No. TEMA RESPUESTA
DESEMPEO HA SIDO:
MALO MEDIO MUY
BUENO
6 Introduccin a la
Simulacin
CAPITULO 6
7 Simulacin de
Inventario
CAPITULO 7
8 Simulacin de
Lnea de Espera
CAPITULO 8
9 Lenguajes de
Simulacin
CAPITULO 9
10 Otros Problemas
de Simulacin
CAPITULO 10
AYUDAS PRIMER BIMESTRE ( Libro base en Ingls)
Chapter 14
Waiting Line Models
Case Problem 1: Regional Airlines
1. Single-Channel Waiting Line Analysis
The analysis that follows is based upon the assumptions of Poisson arrivals and exponential service
times. With one call every 3.75 minutes, we have an average arrival rate of
= 60/3.75 = 16 calls per hour
Similarly, with an average service time of 3 minutes, we have a service rate of
82
= 60/3 = 20 calls per hour
The operating characteristics of a single channel system with = 16 and = 20 are as follows:

hours (12 minutes)
hours (15 minutes)

Operating the telephone reservation service with only one ticket agent appears unacceptable.
With 80% of incoming calls waiting (P
w
= 0.80) and an average waiting time of 12 minutes (W
q

= 12), the company clearly needs to consider using two or more agents.
2. Multiple-Channel Waiting Line Analysis
Since Regionals management team agreed that an acceptable service goal was to immediately
answer and process at least 85% of the incoming calls, the probability of waiting must be 15% or
less. Computing P
w
for k = 2 agents and k = 3 agents provides the following.

For k = 2

For k = 3

83
Based on the value of P
w
, 3 ticket agents will be required to meet the service goal. Other
operating characteristics of the 3-ticket-agent system are as follows:
P
0
= 0.4472
L
q
= 0.0189
L = 0.8189
W
q
= 0.0012 hours = 0.07 minutes
W = 0.0512 hours = 3.07 minutes
3. We would need to know the average arrival rate for each hourly period throughout the day. An
analysis similar to the one above would determine the recommended number of reservation
agents each hour. This information could then be used to develop full-time and part-time shift
schedules which would meet the service goals.
Case Problem 2: Office Equipment, Inc.
1. = 1 call/50 hours = 0.02 calls per hour
2. Mean service time = travel time + repair time = 1 + 1.5 = 2.5 hours
= 1 / 2.5 hours = 0.4 customers per hour
3. The travel time is 1 hour. While this is considered part of the service time it actually means that
the customer will be waiting during the first hour of the service time. Thus, travel time must be
added to the time spent in line as predicted model in order to determine the total customer
waiting time.
4. Using output from The Management Scientist, we have the following:
Probability that no customers are in the system 0.5380
Average number of customers waiting 0.2972
Average number of customers in the system 0.7593
Average time a customer spends in the waiting line 1.6082 hours*
Average time until the machine is back in operation 4.1082 hours
Probability of a wait more than one hour 0.4620
Hours a week the technician is not on service calls
(0.5380) x 40 hours = 21.5 hours
Total cost per hour for the service operation $155.93
*The average time a customer spends in the waiting line is 1.6082 hours. This is the average
time for the service technician to complete all previous service call commitments and be ready to
travel to the new customer. Since the average travel time is 1 hour for the service technician to
reach the new customers office, the total customer waiting time is 1.6082 + 1 = 2.6082 hours.
84
Thus, the one technician is able to meet the companys 3-hour service guideline. The total cost
is $155.93 per hour.
Note that the waiting line model indicates the probability that a customer has to wait is 0.4620.
Since all customers wait an average of 1-hour of travel time whenever the service technician is
free, this probability is actually the probability that a customer will have to wait more than 1-hour
for a service technician to arrive.
5. If the company continues to use one technician when the customer base expands to 20 customers,
the average time in the waiting line will increase to 6.9454 hours. With an average travel time of
1 hour, the average total waiting time will be 6.9454 + 1 = 7.9454 hours. The total cost will be
$397.78 per hour. This average total waiting time is too long and a second technician is definitely
necessary. Using output from The Management Scientist, two service technicians provide the
following:
Average number of customers in the waiting line 0.2104
Hours a week the technicians are not on service calls
P
0
= 0.3525 (0.3525) x 2 technicians x 40 hours = 28.2 hours
P
1
= 0.3525 (0.3525) x 1 technician x 40 hours = 14.1 hours
Total = 42.3 hours
Total cost per hour of service operation $275.27
*The average time a customer spends in the waiting line is 0.5581 hours. This is the average
time for the service technician to complete all previous service call commitments and be ready to
travel to the new customer. Since the average travel time is 1-hour for the service technician to
reach the new customers office, the total customer waiting time is 0.5581 + 1 = 1.5581 hours.
Thus, two technicians are needed to meet the companys 3-hour service guideline when the
company reaches 20 customers. The total cost is $275.27 per hour.
6. A comparison of two and three technicians with 30 customers shows that the average total
waiting time with two technicians will be 2.6895 hours and the average total waiting time with
three technicians will be 1.2626 hours. The hourly cost with two technicians is $391.94 and the
hourly cost with three technicians is $397.08. While three technicians provide a smaller waiting
time, two technicians are able to meet the 3-hour service guideline for a total lower cost. Thus,
the company should continue to use two technicians when the customer base expands to 30
customers. Using output from The Management Scientist, two service technicians provide the
following:
85
Average number of customers in the waiting line 0.9353
Hours a week the technicians are not on service calls
P
0
= 0.1760 (0.1760) x 2 technicians x 40 hours = 14.08 hours
P
1
= 0.2640 (0.2640) x 1 technician x 40 hours = 10.56 hours
Total = 24.64 hours
Total cost per hour of service operation $391.94
*The average time a customer spends in the waiting line is 1.6895 hours. While the average
travel time is 1-hour for the service technician to reach the new customers office, the average
total customer waiting time is 1.6895 + 1 = 2.6895 hours.
7. The OEI planning committees proposal anticipated that three technicians would be needed at
a total cost of $397.08 per hour. Thus, the recommendation to stay with two technicians has as
annual savings of (397.08 391.94) x 8 hours/day x 250 days/year = $10,280.
AYUDAS SEGUNDO BIMESTRE ( Libro base en Ingls)
Chapter 15
Simulation
Case Problem 1: Tri-State Corporation
With the specifc fnancial analysis data input into cells D3:D8, the formulas used to develop the
portfolio projection spreadsheet are shown below. The rows are copied to extend the spreadsheet to
the desired 30-year projection.
Beginning New Portfolio Ending
Year Age Portfolio Salary Investment Earnings Portfolio
1 =D3 =D5 =D4 =$D$7*D12 =$D$8*(C12+0,5*E12) =C12+E12+F12
2 =B12+1 =G12 =(1+$D$6)*D12 =$D$7*D13 =$D$8*(C13+0,5*E13) =C13+E13+F13
3 =B13+1 =G13 =(1+$D$6)*D13 =$D$7*D14 =$D$8*(C14+0,5*E14) =C14+E14+F14
4 =B14+1 =G14 =(1+$D$6)*D14 =$D$7*D15 =$D$8*(C15+0,5*E15) =C15+E15+F15
5 =B15+1 =G15 =(1+$D$6)*D15 =$D$7*D16 =$D$8*(C16+0,5*E16) =C16+E16+F16
1. Increasing the annual investment rate in cell D7 will generate the following 30-year portfolio
projections:
86
Rate Projected Portfolio
5% $ 721,667
6% 815,397
7% 909,127
8% 1,002,857
A 1% increase in the annual investment rate increases the projected 30-year portfolio by $93,730.
The annual investment rate would have to be increased to 8% in order to achieve the $1,000,000
goal.
2. The simulation spreadsheet that we developed placed the simulated annual salary growth rate in
column D and the simulated annual portfolio growth rate in column G. The revised data input
section and the cell formulas used to develop the simulation spreadsheet are as follows.
Data Input
Financial Analysis - Portfolio Projection
Age 25
Current Salary $34.000
Current Portfolio $14.500
Annual Salary Growth Rate
Minimum Rate 0%
Maximum Rate 10%
Annual Investment Rate 8%
Annual Portfolio Growth Rate
Mean Rate 10%
Standard Deviation 5%
Formula Spreadsheet Columns D to I
Salary New Portfolio Portfolio Ending
Growth % Salary Investment Growth % Earnings Portfolio
=D4 =$D$9*E16 =DISTR.NORM.INV(ALEATORIO();$D$11;$D$12) =G16*(C16+0,5*F16) =C16+F16+H16
=ALEATORIO()*($D$8-$D$7) =(1+D17)*E16 =$D$9*E17 =DISTR.NORM.INV(ALEATORIO();$D$11;$D$12) =G17*(C17+0,5*F17) =C17+F17+H17

The simulated 30-year portfolio amounts will vary considerably from trial to trial. The uncertainty
associated with the annual salary growth rate and the annual portfolio growth rate will show that
there is uncertainty in reaching the $1,000,000 even if the annual investment rate is increased to
8%.
87
A few simulation trials will point out that the 30-year portfolio variability and the uncertainty
of reaching the $1,000,000 goal. However, repeating the simulation numerous times will be
necessary to provide an objective basis for estimating the probability of reaching $1,000,000.
We preformed the simulation of 1000 trials. The probability of reaching $1,000,000 was
estimated to be 0.48. Thus, the simulation conclusion is that there is less than a 50% chance of
reaching $1,000,000 even if an 8% investment rate is used. During the 1000 trials, the 30-year
portfolio varied from $550,000 to $1,900,000. There was a 30% chance that the portfolio would
not reach $900,000.
3. The simulation model suggests additional strategies should be considered to obtain a reasonably
high probability of reaching the $1,000,000 portfolio goal. Increasing the annual investment rate
to 9% or 10% may be worth considering. If this rate is getting too high, then extending the 30-
year period by adding years may be the best strategy for reaching the $1,000,000 goal.
4. The longer 35-year period is definitely a good idea. Expanding the simulation spreadsheet by
five years will show that almost every simulated 35-year portfolio exceeded $1,000,000. 1000
simulated trials with the 35-year period showed better than a 99% chance that the portfolio
would exceed $1,000,000.
In fact, the extra five years increased the expected portfolio from $1,002,857 to $1,697,622, or
almost $700,000. This result demonstrates the long-term advantages of investing.
5. The simulation worksheet can be used for any employee. The employee may enter his/her age,
current salary, current portfolio, and any assumptions he/she cares to make about salary growth
rate, investment rate, and portfolio growth rate. These assumptions in cells D3:D8 would be
different for each employee and rows would be added to the worksheet to reflect the number of
years appropriate for the employee.
By varying the inputs and projecting the ultimate portfolio value, the employees should be able
to make investment observations such as the following:
Begin early with an investment program. The more years the better the ending portfolio
value.
Make new contributions to a investment program at the highest possible rate. Increasing
the rate 1% or 2% will have a significant impact on the long-term portfolio.
Resist the temptation to use assets in investment programs for short-term personal
expenditures. Early withdraws can be shown to have a major impact the long-term portfolio
value.
Be patient. Benefits of investment programs may not be significant for the first 5 to 10
years. It is really in the later years where a consistent investment program pays its biggest
dividends.
88
Case Problem 2: Harbor Dunes Golf Course
The Crystal Ball simulation worksheet that we used is as follows:
Harbor Dunes Golf Course Simulation - Option 1
Available Tee Times 20
Regular Green Fee $160
Replay Green Fee $25
Cart Fee $20
Number of Option 1: $25 Green Fee + Cart Fee
Advance
Reservations
Number of
Replay Requests
Probability Probability
8 0,01 0 0,01
9 0,04 1 0,03
10 0,06 2 0,05
11 0,08 3 0,05
12 0,10 4 0,11
13 0,11 5 0,15
14 0,12 6 0,17
15 0,15 7 0,15
16 0,10 8 0,13
17 0,09 9 0,09
18 0,07 10 0,06
19 0,05
20 0,02
Cell Formulas:
Crystal Ball Model
Number of Advance Reservations Crystal Ball Custom Distribution with Data B11:C23
Number of Times Available =B3-C27
Number of Requests for a Replay Crystal Ball Custom Distribution with Data D11:E21
Number of Replays =MIN(C28,C29)
Revenue from Advance Reservations =4*(B4+B6)*C27
Revenue from Replays =4*(B5+B6)*C30
Forecast
Cell
Total Revenue
=C32+C33

89
1. Selected statistical results:
Simulation results for various. Below is one set of possible results:
Statistics Option 1 Option 2
Mean $11,062 $11,173
Median $11,160 $11,360
Standard Deviation $ 1,802 $ 1,838
Minimum $ 5,940 $ 5,760
Maximum $14,400 $14,400
Using the mean, the options are similar, but Option 2 is preferred with a daily revenue advantage
of $11,173 - $11,062 = $111.
2. Go with Option 2: The $50 per replay option.
3. Without the replay option, Harbor Dunes reported $10,240 daily revenue. Thus the Option 2
replay policy is estimated to generate an additional revenue of $11,173 - $10,240 = $933 per
day. Over a 90-day spring season, the estimated revenue increase is 90 * $933 = $83,970. The
replay policy is definitely worthwhile.
4. One suggestion is that Harbor Dunes wait until mid-morning to determine the afternoon replay
option. If by mid-morning, the afternoon tee time reservations are relatively low, Harbor Dunes
may want to offer the Option 1 replay policy which generates more demand for the afternoon
tee times. However, if by mid-morning, the afternoon tee time reservations were relatively high,
Harbor Dunes would want to continue the Option 2 replay policy. Simulation runs could help
determine a level of advance afternoon tee time reservations that would indicate whether to
implement the Option 1 or Option 2 replay policy.
Case Problem 3: County Beverage Drive-Thru
Spreadsheets patterned after those used for the ATM one- and two- channel simulations in Figure
6.15 and 6.7 may be used to solve this case problem. We recommend using one workbook with
three worksheets, one for each of the following Drive-Thru designs: 1 channel with 1 clerk, 1
channel with 2 clerks and 2 channels with 2 clerks.
The 1 Channel with 1 Clerk Design
Use the format of the Hammondsport 1 ATM simulation model and set up the data for the 1
channel with 1 clerk design as follows:
90
The interarrival time for customer 1 would be provided by the cell formula
=-$B$4*LN(RAND())
The service time for customer 1 would be provided by the cell formula
=VLOOKUP(RAND(),$A$9:$C$16,3)
The summary statistics formulas should be provided at the end of the simulation data. The
=COUNTIF function can be used to count the number of customers who wait more than 6
minutes and more than 10 minutes.
The 1 Channel with 2 Clerks Design
Use the format of the Hammondsport 1 ATM simulation model and set up the data for the 1
channel with 2 clerks design as follows:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A B C D
County Beverage Drive-Thru with One Channel One Clerk
Interarrival times (Exponential Distribution)
Mean 6
Service Time Distribution
Lower Upper Service
Random No. Random No. Time
0.00 0.24 2
0.24 0.44 3
0.44 0.59 4
0.59 0.73 5
0.73 0.85 6
0.85 0.93 7
0.93 0.98 8
0.98 1.00 9
1
2
3
4
5
6
7
8
9
10
11
12
13
A B C D
County Beverage Drive-Thru with One Channel Two Clerks
Interarrival times (Exponential Distribution)
Mean 6
Service Time Distribution
Lower Upper Service
Random No. Random No. Time
0.00 0.20 1
0.20 0.55 2
0.55 0.85 3
0.85 0.95 4
0.95 1.00 5
The service time for customer 1 would be provided by the cell formula
=VLOOKUP(RAND(),$A$9:$C$13,3)
91
The 2 Channels with 2 Clerks Design
Use the format of the Hammondsport 2 ATMs simulation model and set up the data as previously
shown for the 1 channel with 1 clerk design. Customer interarrival times and service times are
the same as shown for the 1 channel with 1 clerk design.
This part of the case is optional in that significant spreadsheet modeling skills are required to
duplicate the 2-channel simulation model. Selected cell formulas area as follows:
Cell I16 = G16
Cell J16 = 0
Cell I17 = IF(I16=MIN(I16,J16),G17,I16)
Cell J17 = IF(J16=MIN(I16,J16),G17,J16)
Cells I17 and J17 can be copied to fill columns I and J.
Each design was tested with a 1000 customer simulation run. Data on the first 100 customers
was discarded and summary statistics collected for a total of 900 customers.
Simulation results will vary but the approximate results are as follows:
Characteristic 1 Channel
1 Clerk
1 Channel 2
Clerks
2 Channels
2 Clerks
Number Waiting 640 377 167
Probability of Waiting 0.71 0.42 0.19
Average Waiting Time 6.1 1.0 0.4
Maximum Waiting Time 37.8 11.7 9.3
Utilization of Drive Thru 0.72 0.42 0.36
Number Waiting > 6
Minutes
322 26 7
Probability Waiting > 6
Minutes
0.36 0.03 0.01
Number Waiting > 10
Minutes
191 4 1
Probability Waiting > 10
Minutes
0.21 0.01 0.00
The 1 channel with 1 clerk system appears unacceptable. The mean waited time is over 6
minutes which exceeds the company guideline of 1.5 minutes. In addition, over 300 customers
waiting over 6 minutes and almost 200 customers waited over 10 minutes. The company must
do something to improve the service characteristics of its drive-thru operation or face the loss of
substantial business.
92
The 1 channel with 2 clerks system appears to be the best design., The mean waiting time of
approximately 1 minute is with the companys guideline of 1.5 minutes. Relatively few customers
experienced the 6 to 10 minute waiting times. The performance of the 2 channel with 2 clerks
system is the best overall, but the added cost may not justify the expansion to the two channel
operation.
LE/lg/27-08-09/92
gg/2013-05-07

G18904

Cargado por

Copyright:

Formatos disponibles

G18904

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

G18904

Cargado por

Copyright:

Formatos disponibles

Titulacin Ciclo

Ingeniero en Informtica VII

También podría gustarte