Академический Документы
Профессиональный Документы
Культура Документы
teora de colas
Enric Lpez Rocafiguera
PID_00160517
FUOC PID_00160517
FUOC PID_00160517
ndice
Introduccin ..........................................................................................
Objetivos .................................................................................................
1. Introduccin ....................................................................................
9
9
10
11
12
12
14
15
16
17
18
19
21
21
22
23
24
24
25
26
27
28
30
31
33
36
39
41
45
46
FUOC PID_00160517
48
50
Resumen ..................................................................................................
53
Actividades .............................................................................................
55
55
Solucionario ...........................................................................................
57
Glosario ...................................................................................................
58
Anexo .......................................................................................................
60
Bibliografa ............................................................................................
66
FUOC PID_00160517
Introduccin
FUOC PID_00160517
Objetivos
Estos materiales didcticos tienen que permitir alcanzar los siguientes objetivos por parte de los estudiantes:
1.
Recordar diversos conceptos estadsticos, como son la funcin de distribucin, la funcin de densidad de probabilidad, la media y la variancia.
2.
3.
4.
5.
Conocer los principales modelos de colas, la notacin y los principales parmetros que los caracterizan.
6.
7.
FUOC PID_00160517
1. Introduccin
Las redes se disean teniendo en cuenta diferentes variables. Dos de las variables que hay que tener en cuenta en el diseo de una red son el servicio y el
coste. Con el fin de tener controlados estos dos parmetros, tenemos que optimizar el rendimiento del sistema. Una manera de optimizarlo es mediante
modelos analticos basados en la teora de colas, que nos proporcionan una
gran ayuda para poder disear redes con un rendimiento elevado.
Es muy importante, para poder dimensionar la capacidad de un sistema de
transmisin, utilizar unas tcnicas que hagan estimaciones del trfico en funcin de los diferentes parmetros de entrada, como pueden ser:
la carga de trfico,
el grado de servicio,
el tipo de trfico,
los mtodos de muestreo.
Aunque la teora de colas es matemticamente bastante compleja, su aplicacin
al anlisis del rendimiento de los sistemas es mucho ms sencilla normalmente.
Los sistemas de transmisin los podemos modelar a menudo segn un esquema como el de la figura siguiente:
Figura 1. Modelo simplificado de un sistema de espera
Aqu se muestra una fuente generadora de datos y una cola de espera donde
se acumularn las unidades de datos esperando a ser atendidas por un servidor. Tanto el proceso de llegada de las unidades al sistema como el proceso de
servicio son dos procesos estocsticos. Hay dos parmetros que hay que tener
en cuenta: la disciplina con que se generan los datos y la disciplina con que se
sirven. El trmino disciplina hace referencia a cules son los parmetros estadsticos de estos elementos.
FUOC PID_00160517
Un parmetro que nos definir el comportamiento de las llegadas y del mecanismo de servicio ser el correspondiente a la media de estas estadsticas. Viene caracterizado por y , respectivamente.
Nos podemos encontrar con diferentes posibilidades en funcin de los valores
Velocidades medias
que tomen y :
< , el sistema es estable y la cola no se llenar.
> , el sistema se saturar y se llenar la cola de espera.
= , es el lmite de estabilidad; se servirn tantos datos como lleguen.
A fin de que la espera no sea muy larga, se intenta que las colas no queden
muy ocupadas; eso quiere decir que . Aunque para optimizar el coste, habitualmente se dimensiona el sistema de manera que se considera la posibilidad de una cierta congestin siempre que se garantice un mnimo nivel de
calidad del servicio.
Observad que en cualquier sistema que se analice hemos de considerar los siguientes aspectos:
Principales disciplinas de
colas
Las disciplinas de colas ms importantes son las siguientes:
RR: round robin.
FIFO: first in first out.
SIFO: shortest in first out.
LIFO: last in first out.
FUOC PID_00160517
2. Procesos de Poisson
Una de las disciplinas ms utilizadas por su simplicidad, propiedades y caractersticas generales son los procesos de Poisson. Estas caractersticas slo permiten unos anlisis ms bien simples, que se ajustan a fuentes de datos en
general, pero no vlidos para los casos en los que tengamos fuentes de datos
ms o menos complejos, como los multimedia (audio, vdeo, etc.).
Antes de pasar a definir los procesos de Poisson, vamos a ver alguno de los conceptos previos para su desarrollo.
m E t t.e t dt
0
10
FUOC PID_00160517
Y la variancia:
2 E[t 2 ] E 2 t t 2.e t dt
0
1
2
1
2
Vamos a considerar un sistema en un tiempo de observacin continuo t, y observamos el estado del sistema en dos instantes de tiempos reales positivos x e
y. Diremos que la distribucin de probabilidad de t es sin memoria si la probabilidad en cualquier instante no depende de la probabilidad en instantes anteriores. Matemticamente lo podemos expresar:
P(t > x + y t > x) = P(t > y)
Podemos comprobar que un sistema definido con la funcin de distribucin
exponencial es un sistema sin memoria, ya que cumple esta igualdad:
P t x y | t x
x y
e y P t y
Consideremos un proceso de llegadas aleatorias de forma continua en el tiempo, tal como se muestra en la figura siguiente:
Figura 3. Representacin grfica de la distribucin de las llegadas
de un proceso
ha producido la anterior.
b) Poblacin infinita, es decir, que el nmero de fuentes sea tan grande que
11
FUOC PID_00160517
Pn t
t n e t
n 0,1,...
n!
Pn t 1
n0
P0 t
t 0 e t
0!
e t
E n t
n0
n0
n
n.Pn t n.
e t .t .
n 0
t
n!
t n e t
n!
t n
n 1 n 1 !
e t .
e t .t .e t t
Media y variancia
En un proceso de Poisson, la
media y variancia toman el
mismo valor: t.
12
FUOC PID_00160517
La forma en que se distribuirn en el tiempo las llegadas es la funcin de distribucin del proceso. Con el fin de poder calcularla, supondremos un intervalo de tiempo con un origen arbitrario, en cuyo final se produce la llegada de
la siguiente unidad.
Figura 4
dF t
.e t
dt
A partir de esta funcin de densidad, tal como hemos visto anteriormente, podemos obtener la media de tiempo entre llegadas y la variancia:
1
m E t t ..e t dt
2 E[t 2 ] E 2 t
1
2
Observamos que, en un proceso de Poisson, la duracin media entre dos llegadas consecutivas coincide con su desviacin tpica .
2.5. Propiedades
Las dos propiedades que trataremos en este subapartado son las siguientes:
superposicin,
descomposicin.
13
FUOC PID_00160517
1) Superposicin
2) Descomposicin
Suponemos una fuente generadora que sigue un proceso de Poisson con una
tasa de llegadas . Si descomponemos aleatoriamente este flujo en un conjunto de flujos ms pequeos con una probabilidad Pi, los flujos resultantes tendrn una tasa i = Pi, que sern tambin de Poisson.
Figura 6. Descomposicin de un proceso de Poisson
FUOC PID_00160517
14
3. Cadenas de Markov
Los procesos de Markov tienen como caracterstica que su comportamiento futuro no depende del pasado, slo depende del estado presente; son procesos sin memoria.
15
FUOC PID_00160517
La probabilidad de que Em(t1) = j slo depende del estado anterior del sistema
En(t2) = i, con t2 < t1; y lo podemos expresar en forma de probabilidad condicional como:
P[Em(t1) = j En(t2) = i] = Pmn(t1,t2) = pij
Los valores pij se llaman probabilidades de transicin del estado i al estado j. Si
estas probabilidades son estacionarias, es decir, no dependen del instante t que
consideramos, hablaremos de una cadena de Markov homognea.
Probabilidades de
transicin
Las probabilidades de transicin nos indican la probabilidad de pasar de un estado al
siguiente, y las indicaremos
como pij.
Los sistemas con cambios de estado en instantes de tiempos indefinidos se llaman sistemas de tiempo continuo. Como en los sistemas de comunicacin,
las llegadas y salidas se producen en instantes de tiempos indeterminados e independientes del tiempo, trataremos las cadenas homogneas de tiempo continuo.
Pm t 1
m
Figura 8
Vector de estado
Vector formado por el conjunto de las probabilidades de estar en cada uno de los estados
de un sistema.
16
FUOC PID_00160517
Matriz de transiciones
Es la matriz formada por el
conjunto de probabilidades de
pasar de un estado a otro.
Ecuacin de futuro
Dividiendo por t y haciendo el lmite cuando t 0, esta expresin se convierte en la expresin de la derivada o variacin de la probabilidad en el tiempo; con lo que resulta la siguiente ecuacin de futuro:
Pmn u, t
Pmp u, t q pn t Pmn u, t qnn t
t
pn
Donde qpn(t) se define como la tasa de transicin entre dos estados, que la podemos considerar como la velocidad a la que el sistema puede pasar de un estado al otro, y qnn(t) es la tasa de permanencia en un estado:
q pn t lim
Ppn t , t t
t
Pnn t , t t 1
qnn t lim
t
t 0
t 0
17
FUOC PID_00160517
dPn t
Pp t q pn t Pn t qnn t Pp t q pn t
dt
pn
dP t
P t Q t
dt
Los procesos de nacimiento y muerte son el modelo ms adecuado para modelar cambios en el tamao de la poblacin, pero tambin para analizar las
prestaciones de las redes de comunicaciones; por ejemplo, para caracterizar las
llamadas que se estn cursando en una central de conmutacin, o, los paquetes que hay en un router.
Hasta ahora hemos estudiado las cadenas de Markov, donde desde cualquier
estado se puede ir a cualquier otro en el siguiente instante de tiempo.
dPn t
Pn 1 t qn 1,n t Pn 1 t qn 1,n t Pn t qnn t
dt
Se define la tasa de nacimiento como:
qn-1,n(t) = n-1(t)
Procesos de nacimiento
y muerte
Estos procesos son un caso particular de procesos de Markov,
donde las transiciones slo se
pueden realizar entre estados
adyacentes.
18
FUOC PID_00160517
qn+1,n(t) = n+1(t)
Se puede demostrar fcilmente que:
q pn t 0
n
dPn t
n 1 t Pn 1 t n 1 t Pn 1 t n t n t Pn t
dt
dP0 t
1 t P1 t 0 t P0 t , n 0
dt
n0
Pn t 1
n0
Figura 10
19
FUOC PID_00160517
Con el fin de obtener las probabilidades de estado, podemos resolver las ecuaciones empezando desde el estado 0 hasta llegar al estado n para obtener una
expresin general:
a) Para n = 0:
P1
0
P0
1
b) Para n = 1:
2 P2 0 P0 1 1 P1 0 P0 1 1
P2
0
P0 0 1 P0
1
1
01
P0
12
Pn
n
01 n 1
P0 P0 i 1
12 n
i 1 i
Pn 1
n0
Rgimen permanente
En un sistema en rgimen permanente, las probabilidades
de estado se mantienen constantes.
20
FUOC PID_00160517
P0
1
i 1
n 1 i 1 i
dPn t
Pn 1 t Pn t ,
dt
dP0 t
P0 t , n 0
dt
n0
dP1 t
P0 t P1 t e t P1 t
dt
P1 t t .e t
Podemos ir utilizando recursivamente la ecuacin de futuro para obtener una expresin
general de la probabilidad donde el sistema est en un estado n.
Pn t
t n .e t
n!
21
FUOC PID_00160517
4. Conceptos de trfico
Hemos obtenido que la probabilidad de que el sistema est en un estado n venga dada por la expresin:
Pn
n
01 n 1
P0 P0 i 1
12 n
i 1 i
Mediante este sistema podemos calcular el nmero medio esperado de unidades ofrecidas y servidas, es decir, el nmero de unidades que han llegado al sistema y el nmero de unidades que han finalizado en un cierto intervalo de
tiempo T.
El nmero de unidades ofrecidas lo calcularemos a partir del producto de los
nacimientos en cada estado por la probabilidad de estar en este estado y por
el intervalo T:
NO n Pn T
NC n Pn T
22
FUOC PID_00160517
Erlang
Erlangs.
Para calcular el trfico cursado y, por lo tanto, la cantidad de unidades servidas con xito, es necesario tener en cuenta las unidades servidas por unidad
de tiempo y la duracin media de las unidades que hay que servir (1/):
AC
n Pn
n
AO
n Pn
n
23
FUOC PID_00160517
AP C Q PC Q
PB
C Q
k C
Pk
PP
k Pk
NO NC
1 k
NO
k Pk
k
C Q 1
PD
k C
k Pk
k Pk
k
FUOC PID_00160517
24
5. Modelos de colas
Los principales parmetros que tenemos que fijar para poder realizar un modelo de cola, como podra ser el de un router, son los siguientes:
a) Modelo de llegadas. Supondremos las unidades que aparecen aleatoria-
en el sistema (finito o infinito). Cuando llega una unidad y se encuentra el sistema lleno, sta se pierde.
e) Nmero de servidores. Es la cantidad de servidores que pueden atender
llamadas simultneamente. Puede tener una cola cada uno de ellos, o bien
compartir una sola cola.
f) Poblacin. El origen de las llamadas que llegan es lo que se conoce por
das, con lo cual har falta otro intento al recibir seal de congestin. Otra po-
FUOC PID_00160517
25
Puede ser completa; por lo tanto, cualquier entrada tiene acceso a cualquier
salida, o bien limitada, y, por lo tanto, no todas las salidas libres se pueden conectar a las entradas.
Figura 15. Sistema con accesibilidad completa
El modelo de colas de un solo servidor es el ms sencillo. Se trata de un servidor que ofrece servicio a las unidades que le llegan. Las unidades de una cierta
poblacin llegan al sistema para ser servidas; si el servidor est vaco, pasan a
ser servidas automticamente, y, si no, pasan a una cola de espera.
Figura 16. Modelo de colas con un solo servidor
Las unidades llegan al sistema con una tasa de llegada (unidades medias/segundo). En cualquier momento habr un cierto nmero de unidades esperando en la cola para ser servidas. El tiempo medio de espera de una unidad en la
FUOC PID_00160517
26
cola lo llamamos Wq. El servidor atender a las unidades con un tiempo medio
de servicio de valor 1/, por lo tanto, el tiempo medio que estar una unidad
en el sistema ser W, que se obtendr de sumar el tiempo de espera en la cola
y el tiempo de servicio.
Si la cola es infinita, nunca se perder ninguna unidad; sin embargo, si la cola
slo permite un nmero finito de unidades, cuando est llena, las unidades
que vayan llegando se perdern.
2) Colas multiservidor
Las caractersticas habituales de una cola multiservidor son las mismas que
para una nica cola: poblacin infinita, cola infinita y servicio de tipo FIFO.
Segn cmo acte el sistema ante la llegada de unidades cuando el sistema est congestionado, podemos hablar de los siguientes sistemas.
a) Sistemas con prdidas
LCC: cuando el sistema est congestionado (todos los servidores se encuentran ocupados) sealiza su entrada indicando que est ocupado y lo
obliga a reintentar la comunicacin al cabo de un rato. Cualquier usuario
puede reintentar la comunicacin. Es el sistema que utilizan las centrales
de conmutacin en Europa.
27
FUOC PID_00160517
cin en Norteamrica.
sino que espera en un sistema de colas un tiempo, hasta que algn servidor
est disponible. En este caso, un parmetro importante es el tiempo de espera
en funcin de la carga de trfico.
sistema va haciendo reintentos hasta que la llamada se sirve. Es un modelo derivado del modelo LCC.
En general, todos los routers utilizan un sistema de prdidas. De todas maneras, en routers modernos se utiliza el concepto de sistema de espera en determinadas partes.
Poblacin
Modelo de
llegadas
Tratamiento en
caso de bloqueo
Modelo de
servicio
Poisson
Infinita
Aleatorio
Prdidas LCH
Exponencial
Erlang B
Infinita
Aleatorio
Prdidas LCC
Exponencial
Erlang B
extendido
Infinita
Aleatorio
Reintento
Exponencial
Erlang C
Infinita
Aleatorio
Retardo
Exponencial
Engset
Finita
Variaciones
suaves
Prdidas LCC
Exponencial
PollaczekCronmellin
Infinita
Aleatorio
Retardo
Constante
Binomial
Finita
Aleatorio
Prdidas LCH
Exponencial
Retardo
Finita
Aleatorio
Retardo
Exponencial
28
FUOC PID_00160517
Sean:
Ne(t): nmero de unidades que han llegado al sistema en el instante t.
Ns(t): nmero de unidades que se han servido en el instante t.
N(t) = Ne(t) Ns(t): nmero de unidades en el sistema en cada instante t.
Figura 18. Relacin entre procesos estocsticos
Ne t
t
L t
1 t
N d
t 0
N d
W t 0
Ne t
L t t W t
29
FUOC PID_00160517
Y de aqu resulta, suponiendo ergodicidad y que estamos en rgimen permanente, la frmula de Little, que nos dice que el nmero medio de unidades
presentes en el sistema es igual al valor medio de unidades aceptadas, multiplicado por el tiempo medio de permanencia en l:
L = W
L: nmero medio de unidades en el sistema.
W: tiempo medio de espera en el sistema.
Esta expresin es muy general y aplicable a todos los modelos de colas. La expresin, teniendo en cuenta slo la cola y dejando de lado los servidores:
Lq = Wq
Lq: nmero medio de unidades en la cola.
Wq: tiempo medio de espera en la cola.
La frmula de Little
Relaciona el tiempo medio de
permanencia en el sistema y la
velocidad de llegada con el
nmero medio de unidades en
el sistema.
FUOC PID_00160517
30
La notacin de Kendall es una notacin abreviada que se ha desarrollado para resumir las principales suposiciones que se hacen a la hora de
desarrollar un modelo de colas.
sistema, que est directamente relacionado con el tamao de la cola. Por defecto, este parmetro indica un valor infinito.
e) N: nmero de unidades que pueden llegar, tambin llamado poblacin. Por
La notacin de Kendall
Esta notacin se ha desarrollado especficamente para describir los sistemas de espera. Se
llama notacin de Kendall en
honor a David Kendall.
31
FUOC PID_00160517
Otro ejemplo es el modelo de cola M/D/1. En este sistema, las llegadas siguen
una estadstica de Poisson; el servicio es determinista, con un nico servidor.
Igual que en el ejemplo anterior, la cola es de longitud . Los servicios deterministas se caracterizan por el tiempo de servicio constante. Un tipo de redes
que operan de esta manera son las que se basan en la tecnologa ATM.
1) Probabilidades de estado
Teniendo en cuenta las expresiones obtenidas en el subapartado 3.5 y considerando que las tasas son constantes, i = para i, i i = para i.
i 1
P0
i
i 1
Pn P0
32
FUOC PID_00160517
P0
1 i 1
n 1 i 1 i
n 1
Por lo tanto,
Pn 1
Factor de utilizacin
Pn = (1 - )n
2) Nmero medio de unidades en el sistema
L n.Pn n 1
1
1
n0
n0
1
1
L
1
1
Notad que este resultado contiene tanto el tiempo de espera en cola como el
tiempo de servicio:
Figura 21
El factor de utilizacin es la
probabilidad de que el servidor
est ocupado.
33
FUOC PID_00160517
Por lo tanto, el tiempo medio de espera en la cola ser el tiempo de permanencia en el sistema menos el tiempo de servicio:
1
1
1
Wq W
1
1
1
Y aplicando otra vez la frmula de Little, obtenemos el nmero medio de unidades en la cola:
W .
Lq
2
1
Ejemplo numrico
Suponemos un sistema modelado mediante M/M/1 en el cual la unidad mnima de llegada son paquetes de informacin de tamao fijo de 100 bytes. La tasa de llegada es de
= 8 paquetes/s, y la tasa de servicio, de = 10 paquetes/s.
Probabilidad de que el sistema est desocupado:
P0 1 1 8 10 0,2
Probabilidad de tener n paquetes en el sistema:
Pn = (1 - )n = (1 - 0,8)(0,8)n = 0,2 0,8n
Nmero medio de paquetes en el sistema:
0,8
4 paquetes
1 1 0,8
1
1
0,5 segundos
1 10 1 0,8
Wq
0,8
0,4 segundos
1 10 1 0,8
1 1 0,8
2
Lq
Este es un sistema con un nmero finito de c servidores con una cola infinita.
Igual que para el sistema anterior, consideramos una poblacin infinita con
una tasa de llegadas y una tasa de servicio en cada servidor. Las llamadas
34
FUOC PID_00160517
As pues, cuando el estado del sistema sea superior a c, todos los c servidores
estarn activos, y, por lo tanto, la tasa de servicio para los estados superiores a
c ser constante, de valor c. Por otra parte, las llegadas se producen con una
tasa , independientemente del nmero de unidades en el sistema.
Figura 23
1) Probabilidades de estado
c.
35
FUOC PID_00160517
Entonces, obtendremos:
Pn P0 i 1
i 1 i
1 n
P0
n!
n
cc
P0
c ! c
0 n c 1
nc
1 i 1
n 1 i 1 i
1
c 1
An
Ac
n ! c ! 1
n 0
Esta expresin de P0 es vlida siempre que se cumpla que A < c. De forma equivalente se puede expresar como < 1. Se trata de la condicin de estabilidad que garantiza que el trfico ofrecido es menor que el nmero de recursos disponibles.
2) Probabilidad de bloqueo
PB C c , A
c 1
nc
n0
c 1
An
1
n0 n !
Pn 1 Pn 1 P0
An
n0 n !
c 1
An
Ac
c ! 1
n0 n !
Entonces:
Ac
Ac
c!
C c, A
c ! P0
c 1 n
A
Ac 1
1
c!
n0 n !
Lq
nc
c
n0
n0
cc
n c Pn nPnc n c ! c
.C c , A
P0
2
1
c!
1
nc
.P0
Ac
P0 nn
c ! n0
http://www.erlang.com/calculator
36
FUOC PID_00160517
Para el clculo del tiempo medio de permanencia en la cola, slo hay que utilizar la frmula de Little:
.C c , A
C c, A
1
Wq
c 1
Lq
Ejemplo numrico
1
c .
Aislando c, obtenemos que c > 3; por lo tanto, hacen falta, como mnimo, cuatro servidores.
La primera condicin de diseo nos dice que:
Pn C c,3 0,1
nc
Observando la tabla del Anexo, vemos que para tener un trfico de 3 Erlangs, con una
probabilidad del 10%, nos hacen falta, como mnimo, seis servidores; por lo tanto, c 6.
Por lo tanto, se necesitan seis operadores para dar este servicio.
Este modelo es un caso particular del modelo anterior, M/M/c, donde no hay
tiempo de espera ni rechazo de unidades, ya que el sistema siempre dispone
de recursos libres.
37
FUOC PID_00160517
1) Probabilidades de estado
i 1
P0
i
i 1
Pn P0
n n
1
1
i P0 n !
i 1
38
FUOC PID_00160517
De donde podramos obtener P0, teniendo en cuenta que < , ya que siempre
tendremos servidores libres,
P0
1 i 1
n 1 i 1 i
1
n
1
1
n 1 n !
Por lo tanto,
Pn
n!
n0
De los resultados obtenidos por los procesos de Poisson podemos deducir que:
nPn
n0
Suponemos que a una central telefnica llegan llamadas de forma aleatoria con una tasa
de llegadas de 140 llamadas/h. Las llamadas tienen una duracin media de tres minutos.
Suponiendo que hay muchas lneas para atender las llamadas, cul ser el nmero medio de lneas utilizndose?
Supondremos el modelo M/M/ con una tasa de llegadas de:
= 140 llamadas/hora = 2,33 llamadas/minuto
La tasa de servicio es:
= 1/3 llamadas/minuto
Entonces, el nmero de lneas utilizado de media es:
L = / = 2,33 3 = 7 lneas
Por lo tanto, el nmero de lneas sigue una distribucin de Poisson de parmetro 7.
39
FUOC PID_00160517
1) Probabilidades de estado
Considerando en este caso que las tasas son i = para i[0, c-1], i = i . para
i[1, c], y teniendo en cuenta que la intensidad de trfico est definida como:
Entonces, obtendremos:
1 n
1
i 1 P0 An P0
Pn P0
n!
n!
i 1 i
0
nc
nc
El modelo M/M/c/c
A este modelo se le llama modelo con prdidas LCC, y es el
que utilizan las centrales telefnicas.
40
FUOC PID_00160517
De donde P0:
P0
1 i 1
n 1 i 1 i
1
c
1
n!
n0
An n !
n0
PB B c , A Pc
1 c
A
c!
1
An n !
n0
De los resultados obtenidos por los procesos de Poisson podemos deducir que:
n 1
n 1
An
nPn P0 n n !
c 1 n
An
A
P0 A
A 1 B c , A
n 1 n 1 !
n0 n !
c
P0
Como no hay cola de espera, Wq = Lq = 0. Aplicando la frmula de Little, podemos calcular el tiempo medio de permanencia en el sistema:
A 1 B c , A
L
1
a 1 B c , A
http://www.erlang.com/calculator
FUOC PID_00160517
41
Este modelo es el que se adecua a los circuitos de una central telefnica, ya que
si las llamadas no se pueden servir debido a que la central est ocupada, la llamada se pierde, y se tiene que volver a generar una llamada nueva. Es el modelo que se utiliza para dimensionar sistemas de conmutacin de circuitos.
Ejemplo numrico
Una empresa instala un sistema de comunicacin interno entre sus dos sedes. Las llamadas reciben una seal de ocupado cuando todas las lneas estn ocupadas. Sabemos que
el sistema genera llamadas aleatoriamente, segn un proceso de Poisson con una tasa de
105 llamadas/hora y que las llamadas tardan cuatro minutos por trmino medio a ser servidas.
Pretendemos instalar las lneas necesarias para asegurar que la probabilidad de recibir la
seal de ocupado sea inferior al 0,005.
a) Cuntas lneas hacen falta?
A = / = 1,75 4 = 7 Erlangs
Por lo tanto, a partir de las tablas de Erlang B del anexo (con B = 0,5%), tenemos que obtener el valor mnimo de c que cumpla la desigualdad:
B(c,7) 0,005
El resultado ser que c 15 lneas.
b) Cuntas lneas son necesarias si la probabilidad de recibir la seal de congestin es
de 0,01?
B(c,7) 0,01
El resultado ser que c 14 lneas; slo una menos que en el caso anterior.
c) Cul ser la probabilidad de recibir la seal de congestin con slo diez lneas?
Consideramos una poblacin infinita con las llegadas de Poisson con una tasa
y sin ninguna disciplina de servicio concreta (genrica), con un nico servidor y una cola infinita.
Figura 28
42
FUOC PID_00160517
Con el fin de poder hacer el estudio de este modelo genrico, tenemos que conocer la media y la variancia de la distribucin de probabilidad de los tiempos
de servicio, m = 1/ y 2, respectivamente.
1) Nmero medio de unidades
Lq
2 .2 2
2 1
con
2 .2 2
2 1
Aplicando la frmula de Little, podemos obtener la media del tiempo que una
unidad tiene que esperar en la cola para ser servida:
Lq
Wq
.2
2 1
1
1 .2 2
Wq
2 1
En caso de que la disciplina de servicio sea exponencial con tiempo medio de servicio 1/, correspondera al caso M/M/1 que hemos visto anteriormente. Como:
1
2
Lq
2 .2 2
2
2 1
1
2 .2 2
2 1
Pollaczek-Khinchine
http://en.wikipedia.org/wiki/
Pollaczek%E2%80%93Khinchine_
formula
43
FUOC PID_00160517
Wq
.2 2
2 1
1
1 .2 2 1
1
2 1
1
2 0
Entonces, las frmulas de Pollaczek-Khinchine nos permitirn calcular el nmero medio de unidades:
Lq
2 .2 2
2
2 1
2 1
2
2
2 1 2 1
Wq
2 1 2 1
2 1 2 1
En este caso, la disciplina de servicio es de Erlang de parmetro k. La distribucin de Erlang tiene una funcin de densidad de probabilidad:
f t e t
t k 1
k 1 !
1
k
1
k 2
44
FUOC PID_00160517
Lq
2 .2 2
1 2
1 k
2
1
2 1
k 2 1
2k
Wq
Lq
1 k
2k
Podemos observar que el nmero de unidades en las colas en los tres mtodos
cumple que:
Lq(M/D/1) < Lq(M/Ek/1) < Lq(M/M/1)
FUOC PID_00160517
45
8. Redes de colas
Las colas pueden estar conectadas entre ellas en serie o en tndem, donde el
trfico saliente de una cola es el trfico entrante de la siguiente; pero tambin
nos podemos encontrar con bifurcaciones y fusiones de trfico donde se divide el flujo de trfico o se unen diversos flujos de trfico. Ejemplos de redes de
colas son las redes de ordenadores, las lneas de produccin en una fbrica, el
trfico de vehculos en una ciudad...
Podemos diferenciar dos tipos de redes de colas:
a) Cerradas. Los flujos ni entran ni salen del sistema, por lo tanto, continan
dado y, despus de pasar por unas o ms colas, sale del sistema. No podemos
considerar el nmero de unidades constante. Pueden ser:
Acclicas: un flujo nunca puede volver a la misma cola.
Cclicas: hay bucles en la red.
Figura 29. Red de colas
46
FUOC PID_00160517
Las unidades que llegan al sistema desde el exterior a un nodo i llegan con
una distribucin de Poisson con una tasa i.
Una vez se ha servido una unidad en un nodo, pasa al nodo siguiente con
una probabilidad fija o sale del sistema. La probabilidad de ir del nodo y al
nodo j (j i) ser Pij > 0..
La probabilidad de salir del sistema es:
qi 1 Pij
j 1
j i
La estructura de red ms simple es la de las redes en serie, que son las que cumplen:
, i 1
i
0, i 2
1, j i 1, 1 i N 1
Pij 1, i N , j 0
0, resta
Las unidades entran por el nodo 1 y salen por el nodo N despus de pasar por
cada uno de los nodos.
Teorema de Burke
La salida de una cola del tipo M/M/1, M/M/c o M/M/, con una tasa de
llegadas es un proceso de Poisson con tasa . En cualquier instante de
tiempo t, el nmero de unidades que hay en el sistema es independente
de las salidas que ha habido antes de este instante. Podramos decir que
el sistema es reversible.
P n Pi ni
i 1
47
FUOC PID_00160517
Ejemplo numrico
Queremos estudiar un supermercado en hora punta. Suponemos que los clientes llegan
de forma aleatoria con una tasa de llegadas = 40 clientes/hora. El tiempo que pasan en
el supermercado sigue una distribucin de tipo exponencial de una media de 45 minutos.
Las cajas atienden exponencialmente con una tasa de cuatro clientes/minuto por trmino medio.
a) Cuntas cajas hacen falta?
Podemos modelar el sistema como dos colas en serie. Segn el teorema de Burke, la segunda cola es del tipo M/M/c, con una tasa de entradas = 40 clientes/hora y una tasa
de salidas con = 4 clientes/minuto
Figura 30
1
cm
cm
40
2,67 3 cajas
60
4
b) Si finalmente se pone una caja ms que el nmero mnimo, cul es el tiempo que se
tarda en hacer la compra?
L1
W1
1
1
Segn el subapartado 7.2, lo que modela las cajas en la segunda cola es:
A
P0
40
40
2,67 ,
0,67
15
c 4.15
An
Ac
n ! c ! 1
n0
c 1
1
3
2,67 n
n0
n!
2,67 4
4! 1 0,67
0,057
P0
clientes
2
c!
4!
1
1 0,67 2
4
Lq
Wq
Lq
0,74
0,018 h 1,1min.
40
1
Wq 0,086 5,14 minutos de media
48
FUOC PID_00160517
Con el fin de hacer el anlisis de una red abierta, nos podemos basar en el teorema de Jackson para redes abiertas.
El teorema se basa en los siguientes supuestos:
Los N nodos tienen servicio exponencial con tasa de servicio i.
Las unidades que llegan del exterior a un nodo y tienen distribucin de
Poisson con una tasa i.
La probabilidad de ir del nodo i al nodo j (j i) es Pij > 0, y la de abandonar
el sistema es Pi0.
El teorema de Jackson nos dice que, en una red de colas con las condiciones
anteriores, cada nodo es un sistema independiente con entrada de Poisson;
cada nodo se puede analizar por separado del resto utilizando un modelo
M/M/1 o M/M/c, y los resultados se pueden combinar estadsticamente.
Por lo tanto, como el flujo total de entrada a un nodo j tiene que ser igual al
que sale, tendremos las ecuaciones de trfico:
N
j j i Pij
i 1
Para que el sistema no se sature, har falta que se cumpla la condicin siguiente para cada nodo i (ci, nmero de servidores en el nodo i):
i
i
1
cii
i cii
P n Pi ni
i 1
49
FUOC PID_00160517
red i
i1
Lred i
i 1
Analizaremos el caso de una red formada por tres sistemas de colas, tal como se muestra
en la figura. Los servidores tienen una tasa de servicio = 12.
Figura 31
50
FUOC PID_00160517
1 1 i Pij 1 10
i 1
2 2 1 P12 5 0,51
3 1 P13 2 P23 3 P33 0,51 2 0,67 3
Entonces,
2 = 10,
1 = 10,
3 = 45
1
10
1 , 1
1 ,
c1
c112
2
10
1 , 2
1 ,
c2
c2 12
c2 1
3
45
1 , 3
1 ,
c3
c312
c3 4
c1 1
En los nodos 1 y 2 las colas son del tipo M/M/1, el nmero medio de unidades y el tiempo
medio de permanencia es:
L1 L2
1
5
1 1
, W1 W2
L1
0,5
1
P0
3 45
3,75 , 3 0,94
c3
12
An
Ac
n ! c ! 1
n0
c 1
3,75
3,75
n ! 4! 1 0,94
n0
n
0,0063
P0
2
c!
4!
1
1 0,94 2
4
Lq
Wq
Lq
13,55
0,3
45
El teorema de Jackson para las redes cerradas se basa en los siguientes supuestos:
La red de colas consta de N nodos, todos y cada uno de ellos con servicio
exponencial independiente con tasa de servicio i.
51
FUOC PID_00160517
j i Pij
i 1
j
c j j
1 j N, 1 m M
jWj m
Lj m m N
,
iWi m
1 j N, 1 m M
Wj m
i 1
j m
Lj m
Wj m
1 j N, 1 m M
1 j N
Analizaremos el caso de una red formada por cuatro sistemas de colas, tal como muestra
la figura. Hay un servidor por nodo, con una tasa de servicio = 5. Las probabilidades de
transicin entre nodos son: P12 = 0,3; P14 = 0,7; P23 = 1; P31 = 1; P41 = 1.
52
FUOC PID_00160517
Figura 32
2 1 P12
3 2 P23
4 1 P14
Suponiendo 1 = 1, obtenemos:
1 = 1;
2 = 0,3;
3 = 0,3;
4 = 0,7
Lj(0) = 0
Entonces, mediante las expresiones siguientes podemos calcular las unidades y el tiempo
de permanencia iterativamente para los diferentes valores de m:
Wj m
1 Lj m 1
L1 m m
5
W1 m
4
iWi m
1 j 4, 1 m M
1 m M
1 m M
1 m M
1 m M
i 1
L2 m m
0,3.W2 m
4
iWi m
i 1
L3 m m
0,3.W3 m
4
iWi m
i 1
L4 m m
0,7.W4 m
4
iWi m
i 1
Los valores de Li(m) tienen que ir estabilizndose a medida que aumenta el valor de m. Si
el valor Li(m) contina creciendo para un cierto valor i, diremos que en el nodo i hay un
cuello de botella.
FUOC PID_00160517
53
Resumen
En este mdulo hemos analizado los diferentes modelos de colas y sus principales caractersticas.
Hemos empezado definiendo los principales conceptos utilizados en el anlisis de colas y hemos definido las diferentes disciplinas de servicio. Para anlisis
simples, una de las principales disciplinas son los procesos de Poisson.
Seguidamente hemos estudiado los procesos de Poisson como procesos con estadstica exponencial y sin memoria, lo que nos ha permitido modelar el proceso de llegadas en un sistema de espera considerando una poblacin infinita.
Tambin hemos estudiado las cadenas de Markov y su uso para el anlisis de
sistemas a partir de los diferentes estados en que se pueden encontrar y de las
probabilidades de estar en cada uno de estos estados. Un caso particular son
los procesos de nacimiento y muerte como modelo para caracterizar las redes
de comunicaciones.
A partir de aqu hemos definido diferentes modelos matemticos que nos permiten caracterizar los modelos de colas y obtener los parmetros principales.
Concretamente hemos estudiado los modelos de cola nica:
M/M/1, con un solo servidor.
M/M/c, modelo con un nmero finito de servidores.
M/M/, con infinitos servidores, por lo tanto, sin espera.
M/M/c/c, con un nmero limitado de servidores y sin espera.
M/G/1, modelo con disciplina de servicio genrica con un nico servidor.
Finalmente, como muchos sistemas estn formados por la interconexin de
diferentes sistemas de colas, hemos definido y analizado las redes de colas, y
hemos visto que, segn el teorema de Jackson, cada nodo se puede analizar
como un sistema independiente por separado utilizando los modelos de colas
anteriores.
FUOC PID_00160517
54
FUOC PID_00160517
55
Actividades
1. Los usuarios llegan a la biblioteca, de acuerdo con un proceso de Poisson, con una media
de llegadas de 200 personas por hora. Cada usuario est en la biblioteca durante 24 minutos
por trmino medio. Suponiendo que el tiempo durante el que un usuario est en la biblioteca
est exponencialmente distribuido y es independiente de los otros usuarios, cuntos usuarios hay en la biblioteca por trmino medio?
2. Consideramos una cola del tipo M/M/1 finita de N estados. Cules son los valores necesarios de N para los siguientes casos?
a) = 0,5 con PB = 10-3 y PB = 10-6.
b) = 0,8 con PB = 10-3 y PB = 10-6.
3. Suponemos que a un centro de proceso le llegan unidades, segn un proceso de Poisson,
con una tasa de una unidad cada doce minutos. Los tiempos de servicio los supondremos exponenciales, con tasa de servicio cada ocho minutos. Calculad L y W.
4. El cajero de una gasolinera trabaja en un nico mostrador. Las llegadas siguen una distribucin de Poisson, con una media de diez por hora. Cada usuario es atendido de uno en uno,
y el tiempo de servicio sigue una distribucin exponencial de cuatro minutos como media.
a) Cul es la probabilidad de que se forme una cola?
b) Cul es la longitud media de la cola?
c) Cul es el tiempo medio que un cliente necesita para ser atendido?
d) Cul es el tiempo medio que un cliente pasa en la cola esperando a que lo atiendan?
5. Una empresa de distribucin de productos alimenticios tiene una centralita telefnica con
tres lneas. La empresa tiene un pico de llamadas durante tres horas, en las que algunos clientes no pueden ponerse en contacto con la empresa debido al trfico que llega (sabemos que
si el cliente encuentra las lneas ocupadas, no se le puede retener). La empresa estima que el
60% de las llamadas que no ha atendido hacen el pedido a otra empresa. Durante las horas
punta, las llamadas siguen una distribucin de Poisson, con una media de veinte llamadas
por hora, y cada telefonista atiende durante seis minutos cada llamada (distribucin exponencial). El beneficio medio de una venta es de 210 euros.
a) Cunto dinero pierde la empresa diariamente debido a las llamadas no respondidas?
b) Si cada trabajador cuesta a la empresa 24 euros/hora y un trabajador tiene que trabajar
ocho horas al da, cul es el nmero ptimo de trabajadores? Las horas punta siempre son
a la misma hora. La centralita est abierta durante diecisis horas, y la puede atender slo un
trabajador cuando no son horas punta. Se asume que el coste de aadir una lnea puede llegar
a ser algo negligente.
Ejercicios de autoevaluacin
1. Una impresora recibe trabajos para imprimir de una fuente de Poisson, con tasa de seis trabajos/segundo. Suponemos que el 10% del trfico total generado por la fuente aleatoriamente va a la impresora. Responded:
a) Cul es el tiempo medio entre las llegadas de dos trabajos consecutivos?
b) Cul es la probabilidad de que el prximo trabajo tarde ms de medio minuto en llegar?
c) Cul es la probabilidad de que llegue ms de un trabajo a la impresora en un minuto?
2. El servicio telefnico de resolucin de incidencias de una empresa elctrica tiene siete operadores. Cada uno de ellos tarda una media de doce minutos en resolver cada incidencia. Entre una incidencia y la siguiente pasan dos minutos por trmino medio. Adems, todos los
operadores pueden resolver cualquier tipo de incidencia. El tiempo medio desde que un
cliente llama para indicar la incidencia hasta que la incidencia se resuelve es de treinta minutos.
a) Indica razonadamente si el sistema es estable.
b) Cul es el nmero medio de operadores ocupados?
c) Cul es el tiempo medio que un cliente espera hasta que es atendido?
d) Cul es el nmero medio de clientes en el sistema?
e) Cul es el nmero medio de clientes que esperan?
f) Asumiendo que los tiempos entre llegadas de clientes y los tiempos de servicio son variables aleatorias exponenciales, representad el diagrama de transicin entre estados.
3. En un centro de clculo llegan clientes, segn un proceso de Poisson, con tasa de cinco
clientes/hora. Sabiendo que stos consumen un tiempo de procesador aleatorio con distribu-
FUOC PID_00160517
56
cin exponencial de unos diez minutos como media y que la disciplina de atencin es FIFO,
se pide:
a) Cul es el nmero medio de clientes en el sistema y el nmero medio de clientes a los
que se estn sirviendo?
b) Si en la sala de espera hay cuatro sillas, cul es la probabilidad de que un usuario que
llega tenga que esperarse de pie?
c) Calculad el tiempo medio total de estancia en el centro de un usuario.
57
FUOC PID_00160517
Solucionario
1. Los trabajos llegan a la impresora con una tasa de llegadas de:
F(t) = P( t) = 1 et = 1 e0,6t
La media:
m E t
1
1
1,67 segundo
0,6
6
1
c 7
1
Wq W 30 12 18 min.
W Wq
L = W = 1/2 30 = 15 clientes
e) Anlogamente:
Lq = Wq = 1/2 18 = 9 clientes
f) El diagrama de transicin entre estados:
3. Podemos aplicar al modelo de este proceso un modelo M/M/1 con una tasa de llegadas
= 5 clientes/hora y una tasa de servicio = 6 clientes/hora.
58
FUOC PID_00160517
5
1
6
5 clientes
1 6 5
5
clientes
b) Para que un cliente tenga que esperarse de pie, es necesario que en la sala haya ms de
cuatro clientes esperando; entonces:
P Lq 4 1 P Lq 4 1
1 1
1 n
n0
1
5
0,4
L 5
1 hora
5
Glosario
bloqueo m Estado de un sistema donde todos los servidores estn ocupados.
cadena de Markov f Secuencia de variables aleatorias en la que su comportamiento futuro
no depende del pasado, slo del estado presente.
canal de servicio m Sistema que sirve a las unidades o clientes.
cliente m Unidad que llega al sistema para realizar algn servicio.
congestin f Vese bloqueo
cola m Nmero de clientes que esperan ser atendidos.
disciplina de generacin f Estadstica de los tiempos de llegada de las unidades de datos.
disciplina de servicio f Estadstica del tiempo que se tarda en servir las unidades en un
sistema de colas.
ecuaci de Chapman-Kolmogorov f Relacin entre las probabilidades de transicin de
los estados de un proceso.
ecuacin de futuro f Vese ecuacin de Chapman-Kolmogorov
Erlang m El tiempo que un recurso est ocupado durante la hora cargada.
Erlang B m Modelo de colas exponencial con un nmero limitado de servidores y con prdidas.
Erlang C m Sistema con un nmero finito de servidores y con una cola infinita.
factor de utilizacin m Probabilidad de que el servidor est ocupado.
frmula de Little f Expresin que nos relaciona los tiempos medios de permanencia en la
cola con el nmero medio de unidades que hay en el sistema.
FUOC PID_00160517
59
FUOC PID_00160517
Anexo
60
FUOC PID_00160517
61
FUOC PID_00160517
62
FUOC PID_00160517
63
FUOC PID_00160517
64
FUOC PID_00160517
65
FUOC PID_00160517
66
Bibliografa
Allen, A. O. (1990). Probability, Statistics, and Queueing Theory with Computer Science Applications (2. ed.). Boston: Academic Press.
Gross, D.; Shortle, J. F.; Thompson, J. M.; Harris, C. M. (2008). Fundamentals of queueing theory (4. ed.). Nueva York: John Wiley and Sons.
Hock, C. (1996). Queueing Modelling Fundamentals. Nueva York: John Wiley and Sons.
Len-Garca, A. (2008). Probability and Random Processes for Electrical Engineering (3. ed.).
Upper Saddle River: Prentice Hall.
Pazos, J. J.; Surez, A.; Daz, R. (2003). Teora de colas y simulacin de eventos discretos. Madrid: Pearson Educacin.
Stallings, W. (2004). Redes e Internet de alta velocidad. Rendimiento y calidad de servicio (2.
ed.). Madrid: Pearson Prentice Hall.