Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoriadecolasppt PDF
Teoriadecolasppt PDF
¿Quién es el último?
clientes que
abandonan
L E n n pn n c P
Lq E nq n
n c 1
n0
W Wq
1 r L L W W
q q
pb
c
L Lq n pn ( n 1) pn pn 1 p0
n 1 n 1 n 1
c=1
c=40
14
Teoría de Colas
Introducción
Descripción de un problema de colas
Características
Notación
Medibles
Resultados Generales
Cómo se obtienen datos para un sistema de colas particular.
El análisis de una cola
Procesos de Nacimiento y Muerte
i 1 2 3 4 5 6 7 8 9 10 11 12
Tiempo entre llegadas entre i+1 e i 2 1 3 1 1 4 2 5 1 2 2 -
Tiempo de servicio al cliente 1 3 6 2 1 1 4 2 5 1 1 3
R e lo j E n t r a d a / T ie m p o e n T ie m p o e n T ie m T ie m T a m a ño C lie n t e s
(t) sa lid a que el que el -p o po en d e c o la s en el
del c lie n t e i c lie n t e i e n la el d esp ués s is t e m a
c lie n t e i entra en sa le d e l c o la s is t e de t d e sp u é s
s e rv ic io s e rv ic io ma de t
0 1-E 0 1 0 1 0 1
1 1-S 0 0
2 2-E 2 5 0 3 0 1
3 3-E 5 11 2 8 1 2
ROGLE jpgarcia@omp.upv.es 16 04/05/2011
Procesos de nacimiento y muerte
en el estado estacionario
Un proceso estocástico es la abstracción matemática de un proceso
empírico, cuyo desarrollo está gobernado por alguna ley de probabilidad.
Desde el punto de vista de la teoría de probabilidades, un proceso
estocástico se define como una familia de variables aleatorias {X(t),tT}
definidas sobre un horizonte T. X(t) es el estado del sistema.
Se dice que un proceso estocástico {X(t),t=0,1,...} es un proceso de
Markov si, para cualquier conjunto de n instantes t1<t2<...<tn, la
distribución de X(t) depende únicamente del valor de X(tn-1). Es decir:
“Dada la situación presente, el futuro es independiente del pasado y el proceso carece
de memoria”
Una cola, con proceso de llegada Poisson-Exponencial de media , y con
proceso de servicio Poisson-Exponencial de media , se puede modelar
como una cadena de Markov continua, donde en cada intervalo infinitesimal
de tiempo puede ocurrir un nacimiento (llegada) o una muerte (salida)
Pr n n 1 en (t , t t ) n t o(t ) n0
Pr n n 1 en (t , t t ) n t o(t ) n 1
n-1 n n+1
En el estado estacionario
n Pn n Pn n 1 Pn 1 n 1 Pn 1 n 0
0 P0 1 P1
L 1 2
W Wq Lq
( )
n c 1 n c 1
P
n 0
1 n c
r r r
Pn n! P0 1
n
P n 0 n! c!(1 )
nc
c
n c
c c! n 0
De donde los valores de tiempo de estancia media y cola
media son:
c 1 1 rc
r W Wq
P
2 0
Lq P
2 0 c!(c )(1 )
c!(1 )
Lq r c
Wq P rc
2 0
c!(c )(1 ) L r
2
c!(1 )
ROGLE jpgarcia@omp.upv.es 22 04/05/2011
Sistema M/M/c/K
La probabilidad de que haya n elementos en el estado estable
es: 1
n
n P0 c1 n c r r 1
K c 1
n!
1 n c
n! c! 1
1
Pn n P0 c1 n c
n 0
1
c n K r r
c nc c! n P0 n! c! ( K c 1) 1
n 0
P0 r c
Lq
c!(1 ) 2
1
K c 1
(1 )( K c 1) K c
L L 1
W L Lq r (1 PK ) Wq
(1 PK ) (1 PK )
ROGLE jpgarcia@omp.upv.es 23 04/05/2011
24
M/M/1/K
M/M/2/K
25
M/M/5/K
26
M/M/10/K
27
ITV
Una estación de ITV cuenta con tres puestos para inspección y
en cada uno sólo puede ser atendido un coche. Cuando un
coche sale de un puesto la vacante es ocupada por otro que
está en cola. La llegada de coches sigue una distribución de
Poisson con una media de un coche por minuto en sus horas
punta. En el párking sólo caben 4 vehículos. El tiempo de
inspección sigue una distribución exponencial de media 6
minutos. El inspector jefe desea saber el número medio de
coches en la estación, el tiempo medio (incluida la inspección)
de espera, y el número medio de coches en cola debido a que
los puestos están ocupados.
Pn
/ i
( / ) i
c
iesté
! lleno es:
La probabilidad de que el sistema
i 0
rc
Pc c! , r
c
ri eff (1 PK )
i 0 i!
n r
r e
Pn n0 r
n!
1
L W
n ( M n )
0
0 n M
n M
n cn 0 n c
nc
r P
M n
1 n c
c 1 M
r c n!c! r
n 0
M n n
Pn
c n!c! r
M n
P0 cnM
Pn 1 1 P0
n0
n n c
n nc n c
M
M 1
L nPn eff ( M n)Pn ( M L)
n 1 n0
eff Lq
Lq L L r ( M L) L Wq
W
( M L) ( M L)
ROGLE jpgarcia@omp.upv.es 31 04/05/2011
Problema
Una fabrica de semiconductores usa cinco robots para la
fabricación de sus placas de circuitos. Los robots se estropean
periódicamente, y la compañía tiene dos reparadores para las
reparaciones. Cuando un robot es arreglado, el tiempo hasta
que el siguiente se rompe se cree que es una exponencial
distribuida con una media de 30 horas. La empresa tiene
suficiente trabajo en cola para asegurarse que todos los
robots en condiciones de trabajar estarán funcionando. El
tiempo de reparación se distribuye según una exponencial de
media 3 horas. Al encargado le gustaría saber: el número
medio de robots operativos en cualquier momento, el tiempo
que un robot tarda en ser reparado, el porcentaje de tiempo
en que algún operario está parado.
2 2
2 2 2 2
L Wq
2 1 2 1
1 2 z
Wq M G 1 Wq M M 1
2
2 e2 2 s2 2c 2 1 1
Wq G G c
2 c 1
2 2
e C C e
E Te
a e
a Wq
2 1 e
1n P0 0nk
Pn k 1 n k 1 1
1 P0 n k 1
L P0
1 1 (k 1) 1k k1k 1 1k 1 k (k 1)
(1 1 ) 2
(1 ) 2
Lq L (1 P0 ) L Lq
W Wq
n bn 0 bn 1 bn 1
n n
Pn P0 ( ) bi 1
i 1
La serie debe ser monótona decreciente
Los que abandonan
n n
i 1 bi 1
Pn P0 P0 n
i 1 i i 1 r (i )
n
n bi 1
P0 1
n 1 i 1 r (i )
r(i) es la probabilidad de que un cliente abandone si tiene i clientes
delante de él.
ROGLE jpgarcia@omp.upv.es 43 04/05/2011
Teoría de Colas
Introducción
Descripción de un problema de colas
El análisis de una cola
Procesos de Nacimiento y Muerte
..
.
1 j i 1 1 i k 1
i 1
ri rij 1 ik j0
0 i 1 0
en los demás casos
Pn1,n2...nk=Pn1·Pn2·....·Pnk
i ri , 0
i
i
ri , 0
ri , j
ri , 0
ri, 0
i i
ri, 0
ROGLE jpgarcia@omp.upv.es 51 04/05/2011
Redes de Jackson Generales (II)
El ratio de llegada i a cada etapa se obtiene mediante las denominadas
“ecuaciones de tráfico”
k
i i j r ji R ( I R) 1
j 1
La probabilidad de que en el estado estacionario haya ni clientes en el nodo
1, n2 en el nodo 2, etcétera
n
ri i
Pn1n 2 n 3...nk Poi
ai (ni )
ni ci n
ni ! ri i
a(ni ) ni ci Po ,i / Poi 1
ci ci ni ci ai (ni )
Si ci=1 n n nk
Pn1n2 ...n k (1 1 ) 1 1 (1 2 ) 2 2 ...(1 k ) k
ROGLE jpgarcia@omp.upv.es 52 04/05/2011
Redes de Jackson Generales (III)
Pueden existir diferentes tipos de clientes con diferentes
matrices de transición R(t)
n
( t ) ( t ) (t )
( I R (t ) ) 1 t 1
(t )
(t ) i
Li (1) ( 2) (n)
Li
i i ... i
55
56
Redes de Jackson Cerradas
1 k
in (i )
G( N )
Pn1n2 ...n k
i 1 ai ( ni )
ni ! ni ci
ai (ni ) ni ci
ci ci ! ni ci
k n (i ) ai (n) j j ci
i ( n)
G( N ) i
n1 n 2 ... nk N i 1 ai ( ni )
ai (n 1) ci j ci
ri,j
k
vi v j r ji asumiendo vl=1
j 1
c1 2
1
Paso3.1 Wi ( n) (1 Li ( n 1) (ci 1 j ) p i ( j, n 1) i
ci i j 0
n
Paso 3.2 l ( n) k
con vl 1
v W (n)
i 1
i i
i (n)
Paso 3.5 Pi ( j, n) Pi ( j 1, n 1) i 1..k , j 1..n
i ( j) i
58
Servicio de Mantenimiento
Se desea que dos máquinas estén operativas en cualquier momento. La
máquina se rompe de acuerdo con una exponencial de media =2. Una
vez rota, una maquina tiene una probabilidad r12=0.75 de ser reparada
localmente por un responsable de mantenimiento que trabaja con una
media de tiempo de 2=1. Con probabilidad 1- r12 la máquina debe ser
reparada por un especialista, que también trabaja según una
exponencial de media 3=3. Más allá, después de una reparación local,
existe una probabilidad r23=0.33 de que la máquina requiera un
servicio especial. Después del servicio con el especialista la máquina
siempre se pone a trabajar. Se desea saber cómo se distribuyen los
tiempos de estancia de las máquinas en reparación.
P (t s)
(t s) ( t s )
n
e t , s 0, t s
n
n!
ROGLE jpgarcia@omp.upv.es 72 04/05/2011
Los Procesos de Poisson-Exponencial
P4 Si el número de llegadas sigue una distribución de Poisson el tiempo entre
llegadas sigue una distribución exponencial de media (1/) y al contrario
(t ) n t
Pn (t ) e Po (t ) e t
n!
P5 Si el proceso de llegada es Poisson, los tiempos de llegada son completamente
aleatorios con una función de probabilidad uniforme sobre el periodo analizado.
k!
f (t1 , t 2 ,..., t k / k llegadas en0, T ) k
T
P6 Para conocer los datos que definen un proceso de Poisson solo es necesario
conocer el número medio de llegadas
P7 Amnesia de la Distribución Exponencial: La probabilidad de que falten t unidades
para que llegue el siguiente cliente es independiente de cuanto tiempo llevamos sin
que llegue ningún cliente.
Pr T 1 / T t0 Pr 0 T t1 t0
n t
m ( t ) ( m(t ))
Pn (t ) e , m(t ) ( s )ds
Llegadas múltiples n! o
i
En este caso la probabilidad
i 1 de que en el instante t hayan aparecido m
clientes es:
( t ) k ( k )
Pr N (t ) m e t cm
k!
La probabilidad de observar
un número de aciertos en B
ensayos independientes con una
proporción de aciertos A
Hipergeométrica: Binomial en un
contexto de muestreo de n elementos
con reemplazamiento, Np aciertos,
Nq fallos, N=Np+Nq y n
PDF = CNpyCNqn-x/CNn
Mean = np, Variance = npq(N-n)/(N-1)
Número de ensayos
independientes hasta el
primer acierto, con una propoción
A de acierto
La distribución de errores
de observaciones físicas
que manifiesta ruido blanco
en la medida
Distribución simétrica
Asociadas a la distribución
Normal están las
Distribuciones Chi-cuadrado
y t-student
Exponential
Distribución asociada
al soporte continuo de
La variable aleatoria
discreta de Poisson
Caso particular de la
distribución Gamma y
Weibull
Modela distribuciones
cuya asimetria es muy
significativa
Con C grande se
aproxima a la Normal
Weibull
C=1, distribución
Exponencial
Generalización de la
Distribución Exponencial
Modelización de tiempos
en fiabilidad de sistemas
Uniform
Estimación bayesiana
Distribución de probabilidad
de los parámetros de un
Modelo