Toda existencia de cola responde a una necesidad de un servicio que no está siendo satisfecho al mismo tiempo que se genera la demanda. Las colas, en sí mismas, son una forma de desperdicio de tiempo, algo que debe abordarse desde la perspectiva de la optimización de procesos o proceso de mejora continua. En el método Toyota, derivado del Kaizen, uno de los 7 mudas (desperdicios) son las esperas es decir, las colas. Si luego de un proceso de optimización siguen existiendo esperas, estas se pueden optimizar empleando teoría de colas a fin de bajar la pérdida de productividad que conlleva soportar una espera. Una cola se origina por falta de recursos para procesar la demanda o por problemas de administración de recursos para procesar las demandas.

Existe una población de clientes que requieren un servicio. Estos clientes entran al sistema y se unen a la cola de espera. En determinado momento se selecciona un miembro de la cola para proporcionarle el servicio mediante alguna regla (conocida como disciplina de cola). Terminado el servicio, el cliente sale del sistema de colas.

En general, la cola de espera se forma (y crece) si durante un tiempo la demanda del servicio es mayor que la capacidad del sistema para suministrarlo. Por ejemplo, si un usuario necesita un minuto para ser atendido, pero llegan dos usuarios en menos de un minuto, el segundo usuario tendrá que esperar en cola hasta ser atendido. Estos desequilibrios temporales entre demanda y capacidad suceden dado que tanto el proceso de llegadas de usuarios como el proceso de proporcionar servicio son procesos estocásticos.

En las formaciones de colas a veces se habla de clientes "Cliente (informática)"), tales como máquinas dañadas a la espera de ser rehabilitadas. Los clientes puede que esperen, aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados anteriormente están siendo atendidos (como en el caso mencionado anteriormente). También puede suceder que los clientes esperen en cola debido a que los medios existentes sean inadecuados para satisfacer la demanda del servicio "Servicio (arquitectura de sistemas)"). Por ejemplo, si un usuario necesita un minuto para ser atendido pero los clientes llegan a una tasa mayor de un cliente por minuto, la cola crecerá indefinidamente.

La teoría de colas persigue caracterizar las prestaciones de un sistema compuesto por uno o más recursos que sirven a una población de clientes. En general, si un cliente llega al sistema y todos los recursos están ocupados, esperará en una cola, salvo que dicha cola esté llena y entonces será rechazado (es decir: no es admitido). La caracterización suele consistir en analizar variables tales como el tiempo medio de espera en cola, el tiempo total de estancia en el sistema o la probabilidad de ser rechazado (o admitido).

Además de esta caracterización de las prestaciones, otras aplicaciones de la teoría de colas son:.

Se pueden identificar los siguientes elementos:.

Contenido

David G. Kendall introdujo una notación de colas A/S/c en 1953[2]​ en la que A describe la distribución del tiempo entre llegada, S la distribución del tiempo de servicio y c el número de recursos disponibles. Ha sido desde entonces extendida a A/S/c/K/N/D[3]​[4]​ donde K es la capacidad total de la cola (es decir, el número máximo de usuarios en el sistema en cualquier momento), N el número de usuarios que generan peticiones, y D es la disciplina de cola.

Para describir la distribución de los tiempos entre llegadas A o de servicio S se suele emplear alguno de estos valores:.

Mientras que para la disciplina de cola D se suele emplear alguno de estos valores:.

La capacidad del sistema K puede tomar un valor finito determinado o infinito. Si es finito, el número máximo de clientes permitidos en el sistema está acotado, por lo que nuevas llegadas son rechazadas. Si es infinito, no se produce rechazo.

Si el tamaño de la población N es finito, esto supone que cuantos más usuarios se encuentren en el sistema, menos usuarios estarán generando peticiones. Si por el contrario el tamaño N es infinito, la tasa de generación de peticiones se mantendrá constante independientemente del número de usuarios en el sistema.

Los tres primeros parámetros de la notación de Kendall siempre se indican de forma explícita, mientras que si los otros tres no aparecen es porque se suponen unos valores por defecto. Dichos valores son:[5]​.

Ejemplos

La notación de Kendall no sirve para representar redes de colas, como es el caso de los dos últimos sistemas de la figura:.

Las medidas de rendimiento (o desempeño) de interés dependen del escenario de aplicación. Por ejemplo, en el caso de un servidor de peticiones web, suele ser interesante el tiempo total que tarda una petición en ser atendida, mientras que para diseñar un centro de atención al cliente (call center), una medida fundamental sería el tiempo que espera un cliente hasta que es atendido, dado que su tiempo de atención es menos importante. Aun así, existe un conjunto de medidas de rendimiento que suelen ser comunes a todos los sistemas:.

Ambos tiempos se relacionan a través del tiempo medio de servicio S mediante la expresión T = W + S.

Dado un sistema con c recursos, estas variables están relacionadas mediante la expresión N = Q + c ρ.

Teorema de Little

Se trata de un resultado fundamental que establece una relación muy sencilla entre dos medidas de rendimiento: el número medio de usuarios N y el tiempo medio de estancia en el sistema T. Dada una tasa efectiva de entrada al sistema (esto es, teniendo en cuenta únicamente los usuarios que son atendidos, y no los que son rechazados), la relación viene dada por.

Existe una "demostración gráfica"[6]​ del teorema, donde resulta destacable las pocas hipótesis de modelado necesarias (esto es: no es necesario suponer llegadas de Poisson, tiempos de servicio exponenciales, etc.).

Sistema M/M/1

En este modelo, según la notación de Kendall, la tasa de llegadas y la tasa de servicio siguen una distribución de Poisson, sólo hay un servidor y la capacidad del sistema es ilimitada. Si la tasa de llegadas fuese mayor que la tasa de servicio (), dado que el sistema tiene una capacidad infinita, el número de usuarios crecería indefinidamente y no podría calcularse medidas de rendimiento.[7]​.

En caso de que , la ocupación del recurso puede calcularse como:.

Por lo tanto, únicamente puede analizarse el sistema si . En este caso, el número medio de usuarios en el sistema se puede obtener analizando el proceso de nacimiento y muerte resultante, y viene dado por:.

Aplicando el teorema de Little, el tiempo medio de estancia en el sistema viene dado por:.

El tiempo medio de estancia en la cola viene dado por:.

Mientras que el número medio de usuarios en la cola viene dado por la expresión:.

Sistema M/M/c

En este modelo, al igual que en caso anterior, la tasa de llegadas y la tasa de servicio siguen una distribución de Poisson, y hay un espacio infinito para esperar. Sin embargo, ahora existen c (un número entero positivo) servidores idénticos en paralelo, y cualquiera de ellos puede atender las peticiones en cuando estén disponibles. La ocupación del sistema, o de cualquiera de los servidores, puede calcularse como[6]​.

Y al igual que en el caso del M/M/1, únicamente puede analizarse el sistema si . También se define una variable que representa una "intensidad" de tráfico, que viene dada por la expresión:.

,.

y que vendría a representar el número mínimo de servidores necesarios para atender la carga en el sistema. estrictamente no tiene unidades pero se mide en "Erlangs". La probabilidad de tener que esperar a ser atendido (una de las variables de rendimiento más importantes) viene dada por la expresión conocida como "Erlang-C".

Para el cálculo del resto de variables de desempeño, resulta conveniente en primer lugar calcular la probabilidad de que el sistema esté vacío mediante la expresión:.

A partir de esta probabilidad, se puede calcular el número medio de usuarios en cola.

Una vez obtenido Q, el tiempo medio de espera en cola se puede obtener gracias al teorema de Little como , y el tiempo medio de estancia en el sistema como.

Sistema M/M/c/c

De nuevo, tanto la tasa de llegadas como la tasa de servicio siguen una distribución de Poisson, y existen c servidores idénticos en paralelo. Sin embargo, en este sistema la capacidad (es decir, el número máximo de usuarios) también es c, por lo que no existe una cola de espera, de lo que se deduce directamente que.

por lo que el tiempo medio total es el tiempo medio de servicio.

Dado que no hay cola de espera, cuando un usuario llega al sistema sólo caben dos opciones: si queda algún servidor disponible el usuario es inmediatamente atendido, mientras que si todos los c servidores están ocupado el usuario es rechazado.

La probabilidad de que un usuario llegue al sistema y sea rechazado se puede analizar con un proceso de nacimiento y muerte de c+1 estados (desde 0 hasta c), con tasas de transición similares al sistema M/M/1. Dicha probabilidad es la variable de rendimiento más importante y su expresión se conoce como Erlang-B:.

La teoría de formación de una cola es a menudo demasiado restrictiva matemáticamente para ser capaz de modelar todas las situaciones verdaderas a nivel mundial.

Por ejemplo; los modelos matemáticos a menudo asumen el número de clientes, o la capacidad de la cola infinitos, cuando es evidente que deben estar limitados. Los medios alternativos del análisis de la teoría de colas consisten generalmente en simulaciones de ordenador o en el análisis de datos experimentales.

Las redes telefónicas se diseñan para acomodar la intensidad ofrecida del tráfico con solamente una pequeña pérdida. El funcionamiento de los sistemas depende de si la llamada es rechazada, de si está perdida, etc. Normalmente los sistemas de desbordamiento hacen uso de rutas alternativas e incluso estos sistemas tienen una capacidad de carga finita o máxima de tráfico.

Sin embargo, el uso de las colas permite que los sistemas esperen por las peticiones de su cliente hasta que los recursos libres estén disponibles. Esto significa que si los niveles de la intensidad del tráfico exceden de la capacidad disponible, las llamadas del cliente se perderían.

La disciplina de colas determina la manera de cómo manejar las llamadas de los clientes. Define la manera en que les servirán, la orden de las cuales se sirven, y la manera en la que los recursos se dividen entre los clientes.

En particular, el supuesto de tiempos entre llegadas exponenciales implica que las llegadas ocurren al azar (proceso de entrada de Poisson), lo cual es una aproximación razonable en muchas situaciones pero no cuando las llegadas están programadas o reguladas con todo cuidado. Todavía más, las distribuciones de tiempos de servicio reales con frecuencia se desvían bastante de la forma exponencial, en particular cuando los requerimientos de servicio de los clientes son muy parecidos. Por ello, es importante disponer de otros modelos de colas que usen otras distribuciones de probabilidad. Desafortunadamente, el análisis matemático de los modelos de colas con distribuciones no exponenciales es mucho más difícil. Sin embargo, se han podido obtener algunos resultados útiles con algunos modelos.[8]​.

Toda existencia de cola responde a una necesidad de un servicio que no está siendo satisfecho al mismo tiempo que se genera la demanda. Las colas, en sí mismas, son una forma de desperdicio de tiempo, algo que debe abordarse desde la perspectiva de la optimización de procesos o proceso de mejora continua. En el método Toyota, derivado del Kaizen, uno de los 7 mudas (desperdicios) son las esperas es decir, las colas. Si luego de un proceso de optimización siguen existiendo esperas, estas se pueden optimizar empleando teoría de colas a fin de bajar la pérdida de productividad que conlleva soportar una espera. Una cola se origina por falta de recursos para procesar la demanda o por problemas de administración de recursos para procesar las demandas.

Existe una población de clientes que requieren un servicio. Estos clientes entran al sistema y se unen a la cola de espera. En determinado momento se selecciona un miembro de la cola para proporcionarle el servicio mediante alguna regla (conocida como disciplina de cola). Terminado el servicio, el cliente sale del sistema de colas.

En general, la cola de espera se forma (y crece) si durante un tiempo la demanda del servicio es mayor que la capacidad del sistema para suministrarlo. Por ejemplo, si un usuario necesita un minuto para ser atendido, pero llegan dos usuarios en menos de un minuto, el segundo usuario tendrá que esperar en cola hasta ser atendido. Estos desequilibrios temporales entre demanda y capacidad suceden dado que tanto el proceso de llegadas de usuarios como el proceso de proporcionar servicio son procesos estocásticos.

En las formaciones de colas a veces se habla de clientes "Cliente (informática)"), tales como máquinas dañadas a la espera de ser rehabilitadas. Los clientes puede que esperen, aunque las instalaciones de servicio sean adecuadas, porque los clientes llegados anteriormente están siendo atendidos (como en el caso mencionado anteriormente). También puede suceder que los clientes esperen en cola debido a que los medios existentes sean inadecuados para satisfacer la demanda del servicio "Servicio (arquitectura de sistemas)"). Por ejemplo, si un usuario necesita un minuto para ser atendido pero los clientes llegan a una tasa mayor de un cliente por minuto, la cola crecerá indefinidamente.

La teoría de colas persigue caracterizar las prestaciones de un sistema compuesto por uno o más recursos que sirven a una población de clientes. En general, si un cliente llega al sistema y todos los recursos están ocupados, esperará en una cola, salvo que dicha cola esté llena y entonces será rechazado (es decir: no es admitido). La caracterización suele consistir en analizar variables tales como el tiempo medio de espera en cola, el tiempo total de estancia en el sistema o la probabilidad de ser rechazado (o admitido).

Además de esta caracterización de las prestaciones, otras aplicaciones de la teoría de colas son:.

Se pueden identificar los siguientes elementos:.

Contenido

David G. Kendall introdujo una notación de colas A/S/c en 1953[2]​ en la que A describe la distribución del tiempo entre llegada, S la distribución del tiempo de servicio y c el número de recursos disponibles. Ha sido desde entonces extendida a A/S/c/K/N/D[3]​[4]​ donde K es la capacidad total de la cola (es decir, el número máximo de usuarios en el sistema en cualquier momento), N el número de usuarios que generan peticiones, y D es la disciplina de cola.

Para describir la distribución de los tiempos entre llegadas A o de servicio S se suele emplear alguno de estos valores:.

Mientras que para la disciplina de cola D se suele emplear alguno de estos valores:.

La capacidad del sistema K puede tomar un valor finito determinado o infinito. Si es finito, el número máximo de clientes permitidos en el sistema está acotado, por lo que nuevas llegadas son rechazadas. Si es infinito, no se produce rechazo.

Si el tamaño de la población N es finito, esto supone que cuantos más usuarios se encuentren en el sistema, menos usuarios estarán generando peticiones. Si por el contrario el tamaño N es infinito, la tasa de generación de peticiones se mantendrá constante independientemente del número de usuarios en el sistema.

Los tres primeros parámetros de la notación de Kendall siempre se indican de forma explícita, mientras que si los otros tres no aparecen es porque se suponen unos valores por defecto. Dichos valores son:[5]​.

Ejemplos

La notación de Kendall no sirve para representar redes de colas, como es el caso de los dos últimos sistemas de la figura:.

Las medidas de rendimiento (o desempeño) de interés dependen del escenario de aplicación. Por ejemplo, en el caso de un servidor de peticiones web, suele ser interesante el tiempo total que tarda una petición en ser atendida, mientras que para diseñar un centro de atención al cliente (call center), una medida fundamental sería el tiempo que espera un cliente hasta que es atendido, dado que su tiempo de atención es menos importante. Aun así, existe un conjunto de medidas de rendimiento que suelen ser comunes a todos los sistemas:.

Ambos tiempos se relacionan a través del tiempo medio de servicio S mediante la expresión T = W + S.

Dado un sistema con c recursos, estas variables están relacionadas mediante la expresión N = Q + c ρ.

Teorema de Little

Se trata de un resultado fundamental que establece una relación muy sencilla entre dos medidas de rendimiento: el número medio de usuarios N y el tiempo medio de estancia en el sistema T. Dada una tasa efectiva de entrada al sistema (esto es, teniendo en cuenta únicamente los usuarios que son atendidos, y no los que son rechazados), la relación viene dada por.

Existe una "demostración gráfica"[6]​ del teorema, donde resulta destacable las pocas hipótesis de modelado necesarias (esto es: no es necesario suponer llegadas de Poisson, tiempos de servicio exponenciales, etc.).

Sistema M/M/1

En este modelo, según la notación de Kendall, la tasa de llegadas y la tasa de servicio siguen una distribución de Poisson, sólo hay un servidor y la capacidad del sistema es ilimitada. Si la tasa de llegadas fuese mayor que la tasa de servicio (), dado que el sistema tiene una capacidad infinita, el número de usuarios crecería indefinidamente y no podría calcularse medidas de rendimiento.[7]​.

En caso de que , la ocupación del recurso puede calcularse como:.

Por lo tanto, únicamente puede analizarse el sistema si . En este caso, el número medio de usuarios en el sistema se puede obtener analizando el proceso de nacimiento y muerte resultante, y viene dado por:.

Aplicando el teorema de Little, el tiempo medio de estancia en el sistema viene dado por:.

El tiempo medio de estancia en la cola viene dado por:.

Mientras que el número medio de usuarios en la cola viene dado por la expresión:.

Sistema M/M/c

En este modelo, al igual que en caso anterior, la tasa de llegadas y la tasa de servicio siguen una distribución de Poisson, y hay un espacio infinito para esperar. Sin embargo, ahora existen c (un número entero positivo) servidores idénticos en paralelo, y cualquiera de ellos puede atender las peticiones en cuando estén disponibles. La ocupación del sistema, o de cualquiera de los servidores, puede calcularse como[6]​.

Y al igual que en el caso del M/M/1, únicamente puede analizarse el sistema si . También se define una variable que representa una "intensidad" de tráfico, que viene dada por la expresión:.

,.

y que vendría a representar el número mínimo de servidores necesarios para atender la carga en el sistema. estrictamente no tiene unidades pero se mide en "Erlangs". La probabilidad de tener que esperar a ser atendido (una de las variables de rendimiento más importantes) viene dada por la expresión conocida como "Erlang-C".

Para el cálculo del resto de variables de desempeño, resulta conveniente en primer lugar calcular la probabilidad de que el sistema esté vacío mediante la expresión:.

A partir de esta probabilidad, se puede calcular el número medio de usuarios en cola.

Una vez obtenido Q, el tiempo medio de espera en cola se puede obtener gracias al teorema de Little como , y el tiempo medio de estancia en el sistema como.

Sistema M/M/c/c

De nuevo, tanto la tasa de llegadas como la tasa de servicio siguen una distribución de Poisson, y existen c servidores idénticos en paralelo. Sin embargo, en este sistema la capacidad (es decir, el número máximo de usuarios) también es c, por lo que no existe una cola de espera, de lo que se deduce directamente que.

por lo que el tiempo medio total es el tiempo medio de servicio.

Dado que no hay cola de espera, cuando un usuario llega al sistema sólo caben dos opciones: si queda algún servidor disponible el usuario es inmediatamente atendido, mientras que si todos los c servidores están ocupado el usuario es rechazado.

La probabilidad de que un usuario llegue al sistema y sea rechazado se puede analizar con un proceso de nacimiento y muerte de c+1 estados (desde 0 hasta c), con tasas de transición similares al sistema M/M/1. Dicha probabilidad es la variable de rendimiento más importante y su expresión se conoce como Erlang-B:.

La teoría de formación de una cola es a menudo demasiado restrictiva matemáticamente para ser capaz de modelar todas las situaciones verdaderas a nivel mundial.

Por ejemplo; los modelos matemáticos a menudo asumen el número de clientes, o la capacidad de la cola infinitos, cuando es evidente que deben estar limitados. Los medios alternativos del análisis de la teoría de colas consisten generalmente en simulaciones de ordenador o en el análisis de datos experimentales.

Las redes telefónicas se diseñan para acomodar la intensidad ofrecida del tráfico con solamente una pequeña pérdida. El funcionamiento de los sistemas depende de si la llamada es rechazada, de si está perdida, etc. Normalmente los sistemas de desbordamiento hacen uso de rutas alternativas e incluso estos sistemas tienen una capacidad de carga finita o máxima de tráfico.

Sin embargo, el uso de las colas permite que los sistemas esperen por las peticiones de su cliente hasta que los recursos libres estén disponibles. Esto significa que si los niveles de la intensidad del tráfico exceden de la capacidad disponible, las llamadas del cliente se perderían.

La disciplina de colas determina la manera de cómo manejar las llamadas de los clientes. Define la manera en que les servirán, la orden de las cuales se sirven, y la manera en la que los recursos se dividen entre los clientes.

En particular, el supuesto de tiempos entre llegadas exponenciales implica que las llegadas ocurren al azar (proceso de entrada de Poisson), lo cual es una aproximación razonable en muchas situaciones pero no cuando las llegadas están programadas o reguladas con todo cuidado. Todavía más, las distribuciones de tiempos de servicio reales con frecuencia se desvían bastante de la forma exponencial, en particular cuando los requerimientos de servicio de los clientes son muy parecidos. Por ello, es importante disponer de otros modelos de colas que usen otras distribuciones de probabilidad. Desafortunadamente, el análisis matemático de los modelos de colas con distribuciones no exponenciales es mucho más difícil. Sin embargo, se han podido obtener algunos resultados útiles con algunos modelos.[8]​.