Documente Academic
Documente Profesional
Documente Cultură
n
: tasa media de llegadas de nuevos clientes cuando hay n
clientes en el sistema.
n
: tasa media de servicio para todo el sistema cuando hay n
clientes en el sistema.
, , y : cuando
n
es constante para todo n, se denota por .
Cuando
n
es constante para n1, se denota por . es el factor de
utilizacin del sistema, y est dado por = /(s )
Distribucin de
tiempos de
Nmero de
servidores
Observacin: Al iniciar su operacin el sistema se encuentra bastante afectado por el
estado inicial (Nmero de clientes en el sistema), y el tiempo que ha transcurrido desde
el inicio, por lo cual se dice que "el sistema se encuentra en condicin transitoria".
Despus de pasado un tiempo el estado del sistema se vuelve independiente del estado
inicial (estado estable) y del tiempo transcurrido, por lo que se dice que el sistema ha
alcanzado su "Condicin de estado estable, en la que la distribucin del estado del
sistema se hace estacionaria a travs del tiempo.
Notacin: En la Condicin de Estado Estable, se tiene que:
P
n
: Probabilidad de que haya exactamente n clientes en el sistema.
L : Nmero esperado de clientes en el sistema.
L
q
: longitud esperada de la cola (excluye los clientes que estn en
servicio.
W : Tiempo de espera en el sistema (incluye el tiempo de servicio) para
cada cliente.
W : E[W].
W
q
: Tiempo de espera en la cola (excluye tiempo de servicio) para cada
cliente.
W
q
: E[W
q
].
Propiedades: Sea
n
= , para toda n, entonces para el estado estable se
tiene:
i) L
= W
ii) L
q
= W
q
Nota:
1) Si los
n
no son iguales, entonces puede ser sustituido por (la tasa
promedio entre llegadas, a la larga).
2) Si el tiempo de servicio es una constante 1/ , para todo n 1. Se tiene
entonces que:
W = W
q
+ 1/
Comentario: Estas relaciones permiten calcular L, W, L
q
, y W
q
, obteniendo solo una
de ellas en forma analtica; sin resolver totalmente el modelo de colas.
La Distribucin Exponencial.
Esta es la distribucin ms importante en la teora de colas, pues es lo
suficientemente realista y sencilla para que el modelo proporcione
predicciones razonables y sea matemticamente manejable. Su definicin
es:
Sea T una variable aleatoria (que representa ya sea los tiempos entre
llegadas o los tiempos de servicio), se dice que tiene una distribucin
exponencial con parmetro , si su funcin de densidad de probabilidad es:
f t
e para t
para t
T
t
( )
,
=
<
0
0 0
y las probabilidades acumuladas son:
P T t e
t
P T t e
t
t
{ }
( )
{ }
=
> =
1
0
As:
E[T] = 1/,
Var[T] = 1/
2
Propiedades:
a) f t
T
( ) es una funcin estrictamente decreciente de t (t 0).
f t
T
( )
_
0 E[T]=1/ t
Por lo tanto, no slo es posible si no tambin relativamente probable que T
tome un valor pequeo cercano a cero. De hecho;
P{ 0 T 1/ } = 0.393
P{ 1/ T 3/2 1/ } = 0.383
de manera que es ms probable que T sea menor que la mitad de E[T].
b) Falta de memoria, es decir P{T > t + t / T > t } = P{ T > t }, para
cualesquiera t y t positivos. Es decir la distribucin de probabilidad del
tiempo que falta hasta que ocurra un evento siempre es la misma.
c) El mnimo de varias variables aleatorias exponenciales independientes
tiene una distribucin exponencial.
d) Si el tiempo entre dos ocurrencias sucesivas de un evento tiene una
distribucin exponencial con parmetro , entonces X(t), el nmero de
veces que ocurre tal evento en un periodo (o,t) , tiene una distribucin
Poisson con parmetro t. Es decir:
{ } P X t n
t e
n
para n
n t
( )
( )
!
, , , ,..., = = =
0 1 2
con: E[{X(t)}] = t (la media de la Poisson)
As se dice que es el parmetro de la Poisson, y es la tasa media o
nmero de eventos por unidad de tiempo.
Nota: algunas veces se dice que las llegadas ocurren aleatoriamente y esto
significa que suceden de acuerdo a un proceso de entradas Poisson.
e) Para todos los valores positivos de t, P{T t + t / T > t } t, con
t pequeo.
f) La agregacin o desagregacin no produce efectos sobre el tipo de
distribucin.
Proceso de Nacimiento y Muerte.
En la teora de colas nacimiento se refiere a la "llegada" de un nuevo
cliente al sistema de colas y el termino muerte se refiere a la "salida" del
cliente una vez servido. El estado del sistema en el tiempo t (t 0),
denotado por N(t), es el nmero de clientes en el sistema de colas en el
tiempo t. El proceso de Nacimiento y Muerte describe en trminos
probabilsticos como cambia N(t) al aumentar t.
Las suposiciones de este proceso son:
1) Dado N(t) = n, la distribucin de probabilidad actual del tiempo
que falta al prximo nacimiento es Exponencial con parmetro
n
, (nN).
2) Dado N(t) = n, la distribucin de probabilidad actual del tiempo
que falta a la prxima muerte es Exponencial con parmetro
n
, (nN).
3) Las variables que denotan el tiempo hasta el prximo nacimiento
(supuesto 1) y el tiempo hasta la siguiente muerte (supuesto 2) son
mutuamente independientes.
Nota: de los supuestos anteriores se tiene que el proceso de Nacimiento y
Muerte es un tipo especial de cadena de Markov de tiempo continuo, cuyo
diagrama est dado por:
0
1
2
n-2
n-1
n
Estado 0 1 2 3 n-2 n-1 n n+1 . . .
1
2
3
n-1
n
n+1
Las flechas muestran las nicas transiciones posibles en el estado del
sistema, y el elemento junto a la flecha da la tasa media para esa transicin.
Principio: En el rgimen (estado estable) La tasa de entrada es igual a la
tasa de salida. Por lo que deben cumplirse las siguientes ecuaciones
llamadas de balance:
Ecuaciones de balance
Estado Tasa de entrada = Tasa de salida
0
1
2
.
.
.
n-1
n
.
.
1
p
1
=
0
p
0
0
p
0
+
2
p
2
=(
1
+
1
)p
1
1
p
1
+
3
p
3
=(
2
+
2
)p
2
.
.
.
n-2
p
n-2
+
n
p
n
=(
n-1
+
n-1
)p
n-1
n-1
p
n-1
+
n+1
p
n+1
=(
n
+
n
)p
n
.
.
El procedimiento para resolver estas ecuaciones es despejar todas las
variables en trminos de una de ellas (por ejemplo p
0
) y luego ir evaluando
mediante reemplazo. De esta forma se tiene:
Estado
M M M M M
L
L
L
L
M M M M M
0
1 1
0 1
1
1 1
1 1
1
0
1 1
0 2 1
1
1
2 2 1 1 1
1
0
1 2 3
0 1 2
2
3
2
1 1 2 2
3
2
3
2
3
0
1 2
0
1
2
0 0 1 1
2
1
2
1
2
0
1
0
1
) (
1
:
) (
1
: 1
) (
1
: 2
1 1
) (
1
: 1
: 0
p p p p p p n
p p p p p p n
p p p p p p
p p p p p p
p p
n n
n n
n
n
n
n n n n
n
n
n
n
n
n n
n n
n
n
n
n n n n
n
n
n
n
n
+
+ +
+
= = + =
= = + =
= = + =
= = + =
= = =
Para simplificar la notacin, sea:
C para n
n
n n
n n
= =
1 2 1 0
1 2 1
1 2
....
....
, , ,...,
con C
0
=1
y luego: p
n
= C
n
*p
0
para n=0,1,2,
Como p se tiene que C p y p C
n
n
n
n
n
n
=
|
\
| = =
|
\
|
=
1 1
0 0
0 0
0
1
Y luego:
L np L n s p y p
n
n
q n
n
n n
n
= = =
=
0 0 0
( )
Adems: W = L/ y W
q
= L
q
/
Observacin: lo anterior es vlido ssi
n
y
n
poseen valores tales que el
proceso pueda alcanzar el estado estable. Esto se cumple si
n
=0 para algn
valor de n mayor que el inicial, o bien que y estn definidas y
=/(s)<1. Mientras que no se cumple si la suma de los C
n
es
indeterminada.
Modelos Basados en el Proceso de Nacimiento y Muerte.
Modelo M/M/s:
Este es un caso especial del proceso de nacimiento y muerte,
cuando la tasa media de llegadas y la tasa media de servicio por servidor
ocupado son constantes ( y respectivamente) e independientes del
estado del sistema.
(a) Un Servidor (s=1): Aqu se tiene
n
= (n=0,1,2,) y
n
=
(n=1,2,.)
Estado 0 1 2 3 n-2 n-1 n n+1 . . .
As:
C para n
por lo tanto P p para n
con P
y asi P para n
y en con uencia
L n y L n P
n
n
n
n
n
n
n
n
n
q n
n
=
|
\
| = =
= =
=
= =
= =
= =
0 1 2
0 1 2
1
1 0 1 2
1 1
0
0
0 1
2
, , ,...
, , ,....
( ) , , ,...
sec
( ) ( )
( )
Si la cola "explota" y la solucin anterior no sirve.
Observacin: Si suponemos que < , se puede derivar la "distribucin de
probabilidad del tiempo de espera (incluyendo servicio) W para una llegada
aleatoria con disciplina FIFO.
Sean T
1
, T
2
,. Las variables aleatorias, independientes, de los tiempos de
servicio que tienen distribucin exponencial con parmetro , y sea:
S
n+1
= T
1
+ T
2
+ +. . . . T
n+1
, para n=0,1,2,.
Luego S
n+1
representa el tiempo de espera "condicional", dado que hay n
clientes en el sistema. As S
n+1
tiene distribucin Erlang, y se concluye que:
P{W > t} = P
n
P{S
n+1
> t }
o equivalentemente:
P{W > t} = e
-(1-) t
, para t 0
Luego W tiene una distribucin exponencial con parmetro (1-), y
entonces:
W = E[W]= 1/(-)
y anlogamente P{W
q
= 0}= P
0
= 1-
P{W
q
> t}= e
-(1-) t
, para t 0
W
q
= E[W
q
] = / ( - ).
(b) Mas de un Servidor (s > 1): Aqu se tiene
n
= (n=0,1,2,) y
n
n para n S
S para n s s
=
=
= +
1 2
1
, ,..., .
, ,....
Estado 0 1 2 3 S-2 S-1 S S+1 . . .
2 3 (s-1) s s s
Cuando la tasa media de servicio por servidor ocupado es , la tasa media
de servicio global para n servidores ocupados debe ser n.
Nota: Cuando la tasa media de servicio mxima S excede a la tasa media
de llegadas , es decir =/(S) < 1, entonces el sistema de colas tarde o
temprano alcanzar la condicin de estado estable, y pueden aplicarse los
resultados del proceso de nacimiento y muerte.
As:
C
n
para n S
S S S S
para n S S
n
n
S
n S
n
n S
=
|
\
|
=
|
\
|
|
\
| =
|
\
|
= +
!
, ,...,
! !
, ,....
1 2
1
En consecuencia, si < S, (luego = /(S) < 1 ), y entonces:
P
n S
S
n S
n
S
0
0
1
1
1
1
=
|
\
|
+
|
\
|
\
(
(
(
(
=
! !
con lo que obtenemos:
( )
P
n
P si n S
S S
P si n S
L
P
S
W
L
W W
L W L
n
n
n
n S
q
S
q
q
q
q q
|
\
|
|
\
=
|
\
= = +
= +
|
\
| = +
!
!
!
0
0
2
0
1
1
1
Nota: La distribucin de probabilidad de los tiempos de espera se obtiene
extendiendo lo realizado para el caso de un solo servidor.
Ejemplo: La sala de emergencia del Hospital proporciona cuidados mdicos rpidos a
los casos de emergencia que llegan en ambulancia o vehculos particulares. En cualquier
momento se cuenta con un doctor de guardia. No obstante, a causa de la creciente
tendencia a usar estas instalaciones para casos de emergencia en lugar de ir a una clnica
privada, el hospital ha venido experimentando un aumento continuo en el nmero de
pacientes anuales que llegan a la sala de emergencia. Como resultado, es bastante
comn que los pacientes que llegan durante las horas pick (temprano en la tarde) tengan
que esperar turno para recibir el tratamiento del doctor. Por esto, se ha hecho una
propuesta para asignar un segundo doctor a la sala de emergencia durante esas horas
pick, para que se puedan atender dos casos de emergencia al mismo tiempo. Se ha
pedido al ingeniero administrador del hospital que estudie esta posibilidad. El ingeniero
reconoci que la sala de emergencias es una lnea de espera y aplic varios modelos,
como ser:
a) Aplicacin M/M/s: El ingeniero ha concluido que los casos de emergencia llegan
casi de manera aleatoria (proceso de entrada Poisson), por lo que los tiempos entre
llegadas tienen distribucin exponencial. Tambin llego a la conclusin de que el
tiempo que necesita el doctor para atender a los pacientes sigue aproximadamente una
distribucin exponencial. As seleccion M/M/s para un estudio preliminar.
Al proyectar los datos disponibles del turno de la tarde, estim que los pacientes
llegarn a una tasa promedio de uno cada media hora. Un doctor requiere un promedio
de 20 minutos para atender un paciente. Luego, si se usa una hora como unidad de
tiempo:
1/ = 1/2 horas por cliente
1/ = 1/3 horas por cliente
luego:
= 2 clientes por hora
= 3 Clientes por hora.
Y se debe considerar las alternativas de uno y dos doctores (S=1 y S=2). En ambos
casos < 1, por lo tanto son vlidas las formulas obtenidas. As:
Resultados de estado estable M/M/s
Parmetro S = 1 S = 2
2/3 1/3
P
0
1/3 1/2
P
1
2/9 1/3
P
n
para n 2 1/3 (2/3)
n
(1/3)
n
L
q
4/3 1/12
L 2 3/4
W
q
2/3 1/24 (en horas)
W 1 3/8 (en horas)
P{W
q
> 0 }
0.667 0.167
P{W
q
> 1/2 }
0.404 0.022
P{W
q
> 1 }
0.245 0.003
P{W
q
> t } 2/3 e
-t
1/6 e
-4t
P{W > t } e
-t
1/2 e
-3t
(3- e
-t
)
Variacin de cola finita al modelo M/M/S (Llamado M/M/S/K )
Este es el caso de un M/M/S con el adicional de que no se permite que la
cola exceda de k entidades, por lo que cualquier cliente que llegue cuando
la "cola est llena" se le niega la entrada al sistema, y el cliente se retira
para siempre. Por lo que la tasa de arribo se hace cero en esas condiciones.
Luego:
n
para n k
para n k
=
=
0 1 2 1
0
, , ,...,
(Caso S=1):
( )
C
para n k
para n k
luego si
P
P para n k
L
k
L L P
W
L
W
L
con P
n
n
n
k
n k
n
k
k q
q
q
k
|
\
| = =
>
=
=
=
= = =
+
+
+
+
, , , ,...,
, , ,...,
( )
( )
0 1 2
0
1
1
1
1
1
0 1 2
1
1
1
1
1
0 1
1
1
1 0
Caso de varios servidores ( s > 1 ): Como este modelo no permite ms de k clientes en
el sistema, k es el mximo de servidores que pueden existir. Suponga que s k. As:
>
+ =
|
\
|
=
|
|
\
|
|
\
|
=
|
\
|
=
k n para
k s s n para
s s s s
s n para
n
C
s n
n
s n
s
n
n
0
, ,... 1 ,
! !
, ,... 2 , 1 , 0
!
As:
>
+ =
|
\
|
=
|
\
|
=
k n para
k s s n para p
s s
s n para p
n
p
s n
n
n
n
0
, ,... 1 ,
!
, ,... 2 , 1 , 0
!
0
0
Con,
(
(
(
(
|
|
\
|
|
\
|
+
|
\
|
=
= + =
s
n
k
s n
s n
s n
s s n
p
0 1
0
! !
1
Obteniendo:
[ ]
s
con s k
s
p
L
s k s k
s
q
=
\
|
=
) 1 ( ) ( 1
) 1 ( !
2
0
Tarea: Demostrar que |
\
|
+ + =
=
=
1
0
1
0
1
s
n
n
s
n
q n
p s L np L
Donde W y W
q
se obtienen a partir de L y L
q
.
Observacin: Como
n
=0 para todo n k, el sistema no puede seguir creciendo
indefinidamente aunque 1. Luego siempre alcanza el estado estable.
Modelo M/M/s, con fuente de entrada finita:
En el M/M/s, supongamos que el tamao de la poblacin potencial es finito ( N ). Luego
cuando el nmero de clientes en el sistema es n existen solo N-n clientes que pueden
llegar. Por ejemplo el caso de reparacin de N mquinas por un grupo de tcnicos.
a) Caso un servidor S = 1
,.... 4 , 3 , 2 , 1
0
..., 2 , 1 , 0 ) (
= =
=
= n para
N n para
N n para n N
n n
>
|
|
\
|
=
|
|
\
|
+
=
N n para
N n para
n N
N
n N N N
C
n n
n
0
)! (
!
) 1 )...( 1 (
Entonces:
( )
( )
) 1 ( ) 1 (
; ,..., 2 , 1
)! (
!
0
1
0
)! (
!
1
0
0
p N p n L
N n si p
n N
N
p
p
N
n
n q
n
n
n N
N
N
n
n
+
= =
=
=
(
y as:
=
= =
= = =
0
0
) (
) 1 (
n
n n
q
q
L N p con
L
W
L
W p N L
b) Caso mltiples servidores ( s > 1 )
+ =
=
=
=
=
,... 1 ,
,..., 2 , 1
0
..., 2 , 1 , 0 ) (
s s n para s
s n para n
N n para
N n para n N
n n
N (N-1) (N-n+2) (N-n+1) +1
0 1 2 S-2 S-1 S N-1 N
2 (s-1) s s s
As:
>
+ =
|
|
\
|
=
|
|
\
|
N n para
N s s n para
s s n N
N
s n para
n n N
N
C
n
s n
n
n
0
, ,... 1 ,
! )! (
!
, ,... 2 , 1 , 0
! )! (
!
As:
>
+ =
|
|
\
|
=
|
|
\
|
N n para
N s s n para p
s s n N
N
s n para p
n n N
N
p
n
s n
n
n
0
, ,... 1 ,
! )! (
!
, ,... 2 , 1 , 0
! )! (
!
0
0
de donde se tiene:
(
(
|
|
\
|
+
|
|
\
|
=
=
=
N
s n
n
s n
s
n
n
s s n N
N
n n N
N
p
! )! (
!
! )! (
!
1
0 1
0
y por ultimo:
=
= =
|
\
|
+ + = =
1
0
1
0
1 ) (
s
n
s
n
n q n
N
s n
n q
p s L np L p s n L
Con lo que puede obtenerse W y W
q
.
Modelo Con Tasas De Servicio Y/O Tasas De Llegadas Dependientes Del Estado
Del Sistema
En los modelos anteriores se supone que la tasa media de servicio por canal es siempre
constante, sin importar cuantos clientes se encuentran en el sistema. Sin embargo,
cuando se tiene una gran cantidad de trabajo atrasado (cola larga) es normal que el
servidor tienda a trabajar ms rpido.
Tasa de servicio dinmica: Supongamos un servidor (Caso s=1).Se tiene el siguiente
modelo de canal de servicio:
n
= n
c
1 . . . (1)
donde:
n = nmero de clientes en el sistema.
n
= tasa media de servicio cuando existen n clientes, en el sistema.
1
1
y luego todos los resultados para el estado estable obtenidos en el caso M/M/1, son
aplicables a este modelo.
Observaciones:
1.- Si c > 0 siempre es posible alcanzar la condicin de estado estable.
2.- Las sumatorias involucradas no poseen expresin analtica (resultado), pero
existen tablas con valores casi exactos para p
0
y L, para varios valores de c y /
1
obtenidas mediante la suma parcial de la serie en una computadora.
Tasa de llegadas dinmica (s=1): El sistema reacciona a una cola larga con una
disminucin en la tasa de llegadas ( si por ejemplo se van a otra instalacin). Para este
caso la tasa media de llegadas asume la expresin:
n
= (n+1)
-b
0
, donde b es una
constante cuya interpretacin es anloga a la de c, y se tiene:
( )
( )
...... 3 , 2 , 1
!
0
= = n para
n
C
b
n
n
y los resultados de estado estable son los mismos.
Ambas tasas dinmicas (s=1): En este caso se combinan ambos anteriores. Es decir:
n
= n
c
1
... n = 1,2,...
n
= (n+1)
-b
0
.. n = 0,1,2,...
y se tiene :
( )
( )
...... 3 , 2 , 1
!
1
0
= =
+
n para
n
C
b c
n
n
y los resultados de estado estable, que se encuentran tabulados, se pueden aplicar.
Casos s > 1: La generalizacin de este modelo combinado considera que
n
y
n
varan
con n/s, el nmero de clientes en el sistema por el nmero de servidores. Entonces:
\
|
\
|
+
=
s n para s
s
n
s n para n
s n para
n
s
s n para
c
n
b
n
1
1
0
0
1
1
1
0 0 0 0
0
1
b
s
s
|
\
|
+
0
b
n
s
|
\
|
0
1
b
n
s
|
\
|
+
0 1 2 s-2 s-1 s n-1 n . . . .
1 21 (s-1)1 s1
1
1
s
s
s
c
|
\
| +
1
2
s
s
s
c
|
\
| +
1
s
s
n
c
|
\
|
As:
( )
( )
+ =
=
=
+ +
,...,.. 1 ,
) ( !
. ,..., , 1 , 0
!
) )( 1 (
!
!
1
0
1
0
s s n para
s s
s n para
n
C
s n b c b c
s
n
n
n
n
p
0
, L
q
, y L, han sido calculados computacionalmente para distintos valores de c+b,
(
0
/
1
), y de