TRFICO 2012

DEFINICIN DE LA TEORA DE TELETRFICO

Aplicacin de la teora de probabilidad a la solucin de

problemas concernientes a la planificacin, evaluacin
del desempeo, operacin y mantenimiento de los
sistemas de telecomunicacin.
Herramientas matemticas: procesos estocsticos ,
teora de colas y simulacin numrica

OBJETO DE LA TEORA DE TELETRFICO

El objetivo de la teora de teletrfico es el desarrollo de modelos

matemticos que permitan derivar la relacin entre capacidad y
grado de servicio. El conocimiento proporcionado por la
modelizacin de los sistemas ser la base en la toma de
decisiones operacionales y econmicas.
Hacer el trfico mesurable en unidades bien definidas a travs de
modelos matemticos y derivar relaciones entre grado de servicio
y capacidad del sistema, de manera que la teora se convierta en
una herramienta de planificacin de inversiones. (Iversen).
Disear sistemas que se adapten a la carga de trabajo, con un
desempeo mesurable y con una optimizacin de los costes.

GRADO DE SERVICIO

Definicin

Nmero de variables de ingeniera de trfico que proveen una

medida del desempeo de un grupo de recursos bajo unas
condiciones especficas.
Los valores de referencia asignados a las variables de trfico
constituyen los estndares del Grado de Servicio
Los valores obtenidos para los parmetros especificados
constituyen los resultados del Grado de Servicio

Qu mide el Grado de Servicio?

Mide el desempeo medio de una red , o parte de una red.

Es el punto de vista del Operador del servicio

Calidad de servicio. QoS. SLA

El Grado de Servicio mide el desempeo de la red, es el punto de

vista del Operador. Parte de unos objetivos y dimensiona la red
para
su
cumplimiento.
Las
medidas,
usualmente
de
comportamiento medio comprueban la bondad de las hiptesis y
el comportamiento de la red.
La calidad de servicio QoS - representa el punto de vista del
usuario y est expresada en trminos adecuados a sus
expectativas. La red puede tener un bloqueo del 1%, pero un
usuario en particular experimentar un 3%.
El SLA o ANS (Acuerdo de Nivel de Servicio) es un contrato entre
Operador y Usuario en el que se definen los trminos
(disponibilidad, proceso provisin, mantenimiento ...) y las
penalizaciones por incumplimiento.

TAREAS EN LA INGENIERA DE TRFICO

Caracterizacin
de la demanda

Modelos
trfico

Objetivos de
grado de servicio
Requisitos
QoS

Medidas
trfico

Objetivos
GoS

Previsin
trfico

Elementos
Red

Control
Trfico

Dimensionado

Monitorizacin

MODELOS

Las redes de telecomunicaciones se disean para

atender demandas de usuarios adscritos a un
determinado servicio.
El comportamiento de los usuarios, de las fuentes ,
ser en general aleatorio y ello nos impulsa a intentar
modelarlo mediante la teora de procesos estocsticos.
Construiremos modelos que confrontaremos a la
medidas en la red, si no concuerdan deberemos
construir nuevos modelos en un proceso iterativo.
Parece natural separar la descripcin de las
propiedades del trfico en dos procesos diferentes:

Aparicin de eventos (peticiones de servicio)

Tiempos de servicio
7

Terminologa en procesos trfico

Tiempo entre eventos

Tiempo servicio

Tiempo llegada

Tiempo libre

Tiempo salida

Busy , Idle, Interarrival time, Holding time

Redes telefnicas

Comportamiento usuario

Control y camino de voz. Sealizacin y media.

Comentario estructura de la red telefnica

Topologa
Arquitectura
Ejemplo VSAT
Concepto conmutacin circuitos

Redes de datos

Principio conmutacin paquetes

Almacenamiento y retransmisin

Caso LAN

10

Redes mviles

Diferencias respecto redes fijas

Control de presencia

Handover

11

Redes de nueva generacin

Complejidad

Trfico de agregacin

Tasas de crecimiento

Modelos matemticos

12

HISTORIA
13

HISTORIA

Molina desarrolla trabajos anteriores de Rorty en los

Bell Labs para ATT

Hiptesis
Las llamadas se producen aleatoriamente
Todas las llamadas permanecern en el sistema durante un
tiempo igual al tiempo medio de permanencia tanto si se
atienden como si no.
El bloqueo ocurre cuando el nmero de llamadas es mayor
que el nmero de recursos durante un tiempo igual al
tiempo medio.
En 1920 alguien coment que esos resultados provenan de
investigaciones de Poisson (1781-1840), Molina le cedi los
honores.

14

HISTORIA

SIMEON D. POISSON

15

HISTORIA

Agner Krarup Erlang

desarrolla sus modelos en
1909
Hiptesis
Las llamadas que llegan
con todas los servidores
ocupados se pierden (se
enrutan por otro sitio)
Las llamadas que llegan
con todos los servidores
ocupados
esperan en
cola hasta ser atendidas.

16

HISTORIA

Tore Olaus Engset en 1918

propone un refinamiento de
las frmulas de Erlang
Erlang supone que el nmero
de fuentes productoras de
eventos es infinito. Si el
nmero es finito Erlang est
sobreestimando el
dimensionado

17

HISTORIA

Despus de la WWII, Roger Wilkinson desarrolla un

modelo para el trfico de desbordamiento

Hiptesis. El trfico que no puede ser cursado por una ruta, no

tiene caractersticas poissonianas. Usualmente la varianza es
mayor que la media. A su relacin se la conoce como
coeficiente de variacin.
Wilkinson desarrollo un mtodo para dimensionar los
recursos que debern cursar este tipo de trfico. Neal en 1970
refin el modelo y public unas tablas de dimensionado , las
tablas de Neal-Wilkinson
En 1982 Henry Jacobsen de ATT publica las tablas EART y
EARC para el diseo de enlaces en PBX con rutas de
desbordamiento basndose en los modelos de Neal-Wilkinson

18

HISTORIA

A mediados de los 50 , Roger Wilkinson estudia el

modelo de reintentos. Bretschneider hace lo mismo en
Alemania.

Los intentos de llamada, en el mundo real, se repiten si no

consiguen servicio. Wikinson desarrolla los modelos tericos.
En 1980 Jacobsen publica las Retrial Tables basndose en
los trabajos de Wilkinson.

19

HISTORIA

En 1951
Kendall introduce una notacin para
especificar los distintos escenarios de un sistema de
colas.
En los 60 y 70 se producen grandes avances tericos
en USA y Alemania.
Kleinrock publica en 1970 su primer volumen y
evangeliza sobre el uso de los computadores en
teora de colas.

20

CONCEPTOS BSICOS Y
MEDIDAS
21

CONCEPTOS TEORA TELETRFICO

Intensidad de trfico
Intensidad de trfico. Nmero
de recursos ocupados en un
sistema en un instante de
tiempo dado.

1
Y (T )
T

n(t )dt

Dnde n(t) es el nmero de recursos

ocupados en el tiempo t
C : Nmero de recursos ocupados en funcin de t
D: Intensidad media en un tiempo T

La curva de la figura representa el trfico cursado por un conjunto de recursos

22

Conceptos (cont)

Trfico ofrecido

Si el nmero de recursos no es infinito, pueden producirse

peticiones de servicio con todos los recursos ocupados.
El trfico ofrecido no puede medirse, puede estimarse.
Se trabaja con dos parmetros
: nmero de eventos (peticiones de servicio) por unidad
de tiempo.
Tiempo medio de servicio tm

A=tm

23

INTENSIDAD DE TRFICO

24

VARIACIN DIARIA

25

VARIACIN DEL TIEMPO MEDIO DE LLAMADA

26

VARIACIONES INTENSIDAD TRFICO. MODEM POOL INTERNET

27

CONCEPTO DE BLOQUEO. Loss systems

Congestin de tiempo

Congestin de llamadas

Fraccin de tiempo en la que todos los servidores estn

ocupados.
Fraccin de todas las llamadas que encuentran todos los
servidores ocupados.

Congestin de trfico

Fraccin de todo el trfico ofrecido que no es cursado.

28

EVENTOS INTERVALOS DE TIEMPO

llamadas

Server 3

Server 2

Server 1

Cul es la congestin de tiempo, trfico, llamadas?

29

Trfico en Erlang

A tm
1 N
A ti
T i 1
t i : duracin de la ocupacin i
N : nmero total ocupaciones
1 N
A i ti
T i 0
i : nmero simultneo de ocupaciones
t i : tiempo con exactamente i ocupaciones
N : nmero de recursos
30

ELEMENTOS TEORA DE
PROBABILIDAD
31

PROBABILIDAD
Trataremos con intervalos de tiempo no negativos
Funciones de distribucin
Un intervalo de tiempo puede ser descrito por una variable estocstica X
caracterizada por
t

F (t ) dF (u )
0

F (t ) 0
p(X t) F(t)

0t

t0

F c (t ) 1 F (t )
Incluye posibles
discontinuidades en cero
si F(t) es diferenciable
dF (t ) f (t ) p t X t dt
32

PROBABILIDAD.

E X

m
i

t f (t )dt i t i 11 F (t ) dt
i

m1 t f (t )dt

1 F (t ) dt m

t f (t )dt 2 t1 F (t ) dt
2

E X m (t m) f (t )dt
i

Identidad de Palm

2 m2 m 2 E X m

Coeficiente variacin CV (peakedness)

m
m2

Factor de Palm o factor 2 1

m
m

1
33

PROBABILIDAD

Estas relaciones son independientes de la escala de

tiempos
Cuando mayor sea el factor de forma ms irregular es
la distribucin temporal, eso llevar por ejemplo a que
el tiempo de espera medio, en los sistemas de colas ,
sea mayor.
Para
estimar
una
distribucin
a
partir
de
observaciones, a menudo se est satisfecho al conocer
los dos primeros momentos.

34

Distribucin exponencial negativa

Se utiliza para caracterizar los

tiempos de vida (no negativos)
de manera sencilla.
Es un caso especial de la
distribucin Gamma
Tiene un solo parmetro

F (t ) 1 e t

0, t 0

f (t ) e t
recordemos la funcin Gamma

1
m1

2
m2 2

1
2

n 1 t n e t dt n!
0

reemplazando t por t se obtienen los momentos

35

Tiempo de vida residual

P X t x 1 F (t x)
p X t x / X x

p X x
1 F ( x)
F (t x) F ( x)
F (t x / x) p X t x / X x
1 F ( x)
el valor medio del tiempo de vida residual ser

mr
1 F (t x) dt
x0

1 F ( x) 0

36

Tiempo de vida residual para la exponencial

1
x t
m1,r
1

e
dt
x 0
1 (1 e )
1 x t
1
m1,r x e
dt
0
e

La vida residual es igual a la vida media.

Esto no es cierto siempre.
Para distribuciones con < 2 la vida residual es menor, para >2 la vida
residual es mayor

37

Carga de los tiempos de servicio menores que uno dado

m t f (t )dt
0

t f (t )dt

El 75% de los trabajos contribuye con el 30% del valor de la media

38

Combinacin de variables estocsticas

Serie

La funcin de distribucin es la convolucin de las funciones de

distribucin de las respectivas variables. La media es la suma
de las medias y la varianza la suma de varianzas

Paralelo

Cada variable estocstica se pondera. La funcin de distribucin

es la suma ponderada de las funciones de distribucin
individuales. La media y varianza son:
l

m pi m1,i
i 1

con pi 1
i 1

pi ( i2 m12,i ) m 2
2

i 1

39

Ejemplo: Ensayo de Bernouilli y binomial

En una prueba la probabilidad de xito es p y la de fracaso q 1 - p

1 p i 0
pi (i )
i 1
p
Si se efectuan S pruebas
S i
pS i p (1 p ) S i
i
se obtiene as la distribucin binomial

40

Combinacin de distribuciones exponenciales

Con combinaciones de distribuciones exponenciales se puede

aproximar cualquier distribucin
Combinando en serie se obtienen las llamadas distribuciones
hipoexponenciales, que tienen <2. Si todos los parmetros son
iguales se llaman distribuciones de Erlang

41

Erlang-k

t
f (t )

k 1

(k 1)!

F(t)
j k

t
j!

0, t 0, k 1,2,...

k 1

k
k
2
m
2

m1,r ( x) m, x 0

j 0

t
j!

e t

1
1
k

42

Grfica Erlangiana

Se ha normalizado la media a un
valor 1, por ejemplo reemplazando
por k.
El caso k=1 corresponde a la
exponencial

43

PROBABILIDAD. PROCESOS DE LLEGADA

Se consideran procesos puntuales simples en los que se excluyen

llegadas mltiples. En las telecomunicaciones se puede hacer
considerando intervalos de tiempo lo suficientemente pequeos.
Consideremos los instantes de aparicin de eventos a partir de un tiempo
inicial

0 T0 T1 T2 ... Ti Ti 1 ...

El numero de llamadas en un intervalo abierto [0,t [ se representa por Nt.

En la que t es un parmetro continuo pero tiene un espacio muestral
discreto
La distancia entre dos llegadas sucesivas, se llama tiempo entre llegadas

X i Ti Ti 1

i 1,2,...
44

Identidad de Feller - Jensen

Tenemos dos variables aleatorias que representan dos procesos

Representacin Nmero. El intervalo de tiempo t se mantiene
constante y se observa el nmero de llegadas en ese tiempo N t

Representacin Intervalo. Se mantiene el nmero de llamadas

constante y se observa la variable Ti
Existe la siguiente relacin

N t n si y solo si
n

Tn X i t , n 1,2,..
i 1

Identidad de Feller-Jensen

p N t n p Tn t n 1,2...

45

Procesos puntuales

Caractersticas de los procesos puntuales

Estacionareidad
Independencia
La evolucin del proceso (su futuro) depende solo del
estado actual (propiedad de Markov)

Para los procesos puntuales simples

La probabilidad de que haya ms de un evento en un intervalo
suficientemente pequeo tiende a cero

p N t t N t 2 o(t )
El proceso de Poisson es un proceso puntual simple

46

Poisson

PPT ESPECFICO

47

Poisson

Proceso de Poisson

p N t t N t 2 o(t )
p N t t N t 1 (t )
i

t t
p i, t
e

m t
n 1

j 0

i!
2 t

t j e t
j!

x t

x n1 e x dx
(n 1)!

por la identidad de Feller - Jensen

relacin entre la distribucin acumulada de Poisson y la de Erlang

48

Teoerema de Palm

La superposicin de procesos puntuales independientes

tiende a un proceso que localmente es de Poisson. El trmino
localmente significa que el intervalo del tiempo es lo
suficientemente corto como para que cada proceso individual
contribuya a lo sumo con un evento y no domine.

49

Teorema de Raikov

Una descomposicin aleatoria de un proceso puntual

en subprocesos, produce subprocesos que convergen
a procesos de Poisson, cuando la probabilidad de que
un evento pertenezca a un subproceso tiende a cero.

50

Teorema de Little

Vlido para cualquier

estacionareidad)

cola

(solo

se

requiere

El proceso de llegada es estocstico

Las llegadas esperan hasta que son servidas y
despus abandonan el sistema.
Se considera un tiempo de observacin T

51

Teorema de Little. Definiciones

N(T) : Nmero de llegadas en el tiempo T

A(T) : Tiempo total de servicio en el tiempo T. Trfico cursado.

(T)=N(T)/T Tasa media de llamadas en el tiempo T

W(T)=A(T)/N(T) Tiempo medio de servicio en el tiempo T

L(T)=A(T)/T nmero medio de llamadas simultneas en el tiempo

A(T ) W (T ) N (T )
L(T )

(T )W (T )
T
T
Si lim (T ) y W lim W (T )
T

L W

52

Teorema de Little

Nmero medio de peticiones en cola Tasa de peticiones x tiempo medio en cola

t total tiempo de servicio tiempo en cola
N : nmero de peticiones en el sistema t total A L
A : trfico ofrecido nmero medio de peticiones servidas
N nmero medio de peticiones servidas nmero medio en cola

53

Teorema de Little. Grfica

54

SIMULACIN DE VARIABLES
ALEATORIAS
55

Simulacin variables aleatorias

Queremos generar nmeros , x , aleatorios en un determinado dominio

de manera que su probabilidad de ocurrencia, o densidad de
probabilidad dependa de x de una manera prescrita f(x).
Tcnica de transformacin inversa
Generar U(0,1) uniforme entre 0 y 1
Obtener X=F-1(U). Recordar que la funcin de distribucin tiene un rango
entre 0 y 1
Ej Weibull

F ( x) 1 e

U F(X )
X b ln 1 U

56

Simulacin Gaussiana
x2

2
1
f ( x)
e 2
2

- x

F(x) f ( y )dy pero esta integral no se puede expresar mediante

funciones elementales
Utilizando la relacin que existe entre la distribucin
de Rayleigh y la Gaussiana

F ( R)

1 e

R2
2 2

R0
R0

que est relacionada con un par de gaussianas

C R cos
D R sen
con F ( x) U
R

Las gaussianas son de media

cero , para otro valor solo
har falta aadirlo a cada
nmero generado

1U

2 2 ln

2 U
57

Simulacin

Otros mtodos
Composicin. Es una extensin del mtodo de inversin, se utiliza cuando la
fdp se puede escribir como combinacin lineal de funciones ms simples en
las que pueda aplicarse el mtodo de inversin. Ejemplo : distribucin de
Laplace
Convolucin. Las combinaciones algebraicas de variables aleatorias y para
el caso de que las variables sean independientes pueden ayudar a su
simulacin. Por ejemplo si una determinada funcin de densidad se puede
obtener por convolucin de funciones elementales (caso de suma de
variables) se puede generar cada variable individual y sumar los resultados.
Ejemplo distribucin de Erlang. Se pueden obtener tambin as variables
generados por multiplicacin y divisin de otras variables con fdp
elementales o invertibles.
Aceptacin- Rechazo. No es tan eficiente como los mtodos anteriores pero
siempre funciona, incluso cuando no hay formas explcitas de la fdp, La idea
es generar puntos aleatoriamente en un plano y aceptar o rechazar cada
uno de ellos. Si x<f(x) se acepta, si no se rechaza.
Muestreo de datos. Interpolacin estocstica
Monte Carlo

58

MODELOS
59

Naturaleza de la Teora de Teletrfico

Modelo

Proceso de entrada
Mecanismo de servicio
Disciplina de la disposicin en cola

60

Naturaleza de la Teora de Teletrfico

Proceso de entrada

Mecanismo de servicio

Describe la secuencia de peticiones de servicio

A veces se especifica en trminos de la distribucin de las
duraciones entre los instantes de llegada de peticiones de
servicio.
Incluye el nmero de servidores y la duracin del servicio
(ocupacin del servidor)

Disciplina de cola

Especifica las acciones de las peticiones que encuentran

todos los servidores ocupados

61

Modelos de nacimiento - muerte

Hiptesis de trabajo

llamadas independientes
tasa de llegadas en el estado i representada por i

tasa de salidas en el estado i representada por i

en cualquier instante de tiempo solo puede ocurrir un suceso

62

Diagrama de estados

0
0

1
1

2
2

j-1
3

j
j

n-1

j
N-1
j+1

N
n

N puede ser

63

Algunas definiciones

: n promedio de peticiones de servicio por unidad de

tiempo
1/ : tiempo promedio entre peticiones de servicio
Ej : estado del sistema en el que el nmero de
clientes es j
Pj. Proporcin del tiempo en el estado j (en el que haya
j servidores ocupados)

Ej Ej+1 transiciones del estado j a j+1

Pj : nmero de transiciones por unidad de tiempo

tm : tiempo medio de duracin de un servicio, tiempo

medio de ocupacin de un servidor
64

Algunas definiciones

: tasa de finalizacin de servicio por unidad de tiempo

igual a 1/ tm.

(j+1)/ tasa de finalizacin con j+1 servidores ocupados

Ej+1 Ej transiciones del estado j+1 a j

65

Ecuaciones de estado

d i t
i i i t i 1 i 1 t i 1 i 1 t
dt
d i t
equilibrio estadstico
0
dt
i 1 i 1 t i i t

66

Modelo de Erlang

Tasa de llamada constante, nmero de fuentes mucho mayor

que el nmero de servidores.

j
tm

N-1

j+1

N: nmero servidores

67

Erlang
Nmero de fuentes ... o mucho mayor que nmero de servidores N

AN / N!
N EN ( A) i N i
A

i 0 i!

B N
AE N 1 ( A)
E N ( A)
N AE N 1 ( A)
68

69

Utilizacin
1.0

0.5
0.2
0.1

0.8

0.05
0.02
0.01

0.6
0.001
0.0001
0.4

0.2

0.0
Nmero de canales
70

Tablas Erlang-1
Clculo de la probabilidad de prdida:
Datos n y A
Ej n=15 A =7

71

Tablas Erlang-2
Clculo de la probabilidad del nmero de
servidores:
Datos B y A
Ej B=0.005 A =7

72

Tablas Erlang-3
Clculo del trfico
ofrecido mximo
Datos n y B
Ej n=15 B =0.005

73

Reintentos

Se considera una situacin real, al no obtener servicio

se reintenta obtenerlo.
Cul es el efecto de este comportamiento?

Incremento en la tasa de llamadas del sistema

Si consideramos que los reintentos se producen

transcurridos algunos tiempos medios de llamada
podemos seguir considerando equilibrio estadstico
con la nueva tasa de llamada

74

Extended Erlang B (EEB)

Se utiliza cuando se permiten reintentos. Un tanto por

ciento de los llamantes reintenta cuando se encuentra
todos los servidores ocupados.
Algoritmo clsico con reintentos hasta obtener servicio
Algoritmo (JewittShrago). Permite considerar
abandonos en los reintentos

75

Erlang con reintentos, Algoritmo clsico

' B B 2 B 3

'
1 B
pero B depende de la tasa de llamada,
se requiere un proceso de iteracin.

76

Algoritmo

El proceso es el mismo para o para A. Se desarrollar

para A.

Con el trfico ofrecido de primer intento A se calcula B

Con el valor de B obtenido se calcula A
Con el valor de A se obtiene un nuevo B
Con B se obtiene un nuevo valor de A
Se comparan los valores de A obtenidos y se itera el proceso
hasta que la diferencia entre dentro del rango de precisin
establecido. La serie de valores obtenidos debe ser
convergente, lo cual ser cierto excepto que el trfico ofrecido
sea mayor que el nmero de servidores.

77

Algoritmo

A inicial B1
A
A
1 B1
'
1

A1'

B2

A
A2'
1 B2
?

A' 2 A1'

A2'

No se itera con A1

B3

A
A
1 B3
'
3

78

Algoritmo de Jewitt & Schrago

Permite considerar abandonos en los reintentos

Partiendo del trfico ofrecido en primera instancia se calcula

B
Con B se calcula el trfico rechazado
Se calcula el trfico cursado
Sobre el trfico rechazado se aplica la tasa de abandono o
de reintento (son complementarias)
Se calcula el trfico cursado ms el trfico que abandona
Si cursado ms abandono no se acerca suficientemente a
trfico ofrecido se calcula un nuevo trfico ofrecido como el
original ms el de reintento.
Se repite le proceso hasta que trfico cursado ms
abandono sea igual (suficientemente cercano) a trfico
ofrecido

79

Engset
Engset S>N

2
2

j-1
3

j
j

S j
tm
j

j
j

n-1
N-1

j+1

N
n

S = nmero de fuentes
= trfico ofrecido por fuente libre

tm

80

Engset

N: nmero de servidores

S : nmero de fuentes

: tasa de llamada por fuente libre

i: tasa de llamada en el estado i, i servidores

ocupados.

tm : tiempo medio de servicio.

i= tasa de terminacin en el estado i.

El comportamiento de cada fuente se modela de la

siguiente manera. Cuando la fuente est libre su tasa
de llamada es constante y de valor , cuando la fuente
est ocupada el valor de su tasa de llamada es cero.
81

Engset.

i 1 i 1 i i

1 0 0
1

j S j

S
0 S 0 definiendo t m , trfico por fuente libre
1
tm

1 0
1
S ( S 1) 2
2 1
0
0
2
2 1
2
S ( S 1)( S 2) 3
3
0
3!

N 0

82

Engset
1

S 0 S
S
S
S
S
2 3 j N
0
1
2
3
j
N
0 N 1
S i

i 0 i

S
N
N
S i

i 0 i
N

que es la expresin para la congestin de tiempo,

probabilidad de tener todos los servidores ocupados.

83

Engset
B

N N
0 0 1 1 2 2 N N

( S i )
tm

( S N )

N
tm

B
S
0 (S 1) 1 ( S 2) 2 (S N ) N
tm
tm
tm
tm

se eliminan y t m . Expresando las probabilidades de estado en funcin de 0

S N

S N
0
N
S
S
S
S 0 S 1 0 S 2 2 0 S N N 0
1
2
N
eliminando 0 y dividiendo por S numerador y denominador
B

S - 1 N

S - 1 i

i 0

E ( S 1, N , )

84

Engset. Clculo del trfico por fuente libre

Consideraciones sobre el clculo de , j

a
actividad de la fuente

1 a(1 B )
tiempo libre
A

S A(1 B )
pero B es funcin de .
Se requiere pues un proceso de iteracin que puede ser
obviado para valores pequeos de B.

85

Engset. Trfico por fuente libre

A
S

S A 1 B 1 A 1 B
S

Pero B depende de , por lo que hay

que montar un proceso iterativo

S
A
1 1 B
Trfico ofrecido dividido por el nmero
medio de fuentes libres

86

Algoritmo Engset
1.

2.
3.

4.

5.
6.

Partimos de una
considerando B=0

primera

aproximacin

de

Con el valor de se obtiene un primer valor de B

Se sustituyen los valores de y B en la frmula de A y
se compara la estimacin de A as obtenida con el
dato Trfico Ofrecido, si la diferencia est por encima
de la precisin necesaria en nuestro clculo
Se calcula una nueva con el valor de B obtenido en
el punto 2
Se calcula un nuevo B con el valor de del punto 4
Se realiza una nueva estimacin de A como en el
punto 3, si la diferencia est por encima de la
precisin necesaria se repite desde el punto 4.
87

Engset. Frmula recursiva

B es funcin de N,S y

S N B N 1, S ,
B( N , S , )
N S N B N 1, S ,
B 0, S , 1
La probabilidad de prdida con 0 servidores es 1

88

TABLAS DE ENGSET

Grupos nuevos

Se conoce A, S y el nivel de prdida deseado. Se busca N

Procedimiento

Se busca la columna del nivel de prdida

En la columna se busca A para el nmero de fuentes S
Se obtiene N

89

TABLAS DE ENGSET

Grupos existentes:

Se conoce A, N (nmero servidores) y S (nmero de fuentes)

Se establece el nivel de bloqueo (prdida )deseado

Procedimiento

Buscar en la tabla la fila que corresponda a N y S

Buscar en la fila el valor ms cercano a A
La columna corresponde al valor de prdida (interpolar en su
caso)
Si no es el deseado, buscar la columna de la prdida deseada
y en la misma encontrar A para el nmero de fuentes S , una
vez encontrado S para ese A se obtiene N.

90

COLAS
91

Colas. Notacin de Kendall

D.G. Kendall estableci en 1953 la siguiente notacin:

A/B/c/k/s/Z
A: Proceso de llegada
B: Proceso de servicio
c: nmero de canales o servidores
k: capacidad del sistema
s: nmero de fuentes
Z: disciplina de la cola

92

Kendall

A/B/c/k/s/Z

Proceso de llegada

M: Markoviano, random,
exponencial
E: Erlangiano
H: Hiperexponencial
h: Hipoexponencial
G: General

Proceso de servicio
M: Markoviano, random,
exponencial
E: Erlangiano
H: Hiperexponencial
h: Hipoexponencial
G: General

93

Kendall

Nmero de canales

1,2,3,

Disciplina de la cola
FCFS. Primero entra, primero
sale
LCFS. ltimo entra, primero
sale
SIRO. Servicio aleatorio
GD. General
RR. Round Robin

Capacidad del sistema

Servidores +posiciones
cola

de

Nmero de fuentes

1,2,3,

94

Cola M/M/N. Probabilidades de estado

i i 1 i 1
i

A
i

tm

i 1

tm

i
tm

i nmero de servidores ocupados

t m tiempo medio de servicio

A partir del estado N, no puede aumentar la tasa de

salida, es decir para los estados N, N+1, N+2, .... la
tasa de salida es constante

1 A 0

A2
2 0
2

N
tm

AN
0
... N
N!

N
A
A A
N 1 N
0
N
N N!

N 2 A
N
...

AN
0
N!

N j A
N
...

AN
0
N!

95

Cola M/M/N. Probabilidades de estado

1
A2 A 3
AN A AN A
1 A

2!
3!
N! N N! N
1

0 N 1

AN
A

N!
N

AN

N!

Ai A N A

N ! j 0 N
i 0 i!
el segundo trmino del denominador contiene la suma de una serie de razn menor a la unidad

0 N 1

i 0

1
Ai A N N

i!
N! N A

AN

N N 1 i NN !
A
A
N

i
!
N! N A
i 0
96

Cola M/M/N. Clculo probabilidad de entrar en cola

Ser la probabilidad de que las peticiones entren con

todos los servidores ocupados

Se dar en los estados N, N+1, N+2 .

N N 1 N 2
p ( 0)
0 1 2
Eliminando y poniendo todas las probabilidades
de estado en funcin de la probabilidad [0]
2

AN
AN A
AN A
0 0 0
N!
N! N
N! N
p( 0)
A2
A3
AN
0 A 0 0 0 0
2!
3!
N!
97

Cola M/M/N. Clculo probabilidad de entrar en cola

Eliminando [0] y reordenando

A N
A A
1

N!
N N

AN N

N! N A
p ( 0)
N 1
A2
AN
Ai A N N
1 A

2!
N!
N! N A
i 0 i!

Que se puede simplificar

Sumar y restar en el denominador el trmino
con lo que el denominador quedara

AN
N!

Ai A N N

N
!
N
!
N

i 0
N

98

Cola M/M/N. Clculo probabilidad de entrar en cola

Ai

i 0 i!
N

dividiendo ahora numerador y denominador por

e identificando que

AN
N! B
N
Ai

i 0 i!

es decir la probabilidad de prdida de un sistema de tipo Erlang-B con un

trfico
ofrecido A y N servidores.
N
N
B
NB
NA
NA
p ( 0)

A
N A AB
N

1 B
1 1 B

NA
N A
B

p( 0)

NB
N A 1 B

A esta frmula se la conoce como Erlang-C o segunda frmula de Erlang E N,2(A)

99

M/M/N. Longitud media de la cola

Lq j N j
j 0

Lq
j 0

AN
j
N!

AN
0 0 j A
N!
j 0 N

Utilizando que

r
con r 1

2
1 r
j 0
A
AN
AN
A
N
Lq
0

2
N!
N!
N
A
1
N

j 0

jr j

jr j

1 r

con r 1

dr j
jr j 1
dr

d j
1
r
j
jr

r
r

dr
1 r 2 1 r 2
j 0
j 0

100

M/M/N. Longitud media de la cola

Recordando que
A N
A A
1

N!
N
N

p ( 0)
A2
AN
1 A

2!
N!
2

AN N
N! N A
N 1
Ai A N N

i
!
N! N A
i 0

AN N
0
p ( 0)
N! N A
A
Lq p( 0)
NA

101

M/M/N.Tiempo medio en la cola

Hay dos posibles preguntas a las que responder:

Cul es el tiempo medio en la cola considerando todas las

peticiones de servicio? Cul es el tiempo medio de espera
para las peticiones de servicio que entran en cola?
El teorema de Little establece que

Lq t w
por lo tanto

tm
tm
1
A
1
tw
p( 0)
p( 0)
p ( 0)

NA
N tm
NA
Lq

t wq

tm
NA
102

M/M/N. Probabilidad de permanencia en cola >t

Se trata de responder a la pregunta: Cul es la

probabilidad de permanecer en cola ms de un
determinado tiempo t?
Para responder a esa pregunta hay que establecer la
disciplina de la cola. Si la disciplina es Primero entra
Primero sale (FIFO) que es la que nos encontramos
cotidianamente, si nos encontramos en la posicin j de
la cola, para ser atendidos tienen que producirse j
terminaciones de servicio. Las terminaciones se
producen con una fdp exponencial cuyo parmetro es
el tiempo medio en la cola para las llamadas que entran
en cola

103

M/M/N. Probabilidad de permanencia en cola >t

pc ( t ) e

( N A)

t
tm

Si queremos calcular la probabilidad de que una peticin de servicio

cualquiera permanezca en cola ms de t

p ( t ) 1 p ( 0) 0 p ( 0) e
p ( t ) p ( 0) e

( N A)

( N A)

t
tm

t
tm

104

M/M/N/N+L

En este nuevo escenario las llamadas que lleguen con todos los
servidores ocupados y todas las posiciones de cola ocupadas se
pierden.
Calcularemos expresiones para los parmetros significativos del
escenario
Clculo de las probabilidades de estado

Aj
j 0
j!

N j A
N
0

N 1

i 0

para (0 j N )
j

AN
0
N!
1

L
Ai
A

i! k 0 N

para (0 j L)

A N

N !
105

M/M/N/N+L

L 1

A
N 1
Ai A N 1 N

N! 1 A
i 1 i!
N

Probabilidad de prdida

B N L

N 1

AN
N!

L
A
A

i 0 i! k 0 N

N !
N

AN
N!

A
1

N
N 1 i
A A
N

A
N!
i 0 i!
1
N

L 1

106

M/M/N/N+L
Probabilidad de entrar en cola

N N 1 N L 1
p ( 0)
0 1 N L

p ( 0) N

A A
1

N N
AN

p ( 0)
N 1

i 0

N!

1 A
A
A
N

i!
N! 1 A
N

1 AN

1 A

1 A

L 1

1 A
N

L 1

107

M/M/N/N+L
Longitud media de la cola
L

Lq i N i
i 1

En general, y aunque se puede llegar a una expresin cerrada por manipulacin

de la frmula anterior, es ms fcil sumar los trminos de la serie.

Tiempo medio en la cola

Lq c W

c (1 B) 1 N L

108

Colas con abandono

Se considera que la peticin de servicio tiene una paciencia limitada

y abandona , es el proceso natural cuando en una cola consideramos
que el tiempo de espera es mayor que el que podemos aceptar.
Como hiptesis para modelar el abandono aceptaremos que la tasa
de abandono aumentar con la longitud de la cola, en la posicin i de
la cola, la tasa de abandono ser:

(i N )
i
tm

tm , no tiene significacin fsica, se

Utiliza para simplificar la expresin

Tasa de terminacin de llamadas en el estado i

N i N
N i

tm
tm

109

Colas con abandono

A2
AN
1 A 0 2 0 N
0
2
N!

AN
A AN
N 1 N
0
0
N
!
N

N
!

tm tm
A
A AN
N 2
0
N 2 N N !

N j

Aj

AN
0
N!

N k
k 1

1
N

i 0

Ai
AN

i!
N!

j 1

Aj
j

N k
k 1

110

Cola M/G/1

Muchas veces la hiptesis de tiempos de servicio

exponenciales no se ajusta a la realidad. Trataremos
con tiempos de servicio con una distribucin general .
Pero con tiempos de servicio independientes.
Trataremos de obtener el tiempo medio de espera en la
cola y la longitud media de la cola.

W Lq t m t res
Tiempo medio en la cola = longitud media de la cola
por el tiempo medio de servicio +
probabilidad de ocupacin del servidor por el tiempo residual
111

Obtencin de parmetros de la M/G/1

Una peticin de trabajo que llega al sistema debe

esperar al tiempo residual de servicio (si el servidor
est ocupado) y a los tiempos de servicio de los
trabajos que le preceden en la cola (si existen)
Por la propiedad PASTA conocemos que la probabilidad
de que un servidor est ocupado es de

tm A

Y que el tiempo medio de espera es

W Lq t m t res

112

Clculos

Por el teorema de Little

Lq W

Combinando las dos ecuaciones se obtiene la frmula

de Pollacek Khinchin

W W t m t res W t res

t res
W
1

113

Tiempo residual

La media del tiempo residual es de

2
E t servicio
E t residual
2 E t servicio

Podemos tambin a partir de estas frmulas calcular el

tiempo total en el sistema

Tiempo en cola +tiempo de servicio

Y nmero medio de peticiones en el sistema

Longitud media de la cola + ocupacin media del servidor

(que es igual al trfico ofrecido)

114

Clculo del tiempo residual

Supongamos que una peticin llega cuando se est

atendiendo otra peticin, y que el tiempo total del
trabajo en curso es X (que ser una variable aleatoria),
y que tendr una f.d.p. fX(x), Para buscar esa f.d.p.
observamos que la probabilidad de que llegue un trabjo
estando otro en curso ser mayor si la duracin del
trabajo en curso es larga. As la probabilidad de que X
sera de longitud x deber ser proporcional a la longitud
x y a la frecuencia con la que se produzca esa longitud

115

Clculo tiempo de vida residual

P( x X x dx) f X ( x)dx Cxf t .serv ( x)dx
C es una constante para normalizar la funcin de densidad

Cxf t .serv ( x)dx 1

xf t .serv ( x)dx CE t servicio 1

E t servicio

f X x

xf t serv x
E t serv

E( X )

1
E
t
2
serv

xf X x dx
x
f
x
dx

t
serv
E t serv 0
E t serv

116

Como la llegada del nuevo trabajo puede ocurrir en

cualquier momento de la vida del trabajo en curso con
igual probabilidad, tendr su media en la mitad de X

2
E X
E t serv
E t residual

2
2 E t serv

117