Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(Parte 3) Teoria de Colas-3
(Parte 3) Teoria de Colas-3
Xavier Cabezas
Segundo Término
2018
1 / 42
Un sistema de colas
2 / 42
Términologı́a de la teorı́a de colas (1)
Definition (Sistema)
Es una colección de entidades que actúan e interactúan para cumplir algún fin lógico.
Example
En un banco, un sistema podrı́a consistir de servidores y clientes en una lı́nea de espera o
siendo servidos. A través del tiempo, los clientes llegan o se van y por lo tanto, el estatus
del sitema cambiará. Estos cambios de estatus se describen a través de variables de estado
como: el número de clientes en el banco, el número de servidores ocupados, el tiempo de
arribo del próximo cliente, el tiempo de partida del próximo cliente siendo atendido.
Esta sección trataremos sobre la teorı́a relacionada a las lı́neas de espera o colas.
Las lineas de espera aparecen en diferentes tipos de sistemas: bancos, estaciones de
servicio, hospitales, etc. Para describir un sistema de colas, debe determinarse:
Un proceso de entrada:
◮ LLamado también proceso de arribo. Quienes arriban, son llamados clientes.
◮ Se define una función de probabilidad que determina los tiempos entre las llegadas de
los clientes.
◮ En los modelos a estudiar, se va a suponer que únicamente un arribo puede ocurrir en
un instante dado, esto es realista, y en el caso de que más de un arribo ocurra se dirá
que que arribos al granel puede ocurrir (bulk arrivals).
◮ En la mayorı́a de los casos se supondrá que el proceso de arribos, no es afectado, por el
número de clientes en el sistema. Cuándo esta suposición no es realista?.
Un proceso de Salida:
◮ También llamado, proceso de servicio.
◮ Se define una función de probabilidad que determina los tiempos de servicio.
◮ El tiempo de servicio se suele suponer independiente del númerod e clientes en el
sistema. Cuándo esta suposición no es realita?.
◮ El servicio puede ser en paralelo o en serie.
4 / 42
Términologı́a de la teorı́a de colas (3)
5 / 42
Términologı́a de la teorı́a de colas (4)
6 / 42
Términologı́a de la teorı́a de colas (5)
7 / 42
Términologı́a de la teorı́a de colas (6)
Disciplina de Servicio:
◮ La manera en la cual los clientes son servidos. Describe el método utilizado para
determinar el orden en el cual los clientes son servidos. FIFO, LIFO, son dos ejemplos.
◮ Algunas veces, el orden en el cual los clientes arriban, no afecta el orden en el cual son
servidos (elección aleatoria del cliente a servir). Esta disciplina se suele llamar SIRO
(service in random order).
◮ Algunas veces, los cliente son atendidos por prioridad. Cada cliente al arribar en
ubicado en una categorı́a rankeada por prioridad y dentro de ésta, los clientes son
atendido de acuerdo a una categorı́a FIFO.
8 / 42
Modelo del proceso de arribo
La estacionaridad es una suposición muy irrealista. Esto puede ser resuelto, en parte,
dividiendo el tiempo en intervalos discretos. Ejemplo: Diferentes modelos para la
mañana y tarde en un sistema de colas.
9 / 42
Distribuciones y densidades de probabilidad conocidas (1)
Bernoulli
Binomial
!
n x
f (x) = P(X = x) = θ (1 − θ)n−x para x = 0, 1, 2, . . . , n
x
µ = nθ y σ 2 = nθ(1 − θ)
Poisson
λx e −λ
f (x) = P(X = x) = para x = 0, 1, 2, . . .
x!
µ = λ y σ2 = λ
10 / 42
Distribuciones y densidades de probabilidad conocidas (2)
Triangular
2(x − a)
,a≤x<c
(b − a)(c − a)
2
,x=c
f (x) = b − a
2(b − x)
,c <x≤b
(b − a)(b − c)
0 , en cualquier otro caso
0 ,x <a
2
(x − a)
,a≤x ≤c
F (x) = (b − a)(c − a)
2
(b − x)
1− ,c <x<b
(b − a)(b − c)
1 ,x ≥b
11 / 42
Distribuciones y densidades de probabilidad conocidas (3)
Uniforme
-
0 ,x <a
x − a
F (x) = ,a≤x≤b
b − a
1 ,x >b
µ = 1/λ y σ 2 = (1/λ)2
12 / 42
Distribuciones y densidades de probabilidad conocidas (4)
Erlang
k−1
λe −λx (λx) , x ≥ 0, λ > 0, , k ∈ { 1, 2, 3, . . . }
f (x) = (k − 1)!
0 , en cualquier otro caso
0
,x <0
k−1
F (x) = X 1 −λx
1 −
e (λx)n , x ≥ 0
n=0
n!
µ = k/λ y σ 2 = (k/λ)2
Normal
1 1 x−µ
f (x) = √ e− 2 ( σ ) , − ∞ ≤ x ≤ ∞
σ 2π
13 / 42
Relación Poisson-Exponencial
Example
En una ciudad grande nacen bebés a razón de uno cada 12 minutos. El tiempo entre
nacimientos sigue una distribución exponencial. Determine lo siguiente:
1 La cantidad promedio de nacimientos por año.
2 La probabilidad de que no ocurran nacimientos durante 1 dı́a.
3 La probabilidad de emitir 50 actas de nacimiento en 3 horas dado que se emitieron
40 actas durante las primeras 2 horas del periodo de 3 horas.
14 / 42
Propiedad de pérdida de memoria de la distribución exponencial
Theorem
Si T tiene una densidad exponencial, entonces para cualquier t y h no negativos, se
cumple que:
Demostración.
15 / 42
Por qué la propiedad de pérdida de memoria podrı́a ser útil?
Example
Suponga un sistema de colas consiste en 3 servidores. Cada tiempo de servicio sigue una
densidad exponencial con parámetro µ (i.e., f (t) = µe −µt ). Suponga además que los tres
servidores están actualmente ocupados, y hay un cliente en cola esperando ser servido.
Cuál es la probabilidad que el cliente que está en la cola sea el último en ser atendido?
La respuesta es 1/3, por qué?
16 / 42
Notación de Kendall-Lee
La notación de Kendall (1951) se utiliza para describir un sistema de colas con las
siguientes caracterı́sticas:
17 / 42
Notación de Kendall-Lee (2)
La notación de Kendall describe el sistema utilizando 6 caracterı́sticas:
1 Naturaleza del sistema de arribos:
◮ M = Los tiempos interarribos son variables aleatorias exponenciales i.i.d.
◮ D = Los tiempos interarribos son i.i.d. y determinı́sticos.
◮ Ek = Los tiempos interarribos son variables aleatorias Erlangs i.i.d. con parámetro k.
◮ GI = Los tiempos interarribos son variables aleatorias i.i.d. que siguen alguna densidad
general.
2 Naturaleza del tiempo de servicio:
◮ M = Los tiempos de servicio son variables aleatorias exponenciales i.i.d.
◮ D = Los tiempos de servicio son i.i.d. y determinı́sticos.
◮ Ek = Los tiempos interarribos son variables aleatorias Erlangs i.i.d. con parámetro k.
◮ G = Los tiempos de servicio son variables aleatorias i.i.d. que siguen alguna densidad
general.
3 Número de servidores en paralelo.
4 Disciplina de servicio:
◮ FIFO = First in, first out.
◮ LIFO = Last in, last out.
◮ SIRO = Servicio en orden aleatorio.
◮ GD = Disciplina de cola general.
5 Máximo número de clientes en el sistema (capacidad).
6 El tamaño de la población de donde provienen los clientes (regularmente se
consideran ∞).
18 / 42
Modelo de Naciemiento Puro
19 / 42
Modelo de Naciemiento Puro (2)
(λt)n e −λt
pn (t) = , n = 0, 1, 2, . . .
n!
20 / 42
Modelo de Muerte Pura
(µt)N−n e −µt
pn (t) = , n = 1, 2, . . . , N
(N − n)!
N
X
p0 (t) = 1 − pn (t)
n=1
.
21 / 42
Modelo de Muerte Pura (2)
(µt)N−n e −µt
pn (t) = , n = 1, 2, . . . , N
(N − n)!
N
X
p0 (t) = 1 − pn (t)
n=1
.
Example
La sección de florerı́a en un supermercado tiene 18 docenas de rosas al iniciar cada
semana. En promedio, el florista vende 3 docenas por dı́a (una docena cada vez), pero la
demanda sigue en realidad una distribución de Poisson. Siempre que la existencia llega a
5 docenas (o menos), se coloca un pedido nuevo de 18 docenas, para entregar al
principio de la semana siguiente. Por la naturaleza de la mercancı́a, todas las rosas que
quedan al final de la semana se desechan. Determinar lo siguiente:
1 La probabilidad de colocar un pedido en cualquier dı́a de la semana.
22 / 42
Modelo de Nacimiento-Muerte (Modelo generalizado de Poisson)
Este modelo se basa en el comportamiento a largo plazo del sistema de colas. Este
comportamiento se conoce como de estado estable.
Definiremos estado de un sistema, al número de clientes en el sistema.
Un supuesto lógico es que la velocidad de entrada y salida de clientes dependen del
estado del sistema.
Notación:
◮ n = Número de clientes en el sistema (cola y servicio).
◮ λn = Frecuencia de llegada cuando hay n clientes en el sistema.
◮ µn = Frecuencia de salida cuando hay n clientes en el sistema.
◮ πn =Probabilidad de estado estable de que haya n clientes en el sistema.
Las probabilidades de estado estable se determinan en base al llamado diagrama de
transición:
23 / 42
Modelo de Nacimiento-Muerte (Modelo generalizado de Poisson) (2)
24 / 42
Modelo de Nacimiento-Muerte (Modelo generalizado de Poisson) (2)
Bajo condiciones de estado estable, para n > 0, las tasas esperadas de entrada y
salida del estado n deben ser iguales:
Ls = λef Ws
Lq = λef Wq
λef es la tasa efectiva de llegada (considerada cuando hay limites en capacidad).
26 / 42
Fórmula de Little
Lq = λef Wq
Una demostración formal requiere mucho más que la siguiente interpretación intuitiva:
27 / 42
Fórmula de Little (ejemplo)
Example
Un local de Wendy’s utiliza un promedio de 10000 libras de papas por semana. El número
promedio de libras de papas a mano (on hand) es 5000. Sobre el promedio, qué tanto
tiempo las papas permanecen en el restaurante, antes de ser utilizadas?
Ls = 5000 libras y λ = 10000 libras/semana. Entonces Ws = 5000/10000 = 0,5 semanas.
28 / 42
Relaciones adicionales
Example
Revisar el ejemplo 17.6-1, pág 600, del libro de Hamdy Taha (7ma edición).
29 / 42
(M|M|1) : (DG |∞|∞)
πn = (1 − ρ)ρn , n = 0, 1, 2, . . .
30 / 42
(M|M|1) : (DG |∞|∞)
Ls se deduce como:
∞
X
Ls = nπn
n=0
X∞
= n(1 − ρ)ρn
n=0
∞
d X n
= (1 − ρ)ρ ρ
dρ n=0
d 1
= (1 − ρ)ρ
dρ 1 − ρ
ρ
=
1−ρ
Ls 1 1
Ws = = =
λ µ(1 − ρ) µ−λ
1 ρ
Wq = Ws − =
µ µ(1 − ρ)
ρ2
Lq = λWq =
1−ρ
c = Ls − Lq = ρ
31 / 42
(M|M|1) : (DG |∞|∞) (ejemplos)
Example
Calcule todas las medidas de desempeño del sistema en un modelo (M|M|1) : (DG |∞|∞)
con λ = 10 clientes/hora y tiempo de servicio de 4 minutos en promedio.
Example
Revisar el ejemplo 17.6-2, pág 603, del libro de Hamdy Taha (7ma edición).
32 / 42
(M|M|1) : (DG |N|∞)
(1 − ρ)ρn
N+1
, ρ 6= 1
πn = 1 − ρ
1
,ρ=1
N +1
33 / 42
(M|M|1) : (DG |N|∞) (2)
N
X
Ls = nπn
n=0
N
1−ρ X n
= nρ
1 − ρN+1 n=0
N
1−ρ d X n
= ρ ρ
1 − ρN+1 dρ n=0
1 − ρN+1
(1 − ρ)ρ d
=
1 − ρN+1 dρ 1−ρ
ρ[1 − (N + 1)ρN + NρN+1 ]
= , ρ 6= 1
(1 − ρ)(1 − ρN+1 )
N
Si ρ = 1 se tiene que Ls =
2
El resto de medidas de desempeño del sistema se calculan con las expresiones
generalizadas de la diapositiva 29 Relaciones adicionales .
34 / 42
(M|M|c) : (DG |∞|∞)
λef = λ.
El aumento en la tasa de servicio es proporcional a c, por lo tanto: λn = λ, n ≥ 0
(
nµ , n < c
µn =
cµ , n ≥ c
πn se deduce como:
λn λn ρn
π0 = n
π0 = π0 ,n<c
µ(2µ) . . . (nµ) n!µ n!
πn = λ n
λ n
ρn
c
n−c
π0 = n−c n
π0 = π0 ,n≥c
(Πi =1 iµ)(cµ) c!c µ c!c n−c
Con algo de paciencia puede verificarse que:
1 ρ
π0 = c−1 n , <1
X ρ ρc
1 c
+ ρ
n=0
n! c! 1 − c
ρc+1
y que Lq = π0
(c − 1)!(c − ρ)2
Ls = Lq + ρ (ya que λef = λ) y Ws , Wq pueden determinarse con el resultado de
Little.
35 / 42
(M|M|c) : (DG |N|∞) (c ≤ N)
36 / 42
(M|M|c) : (DG |N|∞) (c ≤ N) (2)
ρ
Si 6= 1, se tiene que:
c
ρc+1
ρ N−c+1
ρ ρ N−c
Lq = 1− − (N − c + 1) 1 − π0
(c − 1)!(c − ρ)2 c c c
ρ
y para = 1:
c
ρc (N − c)(N − c + 1) ρ
Lq = π0 , =1
2c! c
λperdida = λπN , entonces λef = λ − λperdida = (1 − πN )λ.
El resto de medidas de desempeño, con las expresiones generalizadas.
37 / 42
(M|M|R) : (DG |K |K )
Hay dos situaciones donde la tasa de arribo poidrı́a ser dependiente del estado del
sistema.
◮ Si los clientes no desean hacer largas filas.
◮ Si los arribos a un sistema provienen de una población finita (pequeña).
El segundo es el caso que vamos a tratar en un problema conocido como El
Problema de Reparación de Máquinas.
Una vez que una máquina es reparada, estará nuevamente en servicio y podrá
dañarse otra vez.
39 / 42
(M|M|R) : (DG |K |K ) (4)
λj = λ + λ + . . . + λ = (K − j)λ
.
La tasa de muerte es similar al caso (M|M|R) : (DG |∞|∞), pero considerando tasa
de arrribo dependiente del estado del sistema (número de máquinas dañadas).
(
jµ , j < R (j = 0, 1, . . . , R − 1)
µj =
Rµ , j ≥ R (j = R, R + 1, . . . , K )
!
K j
ρ π0 , j < R (j = 0, 1, . . . , R − 1)
j
πj = K
ρj j!
j
π0 , j ≥ R (j = R, R + 1, . . . , K )
R!R j−R
π0 se lo encuentra desde π0 + π1 + . . . + πK = 1.
40 / 42
(M|M|R) : (DG |K |K ) (5)
Las expresiones para las medidas de desempeño del sistema no son simples. Lo mejor
que puede hacerse es expresar estas cantidades en términos de πj .
K
X
Ls = jπj
j=0
K
X
Lq = (j − R)πj
R
41 / 42
(M|M|R) : (DG |K |K ) (3)
Un ejemplo con K = 5 y R = 2
42 / 42