Curso para Ingeniera Civil Informtica

MODELOS PROBABILSTICOS

Dra. Virna Ortiz Araya

viortiz@ubiobio.cl
Segundo semestre 2014

https://www.youtube.com/watch?v=HIQm_tIUzjA

https://www.youtube.com/watch?v=JOhDDSJf-OU
No es mi problema

Problemas tpicos con sistemas de espera

Restaurants y casinos de comida

Oficina de correos

Sucursal bancaria

Plaza de peaje

Procesos de manufactura

Taller de reparacin
etc...

Agner
Krauo
Erlang
(Dinamarca 1878 1929).
En
1909
analiza
la
congestin
de
trfico
telefnico.
Para dar solucin elabora
la teora de lneas de
espera.

Fuente de entrada
Sus caractersticas principales son:
Tamao : Finita o Infinita.
Fuente o Entrada: Programada o Aleatoria.
Comportamiento
Tiempos de llegada
Distribucin de
Probabilidad
exponencial

Probabilistas

Deterministas

Tarea: Busque tres ejemplos de sistemas de espera e identifique

cada uno de los elementos caractersticos.

Clientes: Todo individuo de la poblacin que

solicite un servicio.
El nmero de clientes puede ser: finito o infinito.

Cola: Capacidad. Finita o Infinita. Representa

el nmero de clientes esperando a ser
servidos.
Disciplina de servicios:
FIFO (First in first out): El primero en ser atendido
es el primero en salir.
LIFO (Last in first out ): Atender al cliente que ha
llegado al ltimo.
RSS y SIRO: Selecciona clientes de manera aleatoria.

Mecanismo de servicio:

Servidores: Uno o varios.

Tiempo de espera: Determinista o Probabilstico.
Una lnea, un servidor.
Una lnea, mltiples servidores.
Varias lneas, mltiples servidores.
Una lnea y servidores secuenciales.

Proceso de salida

Servidores: Uno o varios.

Nmero de servidores
uno y/o mltiples servidores
tiempos de servicio

Llegada de clientes
poblacin finita o infinita

tiempos entre llegadas de clientes

Disciplina de la cola

A/B/c
Tiempos de Tiempos de
llegada
servicio

Nmero de
servidores

Donde valores usuales para A y B son

M : distribucin exponencial
G : distribucin general

Sistema M/M/1
Poisson ( )

....
Exp ()

Este sistema corresponde a un proceso de

nacimiento y muerte con (j)= para j=0,1,2,... y
(j)= para j=1,2,...((0)=0).

Dado lo anterior, las probabilidades

estacionarias resultan ser:

( j ) ; j 0,1,2,...
( j ) ; j 0,1,2,... (0) 0

0 1

n 1

Cuntos clientes estn esperando en el sistema

(en promedio)?

L nn
n 0

Cuntos clientes estn esperando en la cola (en

promedio)?
2

Lq (n 1) n

n 0
1

Cunto tiempo espera un cliente en el sistema

(en promedio)?

W n
n 0

Cunto tiempo espera un cliente en la cola (en

promedio)?
1

Wq W
( )
Ecuacin de Litlle L = W
Lq = Wq

Este modelo es un caso especial del proceso

de
y

La tasa media de llegadas al

sistema de colas es una constante
y es independiente del estado
del sistema.

La tasa media de servicio por

servidor ocupado es una constante
y es independiente del estado
del sistema.

Sistema M/M/s.

Poisson ( )

....

.
.

Exp ()

Este sistema tambin es un proceso de nacimiento y

muerte con (j)= para j=0,1,2,... y:

j ; 0 j s
( j)

js
s ;

Este modelo nos indica que:

Todos
los
tiempos
entre
llegadas
son
independientes e idnticamente distribuidos de
acuerdo a una distribucin exponencial.
Todos los tiempos de servicio son independientes e
idnticamente distribuidos de acuerdo a una
distribucin exponencial.
El nmero de servidores es s (s cualquier entero
positivo)

Cuando:
=

Tasa media de servicio

menor que la tasa media
de llegadas. Se forma una
cola infinita.

En estado de saturacin de cola, se habla de que sta ha

llegado a sus estado estacionario.

Cuando:
=

<1

Tasa media de servicio

mayor que la tasa media
de llegadas.

En consecuencia, el sistema de colas alcanzar la

condicin de estado estable y se puede aplicar
directamente los resultados de estado estable
hallados anteriormente.

Para s >1, los factores Cn para el proceso de

nacimiento y muerte se reducen a:
=

para n = 0,1,2,,s.

=
!

para n = s, s + 1,

1
= +

= +

Suponiendo que el sistema no se satura, se

deducen las siguientes frmulas para las
probabilidades pn de que haya n clientes en
el sistema, donde nN:
c

p0

s!1 n 0 n!
s

s 1

s n
p0 , si n 0,1,..., s

n!
pn s n
s p , en otro caso
0

s!

Nmero medio de clientes en cola:

s s s 1 p0
Lq
2

s! 1

Usamos
obtener:

razonamientos
W Wq
Lq Wq

ya

vistos

L W

para

Nmero medio de servidores ocupados, S, En

el estado estacionario, la razn de las salidas
ser igual a la razn de las llegadas:

S S S

Probabilidad de que un trabajo tenga que

esperar para recibir su servicio (frmula de
retraso de Erlang):
c s s p0
q
s!1

M nmero de canales abiertos

tasa promedio de arribo

tasa promedio de servicio en cada canal
Po Probabilid ad de que existan CERO personas o unidades en el sistema
Po

1
n M 1 1

n0 n !

1
M

M ! M
M

para M

Ls nmero promedio de personas o unidades en el sistema :

LS

Po

M 1.!.M 2

Ws Tiempo promedio que una unidad permanece en el sistema,

(en la cola y siendo servida (atendida) )
M

1 LS

WS
Po

2

M 1! M
Lq Nmero promedio de personas o unidades en la lnea o cola, en espera de servicio
Lq LS

LS

Wq Tiempo promedio que una persona o unidad se

tarda en la cola esperando por servicio
Wq WS

Lq

P0

s s s 1 n

s! s n 0 n!

s
Lq
P
2 0
( s 1)!( s )
Ws Wq
Pn

n
s! s

ns

P0 , si n k

Ls Lq

Pn

n
n!

Wq

P0 , si n k

1 s s
P0
Pw
s! s

Lq

Si s 2
Lq

4
Si s 3

Lq

(3 )(6 4 )
2

1
P0 s 1
n
s
1
1 s

s
s!
n 0 n!
n

P
Pn
0
n!

for n s.

Pn

s! s

ns

P0

for n > s.

W
s 1!s

P0

Las medidas de performance L, Lq y Wq pueden

ser obtenidas a partir de las siguientes frmulas:

1
Pw
s!

P0

En un centro de fotocopiado se dispone de 3 mquinas

fotocopiadoras a disposicin del pblico, cada
mquina es capaz de servir, por trmino medio, 8
trabajos cada hora. Al centro de fotocopiado llegan
como promedio 5 clientes a la hora.
Cul es la probabilidad de que las tres mquinas
estn libres a la vez?
Cul es el nmero medio de clientes en la cola?
Cul es el tiempo medio de espera en la cola?
Cul es el tiempo medio de espera en el sistema?
Cul es el nmero medio de clientes en el sistema?

Parmetros del sistema: = 5 clientes/h, = 8

clientes/h, s = 3 servidores, el sistema no se
satura porque <1.

5
5

s 38 24

Cul es la probabilidad de que las tres

mquinas estn libres a la vez?
s
s
p0

s!1 n 0 n!
s

s 1

0
1
2
33 3

3! 1 0! 1! 2!

3
3

3!1 n!
n 0

5 25
125

8 128
2432

304
0,5342706
569

Cul es el nmero medio de clientes en la cola?

3 4 304
3
569
s p0
302
Lq

0,00722643 clientes
2
2
41791
s!1
3!1
s

s 1

Cul es el tiempo medio de espera en la cola?

Wq

Lq

Cul es el tiempo medio de espera en el sistema?

W Wq

302
52

0,00144529 h
541791 35979

52
1 514

0,126445 h
35979 8 4065

Cul es el nmero medio de clientes en el

sistema?
L W 5

514 514

0.632226 clientes
4065 813

Suponga que un cajero bancario puede atender

a los clientes a una velocidad promedio de diez
clientes por hora. Adems, suponga que los
clientes llegan a la ventanilla del cajero a una
tasa promedio de 7 por hora. Se considera que
las llegadas siguen la distribucin Poisson y el
tiempo de servicio sigue la distribucin
exponencial. Realice un anlisis acerca de la
situacin actual del Banco.

Ejemplo: Servicio general o especfico

Un banco pequeo en un centro comercial tiene dos

cajeros. Uno maneja al pblico general y uno maneja
a los clientes regulares.
Cada tipo de clientes llega con una media de 20 por
hora (para una proporcin de la llegada total de 40
clientes por hora). El tiempo de servicio para ambos
cajeros promedia 2 minutos (exponencial).

El gerente del banco est considerando cambiar el

orden de atencin para permitir que cada cajero
pueda manejar ambos tipos de clientes.

Puesto que los cajeros tendran que manejar

ambos tipos de trabajos, sus eficiencias
disminuiran a un tiempo de servicio de 2.2 minutos
por cliente. Se debe cambiar al nuevo esquema
de atencin?

l=

20

(mean arrival rate)

m=

30

(mean service rate)

s=

(# servers)

L=

Lq =

1.333333

Pr (W>t) =

4.54E-05

W=

0.1

Whwn t =

Wq =

0.066667

R=

0.666667

P0 =

0.333333

P1 =

0.222222

P2 =

0.148148

P3 =

0.098765

Prob (Wq>t)
=
When t =

3.0267E-05

Probability

0,4
0,3
0,2
0,1
0
0

10

12

14

16

18

Number of Customers in System

20

22

24

l=
m=
s=

40
27.272727

Pr (W>t) =

6.4082E-07

Whwn t =

Prob (Wq>t)

When t =

2.9905E-07

(mean arrival rate)

(mean service rate)
(# servers)

L=

3.173076

Lq =

1.706410

W=

0.079326

Wq = 0.042660
R=

0.733333

P0 =

0.153846

P1 =

0.225641

P2 =

0.165470

P3 =

0.121344

Probability

0,25
0,2
0,15
0,1
0,05
0
0

10

12

14

16

18

Number of Customers in System

20

22

24

Considere una lnea de espera con dos canales con

llegadas de poisson y tiempos de servicio
exponenciales. La tasa media de llegada es de 14
unidades por hora, y la tasa media de servicio es de
10 unidades por hora para cada canal.
a) Cul es la probabilidad de que no haya unidades
en el sistema?
b) Cul es la cantidad de unidades promedio en el
sistema?
c) Cul es el tiempo promedio que espera una
unidad por servicio?
d) Cul es el tiempo promedio que una unidad esta
en el sistema?
e) Cul es la probabilidad de tener que esperar por
el servicio?

Suponga que el sistema se expande a una operacin de tres

canales.
A) Calcule las caractersticas operativas para este sistema de lnea
de espera.
B) Si la meta de servicio es proporcionar capacidad suficiente de
modo que no ms del 25% de los servicios tenga que esperar por
servicio, es preferible el sistema de dos canales o el de tres
canales?

La resolucin analtica de los

sistemas se complica a medida
que los sistemas se hacen ms
complejos. De hecho, para
muchos sistemas no existe
resolucin analtica.
Ejemplo:
un
sistema
de
servidores en paralelo y en serie
con
mltiples
canales
y
distribuciones generales.
En sistemas de colas complejos
conviene utilizar simulaciones
para su comportamiento.

Modalidad: Grupal.
Escoja un lugar donde muestrear, estos pueden ser
supermercados, farmacias, bombas de bencina, fotocopiadora,
sencillito, correo, u otro.
Lleve un cronmetro, papel, si quiere filmar, de tal manera de
establecer las condiciones de entrada al sistema de estudio, salida
y lo que ocurre en el proceso. Repita las mediciones 4 veces.
Una vez con la informacin encontrada, defina los coeficientes de
estudio (,,s) y determine, en base a lo encontrado de manera
prctica, analicen la lnea de espera de acuerdo a los ejemplos
vistos en clases.
Realice un esquema de la lnea de espera estudiada. Descrbala y
anote los datos.
Realice los clculos respectivos y suba su aplicacin al link
estudio en adecca. Plazo, martes 19 de Mayo.
Sintetice su entrega en una presentacin corta con su grupo y
presntela el da mircoles 20 de mayo.
Si algn integrante falta y no justifica queda con el puntaje
descontado en la nota final del proyecto.

Modelar un sistema de lneas de espera aplicado a la vida real.

Resolver el modelo con las herramientas bsicas de clase o/y otras.
Implementar la aplicacin en FlexSim.
Fecha presentacin: 23 y 24 de junio.
Subir a la plataforma ADECCA, carpeta, proyecto, Informe. Debe
contener: Introduccin, marco terico, aplicacin, desarrollo
aplicacin, implementacin en software de simulacin con pasos
claros y anlisis de resultados, bibliografa o linkografa.

https://www.youtube.com/watch?v=I6aGowTrHh4 lineas de espera

con FLEXsim
https://www.youtube.com/watch?v=mpBBKGATOnc uso de flexSim

BIBLIOGRFIA EN MODELOS PROBABILSTICOS

1. Introduction to Probability Models, Ross, S.M.

Academic Press, New York, 8a. Edicin, 2002.
2. Introduction to Probability, Bertsekas,D. and
Tsitsiklis, J. Athena Scientific, 2002.
3. Applied Probability Models with Optimization
Applications, Ross, S.M. Dover Publications, Inc. New
York, 1992.
4. Modelos Estocsticos para la Gestin de Sistemas,
Gazmuri, P. Ediciones Universidad Catlica, Santiago,
1995.
5. Teora de Colas y Simulacin de Eventos Discretos,
Pazos, J., Surez, A. y Daz, R.P. Pearson, Prentice
Hall, 2003.

5.4 Cadenas de Markov en tiempo continuo.

Se desea estudiar el comportamiento de sistemas
que dependen en forma continua del tiempo:
Xt: nmero de ambulancias disponibles en el
instante t.
Xt: nmero de personas esperando ser atendidas en
el banco o en el supermercado en el instante t.
Xt: nmero de mquinas funcionando correctamente
en un taller en el instante t.

Propiedad Markoviana:

IP(X t s j / X u X(u), 0 u t, X t i)
IP(X t s j / X t i)
Propiedad Estacionaria

IP(X t s j / X t i) , no depende de t, slo de s.

Cmo representar el proceso?

- Se necesitan las probabilidades de que ocurra
un salto de un estado a otro.
- La distribucin de los tiempos de permanencia
en un estado.
Se necesita explicitar:
i) Probabilidades de transicin pij (asumiendo
pii=0)
ii) Tasas vi de los tiempos exponenciales Ti del
tiempo de permanencia en el estado i.

Distribucin de Xt :
pij (t ) IP(X t j / X 0 i)
Estas probabilidades satisfacen:

d
pij (t ) pik (t )vkpkj v jpij (t )
dt
k j
Si existe una distribucin estacionaria:

j lim pij (t )
t

La ecuacin diferencial anterior provee el siguiente

sistema de ecuaciones para las probabilidades
estacionarias j (de existir):

k vkpkj v j j ; j 1,2,...

j 1

k j

o equivalentemente el sistema:

v j j

k vkpkj ; j 1,2,...

k j

j 1
j

Ejemplo:
En el puerto de Valparaso existen N trenes
encargados de traer cargas de contenedores desde
los buques hasta una unidad de descarga. En esta
unidad existen c gras ( c < N) para descargar los
trenes.
El tiempo que le toma a una gra descargar un tren es
exponencial a tasa . Un tren deja la unidad de
descarga cuando la gra termina de atenderlo y
vuelve con una nueva carga despus de un tiempo
exponencial de tasa .

Se formula un modelo que permita obtener en el

largo plazo:
-nmero medio de trenes esperando ser atendidos
en la zona de descarga
-nmero medio de gras que se encuentran
atendiendo trenes
-fraccin del tiempo en que hay al menos una gra
desocupada
Sea Xt : El nmero de trenes que estn en la unidad
de descarga
(Xt {0,1,2,...,N})

Si existen 0 j c trenes en la unidad de descarga

vj= j + (N j)
Es decir, el tiempo que transcurre con j trenes en la
unidad de descarga es una v.a. Exponencial
correspondiente al mnimo entre los tiempos que
transcurren hasta que se descarga completamente un
tren de los j existentes en dicha unidad y los tiempos
que transcurren hasta que retorna uno de Nj trenes
que vuelve con carga.

Adems, las nicas posibles transiciones cuando se

deja el estado j son:
pj,j-1= j / (j + (N j ) )

j>0

pj,j+1=( N- j ) / (j + (N j ) )
Esto es, las probabilidades que se termine de
descargar un tren antes de que vuelva uno con carga y
viceversa.

Anlogamente si c<jN estos parmetros resultan:

vj= c + (N j)
pj,j-1= c / (c + (N j ) )
pj,j+1=( N - j ) / (c + (N j ) )

(jN)

En este caso las ecuaciones que determinan las

probabilidades estacionarias j lim pij (t ) resultan
t
ser las siguientes:

N 0
[ + ( N 1 )]
...
[c + ( N c ) ] C
...
[c + ] N-1

=
= N 0

1
+ 2 2

= (N ( c 1)) c-1 + c C+1

= 2 N-2

+ c N

c N = N-1
1+ 1+...+ N = 1
As, el nmero de trenes esperando ser atendidos
en la unidad de descarga es :
N

(n c) n

n c

El nmero promedio de gras atendiendo trenes

c

n 1

n c 1

n n c n

La fraccin de tiempo en que hay al menos una

gra desocupada es :
c 1

n 0

En lo que sigue Xt representa el nmero de

entidades presentes en un determinado sistema
en el instante t, cuyo tamao aumenta con la
llegada (nacimiento) de entidades o disminuye
con la salida (muerte) de entidades.

Se asume que el tiempo transcurrido hasta la

prxima llegada de una entidad es una v.a.
exponencial de tasa (j), donde j es el actual
nmero de entidades del sistema, y que el tiempo
transcurrido hasta la prxima salida de una entidad
es una v.a. exponencial de tasa (j).
Con los supuestos anteriores, {Xt}t0 es una
cadena de Markov en tiempo continuo.

En efecto, el tiempo de permanencia en un estado j

es una v.a. exponencial de tasa:
vj =(j) + (j)
y las respectivas probabilidades de transicin son:

( j)
( j) ( j)
( j)
p j, j 1
( j) ( j)

p j, j 1

Para un proceso de nacimiento y muerte las

probabilidades estacionarias que resultan de las
ecuaciones de equilibrio son:
v0 0 1 v1 p10
(0) 0 1 (1) (1)

(1)
(1) (1)

v1 1 0 v0 p01 2 v2 p21
[ (1) (1)] 1 (0) 0 ( 2) 2

vn n n 1 vn 1 pn 1,n vn 1 pn 1,n
[ ( n ) ( n )] n (n 1) n 1 ( n 1) n 1

0 1 ... n ... 1

De lo anterior resultan las siguientes probabilidades

estacionarias:
( 0)
1
0
(1)
(1) (2)
2
0
(2) (1)

(n 1) (1) (0)
0
(n ) (2) (1)

(n 1) (1) (0)
1

n 1 ( n ) ( 2) (1)