Colas PDF

Lı́neas de espera y Teorı́a de Colas
Sistema de lı́nea de espera o cola: cuando la demanda de un cierto

servicio excede la capacidad del sistema que la atiende, lo que da lugar a
una congestión previa al procesamiento (la cola).
X Procesadores informáticos:
Sistema al que acuden tareas (clientes) para ser procesadas (con demandas de servi-
cio), y que tiene una capacidad limitada de procesamiento (de servicio), lo cual causa
fenómenos de congestión de trabajos y de espera para ser procesads (espera en cola)
X Impresoras
X Tiendas de atención al público
X Cajeros: clientes humanos esperando formando una cola fı́sica.
X Servicios telefónicos/internet (servicios de tele-entrada)
X Servicios de urgencias
X Lista de espera sanidad: clientes humanos esperando formando una cola virtual (un
sistema informático realiza un seguimiento y control de los datos relevantes).
¿Por qué se forman colas?

El problema de decisión surge al enfrentar el coste del servicio con el coste del cliente:
a mayor rapidez del servicio, menor coste para el cliente y mayor para el servidor
1
Lı́neas de espera y Teorı́a de Colas
Los problemas de espera empezaron a estudiarse formalmente a partir de

1917, con los trabajo del ingeniero danés A.K. Erlang sobre el cálculo de
probabilidades y el tráfico telefónico.
Sus estudios iban encaminados a determinar la probabilidad de que una

centralita telefónica estuviera saturada y, por tanto, servı́an de ayuda al
dimensionamiento de la misma.
Aplicación: Diseño, dimensionamiento y operación de redes de comuni-

cación
X Sistemas telefónicos
X Redes de ordenadores
2
Proceso básico de colas: SISTEMAS ESTOCÁSTICOS
1. Los clientes llegan al sistema: habitualemnte no es posible conocer

con exactitud cuántos trabajos llegarán al sistema y cuándo lo harán
Se generan a través del tiempo en una fuente de entrada
2. Estos clientes entran al sistema:
a) Si hay algún servidor libre, pasan directamente a la realización del

servicio.
b) En otro caso, se coloca en una cola de espera, hasta que el sistema
lo selecciona para realizar el servicio.
3. Los clientes salen del servicio: habitualmente no es posible conocer

con exactitud qué tipo de servicio van a requerir
Sistema de colas
Fuente de Mecanismo Clientes servidos

entrada Cola de servicio
3
Proceso básico de colas: SISTEMAS ESTOCÁSTICOS (cont.)
¿Cuál debe ser la capacidad exacta del sistema para atender la

demanda?
Dificultad de obtener un diseño que optimice el rendimiento del sistema
Objetivos del curso: describir y anzalizar el funcionamiento de sistemas

sencillos a partir del cálculo de medidas de eficacia (rendimiento).
X Caracterı́sticas elementales de operación del sistema:
– Proceso de llegadas, proceso de servicio y disciplina de la cola

– Tasa de llegada y de servicio, factor de utilización y estabilidad
X Principales medidas de eficacia y estudio de sus relaciones:
– Medidas de eficacia o rendimiento

– La Ley de Little
X Modelos Markovianos:
– Relación del rendimiento del sistema con las caracterı́sticas de diseño del mismo
– Efectos del tráfico pesado en el rendimiento
– Efecto marginal de un servidor
4
Descripción de una cola
Proceso de llegadas
Se mide a través del número de llegadas por unidad de tiempo y el tiempo

entre las sucesivas llegadas.
Hay que tener en cuenta:

X si el número medio de llegadas por unidad de tiempo es constante o
cambia con el tiempo
X si el número medio de llegadas por unidad de tiempo es independiente
del número de clientes presentes en el sistema o no
X Si la población es finita o no: sistemas abiertos, sistemas cerrados
X si las llegadas al sistema se producen individualmente o por grupos
X si hay una o varias fuentes de llegadas al sistema
X es importante conocer el tipo de distribución: determinista (los tiempos
de llegada de los clientes son conocidos), o probabilı́stica (los tiempos
de llegada son aleatorios)
5
Proceso de servicio
Describe cómo son atendidos los clientes, y se caracteriza por el tiempo

empleado en dar servicio a un cliente y por el número de servidores de
que se dispone.
Hay que tener en cuenta:
X tipo de distribución: determinı́stica o probabilı́stica
X si el tiempo medio empleado en atender a un cliente es independiente

del tiempo y del número de clientes presentes en el sistema
X si cada canal de servicio tiene su propia cola o existe una única cola
para todos los canales
X si el servicio es individual o por grupos
6
Disciplina de la cola
Describe el orden en que se da servicio a los clientes.
La más habitual es la FIFO (first–in–first–out), en la que el primer cliente

en llegar es también el primer cliente en ser atendido.
Algunos modelos asignan prioridades a ciertos clientes, o los seleccionan

aleatoriamente, round robin rule, LIFO (last–in–first–out).
Otras caracterı́sticas relevantes son:

X capacidad: limitada o ilimitada
X impaciencia: posibilidad de que se marchen clientes que llevan algún
tiempo en cola
X renuncias: clientes que no entran en cola al ser ésta larga
X reintentos: clientes que abandonan la cola momentáneamente, pero
vuelven más tarde
7
Ejemplos de Sistemas de Colas
Llegadas Cola Servidor Salidas
Servidor
Servidor
Cola Servidor
Cola Servidor
Llegadas Cola Servidor Cola Servidor Salidas
8
Terminologı́a
El estudio de una cola se hace a través de las variables:

Tn, tiempo entre la llegada del cliente n − 1 y la del cliente n
Xn, tiempo de realización del servicio del cliente n
Además, se consideran los siguientes parámetros:

λn, tasa de llegadas cuando el sistema tiene n clientes.
Si es constante, se nota por λ
En este caso, E(Tn) = E(T ) = T = 1λ , para todo n
µn, tasa de servicio cuando el sistema tiene n clientes.

Si la tasa de servicio por servidor es constante, se nota por µ.
En este caso, E(Xn ) = E(X) = X = µ1 , para todo n.
9
Intensidad de tráfico
La cantidad de trabajo en un sistema de colas se suele medir en unidades

de tiempo.
Número medio de llegadas por unidad de tiempo: λ

Cada llegada implica una carga media de trabajo: X.
Intensidad de tráfico: carga media de trabajo por unidad de tiempo

1
λX = λ
µ
Ejemplo
Si llegan 2 trabajos por minuto y cada trabajo requiere un servicio medio

de 0.4 minutos, la intensidad de tráfico es de 0.8 minutos.
Si sólo hay un servidor, el sistema está ocupado el 80 % del tiempo, ¿y
si hay más servidores?
10
Factor de utilización
Factor de utilización: porcentaje de tiempo esperado en que el sistema

está ocupado
λ
La carga media de trabajo por unidad de tiempo es: µ
La capacidad del sistema por unidad de tiempo: m servidores
intensidad de tráfico λ/µ

ρ= =
capacidad del sistema m
El número medio de llegadas por unidad de tiempo es: λ.
Si el sistema tiene m servidores, la capacidad de proceso es mµ trabajos.
tasa de llegadas λ
ρ= =
capacidad de procesamiento del sistema mµ
Para sistemas con un único servidor coincide con la intensidad de tráfico.

Intuitivamente, puede considerarse como la probabilidad de que el sistema
esté ocupado.
11
Estabilidad
Para poder ofrecer un servicio adecuado, la capacidad del sistema debe

ser mayor que la demanda: sistema estable
Ejemplo
Si llegan 4 trabajos por minuto y cada trabajo requiere un servicio medio

de 0.4 minutos, la intensidad de tráfico es de 1.60 minutos.
Si sólo hay un servidor, el sistema está ocupado el 160 % del tiempo. La

congestión aumentará indefinidamente: sistema inestable
Si el número de servidores es m, la condición de estabilidad es:

λ
ρ < 1 ⇐⇒ m > λX ⇐⇒ <m
µ
λ
Para un sistema con un único servidor, resulta: µ
<1
(la tasa de servicio debe ser mayor que la tasa de llegada)
12
Medidas de eficacia
El análisis de un sistema de colas está encaminado a dar respuesta a

preguntas, tales como:
¿qué fracción de tiempo está ocioso cada servidor?

¿cuál es el tiempo medio de espera/respuesta para un cliente/trabajo?,
¿es razonable?, ¿se pierden clientes/trabajos por tiempos de espera
largos?
¿es conveniente añadir más servidores para reducir el tiempo de es-
pera?
¿cuál es el número medio de clientes en cola?
¿cuál es la probabilidad de que haya más de un número determinado
de clientes en cola en un tiempo determinado?
¿cuál es la probabilidad de que la espera sea mayor que una determi-
nada longitud en un tiempo determinado?
A partir de la respuesta a estas preguntas se decide el diseño del sistema.

13
Medidas de eficacia
Para ello resulta adecuado contar con indicadores y medidas que cuan-
tifiquen la calidad del funcionamiento del sistema, medidas de eficacia del
sistema.
Algunas de las medidas de eficacia más relevantes son:
Número medio de clientes en espera (en cola): Q
Número medio de clientes en el sistema: N .
Tiempo medio de espera (en cola): W
Tiempo medio de respuesta (en el sistema): S.
Número medio de clientes en servicio: B

Medias a largo plazo: el sistema debe ser estable
Ejemplo: ver simulación cola
1
W = lı́m W1 + · · · + Wn
n→∞ n
Wk = tiempo de espera (en cola) del cliente k-ésimo
14
Relaciones entre medidas de eficacia.
Fórmulas de Little (1961)
Supongamos un sistema con las siguientes caracterı́sticas:
Tiene un único servidor.
Los trabajos se sirven con una disciplina FIFO.
La tasa de llegadas al sistema es λ.
Un trabajo está un tiempo medio de S en el sistema (tiempo medio

de respuesta).
15
Desde que un trabajo llega al sistema hasta que sale transcurre un tiempo
igual a S.
La tasa de llegadas es de λ trabajos por unidad de tiempo ⇒ durante

todo ese tiempo al sistema llegarán una media de λS trabajos.
En el momento en que este trabajo se va, en el sistema quedan exacta-

mente todos los trabajos que han ido llegando desde que llegó:
Por tanto, el número medio de trabajos en el sistema, N es:
N = λS (1)
Si el tiempo medio de espera (en cola) es de W , el número medio de
trabajos en espera (en cola), Q, es
Q = λW (2)
ya que, durante el intervalo W llegan un total de λW nuevos trabajos.
16
Fórmulas de Little (1961)
N = λS
Q = λW
Por otro lado,
1
S =W +X =W +
µ
B =N −Q
Entonces, como son cuatro medidas y tenemos tres ecuaciones que las
ligan, con conocer una de ellas es suficiente para obtener el resto.
17
Ejemplos
1. Una lı́nea de comunicaciones tiene un uso del 70 %. Calcular el cambio

en el uso si la tasa de llegadas se incrementa el 10 % y el tiempo medio
de servicio se reduce el 8 %
2. El uso de una cola con 5 procesadores es del 85 %. ¿Cuál es el uso, si

sustituimos los 5 procesadores por 3 procesadores el doble de rápidos
3. Llegan tareas a un procesador con tasa 0,1 tareas/ms. Si el proce-

sador opera a 0,75 mips, derivar una cota para el máximo número de
instrucciones por tarea para garantizar que el sistema es estable
4. El número medio de trabajos en cola en un dispositivo E/S es 6,5.El

número medio de trabajos en el sistema es 7,2. Si la tasa de llegadas
es 0,5 por segundo, determinar el tiempo medio de servicio y el tiempo
medio de respuesta.
18
Notación en colas (Kendall)
Distribuciones en el servicio y en las llegadas
M : exponencial.
D: determinı́sticos (tiempo entre llegadas o de
servicio constante).
Ek : Erlang(k, λ), (suma de k exponenciales).
Distribución del
tiempo de
Disciplina G: generales.
de la cola
servicio
Disciplina de la cola:
A/B/m/c/d
F IF O: first–in–first–out, (por defecto).
LIF O: last–in–first–out.
Distribución de
Capacidad SIRO: serve in random order queue discipline.
tiempos entre
Número de del sistema
llegadas P RI: priority queue discipline, servicio con pri-
servidores
oridades.
GD: disciplina general.
Capacidad del sistema:
Por defecto es infinita.
19
Colas Markovianas: cola M/M/1/ + ∞/FIFO
X Tiempo entre dos llegadas consecutivas:
X T1, T2, . . . independientes, idénticamente distribuidas exp(λ)

X Tiempo medio entre llegadas: el tiempo medio entre las llegadas de
1 unidades de tiempo
dos clientes consecutivos es de E(T ) = λ
X Tasa de llegadas: el número medio de llegadas por unidad de tiempo
es λ
X Tiempo de servicio:
X X1, X2, . . . independientes, idénticamente distribuidas exp(µ)

X Tiempo medio de servicio: el tiempo medio de servicio de un cliente
1 unidades de tiempo
es de E(X) = µ
X Tasa de servicio: el número medio de clientes que un servidor es
capaz de atender por unidad de tiempo es µ
20
Cola M/M/1: la distribución exponencial
Los modelos de colas más estudiados suponen que las variables tiem-
po entre llegadas consecutivas y tiempo de servicio tienen distribución
exponencial de parámetros λ y µ, respectivamente.
Función de distribución
FT (t) = P (T ≤ t) = 1 − e−λt ∀t ≥ 0
Función de densidad
fT (t) = λe−λt ∀t ≥ 0
Media y Varianza
1 1
T = V ar(T ) = 2
λ λ
Coeficiente de Variación
q
V ar(T )
c.v.(T ) = =1
T
21
Intermedio: la distribución exponencial
Propiedad 1: fT (t) es estrictamente decreciente en t.

fT (t)
λ
P (0 ≤ T ≤ ∆t) > P (t ≤ T ≤ t + ∆t)

1 11 31
0,393 = P 0 ≤ T ≤ >P ≤T ≤ = 0,383
λ 2λ 2λ
La probabilidad de que T tome un valor pequeño es mayor que de que

tome un valor alto.
Si T es el tiempo entre llegadas, esta propiedad descarta situaciones en

las que los clientes posponen la entrada si ven que entra otro cliente.
22
Intermedio: la distribución exponencial
Propiedad 2: Pérdida de memoria.

n o n o
P T ≥ t + ∆t / T > ∆t = P T ≥ t
La distribución de probabilidad del tiempo que falta hasta la siguiente lle-

gada (o terminación de servicio) siempre es la misma, independientemente
del tiempo ∆t transcurrido desde la última llegada.
Tiempos de llegada: la siguiente llegada no depende de cuándo se produjo

la anterior.
Tiempos de servicio: el tiempo de servicio restante para terminar este

trabajo es independiente de cuándo se ha empezado.
Totalmente aleatorio, no “regularidad” o pautas.
23
Intermedio: el proceso de Poisson
Nt =número de llegadas en el intervalo de tiempo (0, t]
Si la variable tiempo entre dos llegadas consecutivos tiene distribución

exp(λ) ⇒ Nt tiene distribución P(λt)
Probabilidad de que lleguen n clientes en las siguientes t unidades de

tiempo:
n
−λt (λt)
P {Nt = n} = e , para n = 0, 1, 2, . . .
n!
Media y Varianza
Nt = λt V ar(Nt ) = λt
En la práctica, se habla de llegadas de Poisson y tiempos de servicio

exponencial
24
Intermedio: Ejemplo
Supongamos que a un ordenador van llegando trabajos siguiendo un pro-

ceso de Poisson.
Se sabe que en un periodo de longitud t, la probabilidad de que no llegue

ningún trabajo es 0,7.
Determinar la media y la varianza del número de trabajos llegados en un

periodo de longitud 2t.
25
Intermedio: Ejemplo (cont.)
De la distribución de la variable Nt , número de llegadas en un periodo de

longuitud t, se tiene que
0
−λt (λt)
P {Nt = 0} = P {P(λt) = 0} = e = e−λt = 0,7
0!
De donde
λt = − ln(0,7) = 0,36
La media y la varianza del número de llegadas en el intervalo (0, t) es

precisamente 0,36.
En el intervalo (0, 2t), los valores serán exactamente el doble, 0,72.
26
Intermedio: Ejemplo
Supongamos que estamos estudiando los errores durante al ejecución de

un programa.
Se sabe que la probabilidad de que se produzca un error o más (de software

o hardware) en 15 minutos es del 5 %.
¿Cuál es la tasa de error?
¿Cuál es la probabilidad de que no se produzca ningún error en tres horas

de ejecución?
27
Sea λ la tasa de error.
La distribución de la variable N15 es Poisson de parámetro 15λ.
La probabilidad de que ocurra un error antes de 15 minutos es:
P {N15 ≥ 1} = 1 − P {N15 = 0} = 1 − e−15λ = 0,05

De donde
− ln(0,95)
λ= ,
15
y
ln(0,95) 180
P {N180 = 0} = e −180λ
= (e ) 15 = (0,95)12 = 0,54
28
Sea λ la tasa de error.
La distribución de la variable T es exponencial de parámetro λ
La probabilidad de que ocurra un error antes de 15 minutos es:
F (t) = 1 − e−15λ = 0,05

De donde
− ln(0,95)
λ= ,
15
y la probabilidad de que no se produzca un error (llegada) en las próximas
3 horas es:
P (T > 180) = e−180λ = 0,54.
29
Intermedio: Unión y división de procesos de Poisson
Sean dos secuencias de llegadas de dos procesos de Poisson indepen-

dientes con tasas de llegadas λ1 y λ2, respectivamente.
La unión de las dos secuencias dará como resultado un nuevo proceso de

Poisson con tasa de llegada igual a la suma de los dos procesos: λ1 + λ2
Sea una secuencia obtenida de un proceso con tasa λ que se quiere dividir
en n secuencias.
Para ello, una llegada se asigna al proceso k con probabilidad pk , k =

1, . . . , n.
La secuencia k-ésima es un nuevo proceso de Poisson con tasa de llegada

pk λ, k = 1, . . . , n.
30
Intermedio: Ejemplo
Un sistema de multiprocesamiento acepta envı́os de trabajos de una fuente

de Poisson con tasa 6 trabajos/segundo. Supongamos que el 10 % del
tráfico total se asigna aleatoriamente a cierto procesador:
1. ¿Cuál es el tiempo medio trancurrido entre las llegadas de 2 trabajos

consecutivos al procesador?
2. ¿Cuál es la probabilidad de que el siguiente trabajo que llegue tarde

más de medio minuto?
3. ¿Cuál es la probabilidad de que haya más de 1 llegada al procesador

en un intervalo de tiempo de 1 minuto?
31
1. Los trabajos llegan al procesador según un proceso de Poisson de tasa

0,1 · 6 = 0,6 trabajos/segundo ⇒
1 = 1,6666 segundos
T tiene una distribución exp(0,6) y E(T ) = 0,6
2. T , tiempo entre llegadas, tiene una distribución exp(0,6), entonces:
P {T > 30} = 1 − P {T ≤ 30} = F (30) = 1 − e−30λ = 1 − e−18 = 0,9999
3. N60, número de llegadas en un intervalo de 1 minuto, tiene una dis-

tribución P(60 · 0,6), entonces:
P {N60 ≥ 1} = 1 − P {N60 = 0} = 1 − e−60·0,6 ≈ 1
32
Intermedio: Ejemplo
Supongamos que a un ordenador con n procesadores llegan trabajos según

un proceso de Poisson de tasa λ.
Una vez que un trabajo ha llegado, se asigna de forma cı́clica a cada

procesador, de manera que si un trabajo se asigna al procesador k, el
siguiente trabajo se asignará al procesador k + 1 (o al primero si k = n).
Hallar el coeficiente de variación.
33
Las llegadas a cada procesador no son independientes, ya que si se asigna

una llegada al procesador k, la siguiente llegada no va ser asignada al
procesador k.
El tiempo T entre dos llegadas consecutivas a un procesador es:
T = T1 + T2 + · · · + Tn
donde cada Tk tiene distribución exponencial de media 1/λ.
T tiene una media de n/λ y una varianza de n/λ2.
√
El coeficiente de variación es 1/ n.
La función de densidad de T , que resulta de la suma de n exponenciales,

−λt
n−1 e
es: fT (t) = λ(λt) t ≥ 0 (Erlang(n,λ)).
(n − 1)!
34
Intermedio: Ejemplo
Supongamos un sistema con un único procesador que admite tanto tra-

bajos locales como trabajos enviados desde otra máquina remota.
La máquina remota envı́a trabajos con un tasa de 1 por hora y que los
dos procesos de llegada son de Poisson.
La desviación tı́pica de la variable T , tiempo entre dos llegadas consecu-

tivas, es de 15 minutos.
Determinar la tasa de envı́o de trabajos de la máquina local.
35
La secuencia resultante es la unión de dos secuencias independientes,

cada una correspondiente a los envı́os de cada una de las dos máquinas,
local y remota.
Si la tasa de de envı́os de la máquina local es λ1 y la de la máquina remota

es λ2, la tasa de envı́os conjunta tiene tasa λ1 + λ2 = λ1 + 1.
La variable T tiene una distribución exponencial de parámetro λ1 + 1.
Su desviación tı́pica es:

15 1
= =⇒ λ1 = 3.
60 λ1 + 1
36
Cola M/M/1: Factor de utilización, estabilidad
X El factor de utilización del sistema M/M/1 es:

intensidad de tráfico λ/µ λ
ρ= = =
capacidad del sistema 1 µ
X Condición de estabilidad: ρ < 1 ⇒ tasa de servicio mayor que la tasa

de llegadas
En lo que sigue, supondremos que el sistema es estable y se encuentra en

estado estacionario. Comportamiento a largo plazo de sistemas estables.
37
Cola M/M/1: Medidas de eficacia
¿Cómo calcular N =número medio de clientes en el sistema en equilibrio?

∞
X
N = npn
n=0
pn = probabilidad de que haya n clientes en el sistema en equilibrio
¿Cómo calcular pn? ⇔ ¿Cómo evoluciona el proceso “Número de clientes

presentes en el sistema”?
Proceso de Nacimiento y Muerte: sólo hay transiciones entre estados

(número de clientes en el sistema) contiguos.
38
Cola M/M/1: Ecuaciones de balance de flujo
Diagrama de tasas de transición
O O O O O O O
0 1 2 n-1 n n+1
P P P P P P P
Para que el sistema esté en equilibrio pk tiene que permanecer constante.

Para ello, se deben satisfacer las ecuaciones de balance de flujo:
tasa de llegada al estado n = tasa de salida del estado n

pn−1λ + pn+1µ = pn λ + pnµ
39
Cola M/M/1: Probabilidades en equilibrio
Desarrollando estas fórmulas, resulta:


λp0 = µp1, 

 λp0 = µp1,


λp0 + µp2 = λp1 + µp1,  λp1 = µp2,
⇒
λp1 + µp3 = λp2 + µp2, 

 λp2 = µp3,


...  ...,
de donde
λ
p1 = p0 = ρp0,
µ
λ
p2 = p1 = ρp1 = ρ2p0.
µ
....
λ
pn = pn−1 = ρpn−1 = ρnp0
µ
40
Cola M/M/1: Probabilidades en equilibrio
∞
X
¿Cómo calculamos p0? A partir de pn = 1, entonces
n=1
∞
X 1
p0 ρn = 1 ⇒ p0 = P∞ =1−ρ
n=0 n=0 ρn
X Probabilidades estacionarias:
pn = ρnp0 = ρn(1 − ρ), n = 0, 1, . . .
X Número medio de clientes en el sistema:

 ′
∞
X ∞
X ∞
X
n n−1
N = n(1 − ρ)ρ = (1 − ρ)ρ nρ = (1 − ρ)ρ  ρn  =
n=0 n=1 n=1
!′
ρ 1 ρ
= (1 − ρ)ρ = (1 − ρ)ρ =
1−ρ (1 − ρ)2 1−ρ
41
Cola M/M/1: Medidas de eficacia
X Por la Ley de Little (N = λS), el Tiempo medio de respuesta (en el

sistema):
N λ 1
S= = =
λ µλ(1 − ρ) µ(1 − ρ)
1 , entonces el Tiempo medio de espera (en cola):

X Como S = W + µ
1 ρ
W =S− =
µ µ(1 − ρ)
X Por la Ley de Little, el Número medio de clientes en espera (en cola):

ρ ρ2
Q = λW = λ =
µ(1 − ρ) 1−ρ
X Como B = N − Q, el Número medio de clientes en servicio:

ρ ρ2
B= − =ρ
1−ρ 1−ρ
42
Cola M/M/1. Ejemplo
Una lı́nea de comunicaciones transmite a 9600 bps.
Se producen llegadas de mensajes según un proceso de Poisson con tasa

250 llegadas por minuto.
Los mensajes tienen longitud exponencial con media 1000 bits.
¿Qué pórcentaje de tiempo está transmitiendo la lı́nea de comunica-

ciones?
¿Cuál es la fracción de tiempo en la que hay más de dos mensajes?
43
Cola M/M/1. Ejemplo (cont.)
250
Tasa de llegadas: λ= = 4,17 mensajes por segundo.
60
1000
Tiempo medio de transmisión: X = = 0,1 segundos.
9600
Tasa de transmisión: µ = 1 = 9,6 mensajes por segundo.
X
Uso del sistema: λ = 4,17 = 0,43.

ρ=µ 9,6
Probabilidad de que haya más de dos mensajes en el sistema:
k−1
X
n (1 − ρk )
P {N ≥ k} = 1 − P {N ≤ k − 1} = 1 − ρ (1 − ρ) = 1 − (1 − ρ) = ρk
n=0
(1 − ρ)
P {N ≥ 3} = 1 − p0 − p1 − p2 = ρ3 = (0,43)3 = 0,079
k
X a1 − ak r
Nota: Sk = an =
n=1 1−r
44
Cola M/M/1. Ejemplo
La ventanilla de un banco realiza las transacciones en un tiempo medio

de 2 minutos. Los clientes llegan a una tasa de 20 clientes a la hora. Si
suponemos que las llegadas siguen un proceso de Poisson y el tiempo de
servicio es exponencial:
a) ¿Qué porcentaje de tiempo está el cajero desocupado?
b) En promedio, ¿cuánto tiempo esperan los clientes hasta ser atendidos?
c) ¿Qué fracción de clientes debe esperar en cola?
45
Cola M/M/1. Ejemplo (cont.)
Tasa de llegadas: λ = 20 clientes por hora.

2
Tiempo medio por transacción: X = horas.
60
Tasa de transacción: µ = 1 = 30 clientes por hora.
X
a) Proporción de tiempo cajero desocupado = 1- Uso del sistema:

λ 20 1
p0 = 1 − ρ = 1 −=1− =
µ 30 3
El 33’33 % del tiempo está oocioso.
2
ρ 1
b) W = = 31 = hora
µ(1 − ρ) 30 3 15
60 = 4 minutos.
El tiempo medio de espera en cola es de 15
c) La fracción de clientes que debe esperar en cola es
ρ2
Q 1−ρ 2
= ρ =ρ=
N 1−ρ 3
46
Cola M/M/1. Ejemplo tráfico pesado
Una linea de comunicaciones cuyo comportamiento se puede describir a

partir de una cola M/M/1 tiene un uso del 70 %. Calcular el número medio
de clintes en el sistema:
ρ 0,7
N = = = 2,3333
1−ρ 0,3
¿Qué ocurre si el uso aumenta en un 1 %?
0,707
ρ = (1,01)0,7 ⇒ N = = 2,4129
0,293
Supone un incremento del 2,4129−2,3333
2,3333 100 = 3,41 %
¿Qué habrı́a ocurrido si la linea original hubiera tenido un uso del 99 %?

ρ 0,99
N= = = 99
1−ρ 0,01
y
0,9999
ρ = (1,01)0,99 ⇒ N = = 9999
0,0001
Supone un incremento del 9999−99
99 100 = 10000 %
47
Cola M/M/1. Congestión en función del uso del sistema
0.2 0.25
Congestión Media
0.25 0.33333333
0.3 0.42857143
0.4 0.66666667
35
Número medio clientes sistema

0.5 1
30 0.6 1.5
0.65 1.85714286
25 0.7 2.33333333
0.75 3
20 0.8 4
15 0.82 4.55555556
0.88 7.33333333
10 0.9 9
0.91 10.1111111
5 0.92 11.5
0.95 19
0
0.96 24
0 0.2 0.4
0.97 32.3333333 0.6 0.8 1 1.2
0.97 32.3333333Nivel de utilización
48
Cola M/M/s: Factor de utilización y estabilidad
X La intensidad de tráfico del sistema M/M/s es: λ

µ
Por la Ley de Little:
!
1 λ
B = N − Q = λS − λW = λ W + − λW = .
µ µ
Se definió como la carga media de trabajo por unidad de tiempo, y tb
representa el número medio de clientes en servicio.
X El factor de utilización del sistema M/M/s es:
intensidad de tráfico λ/µ λ
ρ= = =
capacidad del sistema s sµ
ρ=B
s ⇒ proporción media de servidores ocupados.
X Condición de estabilidad: ρ < 1 ⇒ tasa de servicio global (sµ) mayor
que la tasa de llegadas (λ)
Como antes, supondremos que el sistema es estable y se encuentra en

estado estacionario. Comportamiento a largo plazo de sistemas estables.
49
Cola M/M/s: Ecuaciones de balance de flujo
Para calcular las probabilidades estacionarias, {pn }n≥0, tenemos que plantear
las ecuaciones de balance de flujo del sistema:
Diagrama de tasas de transición
O O O O O O O
0 1 2 s-1 s s+1
P 2P 3P (s-1)P sP sP sP
Ecuaciones de balance de flujo:
tasa de llegada al estado n = tasa de salida del estado n

n = 0, 1, . . . , s y n ≥ s
50
Cola M/M/s: Probabilidades en equilibrio
Desarrollando estas fórmulas, resulta:

 λp0 = µp1,
p1µ = p0λ 


 λp1 = 2µp2,
p0λ + p22µ = p1λ + p1µ 




 λp2 = 3µp3,
p1λ + p33µ = p2λ + p22µ 


... ...



 ... ...


ps−3λ + ps−1(s − 1)µ = ps−2λ + ps−2(s − 2)µ  λps−2 = (s − 1)µps−1,
⇒
ps−2λ + pssµ = ps−1λ + ps−1(s − 1)µ 

 λps−1 = sµps,


ps−1λ + ps+1sµ = psλ + pssµ



 λps = sµps+1,

... ... 


 ... ...

pn−1λ + pn+1sµ = pnλ + pnsµ 


 λpn = sµpn+1,

... ...
... ...
51
Cola M/M/s: Probabilidades en equilibrio (cont.)

p1 = λ p = (λ/µ)p ,
µ 0 0 



λ p = (λ/µ) p = (λ/µ)2 p ,


p2 = 2µ 1 2 1 2 0





λ p = ρ p = ρ3 p ,


p3 = 3µ 2 3 2 3·2 0






... 


(λ/µ) (λ/µ)s−1

 (λ/µ)n
ps−1 = λ p = s−1 ps−2 = (s−1)·(s−2)! p0,

 pn = n! p0 , n ≤ s
(s−1)µ s−2 ⇒
λp (λ/µ) (λ/µ)s  (λ/µ)n
ps = sµ s−1 = s ps−1 = s·(s−1)! p0 ,




pn = p , n≥s
sn−ss! 0

λ p = (λ/µ) p = (λ/µ)s+1 p ,



ps+1 = sµ s s s s·s! 0





... 



λp (λ/µ) (λ/µ)n 

pn = sµ n−1 = s pn−1 = sn−ss! p0 ,






....
52
Cola M/M/s: Probabilidades en equilibrio (cont.)
∞
X
¿Cómo calculamos p0? A partir de pn = 1, entonces
n=1
 
s−1
X (λ/µ)n ∞
X (λ/µ)n 1
p0  + n−s
 = 1 ⇒ p0 =   ,
n! n=s s s! s−1
X (λ/µ)n s
n=0   + (λ/µ)
n! s!(1−ρ)
n=0
ya que
∞ ∞
X (λ/µ)n (λ/µ)s X (λ/µ)n (λ/µ)s 1
n−ss!
= n
= ·
n=s s s! s
n=0 | {z } s! 1−ρ
ρn
Nota. Probabilidad de que un nuevo cliente tenga que esperar es
∞ ∞
X X (λ/µ)n (λ/µ)s p0
pw = P {N ≥ s} = pn = p0 n−ss!
= ·
n=s n=s s s! 1−ρ
53
Cola M/M/s: Medidas de eficacia
En este caso, la medida más sencilla de obtener es el Número medio de

clientes en espera (en cola):
∞ ∞ ∞
X X (λ/µ)( k + s)
X
Q= kP {NQ = k} = kP {N = k + s} = k k
p0 =
k=0 k=0 k=0
s s!
∞ !k ∞
(λ/µ)s X (λ/µ) (λ/µ)s X
= p0 k = p0ρ kρk−1
s! k=0 |
s s! k=1
{z }
ρk
Como
 ′
∞ ∞
X
k−1
X
k 1
kρ =  ρ  = 2
,
k=1 k=1
(1 − ρ)
entonces
(λ/µ)s 1 (λ/µ)s p0ρ
Q= p0ρ =
s! (1 − ρ)2 s!(1 − ρ)2
54
Cola M/M/s: Medidas de eficacia (cont.)
X Por la Ley de Little (Q = λW ), el Tiempo medio de espera (en cola):

Q
W =
λ
1 , entonces el Tiempo medio de respuesta (en el
X Como S = W + µ
sistema):
1 Q 1
S=W+ = +
µ λ µ
X Por la Ley de Little, el Número medio de clientes en el sistema:

λ
N = λS = Q +
µ
X Como B = N − Q, el Número medio de clientes en servicio:

λ λ
B = Q + − Q = = sρ
µ µ
55
Cola M/M/s. Ejemplo
Una empresa ha recogido datos de las llamadas telefónicas recibidas en

los últimos años en horas punta.
El tiempo entre llamadas sigue una distribución exponencial con frecuen-

cia media de 84.3 por hora. El análisis de las conversaciones revela que
la duración media de las llamadas es de 0.103 horas.
¿Cuántas centrales se necesitan como mı́nimo para que el sistema no se

colapse en las horas punta?
λ 84,3 8,6829
ρ= = = <1 ⇒ s≥9
sµ s(1/0,103) s
Si por término medio, se puede tolerar que los clientes reciban una señal
de lı́nea ocupada a razón de un cliente por cada dos horas. ¿Cuál es el
número apropiado de lı́neas telefónicas que debe tener la central?
¿Cuál es el menor valor de s ≥ 9 que garantiza Q(s) ≤ 1

2?
56
Cola M/M/s. Ejemplo (cont.)
Tenemos que obtener p0 y Q para cada valor de s ≥ 9:

 −1
s−1
X 8,6829n 8,6829s
p0(s) =  +  ,
n=0 n! s! 1 − 8,6829
s
8,6829s p0(s) 8,6829

s
Q(s) = .
8,6829 2

s! 1 − s
Se obtiene:
s ρ p0(s) Q(s)
9 0.965 0.0000402 24,147
10 0.868 0.0001135 3.814
11 0.789 0.0001449 1.3662
12 0.724 0.0001587 0.57622
13 0.668 0.0001647 0.2558
57
Cola M/M/s. Efecto marginal de añadir un servidor
Los trabajadores de una fábrica tienen que llevar su trabajo al departa-

mento de control de calidad antes de que el producto llegue al final del
proceso de producción.
Hay un gran número de empleados y las llegadas son aproximadamente

de 20 por hora, siguiendo un proceso de Poisson.
El tiempo para inspeccionar una pieza sigue una distribución exponencial

de media 4 minutos. Calcula el número medio de trabajadores en el con-
trol de calidad si hay 2 inspectores, ¿qué pasa cuando se contrata a un
inspector más?
58
Cola M/M/s. Efecto marginal de añadir un servidor (cont.)
Sistema M/M/2 con λ = 20 y µ = 60

4 = 15. Entonces
λ 4 λ 2 λ 4
= , ρ= = , N =Q+ =Q+ ,
µ 3 2µ 3 µ 3
donde
(λ/µ)s 1 (4/3)2 2 1 16
Q(2) = p0(s)ρ 2
= p0(2) 2
= p0(2)
s! (1 − ρ) 2! 3 (1/3) 3
 −1
1
(4/3)n (4/3)2
−1
X 4 8 1
p0(2) =  +  = 1+ + =
n=0 n! 2!(1/3) 3 3 5
Luego
4 16 1 4 36
N =Q+ = + = = 2,4
3 3 5 3 15
59
Si se contrata a otro inspector, entonces sistema M/M/3 con λ = 20 y

µ = 60
4 = 15.
λ 4 λ 4 λ 4
= , ρ= = , N =Q+ =Q+ ,
µ 3 3µ 9 µ 3
donde
(λ/µ)s 1 (4/3)3 4 1 128
Q(3) = p0(s)ρ 2
= p0(3) 2
= p0(3)
s! (1 − ρ) 3! 9 (5/9) 225
 −1
2
(4/3)n (4/3)3 32 −1

X 4 8
p0(3) =  +  = 1+ + + ≈ 0,2542
n=0 n! 3!(5/9) 3 9 45
Luego
4 128 4
N =Q+ ≈ 0,2542 + ≈ 1,478
3 225 3
La reducción es de un 2,4−1,478
2,4 100 = 38,42 %
60
¿Cuál habrı́a sido la reducción si la tasa de llegadas fuese λ = 25?
El nivel de utilización del sistema pasa del 66,66 % al 83,33 %)
λ
N (2) = Q(2) + = 3,7878 + 1,6666 = 5,4545
µ
λ
N (3) = Q(3) + = 0,3747 + 1,6666 = 2,0414
µ
La reducción es de un 5,4545−2,0414
5,4545 100 = 62,57 %
61
Cola M/M/s. Relación entre las colas M/M/1, M/M/2 y M/M/3
En un servidor de internet existen 3 nodos que atienden peticiones a

razón de 30 por minuto. El tiempo medio de servicio de cada nodo es de
5 segundos por petición.
Se están planteando cambiar la instalación de los nodos y se preguntan

cuál de las siguientes configuraciones será mejor, si lo que les interesa es
reducir el tiempo medio de espera (en cola):
1. Mantener los 3 nodos actuales.
2. Sustituir los 3 nodos por 2 nodos, cada uno con capacidad de atender
18 peticiones por minuto.
3. Sustituir los 3 nodos por un único nodo 3 veces más rápido.
62
Cola M/M/s. Relación entre las colas M/M/1, M/M/2 y M/M/3
1. Sistema M/M/3 con λ = 30, µ = 60

5 = 12, B = λ = 2,5, y ρ = 30 = 5
µ 3·12 6
5 y ρ = 30 = 5
2. Sistema M/M/2 con λ = 30, µ = 18, B = 3 2·18 6
60 = 36, B = ρ = 30 = 5
3. Sistema M/M/1 con λ = 30, µ = (5/3) 36 6
Como W = Q λ y λ no cambia de una configuración a otra, es suficiente

con comparar Q:
2,53p10ρ (5/6)3 p20ρ ρ2 25
Q1 = = 3,5112, Q2 = = 3,7878, Q3 = = = 4,1666
6(1 − ρ)2 2(1 − ρ)2 1−ρ 6
donde p1
0 = 0,045 y p2 = 0,0909
0
Para un mismo nivel de utilización del sistema, el sistema M/M/1 es el

más eficiente de los 3. Además, el sistema M/M/2 es más eficiente que
el M/M/3.
¿Ocurrirá siempre lo mismo?, ¿por qué?
63
Cola M/M/s. Ejemplo (febrero 2006)
Considera una cola con tasa de llegadas λ, y 7 servidores idénticos en paralelo, cada uno
de los cuales tiene tasa de servicio µ.
1. Formula la condición que han de cumplir los parámetros dados para que la cola sea
estable.
2. Nos dan los siguientes datos:

(i) número medio de servidores ocupados: 6
(ii) tiempo medio que un cliente permanece en el sistema (incluyendo su tiempo de
servicio): 30 minutos
(iii) tiempo medio que un cliente permanece en espera: 18 minutos
Calcular: (1) el factor de utilización del sistema, (2) la tasa de llegada, (3) la tasa
de servicio, (4) el número medio de clientes en el sistema, y (5) el número medio
de clientes en espera.
¿Es estable el sistema?
3. En el caso de que los tiempos entre llegadas de clientes y los tiempos de servicio fue-
sen variables aleatorias exponenciales, representa el diagrama de tasas de transición
entre estados, y formula las ecuaciones de balance de flujo correspondientes.
64
1. Condición de estabilidad:
λ
ρ= < 1 ⇒ λ < 7µ
7µ
2. Nos dan los siguientes datos:

(i) número medio de servidores ocupados: 6 = B (número medio de clientes siendo
atendidos)
(ii) tiempo medio que un cliente permanece en el sistema: 30 minutos= S
(iii) tiempo medio que un cliente permanece en espera: 18 minutos= W
Calcular:
(1) Factor de utilización del sistema:
λ B 6
ρ= = =
7µ 7 7
Como ρ < 1, el sistema es estable.
65
(2) Tasa de llegada: Como S = W + µ1 , entonces 1

µ
= S − W = 30 − 18 = 12. Luego,
1 6
6=B=λ ⇒ λ = 6µ = = 0,5
µ 12
1
(3) Tasa de servicio: µ = 12
(4) Número medio de clientes en el sistema: N = λS = (0,5)(30) = 15
(5) Número medio de clientes en espera: Q = N − B = 15 − 6 = 9
Diagrama de tasas de transición:
Ecuaciones de balance de flujo:
66

Colas 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

Colas PDF

Cargado por

Copyright:

Formatos disponibles

Lı́neas de espera y Teorı́a de Colas

Sistema de lı́nea de espera o cola: cuando la demanda de un cierto

¿Por qué se forman colas?

Los problemas de espera empezaron a estudiarse formalmente a partir de

Sus estudios iban encaminados a determinar la probabilidad de que una

Aplicación: Diseño, dimensionamiento y operación de redes de comuni-

1. Los clientes llegan al sistema: habitualemnte no es posible conocer

a) Si hay algún servidor libre, pasan directamente a la realización del

3. Los clientes salen del servicio: habitualmente no es posible conocer

Fuente de Mecanismo Clientes servidos

¿Cuál debe ser la capacidad exacta del sistema para atender la

Objetivos del curso: describir y anzalizar el funcionamiento de sistemas

– Proceso de llegadas, proceso de servicio y disciplina de la cola

X Principales medidas de eficacia y estudio de sus relaciones:

– Medidas de eficacia o rendimiento

Se mide a través del número de llegadas por unidad de tiempo y el tiempo

Hay que tener en cuenta:

Describe cómo son atendidos los clientes, y se caracteriza por el tiempo

Hay que tener en cuenta:

X tipo de distribución: determinı́stica o probabilı́stica

X si el tiempo medio empleado en atender a un cliente es independiente

X si el servicio es individual o por grupos

Describe el orden en que se da servicio a los clientes.

La más habitual es la FIFO (first–in–first–out), en la que el primer cliente

Algunos modelos asignan prioridades a ciertos clientes, o los seleccionan

Otras caracterı́sticas relevantes son:

Llegadas Cola Servidor Salidas

Llegadas Cola Servidor Salidas

Llegadas Cola Servidor Salidas

Llegadas Cola Servidor Cola Servidor Salidas

El estudio de una cola se hace a través de las variables:

Además, se consideran los siguientes parámetros:

En este caso, E(Tn) = E(T ) = T = 1λ , para todo n

µn, tasa de servicio cuando el sistema tiene n clientes.

En este caso, E(Xn ) = E(X) = X = µ1 , para todo n.

La cantidad de trabajo en un sistema de colas se suele medir en unidades

Número medio de llegadas por unidad de tiempo: λ

Intensidad de tráfico: carga media de trabajo por unidad de tiempo

Si llegan 2 trabajos por minuto y cada trabajo requiere un servicio medio

Factor de utilización: porcentaje de tiempo esperado en que el sistema

intensidad de tráfico λ/µ

Para sistemas con un único servidor coincide con la intensidad de tráfico.

Para poder ofrecer un servicio adecuado, la capacidad del sistema debe

Si llegan 4 trabajos por minuto y cada trabajo requiere un servicio medio

Si sólo hay un servidor, el sistema está ocupado el 160 % del tiempo. La

Si el número de servidores es m, la condición de estabilidad es:

El análisis de un sistema de colas está encaminado a dar respuesta a

¿qué fracción de tiempo está ocioso cada servidor?

A partir de la respuesta a estas preguntas se decide el diseño del sistema.

Número medio de clientes en el sistema: N .

Tiempo medio de espera (en cola): W

Tiempo medio de respuesta (en el sistema): S.

Número medio de clientes en servicio: B

Fórmulas de Little (1961)

Supongamos un sistema con las siguientes caracterı́sticas:

Tiene un único servidor.

Los trabajos se sirven con una disciplina FIFO.

La tasa de llegadas al sistema es λ.

Un trabajo está un tiempo medio de S en el sistema (tiempo medio

La tasa de llegadas es de λ trabajos por unidad de tiempo ⇒ durante

En el momento en que este trabajo se va, en el sistema quedan exacta-

Por tanto, el número medio de trabajos en el sistema, N es:

Fórmulas de Little (1961)