Little (Version Final)

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
“ANTONIO JOSÉ DE SUCRE”

VICE-RECTORADO “LUIS CABALLERO MEJIAS”
DIRECCIÓN DE INVESTIGACIÓN Y POST GRADO
Asignatura: Teorías de Cola
ECUACIONES DE FLUJO DE JHON. D. C. LITTLE,

L  W
SUS APLICACIONES Y VENTAJAS
INTEGRANTES:
 Ing. Braulio Arteaga
 Lic. José Iván García
 Ing. Laura Herrera
Julio 2003
0
ÍNDICE GENERAL
Pag.
INTRODUCCIÓN ……………………………………………………………………..02
I. LA FÓRMULA DE LITTLE. DEMOSTRACIÓN…………………………………..04
II. . PROBLEMA DE APLICACIÓN DE LA ECUACIÓN DE LITTLE…………….11
III. SIMULACIÓN. DEMOSTRACIÓN DE LA FÓRMULA DE LITTLE………….16
IV. CONCLUSIONES………………………………………………………………….28
GLOSARIO……………………………………………………………………………..29
BIBLIOGRAFÍA………………………………………………………………………..30
1
INTRODUCCIÓN
El presente trabajo tiene por finalidad demostrar la Ecuación de Flujo de Jhon D.
C. Litlle, sus aplicaciones y ventajas. La ecuación de Flujo de Little data desde el año
de 1.961, cuando el matemático Jhon Little presentó un artículo donde se detallaba la
teoría de variables aleatorias, las cuales comenzaron a generarse cuando Galileo
(1.564-1.642) reflexionó científicamente sobre el juego de azar muy común en la época:
el pasadiez. Y continuaron Laplace (1.749-1.827), Gauss (1.777-1.855), Fisher (1.890-
1962) y muchos otros matemáticos.
En la literatura se conoce como la Ley de Little la vinculación algebraica entre los
promedios de las variables aleatorias. Esta relación de tan expresivo significado, posee
un rango de aplicaciones impresionante, se adapta a casi cualquier situación en donde
los conceptos de tasa o caudal de ingreso y población transitoria generada en
consecuencia resulten adecuados para la descripción de un problema.
Existen un conjunto de problemas que aparecen con frecuencia en el ámbito de
la administración pública, y también en varias situaciones abstractas, vinculadas con la
teoría de probabilidades, con las estadísticas matemáticas y con la investigación de
operaciones. Si bien aparentan estar bastante desconectados entre sí, en realidad
responde a aun mismo esquema, y tiene una característica común: todo se resuelve
con una simple cuenta de multiplicar contenida en la ecuación que responde al nombre
de Ley de Little.
2
En el presente trabajo se efectúa la deducción matemática de la fórmula de Little,
se desarrolla un problema para dar entender el alcance de su utilidad en situaciones
prácticas, y se finaliza mediante la simulación de varias situaciones de líneas de
espera con la finalidad de demostrar la validez de la precitada fórmula.
3
I. LA FÓRMULA DE LITTLE, L  W
La fórmula de Little, explica que en un sistema de colas, con tasa promedio de
llegada λ y tiempo promedio de espera en el sistema E(T), tiene una longitud promedio
de la cola E(n), dada por la siguiente expresión
E ( n)  E (T ) (1)
Básicamente, la Ley de Little puede plantearse como sigue, con el auxilio del
siguiente diagrama
 E(n)
E(T)
Fig.1
La figura 1 muestra a ciertas unidades, de cualquier naturaleza, ingresando a un
ámbito abstracto bien definido, con una “tasa neta de llegada o efectiva”  (magnitud
aleatoria que registra las entidades ingresantes sobre la unidad de tiempo, que en el
caso general varía con el tiempo). El tiempo promedio de espera durante el tránsito de
las unidades, es E (T). Mientras que en cada instante t, en el ámbito hay E (n)
entidades.
Es decir la fórmula Little, llamada así, en honor a su teorizador Jhon DC Little,
matemático norteamericano que en 1961 presentó un artículo examinando
4
detalladamente el tema, es una expresión que vincula algebraicamente los valores
medios o promedios de los parámetros nombrados.
Esta relación, posee un rango de aplicaciones impresionante: se adapta a todo
sistema de colas, independientemente del proceso de llegada y de servicio e incluso de
la disciplina.
Nótese que en la figura 1 se ha utilizado el parámetro  en lugar del parámetro 
utilizado en la formula (1). Esto es así, ya que no todas las llegadas se unen al sistema,
hay casos, por ejemplo, donde se alcanza la máxima longitud permisible de la cola y no
se permite que ninguna llegada nueva se una a la fila. Así,  es quien realmente
representa la tasa neta de llegadas (o tasa efectiva) y el parámetro que se debería
haber utilizado en la formula (1), En tal sentido la relación entre ambos parámetros ( 
e  ) esta dada por
 =  ( 1- PN )
donde Pn es la probabilidad que se pierda un cliente
Sin embargo, para la demostración de la fórmula de little, se empleará el parámetro
 interpretado como la tasa de llagada coincidente con el rendimiento  , considerando
que los usuarios que son rechazados no contribuyen a los retardos en el sistema.
5
DEMOSTRACION DE LA FORMULA DE LITTLE, L  W
Considérese un sistema de colas como el mostrado en la figura 2.
Sección Sección
A (t)
de de
espera servicio
B (t)
Fig.2
Para simplificar la demostración hagamos unas consideraciones iniciales.
Suponga que:
 El sistema se refiere solo a los clientes (unidades) en la cola. Es decir, a los
clientes en la sección de espera, más no, a los que están en servicio.
 Las unidades que entran al sistema salen de el, sin que se pierdan consultas en
el camino. Es decir, todo el que entra pasa a ser atendido.
 La política de servicio es FCFS (primero al entrar, primero en salir). Aunque el
resultado es consistente indiferentemente de la política de servicio y de los
procesos de llegadas y salidas.
Así,
A(t): representa las llegadas acumuladas en la cola en el tiempo t.
B(t): representa las salidas acumuladas que entran en el servicio luego de la espera.
Donde, L(t) = A(t) – B(t) , representa el numero de clientes(unidades) que esperan en
el sistema en el tiempo t.
6
Si los clientes (unidades) llegan en los tiempos tj , para j=1,2,... entonces la curva A(t),
representa el número acumulado de dichos tiempos de llegadas. Con cada llegada,
A(t) se incrementa en uno.
La figura 3 muestra un estado representativo de la función A (t)
6 W6
A(t) Fig.3
5 W5
Por otro
4
W4 lado, los
3
W2 W3 B(t)
tiempos de
2
partida de los
1
clientes
t
LLEGADAS t1 t2 t3 t4 t5 t6 (Tiempo) (unidades)
/
hacia la
SALIDAS t1' t2' t3 ' t4 ' t5 ' t6 '
estación de
servicio, aumentarán de manera monótona. Esto es, t1' < t2'< t3'< ... (se supuso
inicialmente la política de servicio FCFS.) Estos tiempos están representados en la
figura 3, del mismo modo que la correspondiente curva de acumulación de salidas B
(t). El gráfico 3, también muestra que si el sistema esta vacío, las salidas coinciden con
las llegadas, e indica el tiempo que cada usuario pasa entre llegada y salida en el
sistema a través de Wj .
Definido el sistema junto a sus parámetros, veamos como una serie de relaciones
entre si conllevan a la fórmula de Little.
7
Considere el intervalo de tiempo (0,  ).
Llamando n(  ) = A(  ) – A(0) , al número de llegadas en el intervalo  , se tiene que
“la tasa media de llegadas,  (  ), en el intervalo (0,  )” será:
n  
    (2)

El área sombreada de la figura 3, (área entre las funciones A(t) y B(t) ) esta dada
por
 L t dt
0
( L(t) = A(t) – B(t) ) , en (0,  )
 n 
De donde,  L t dt   W j
0 j 1
(3)
(el área esta formada por la suma de rectángulos unitarios de anchura Wj , y es claro
que representa el tiempo acumulado en el sistema, durante ese intervalo)
Luego, el “tiempo promedio de espera en el intervalo (0,  ) “ es

n 
W j
W   
j 1
n  
( n(  ) es el número de llegadas en el intervalo (0,  ) )
de donde,
n 
 W  W    n  
j 1
j
(4)
Como L(t) representa el numero de usuarios en t, entonces “el número promedio
de usuarios del sistema en el intervalo (0,  )” esta dado por


 L t  dt
L  t  dt  0
8
de donde,
 L t  dt  L t  (5)
Finalmente, sustituyendo las ecuaciones (4) y (5) en la igualdad (3), se obtiene
W    n    L  t 
y recurriendo a la ecuación (2) de al definición de la tasa de llegada λ(τ) se tiene
L        W    (6)
La anterior es la fórmula de Little derivada para el caso especial de política de
servicio FCFS y sobre un intervalo finito (0,  )

Supongamos ahora que   y que todas las cantidades de interés se aproximan
hacia límites definidos:
W    W
    
L    L
Entonces se obtiene la fórmula de Little
L  W (7)
equivalente a la ecuación (1) descrita al principio, donde
L es el numero promedio de clientes(unidades) en el sistema de colas
W es promedio de espera y
 es la velocidad o tasa de llegada.
Por último, se demuestra que W

j
j depende solo de la suma de los tiempos de
salidas y no de la diferencia tj´ – tj .
Esto es claro cuando se considera
9
  t   t
n  n   n  n  
W
j 1
j
j 1
´
j
 t´ j
j 1
´
j
  t´ j
j 1
Es decir, aunque los tiempos individuales de partidas pueden depender de la política de
servicio, la fórmula Little es válida para cualquier política.
10
II. PROBLEMA DE APLICACIÓN DE LA ECUACIÓN DE FLUJO DE JHON D.C.
LITTLE
Considere una máquina XEROX ubicada en la sala de servicios de la biblioteca
de la unidad de Investigación y Post-grado de la UNEXPO. Suponga que los usuarios
llegan junto a la máquina y se forman en una sola fila. Cada uno llega a la máquina
para realizar una tarea específica cuando le corresponde su turno. Este sistema se
llama línea de espera con un solo servidor. Las preguntas que se pueden hacer en
relación con este sistema de línea de espera gira en torna a cuatro aspectos:
1. ¿Cantidad de personas en el sistema?.
2. ¿Número de personas en la fila (cola)?
3. ¿Tiempo de permanencia espera en el sistema?
4. ¿Tiempo de espera en la fila (cola)?
El proceso de llegadas se supone de Poisson, que corresponde a un tiempo entre
llegadas de tipo exponencial. Se supone que el proceso de llegada es de Poisson, con
una tasa promedio de llegada de  = 0,05 clientes/minuto y un tiempo de servicio
exponencial con valor promedio de 10 minutos. Por lo tanto: =
La tasa media de llegada = 1/  = 1/0.05minutos = 20 minutos
La tasa de servicio es  =1/10 = 0,10 clientes/minuto
No hay límite entre el número de tareas (clientes) que pueden esperar en la cola
(la línea es infinita).
11
Se cumple que , lo que implica que el número de personas en la línea no
debe aumentar sin límite.
Las tareas son atendidas en base que el primero que llega, es el primero en ser
atendido.

Sabiendo que la cantidad esperada de personas en el sistema (Ls): Ls    
0.05
 Ls   Ls = 1
0.10  0.05
2
Cantidad de personas esperadas en la línea de espera (Lq): Ls 
 (   )
(0.05) 2
Lq   Lq = 0.5
0.10(0.10  0.05)
El tiempo promedio que tarda una persona desde que entra al sistema hasta que
1 1
sale de el es (Ws): Ws     Ws   Ws = 20 minutos
0.10  0.05

Tiempo promedio que tarda una persona en la cola (Wq): Wq  
 (   )
0.05
Wq   Wq = 10 minutos
0.10(0.10  0.05)
 0.05
Probabilidad de que el sistema esté vacío (Po): Po = 1    Po  1   Po  0.5
0.10
Cuando se ha adquirido un estado estacionario vale la probabilidad de que se
observe una cierta cantidad de personas en el sistema, no dependen del momento en
que se cuenten.
12
Cuando se ha alcanzado el estado estacionario, la probabilidad de que hayan
dos personas usando o esperando la máquina Xerox será la misma a las 2.30 P.M. que
a las 4:00 P.M.
Interpretación de los resultados en un estado estacionario :
 El sistema estará vacío con una probabilidad de un medio ( Po = 0.5).
 Habrá un promedio de 0.5 personas en la línea de espera (Lq = 0.5)
 En promedio, una llegada debe esperar 10 minutos antes de comenzar a usar la
maquina (Wq = 10 minutos).
 En promedio, una llegada permanecerá 20 minutos dentro del sistema (Ws = 20
minutos).
Debido a que  = 0.05 clientes (tareas)/minuto, en promedio llegarán cinco
centésimas de tareas cada minuto. Durante 8 horas del día hay 8 x 60 = 480 minutos, lo
que equivale a que lleguen 0.05 x 480 = 24 tareas. De los cálculos anteriores, se sabe
que cada persona permanece 20 minutos en el sistema (Ws=20 minutos), por lo que el
total es (24) llegadas x (20) minutos por llegada = 480 minutos o sea 8 horas es lo que
gasta en este sistema, por lo que se pueden tomar una serie de medidas, como
comprar una máquina nueva con menor tiempo de servicio u otra igual para trabajar en
paralelo.
Aplicando la Ecuación de flujo de Little, tenemos:
13
(1) Ls  Ws Ls ó la cantidad esperada de personas en el sistema, es
igual a  (el promedio de llegadas) multiplicado por Ws que el tiempo promedio que
una persona permanece en el sistema.
Ls  Ws  Ls  0.05 x 20  Ls  1 (número promedio de personas en el sistema).
Para calcular el número de personas en la cola se utiliza una ecuación similar, la cual
se establece de la siguiente manera:
(2) Lq  Wq
Aplicando esta ecuación al problema de Xerox, se obtiene el siguiente resultado:
Lq  Wq Lq  0.05 x10  Lq  0.5
Por otro lado se sabe que el tiempo previsto del sistema = tiempo previsto de espera
en la línea + el tiempo previsto del servicio, por lo que el tiempo del servicio : 1/  ,
colocando en símbolo el resultado general, se obtiene la siguiente ecuación:
(3) Ws  W q  1 /  , aplicando esta ecuación al problema de Xerox, tenemos el
siguiente resultado: Ws = 10 + 1 / 0.01 Ws = 20 minutos “ tiempo previsto
de permanencia del cliente (tarea) en el sistema” ( esta ecuación se cumple para
cualquier modelo de línea de espera que se encuentre en estado estacionario).
Las Ecuaciones 1, 2 y 3 hacen posible calcular las cuatro características de
operación Ls, Lc, Wc y Ws cuando se conoce una de ellas, para demostrar esto, lo
ilustraremos con el problema de Xerox.
 0.05
Ls    1, trabajando con los resultados obtenidos anteriormente por
  0.10  0.05
medio de la ecuación de flujo de Little tenemos:
Ls  Ws , sabiendo que Ls = 1 y  = 0.05 tareas/minuto, obtenemos el valor de
14
W = L /  = 20 minutos
Sustituyendo este resultado en la Ec. 2: Ws  Wq  1 /  tenemos:
Ws = 20 – 1 / 0.1 = 10 minutos
Finalmente demuestra que Lq  Wq = 0.05 x 10 = 0.5.
Es preciso destacar que la utilización de la ecuación de Little es la alternativa
para encontrar resultados numéricos más útil en el análisis de sistemas más
complicados
15
III. SIMULACIÓN. LEY DE LITTLE.
El objetivo que se persigue en este apartado es demostrar, mediante la técnica
de simulación, la existencia de la Ley de Little, es decir que la relación que existe entre
la longitud esperada (número de clientes) en el sistema (Ls) y el tiempo esperado que
permanece una unidad en el sistema (Ws) es igual a la tasa de llegada o de arribo de
los clientes al sistema. Para ello se van a simular varios modelos de cola, cada uno con
características diferentes. Esta demostración se realizará haciendo uso de la
simulación, de manera específica el programa de computación “QUEUING ANALYSIS
(QA)” que forma parte de un programa más amplio denominado WINQSB. Este
programa, el QA, modela y desarrolla sistemas de colas simples y de múltiples
servidores. Para esto hace uso de cuatro elementos fundamentales para el desarrollo
de la teoría de cola: la distribución de llegada de los clientes, la distribución de los
tiempos de servicios, tamaño permitido de la cola y el colector de basura (garbage
colector). Con estos elementos se puede modelar o simular situaciones de cola tanto en
situaciones de manufactura como en servicios.
SITUACIÓN N° 01.
Se refiere al sistema denominado (M/M/1): (FIFO,  ,  ), que indica que el tiempo de
llegada y el de servicio siguen una distribución de probabilidad exponencial, que se
posee un solo servidor y que la disciplina de servicio es que el primero que llega a la
cola es el primero que es atendido. Para la presente situación se asume las siguientes
condiciones:
 Datos: Los clientes llegan al sistema según una distribución de Poisson
con un valor promedio de   2 clientes/minuto. Es decir que el tiempo
16
entre llegada de los clientes es de 0,5 minutos. Se dispone de un servidor, y
el tiempo necesario para atender un cliente sigue una distribución
exponencial con un tiempo esperado de 0,4 minutos, es decir que se espera
atender   2,4 clientes/minuto. Se ha asumido que el máximo número de
clientes permitido en la cola es de 100 personas.
El simulador QA con esos datos, y simulando 3000 minutos de operación aportó los siguientes
resultados:
RESULTADOS
Tiempo de operación (simulación) 3000 minutos
Total de clientes que llegaron al sistema 5993
Número esperado de clientes en el sistema 3,9654
(Ls)
Número promedio de clientes en cola (Lq) 3,1657
Número de clientes atendidos por el servidor 5989
Tiempo promedio del proceso (servidor) 0,4006 minutos
Tiempo de espera promedio en la cola (Wq) 1,5845 minutos
Tiempo de espera en el sistema (Ws) 1,9851 minutos
Del análisis de esos resultados se obtienen la siguiente conclusión:
CONCLUSIÓN
Tasa real de llegada ( real ) = 5993/3000 = 1,9977 clientes/minuto
Tasa real de servicio ( real ) = 1 / 0,4006 = 2,4963 clientes /minuto
17
Relación Ls/Ws = 3,9654/1,9851 = 1,9976 clientes/minuto
Relación Lq/Wq = 3,1657/1,5845 = 1,9979 clientes /minuto
Conclusión: se observa que la relación Ls/Ws y Lq/Wq se aproximan al valor de la
tasa de llegada (tanto el teórico como el real). Por lo tanto se satisface la relación
de LITTLE.
SITUACIÓN N° 02.
Se refiere al sistema denominado (M/M/2): (FIFO,  ,  ), que indica que el
tiempo de llegada y el de servicio siguen una distribución de probabilidad exponencial,
que se posee dos (2) servidores y que la disciplina de servicio es que el primero que
llega a la cola es el primero que es atendido. Para la presente situación se asume las
siguientes condiciones:
entre llegada de los clientes es de 0,5 minutos. Se dispone de dos (2)
servidores, y el tiempo necesario para atender un cliente, en cada uno de
los servidores, sigue una distribución exponencial con un tiempo esperado
de 0,6 minutos, es decir que se espera atender   1,6667 clientes/minuto,
en cada uno de los servidores. Se ha asumido que el máximo número de
clientes permitido en la cola es de 100 personas.
18
resultados:
RESULTADOS
Número esperado de clientes en el sistema (Ls) 1,8158
Número de clientes atendidos por los servidores 5922
Número de clientes atendidos en el servidor n° 2984
01
02
Tiempo promedio del proceso (servidores) 0,5997 minutos
Tiempo promedio del proceso en servidor n° 01 0,5920 minutos
Tiempo de espera promedio en el sistema (Ws) 0,9198 minutos
Utilización del servidor n° 01 58,88%
CONCLUSIÓN
Tasa real de servicio (  real ) serv n° 01 1 / 0,5920 = 1,6892 clientes /minuto
19
=
Tasa real de servicio ( real ) serv n° 02 1/0,6076 = 1,6458 clientes/minuto
=
de LITTLE.
SITUACIÓN N° 03.
Se refiere al sistema denominado (G/G/2): (FIFO,  ,  ), que indica que el tiempo de
llegada y el de servicio siguen una distribución de probabilidad diferente a la
exponencial, que se posee dos (2) servidores y que la disciplina de servicio es que el
primero que llega a la cola es el primero que es atendido. Para la presente situación se
asume las siguientes condiciones:
 Datos: El tiempo entre llegada de los clientes sigue una Distribución
Normal con un valor promedio de 0,5 minutos y una desviación estándar
de  = 0.1 minuto. Es decir se espera que lleguen   2 clientes cada
minuto. Se dispone de dos (2) servidores, y el tiempo necesario para
atender un cliente, en cada uno de los servidores, sigue una distribución
normal con un tiempo esperado de 0,6 minutos y una desviación estándar
de  = 0,1 minutos, es decir que se espera atender   1,6667

clientes/minuto, en cada uno de los servidores. Se ha asumido que el
máximo número de clientes permitido en la cola es de 100 personas.
20
resultados:
RESULTADOS
Número de clientes atendidos por los servidores 5997
01
02
Tiempo promedio del proceso (servidores) 0,6004 minutos
Tiempo de espera promedio en el sistema (Ws) 0,6011 ms.
CONCLUSIÓN
Tasa real servicio (  real ) serv n° 01 1 / 0,5988 = 1,6700 clientes /minuto
=
Tasa real servicio ( real ) serv n° 02 1/0,6019 = 1,6614 clientes/minuto
21
=
de LITTLE.
SITUACIÓN N° 04.
Se refiere a una situación de cola, tal como está planteado en el siguiente gráfico
Los clientes que llegan forman una cola (Qo) y son atendidos por dos servidores en
paralelo (S1 y S2). Luego de ser atendidos y de acuerdo con el servidor que los atendió
pasan a formar colas separadas (Q1 y Q2), para ser luego atendidos por el servidor tres
(S3). Para la presente situación se asume las siguientes condiciones:
entre llegada de los clientes es de 0,5 minutos. El tiempo necesario para
22
atender un cliente, en cada uno de los servidores S1 y S2, sigue una
distribución exponencial con un tiempo esperado de 0,6 minutos, es decir
que se espera atender   1,6667 clientes/minuto, en cada uno de esos
servidores. El tiempo de atención esperado para un cliente en el S3 sigue
una distribución exponencial con un tiempo promedio de 0.2 minutos, es
decir espera atender   cinco (5) clientes por minuto. Se ha asumido que
el máximo número de clientes permitido en cada una de las colas es de 100
personas. El servidor S3 atiende a las colas Q1 y Q2 de acuerdo a la regla
de la que tenga en el momento en que el servidor se desocupa el mayor
número de clientes esperando en cola (Regla LongestQueue).
El simulador QA con esos datos, y simulando 3000 minutos de operación aportó los
siguientes resultados:
RESULTADOS
Número promedio de clientes en la cola Qo (Lqo) 0,5966
Número promedio de clientes en la cola Q1 (Lq1) 0,1181
Número de clientes atendidos en el servidor n° 01 2968
Tiempo promedio del proceso en servidor n° o3 0,2011 minutos
23
Tiempo de espera de promedio en la cola de llegada (Wqo) 0,3015 minutos
Tiempo de espera de promedio en la cola Q1 (Wq1) 0,1194 minutos
CONCLUSIÓN
Tasa real de servicio ( real ) serv n° 01 = 1 / 0,5953 = 1,6798 clientes /minuto
Tasa real de servicio ( real ) serv n° 02 = 1/0,5880 = 1,7007 clientes/minuto
Tasa real de servicio (  real ) serv n° 03 = 1/0,2011 = 4,9727 clientes/minuto
Tasa real de llegada de clientes de S1 2968/3000 = 0,9893 clientes/ minuto
hacia S3
Tasa real de llegada de clientes de S2 2966/3000 = 0,9887 clientes /minuto
hacia S3
Relación Lqo/Wqo = 0,5966/0,3015 = 1,9788 clientes /minuto
Relación Lq1/ Wq1 0,1181/0,1194 = 0,9891 clientes/minuto
Relación Lq2/ Wq2 0,1492/0,1510 = 0,9881 clientes/minuto
de LITTLE.
SITUACIÓN N° 05.
Se refiere a una situación de cola, tal como está planteado en el siguiente gráfico. Se
refiere a cuatro servidores en serie (S1, S2, S3 y S4) con sus respectivas colas (Qo, Q1
, Q2 ).
Para la presente situación se asume las siguientes condiciones:
24
con un valor promedio de   1,25 clientes/minuto. Es decir que el tiempo
entre llegada de los clientes es de 0,8 minutos. El tiempo necesario para
atender un cliente, en cada uno de los servidores sigue una distribución
exponencial con un tiempo esperado de 0,6 minutos para el servidor S1 (
  1,6667 clientes/minuto); 0,4 minutos para el servidor S2 (   2,5
clientes/minuto); 0.2 minutos para el servidor S3 (   5 clientes / minuto).
Se ha asumido que el máximo número de clientes permitido en cada una de
las colas es de 100 personas.
resultados:
RESULTADOS
Tiempo de operación (simulación) 3000 ms.
Número promedio de clientes en la cola Qo (Lqo) 2,2910
Tiempo promedio del proceso en servidor n° o3 0,2004 minutos
Tiempo de espera de promedio en la cola de llegada (Wqo) 1,8555 minutos
25
CONCLUSIÓN
Tasa real de llegada ( real ) = 3704/3000 = 1,2347 clientes/ min
Tasa real de servicio ( real ) serv n° 01 = 1 / 0,6145 = 1,6273 clientes /min
Tasa real de servicio ( real ) serv n° 02 = 1/0,3945 = 2,5349 clientes/ min
Tasa real de servicio ( real ) serv n° 03 = 1/0,2004 = 4,9900 clientes/ min
Tasa real de llegada de clientes de S1 3703/3000 = 1,2343 clientes/ min
hacia S2
Tasa real de llegada de clientes de S2 3701/3000 = 1,2337 clientes / min
hacia S3
Relación Ls / Ws = 4,3344/3,5131= 1,2378 clientes/ min
Relación Lqo / Wqo = 2,2910/1,8555 = 1,2347 clientes /min
Relación Lq1/ Wq1 0,4710/0,3186 = 1,2343 clientes/ min
Relación Lq2/ Wq2 0,0812/0,0658 = 0,1057 clientes/ min
de LITTLE.
26
IV. CONCLUSIONES.
Los aspectos más resaltantes en la presente investigación son:
 Que la fórmula Little, relaciona tres promedios:
La tasa “promedio” de llegadas
El tiempo “promedio” de espera o retardo en el sistema y
El numero “promedio” de unidades (clientes, usuarios, etc) en el sistema
 Que para la aplicación de la fórmula Little es necesario que el sistema sea
conservativo, es decir, todos los usuarios que ingresan al sistema serán
atendidos.
 Que la fórmula Little, es aplicable a todo tipo de colas
 Que la fórmula Little es independiente del tiempo de llegadas y del tiempo de
servicios
 Que la fórmula Little es independiente de la política de servicio
 Que es de gran ayuda en solución de problemas de la Administración Publica
así, como también es aplicable en problemas vinculados con teoría de
Probabilidades, con la estadística matemática, y en definitiva con la
investigación de operaciones.
 Los sistemas simulados permiten verificar el cumplimiento de la fórmula
Little en situaciones diversas.
27
GLOSARIO
TASA DE LLEGADAS (  ). Es la tasa a la cual los consumidores llegan a un sistema
de prestación del servicio, normalmente expresada en términos de clientes,
consumidores o unidades por unidad de tiempo.
TASA DE SERVICIO (  ). Es la capacidad de una estación de servicio, normalmente
expresada en términos de clientes, consumidores o unidades atendidos por unidad de
tiempo. La inversa de la tasa de servicio es el tiempo medio para servir a un
consumidor.
NIVEL DE UTILIZACIÓN. Es el porcentaje de tiempo que una estación de servicio está
ocupada sirviendo al cliente.
TIEMPO DE ESPERA EN EL SISTEMA (Ws) Es el tiempo que, en promedio, un cliente
o unidad invierte desde que llega al sistema hasta que sale.
TIEMPO DE ESPERA EN LA COLA (Wq). Es el tiempo, que en promedio, un cliente
tiene que esperar en la fila (cola) antes de que empiece a ser atendido.
NUMERO ESPERADO EN LA COLA (Lq). Número promedio de unidades o clientes en
la cola.
NÚMERO ESPERADO EN EL SISTEMA (Ls). Número promedio de unidades o clientes
en el sistema.
28
REFERENCIAS BIBLIOGRÁFICAS
 Schmidt – Taylor (1979). Análisis y Simulación de sistemas Industriales.
Editorial Trillas. México.
 Hillier – Lieberman (1996). Introducción a la Investigación de Operaciones.
Sexta Edición. Editorial McGraw Hill. México.
 Davis – Aquilano – Chase (2001). Fundamentos de dirección de
Operaciones. Tercera Edición. Editorial McGraw Hill. España
 Taha. (1991). Investigación de Operaciones. Segunda Edición. Editorial
Alfaomega. México.
 F. J. Gould “University of Chicago”, E. D. Eppen “University of Chicago”, C.
S. Scamidt “University of Alabama”. Investigación de Operaciones en la
Ciencia Administrativa, Tercera edición.
 Yih – Long Chang (1998). WinQSB. Editorial John Wiley & Sons, Inc.
REFERENCIAS ELECTRÓNICAS
 Miro, R. (2001). La ley de Little y algunas de sus muchas aplicaciones.
Ciencia hoy [Revista en línea], 66. Disponible:
htpp://www.ciencia_hoy.retina.ar/hoy66/Little1.htm [Consulta: 2003, Mayo
18]
29
 Module 8: Introduction to Queuing Theory (Notation, Single Queues, Little
´Result). http://www.crhc.uiuc.edu/PERFORM
 Sobre los Sistemas de Colas. Emilio Hernández García. C.U.M.
Departamento de Matemáticas. UEX. ehnandez@unex.es
 Fonaments d´Enginyeria de Tráfic (Unidades didácticas II y IV). José Niño
Mora.
 Little. Capítulo IV: Principios Generales.
http://www2.ing.puc.cl/~msc/apuntes/cap4/cap4.htm
 Little’s Results and Queues. Fayez Gebali. University of Victoria, Victoria,
B.C. fayez@ece.uvic.ca
 Modelos de redes de espera. Capítulo III.

http://www2.ing.puc.cl/~msc/apuntes/cap3/cap3.htm
 M/M/1 QUEUES. www.mcs.vuw.ac.nz/~vignaux/docs/mm1.html
30
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
“ANTONIO JOSÉ DE SUCRE”
VICE-RECTORADO “LUIS CABALLERO MEJIAS”
DIRECCIÓN DE INVESTIGACIÓN Y POST GRADO
Asignatura: Teorías de Cola
ECUACIONES DE FLUJO DE JHON. D. C. LITTLE,

L  
SUS APLICACIONES Y VENTAJAS
INTEGRANTES:
 Ing. Braulio Arteaga
 Lic. José Iván García
 Ing. Laura Herrera
Julio 2003
31

Little (Version Final)

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Little (Version Final)

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA

“ANTONIO JOSÉ DE SUCRE”

ECUACIONES DE FLUJO DE JHON. D. C. LITTLE,

I. LA FÓRMULA DE LITTLE. DEMOSTRACIÓN…………………………………..04

II. . PROBLEMA DE APLICACIÓN DE LA ECUACIÓN DE LITTLE…………….11

III. SIMULACIÓN. DEMOSTRACIÓN DE LA FÓRMULA DE LITTLE………….16

El presente trabajo tiene por finalidad demostrar la Ecuación de Flujo de Jhon D.

de 1.961, cuando el matemático Jhon Little presentó un artículo donde se detallaba la

teoría de variables aleatorias, las cuales comenzaron a generarse cuando Galileo

(1.564-1.642) reflexionó científicamente sobre el juego de azar muy común en la época:

el pasadiez. Y continuaron Laplace (1.749-1.827), Gauss (1.777-1.855), Fisher (1.890-

1962) y muchos otros matemáticos.

En la literatura se conoce como la Ley de Little la vinculación algebraica entre los

un rango de aplicaciones impresionante, se adapta a casi cualquier situación en donde

los conceptos de tasa o caudal de ingreso y población transitoria generada en

consecuencia resulten adecuados para la descripción de un problema.

Existen un conjunto de problemas que aparecen con frecuencia en el ámbito de

la administración pública, y también en varias situaciones abstractas, vinculadas con la

teoría de probabilidades, con las estadísticas matemáticas y con la investigación de

operaciones. Si bien aparentan estar bastante desconectados entre sí, en realidad

se desarrolla un problema para dar entender el alcance de su utilidad en situaciones

prácticas, y se finaliza mediante la simulación de varias situaciones de líneas de

espera con la finalidad de demostrar la validez de la precitada fórmula.

La fórmula de Little, explica que en un sistema de colas, con tasa promedio de

de la cola E(n), dada por la siguiente expresión

Es decir la fórmula Little, llamada así, en honor a su teorizador Jhon DC Little,

matemático norteamericano que en 1961 presentó un artículo examinando

medios o promedios de los parámetros nombrados.

Esta relación, posee un rango de aplicaciones impresionante: se adapta a todo

sistema de colas, independientemente del proceso de llegada y de servicio e incluso de

Nótese que en la figura 1 se ha utilizado el parámetro  en lugar del parámetro 

representa la tasa neta de llegadas (o tasa efectiva) y el parámetro que se debería

e  ) esta dada por

donde Pn es la probabilidad que se pierda un cliente

Sin embargo, para la demostración de la fórmula de little, se empleará el parámetro

 interpretado como la tasa de llagada coincidente con el rendimiento  , considerando

Considérese un sistema de colas como el mostrado en la figura 2.

Para simplificar la demostración hagamos unas consideraciones iniciales.

 El sistema se refiere solo a los clientes (unidades) en la cola. Es decir, a los

clientes en la sección de espera, más no, a los que están en servicio.

el camino. Es decir, todo el que entra pasa a ser atendido.

 La política de servicio es FCFS (primero al entrar, primero en salir). Aunque el

resultado es consistente indiferentemente de la política de servicio y de los

procesos de llegadas y salidas.

A(t): representa las llegadas acumuladas en la cola en el tiempo t.

Donde, L(t) = A(t) – B(t) , representa el numero de clientes(unidades) que esperan en

representa el número acumulado de dichos tiempos de llegadas. Con cada llegada,

A(t) se incrementa en uno.

La figura 3 muestra un estado representativo de la función A (t)

inicialmente la política de servicio FCFS.) Estos tiempos están representados en la

figura 3, del mismo modo que la correspondiente curva de acumulación de salidas B

entre si conllevan a la fórmula de Little.

Llamando n(  ) = A(  ) – A(0) , al número de llegadas en el intervalo  , se tiene que

“la tasa media de llegadas,  (  ), en el intervalo (0,  )” será:

que representa el tiempo acumulado en el sistema, durante ese intervalo)

Luego, el “tiempo promedio de espera en el intervalo (0,  ) “ es

( n(  ) es el número de llegadas en el intervalo (0,  ) )

Como L(t) representa el numero de usuarios en t, entonces “el número promedio

de usuarios del sistema en el intervalo (0,  )” esta dado por

Finalmente, sustituyendo las ecuaciones (4) y (5) en la igualdad (3), se obtiene

y recurriendo a la ecuación (2) de al definición de la tasa de llegada λ(τ) se tiene

La anterior es la fórmula de Little derivada para el caso especial de política de

servicio FCFS y sobre un intervalo finito (0,  )