Instituto Tecnológico Superior de Coatzacoalcos

Carrera: Ingeniería Industrial

Ciclo escolar: Agosto - diciembre 2024

ASIGNATURA: INVESTIGACIÓN DE
OPERACIONES II

UNIDAD 2

“LÍNEAS DE ESPERA”
Alumno: Gonzalez Romero Jeremi Edain
No de control: 22080843 Semestre: 5° Grupo: A I
Docente: M.I.A. Jiménez Ventura Bricio

Coatzacoalcos, Ver. 20 de noviembre del 2024

Índice

Introducción…………………………………………………………………………1
2.1. Introducción, terminología, notación y casos de aplicación…………...…2
2.2. Proceso de nacimiento y muerte (modelos de poisson) …………………5
2.3. Población infinita un servidor, cola infinita……………………………….…8
2.4. Población finita un servidor, cola finita…………………………………….11
2.5. Población infinita múltiples servidores, cola infinita………………………14
2.6. Uso de programas de computación (Incluir los demás casos) ………….17
Conclusión………………………………………………………………………..…20
Glosario……………………………………………………………………………...21
Referencias………………………………………………………………………….22

2
Introducción
Las líneas de espera, también conocidas como colas o teoría de colas, son un
área de estudio en matemáticas y gestión que analiza el comportamiento de
sistemas donde los clientes, personas o elementos deben esperar para recibir un
servicio. Este fenómeno ocurre en diversos contextos, como supermercados,
hospitales, bancos, tráfico vehicular y sistemas de telecomunicaciones.

El objetivo principal del análisis de líneas de espera es mejorar la eficiencia y la

calidad del servicio al optimizar el tiempo de espera, los recursos disponibles y la
satisfacción de los usuarios. La teoría de colas utiliza herramientas matemáticas y
estadísticas para modelar y predecir el comportamiento de estos sistemas bajo
diferentes condiciones.

La teoría de líneas de espera, también conocida como teoría de colas, es una rama
de las matemáticas aplicada al análisis y modelado de sistemas donde existen
recursos limitados y una demanda fluctuante. Este campo tiene como objetivo
principal estudiar el comportamiento de los sistemas de servicio para comprender,
predecir y mejorar su rendimiento, reduciendo tiempos de espera, costos operativos
y aumentando la satisfacción de los usuarios.

1
2.1. Introducción, terminología, notación y casos de aplicación.
Introducción
La teoría de líneas de espera, también conocida como teoría de colas, estudia los
sistemas donde los "clientes" esperan para ser atendidos por uno o más
"servidores". Este tema combina probabilidades, estadística y análisis operacional
para modelar sistemas reales y mejorar su eficiencia.

La gestión eficiente de sistemas de espera es crucial en muchos ámbitos, desde

empresas de servicios hasta procesos industriales. El estudio de líneas de espera,
o teoría de colas, analiza cómo los clientes, servidores y sistemas interactúan en un
entorno donde los recursos son limitados. Este análisis permite diseñar y gestionar
sistemas para minimizar tiempos de espera y optimizar el uso de recursos,
equilibrando la satisfacción del cliente y los costos operativos.

Terminología
Cliente: La entidad que necesita atención (personas, datos, autos, etc.).
Servidor: El recurso que atiende a los clientes.
Tasa de llegada (λ): Promedio de clientes que llegan al sistema por unidad de
tiempo.
Tasa de servicio (μ): Promedio de clientes que pueden ser atendidos por un servidor
por unidad de tiempo.
Disciplina de servicio: Orden en que los clientes son atendidos (FIFO, LIFO,
prioridad, etc.).

2
Cuando λn es constante para toda n, esta constante se denota por λn. Cuando la
tasa media de servicio por servidor ocupado es constante para toda n >= 1, esta
constante se denota por µ. (En este caso, µn = sµ cuando n ≥ s, es decir, cuando
los s servidores están ocupados.) En estas circunstancias, 1/ λ y 1/µ es el tiempo
esperado entre llegadas y el tiempo esperado de servicio, respectivamente.
Asimismo, p = λ (sµ) es el factor de utilización de la instalación de servicio, es decir,
la fracción esperada de tiempo que los servidores individuales están ocupados,
puesto que λ / (sµ) representa la fracción de la capacidad de servicio del sistema
(sµ) que utilizan en promedio los clientes que llegan (λ).

Notación

También se requiere cierta notación para describir los resultados de estado estable.
Cuando un sistema de colas apenas inicia su operación, el estado del sistema (el
número de clientes que esperan en el sistema) se encuentra bastante afectado por
el estado inicial y el tiempo que ha pasado desde el inicio. Se dice entonces que el
sistema se encuentra en condición transitoria. Sin embargo, una vez que ha pasado
suficiente tiempo, el estado del sistema se vuelve, en esencia, independiente del
estado inicial y del tiempo transcurrido (excepto en circunstancias no usuales).

Casos de aplicación

Empresas de telecomunicaciones: Gestión de llamadas y datos en redes.

Transporte público: Control de estaciones y vehículos en terminales.

3
Centros de atención médica: Administración de recursos y personal.

Sistemas informáticos: Balanceo de carga en servidores.

Casos de Aplicación

La teoría de colas tiene aplicaciones en una amplia variedad de industrias y

situaciones del mundo real:

Sector de servicios:

Restaurantes y tiendas: Optimización del personal en horarios pico para

reducir tiempos de espera.

Salud:

Hospitales y clínicas: Distribución eficiente del personal médico para

minimizar el tiempo de espera de los pacientes.

Farmacias: Gestión de turnos en la entrega de medicamentos.

Transporte y logística:

Aeropuertos: Asignación de mostradores de facturación y puertas de

embarque para evitar congestión.

Puertos y terminales: Manejo de buques y contenedores para maximizar la

capacidad operativa.

Telecomunicaciones:

Redes de datos: Balanceo de tráfico en redes para evitar pérdidas de

paquetes.

Sistemas telefónicos: Diseño de sistemas que minimicen las llamadas

perdidas por saturación.

Sistemas informáticos:

Servidores y almacenamiento en la nube: Administración de recursos para

atender solicitudes de manera eficiente.

4
2.2. Proceso de nacimiento y muerte (modelos de poisson).}

Proceso de nacimiento y muerte

El proceso de nacimiento y muerte es un modelo matemático utilizado en la teoría

de colas para estudiar sistemas en los que las entidades pueden llegar a un sistema
(nacimiento) y salir de él (muerte). Este modelo es sumamente relevante para
comprender fenómenos en los que la llegada de elementos y su posterior salida son
eventos fundamentales, como en el caso de la atención en salas de emergencia o
la distribución de productos en almacenes.

Nacimiento

El evento de nacimiento en la teoría de colas implica la llegada de un elemento al

sistema de espera. Este puede ser un cliente que llega a una tienda, un automóvil
que entra a un lavadero, o un mensaje que llega a una bandeja de entrada. Es
crucial comprender la tasa de llegada de estos elementos, así como la aleatoriedad
asociada a este proceso. El modelo de nacimiento en la teoría de colas nos permite
analizar cómo se comporta el sistema ante la llegada constante o aleatoria de
elementos.

Muerte

La muerte en la teoría de colas no implica un suceso lúgubre, sino más bien la salida
de un elemento del sistema de espera. Esto puede representar la atención completa
de un cliente en un banco, la finalización de un proceso en una fábrica, o la partida
de un vehículo de un estacionamiento. El modelo de muerte nos brinda
herramientas para comprender cómo se vacía el sistema con el paso del tiempo,
así como para analizar la eficiencia en la atención o servicio prestado.

Modelos Poisson

Los modelos Poisson son fundamentales en la teoría de colas, ya que nos permiten
modelar la ocurrencia de eventos aleatorios a lo largo del tiempo o en un área
determinada. La distribución de Poisson es especialmente relevante en el estudio
de colas, ya que nos brinda herramientas matemáticas para comprender la

5
probabilidad de que ocurra un número específico de eventos en un intervalo de
tiempo dado. Esto es invaluable para comprender la llegada de clientes a un
negocio, la ocurrencia de llamadas en un centro de atención telefónica, o la llegada
de vehículos a un peaje.

Aplicaciones de los Modelos Poisson

Los modelos Poisson encuentran aplicaciones en una amplia gama de escenarios

cotidianos. Imagina que estás en la caja de un supermercado, observando la llegada
de clientes a diferentes velocidades a lo largo del día. La distribución de Poisson te
permite entender la probabilidad de que llegue un número específico de clientes en
un intervalo de tiempo dado, lo que a su vez es crucial para la gestión de cajas y el
servicio al cliente.

Del mismo modo, en el ámbito de las telecomunicaciones, la distribución de Poisson

nos ayuda a comprender la probabilidad de que lleguen llamadas a un centro de
atención telefónica en determinados períodos del día, lo que es esencial para
gestionar eficientemente los recursos y brindar un servicio de calidad a los usuarios.

El proceso de nacimiento y muerte es un modelo probabilístico fundamental en la

teoría de colas que describe cómo los sistemas evolucionan con el tiempo en
términos de cambios en el número de clientes o elementos presentes. Este modelo
se basa en dos componentes principales:

Nacimiento: Representa la llegada de nuevos clientes al sistema.

Muerte: Representa la salida de clientes una vez que han sido atendidos.

Este enfoque es ampliamente utilizado debido a su capacidad para modelar

sistemas con llegadas y salidas aleatorias, típicamente siguiendo una distribución
de Poisson. El proceso de nacimiento y muerte es particularmente relevante en
sistemas como redes de telecomunicaciones, centros de atención al cliente y
sistemas de transporte, donde las tasas de llegada y servicio varían de forma
aleatoria.

6
1. Proceso de Nacimiento y Muerte de Poisson (Modelo M/M/1)

El modelo M/M/1 es uno de los modelos más simples y populares dentro de los
procesos de nacimiento y muerte. Se caracteriza por:

M (Markoviano): Las llegadas siguen un proceso de Poisson con tasa de llegada

constante λ.

• M (Markoviano): Las salidas o muertes siguen una distribución exponencial

con tasa de servicio constante μ.

• 1: Un solo servidor que atiende las entidades.

Este modelo es utilizado frecuentemente para representar sistemas de colas donde:

• Las entidades (clientes) llegan a un servidor (como en un banco o centro de

llamadas) de acuerdo a un proceso de Poisson.

• El servidor atiende a las entidades con una tasa exponencial de servicio.

Las características clave del modelo M/M/1 incluyen:

• El número de entidades en el sistema sigue una distribución de Poisson.

• La probabilidad de que haya n clientes en el sistema en estado estacionario

es:

• Esta fórmula da la probabilidad de que el sistema esté en el estado n a largo

plazo.

El proceso de nacimiento y muerte, basado en el modelo de Poisson, proporciona

una herramienta robusta para analizar sistemas de espera en situaciones donde las
llegadas y servicios son aleatorios. Este modelo forma la base para muchos análisis
más avanzados en la teoría de colas y permite entender el comportamiento de
sistemas reales con alta precisión. Sin embargo, sus suposiciones deben ajustarse
para reflejar las complejidades del mundo real, lo que lo convierte en un punto de
partida esencial para la optimización de procesos en diversas industrias.

7
2.3. Población infinita un servidor, cola infinita

Población Infinita

Es aquella población que tiene el tamaño suficiente en comparación con el sistema

de servicio, para que los cambios en el tamaño de la población, ocasionados por
disminuciones o incremento a la población, no afectan de manera sustancial las
probabilidades del sistema. (ejemplos: en un supermercado los clientes que hacen
fila; la cola en un banco; en una estación de gasolina, etc.).

El modelo de población infinita, un servidor, cola infinita es uno de los más básicos
y fundamentales en la teoría de colas. También conocido como el modelo M/M/1,
se utiliza para analizar sistemas donde:

La población de clientes potenciales es infinita, es decir, no hay límite en la cantidad

de clientes que pueden llegar al sistema.

Solo hay un servidor disponible para atender a los clientes.

La cola es infinita, lo que implica que no hay restricciones en la cantidad de clientes

que pueden esperar en la fila si el servidor está ocupado.

Conceptos Clave

Población Infinita:

Significa que el número de clientes potenciales que pueden ingresar al sistema no

está limitado. Esto es una aproximación matemática válida en escenarios donde la
población es muy grande (por ejemplo, usuarios de internet o vehículos en una
autopista).

Un Servidor:

En este sistema, solo hay un recurso que puede atender a los clientes. Este servidor
opera bajo ciertas reglas de servicio, generalmente FIFO (First In, First Out), lo que
significa que los clientes son atendidos en el orden en que llegan.

8
Cola Infinita:

Indica que no hay límites en la cantidad de clientes que pueden esperar su turno. Si
el servidor está ocupado, los clientes que llegan simplemente se unen a la fila sin
restricciones.

Distribución Poisson para llegadas:

Las llegadas de los clientes siguen un proceso de Poisson, donde los tiempos entre
llegadas son independientes y tienen una distribución exponencial con tasa media
𝜆 (número promedio de llegadas por unidad de tiempo).

Distribución exponencial para servicios:

Los tiempos de servicio también siguen una distribución exponencial con tasa media
𝜇 (número promedio de servicios completados por unidad de tiempo).

El modelo de población infinita, un servidor y cola infinita es una herramienta clave

para analizar sistemas simples. Aunque es una simplificación, proporciona una base
sólida para comprender cómo los parámetros de llegada, servicio y capacidad
afectan el rendimiento del sistema. Este modelo es especialmente útil para sistemas
pequeños o independientes donde las restricciones de capacidad y recursos son
mínimas.

En algunos casos, la demanda de prestación de servicios no está limitada por

ningún factor; se dice entonces que la población es infinita, lo que implica que el
posible número de clientes a atender exceda significativamente de la
capacidad del sistema (véase el ejemplo de la caja de un supermercado).

Según la notación de Kendall:

Consideraciones que se deben conocer para el estudio de sistemas de colas. ¿La

estación de servicio puede atender las demandas de los clientes...?

Averiguamos comparando las tasas de arribo y servicio:

9
10
2.4. Población finita un servidor, cola finita

El sistema de colas consiste esencialmente de tres componentes

principales: (1) la población fuente y la forma como los clientes llegan al sistema,
(2) el sistema de servicio y (3) la condición en que los clientes que salen del sistema
(¿vuelven o no la fuente de `población?).

La Teoría de Cola no es una técnica de optimización, sino una

herramienta que utiliza fórmulas analíticas (limitadas por suposiciones
matemáticas. No se asemejan a una situación real, pero da una primera
aproximación a un problema y a bajo costo), que brindan información sobre el
comportamiento de líneas de espera (estas se presentan cuando “clientes"
llegan a un "lugar" demandando un servicio a un "servidor" el cual tiene una cierta
capacidad de atención y no está disponible inmediatamente el cliente decide
esperar).

Proceso Básico de las Colase proceso básico supuesto por la mayor parte de los
modelos decolas es el siguiente. Los clientes que requieren servicios, a
través del tiempo, provienen de una fuente de entrada. Estos clientes arriban al
sistema de servicios y se unen a una cola. En un determinado tiempo se seleccionan
miembro de la cola, mediante alguna regla conocida como disciplina deservicio.
Luego, se brinda el servicio requerido por el cliente en un mecanismo de
servicio, después de lo cual el cliente sale del sistema deservicio.

Componentes del proceso de colas:

1. Fuente de entrada

Una característica de la fuente de entrada es su tamaño. El tamaño es el número

total de potenciales clientes que pueden requerir servicio en un determinado
momento. Esta población a partir de la cual surgen las unidades que
arriban se conocen como población o fuente de entrada. Puede suponerse
que el tamaño es infinito o finito (por lo cual se dice que la fuente de entrada es
ilimitada o limitada). Debe especificarse el patrón estadístico mediante el cual se
generan los clientes a través del tiempo. La suposición normal es que se generan
11
de acuerdo al proceso de Poisson. Este caso corresponde a aquel cuyas
llegadas al sistema ocurren de manera aleatoria, pero con cierta taza media fija y
sin importar cuantos clientes están ya allí (por lo que el tamaño de Lafuente de
entrada es infinito). Una suposición equivalente es que, la distribución de
probabilidad del tiempo que transcurre entre dos llegadas consecutivas es
exponencial. Se hace referencia al tiempo que transcurre entré dos llegadas
consecutivas.

Población Finita

Es un grupo limitado de clientes que representa la fuente que usará un servicio y

que en ocasiones forma una cola. En este caso cuando un cliente deja su posición
como miembro de la población de usuarios, se reduce en una unidad el tamaño del
grupo de usuarios, lo cual reduce la probabilidad que un usuario requiera
servicio. Por el contrario, si se brinda mantenimiento a un cliente y éste regresa
al grupo de usuarios, aumenta la población y también la probabilidad de que un
usuario requiera servicio. (ejemplos: reparación de cosechadoras, las PC de un
gabinete, etc.).

2. Proceso de llegada

Es la forma en que los clientes de la fuente de entrada llegan a

solicitar un servicio. La característica más importante del proceso de llegada es el
tiempo entre llegadas, que es la cantidad de tiempo entre dos llegadas sucesivas
de clientes a un sistema de colas. Se supone que el proceso de llegada no es
afectado por el número de clientes presentes en el sistema. Existen casos en los
que el proceso de llegada puede depender del número de clientes presentes en el
sistema, como en el caso de una población pequeña. Ejemplo: hay cuatro barcos
en un astillero, si los cuatro están en reparación, entonces ningún barco se puede
descomponer en el futuro cercano. Por otro lado, si los barcos están en el
mar, en el futuro cercano hay una probabilidad relativamente alta de que
alguno sufra una avería.

12
Otro caso en el que el proceso de llegada depende del número de clientes presentes
en cola, se tiene cuando la rapidez con la que llegan los clientes a la instalación
disminuye si está demasiado concurrida. Por ejemplo: si un banco tiene mucha
gente, cuando llega un cliente se puede ir.

3. Cola

Una cola se caracteriza por el número de clientes que puede admitir. Las colas
pueden ser finitas o infinitas; la suposición de una cola infinita es la estándar en la
mayoría de los modelos, incluso las situaciones en las que de hecho existe una cota
superior (relativamente grande) sobre el número permitido de clientes. Los sistemas
de colas en los que la cota superior es tan pequeña que se llegan a ella con cierta
frecuencia, se suponen como cola finita.

Costos del Sistemas de Colas

Las llegadas son las unidades que entran en el sistema para recibir el servicio; estos
elementos se unen primero a la cola; si no hay línea de espera se dice que la cola
está vacía.

Costo de Espera

Esperar significa desperdicio de algún recurso activo que bien se puede

aprovechar en otra cosa y está dado por:

Costo total de espera =

Donde Cw = costo de espera por llegada y por unidad de tiempo, y L = a longitud

promedio de la cola.

13
2.5. Población infinita servidores múltiples, cola infinita

MODELO DE MÚLTIPLES SERVIDORES M/M/S (0<p<S). POBLACIÓN INFINITA

Con el modelo de múltiples servidores, los clientes forman una sola línea y los
atiende uno de los "s" servidores cuando uno está disponible. Recuerde que el
tercer símbolo de la etiqueta de un modelo de líneas de espera indica el número de
servidores.

En que consiste:

1. Una población de clientes infinita

2. Un proceso de llegada en el que los clientes se presentan de acuerdo a un

proceso de poisson con una tasa promedio de clientes por unidad de tiempo U.

3. Un proceso de colas que consiste en una sola fila de espera de capacidad finita
y disciplina primero en entrar primero en salir.

4. Un proceso de servicio de "s" servidores idénticos, que atiende a los clientes con
distribución exponencial, con una cantidad promedio de clientes por unidad de
tiempo.

"En los sistemas de múltiples canales o servidores, la cola unificada (una sola
línea de espera) es mejor que el de varias colas".

M/M/1 VS. M/M/S

Podemos observar que este sistema es distinto al M/M/1 únicamente en el paso 4,

que nos permite tener s servidores. Recuerde también que

14
Es el símbolo para el factor de utilización del servidor en un sistema de líneas de
espera con un servidor. Para varios servidores, la formula cambia a

En el modelo M / M / S, si "m" es la tasa promedio de servicio para cada uno de los

S canales de servicio, entonces ya no se requiere que m > l, pero Sm debe ser
mayor que 1 para evitar una acumulación infinita de líneas de espera.

En el caso de M / M / S, la característica que se utilizará para hacer los demás

cálculos es la probabilidad de que el sistema esté ocupado. En otras palabras, la
probabilidad es que haya S o más unidades en el sistema. En este caso todos los
canales de servicio se estarán utilizando y por ello se dice que el sistema está
ocupado.

El modelo M/M/1

En las situaciones cotidianas es fácil encontrar ejemplos de sistemas cuyas llegadas

de clientes sean aleatorias y en la que una de ellas no afecte a las otras. Un ejemplo
clásico de llegadas aleatorias son las llamadas que arriban a un conmutador
telefónico o los clientes que llegan a hacer operaciones en un banco. También es
frecuente que, en este tipo de sistemas, los tiempos de servicio se comporten
aleatoriamente con una distribución exponencial. En caso de que el sistema cuente
con un solo servidor, a este sistema lo identificaremos como M/M/1y supondremos
las siguientes características.

Parámetros de desempeño en el estado estable para el modelo M/M/1

Las siguientes fórmulas pueden usarse para calcular las características operativas
de estado estable para una línea de espera de un solo canal con llegadas de
Poisson y tiempos deservicio exponencial, donde:

Las características operativas del modelo M/M/1 sólo son válidas cuando la tasa
media de servicio es mayor a la tasa media de llegadas con un solo canal, el modelo
de línea de espera se conoce como modelo M/M/1 con una población finita.

15
Se supone un sistema con una sola cola, a la cual puede llegar un número infinito
de clientes en espera de recibir un mismo servicio por parte de S(S>1) servidores
en paralelo.

La política del sistema es que sirve a los clientes en el orden de su llegada; el

servicio lo proporciona el primer servidor que se haya desocupado al principio y se
irán ocupando en forma progresiva (primero el servidor 1, después el 2 y así
sucesivamente) en la medida que vayan llegando los clientes.

El número promedio de llegadas por unidad de tiempo es λ y se supone que este

tiene una distribución de poisson. El número promedio de servicios de cada servidor
por unidad de tiempo es el mismo y se denota por µ. Se supone que este número
tiene una distribución exponencial negativa.

Se observa que cuando el número de elementos en la cola y en las estaciones de

servicio, m, es mayor que el número de servidores, S, (m > S), la
probabilidad de que algún cliente abandone el sistema (después de recibir su
servicio) en el intervalo de tiempo Δ t es S µ Δ t. En caso contrario (S > m), dicha
probabilidad es m µ Δ t.

El modelo M/M/c representa sistemas con múltiples servidores y una población

ilimitada, donde los clientes pueden esperar indefinidamente.

Características

Llegadas y servicios según distribuciones de Poisson.

Servidores trabajan en paralelo y de manera independiente.

Parámetros de desempeño incluyen la probabilidad de que un cliente espere (PAQ)

y el número promedio de clientes en espera.

Casos de aplicación

Servicios de atención médica con varios doctores.

Redes de telecomunicaciones.

Sistemas bancarios con múltiples cajeros.

16
2.6. Uso de programas de computación

La teoría de líneas de espera (o teoría de colas) se ha utilizado durante décadas

para modelar y optimizar sistemas con servidores limitados, como centros de
atención al cliente, redes de telecomunicaciones y procesos de manufactura. Sin
embargo, el análisis de estos sistemas a menudo involucra la solución de
ecuaciones complejas o simulaciones de escenarios dinámicos, lo cual puede ser
desafiante sin herramientas computacionales.

En la actualidad, el uso de programas de computación es fundamental para resolver

estos problemas, especialmente cuando se trata de modelos más complejos o de
gran escala. Estos programas permiten simular, analizar y optimizar sistemas de
colas, proporcionando soluciones precisas y prácticas que de otro modo serían
difíciles de obtener manualmente.

En esta sección, exploraremos cómo se utilizan los programas de computación para

abordar los modelos de líneas de espera y algunos de los softwares más utilizados
para estos fines.

El análisis de líneas de espera se ha simplificado gracias al uso de programas como

Arena, Simio, y herramientas de cálculo como Excel y Matlab.

Ejemplos de simulación

M/M/1: Determinar tiempos de espera promedio y probabilidad de sistema vacío.

M/M/c/K: Simular sistemas con límites de capacidad y múltiples servidores.

Sistemas complejos: Crear escenarios realistas con diferentes disciplinas de

servicio.

El uso de software mejora la precisión de los análisis y permite visualizar los efectos
de cambios en la configuración del sistema, como el aumento de servidores o el
ajuste de la tasa de servicio.

Los modelos de líneas de espera pueden ser divididos en categorías que varían en
complejidad, desde los más simples, como el modelo M/M/1 (población infinita, un

17
servidor, cola infinita), hasta modelos más complejos con múltiples servidores,
llegadas y servicios no exponenciales, o poblaciones finitas.

Modelos de una cola simple (M/M/1):

Este modelo, que es el más sencillo de la teoría de colas, puede resolverse

utilizando fórmulas analíticas. Sin embargo, cuando se aplican a sistemas grandes
o con múltiples parámetros variables, las herramientas computacionales pueden
facilitar la obtención de resultados numéricos y gráficos que ayuden en la toma de
decisiones.

Modelos de múltiples servidores (M/M/c):

En modelos de múltiples servidores, como el M/M/c (donde hay c servidores), las

soluciones analíticas son posibles, pero las ecuaciones pueden volverse
extremadamente complejas cuando se tienen que ajustar diferentes parámetros o
cuando la capacidad es finita. Los programas de computación permiten realizar
simulaciones que modelan el comportamiento de estos sistemas bajo diferentes
condiciones de carga y servicio.

Modelos con llegadas no Poisson y tiempos de servicio no exponenciales:

Cuando las llegadas no siguen un proceso de Poisson o los tiempos de servicio no

tienen una distribución exponencial, las soluciones analíticas pueden ser muy
difíciles de obtener. En estos casos, la simulación de Monte Carlo y otros métodos
numéricos se emplean para aproximar el comportamiento del sistema y encontrar
soluciones eficientes.

Modelos con restricciones de capacidad (colas finitas):

Los sistemas con restricciones de capacidad requieren simulaciones más

detalladas. Estos modelos involucran la limitación de la cantidad de clientes que
pueden esperar en el sistema, lo que genera un comportamiento diferente en
comparación con las colas infinitas. La simulación permite manejar la interacción
entre la tasa de llegada, la tasa de servicio y las restricciones de capacidad.

18
Uso de Programas de Computación: Métodos y Herramientas

Para trabajar con modelos de líneas de espera, existen varias herramientas

computacionales que son fundamentales en el análisis y optimización de estos
sistemas. Los métodos más comunes incluyen simulaciones, algoritmos numéricos
y optimización de parámetros. A continuación, se describen los principales enfoques
y herramientas.

Simulaciones de Monte Carlo

La simulación de Monte Carlo es un método estocástico utilizado para modelar

sistemas complejos con incertidumbres. En el contexto de líneas de espera, se
utiliza para simular el comportamiento del sistema de colas bajo condiciones
variables de llegada y servicio. Esta técnica genera grandes cantidades de datos de
simulación para estimar el rendimiento del sistema, como el tiempo de espera
promedio, el número de clientes en cola, etc.

Análisis de simulación discreta

En la simulación discreta, el tiempo se divide en intervalos discretos y los eventos

(como llegadas y servicios) se modelan como sucesos que ocurren en estos
intervalos. Este tipo de simulación es útil para sistemas que tienen una estructura
compleja, como aquellos con múltiples servidores, diferentes tipos de clientes o
sistemas no estacionarios.

Herramientas de Programación Matemática

Existen software especializados que resuelven las ecuaciones analíticas asociadas

con los modelos de colas. Algunas herramientas de programación matemática,
como MATLAB y R, permiten a los usuarios escribir scripts para modelar, simular y
analizar los resultados de los sistemas de colas. MATLAB, por ejemplo, proporciona
funciones específicas para la simulación de procesos estocásticos y puede ser
extendido con módulos adicionales para analizar redes de colas más complejas.

El uso de programas de computación en la teoría de líneas de espera ha

revolucionado el análisis de estos sistemas.

19
Conclusión

La teoría de líneas de espera es una herramienta fundamental en la gestión y

análisis de sistemas donde existe interacción entre usuarios que requieren servicios
y los recursos limitados disponibles para atenderlos. Este marco teórico permite
modelar y comprender el comportamiento de sistemas complejos en áreas como
telecomunicaciones, transporte, manufactura, atención al cliente y muchas más.

A lo largo del estudio de líneas de espera, hemos identificado que su utilidad radica
en optimizar procesos al analizar parámetros clave como tiempos de espera, tasas
de llegada y servicio, y la capacidad del sistema. Los conceptos básicos, como el
equilibrio estacionario, los modelos de Poisson, y las métricas de desempeño
(tiempo promedio en el sistema, número promedio de clientes en cola, entre otros),
son esenciales para diseñar sistemas eficientes que reduzcan costos y mejoren la
experiencia del cliente.

Además, los avances en herramientas computacionales han ampliado

significativamente las aplicaciones de esta teoría. El uso de simulaciones y software
especializado permite abordar modelos complejos y escenarios reales que no
podrían resolverse manualmente, brindando soluciones prácticas a problemas
cotidianos.

En conclusión, la teoría de líneas de espera no solo es relevante para la solución

de problemas operativos, sino que también constituye un pilar en la toma de
decisiones estratégicas. Entender y aplicar este conocimiento puede marcar la
diferencia en la eficiencia, la satisfacción del cliente y la rentabilidad de un sistema
o servicio. A medida que los sistemas se vuelven más complejos, la combinación
de enfoques analíticos y computacionales seguirá siendo una herramienta
indispensable en la gestión moderna.

20
Glosario

Líneas de espera: Sistemas donde los clientes esperan para recibir un servicio.

Cliente: Entidad que requiere atención (persona, dato, vehículo, etc.).

Servidor: Recurso que atiende a los clientes.

Tasa de llegada (λ): Promedio de clientes que ingresan al sistema por unidad de
tiempo.

Tasa de servicio (μ): Promedio de clientes que pueden ser atendidos por un
servidor por unidad de tiempo.

Disciplina de servicio: Orden en que los clientes son atendidos (FIFO, LIFO,
prioridad, etc.).

Teoría de colas: Estudio matemático de sistemas con recursos limitados y

demanda fluctuante.

Modelo M/M/1: Modelo con una sola línea de espera y un servidor, basado en
procesos Poisson.

Modelo M/M/S: Extensión del modelo M/M/1 con múltiples servidores.

Proceso de nacimiento y muerte: Modelo que describe llegadas (nacimientos) y

salidas (muertes) en un sistema.

Cola infinita: Sistema donde no hay límite en la cantidad de clientes que pueden
esperar.

Cola finita: Sistema donde existe un límite en el número de clientes que pueden
esperar.

Simulación de Monte Carlo: Método estocástico usado para modelar sistemas

complejos.

FIFO: First In, First Out; disciplina de servicio donde los clientes se atienden en
orden de llegada.

21
Referencias

https://comofuncionaweb.top/teoria-de-colas-proceso-de-nacimiento-y-muerte-
modelos-poisson/

https://idoc.pub/documents/23-poblacion-infinita-un-servidor-cola-infinita-
pnxkewzd914v

https://www.studocu.com/es-mx/document/universidad-tecnologica-de-
tabasco/matematicas-para-ingenieria/u5-actividad-9-lineas-de-espera/33923879
https://www.studocu.com/es-mx/document/tecnologico-universitario-del-valle-de-
chalco/matematicas/2do-articulo-del-tema-54-poblacion-finita-un-servidor-cola-
finita/42170650
https://view.genially.com/6192c6c7bf98780d5d70896f/presentation-poblacion-
infinita-servidores-multiples-cola-infinita

22