Está en la página 1de 40

(3.

b) MODELOS EXPONENCIALES de COLAS

INTRODUCCIN A LOS PROCESOS DE NACIMIENTO Y


MUERTE.
Ecuaciones de equilibrio. Condicin de E.E.
APLICACIN DE LAS ECUACIONES DE EQUILIBRIO:
La cola M/M/1. Ilustracin del comportamiento.
MODELOS DE COLAS EXPONENCIALES.
Trabajo de servidores en paralelo.
Casos importantes:
M/M/s , M/M/s/K , M/M/s/./N. Propiedades.
Longitudes medias y Tiempos de permanencia.

Cap. 15 Hillier F.S., Lieberman G.J. Introduction to Operations Research Holden day Inc. 1986.
Cap. 4 Gross D., Harris C.M."Fundamentals of queueing theory" John Wiley and Sons. 1998.

I.O.E. Diplomatura de Estadstica

TEORIA DE COLAS

UPC

TIEMPO DE VIDA CONDICIONAL

PROPIEDAD 2. Caso exponencial. Ausencia de memoria


i-1

I.O.E. Diplomatura de Estadstica

UPC

Mquina 1

1
Mquina 2

N=2

N=3

N=20

N=5

N=50
Palm
(1943)

PROCESOS DE NACIMIENTO Y MUERTE


"Nacimiento" indica llegada al S.E
"Muerte" indica salida del S.E.
Puede ocurrir que el tiempo entre llegadas sea v.a. con
distribucin dependiente del estado N del sistema.
t

i1

i2

i3

ik

ik

1. Si N (t ) = n el tiempo entre llegadas ~ exp. de parmetro n .


2. Si N (t ) = n el tiempo de servicio ~exp. De parmetro n .

Slo una llegada o una salida al/del sistema puede darse en


cada instante t.

I.O.E. Diplomatura de Estadstica

UPC

Diagrama de tasas de transicin


Muestra las posibles transiciones permitidas en el estado del sistema en
un instante.

Tasas del proceso de llegadas al S.E.


1

0
0

n-1

n-1

n
2
3
1
Tasas del proceso de servicio en el S.E.

n+1
n+1

n+1

n+2

La distribucin de probabilidades del estado del sistema, N(t), en rgimen


estacionario es relativamente intuitivo de deducir a partir del diagrama de
tasas de transicin.

0
1

Estado
0
1
2
M

n 1
n
M

n-1

2
...

Tasa incidente
1 P1
0 P0 + 2 P2

1 P1 + 3 P3

...

n+1

n-1

n+1

n+1

n+2

= Tasa emergente
=
0 P0
(1 + 1 ) P1
=
(2 + 2 ) P2
=
M

n2 Pn2 + n Pn =
n1 Pn1 + n+1 Pn+1 =
M

(n1 + n1 ) Pn1
(n + n ) Pn

Hay tantas ecuaciones como valores pueda presentar N(t), por


tanto, si en el S.E. slo pueden haber como mximo K clientes,
habrn K+1 ecuaciones.

Resolucin del sistema de ecuaciones

P1

P
2

P3

Pn

P
n+1

0
=
P0
1
01
1
1
1
=
P1 + (1 P1 0 P0 ) = P1 =
P0
2
2
2
12
012
2
2
2
1
1
=
P2 + (2 P2 1 P1 ) = P2 + (1 P1 0 P0 ) = P2 =
P0
3
3
3
3
3
123
M
n1
n1
n1
01 Kn1
1
1
=
Pn1 + (n1 Pn1 n2 Pn2 ) = Pn1 + (1 P1 0 P0 ) = Pn1 =
P0
n
n
n
n
n
12 Kn
n
01 Kn
= L=
Pn =
P0
n+1
12 Kn+1
M

0 1 Kn1
Cn =
1 2 K n

n = 1, 2,K ;

0 1 Kn1
P0 = Cn P0
Pn =
1 2 K n

n =0

Pn =

n =0

C0

n = 1, 2,K

Cn P0 = 1 P0 =

n =0

Las probabilidades de estado


estacionario quedan definidas si:

=1

Cn

n =0

Cn < +

En caso de que el S.E. pueda contener slo K clientes como mximo,


el sumatorio se extiende de n=0 a n=K y siempre ser finito.

I.O.E. Diplomatura de Estadstica

UPC

APLICACIN DE LAS ECUACIONES DE EQUILIBRIO: el modelo M/M/1


Hiptesis del modelo:
Tiempos entre llegadas i.i.d. de ley exponencial con parmetro n = .
Tiempos de servicio i.i.d. segn una ley exponencial de parmetro n = .
Un nico servidor, s = 1.

n = n = 0,1, 2,K
n = n =1, 2,K

...

n+1

n-1

...

Hay rgimen estacionario si el factor de carga del S.E. es


<1
Dado que < 1

01 Kn1
Cn =
12 Kn

= = n

n = 1, 2,K C0 = 1

Pn = Cn P0 = n P0 n = 0,1, 2,K

n = 0

P0 =

Cn

n=0

y por tanto,

n = 0

n=0

= 1

1
=
= 1
1
1

Pn = Cn P0 = n (1 ) n = 0,1, 2,K
(Distribucin geomtrica)

EJEMPLO DE LA EVOLUCIN DE UNA COLA M/M/1


COMPORTAMIENTO: Pueden presentarse dos situaciones:

1.

En promedio la afluencia
de
clientes
al
S.E.
sobrepasa la capacidad de
trabajo del Sistema de
Servicio:

N(t)

N(t) PRESENTA UNA


TENDENCIA CRECIENTE
2.

El Sistema de Servicio tiene


suficiente capacidad de
trabajo frente a la afluencia
de clientes:

N(t) puede crecer en ocasiones,


pero el S.E. siempre retorna al
estado 0 (vaco)

I.O.E. Diplomatura de Estadstica

<1

N(t)

UPC

La esperanza matemtica de la variable aleatoria estado del sistema ( < 1 )

n=0

n=0

L = n Pn = n (1 ) = (1 )n = (1 )n n1 =
n

n=0

n=0

d n
d 1
= (1 ) = (1 )
=
d n=0
d 1

= (1 )
=
=
2
(1 ) (1 )
La esperanza matemtica de la variable aleatoria longitud de cola en un sistema de

espera M/M/1 ( < 1 )

n=1

n=1

n=1
2

Lq = (n 1) Pn = n Pn Pn =(L) (1 P0 ) =

2
= (L) () =
=
=
1
1 ( )

UTILIZACIN DE LAS FRMULAS DE LITTLE

I.O.E. Diplomatura de Estadstica

UPC

Distribucin de la v.a. tiempo de


permanencia en el S.E. de un
cliente:
w ~ exp. E[w]=W

TIEMPO DE VIDA CONDICIONAL

PROPIEDAD 2. Caso exponencial. Ausencia de memoria


i-1

I.O.E. Diplomatura de Estadstica

UPC

TRABAJO DE SERVIDORES EN PARALELO


La variable aleatoria U definida como el mnimo de entre n
variables aleatorias independientes y exponenciales T1 , L, Tn ,

de parmetros respectivos 1 ,L, n , sigue una ley exponencial


n

i .
de parmetro =
i =1
es decir, U = Min{T1 ,K, Tn } y por tanto la funcin de distribucin de U ,

FU (t) = P({U t}) =1 P({U > t}) =1 P({T1 > t,K,Tn > t}) =1 P({T1 > t})LP({Tn > t}) =
n
t

nt
1t

i =1 i
=1 e Le =1 e
=1 e t

I.O.E. Diplomatura de Estadstica


UPC

La interpretacin que puede darse de la propiedad en el caso del tiempo entre


llegadas es que si la poblacin esta constituida para diferentes clases de clientes
que llegan cada una al sistema de espera segn una ley exponencial vinculada a
la clase, entonces el tiempos entre las llegadas de 2 clientes cualesquiera sigue
una ley exponencial, o el que es equivalente, la poblacin puede tratarse desde
el punto de vista de la distribucin entre llegadas al sistema de espera como si
fuera homognea.

Fuente 1
Fuente 2
Fuente n

1
2

1 + 2 + +n

I.O.E. Diplomatura de Estadstica


UPC

Si hay n servidores, el tiempo que resta hasta la prxima finalizacin


de servicio no depende del instante ni del servidor que ha completado
el ltimo servicio y sigue una distribucin exponencial, lo que permite
tratar sistemas de espera con n>1 servidores, como si tuvieran un
nico servidor pero que trabaja tan rpido como los n juntos.
Supongamos n fuentes exponenciales y sean r1 rn los intervalos de tiempo
transcurridos desde el ltimo suceso para las fuentes 1 n respectivamente.
Consideremos variables aleatorias s1 sn , tiempos contados desde el instante
actual hasta el prximo suceso para cada una de las n fuentes.

Por la propiedad de ausencia de memoria las


variables aleatorias s1, sn tambin se
distribuyen exp. con parmetros 1 , 2 , n

el tiempo contado a partir del instante actual


hasta que algn otro suceso proviniente de
las n fuentes se produzca, se distribuye

r1

s1

r2

rn

s2

sn

exponencialmente con parmetro

= i .
i =1

Instante actual

I.O.E. Diplomatura de Estadstica


UPC

MODELO M/M/s

Tiempos entre llegadas i.i.d. de ley exp. con parmetro .


s > 1 servidores iguales.
Tiempo de servicio x i.i.d. segn una ley exp. de parmetro .

n =
n
n =
s

n = 0,1, 2,K
n =1, 2,K, s 1
n = s , s + 1,K

s+1

s-1


<1
Si el factor de carga del S.E. =
s

1 n
P0
n!
Pn = Cn P0 =
s
ns
1 P
0
s ! s

P0 =

n =0

Cn

n =0

Pn =
1

n =0

I.O.E. Diplomatura de Estadstica

n = 1, 2,K, s 1
n = s , s + 1,K

n = 1, 2,K, s 1
n = s , s + 1,K

Cn P0 = 1

1
1

+
n =0 n !
n=s s !
s 1

1 n

0 1 Kn1 n !
Cn =
=
1 2 K n 1 s n s

s ! s

n s

1
n

1
1 1
+


n =0 n !
s! 1
s 1

UPC

Lq =

(
n s ) Pn = n Ps + n
n=s
n =0

1
s +ns
= n ( )
P = ... = 0
n =0 s !

1
= P0
2
s!
(1 )

1
L = n Pn = W = Wq + = Lq +

n =0

Resumen del clculo de una cola M/M/s (se conocen , , s)

Lq
Wq =

1 P0

P 0 Lq =
2
s! (1 )

L
L = Lq + W =

I.O.E. Diplomatura de Estadstica

UPC

1 ns
P({n s}) = Pn = P0 =
n= s
n=s s !

1
1 P0
n

= P0 =
s ! n =0
s! 1

Frmula C-Erlang

Distribucin
de Poisson

I.O.E. Diplomatura de Estadstica

UPC

El modelo M/M/s/K
Sistema de espera con limitacin de capacidad que presupone:
1. Tiempos entre llegadas i.i.d. exp. de parmetro n = .
2. Tiempos de servicio x i.i.d. exp. de parmetro

3. Un conjunto de servidores en paralelo s > 1.


4. El nmero de clientes al sistema de espera es K.
El nmero mximo de clientes N(t) presentes en el S.E. debe ser K
Si el S.E. est lleno al llegar un cliente ste se pierde:

s+1

s-1

Siempre alcanzar rgimen estacionario.

I.O.E. Diplomatura de Estadstica


UPC

1 n

n!
s
ns
0 1 K n 1 1
=
Cn =
1 2 K n s ! s

n = 1, 2,K, s 1
n = s, s + 1,K, K
n = K + 1, K + 2,K

Lo que facilita el estado del sistema en rgimen estacionario:

P = C
P0 =

n =0

C
n =0

n =0

P n = C n P0

P0 = 1
1
n

K
1
1
+

n =0 n !
n=s s !
s 1

i C0 = 1

ns

=
1 .

;
s

Si K no es demasiado alto es aconsejable utilizar las frmulas


generales para procesos de nacimiento y muerte en equilibrio.

I.O.E. Diplomatura de Estadstica


UPC

K 1

K 1

n =0

n =0

n =0

= n Pn = Pn = Pn = (1 PK )

Si N (t) < K

Si N (t) = K
Poblacin

Sistema de Espera

I.O.E. Diplomatura de Estadstica


UPC

La esperanza matemtica de la variable aleatoria longitud de cola


s

K s
1
1
s+ns
Lq = (n s ) Pn = n ( )
P0 = P0 n n =...
n=s
n =0
n =0
s!
s!

K s

K s
K s
(
(
)

(1 )).
.... = P0
1
K
s
2
s!
(1 )

=
1 .

En las frmulas presentadas se ha supuesto


s
La esperanza matemtica de la variable aleatoria estado del sistema.

L = n Pn = W = Wq + = Lq +

n =0

Aplicacin de las frmulas de Little para el calculo de W y Wq .

L
[
]
W = EW =

[ ]

Wq = E Wq =

Lq

I.O.E. Diplomatura de Estadstica


UPC

MODELO M/M/s/./N
S.E. con poblacin finita (N) que presupone:
Tiempo de permanencia en la poblacin de los clientes i.i.d segn ley
exp. de parmetro
Tiempos de servicio por servidor i.i.d. segn ley exp. de parmetro .
Un conjunto de servidores en paralelo s > 1.
Una poblacin finita de clientes limitado al valor N. Para simplificar

se supone N > s.

Es un S.E. cerrado: Hay siempre N clientes (poblacin+S.E.)


Tras salir del S.E. el cliente se reintegra en la Poblacin

Poblacin

Sistema de Espera

EJEMPLO: TALLER DE REPARACIONES


En un taller de reparacin de motores hay 3 mecnicos.
Atienden un conjunto de 12 motores de una planta.
Cada mecnico repara un motor en un tiempo x ~ exp. E[x]=1da.
Tras repararse un motor es puesto en servicio inmediatamente.
El tiempo entre averas de un motor ~ exp. E[]=20 das.

Motores
Poblacin
funcionando

TALLER

Sistema de Espera

M/M/s/./N: DIAGRAMA DE TASAS


(N-1)

N
1

N!

(N n )! n !
s
ns

0 1 K n 1
N!

=
Cn =
1 2 K n (N n )! s ! s

P0 =

n =0

Cn

n =0

Pn =

n =0

i C0 = 1

n = s, s + 1, K , N
n = N + 1, N + 2, K

Cn P0 = 1
1
n

n = 1, 2, K , s 1

N


N!
N!

+

n =0 (N n )! n !
n=s (N n )! s !
s 1

N-1

N-2

N-3

(N-2)

ns

No se puede conseguir
una expresin analtica
compacta y los clculos
con poblacin finita se
desarrollan a partir de
tablas especficas.

n=s

n=s

Lq = (n s ) Pn = (n s ) Pn
La esperanza matemtica de la variable aleatoria estado del sistema se puede

deducir a partir de

Lq ,

s 1
L = n Pn = n Pn + n Pn = n Pn + Lq + s 1 Pn
n =0
n =0
n=s
n =0
n =0

s 1

s 1

Clculo de la tasa media efectiva de llegadas por unidad de tiempo,

n =0

n =0

n =0

n =0

= n Pn = (N n ) Pn = N Pn n Pn =
N

= N n Pn = N L = (N L )
n =0

La aplicacin de las frmulas de Little permite deducir el tiempo medio de espera en el

sistema W y en la cola de los sistema W q

L
W = E[W ] =

[ ]

Wq = E Wq =

Lq

I.O.E. Diplomatura de Estadstica


UPC

SESION DE PROBLEMAS:
USO de QTS_EXCEL
probability

M/M/c system-size probabilities


0,25
0,20
0,15
0,10
0,05
0,00
0

10

size
CDF for M/M/c line waiting times
1,00

cdf

0,80
0,60
0,40
0,20
0,00
0

0,5

1
time

1,5

Terminal de facturacin de equipaje


Un terminal de facturacin dispone de 2 operarios que atienden los clientes que
llegan segn una distribucin de Poisson de media 80 clientes por hora y esperen en
una cola nica hasta que alguno de los operarios est libre. El tiempo requerido para
atender un cliente esta distribuido exponencialmente con media 1.2 minutos.
1. Cual es el nmero esperado de clientes en la terminal de hacecturacin?
2. Cual es el tiempos medios que un clientes pasa a la terminal de hacecturacin?
3. Qu porcentaje del tiempo est libre un determinado operario?
Modelo M/M/2
Tasa de llegadas

= 80 clientes/hora

80
=
= 0.8
s 2 50

60

=
= 50 clientes/hora.
Tasa de servicio por operario
1.2
s

1
P0 Lq = s!

Lq
=

Wq

P0
2
(1) L = + W = L
Lq

I.O.E. Diplomatura de Estadstica


UPC

P0 =

1
n

1
1 1

s! 1
n =0 n !
s 1

1
2

1 80
1 80
1
+

2! 50 1 0.8
n = 0 n ! 50
1

= 0.111

1
1 8
0 .8

Lq = P0
= (0.111)
= 2.84
2
2
s!
(1 0.8)
(1 ) 2! 5
1. El

nmero
medios
de
clientes
80

L = Lq + = 2.84 +
= 4.44 clientes.
50

en

el

terminal

de

clientes

facturacin

es

L 4.44
=
=
= 0.0555 horas
W
2. Un clientes pasa en promedio en el terminal de facturacin

80
= 3.33 minutos.
3. 1 P0 + 1 2 P1 = (1 + 1 2 C1 ) P0 = (1 + 1 2 8 5) P0 = 0.2

I.O.E. Diplomatura de Estadstica


UPC

El servicio de urgencias de un hospital


El servicio de urgencias de un hospital dispone permanentemente de un mdico de
guardia, pero se han detectado tiempos de espera desaconsejables en muchas ocasiones,
de manera que Direccin del Hospital quiere avaluar los beneficios de disponer de un
segundo mdico de urgencias. La tasa de llegada de enfermos al servicio de urgencias
es de 1 paciente cada 30 minutos y el tiempo medio de servicio es de 20 minutos para

paciente. Determinar los parmetros , P0 , Lq , L, Wq i W con s=1 y s=2 mdicos de


guardia. Determinar la funcin de distribucin de probabilidad del tiempo de espera hasta
ser examinado un paciente en ambas situaciones.
En el caso M/M/1,
=

2 1
23

2
=
= 2 pacientes
L=
= ; P0 = 1 = 1 =
1 1 2 3
3
3 3

(2 3) = 4 pacientes
2
Lq =
=
1 1 2 3 3
2

W=

L 2
= = 1 hora
1

Wq = W = (2 3) 1 =

2
hora
3

I.O.E. Diplomatura de Estadstica


UPC

2
1
=
=
=

En el caso M/M/2,
s 23 3 .

P0 =

P0 Lq =

1
n

1
1 1
+

s! 1
n =0 n !
s 1

1

s!

Lq
=

W
q

P0 2
(1) L = + W = L
Lq

1
n

1 2
1 2
1
+

!
3
2
!
n
3 11 3

n =0
1

1
2

1
1 2 1 1 3
1

=
=
Lq = P0
pacientes
2
2
s!
(1 ) 2! 3 2 (1 1 3) 12
L = Lq +

W=

1 2 3
= + =
pacientes
12 3 4

L 3 1 3
= = horas
4 2 8

Wq =

Lq

1 1 1
horas
=
12 2 24

I.O.E. Diplomatura de Estadstica


UPC

Ejemplo:
El Asesor
Fiscal
El asesor
fiscal
Un asesor fiscal dispone de un local para atender a sus clientes, los cuales se concentran
mayoritariamente durante los meses de mayo y junio. El local tiene una capacidad
mxima de 8 asientos en espera, el cliente se va si no encuentra un asiento libre, y el
tiempo entre llegadas de clientes se puede considerar distribuido
exponencialmente segn un parmetro = 20 clientes por hora en perodo punta. El
tiempo de una consulta esta distribuido exponencial con una media de 12 minutos,
1. Cuantas consultas por hora realizar en promedio?
2. Cual es el tiempo medio de permanencia en el local?
El modelo es M/M/1/9
n 1

Pn = Cn P0 =
1 K +1

20
=
=4
5

n = 0,1, 2,K, K
n = K + 1, K + 2,K

K =9,

P9 = C 9 P0 = 9

1
1 4
9
4
=

= 0.75
1 10
1 410

= Pn = (1 P9 ) = 20 (1 0.75 ) = 5 clientes/hora
n =0

L=

(K + 1)

1
1 K +1

K +1

)
)
L 8.6
)
4
10 4
=
= 1.73 horas.
=

= 8.6 clientes W = E[W ] =


10
1 4 1 4
5

10

I.O.E. Diplomatura de Estadstica


UPC

Modelo de Reparacin de Avionetas


Una pequea compaa area de una isla de las Antillas dispone de 5 avionetas, que hay
que reparar con una tasa de 1 cada 30 das. Se disponen de 2 tcnicos para reparaciones,
cada uno de los cuales necesita un promedio de 3 das para una reparacin. Los tiempos
entre averas y de reparacin son exponenciales.
1. Determinar el nmero medios de avionetas en funcionamiento.
2. Calcular el tiempo medio que una avioneta esta fuera de servicio cuando requiere una
reparacin.
3. Calcular el porcentaje del tiempo que un determinado tcnico esta libre.

1
=

El modelo es exponencial y de poblacin finita: M/M/2//5. La tasa de averas es


30
avionetas por da y la tasa de reparaciones es =

1
avionetas por da.
3

El nmero medios de avionetas en funcionamiento es el nmero total de avionetas, N,


menos el nmero esperado de avionetas en reparacin, L:
N

N L = 5 L = 5 n Pn .
n =0

Hay que determinar las Pn = C n P0 y para esto hacen falta las Cn y P0 .


I.O.E. Diplomatura de Estadstica
UPC

5!
1

0 1 K n 1 (5 n )!n ! 10
=
Cn =
1 2 K n 5! 1 2 1 n 2
(5 n )!2! 10 2 10

n =1
y C0 = 1
n = 2,K,5

5!
1
P0

(5 n )! n ! 10
Pn = C n P0 =
2
n2
5
!
1
1

P0
(5 n )!2 ! 10 2 10

1
0.5

n = 2, K ,5

3
4
5
C
0.015 0.0015 0.000075

1
1
=

=
=
= 0.619
P
C
P
P
1

n
n
0
0
5
+
+
+
+
+
1
0
.
5
0
.
1
0
.
015
0
.
0015
0
.
000075
n =0
n =0
Cn
i

0
1

n=1

2
0.1

n =0

i
Pi

0
0.619

1
0.310

2
0.062

3
0.009

4
0.001

5
0.00004

N L = 5 L = 5 n Pn = 5 0.465 = 4.535 avionetas en promedio en funcionamiento.


n =0

I.O.E. Diplomatura de Estadstica


UPC

El tiempo medio que una avioneta pasa en reparacin es W.

W =

L 0.465
=
= 3.08 das
0.151

1
1
(
)
(
)
N
L
5
0
.
465
=

=
(4.535) = 0.151

donde
30
30
La fraccin de tiempo que un determinado tcnico pasa inactivo es

P0 + 0.5 P1 = 0.619 + 0.5 0.310 = 0.774 .

I.O.E. Diplomatura de Estadstica


UPC

( 3.c) INTRODUCCIN A LOS MODELOS NO EXPONENCIALES


Y REDES DE COLAS

INTRODUCCIN A LAS REDES DE COLAS.


Concepto de red abierta y cerrada.
Redes abiertas y Teorema de Jackson.
MODELOS NO EXPONENCIALES
Cola M/G/1: Frmula de Pollaczeck-Khintchine.
Cola G/M/1: casos Ek/M/1, Hip/M/1, Hyp/M/1.
Uso de QTS_EXCEL.
APROXIMACIONES PARA COLAS GI/G/s.
Aproximacin de Allen-Cuneen.
Aproximaciones para colas congestionadas
(Heavy Traffic)
Cap. 5 Allen A. O. Probability, Statistics and Queueing Theory Academic Press. 1998.

I.O.E. Diplomatura de Estadstica

UPC