Teletrafico PDF

Redes Telefnicas Tema 2: Teletrfico.
Dimensionado de sistemas
Tema 2 Teletrfico
Dimensionado de Sistemas
Ramn Agero Calvo
En la elaboracin de estos apuntes han contribuido:

Ramn Agero Calvo, Luis Muoz Gutirrez
Ramn Agero Calvo

1
Redes Telefnicas Tema 2: Teletrfico. Dimensionado de sistemas
Contenidos
Introduccin
Trfico
Modelo matemtico: proceso de Poisson
Relacin de Little
Procesos de nacimiento y muerte: teora de colas
Ramn Agero Calvo

2
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

3
Por qu se dimensiona?
Las operadores buscan ofrecer a sus clientes un servicio adecuado de
manera rentable
No es razonable proporcionar capacidad atendiendo a demandas puntuales
elevadas
Por ejemplo: se pretende desplegar una red para unir dos poblaciones con 1000
habitantes cada una
Se usa una nica lnea La solucin es muy rentable para el operador, pero el servicio
es inaceptable para los usuarios (gran probabilidad de que la lnea est ocupada)
Se usan 1000 lneas Los usuarios estarn muy satisfechos (servicio siempre
disponible), pero la solucin no es rentable para la compaa
Escasez de recursos (por ejemplo en comunicaciones mviles)
Se suelen emplear modelos matemticos para llevar a cabo este diseo

Lneas de salida en una centralita
# de canales en un sistema TDM (conmutacin de circuitos)
# de operadores en un sistema de atencin al cliente
Tambin se emplea en otros campos (electrnica)
Ramn Agero Calvo

4
Dimensionado de redes de comunicaciones

Evolucin de las llamadas entrantes a una centralita durante un da
Hora Cargada
Puede depender de varios
factores
Llamadas en curso
Localizacin: zona residencial,

de oficinas, etc...
Situacin temporal: fin de
semana, verano, etc...
2 4 6 8 10 12 2 4 6 8 10 12
Uso de la hora cargada para el dimensionado

Uso de recursos en periodos de menor actividad ms econmico
Se incentiva un balanceo de la carga
Ramn Agero Calvo

5
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

6
Qu es el trfico?
La intensidad de trfico (o simplemente, trfico) se define como el nmero
medio de llamadas en curso en un sistema
Tambin indica el grado de ocupacin de los recursos
Unidades
La ms empleada es el Erlang, que es una cantidad adimensional
En USA se emplea en ocasiones los CCS, definido como cientos de segundos de
llamada por hora
El trfico (en Erlangs) de un grupo de circuitos

C: nmero medio de llamadas
Ch h: duracin media (holding time)
A= = h T: tiempo de observacin
T
: Tasa de llegadas
Depende del tiempo de observacin
Para un nico recurso, A 1
Ramn Agero Calvo

7
Tipos de trfico
Trfico ofrecido (TO, A, )
Es el volumen de trfico que se le ofrece a un grupo de circuitos
Trfico cursado (TC, AC)

Como es inviable dotar de recursos para todos los potenciales usuarios hay llamadas que
no pueden atenderse y se pierden
El trfico cursado viene dado por aquellas peticiones que s pueden atenderse
Tambin se define como el nmero medio de recursos (circuitos) ocupados
Trfico perdido (TP, AL)

Conjunto de llegadas que no pueden atenderse y se pierden
Especialmente relevante en conmutacin de circuitos
TP = TO TC
Trfico en demora/espera (TD, AD)

En ciertos sistemas las llamadas que no pueden atenderse no se pierden, sino que esperan a
que haya recursos libres
Se suele emplear en el dimensionado de sistemas de conmutacin de paquetes
En caso de que la capacidad de almacenamiento sea infinita, no se perdera ninguna llamada
(sistema de espera pura)
Ramn Agero Calvo

8
Trfico: cuantificacin
Ocupacin
Ocupacin
Ocupacin
T1 T2 T1 T2 T3 T4 T1
tiempo tiempo tiempo
Tiempo observacin Tiempo observacin Tiempo observacin
Volumen de trfico: VTrfico = Ti

i
VTrfico T
i
i
Intensidad de trfico (Trfico): ITrfico = =

Tobs Tobs
Para 1 nico circuito da idea del porcentaje de ocupacin del mismo (% del
tiempo en el que est ocupado)
En las tres anteriores medidas el trfico es el mismo
Se podra tener en cuenta la sobrecarga debida al mayor nmero de llamadas
Las medidas se realizan en la hora cargada
Ramn Agero Calvo

9
Trfico: cuantificacin
N(t) N(t) se define como el total de
circuitos ocupados
Representa el trfico
instantneo
Su valor medio representa la
intensidad de trfico
tiempo
Ocupacin VTrfico 1
5
circuitos ITrfico =
Tobs
=
Tobs N(t)dt
Tobs
4
3 El trfico tambin se puede
2 medir a partir de la ocupacin
1
individual de los circuitos
tiempo El volumen total es la suma de
los volmenes individuales
En el ejemplo de la figura 1
A = 2 Erlangs
ITrfico =
Tobs
(V
j
)
Trfico circuito j
Ramn Agero Calvo

10
Grado de Servicio
El Grado de Servico (Grade of Service, GoS) da idea de la calidad que
perciben los usuarios
Depende fuertemente del tipo de sistema
En sistemas con prdida, se define como la probabilidad de prdida (o
probabilidad de congestin)
Coincide con la probabilidad de que un usuario, al realizar una llamada, se encuentre el
sistema sin recursos
Llamadas perdidas TP
GoS = GoS =
Llamadas ofrecidas TO
En sistemas de demora se suele relacionar con la probabilidad de esperar para
disponer de un recurso
Tambin se puede definir como el tiempo medio de espera antes de obtener un recurso
para cursar la llamada
Ramn Agero Calvo

11
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

12
Introduccin
Habitualmente se utilizan modelos matemticos que caractericen las
llamadas en el sistema
El proceso de Poisson es uno de los ms empleados en el mbito de las
telecomunicaciones
Tambin se usa en otros campos: fenmenos electrn/hueco, ruido de shot
El modelo bsico de trfico que se utilizar viene determinado por las

siguientes tres caractersticas
El nmero de llegadas en un tiempo determinado sigue una distribucin de
Poisson
La duracin de las llamadas sigue una funcin densidad de probabilidad (fdp)
exponencial negativa
La tasa de llegadas al sistema es constante (proceso estacionario)
Ramn Agero Calvo

13
Proceso de Poisson
Se define un intervalo de tiempo t, con t 0
La probabilidad de que haya una llamada en t
Pr{1 llegada en t} = t + o(t ) t << 1
La probabilidad de no haya una llamada en t
Pr{ 0 llegadas en t} = 1 t + o(t ) t << 1
Las llegadas son sin memoria
Una llegada en cualquier intervalo t es independiente de lo que sucediera en
intervalos anteriores o futuros
Despreciando los trminos en o(t), la probabilidad de que haya ms de

una llamada en t es 0
Pr{1 llegada en t} = t = p Distribucin de
Pr{ 0 llegadas en t} = 1 t = 1 p = q Bernouilli
Ramn Agero Calvo

14
Proceso de Poisson
Se considera un intervalo T = m t, las probabilidades de que llegue una
llamada en cada uno de los m intervalos son independientes
El nmero total de llegadas en el intervalo T sigue una distribucin binomial
m k m k
Pr{k llegadas en T} = p q
k
m m! m(m 1)...(m k + 1) mk
Teniendo en cuenta que: = =
k
k! (m k )! k! k!
m >> k
m k
(t )k (1 t )mk = (T ) 1 T
k
mk
Pr{k llegadas en T} =
k! k! m
Tomando lmites (m ) Pr{k llegadas en T} = P (T ) =

( T ) T
k
e
k
k!
Ramn Agero Calvo

15
Proceso de Poisson: media y varianza

Valor medio (nmero medio de llamadas en T)

e T

K T = E[Pk (T )] = kPk (T) = k (T )k = T
k =0 k =0 k!
Varianza

2
KT [ 2
K ] ( ) = k P (T) (T )
= E P (T ) K T
2 2
k
2
= T
k =0
Notar que el cociente entre la varianza y la media es la unidad para el

trfico de Poisson
Este parmetro da idea del tipo de trfico: suave, a rfagas o aleatorio
Ramn Agero Calvo

16
Tiempo entre llegadas

Se define la variable aleatoria como el tiempo entre llegadas consecutivas
t Primera
llegada
Origen de tiempos
aleatorio
La probabilidad de que sea mayor que t coincide con la probabilidad de

que no se produzcan llegadas en t
Pr{ > t} = P0 (t ) = e t
Luego la funcin de distribucin de la variable aleatoria se puede definir
como...
F (t ) = Pr{ t} = 1 e t
Y la funcin densidad de probabilidad se obtiene derivando la anterior

dF (t)
f (t ) = = e t
dt
Ramn Agero Calvo
17

El proceso de Poisson implica que el tiempo entre llegadas consecutivos
sigue una distribucin exponencial negativa
e t
1 e t
t t
Funcin densidad de probabilidad Funcin de distribucin de probabilidad
Media y varianza (distribucin exponencial)

2
1 1 1
E( ) = tf (t )dt = te dt =
t

=
2
( ) 2
t - f (t )dt = t - e t dt = 2

0 0 0 0
Ramn Agero Calvo

18

La caracterstica ms importante de la distribucin exponencial es que es
sin memoria
De esta manera, el pasado en la evolucin de la variable no tiene ninguna
influencia en los valores futuros
Se considera que se ha producido una llegada en t = 0
En t = t0 se observa que no se ha producido ninguna llegada an
Cul es la probabilidad de que se produzca una llegada a partir de t0 en t?
Pr [t 0 < t + t 0 ] Pr [ t + t 0 ] Pr [ < t 0 ]
Pr [ t + t 0 | > t 0 ] = =
Pr [ > t 0 ] Pr [ > t 0 ]
Pr [ t + t 0 | > t ] =
(1 e ) (1 e ) = e (1 e ) = 1 e
(t + t 0 ) t 0 t 0 t
t
1 (1 e )
0 t 0 t 0
e
Pr [ t + t 0 | > t 0 ] = Pr [ t ]
Ramn Agero Calvo

19

Propiedad sin memoria de la distribucin exponencial
e ( t - t 0 )
e t
( t )2

Notar que: Pr [ t + t | > t ] = 1 e t
= 1 1 t + ... = t + o(t )
2!
Proceso llegadas
Poisson
Se demuestra que la
correspondencia
Proceso llegadas Poisson
Tasa de llegadas Tiempo entre llegadas
constante exponencial Tiempo entre llegadas
exponencial
es cierta en ambos sentidos
Ramn Agero Calvo
20
Suma de dos procesos de Poisson

Otra importante caracterstica del proceso de Poisson es que la suma de
procesos independientes dan como resultado otro proceso de Poisson
Proceso A El tiempo entre llamadas de los

Poisson A procesos A y B siguen distribuciones
exponenciales
Proceso B (A) Pr [ t ] = 1 e A t
Poisson B
(B) Pr [ t ] = 1 e B t
Proceso Z
Analicemos la probabilidad de que el tiempo entre dos llamadas

consecutivas de cualquier proceso sea mayor de t
independencia Tiempo entre llegadas
exponencial, con tasa A+B
Pr [ Z > t ] = Pr [ A > t, B > t ] = Pr [ A > t ]Pr [ B > t ] =
= e A t e B t = e (A + B )t
Proceso Z Poisson con tasa
Z = A+B
Ramn Agero Calvo
21
Tiempo de servicio exponencial

Se ha asumido que el tiempo de servicio (ts) o duracin de las llamadas en
el sistema sigue una distribucin exponencial, con media 1/
Se supone un sistema donde siempre hay llamadas para ser servidas
esperando
La variable aleatoria r (ts) se modela con una distribucin exponencial
fR (r ) = e r
Teniendo en cuenta la correspondencia anterior, la variable aleatoria
Nmero de llamadas completadas en un tiempo t seguir una distribucin
de Poisson
ts r
Salidas del
Cola Salida sistema
(llamadas siempre
esperando)
tiempo
Proceso de
Poisson
Ramn Agero Calvo

22
Tiempo de servicio exponencial

Un resultado interesante es la distribucin de la variable aleatoria definida
como la mnima de variables aleatorias exponenciales (independientes
entre s)
Se define la va Z como: Z = min{ X, Y}
Entonces, su funcin de distribucin ser independencia
FZ (z) = Pr { Z z} = Pr{[X z] [Y z]} = Pr{ X z} + Pr{ Y z} Pr{[X z] [Y z]} =
( ) (
= Pr{ X z} + Pr{ Y z} Pr{ X z}Pr{ Y z} = 1 e x z + 1 e Y z )
( )( )
1 e X z 1 e Y z = 1 e ( x + Y )z
Z tambin est distribuida exponencialmente, con media (x+y)-1
Ramn Agero Calvo

23
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

24
Planteamiento
Se considera un sistema como sigue:
A(t) D(t)
Cola Servicio
Y se definen las siguientes variables

A(t): nmero de llegadas acumuladas al sistema en t
D(t): nmero de salidas acumuladas al sistema en t
L(t) = A(t) D(t), nmero de elementos en el sistema en tiempo t
N() es el nmero total de llegadas en un intervalo cualquiera
Se asumir una estrategia FIFO, aunque el resultado es el mismo si se

usan otras disciplinas
Se asume que todas las llamadas sern eventualmente atendidas
Ramn Agero Calvo

25
Demostracin
L(t)
Se definen los tiempos de
2
espera de cada llamada en
1
la cola como wi
Es fcil ver que
tiempo
N( )
L(t)dt = w
A(t)
D(t) j
0 j =1
6
w6
5
w5
Adems, el valor medio de L
4 w2
w4
en el intervalo es
3
w3 1
2 L( ) =
L(t)dt
1 0
w1=0
tiempo Y el tiempo medio de
Llegadas espera
tiempo 1 N( )
Salidas W ( ) = wj
N( ) j=1
tiempo
Ramn Agero Calvo

26
Demostracin
Por tanto, se puede escribir que
N( )
L( ) = W ( ) N( ) L( ) = W ( )

Definiendo la tasa de entrada al sistema promedio como
N( )
( ) =

se llega al siguiente resultado
L( ) = W ( ) ( )
Si se toman lmites y se supone que todas las variables tienden a un valor

constante, se llega a la relacin de Little: L = W
La relacin de Little se puede extender para incluir al elemento que cursa
los servicios (siempre que no haya prdida de llamadas)
Ramn Agero Calvo

27
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

28
Introduccin
Proceso estocstico: conjunto de variables aleatorias que dependen del
tiempo X(t)
Una cadena de Markov es un proceso estocstico discreto
El sistema puede encontrarse en un conjunto de estados
El estado, en un instante tn, slo depende del estado inmediatamente anterior y
no de cmo se llegara a l
La evolucin futura del sistema slo depende del estado actual
Se suelen representar y analizar a travs de las matrices de transicin
(probabilidades de pasar de un estado a otro)
Los procesos de nacimiento y muerte son cadenas de Markov en las que

slo es posible pasar de un estado al posterior (nacimiento) o al anterior
(muerte)
En los problemas de dimensionado se utilizan procesos de nacimiento y
muerte, en los que cada estado representa, por ejemplo, el nmero de
clientes en el sistema
Ramn Agero Calvo

29
Procesos de nacimiento y muerte

Analicemos las posibles transiciones en un intervalo t del estado del
sistema
Calculemos la probabilidad de que
en t+t el sistema est en el estado
N+1 Muerte (2) N (o que haya N usuarios en el
N
Sin cambio (1)
N
mismo)
Nacimiento (3) (1) En t estaba en el estado N

N-1
(a) No ha habido ningn nacimiento,
t t + t tiempo ni ninguna muerte en t
(b) Se ha producido un nacimiento,
pero tambin una muerte en t
(2) En t estaba en el estado N+1
Ha habido una muerte y no se ha producido ningn nacimiento en t
(3) En t estaba en el estado N-1
Se ha producido un nacimiento y no ha habido ninguna muerte en t
Ramn Agero Calvo

30

La tasas de nacimiento y muerte en el estado j sern, respectivamente, j y
j
Luego la probabilidad del estado N en t+ t, PN(t+ t), vendr dada por:
PN (t + t ) = PN (t )[(1 N t )(1 N t ) + o(t )] + PN (t )[N t N t + o(t )] + (1)
+ PN+1 (t )[N+1t (1 N+1t ) + o(t )] + (2)
+ PN1(t )[N1t (1 N1t ) + o(t )] (3)
Despreciando trminos en o(t)
PN (t + t ) = PN (t )[1 (N + N )t ] + PN+1 (t )[N+1t ] + PN1(t )[N-1t ]
PN (t + t ) PN (t ) = { PN (t )[(N + N )] + PN+1 (t )[N+1 ] + PN1 (t )[N-1 ] }t

PN (t + t ) PN (t )
= PN (t )[(N + N )] + PN+1(t )[N+1 ] + PN1(t )[N-1 ]
t
Ramn Agero Calvo

31

Recordemos la definicin de derivada
PN (t + t ) PN (t )
PN (t ) = PN (t ) = (N + N )PN (t ) + N+1PN+1(t ) + N1PN1 (t )
t
Si asumimos que estamos en el rgimen estacionario, PN(t) es constante

(PN), por lo que la derivada, PN(t), es cero
Se tiene finalmente que
(N + N )PN = N+1PN+1 + N1PN1 Ecuacin de Equilibrio

(flujo de salida = flujo de entrada)
0 1 N-2 N-1 N N+1
1 2 N-1 N N+1 N+2
Ramn Agero Calvo

32
Proceso de nacimiento y muerte

Se pueden utilizar otras ecuaciones de balance
0 1 N-2 N-1 N N+1
1 2 N-1 N N+1 N+2
N-1
NPN = N-1PN-1 PN = PN-1
N
N1
i
Sucesivamente podramos llegar a PN = P0
i=0 i+1
Adems se requiere que la suma de todas las probabilidades sea 1

k 1
i 1
Pk = 1 P0 + P0 i+1
= 1 P0 = k 1
i
k =0 k =1 i =0
1 +
k =1 i= 0 i+1
Ramn Agero Calvo
33
Aplicacin al dimensionado de sistemas

A partir de las probabilidades de estar en cada estado se derivan los
parmetros necesarios para caracterizar el sistema
Cada sistema en particular viene definido por las tasas de nacimiento y
muerte de cada estado y por otros parmetros adicionales
Se emplea la notacin de Kendall (A/B/C/D/E/F)
A: Distribucin de llegadas al sistema
Cuando se trata de un proceso de Poisson, se utiliza la letra M (memoryless)
B: Distribucin de los servicios
Si es una variable aleatoria exponencial, tambin se emplea la letra M (memoryless)
C: Nmero de servidores (recursos) disponibles
D: Nmero de estados en el sistema (si no se indica se asume que es )
La diferencia entre D y C suele asociarse con las posiciones en el subsistema de
espera del sistema
Cuando es , se trata de un sistema de espera pura (no hay prdida)
E: Nmero de fuentes (si no se indica se asume que es )
F: Disciplina de la cola (si no se indica se asume FIFO)
Ramn Agero Calvo

34
Cola M/M/1
Se trata de un sistema en el que...
Las llamadas siguen un proceso de Poisson de intensidad
La distribucin del tiempo de servicio es exponencial, con media 1/
Slo hay un nico servidor para atender las peticiones
La cola de espera es infinita, as que no hay prdida
Para plantear el diagrama de estados

La tasa de nacimiento no depende del estado actual (Proceso de Poisson)
Como slo hay un nico servidor, la tasa de muerte ser la misma para todos los
estados ()
Ramn Agero Calvo

35
Cola M/M/1
Planteando la ecuacin de equilibrio y asumiendo que el trfico es =/

PN = PN-1 PN = PN-1 = PN-1 = 2PN-2 = ... = NP0

Adems la suma de las probabilidades de estar en cada estado tiene que
ser la unidad

1
Pk = 1 P0 k = 1 P0 =
= 1
k =0 k =0

k =0
k
<1
Con lo que finalmente se obtiene la probabilidad de cada uno de los estados

que forman parte de la cola
PN = N (1 - )
Ramn Agero Calvo

36
Cola M/M/1
A partir de dicho resultado se puede caracterizar el sistema
Nmero medio de clientes en el sistema

d k
N= kP = k (1 ) = (1 ) k
k =0
k
k =0
k
k =0
k -1
= (1 ) =
d k = 0
d 1
= (1 ) =
d 1 1
Nmero medio de clientes en la cola

2

Nw = (k - 1)Pk = (k - 1) (1 ) = t (1 ) =
k t +1
k =1 k =1 t =0 1
Tiempo medio en el sistema y en la cola, aplicando la relacin de Little
N 1 1
WS = = =
1 1 1
WS WW = =
2 1
NW
WW = = =
1
Ramn Agero Calvo

37
Contenidos
Introduccin
Trfico
Relacin de Little
Ramn Agero Calvo

38
Sistema con prdidas: M/M/S/S

Se dispone de una poblacin infinita que genera llamadas
Tasa de llamadas constante () Proceso de Poisson
Las llamadas son cursadas por un grupo de S circuitos
No hay sistema de espera
Cuando una llamada entrante encuentra todos los circuitos ocupados se pierde
Se supone que la duracin de cada llamada sigue una distribucin

exponencial negativa, con media 1/
1 1/
1
Poblacin TO TC
2 1/
2
S
TP S 1/
Ramn Agero Calvo

39

En este caso el nmero de estados en el sistema es finito (S)
La tasa de nacimiento es constante (proceso de Poisson y poblacin infinita)
La tasa de muerte de cada estado es k (ya que en cada estado puede finalizar
cualquiera de las k llamadas en curso)
(i-1) i (i+1) (i+2) S
A A2 Ai
iPi = Pi-1 Pi = Pi-1 = Pi-1 = = Pi-2 = = P0
i i i(i 1) i!
A
(i 1)Pi-1 = Pi-2 Pi-1 = Pi-2 = Pi-2
(i - 1) i -1
Ramn Agero Calvo

40

Luego la probabilidad de estar en cada estado ser
S S k Ai
A 1
P k =1 P 0
k!
= 1 P0 = S
Ak Pi = S i! k
k =0 k =0

k =0 k!
A
k =0 k!
La probabilidad de bloqueo es la probabilidad de que una llamada entrante

se encuentre el sistema ocupado (PS)
AS
Frmula Erlang-B
PB = PS = S S! k
EB(S,A) A

k =0 k!
Nmero medio unidades en el sistema (coincide con el trfico cursado)

Ak S At AS
S S
1 S
Ak 1 S -1
A t +1 A
N = kPk = k S k! = = = = A (1 PB )
k =1 (k - 1)!
S S S
t =0 t! t! S!

j j j j
k =0 k =0 A A A A t = 0
j=0
j! j=0
j! j=0
j! j=0
j!
Ramn Agero Calvo

41

Como es un sistema con prdidas, la relacin de Little no se puede aplicar
directamente
Uso de la tasa de llegadas cursada
La frmula de Erlang-B se emplea a travs de grficas y tablas, aunque se

puede resolver recursivamente
AS
1 S! S
Ak 1 (S - 1)! S-1 A k
EB(S, A ) = S S! k
A
= S
EB(S, A) A

k = 0 k! EB(S - 1, A)
= S-1
A k = 0 k!

k =0 k!
1 S! S
Ak S! S-1 A k A S S (S 1)! S-1 A k S 1
= S
EB(S, A) A
k!
=
A S k!
+
S!
=
A A S 1
k!
+ 1 =
A EB (S 1, A )
+1
k =0 k =0 k =0
1 S + AEB(S 1, A ) AEB(S 1, A )
= EB(S, A) =
EB(S, A) AEB(S 1, A ) S + AEB(S 1, A )
Ramn Agero Calvo

42

0
10
S=1
Probabilidad bloqueo
-1
10
-2
10
S = 25
-3
10
0 2 4 6 8 10 12 14 16
Trfico ofrecido (Erlangs)
Ramn Agero Calvo
43

El GoS se asocia a la probabilidad de prdida (PB)
Para la misma ocupacin de circuitos, la probabilidad de encontrar todos
ocupados es menor a medida que crece el nmero de circuitos
Para una GoS constante, la eficiencia por circuito crece con el TO
Es mejor concentrar el trfico en un solo grupo, que dividirlo en varios
28 1
25
22 0.9
19
Trfico cursado por circuito

16 PB 0.002 0.8
PB 0.002
Servidores necesarios
13
10 PB 0.02 0.7
PB 0.02
PB 0.2 0.6
7
0.5
PB 0.2
4 0.4
0.3
0.2
0.1
1 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
Trfico ofrecido (Erlangs) Trfico ofrecido (Erlangs)
Ramn Agero Calvo

44

Deterioro del GoS frente a % de sobrecarga
Se puede ver que afecta en mayor medida a los grupos de circuitos grandes
Se especifican dos criterios de diseo: uno para carga normal y otro para cierto
nivel de sobrecarga
0.02
S=100
S=50
Probabilidad de bloqueo
0.015 S=25
S=20
S=15
0.01
S=10
S=5
0.005
0
0% 5% 10% 15% 20% 25%
Porcentaje de sobrecarga
Ramn Agero Calvo
45
Sistema de espera pura: M/M/S

Se dispone de una poblacin infinita que genera llamadas
Tasa de llamadas constante () Proceso de Poisson
Las llamadas son cursadas por un grupo de S circuitos
Se asume que hay sistema de espera (con longitud infinita)
Cuando una llamada entrante encuentra todos los circuitos ocupados espera
hasta que quede alguno libre
Se supone que la duracin de cada llamada sigue una distribucin

exponencial negativa, con media 1/
1 1/
1
Poblacin TO Cola TC=TO
2 2 1/

S S 1/
Ramn Agero Calvo

46

En este caso el nmero de estados en el sistema es infinito
La tasa de nacimiento es constante (proceso de Poisson y poblacin infinita)
La tasa de muerte de cada estado es k hasta el estado S, ya que puede finalizar
cualquiera de las k llamadas en curso
A partir del estado S, la tasa de muerte es S, ya que slo hay S llamadas en
curso (el resto estn esperando)
i (S-1) S S S S S
Para i S (no se est en el subsistema de espera)

A A2 Ai
iPi = Pi-1 Pi = Pi-1 = Pi-1 = = Pi-2 = = P0
i i i(i 1) i!
A
(i 1)Pi-1 = Pi-2 Pi-1 = Pi-2 = Pi-2
(i - 1) i -1
Ramn Agero Calvo
47

Para i > S (subsistema de espera)
A A2 Aj
SPS + j = PS + j-1 PS+ j = PS+ j-1 = PS + j-1 = = 2 PS + j-2 = = j PS
S S S S
A
SPS + j-1 = PS + j-2 PS+ j-1 = PS + j-2 = PS + j-2
S S
Como S+j = i
A i S A S A iS A S Ai
Pi = iS PS = PS = P0 = iS P0 = P
i S 0
S S! S S! S! S
Luego
Ai
P0 iS
i!
Pi =
i
A 1 P i>S
S! SiS 0
Ramn Agero Calvo

48

Como la suma de todas las probabilidades tiene que ser 1

Ak
S
Ak 1 1
Pk = 1 P0 + P0
k! k =S +1 S! S k S
=1 P0 =
A
k =0 k =0 S
Ak AS

k =0 k!
+ S
S! 1 A
A<S S
k S t +1 A

Ak 1
A AS AS
A AS

k =S +1 S! S k S
=
k =S +1 S
=
S! S!

t =0 S
= S
S! 1 A
S
Tenemos finalmente que
Ai 1
S k S
iS
i! A A A

k =0 k!
+
S! S A
Pi =
Ai 1 1
iS S k S
i>S
S! S A A A

k = 0 k!
+
S! S A
Ramn Agero Calvo
49

Cul es la probabilidad de esperar (PD)?
k S t

AS A

AS
A
PD = Pk = P0 = P0 =
k =S k =S S! S S! t =0 S
AS S
AS S SA
= P0 = S S! k
Frmula Erlang-C
S! S A A AS A EC(S,A)

k =0 k!
+
S! S A
Nmero medio de unidades en la cola
k S t t -1

AS A AS
A AS A A
NW = (k - S )Pk = P0 (k - S ) = P0 t = P0 t =
k =S k =S S! S S! t =0 S S! S t =0 S
A S A d 1
t
AS A d
A AS A 1 A
= P0 = P
S! S d(A S ) 1 A
= P = EC(S, A)
S! S d(A S ) t =0 S
0
S
0
S! S 1 A 2
S
( ) SA
Ramn Agero Calvo

50

La frmula de Erlang-C se puede relacionar con la de Erlang-B
Para evitar tener que realizar factoriales, se puede resolver la de Erlang-B de
manera recursiva y utilizar esta relacin para resolver la frmula de Erlang-C
computacionalmente
AS S
SA S S
EC(S, A ) = S S! k S
= k
= =
A A A S
A 1

k =0 k!
+
S! S A
k! EB(S, A )
(S A ) + A
k =0
S
(S A ) + A
A
S!
SEB(S, A ) SEB(S, A)
= =
S A + AEB(S, A ) S A (1 EB(S, A ))
Ramn Agero Calvo

51

0
10 S = 1
Probabilidad espera
-1
10
-2
10
S = 25
-3
10
0 2 4 6 8 10 12 14 16
Trfico ofrecido (Erlangs)
Ramn Agero Calvo
52

En un sistema de espera pura, la calidad de servicio viene dada por la
probabilidad de esperar o por el tiempo de espera
Aplicando la relacin de Little se puede obtener el tiempo medio de espera
en la cola
NW A 1 1
WW = = EC(S, A ) = EC(S, A )
SA (S A )
Tambin se podra emplear la probabilidad de que el tiempo de estancia en

la cola de espera fuera mayor de un cierto lmite
Pr{Retardo > } = e (S A ) EC(S, A )
Pr{Retardo > | Retardo > 0} Pr{Retardo > 0}
Ramn Agero Calvo

53
Sistemas con desbordamiento

1 El modelo que se plantea es una
Poblacin TO1 TC1 poblacin infinita, ofreciendo un
2
trfico de Poisson a un grupo de
circuitos de primera eleccin
TO2 = TP1 N El trfico perdido (desbordado) por
este primer grupo de circuitos, se
1 ofrece a un segundo grupo de
TC2 circuitos
2
El trfico desbordado NO es un
proceso de Poisson
M Las llamadas no son aleatorias
completamente
Proceso Poisson Interrumpido
Cuando una llamada encuentra el
Congestin en Congestin en primer grupo completo, es ms
primer grupo primer grupo
probable que la siguiente llamada
tambin lo haga
Se trata de un proceso de Poisson
tiempo INTERRUMPIDO
Procesos Poisson
Ramn Agero Calvo

54

Uso en el diseo de redes de
comunicacin
Ruta alternativa
(Desbordamiento) Los enlaces directos entre nodos
(centrales) slo se establecen
cuando el trfico es elevado
Rentabilidad
Ruta directa Los enlaces directos se disean
(Elevado uso)
para que tengan una eficiencia
elevada
El trfico de desbordamiento no es
estrictamente de Poisson Supone una prdida alta
Para facilitar el diseo de la red se Se utilizan caminos alternativos (a

asume que s lo es travs de centrales tandem) para
el trfico desbordado
Hay mtodos ms exactos,
basados en obtener un trfico de Si el trfico entre dos nodos es
Poisson equivalente (p.ej. Rapp) bajo no se justifica el uso de un
enlace directo
Ramn Agero Calvo

55

Se tiene la red de la figura, y su 1.Se dimensiona el enlace L12 a partir de T12
matriz de trfico correspondiente - Nmero de circuitos necesarios para llegar a una
PB (o eficiencia) objetivo
3 - Se calcula el trfico desbordado por este grupo de
circuitos
T
2.Se calcula el trfico total ofrecido al enlace L1T,
como suma del desbordado por L12 y T13
- Se utiliza para calcular el nmero de circuitos
necesarios en L1T (PB objetivo)
1 2 - Se calcula el trfico cursado por este grupo de
circuitos
3.Se dimensiona el enlace L3T a partir de T32

Matriz de trfico
1 2 3 - Se calcula el trfico cursado por L3T

(ERLANGS)
1 - T12 T13 4.Se calcula el trfico ofrecido a L2T como suma

del ofrecido de 1 a 2 (T12), desbordado por L12 y
2 - - -
cursado por L1T y el ofrecido de 3 a 2 (T32) y
3 - T32 - cursado por LT3
- Se usa este trfico para dimensionar LT2
Ramn Agero Calvo

56

3 1 2 3
Matriz de trfico
(ERLANGS)
T 1 - T12 T13
2 - - -
1 2 3 - T32 -
PB # circuitos
Enlace TO total PB Final
Objetivo (Tablas)
L12 PBDirecta TO12=T12 N12 PB12=EB(N12,TO12)
L1T PBFinal TO1T=T13+T12PB12 N1T PB1T=EB(N1T,TO1T)
L3T PBFinal TO3T=T32 N3T PB3T=EB(N3T,TO3T)
LT3 PBFinal TOT3=T13 (1-PB1T) N3T PB3T=EB(N3T,TO3T)

TOT2=T12PB12(1-PB1T) +
LT2 PBFinal NT2 PBT2=EB(NT2,TOT2)
+T32(1-PB3T)
Ramn Agero Calvo

57

Teletrafico PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teletrafico PDF

Cargado por

Copyright:

Formatos disponibles

Redes Telefnicas Tema 2: Teletrfico.

Ramn Agero Calvo

En la elaboracin de estos apuntes han contribuido:

Ramn Agero Calvo

Ramn Agero Calvo

Ramn Agero Calvo

Se suelen emplear modelos matemticos para llevar a cabo este diseo

Ramn Agero Calvo

Dimensionado de redes de comunicaciones

Localizacin: zona residencial,

Uso de la hora cargada para el dimensionado

Ramn Agero Calvo

Ramn Agero Calvo

El trfico (en Erlangs) de un grupo de circuitos

Ramn Agero Calvo

Trfico cursado (TC, AC)

Trfico perdido (TP, AL)

Trfico en demora/espera (TD, AD)

Ramn Agero Calvo

tiempo tiempo tiempo

Tiempo observacin Tiempo observacin Tiempo observacin

Volumen de trfico: VTrfico = Ti

Intensidad de trfico (Trfico): ITrfico = =

Ramn Agero Calvo

Ramn Agero Calvo

Ramn Agero Calvo

Ramn Agero Calvo

El modelo bsico de trfico que se utilizar viene determinado por las

Ramn Agero Calvo

Despreciando los trminos en o(t), la probabilidad de que haya ms de

Ramn Agero Calvo

Tomando lmites (m ) Pr{k llegadas en T} = P (T ) =

Ramn Agero Calvo

Proceso de Poisson: media y varianza

Notar que el cociente entre la varianza y la media es la unidad para el

Ramn Agero Calvo

Tiempo entre llegadas

La probabilidad de que sea mayor que t coincide con la probabilidad de

Y la funcin densidad de probabilidad se obtiene derivando la anterior

Tiempo entre llegadas

Media y varianza (distribucin exponencial)

Ramn Agero Calvo

Tiempo entre llegadas

Ramn Agero Calvo

Tiempo entre llegadas

Suma de dos procesos de Poisson

Proceso A El tiempo entre llamadas de los

Analicemos la probabilidad de que el tiempo entre dos llamadas

Tiempo de servicio exponencial

Ramn Agero Calvo

Tiempo de servicio exponencial

FZ (z) = Pr { Z z} = Pr{[X z] [Y z]} = Pr{ X z} + Pr{ Y z} Pr{[X z] [Y z]} =

Z tambin est distribuida exponencialmente, con media (x+y)-1

Ramn Agero Calvo

Ramn Agero Calvo

Y se definen las siguientes variables

Se asumir una estrategia FIFO, aunque el resultado es el mismo si se

Ramn Agero Calvo

Ramn Agero Calvo

Definiendo la tasa de entrada al sistema promedio como

Si se toman lmites y se supone que todas las variables tienden a un valor

Ramn Agero Calvo

Ramn Agero Calvo