Contenido:

Características de un sistema de colas 1

Población de clientes 2
Proceso de llegada 2
Proceso de colas 3
Proceso de servicio 3
Modelo de colas 4
Indicadores del rendimiento de un sistema de colas 4
Sistemas de un canal, una línea y servicios exponenciales (M/M/1) 5
Sistemas de canal múltiple, una cola, llega y servicio exponenciales (M/M/c) 9
Interpretación de resultados 11
Análisis Económico 12
Costos asociados 13
Sistemas con población finita (M/M/c/K) 15
Sistemas con capacidad de espera limitada (M/M/c/K) 16
Otros modelos 18
Notas 19
ANEXO Algunas funciones de distribución de probabilidad de Excel aplicables
a colas 20
Modelos de colas 1

Modelos de colas

Este tipo de modelo se relaciona con la prestación de un servicio al que acceden clientes o productos en
forma aleatoria. El servicio está instalado en una estación de trabajo, o sitio específico donde hay un
lugar de atención (una boletería, un cajero, un equipo, etc.) al que se denomina canal de atención. Cuando
el cliente es atendido abandona el sistema.

Los ejemplos son diversos:

Los clientes llegan al banco, hacen fila, que puede ser una o más de una, frente a una ventanilla, o más de
una, así puede haber una fila para dos ventanillas o cada ventanilla tener su propia fila.
Otro ejemplo son los procesos productivos que convergen en un equipo, donde las partes deben esperar
para terminar su incorporación al producto final.
Las colas en las cajas de los supermercados, donde los clientes, luego de concluir con sus compras eligen
un canal de atención y esperan ser atendidos para finalmente salir del sistema o supermercado.
El Administrador de Impresión de un sistema operativo es un caso de atención por colas de espera de los
clientes (documentos a imprimir por orden de llegada o con ciertas convenciones de prioridad en algunos
casos).
Una planta fabril con máquinas herramienta que operan todas simultáneamente pero que requieren
atención técnica aleatoria. El personal técnico las atiende por orden de llegada del pedido.
Una máquina etiquetadora de botellas PET que acaban de ser colmadas con aceite de girasol. Una
cooperativa eléctrica del interior que dispone de dos móviles para atender solicitudes de reparaciones que
efectúan los clientes y en el orden en que éstos llaman.

Sea cual fuere el caso, siempre surgen problemas alrededor de las colas y las esperas relacionadas con
ellas:
Puede ser necesario determinar si hay que agregar una nueva estación de trabajo (ventanilla) o aún
quitarla. Para tomar esa decisión será necesario saber:
1. ¿Cuánto tiempo tiene que esperar un cliente promedio para ser atendido?
2. ¿Cuánto tiempo demora la atención de un cliente1? ¿se puede predecir ese tiempo?
3. ¿Cuántos clientes hay -en promedio- en la cola? ¿cuál es el máximo que puede haber? ¿es posible que
todos puedan esperar?
4. ¿Cuántas ventanillas darán un servicio aceptable? ¿que es un servicio aceptable?
5. ¿Conviene que los clientes hagan una sola fila -modelo banco-? ¿o es preferible que sean varias filas -
modelo supermercado-?
6. ¿Cuál es el espacio necesario para que los clientes puedan esperar?2

Características de un sistema de colas

Un sistema con colas se caracteriza por:
a. Los clientes, que son los elementos que conformarán la cola. El total es la población de clientes.
b. Un proceso de llegada, que es la forma en que llegan los clientes
c. Un proceso de cola, que es:
1) la manera en que esperan los clientes para ser atendidos y
2) la disciplina o política de la cola que es la forma en que el cliente es elegido para ser atendido
d. Un proceso de salida que puede ser
1) el cliente abandona el sistema inmediatamente después de ser atendido (cola de un paso) o
2) los clientes que son atendidos pasan a otra cola (red de colas).

1
Debe entenderse cliente como cualquiera de los ejemplos citados: una persona que paga impuestos, un documento a imprimir, un
pote con mermelada a etiquetar, una solicitud de reparaciones, etc.
2
Este espacio puede ser físico (sala de espera, hall de banco, playón de materiales y productos) o en otro soporte (buffer de
memoria, capacidad de retención de líneas telefónicas rotativas, etc.)
Modelos de colas 2

Ilustración 1 Sistema de una fila, tres servidores y de un paso (luego de la atención, el cliente abandona el sistema)

Ilustración 2 Sistema de cuatro servidores, donde el acceso al servidor 2 o 3 se realiza luego de la atención por el servidor 1.
Al servidor 4 llegan clientes atendidos por los 2 y 3. Recién después de la atención por parte de 4, el cliente abandona el
sistema.

Población de clientes
Conocer la población de clientes es conocer como idea general el tamaño potencial de la base de clientes.
Un banco o un supermercado poseen una base grande de clientes, es una población infinita. No debería
haber confusiones: el número de clientes, como tal, es finito, pero la posibilidad de demanda de servicios
no lo es: una vez satisfecho el servicio requerido por un cliente en particular, éste no se excluye del
sistema y está en condiciones de volver a demandarlo. Un conjunto de 20 máquinas que operan 16 hs
diarias pero que tienen una probabilidad de atascarse en un tiempo medio de 1 hora cada una durante 5
minutos, independientemente de si se atascó antes o no, es una población infinita. Al contrario, si se
instala una oficina de empadronamiento general en una ciudad de 3 millones de habitantes, cada “cliente”,
una vez empadronado, no volverá a demandar el servicio. Esta es una población finita.

Proceso de llegada
Proceso de llegada determinístico: dos clientes sucesivos llegan en intervalos de tiempo idénticos y
conocidos, por ejemplo una etiquetadora donde los clientes llegan en intervalos iguales de tiempo (ciclo
de tiempo)

Proceso de llegada probabilístico: el tiempo entre llegadas sucesivas es variable. En estos casos la
determinación de la distribución de llegadas real es dificultosa, por lo cual se adopta una distribución
conocida que se adapte razonablemente bien al tipo de eventos. Se utiliza, generalmente, la distribución
exponencial. Así, la función de densidad para las llegadas de clientes, que se denominará λ, (número
promedio de llegadas por unidad de tiempo) está dada por
 1
f ( t ) =   e − λT
 λ
Para una cantidad T de tiempo se usa la función de densidad para calcular la probabilidad de que el
siguiente cliente llegue dentro de las T unidades de tiempo a partir de la llegada del anterior:
Modelos de colas 3

P(tiempo entre llegadas ≤ T) = 1 - e-λT

Caso
Los clientes llegan al banco a una tasa promedio diaria de 20 clientes cada hora, λ = 20 clientes/h. Si en este instante
ingresa un cliente, ¿Cuál es la probabilidad de que llegue un cliente nuevo en los próximos 10 minutos?
El tiempo entre llegadas máximo, T, es de 10 minutos (T=1/6h), por tanto debe calcularse

P(tiempo entre llegadas ≤ 1/6 h) = 1 - e

-20 x (1/6)
= 0,964

CALCULO CON EXCEL: =DISTR.EXP(0,16667;20;VERDADERO) –

Debe observarse que se busca la probabilidad acumulada, indicado con VERDADERO (Ver Anexo)

Otra manera de encarar esta cuestión es refiriéndose al número de clientes que llegan. Por ejemplo, la
probabilidad de que dos clientes lleguen dentro de los diez minutos siguientes, en este caso, la
distribución de probabilidad para el número de llegadas será una distribución de Poisson:
e − λT (λ .T ) k
P(tiempo _ entre _ llegadasT = k ) =
k!
Siguiendo el caso anterior, con λ = 20 clientes/h y T = 1/6 h. La probabilidad de que lleguen dos clientes (k = 2) en los
próximos 10 minutos es:
e −20 x1/ 6 (20 / 6) 2
P(que _ en _10_ minutos _ lleguen _ 2 _ clientes) = = 0,20
2 x1
CÁLCULO CON EXCEL: =POISSON(A1;A2;FALSO), donde en A1se colocó en número de eventos k = 2, y en A2 el
producto λT = 20/6 = 3,3333. FALSO indica que no se busca la probabilidad acumulada. (Ver Anexo)

Si se busca la probabilidad acumulada la expresión a usar es:

k
e − λT (λ .T ) k
P(tiempo _ entre _ llegadasT ≤ k ) = ∑
0 k!
o en Excel incluir el valor lógico Verdadero.

Proceso de colas
Parte del proceso de colas tiene que ver con el tipo de colas: el cliente puede elegir entre una u otra cola
cuando hay más de una o no puede elegir, como en algunos bancos.
El número de clientes que hace cola, el largo de la cola, tiene importancia: en un banco el espacio se
puede considerar infinito: no importa cuantos clientes estén esperando, siempre hay lugar, en telefonía, un
sistema de 0800 con líneas rotativas tiene capacidad finita de mantener llamadas en espera haciendo
escuchar al que llama la música de la película “El Golpe”.
También forma parte del proceso la política de la cola, hay varias alternativas:
1. Primero en llegar, primero en salir (FIFO por sus siglas en ingles, First Input-First Output). Caso
supermercado.
2. Último en llegar, primero en salir (LIFO), caso de almacén de productos apilados.
3. Por prioridades. Caso de consultorio odontológico con una fila de pacientes en tratamiento y una fila
de urgencias por dolor.

Proceso de servicio
Define la manera en que son atendidos los clientes:
Por las estaciones:
un supermercado con varias cajas es un sistema de cola múltiple. Los servidores pueden ser idénticos
(cada caja funciona a la misma velocidad) o no.
La otra alternativa es la de sistema de cola única (no confundir con servidor único, ya que se puede
aceptar en una sola cola varios servidores que, en conjunto, realicen la misma tarea)
Por el número de clientes atendido en forma simultánea:
La cola del supermercado, o de un banco son sistemas donde se atiende a un cliente por vez.
La cola del colectivo es un sistema de atención por lotes.
Por la prioridad en la atención:
Significa que los lugares en la cola pueden alterarse ante llegada de clientes con diferentes grados de
prioridad.
Modelos de colas 4

En cualquier caso, se necesita conocer el tiempo que demanda la atención del cliente. Este tiempo puede
ser determinístico o probabilístico.
En los probabilísticos es difícil conocer la distribución de probabilidad real, se puede utilizar, por
ejemplo, una distribución exponencial, cuya función de densidad depende de un parámetro (µ) y es:
 1
s(t ) =   e − µ .t
 µ
donde µ es el número promedio de clientes atendido por unidad de tiempo y µ-1 será el tiempo medio de
atención a un cliente.

Modelos de colas
Se presenta un método de clasificación aplicable a un sistema con
población de clientes: infinita
una sola fila
espacio de espera infinito

Simbología:
llegada/servicio/cola/población/espacio
Proceso de llegada
D Tiempo entre llegadas determinístico
M Tiempo entre llegadas probabilísticos con distribución exponencial
G Tiempo entre llegadas probabilísticos con otra distribución diferente a la exponencial (gral)
Proceso de Servicio
D Tiempo de servicio determinístico
M Tiempo de servicio probabilísticos con distribución exponencial
G Tiempo de servicio probabilísticos con otra distribución diferente a la exponencial (general)
Proceso de Colas
c Número de canales o servidores paralelos existentes (todos son idénticos en su velocidad)
Espacio de espera finito y/o población de clientes finita
K Número total de clientes de la población
L Número máximo de clientes que pueden estar en el sistema en cualquier momento

Así, un sistema M/M/2 indica que es un sistema con tiempos de llegadas probabilísticos con distribución
exponencial, el tiempo de atención a un cliente también es probabilístico con distribución exponencial y
tiene 2 ventanillas en paralelo. Si se le agregaran los demás elementos, como K=1 y L=10 sería
M/M/2/1/10, si K=∞ y L=∞ sería M/M/2 y si K=∞ y L=10 sería M/M/2//10.

Indicadores del rendimiento en sistemas de colas

Solamente se hará referencia a sistemas en estado estacionario: No interesa la evolución de la cola del
supermercado desde que llega el primer cliente de la mañana hasta una hora después ni desde que se
cerraron las puertas de ingreso hasta que se despachó el último cliente.
Definiremos las siguientes medidas:
1. Cola no explosiva: cuando µ (total del sistema de atención) ≥ λ Define que el estado estacionario es
posible. Si los arribos son mayores que las salidas se dice que el sistema es explosivo.
2. Tiempo promedio de espera, Wq: es el tiempo promedio que el cliente que llega tiene que esperar
para ingresar al canal (ser atendido).
3. Tiempo promedio en el sistema, W: es el tiempo promedio que el cliente debe esperar desde que
ingresa hasta que es despachado, termina su atención y sale del sistema.
4. Longitud media de la cola, Lq: Cantidad promedio de clientes que están esperando en la cola para ser
atendidos.
5. Promedio de clientes en el sistema, L Cantidad promedio de clientes en la cola más los que están
siendo atendidos.
6. Probabilidad de bloqueo, Pw: Probabilidad de que un cliente que llegue tenga que esperar a ser
atendido. Es equivalente a Pb: Probabilidad de que el servidor esté ocupado
7. Probabilidad de que el (los) servidor(es) estén libres P0 Probabilidad de que el cliente que llega no
deba esperar
8. Fracción de tiempo de uso del servidor, U: Probabilidad de que en un tiempo dado el servidor esté
ocupado.
Modelos de colas 5

9. Distribución de probabilidad de estado, Pn: es la probabilidad de que existan n clientes en el

sistema, siendo n = 0, 1, 2, ....
10. Probabilidad de negación de servicio, Pd: probabilidad de no atención por saturación de espacio
finito.

Todas estas definiciones deben conducir a relaciones vinculadas a los procesos de llegada, salida y
servicio. Inclusive si no se conocen las distribuciones de probabilidades asociadas, simplemente
conociendo λ y µ (promedios de llegadas por unidad de tiempo y de clientes atendidos por unidad de
tiempo, respectivamente).
Así en sistemas K y L infinitos, el tiempo total que un cliente está en el sistema será

Tiempo promedio en el sistema = tiempo promedio de espera + tiempo promedio de servicio

1
W = Wq +
µ
(si el promedio de atención −µ− es por ejemplo 4 clientes/h, la velocidad de atención será µ-1 = ¼
h/cliente)

También puede establecerse que

Número promedio de clientes en el sistema = número promedio de llegadas por unidad de tiempo x tiempo promedio en el sistema
L=λW

(Si para un cliente que acaba de llegar se espera que esté en el sistema ½ hora, en esa media hora llegarán
otros clientes a una tasa, por ejemplo, λ = 6/hora. Cuando el cliente se va, deja detrás un promedio de ½ x
6 = 3 clientes nuevos. En promedio existen 3 clientes en el sistema en cualquier momento).

También
Número promedio de clientes en la cola = número promedio de llegadas por unidad de tiempo x tiempo promedio en la cola
Lq = λ Wq

Sea un sistema con λ = 6 clientes/h y µ = 4 clientes/h, con un número promedio de clientes en la cola, Lq = 2, se tiene:

Wq = Lq / λ = 2 / 6 = 1 / 3 Tiempo promedio en la cola, 1/3 h

W = Wq + µ-1 = 1 / 3 + 1 / 4 = 7 / 12 Tiempo promedio en el sistema, 7/12 h

L = λ W = 6 x 7 / 12 = 3,5 Número de clientes en el sistema, 3,5

Sistemas de un canal, una línea con llegada exponencial y proceso de

servicios exponencial (M/M/1)
Las condiciones de aplicación del modelo son
Población finita
Llegada con distribución de Poisson a tasa promedio λ
Una sola cola, con capacidad infinita y política FIFO
Proceso de servicio de un solo servidor con distribución exponencial con promedio µ clientes/u
tiempo

Se busca definir si es posible el estado estacionario, para lo cual debe ocurrir que la tasa de atención sea
superior a la de arribos: µ ≥ λ.

Banco Arroyo ha instalado un sistema de cinco cajeros automáticos en un centro comercial de 5 plantas que funciona
24 horas al día y desea comprender el funcionamiento del conjunto, para lo cual analiza un cajero en las horas pico.
Se estima entonces que a ese cajero arriba un promedio de sesenta clientes por hora, λ = 60 y tiene una capacidad de
atención promedio de µ = 66 clientes por hora.
Como se cumple 66 > 60 se podrá hacer un análisis de estado estacionario.

Se define el factor de tráfico, o intensidad de tráfico, τ = λ / µ = 60/66 = 0,9091

1 Probabilidad de que no haya clientes en el sistema (sistema no ocupado) (P0 )
P0 = 1 - τ = 1 - 0,9091 = 0,0909 (el 9% de las veces el cliente encuentra el cajero vacío, el 91% de las veces está
ocupado)
Modelos de colas 6

2. Largo promedio de la fila

τ2 0,90912
Lq = = = 9,0909
1 − τ 1 − 0,9091
El cajero tendrá nueve clientes haciendo cola, sin contar el que está siendo atendido.

3. Tiempo promedio de espera en la cola

Lq 9,0909
Wq = = = 0,1515
λ 60
cada cliente que llega debe esperar aproximadamente 9 minutos antes de poder pasar al cajero.

4. Tiempo de espera en el sistema

1 1
W = Wq + = 0,1515 + = 0,1667
µ 66
cada cliente invierte 10 minutos en el trámite: hacer la cola y ser atendido

5. Promedio de clientes en el sistema: los 9 que hacen cola más el que está siendo atendido
L = λ W = 60 x 0,1667 = 10

6. Probabilidad de que un cliente tenga que esperar (ver paso 1)

Pw = 1 - P0 = τ = 0,9091

7. Probabilidad de que haya n clientes cuando un cliente llegue al sistema

Pn = τn P0

Se construye la siguiente tabla

n Pn
0 0.0909
1 0.0826
2 0.0751
3 0.0683
... ...

La probabilidad de que no haya más de tres clientes en el sistema cuando llega un determinado cliente es
ΣPi = P0 +P1 +P2 + P3 = 0,0909 + 0,0826 + 0,0751 + 0,0683 = 0,3169
8. Utilización del cajero
U = τ = 0,90901
El 91% del tiempo el cajero está en uso.

A continuación se resolverá el mismo problema utilizando el software WinQSB, luego de lo cual se

procederá a realizar modificaciones analíticas que permiten no solo comprender mejor el modelo sino
también utilizar sus potencialidades de análisis de sensibilidad.

WinQSB presenta dos módulos relacionados con Colas: uno es Análisis de Colas y el otro Simulación de
Colas. Se utilizará el primero

Ilustración 3. Selección del módulo de colas “Queueing Analysis”: se especifican el problema y las unidades.
Modelos de colas 7

Ilustración 4. Carga de datos. Los valores no completados indican que no se conocen. Las letras M indican infinito para
capacidad de la cola y población de clientes.

Ilustración 5. Se solicita la solución mediante el menú correspondiente

Ilustración 6. Pantalla de resultados.

Ilustración 7. Distribución de probabilidades de n

Modelos de colas 8

Este problema así planteado brinda información importante y todo parece estar bien para quien la analiza.
Supóngase que se detecta un aumento en la llegada promedio de clientes, que pasaría de 60 a 70, lo que
motiva cambiar el equipo del cajero a una modelo capaz de atender 73 clientes por hora en lugar de los 66
del anterior. Este aumento de demanda se debe a que al lado del cajero se instaló un cine por lo cual se
cree que si la cola es muy larga puede generar confusión. Se quiere evaluar que probabilidad hay de que la
cola sea de 16 o más personas (más una persona dentro del cajero). Para resolverlo hay que sumar las
probabilidades Pn del sistema.

A continuación se trabaja cargando los datos del problema modificado:

Ilustración 8. Carga de datos del problema modificado.

Ilustración 9. Resultados del problema modificado con λ = 70 y µ = 73. Ahora hay 22 clientes en la cola y deben esperar 20
minutos (0,33 h).

Es evidente que con estos resultados, los niveles de espera como de cantidad de gente haciendo cola son
muy altos, por lo cual se deberá pensar en poner estaciones con dos cajeros, dos servidores. Esto ya no
puede resolverse con este método, que trabaja con 1 servidor.

Cajeros en una sola cola, de canal múltiple, llegada exponencial y

proceso de servicio exponencial (M/M/c)
Las condiciones generales del sistema son:
1. Población de clientes infinita
2. Proceso de llegadas que sigue una distribución de Poisson con tasa λ clientes/unidad de tiempo
3. Una cola sola de capacidad infinita, política FIFO.
Modelos de colas 9

4. Servicio compuesto por c servidores idénticos, cada uno de los cuales atiende con distribución
exponencial a µ clientes/unidad de tiempo.
5. La tasa total de servicio promedio debe ser mayor que la tasa de arribos para que el sistema esté en
estado estacionario, c µ > λ

Se reconvierte el ejemplo:
c = 2 servidores
λ = 70 clientes/hora
µ = 40 clientes/hora

0. Cálculo del factor de tráfico

τ = λ/µ = 1.75

1. Probabilidad de que ningún cliente esté en el sistema (P0)

1
P0 =
 τ   τ c  c 
c −1 n
 ∑  +   
 n=0 n!   c!  c − τ  donde:
 c −1 τ n  τ 0 τ 1 τ c −1
 ∑  = + + ... +
 n=0 n!  0! 1! (c − 1)!
por lo tanto P0 = 0,0667
(7% del tiempo la estación de cajeros estará vacía)

2. Número promedio en la cola (Lq )

τ c +1 1
Lq = P0 = 5,7167
(c − 1)! (c − τ ) 2
3. Tiempo promedio de espera en la cola (Wq )
Wq = Lq / λ = 0,081667

4. Tiempo promedio de espera en el sistema. (W )

W = Wq + (1/µ) = 0,10667

5. Número de clientes promedio en el sistema (L)

L = λ W = 7,4667

6. Probabilidad de que un cliente que llega tenga que esperar (pw )

1 c c
pw = τ P0 =
c! c − τ
1 2
= × 1,75 2 × × 0,0667 = 0,81667
2! 2 − 1,75
el 82% de las veces un cliente tendrá que esperar.

7. Probabilidad de que n clientes estén en el sistema (Pn )

a) si n ≤ c, se aplica:
τn
Pn = P0
n!
y se obtiene:
n Pn
0 0,06667
1 0,11667
2 0,10210
Modelos de colas 10

b) si n > c, se aplica
τn
Pn = P0
c!.c n −c
y se obtiene
n Pn
3 0,08932
4 0,07816
... ...

Ejemplo, ¿cual es la probabilidad de que un solo cajero esté funcionando (o que un cajero esté vacío)?, es
lo mismo que preguntar si hay menos de dos clientes en el sistema: se contesta sumando
P0 +P1 = 0,06667 + 0,11667 = 0,18334
8. Grado de uso del sistema (U )
  c − 1  c − 2  1 
U = 1 −  P0 +   P1 +   P2 +...+  Pc −1  =
  c   c   c 
  1 
U = 1 −  P0 +   P1  = 1 − [0,06667 + (0,5 × 0,11667)] = 0,875
  2 

Interpretación de resultados
Aplicando WinQSB se analizan los resultados obtenidos:

Ilustración 10. Carga de datos en el problema de dos cajeros y una sola cola.

Ilustración 11. Resultados: las primeras tres líneas son el enunciado del problema: llegan 70 clientes por hora y la velocidad
de atención de las dos cajas es de 40 clientes por hora.
Modelos de colas 11

Si embargo es posible preguntarse que ocurre si la cola es muy larga, digamos que en algún momento
haya más de 17 clientes en el sistema. Para resolver esta cuestión deberá efectuarse un análisis de
probabilidad (Probability Summary), en el menú Resultados (Results), obteniéndose una tabla como la de
la figura siguiente:

Ilustración 12
Si se suma la probabilidad de cada valor de n por encima de 17, 18 (0,0121), 19 (0,0105), da la
probabilidad de que se encuentren más de 17 personas, lo que es lo mismo que 1 – P(17) = 1 – 0,9036 =
0,096 = 9,6%

Análisis económico
Hasta ahora, en el ejemplo anterior, la decisión de agregar o no un cajero se basaba en consideraciones de
servicio: tiempo de esperas y largos de la fila que fueran aceptables. También puede intervenir un análisis
de costos en la toma de decisiones de este tipo.
Sea una planta de envasado con un alto número de máquinas ensachetadoras automáticas que frecuentemente se
atascan. Las máquinas se reparan en el mismo orden en que reclaman el servicio (FIFO) por una dotación de siete
técnicos que recorren la planta. Se observa que en promedio las máquinas atascadas son de 10 a 12 en cualquier
momento con una tasa de roturas de 25 máquinas/h. Se reparan en tiempos del orden de los 15 minutos. Se sabe que
aumentando el personal de reparaciones aumentaría la producción de la planta por disminución del número de
máquinas detenidas, pero no se sabe a cuántas personas más habría que contratar.

Reconocimiento del modelo

Las máquinas conforman un modelo de colas, siendo los clientes las que están atascadas. Como hay un
gran número de máquinas y que se atascan independientemente de que previamente se hayan atascado o
no, se puede suponer que la población es infinita. Hay siete servidores idénticos que operan bajo la
política FIFO. El modelo es el de una sola fila de clientes esperando a ser atendidos por el primer servidor
disponible.
1. la aparición de máquinas atascadas puede ser aproximada a un modelo de Poisson con una tasa
promedio de 25 clientes/hora
2. Cada máquina es reparada en una cantidad aleatoria de tiempo aproximada a una distribución
exponencial con un promedio de servicio de 15 minutos, lo que da una tasa de 4 clientes/hora en la
atención.
Por tanto es un sistema:
M/M/7
λ = 25 clientes/hora
µ = 4 clientes/hora
población infinita
El resultado, obtenido con WinQSB es el de la ilustración siguiente:
Modelos de colas 12

Ilustración 138. Resultado del problema de servicio de ensachetadoras con sistema M/M/7.

Esto indica que hay 12 máquinas en espera y que la cada máquina no funciona por 0,48 hora (aprox.
media hora). A continuación de hacen sucesivas corridas aumentando el número de servidores hasta 11.

NÚMERO DE SERVIDORES 7 8 9 10 11
Overall system utilization (%) 89.2857 78.1250 69.4444 62.5000 56.8182
Average number of customers in 5.8473 1.4936 0.5363 0.2094 0.0830
the queue (Lq)
Average number of customers in 12.0973 7.7436 6.7863 6.4594 6.3330
the system (L)
Probabilidad de espera (Pw)(Pb) 0.7017 0.4182 0.2360 0.1257 0.0630
Average time in the queue (Wq) 0.2339 0.0597 0.0215 0.0084 0.0033
Average time in the system (W) 0.4839 0.3097 0.2715 0.2584 0.2533

Evidentemente, a medida que se agregan servidores disminuyen los tiempos de espera y el número de
máquinas fuera de servicio (con 11 servidores se logra algo así como 6 a 7 máquinas detenidas).

Costos asociados
Hay dos costos básicos:
Costo total de personal/u.de tiempo = Costo/hora de cada servidor x número de servidores

Costo total de espera = Costo de cada máquina fuera de servicio x promedio de máquinas fuera de servicio
que permite calcular un costo total
Costo total = costo total de personal/u. de tiempo + costo total de espera

si se asigna, al ejemplo, un costo -una pérdida- de $100 por hora/máquina detenida (estos valores son difíciles de
calcular, incluyen costos directos por ventas no realizadas e indirectos como insatisfacción del cliente o cesión de
mercado por falta de stock) y a la mano de obra un costo de $50 por hora/hombre, se puede recalcular cada
alternativa de las estudiadas arriba:
Servidores Clientes en el Cálculo del costo/hora Costo/hora
sistema
7 12,0973 50x7+100x12,0973 1559,73
8 7,7436 50x8+100x7,7436 1174,36
9 6,7863 50x9+100x6,7863 1128,23
10 6,4594 50x10+100x6,4594 1145,94
11 6,3330 50x11+100x6,3330 1183,30

Como se puede observar, el punto de mínimo costo es utilizar 9 servidores.

Se arriba a un resultado similar, sin pasos intermedios, utilizando WinQSB, según se muestra en las
siguientes pantallas:
Modelos de colas 13

Ilustración 19. A la pantalla de carga de datos se le agregan los costos de espera y de cada servidor, pero manteniendo el
número original de servidores, siete. Debe observarse que el costo de cada servidor está dividido en ocupado y libre, pues
puede ocurrir que sean diferentes. Los costos de espera también pueden ser diferentes entre espera simple y en atención.

Ilustración 20. Se pide un análisis de capacidad. Se seleccionan los siguientes parámetros: comenzar con 7 servidores (start
from) y finalizar en 11 con un paso de 1 por vez. También se podría variar la capacidad de la cola.

Ilustración 21. La siguiente pantalla presenta la valorización del sistema con siete a once servidores. Nueve resulta óptimo.
(sobredimensionado sobre el actual, en este caso).

Sistemas con población finita (M/M/c//K)

La característica principal de estos modelos es que, al ser una población limitada, es de esperar que la tasa
de arribos de clientes disminuye en el tiempo. Si se supone que hay 100 máquinas ensachetadoras, y que
luego de reparadas no se atascan más, es evidente que, a razón de 12 máquinas/h en reparaciones el
remanente se va achicando a medida que transcurren las horas.
Modelos de colas 14

Los extremos de variación de las tasas de arribo serán entonces desde un máximo, que ocurre cuando el
sistema no tiene clientes, a cero, que ocurre cuando todos los clientes están en el sistema, y por tanto no
puede llegar ninguno más. Por tanto el proceso de llegadas se tomará para cada cliente en particular: hay
que determinar la tasa en que una máquina requiere ser atendida.

Si se supone que la frecuencia con que una máquina requiere atención es de una vez cada cuatro horas, se
trabaja como si fuera una tasa. Por tanto, si la tasa de arribos anterior (λ = 25/h) ahora se la refiere a cada
una de las máquinas, se tendrá
λ’ = λ / población finita = (25 h-1 / 100 máquinas) = 0,25 reparaciones/hora.máquina
Junto con los datos anteriores:
µ = 4 máquinas/hora
costo por servidor = $50/hora servidor
costo de pérdida de producción = $100/hora máquina
se ingresa a WinQSB:

Ilustración 22. Carga de datos, a los ya existentes se agregan: la población finita (100) (marcado) y la tasa de arribos que
ahora representa la tasa de requerimientos de servicio de cada máquina (CUST ARR RATE), (0,25, marcado).

Ilustración 23. Resultados del problema: el número de máquinas en espera pasó de 12,0973 a 7,5885.
Modelos de colas 15

Ilustración 24. Búsqueda del óptimo: 8 servidores con un costo de 1051,45

Sistemas con capacidad de espera limitada (M/M/c/L)

Para sistemas de este tipo se agregan dos aspectos nuevos:
• La probabilidad de negación de servicio que tiene un cliente que llega y es rechazado porque el área
de espera está completa. Pd.
• El costo asociado con la pérdida de un cliente no atendido, que se agrega al costo por servidor y al
costo por espera
CASO:
Una empresa decide lanzar una oferta de venta masiva telefónica por cinco días para lo cual debe decidir que tipo de
sistema telefónico debe alquilar a la compañía telefónica. Esta ofrece sistemas de líneas rotativas de 15 y de 20 líneas
con opciones de espera de 5 y de 10 llamadas o sin opciones de espera para cada una:

SISTEMA LÍNEAS LLAMADAS EN ESPERA ALQUILER ($/DIA)

1500 15 0 150
1505 15 5 180
1510 15 10 225
2000 20 0 220
2005 20 5 264
2010 20 10 330

En sistemas telefónicos se demuestra históricamente como razonablemente buena, la distribución de

Poisson para la tasa de llegada. Se suponen los siguientes datos:
Llegadas, λ = 150 llamadas por hora
Servicio por línea telefónica µ = 12 llamadas por hora.
Se cargan los datos:
En primer lugar para la central de 15 líneas sin capacidad de espera (1500). Se sabe que la compra
promedio por llamada (incluyendo los que desisten) es de $50. Cuando al cliente le da ocupado, se estima
que el 80% llama de nuevo, el costo de perder un cliente será:
Cd = costo de la llamada perdida x probabilidad de perder al cliente = $ 50 x 0,20 = $ 10.

Ilustración 25. Carga de datos para 15 servidores sin capacidad de espera. Tasa de servicio: 12 clientes por hora, tasa de
arribo 150 clientes por hora, población infinita, costo por servidor ocupado/libre –iguales- 1,25, costo de espera/atención
(iguales) 0 y costo por cliente perdido $10. Los renglones “Busy (idle) server cost per hour” (costo por servidor, ocupado y
libre) se calculan como se muestra a continuación de la ilustración 26.
Modelos de colas 16

Ilustración 26. Resultados en un sistema M/M/15/0. La novedad es el renglón 14 donde aparece pb . En este sistema hay un
10% de probabilidades de que el servicio sea negado por falta de capacidad de espera.

Ya se estimó el costo por pérdida de un cliente. Falta estimar el costo por servidor:
150$ / dia
Cs = = 1,25$ / h. linea (deberá tenerse en cuenta que línea es equivalente, en
8h / dia × 15lineas
este caso a servidor)
El costo total de los servidores será 1,25 $/hora.linea x 15 líneas = 18,75 $/hora.
El costo de espera no existe, por lo tanto el costo por hora de clientes en el sistema que es la producto del
costo de espera por el número de clientes que esperan, no existe tampoco. Cw = 0
El costo total por negación del servicio será el producto del costo de negación de un cliente Cd por el
número de llegadas λ, por la probabilidad de negación del servicio pd .:
costo total por negación = Cd λ pd = 10 x 150 x 0,1005 = 150,75 $/h

Así el costo total por hora para un sistema de 15 líneas sin capacidad de espera será:

Costo total = Costo de los servidores + costo de la espera + costo de la negación del servicio
Costo total =Cs . . c + Cw L + Cd λpd = 1,25 x 15 + 0 x 11,2439 + 10 x 150 x 0,1005 = 169,50 $/h

Si se realiza un análisis de este tipo para los demás sistemas telefónicos se tiene:

Sistema
1500 1505 1510 2000 2005 2010
Líneas 15 15 15 20 20 20
Espera 0 5 10 0 5 10
Cs 1,2500 1,5000 1,8750 1,3750 1,6500 2,0625
Cw 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Cd 10,0000 10,0000 10,0000 10,0000 10,0000 10,0000
L 11,2350 12,7220 13,5650 12,3310 12,5270 12,5550
pd 0,1005 0,0311 0,0114 0,0135 0,0013 0,0001
Costo total 169,5000 69,08 45,2600 47,7800 34,9000 41,4300
($/h)
Lo que indica que la elección es el equipo 2005: 20 líneas con una capacidad de espera de 5 clientes.
Modelos de colas 17

Otros modelos
El sistema M/D/c es aquel en que el tiempo de servicio es Determinístico, donde cada cliente requiere el
mismo tiempo de servicio −por ejemplo una línea en la que hay una envasadora-formadora−. Un sistema
M/G/c presenta una distribución de probabilidad de servicio distinta de la exponencial o abarca aquellos
casos en que la distribución de probabilidad no es conocida. En estos casos la distribución se denomina
General (G). Estas posibilidades se extienden a las llegadas y ambos procesos pueden tener cualquier
combinación. Por ejemplo D/G/c o G/M/c. En caso de apotar la distribución General, se debe conocer,
además de la tasa de arribos promedio, λ, lo siguiente:
La cantidad media de tiempo de servicio
La desviación estándar del tiempo de servicio. Si es cero el tiempo es determinístico. (M/D/c)

Sea un sistema de una cola con tres servidores, cuyos clientes llegan con distribución de Poisson de λ = 46
clientes/hora. Un estudio del tiempo de servicio arroja que cada servidor necesita un promedio de 5 minutos (0,08333
h) para atender un cliente con una desviación estándar de 2 minutos (0,0333 h). Esto indica que cada servidor puede
procesar un promedio de µ = 12 clientes /hora.
En este caso, al ingresar los datos se debe seleccionar:
1. Formato de entrada General Queuing System
2. En el renglón Service Time distr (in hours), distribución de tiempo de servicio, se debe
buscar la distribución General, (haciendo doble clic sobre la palabra exponential) lo que
hace que se habiliten dos renglones, uno para la media y el otro para desviación estándar.
3. Las unidades a cargar deben ser coherentes: la media será 1/12 (horas), la desviación
estándar será 0,03333 horas y λ será 1/46.
4. El renglón Interarrival Time distr. Debe ser puesto en Exponencial (generalmente está
por defecto), con el parámetro de locación, a, igualado a cero y el parámetro de escala, la
media, b = 1/λ
5. Por último, cuando se pide la resolución debe optarse por el método general y no por la
simulación Monte Carlo. (se verá en el siguiente capítulo).

Observe las diferencias en la carga y resultados:

Ilustración 27. Carga de datos con distribución de servicio G-eneral/Arbitraria

Modelos de colas 18

Ilustración 28. Resultados en un sistema M/G/c

Nota: estos sistemas sólo son aplicables a una sola fila, con política FIFO, y el cliente atendido abandona
el sistema. Otros sistemas, no contemplados en esta publicación, pueden comprender múltiples filas,
atención en lotes, llegada en lotes, atención con discriminación, sistemas en los que el cliente al llegar y
ver que la cola es grande deciden retirarse, etc.

Nota 2: En el tema Simulación se desarrolla un modelo de colas con velocidades de atención distintas para cada
servidor y distribuciones de probabilidad diferentes para cada cola.

RESUMEN Y NOTACIÓN
Notación de clasificación de sistemas de colas: M/M/c/K/L, donde las dos primeras letras son M si el
tiempo entre arribos (1era.) y de servicios (2da.), son distribuciones exponenciales. Es lo mismo que decir
que la tasa de arribos o de servicio son exponenciales. Se usa D si el tiempo es constante y G si siguen una
distribución con media y variancia conocidos.
La letra c indica el número de servidores idénticos y en paralelo.
K indica el máximo número de clientes en el sistema. Es la capacidad de la cola más el número de
servidores.
L especifica el tamaño de la población de clientes. Si se OMITEN, K y/o L se asumen infinitos
Modelos de colas 19

Anexo: Algunas funciones de distribución de probabilidad en Excel aplicables al tema de colas

Uso de la función DISTR.EXP en EXCEL

Devuelve la probabilidad de una variable aleatoria continua siguiendo una distribución exponencial. Se
usa para calcular el tiempo entre dos sucesos, tal como el tiempo que tarda una máquina de cajero
automático en entregar efectivo.
La función DISTR.EXP puede usarse para determinar la probabilidad de que el proceso tarde un
determinado lapso de tiempo como máximo.

DISTR.EXP(x; λ; acum)
X es el valor de la función.
λ es el valor del parámetro.
Acum es un valor lógico que indica qué forma de la función exponencial debe proporcionarse. Si el
argumento acum es VERDADERO, DISTR.EXP devuelve la función de distribución acumulada; si es
FALSO, devuelve la función de densidad de la probabilidad.

La ecuación para la función de densidad de la probabilidad es:

La ecuación para la función de distribución acumulada es:

Uso de la función POISSON en EXCEL

Devuelve la probabilidad de una variable aleatoria siguiendo la distribución de Poisson. Una de las
aplicaciones comunes de la distribución de Poisson es la predicción del número de sucesos en un
determinado período de tiempo, como por ejemplo, el número de automóviles que se presenta a una
zona de peaje en el intervalo de un minuto.
La distribución de Poisson se caracteriza por
1. la media es pequeña respecto al número total posible de casos (condición de suceso raro)
2. la incidencia de un suceso es independiente de incidencias previas (condición de aleatoridad)
La función se construye con una serie
1 µ µ2 µ3 µr
; ; , ;...;
e λ 1!e λ 2!e λ 3!e λ r!e λ
donde cada término es la frecuencia relativa esperada del suceso raro x, para x = 0, 1, … , r.
y la media λ se considera igual a la media µ y a la varianza σ
2

POISSON(x; λ; acumulado)
X es el número de sucesos.
λ es el valor numérico esperado. (Es el producto λ . T en los apuntes)
Acumulado es un valor lógico que determina la forma de la distribución de probabilidad devuelta. Si el
argumento acumulado es VERDADERO, POISSON devuelve la probabilidad de Poisson de que un
suceso aleatorio ocurra un número de veces comprendido entre 0 y x inclusive; si el argumento
acumulado es FALSO, la función devuelve la probabilidad de Poisson de que un suceso ocurra
exactamente x veces.
POISSON se calcula como:
Si el argumento acumulado = FALSO: Si el argumento acumulado =VERDADERO: