Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Colast6 PDF
Colast6 PDF
El analisis de los distintos modelos de colas esta determinado en gran parte por
la distribucion de probabilidad de los tiempos entre llegadas y la distribucion de los
tiempos de servicio. En los sistemas de colas reales, estas distribuciones pueden tomar
practicamente cualquier forma (siempre que sean no negativos). Sin embargo, para
formular y analizar un modelo matematico es necesario especificar la forma supuesta
de cada una de estas distribuciones. Para que sea util, la forma expuesta debe ser lo
suficientemente realista como para que el modelo proporcione predicciones razonables
y al mismo tiempo lo suficientemente manejable para que sea posible tales predicciones.
Con estas consideraciones, la distribucion exponencial es la distribucion de probabilidad
mas importante en la teora de colas.
85
86 Tema 6. Modelos de colas exponenciales
Una v.a. no negativa, X, se dice que sigue una distribucion exponencial con parametro
, X exp(), si
0 si x 0
F (x) = P (X x) =
1 ex
si x > 0
P (0 X x) > P (x X x + x)
Lo que quiere decir que es relativamente probable que X tome valores pequenos.
De hecho, se tiene que
1 1 3
P 0X = 0.393 mientras que P X = 0.383
2 2 2
de manera que es mas probable que X tome un valor cercano a cero que un valor
cercano a su media, aun cuando el segundo intervalo tiene el doble de longitud
que el primero. Es esta propiedad razonable para un modelo de colas?
P (X > t + s)
P (X > t + s|X > s) =
P (X > s)
(t+s)
e
=
es
= et
= P (X > t)
X = mn{X1 , . . . , Xn }
S0 = 0 Sn = X1 + + Xn
Notar que N (0) = 0 y N (t) salta con pasos de longitud 1 en los tiempos t = Sn ,
n = 1, 2, . . .
6.1. La distribucion exponencial y los procesos de Poisson 89
N (t) Z+ , t 0.
Si s < t, entonces N (s) N (t) y N (t) N (s) es el numero de sucesos que han
ocurrido en el intervalo (s, t].
Definicion 6.1. Si {Xn , n 1} es una sucesion de v.a.s iid Exp(), entonces {N (t), t
0} se denomina proceso de Poisson de parametro y se representa por P P ().
(t)k
P (N (t) = k) = et
k!
Demostracion.
Tenemos que:
Sk t
Luego,
P (N (t) k) = P (Sk t),
= P (Sk t) P (Sk+1 t)
90 Tema 6. Modelos de colas exponenciales
Por otro lado, puesto que Sk es suma de v.a.s exponenciales iid, se tiene que
Sk Gamma(k, )
Finalmente,
P N (t) = k = P (Sk t) P (Sk+1 t)
k1 ri k
h X
t (t)
h X (t)r i
= 1 e 1 et
r=0
r! r=0
r!
k
(t)
= et
k!
f (h)
lm =0
h0 h
Ejemplo 6.7.
f (x) = ex 1 x es o(h).
ii) N (0) = 0 y
P (N (h) = 0) = 1 h + o(h)
P (N (h) = 1) = h + o(h)
n : tasa media de servicio para todo el sistema (numero esperado de clientes que
completan su servicio por unidad de tiempo) cuando hay n clientes en el sistema.
Cuando n es constante para todo n, se denota por . Esto significara que el numero
medio de clientes que llega al sistema por unidad de tiempo no depende del estado
del sistema. Cuando la tasa media de servicio por servidor ocupado es constante, se
denota por . En este caso, n = s, cuando n s, es decir, cuando los s servidores
1 1
estan ocupados. En estas circunstancias,
es el tiempo esperado entre llegadas,
es
el tiempo de servicio esperado y = s
es el factor de utilizacion del sistema, es decir,
la fraccion media de tiempo que los servidores estan ocupados.
Cuando un sistema de colas inicia su operacion, los distintos factores del sistema se
encuentran bastante influenciados por las condiciones iniciales; se dice que el sistema
se encuentra en estado transitorio. Una vez que ha pasado suficiente tiempo, usual-
mente, los factores del sistema se vuelven independientes de las condiciones iniciales y
del tiempo transcurrido, y se dice que el sistema se encuentra en estado estable. A
lo largo de este tema, dedicaremos nuestro analisis al estado estacionario que, afortu-
nadamente, en la practica es el que guarda mayor interes.
94 Tema 6. Modelos de colas exponenciales
Nuestro objetivo inicial sera obtener las probabilidades de estado, pn (t): probabili-
dad de que el sistema este en el estado n (haya n clientes en el sistema) en el instante
t. En general, obtener las probabilidades de estado cuando el sistema se encuentra
en estado transitorio es bastante complicado, as que nos centraremos en calcular las
probabilidades pn = lmt pn (t) cuando el sistema se encuentra en estado estable. De
algun modo esto significa que esperamos que el sistema se vuelva independiente de las
condiciones iniciales y del tiempo que ha transcurrido desde el inicio del mismo. Por lo
tanto, la probabilidades estacionaria pn se puede interpretar como la probabilidad de
que haya n clientes en el sistema cuando este ha alcanzado el estado estacionario. Hay
que puntualizar que no todos los sistemas tienen estado estacionario, pues lmt pn (t)
podra no dar lugar a una distribucion de probabilidad.
Para obtener las ecuaciones en diferencia para pn (t) analizaremos como el sistema
puede alcanzar el estado n en el instante t + t. Las posibilidades son las siguientes
Puesto que los tiempos de llegadas y servicio son exponenciales, sabemos que los pro-
cesos que rigen el numero de llegadas y el numero de servicios que se producen hasta
un cierto instante son Procesos de Poisson, y por lo tanto la probabilidad de que se
den 2 o mas llegadas o servicios en un intervalo de longitud t es o(t). Por lo tanto,
basta considerar los casos en los que a lo sumo se den una llegada y un servicio. Por lo
tanto, para cada n 1, las posibilidades son las siguientes:
Por lo tanto,
Puesto que los tiempos de llegada y servicio son independientes entre s y a su vez del
estado del sistema en t (propiedad de incrementos independientes), se tiene que para
6.3. Modelos de colas exponenciales con un unico servidor 97
cada n 1,
+ pn1 (t)P (1 llegada en (t, t + t])P (no servicios en (t, t + t]) + o(t).
Supongamos que los tiempos entre llegadas son exponenciales de parametro y los
tiempos de servicio son exponenciales de parametro . Utilizando las propiedades de
los correspondientes Procesos de Poisson, podemos escribir:
Uniendo todos los terminos o(t) y teniendo en cuenta que los terminos (t)2 son
tambien o(t), se tiene:
Las ecuaciones 6.1 y 6.2 constituyen el sistema de ecuaciones en diferencia para el caso
M/M/1. Observese que estas ecuaciones en diferencia lo son tanto respecto a t como
a n.
98 Tema 6. Modelos de colas exponenciales
El sistema de ecuaciones formado por 6.1 y 6.2 se puede reescribir del siguiente
modo:
Supongamos que el sistema alcanza un estado estacionario. Esto significa que cuando
dpn (t)
t la probabilidad pn (t) se vuelve independiente del tiempo. Por lo tanto, dt
0 = p0 + p1
Este sistema de ecuaciones en diferencia en una variable (n), podemos resolverlo uti-
lizando un procedimiento iterativo. Observese que:
+
p2 = p1 p0
+
= p0 p0
2
= p0
Asimismo,
+
p3 = p2 p1
2
+
= p0 p0
3
= p0
Por lo tanto, parece razonable conjeturar que
n
pn = p0 (6.5)
Demostraremos la relacion anterior por induccion matematica. Supongamos 6.5 es
cierto para n = 1, . . . , k. Veamos que tambien se verifica para k + 1. Del sistema
de ecuaciones 6.4 se tiene que
+
pk+1 = pk pk1
Ahora, utilizando la hipotesis de induccion, puesto que 6.5 es cierta para k y k 1, se
tiene que
k k1
+
pk+1 = p0 p0
" k #
k+1 + k
= k+1
p0
k+1
+ k k
= p0
k+1
k+1
= p0
100 Tema 6. Modelos de colas exponenciales
Para completar el analisis falta obtener el valor de p0 . Para ello utilizaremos que {pn }n0
debe ser una funcion puntual de probabilidad, y por lo tanto,
X
pn = 1
n0
En definitiva, si =
< 1 se tiene que:
n X
1 X 1
= = n = ,
p0 n0
n0
1
pn = n (1 ).
6.3. Modelos de colas exponenciales con un unico servidor 101
o equivalentemente,
L=
Por otro lado, sea Sea Lq la variable aleatoria numero de clientes en la cola y
Lq = E(L)q . Observese que
0, si L = 0
Lq =
L 1,
si L 1
o equivalentemente,
2
Lq = .
( )
Otra media de interes es el tamano esperado de la cola cuando esta no esta vaca.
Denotemos esta medida por Lq
X
Lq = E (Lq |Lq 1) = (n 1)pn ,
n1
102 Tema 6. Modelos de colas exponenciales
pn = P (L = n|Lq 1) = P (L = n|L 2)
P (L = n, L 2)
=
P (L 2)
pn
= P (n 2)
n2 pn
pn
=
1 p0 p1
pn
=
1 (1 ) (1 )
pn
=
2
Luego
0
si n = 0, 1
pn =
pn2
si n 2
Por lo tanto,
X
Lq = (n 1)pn
n1
X pn
= (n 1)
n2
2
!
1 X X
= npn pn
2 n2 n2
1
= ((L p1 ) (1 p0 p1 ))
2
1
= (L + p0 1)
2
1
= + (1 ) 1)
2 1
(1 )
=
(1 )2
1
=
1
6.3. Modelos de colas exponenciales con un unico servidor 103
o, equivalentemente,
Lq = .
En este apartado obtendremos informacion acerca del tiempo promedio que debe
esperar un cliente en el sistema y en cola para ser servido. Hasta ahora la disciplina de
servicio no ha tenido efecto en los resultados obtenidos para el modelo. Sin embargo,
esta caracterstica es fundamental en el estudio de los tiempos de espera. En el modelo
M/M/1 se asume que la disciplina de servicio es FIFO.
tanto, cuando el nuevo cliente llega tiene delante n clientes con tiempos exponenciales
de parametro , por lo tanto
n
E (Wq |L = n) = .
Volviendo de nuevo a la expresion 6.6,
X
Wq = E (Wq |L = n) P (L = n)
n=0
X n
= pn
n=1
X n n
= (1 )
n=1
X
= n1 (1 )
n=1
1
=
1
=
( )
Aunque usualmente la caracterstica de interes es la esperanza del tiempo de espera en
cola, para el calculo de otras medidas se puede comprobar que la funcion de distribucion
de la variable Wq viene dada por:
1 ,
si t = 0
FWq (t) =
1 e(1)t ,
si t > 0.
Demostracion. Por hipotesis tenemos que Wq = 1 L. Puesto que siempre se cumple que
W = Wq + 1 , se tiene que:
L 1
=W
Como, por hipotesis, se verifica la formula de Little, W = L , tenemos que
L L 1
= ,
de donde se sigue que
1 1 1
L = ,
y finalmente,
L= = .
1
Las ecuaciones de estado del sistema, pn (t), dadas para el modelo M/M/1, siguen
siendo validas si n < K. Analizaremos el caso n = K. Para que el sistema este en el
estado K en el instante t + t pueden darse tres situaciones:
Por lo tanto,
dpK (t)
= pK (t) + pK1 (t)
dt
pK = pK1 .
Por el razonamiento iterativo utilizado para el analisis del modelo M/M/1, sabemos
que n
pn = p0 , 0 n K 1.
De la expresion de pK se deduce que la anterior relacion tambien se verifica para n = K.
Por lo tanto,
pn = ()n p0 , 0 n K,
PK
siendo =
. El valor de p0 lo podemos obtener de la condicion n=0 n p0 = 1, de
donde se sigue que
1
p 0 = PK .
nn=0
El denominador de la anterior expresion corresponde a la de una serie geometrica finita
cuyo valor es
K 1K+1 , 6= 1
1
X
n =
n=0 K + 1,
=1
Por lo tanto,
1
, 6= 1
1K+1
p0 =
1
, =1
K+1
Observese que en este caso la solucion para el estado estacionario existe incluso si
1. Intuitivamente esto se debe a que la limitacion en la capacidad del sistema
110 Tema 6. Modelos de colas exponenciales
Medidas de Eficiencia
que
K K K
!
X X 1 1 X 1 K(K + 1) K
L= npn = n = n = = .
n=0 n=0
K +1 K +1 n=0
K +1 2 2
Si 6= 1, entonces
K
X K
X K
X K
X
n n1
L= npn = np0 = p0 n = p0 nn1
n=0 n=0 n=1 n=0
K
!
K+1
d X d 1
= p0 n = p0
d n=0
d 1
1 (K + 1)K + KK+1
= p0
(1 )2
1 (K + 1)K + KK+1
= .
(1 K+1 )(1 )
= L (1 p0 ),
6.3. Modelos de colas exponenciales con un unico servidor 111
P (L = n) pn
pn = P (L = n|L K 1) = = , n K 1.
P (L K 1) 1 pK
K1
X
W = E(W |L = n + 1)pn
n=0
K1
X n + 1 pn
=
n=0
1 pK
K1
!
1 X
= (n + 1)pn
(1 pK ) n=0
K1 k1
!
1 X X
= npn + pn
(1 pK ) n=0 n=0
1
= ([L KpK ] + [1 pK ])
(1 pK )
112 Tema 6. Modelos de colas exponenciales
1
W = ([L KpK ] + [1 pK ])
(1 pK )
1 L
=
(1 pK )
L
= .
(1 pK
Para el calculo del tiempo medio de espera en cola, Wq , podemos utilizar la relacion
Lq
W = Wq + 1 . Asimismo, se puede comprobar que Wq = (1pK )
.
La mayor parte de los modelos elementales de colas suponen que las entradas (lle-
gadas) y las salidas (servicios) ocurren de acuerdo a un proceso de nacimiento y muerte,
que es un tipo de proceso estocastico en tiempo continuo con espacio de estados discre-
tos y que posee importantes aplicaciones en diversas area. En lo que se refiere a la teora
de colas, el termino nacimiento se refiere a la llegada de un nuevo cliente y el termino
muerte se refiere a la finalizacion de un servicio y la consiguiente salida del cliente. El
proceso de nacimiento y muerte describe en terminos probabilsticos como cambia el
numero de clientes en el sistema, N (t), con respecto al tiempo t. Las suposiciones del
proceso de nacimiento y muerte son las siguientes:
2. Dado N (t) = n,
6.4. Procesos de Nacimiento y Muerte 113
3. Dado N (t) = n 1,
= P (N (t) S Z+ |N (tk ) = nk ) .
Al igual que en el analisis del modelo M/M/1, vamos a intentar obtener las probabil-
idades de estado pn (t), a traves de un sistema de ecuaciones en diferencia. Para ello,
vamos a analizar como podra alcanzar el sistema el estado n en el instante t + t en
funcion del estado en el instante t. Supongamos inicialmente que n 1.
114 Tema 6. Modelos de colas exponenciales
p0 (t + t) = p0 (t) (1 0 t + o(t)) +
0 = 0 p0 + 1 p1
116 Tema 6. Modelos de colas exponenciales
o, equivalentemente,
(n + n )pn = n+1 pn+1 + n1 pn1 , n 1
(6.13)
0 p0 = 1 p1
1 + 1 0 1 + 1 0 0 1 0
p2 = p1 p0 = p 0 p0 = p0 .
2 2 2 1 2 2 1
Igualmente,
2 + 2 1 2 + 2 1 0 1 0 2 1 0
p3 = p2 p1 = p0 p0 = p0 .
3 3 3 2 1 3 1 3 2 1
k + k k1
pk+1 = pk pk1
k+1 k+1
k
! k1
!
k + k Y i1 k1 Y i1
= p0 p0
k+1 i=1
i k+1 i=1
i
k k k
k Y i1 k Y i1 k Y i1
= p0 + p0 p0
k+1 i=1
i k+1 i=1
i k+1 i=1 i
k+1
Y i1
= p0 .
i=1
i
6.5. Modelos de colas exponenciales con varios servidores en paralelo 117
Por lo tanto, una condicion necesaria y suficiente para que exista la solucion del estado
estacionario es que la serie
Y
n
X i1
(6.15)
n=1 i=1
i
sea convergente.
Nota. Para el modelo M/M/1, se tiene que i = y i = , por lo que la serie anterior
P n
queda n=1 que es convergente si < 1.
n
Nota. Supongamos que n = y n = n. Entonces, pn = p0 n! n , y la serie 6.15
quedara
Y
n n
X i1 X 1
= ,
n=1 i=1
i n=1
n!
que es convergente y vale e 1. Por lo tanto, en este caso, se tiene que
n
p0 = e , pn = e , n 1,
n!
muerte en el que n = , para todo n. Por otro lado, recordemos que n es el numero
medio de servicios que finalizan por unidad de tiempo cuando en el sistema hay n
clientes. Si n > c, entonces los c servidores estan ocupados y como cada uno de ellos
sirve a clientes por unidad de tiempo, en total finalizaran c servicios por unidad de
tiempo. Si 1 n c, entonces solo n de los c canales estan ocupados, y por lo tanto
la tasa de finalizacion de servicios sera n. En definitiva,
n, 1 n c
n =
c, n > c.
P
Utilizando la condicion de que pn = 1, podemos derivar el valor de p0 .
n=0
c1
!
X n X n
p0 + = 1.
n=0
n!n n=c c!cnc n
Denotando r = , =
= rc , tenemos que la expresion anterior quedara
c
c1 n
!
X r X rn
p0 + nc
= 1.
n=0
n! n=c
c!c
P rn
Analicemos ahora la serie n=c c!cnc .
X rn rc X r nc rc X m
= = , (6.17)
n=c
c!cnc c! n=c c c! m=0
rc 1 r
que converge a c! 1
siempre que = c
< 1.
r
Por lo tanto, para el modelo M/M/c, si se verifica que = c
= c
< 1 entonces la
solucion estacionaria existe y el valor de p0 viene dado por
c1 n
!1 c1 n c !1
X r crc X 1 1 c
p0 = + = + . (6.18)
n=0
n! c!(c r) n=0
n! c! c
6.5. Modelos de colas exponenciales con varios servidores en paralelo 119
Nota. Observese que si c = 1, las expresiones 6.16 y 6.18 se convierten en las corre-
spondientes al caso M/M/1.
Medidas de eficiencia
En definitiva, c
Lq = p0 . (6.20)
(c 1)!(c )2
Distribuciones de probabilidad de Wq y W
Asimismo, W es una variable continua, cuya funcion de densidad viene dada por:
En el modelo con poblacion finita los clientes alternan entre estar dentro y fuera
del sistema, as pues por analoga con el modelo M/M/c se supone que el tiempo
que pasa cada miembro fuera del sistema es una variable exponencial de parametro .
Cuando n miembros estan dentro, N n estan fuera, y por lo tanto la distribucion
de probabilidad del tiempo que falta para la proxima llegada al sistema es el mnimo
de N n variables exponenciales independientes de parametro . Se puede demostrar
que esta distribucion se ajusta a una exponencial de parametro (N n). As que el
modelo es un caso especial del proceso de nacimiento y muerte en el cual
(N n), 0 n N
n =
0,
n>N
y
n, 1 n c
n = c, c n N
0,
n>N
" N n #1
X N!
p0 =
n=0
(N n)!
n
N!
pn = p0 , 1nN
(N n)!
+
Lq = N (1 p0 ), L=N (1 p0 )
Lq L
Wq = , W =
6.6. Modelo M/M/c con fuente de entrada finita 123
donde
= (N L).
" c1
X N n N n #1
X N n!
p0 = + nc
n=0
n n=c
n c!c
N
n
p0 , 0nc
n
pn = n
N n!
p0 , c n N
n cnc c!
" c1 N n #
X N n
1 X N n!
L = p0 n + n nc
.
n=0
n c! n=c
n c
c1 n
X N
Lq = L c + p0 (c n) .
n=0
n
Lq L
Wq = , W =
donde
= (N L).
124 Tema 6. Modelos de colas exponenciales
Modelo M/G/1
En este modelo se supone que el sistema de colas tiene un servidor, las llegadas
se producen segun un proceso de Poisson de tasa y los clientes tienen tiempos de
1
servicio independientes e identicamente distribuidos de media
y varianza 2 .
Cualquier sistema de colas de este tipo alcanza en algun momento el estado estable si
=
< 1. Las medidas de eficiencia para este modelo toman las siguientes expresiones
(la referente a Lq recibe el nombre de formula de Pollaczek-Khintchine)
p0 = 1
2 2 + 2
Lq =
2(1 )
L = Lq +
Lq
Wq =
L 1
W = = Wq +
Modelo M/D/1
Modelo M/Ek /1
El modelo M/D/c supone una variacion cero en los tiempos de servicio, mientras
1
que el modelo M/M/1 supone una gran variabilidad ( =
). Entre estos dos casos
extremos hay un gran intervalo (0 < < 1 ) en el que caen muchas de las distribuciones
de servicio reales. Una distribucion teorica de tiempos de servicio que concuerda con
este rango intermedio es la distribucion de Erlang.
p0 = 1
2
1+k
Lq = , L = Lq +
2k ( )
126 Tema 6. Modelos de colas exponenciales
Lq L 1
Wq = , W = = Wq +