Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 //Escenario
Escenario28
Lectura fundamental
Fundamental
Redes de
Etapas deJackson
un plan de comunicación
estratégica
Contenido
1 Redes de Jackson
2 Redes abiertas
3 Redes cerradas
3. No existe límite en cada una de las filas del sistema, no hay bloqueos.
4. Los clientes llegan a cada estación siguiendo un proceso Poisson con tasa rj, algunas de las tasas
pueden ser 0 si no hay arribos a esa estación.
5. Los tiempos de servicio en cada estación se distribuyen de forma exponencial con tasa μ_j.
6. Cada vez que un cliente es atendido en la estación i, será dirigido a la estación j con probabilidad
pij o dejará la red con probabilidad pi=1-∑∀jpij
Las probabilidades se conocen como probabilidades de ruteo y se pueden organizar en una matriz de
la siguiente forma:
A continuación, se presenta un ejemplo de una red con cuatro estaciones. Allí, las flechas negras
indican las entradas desde el exterior y las flechas rojas las salidas al exterior de la red.
POLITÉCNICO GRANCOLOMBIANO 2
Figura 1. Diagrama representativo de una red de Jackson
Fuente: elaboración propia
La clave para solucionar una red de esta naturaleza está en el teorema de Jackson. Este dice que la
distribución conjunta de estado estable para la red es igual al producto de las distribuciones de estado
estable de cada una de las estaciones, formalmente (Jackson, 1957, p.520):
POLITÉCNICO GRANCOLOMBIANO 3
El principal resultado que se deriva del teorema es que una vez se alcanza estado estable, cada
una de las estaciones se puede analizar de forma independiente, aunque por la naturaleza del
proceso no lo sean y, por el contrario, estén íntimamente relacionadas. El mismo resultado ha sido
extendido a sistemas con otras distribuciones asociadas, no necesariamente exponenciales. Bajo
esta consideración, el único dato adicional que se debe calcular para cada estación es la tasa total de
arribos, esta se obtiene al resolver las ecuaciones de tráfico. Este conjunto de ecuaciones lineales
simultáneas utilizan el hecho de que la tasa de arribos a cada estación se compone de los arribos
externos, dados por la tasa ri, más los arribos que llegan por transiciones internas, es decir:
Para obtener la solución del sistema anterior, se deben considerar dos casos por separado: el
primero, en donde al menos una de las rj es diferente de 0 y, por lo tanto, hay entradas desde afuera
del sistema, lo que implica que también hay salidas desde el sistema al exterior, en este caso se le
denomina al sistema red abierta; por otra parte, cuando todas las rj=0 no se tienen ni entradas ni
salidas en la red, por lo que a este tipo de sistemas se les denomina redes cerradas. La solución de cada
tipo de sistema es diferente y por eso se consideran por separado.
¿Sabía que...?
Si en una red los arribos no siguen un proceso Poisson independiente
para cada estación, los tiempos de servicio de cada estación no siguen
una distribución exponencial independiente de las demás y del proceso de
arribos. A la red se le denomina Red de Jackson Generalizada, aunque la
forma de producto de la distribución conjunta, que establece el teorema
de Jackson, ya no se cumpla.
POLITÉCNICO GRANCOLOMBIANO 4
2. Redes abiertas
En una red de Jackson abierta, al menos uno de los rj es diferente de 0, es decir, que por una
de las estaciones de la red llegan constantemente entidades. Como la red debe alcanzar estado
estable, entonces, al menos por una de las estaciones deben salir entidades, al final la tasa total de
arribos a la red y la tasa total de salida de la red deben coincidir en estado estable. Este hecho tiene
implicaciones importantes en el modelo, porque como las probabilidades de transición pij están
definidas entre estaciones, en cada una de las estaciones con salidas hacia el exterior la suma de
las probabilidades con origen en dicha estación será estrictamente menor a 1, en otras palabras, la
matriz de probabilidades de transición de la red no será estocástica, porque no todas sus filas sumarán
internamente 1, al tener al menos una de sus filas con una suma menor a 1, se tiene una matriz sub-
estocástica.
Esta propiedad es importante para obtener la solución de las ecuaciones de tráfico, pues al tener
una matriz sub-estocástica, se garantiza que el sistema lineal tenga solución única, la cual se puede
obtener despejando iterativamente cada una de las ecuaciones utilizando reducción de Gauss-Jordan
o a través de algebra matricial. Este último método se va a ilustrar aquí por ser el más eficiente para
resolver sistema de gran tamaño.
Considere que, con las tasas de arribo externas, se construye un vector de n componentes:
r=(r1,r2,…,rn)
De la misma forma, se construye un vector con las variables del sistema lineal:
λ=(λ1,λ2,…,λn)
Con esos dos vectores y con la matriz de probabilidades de ruteo, se plantea el sistema lineal:
λ=r+ λP
λ=r+ λP
λ(I-P)=r
λ=r(I-P)-1
POLITÉCNICO GRANCOLOMBIANO 5
La matriz (I-P) es invertible siempre y cuando la matriz P sea sub-estocástica, lo cual sucede siempre
en una red cerrada. Una vez determinadas las tasas de arribo de cada estación, se comprueba que
todas satisfagan la condición de estabilidad, si es así, toda la red alcanza estado estable y se pueden
calcular las medidas de desempeño de forma independiente para cada estación.
Finalmente, para obtener las medidas de desempeño de toda la red, se deben obtener los totales para
el número de entidades en el sistema, espera y servicio, para luego, con la ley de Little, obtener los
tiempos promedio. A no ser que se trate de un sistema en línea, el tiempo total en la red no coincide
con la suma de los tiempos en cada una de las estaciones.
Considere un sistema productivo con tres estaciones al cual llegan piezas para ser procesadas
siguiendo un proceso Poisson con tasa 10 piezas por hora. Todas las piezas inician su proceso en la
estación 1, después de ese proceso inicial, un tercio de las piezas va a la estación 2 y dos tercios a
la estación 3. La mitad de las piezas procesadas en la estación 2 salen del sistema y las demás son
dirigidas a la estación 3. Finalmente, después de ser procesadas en la estación 3, todas las piezas salen
del sistema, independientemente de los procesos anteriores.
Todos los tiempos de proceso se pueden asumir como variables aleatorias exponenciales, con una
media de 5 minutos para la primera estación, 10 minutos para la segunda y 4 minutos para la tercera
estación. En cada estación se tiene una única máquina. El proceso se resume en la siguiente figura.
POLITÉCNICO GRANCOLOMBIANO 6
En este caso, la matriz de probabilidades de ruteo asociada al proceso es:
El vector de tasa externa está formado por r=(10,0,0). Por lo tanto, la ecuación matricial a resolver,
equivalente a las ecuaciones de tráfico, es:
Entonces, las ecuaciones de tráfico para el sistema anterior quedan de la siguiente forma:
λ1=10+(λ1×0+λ2×0+λ3×0)
λ2=0+(λ1×1/3+λ2×0+λ3×0)
λ3=0+(λ1×2/3+λ2×1/2+λ3×0)
Con las tasas de arribo para cada estación, se tiene los parámetros completos para cada sistema,
en donde se modelará cada una como un sistema M/M/1. Primero se calcularán las medidas de
desempeño para cada una de las estaciones:
POLITÉCNICO GRANCOLOMBIANO 7
Estación 1
Para esta estación, el tiempo promedio es de 5 minutos. Debido a esto, la tasa de servicio es de
μ1=12 piezas/hora (60/5=12), por lo tanto, esta estación alcanza estado estable:
Estación 2
Para esta estación, el tiempo promedio es de 10 minutos. Por esto, la tasa de servicio es de μ2=6
piezas/hora (60/10=6), por lo tanto, esta estación también alcanza estado estable:
POLITÉCNICO GRANCOLOMBIANO 8
Estación 3
Para esta estación, el tiempo promedio es de 4 minutos. Por esto, la tasa de servicio es de μ3=15
piezas/hora (60/4=15), por lo tanto, esta estación también alcanza estado estable:
De esta forma, para la red completa se tienen las siguientes medidas de desempeño:
POLITÉCNICO GRANCOLOMBIANO 9
3. Redes cerradas
Cuando una red no permite el ingreso de entidades desde el exterior, y por lo tanto no tiene salidas
hacia el exterior, se habla de un sistema cerrado. En la práctica, pocos sistemas con cerrados
naturalmente, a excepción de las políticas Pull que son aquellas en donde solo se permite el ingreso
de una nueva entidad en el momento donde sale otra entidad. Así que, desde el punto de vista del
modelo, se asume que la entidad que sale y la que ingresa al sistema es la misma y simplemente hizo
una transición a otra estación.
El principal reto al analizar una red cerrada es que, a diferencia de la red abierta en este caso, la matriz
de probabilidades de ruteo es estocástica y el vector nulo, por lo tanto, cuando se plantea el sistema:
λ=r+ λP
Equivalente a:
λ= λP
Este ya no tiene una única solución, por lo tanto, ya no se puede utilizar la solución general:
λ=r(I-P)-1
Porque la matriz (I-P) ya no es invertible y el vector es nulo. Por lo tanto, se debe utilizar un nuevo
procedimiento que permita, a partir de alguna de las infinitas soluciones del sistema, encontrar las
medidas de desempeño de estado estable.
En ese sentido, el trabajo propuesto por Reiser y Lavenberg en 1980, conocido como Mean Value
Analysis (MVA), permite de forma iterativa estimar los tiempos promedio, el número promedio de
piezas en cada una de las estaciones de la red, igualmente las tasas de salida de cada una, lo que en
estado estable corresponde a las tasas totales de arribo. En otras palabras, a diferencia del caso de una
red abierta, aquí las tasas de arribo no se pueden calcular de forma independiente a las demás medidas
de desempeño de la red, por el contrario, al aplicar el algoritmo MVA, se van actualizando, junto con
las medidas de desempeño de cada estación, sus parámetros.
POLITÉCNICO GRANCOLOMBIANO 10
El primer paso del algoritmo consiste en obtener una solución del sistema lineal λ= λP, al imponer una
restricción adicional que con un cambio de nombre, por conveniencia, del vector de variables, queda:
α=αP
α1= 1
En donde hace referencia al tiempo promedio de servicio de la estación al considerar los reprocesos,
es decir, conocido como tiempo efectivo de proceso.
El algoritmo MVA inicia con n=0, con lo cual,Wi (0)=0,λi (0)=0 y Li (0)=0 ∀i; a partir de allí, se va
aumentando el valor de n y actualizando los tres promedios para cada estación. El algoritmo termina
cuando se alcanza estado estable, es decir, el WIP crítico. El valor de los Li (n) se estabiliza o cuando
se tiene una red abierta que se modeló como una red cerrada, por lo cual en cada estación se debe
satisfacer que λi (n)≥ri.
Después de terminar las iteraciones, se obtiene el valor n*, y con base en este, las medidas de
desempeño de la red se calculan de la siguiente forma:
POLITÉCNICO GRANCOLOMBIANO 11
Para cerrar esta lectura, se ilustrará el uso del algoritmo MVA en el mismo ambiente del Ejemplo
1, sólo que ahora se considerará un sistema CONWIP (Constant WIP), es decir, se mantiene fijo el
número de piezas en el sistema y solo se permite la entrada de una nueva pieza en el momento en el
que una lo abandona.
Ejemplo 2
Para modelar este sistema como una red cerrada, se deben definir dos transiciones adicionales
(artificiales) en la red que representan el proceso de dejar entrar una nueva pieza al salir una ya
terminada. La nueva red se muestra en la siguiente figura. Note que la tasa de arribos se ha escrito en
piezas por minuto para así utilizar minutos como unidad de tiempo en el algoritmo MVA.
POLITÉCNICO GRANCOLOMBIANO 12
Por lo tanto, la nueva matriz de probabilidades de ruteo está dada por:
Como en la solución de una CMTD, una de las primeras tres ecuaciones es redundante y con las
demás se llega a la solución:
Como además se tiene que: m1=5 "min , m2=10 min y m3=4 "min, con estos valores se van a
realizar las iteraciones del MVA.
Iteración 1 (n=0)
Iteración 2 (n=1)
POLITÉCNICO GRANCOLOMBIANO 13
Primero se calculan los tiempos promedio por estación:
Con los valores promedio de los tiempos y con los valores del vector α, se calcula su ponderación:
Como λ1 (1)<r1 (6/70<1/6), el algoritmo aún no termina. Para completar la iteración, se debe
calcular el número promedio de piezas por estación:
POLITÉCNICO GRANCOLOMBIANO 14
Note que la suma de L1 (1), L2 (1) y L3 (1) es igual al valor de n=1.
Iteración 3 (n=2)
Con los valores promedio de los tiempos y con los valores del vector α, se calcula su ponderación:
POLITÉCNICO GRANCOLOMBIANO 15
Como λ1 (2)<r1 (84/660<1/6), el algoritmo aún no termina. Para completar la iteración, se debe
calcular el número promedio de piezas por estación:
Note que, como en la iteración anterior, la suma de L1 (2), L2 (2) y L3 (2) es igual al valor de n=2.
Iteración 4 (n=3)
Como en los casos anteriores, primero se calculan los tiempos promedio por estación:
Con los valores promedio de los tiempos y con los valores del vector α, se calcula su ponderación:
POLITÉCNICO GRANCOLOMBIANO 16
Ahora, se calculan las tasas de arribo por estación:
Note que, como en la iteración anterior, la suma de L1 (3), L2 (3) y L3 (3) es igual al valor de n=3.
Iteración 5 (n=4)
Como en los casos anteriores, primero se calculan los tiempos promedio por estación:
POLITÉCNICO GRANCOLOMBIANO 17
Con los valores promedio de los tiempos y con los valores del vector α, se calcula su ponderación:
POLITÉCNICO GRANCOLOMBIANO 18
Note que, como en la iteración anterior, la suma de L1 (4), L2 (4) y L3 (4) es igual al valor de n=4.
Iteración 6 (n=5)
Como en los casos anteriores, primero se calculan los tiempos promedio por estación:
Con los valores promedio de los tiempos y con los valores del vector α, se calcula su ponderación:
POLITÉCNICO GRANCOLOMBIANO 19
Como λ1 (5)>r1 (14190/80550>1/6), el algoritmo termina en esta iteración, solo falta calcular el
número promedio de piezas por estación:
Note que, como en todas las iteraciones, la suma de L1 (5), L2 (5) y L3 (5) es igual al valor de n=5.
Como ya se encontraron las medidas de estado estable para cada estación, solo resta obtener las
medidas de desempeño para la red:
Note que tanto el número promedio de piezas en el sistema como el tiempo promedio en el sistema
son significativamente menores al caso de red abierta.
POLITÉCNICO GRANCOLOMBIANO 20
En síntesis...
Para resolver una red, si es abierta, se deben encontrar, para cada estación, las
tasas de arribo, utilizando la expresión: λ=r(I-P)-1.
Con los valores obtenidos se analiza cada estación como un sistema M/M/c y se
obtiene los valores totales por medio de:
α=αP
α1= 1
POLITÉCNICO GRANCOLOMBIANO 21
Referencias
Jackson, J. (1957). Networks of Waiting Lines. Operations Research, 5(4), 518-521.
Kulkarni, V. (2011). Introduction to Modeling and Analysys of Stochastic Systems. Nueva York: Springer-
Verlag.
Reiser, M., & Lavenberg, S. (1980). Mean-Value Analysis of Closed Multichain Queuing Networks.
Journal of the ACM, 27(2), 313-322.
POLITÉCNICO GRANCOLOMBIANO 22
INFORMACIÓN TÉCNICA
POLITÉCNICO GRANCOLOMBIANO 23