Está en la página 1de 372

1

Universidad Miguel Hernndez







Curso

MODELADO DEL COMPORTAMIENTO
DE SISTEMAS INFORMTICOS
Y DE COMUNICACIONES


Impartido por

Ramn Puigjaner








MATERIAL DOCENTE















Elche, 5 de Noviembre de 2001
2
TEORA DE COLAS
1. Introduccin......................................................................................................................... 5
1.1. Presentacin general.................................................................................................... 5
1.2. Clasificacin de los procesos estocsticos .................................................................. 5
1.2.1. Procesos estacionarios ..................................................................................... 6
1.2.2. Procesos independientes .................................................................................. 7
1.2.3. Procesos de Markov ........................................................................................ 7
1.2.4. Procesos de nacimiento-muerte....................................................................... 7
1.2.5. Procesos semimarkovianos.............................................................................. 8
1.2.6. Recorridos aleatorios ....................................................................................... 8
1.2.7. Procesos de renovacin ................................................................................... 8
2. Procesos de Markov ............................................................................................................ 9
2.1. Procesos estocsticos y cadenas de Markov ............................................................... 9
2.1.1. Cadenas de Markov de tiempo continuo (CMTC) ........................................ 10
2.1.2. Distribucin temporal .................................................................................... 11
2.1.3. Clasificacin de los estados y distribucin en rgimen estacionario............. 12
2.1.4. Notacin matricial ......................................................................................... 13
2.2. Problemtica de las cadenas de Markov ................................................................... 14
3. Teora de colas................................................................................................................... 15
3.1. Caractersticas de un modelo de colas....................................................................... 15
3.2. Notacin .................................................................................................................... 17
3.3. Variables y relaciones Fundamentales ...................................................................... 17
3.3.1. Variables fundamentales................................................................................ 18
3.3.2. Relaciones fundamentales ............................................................................. 18
3.4. El proceso de Poisson................................................................................................ 21
3.4.1. Distribucin de Poisson................................................................................. 21
3.4.2. Distribucin exponencial............................................................................... 22
3.4.3. Propiedades de los procesos de Poisson........................................................ 23
3.5. Procesos Nacimiento-Muerte .................................................................................... 23
3.6. Colas M/M/m/B/K .................................................................................................... 26
3.6.1. Cola M/M/1 ................................................................................................... 26
3.6.2. Cola M/M/ (infinito nmero de servidores)................................................ 29
3.6.3. Cola M/M/m.................................................................................................. 30
3.6.4. Llegadas desanimadas. .................................................................................. 31
3.6.5. Cola M/M/1/B: Almacenamiento finito......................................................... 32
3.6.6. Cola M/M/1//K: Poblacin finita................................................................... 33
3.6.7. Cola M/M///K.............................................................................................. 35
3.6.8. Cola M/M/m/B/K........................................................................................... 36
3.6.9. Conclusin..................................................................................................... 37
3.7. Cola M/G/1................................................................................................................ 38
3.7.1. Deduccin por el cliente marcado ................................................................. 38
3.7.2. Deduccin por la funcin generatriz ............................................................. 41
3.8. Modelo de Skinner .................................................................................................... 45
3.9. Colas con prioridades ................................................................................................ 45
3.9.1. Colas con prioridades sin interrupcin.......................................................... 45
3.9.2. Colas con prioridades con interrupcin......................................................... 47
3.10. Sistemas multi-cola .................................................................................................. 49
3.10.1. Modelo exhaustivo ........................................................................................ 50
3.10.2. Modelo con puerta......................................................................................... 51
3
3.10.3. Modelo limitado ............................................................................................ 52
3.11. Colas con clases de clientes...................................................................................... 52
3.11.1. Cola con servidor compartido........................................................................ 52
3.11.2. Cola con servidor interrumpible. ................................................................... 53
3.11.3. Cola con estrategia de un servidor por cliente............................................... 53
3.11.4. Ley de Cox. ................................................................................................... 54
3.12. Colas G/G/1: Mtodo de difusin............................................................................. 57
3.12.1. Enfoque basado en el teorema del lmite central. .......................................... 57
3.12.2. Enfoque basado en el proceso de retorno instantneo................................... 58
4. Teora de redes de colas..................................................................................................... 67
4.1. Introduccin .............................................................................................................. 67
4.2. Tipos de redes............................................................................................................ 67
4.3. Mtodos analticos exactos........................................................................................ 69
4.3.1. Teorema de BCMP........................................................................................ 69
4.3.2. Mtodos de clculo de redes cerradas ........................................................... 81
4.4. Mtodos aproximados ............................................................................................... 94
4.4.1. Mtodo de difusin........................................................................................ 94
4.4.2. Mtodo de descomposicin-agregacin ........................................................ 97
4.4.3. Mtodo de descomposicin de Courtois...................................................... 100
4.4.4. Mtodos iterativos ....................................................................................... 108
6. Simulacin....................................................................................................................... 116
6.1. Generacin de secuencias de nmeros aleatorios ................................................... 116
6.1.1. Generadores conguenciales lineales ............................................................ 117
6.2. Comprobacin de las secuencias de nmeros aleatorios......................................... 120
6.2.1. Procedimientos de test generales para estudiar datos aleatorios ................. 120
6.2.2. Procedimientos de test empricos para estudiar secuencias de nmeros
aleatorios...................................................................................................... 121
6.2.3. Procedimientos de test tericos para estudiar datos aleatorios.................... 128
6.3. Generacin de nmeros aleatorios no uniformes .................................................... 132
6.3.1. Transoformacin por la integral de probabilidad inversa............................ 133
6.3.2. Composicin................................................................................................ 134
6.3.3. Rechazo-Aceptacin.................................................................................... 136
6.3.4. Caracterizacin............................................................................................ 138
6.3.5. Descomposicin .......................................................................................... 140
6.3.6. Comparacin................................................................................................ 142
6.4. Organizacin de los simuladores............................................................................. 142
6.4.1. Control del tiempo en un simulador ............................................................ 143
6.4.2. Estructuras de datos en un simulador .......................................................... 143
6.5. Anlisis estadstico de la simulacin y de sus resultados........................................ 144
6.5.1. Condiciones iniciales, transitorios y equilibrio ........................................... 144
6.5.2. Eleccin de los tamaos de muestra............................................................ 144
6.5.3. Mtodos para muestras independientes ....................................................... 148
6.5.4. Mtodos para muestras correladas............................................................... 151
6.6. Validacin y comprobacin de modelos de simulacin.......................................... 157
6.7. Herramientas de construccin de modelos.............................................................. 158
6.7.1. Modelos de simulacin................................................................................ 158
6.7.2. Lenguajes de modelizacin ......................................................................... 158

4
MODELADO DE SISTEMAS

1. Introduccin..................................................................................................................... 160
1.1. La nocin de cliente ................................................................................................ 160
1.2. La nocin de estacin de servicio ........................................................................... 160
1.3. Recoleccin de informacin.................................................................................... 161
2. Modelado de sistemas Informticos ................................................................................ 161
2.1. Modelos individuales de subsistemas ..................................................................... 161
2.1.1. Tambores o discos de cabezas fijas ............................................................. 161
2.1.2. Discos ........... .............................................................................................. 166
2.1.3. Memorias secundarias de estado slido....................................................... 181
2.1.4. Subsistemas secuenciales ............................................................................ 185
2.1.5. CPU ....... ..................................................................................................... 185
2.1.6. Memoria principal ....................................................................................... 188
2.2. Modelos de sistemas informticos: El servidor central y variantes ........................ 194
2.2.1. Sistema transaccional .................................................................................. 195
2.2.2. Sistema conversacional................................................................................ 199
4. Modelado y evaluacin de redes ..................................................................................... 288
4.1. Redes malladas........................................................................................................ 288
4.1.1. Modelos elementales de sus componentes .................................................. 288
4.1.2. Modelos globales......................................................................................... 290
4.2. Redes con comparticin del medio ......................................................................... 306
4.2.1. Sistema de polling ....................................................................................... 306
4.2.2. Tcnicas de acceso al azar ........................................................................... 307
4.3. Redes de rea local .................................................................................................. 309
4.3.1. Redes locales CSMA/CD............................................................................ 309
4.3.2. Redes locales de paso de testigo (token ring).............................................. 322
4.3.3. Comparacin de estrategias en redes locales: paso de testigo y
CSMA/CD................................................................................................... 335
4.4. Redes digitales de servicios integrados de banda ancha (ATM)............................. 335
4.4.1. Caracterizacin de las fuentes de trfico..................................................... 335
4.4.2. Mtricas de la calidad del servicio .............................................................. 352
4.4.3 Gestin del trfico ....................................................................................... 357
4.4.4. Conmutacin de celdas ATM...................................................................... 372

5
TEORA DE COLAS
1. INTRODUCCIN
1.1. PRESENTACIN GENERAL
Qu informtico no se ha encontrado alguna vez esperando a que su listado saliera por la
impresora ocupada en emitir los interminables resultados de una explotacin o de otro
programador?
Quin que se haya sentado en un terminal para trabajar en tiempo compartido en un
ordenador no ha tenido que esperar a que su programa entrara en memoria o utilizara
suficientemente la CPU?
Qu jefe de explotacin no se ha visto en la necesidad de hacer esperar programas que no
podan ejecutarse por falta de cintas o discos?
Existen, como se ve, numerosas circunstancias en que la evaluacin del comportamiento de
un sistema informtico o de comunicaciones debe efectuarse mediante la construccin de un
modelo. Ello ser as siempre que no exista alguno de los elementos hardware o software que
lo componen, como son los casos de:
- Instalacin de un nuevo sistema o de reconfiguracin (cambio de configuracin hardware,
consideracin de una carga futura, etc.) de uno existente.
- Implantacin de nuevas aplicaciones en un sistema existente.
- Diseo de un nuevo computador.
- Diseo de un sistema de comunicaciones (hardware o protocolos).
- etc.
En todos estos casos los modelos de evaluacin de prestaciones pretenden poner de
manifiesto los retardos y contenciones que se producen cuando ms de un cliente (programa,
mensaje, acceso, etc.) pretende hacer uso de un mismo servidor (CPU, lnea, disco, etc.). La
evolucin de estos dispositivos puede asimilarse, en general, a un proceso estocstico
sometido a determinadas entradas. Es por ello se que empezar analizando los distintos tipos
de procesos estocsticos dependiendo de las relaciones que existen en todo instante entre los
sucesivos estados.
1.2. CLASIFICACIN DE LOS PROCESOS ESTOCSTICOS
Se considera que un proceso estocstico es una familia de variables aleatorias X(t), que estn
indexadas por el parmetro t. Se puede imaginar como una partcula que evoluciona a lo largo
del tiempo tomando distintos valores. Su clasificacin depende de tres cantidades:
- el espacio de estado
- el parmetro ndice (normalmente el tiempo)
- las dependencias estadsticas entre las variables aleatorias X(t) para distintos valores del
ndice t.
El conjunto de posibles valores (o estados) que puede tomar X(t) se denomina su espacio de
estado. Si las posiciones que la partcula puede ocupar son finitas y contables, se dir que se
tiene un proceso de estados discretos, al cual tambin se har referencia como a una cadena.
Por el contrario si las posiciones permitidas de la partcula estn sobre un intervalo continuo
finito o infinito, entonces se dir que se tiene un proceso de estado continuo.
Se considera ahora el parmetro ndice (tiempo). Si los instantes en que se producen los
cambios de posicin de la partcula son finitos o contables, entonces se dir que se tiene un
6
proceso de tiempo discreto. Si los cambios de posicin se producen en cualquier instante
dentro de intervalos finitos o infinitos, entonces se dir que se tiene un proceso de tiempo
continuo. En el primer caso se escribir con frecuencia X
n
en vez de X(t) y se denominar
secuencia aleatoria o estocstica en vez de proceso aleatorio o estocstico.
Ahora bien el punto realmente diferenciador de los distintos tipos de procesos estocsticos es
la relacin de la variable X
n
o X(t) con los valores anteriores o posteriores. Para ello es
preciso especificar la funcin de distribucin conjunta de las variables (o vectores) aleatorias
X = [X(t
1
), X(t
2
), ...], es decir
F
X
(x, t) = P[X(t
1
) x
1
, ..., X(t
n
) x
n
]
para toda x = (x
1
, x
2
, ..., x
n
), t = (t
1
, t
2
, ..., t
n
) y n. En cualquier caso es la funcin F
X
(x, t) la
que describe esta relacin entre las variables del proceso estocstico. A continuacin se
describen algunos tipos caracterizados por distintos tipos de relaciones de dependencia entre
las variables aleatorias.
La figura 1.1 resume los distintos tipos de procesos estocsticos considerados.
Proceso semi-markoviano
p
ij
arbitrario
Proceso de Markov
p
ij
arbitrario
Proceso de
nacimiento-muerte
p
ij
para |j - i| > 0
f(t) sin memoria
Recorrido aleatorio
p
ij
= q(
j - i )
f(t) arbitrario
Proceso de
renovacin
q
a
(1) = 1
f(t) arbitrario
f(t) arbitrario
f(t) sin memoria

Figura 1.1.
1.2.1. PROCESOS ESTACIONARIOS
Se dir que un proceso estocstico X(t) es estacionario si F
X
(x, t) es invariante a los
desplazamientos de tiempo para todos los valores de sus argumentos; esto es, dada cualquier
constante t, debe cumplirse
F
X
(x, t + t) = F
X
(x, t)
donde la notacin t + tse define como el vector (t
1
+ t, t
2
+ t, ..., t
n
+ t).
7
Una nocin asociada, la de estacionaridad en sentido amplio, se identifica con el proceso
aleatorio X(t) si solamente el primer y el segundo momentos son independientes de su
posicin en el eje del tiempo, esto es si E[X(t)] es independiente de t y si E[X(t)X(t + t)]
depende solo de t, pero no de t. Se observa que todos los procesos estacionarios lo son en
sentido amplio, pero no al revs. Evidentemente, la teora de los procesos estacionarios es
ms sencilla que la de los no estacionarios.
1.2.2. PROCESOS INDEPENDIENTES
El ms sencillo y trivial de los procesos estocsticos es la secuencia aleatoria en que {X
n
}
forma un conjunto de variables aleatorias independientes, esto es la funcin de distribucin de
probabilidad del proceso estocstico puede descomponerse en producto de factores de cada
componente
( ) ( ) ( )

=
= =
n
i
i i X n n X X X
t X f t t X X f t X f
n
1
1 1 ,...,
, ,..., , ,..., ,
1

En este caso se llevan al extremo las cosas al llamar proceso aleatorio a tal secuencia, puesto
que no hay estructura ni dependencia entre las variables aleatorias. En caso de un proceso
aleatorio continuo puede definirse y hacerse referencia a l como "ruido blanco" (un ejemplo
es la derivada respecto al tiempo del movimiento browniano).
1.2.3. PROCESOS DE MARKOV
Constituyen una forma sencilla y til de dependencia entre las variables aleatorias que forman
el proceso estocstico. Un proceso de Markov con un espacio de estado discreto se denomina
cadena de Markov. La cadena de Markov de tiempo discreto es la ms fcil de conceptualizar
y comprender. Un conjunto de variables {X
n
} forma una cadena de Markov si la probabilidad
que el nuevo estado sea x
n + 1
depende solo del estado actual x
n
y no de los estados anteriores;
es decir la dependencia se extiende hacia atrs solo una unidad de tiempo o bien la historia
del proceso que afecta a su futuro queda resumida en su estado actual.
En el caso de una cadena de Markov de tiempo discreto, los instantes en que el sistema puede
cambiar de estado se pueden asimilar a los enteros 0, 1, 2, ..., n, . En el caso de cadenas de
Markov de tiempo continuo, las transiciones entre estados pueden producirse en cualquier
instante. Por lo tanto se est obligado a considerar la variable aleatoria que describe durante
cuanto tiempo el sistema permanecer en su estado (discreto) actual antes que se produzca
una transicin a otro estado. Puesto que la propiedad de Markov exige que toda la historia
pasada se resuma en el estado actual, ello impone una fuerte restriccin en la distribucin del
tiempo de proceso residual que el sistema permanecer en el estado actual. De hecho, como
se ver, se exige que la distribucin sea sin memoria, lo cual cumplen la distribucin
exponencial para tiempo continuo y la geomtrica para tiempo discreto.
Analticamente la propiedad de Markov puede escribirse como
P[X(t
n + 1
) = x
n + 1
| X(t
n
) = x
n
, X(t
n - 1
) = x
n - 1
, ..., X(t
1
) = x
1
] = P[X(t
n + 1
) = x
n + 1
| X(t
n
) = x
n
]
donde t
1
< t
2
< ... < t
n
< t
n + 1
y x
i
est incluida en algn espacio de estado discreto.
1.2.4. PROCESOS DE NACIMIENTO-MUERTE
Constituyen una clase muy importante dentro de los procesos de Markov y la condicin
suplementaria que presentan tanto en tiempo continuo como discreto es que las transiciones
se producen slo entre estados vecinos. Esto es, si se elige el conjunto de los enteros como
8
espacio de estado discreto (sin prdida de generalidad), entonces el proceso de nacimiento-
muerte requiere que si X
n
= i, entonces X
n + 1
= i - 1, i i + 1 y ningn otro.
1.2.5. PROCESOS SEMIMARKOVIANOS
En este caso lo que se hace es relajar la exigencia de falta de memoria en las distribuciones
que definan los intervalos entre transiciones de los procesos de Markov haciendo que ahora
pueda ser cualquier tipo de distribucin. Se observa, sin embargo que en los instantes de
transicin entre estados, el proceso se comporta exactamente como un proceso de Markov
ordinario y se dir que los procesos semimarkovianos tienen un proceso de Markov incluido
en los instantes de transicin.
1.2.6. RECORRIDOS ALEATORIOS
En el estudio de los procesos estocsticos se encuentran a menudo procesos denominados
recorridos aleatorios, que se pueden considerar como el que realiza una partcula movindose
entre los estados de algn espacio de estado (por ejemplo, discreto). El inters consiste en
identificar la situacin de la partcula en el espacio de estado. El aspecto sobresaliente de un
recorrido aleatorio es que la siguiente posicin de la partcula es igual a la precedente ms
una variable aleatoria extrada de una distribucin arbitraria y que no cambia con el estado
del proceso. Esto es, se dir que una secuencia {S
n
} es un recorrido aleatorio (iniciado en el
origen) si
S
n
= X
1
+ X
2
+ ... + X
n
para n = 1, 2 , , n.
donde S
0
= 0 y X
1
, X
2
, es una secuencia de variables aleatorias con una distribucin comn.
El ndice n cuenta solamente el nmero de transiciones de estado que se han producido. En
cualquier caso un recorrido aleatorio no es ms que un caso particular de proceso
semimarkoviano. En el caso en que la distribucin de X
n
sea discreta, se tiene en un recorrido
aleatorio de estados discretos en cuyo caso la probabilidad p
ij
de ir del estado i al j depende
solo de la diferencia de ndices j - i (y que se denominar q(j i)). Un ejemplo de recorrido
aleatorio en tiempo continuo es el movimiento browniano y en tiempo discreto es el del
nmero total de caras obtenido al lanzar una moneda al aire.
1.2.7. PROCESOS DE RENOVACIN
Los procesos de renovacin constituyen una clase particular de los recorridos aleatorios en
los que el inters consiste en contar las transiciones que se han producido, ms que en saber
donde se halla la partcula en un instante cualquiera. Esto es, se considera un eje de tiempo
real en el cual se ha situado la secuencia de puntos correspondiendo a los instantes de
transicin. La distribucin de los tiempos entre puntos consecutivos sigue una funcin
arbitraria. Se supone que el proceso empieza en el estado 0 (esto es, X(0) = 0) y que aumenta
de una unidad en cada transicin; esto es, X(t) es igual al nmero de transiciones que se han
producido en el periodo t. En este sentido es un caso especial de recorrido aleatorio en que q
1

= 1 y q
i
= 0 para i 1.
Por otro lado se puede considerar que la ecuacin que describe un proceso de renovacin en
que S
n
es la variable aleatoria que representa el instante en que se produce la n-sima
transicin. Como antes la secuencia {X
n
} es un conjunto de variables aleatorias
independientes distribuidas idnticamente, donde X
n
representa ahora el tiempo entre las
transiciones n - 1 y n. Hay que ser cuidadoso con la interpretacin de la ecuacin que describe
un proceso de renovacin ya que cuando se aplica a un proceso de renovacin describe el
9
instante de la n-sima transicin, mientras que cuando se refiere a un recorrido aleatorio
describe el estado del proceso y el tiempo entre transiciones es alguna otra variable aleatoria.

2. PROCESOS DE MARKOV
En este captulo se van a introducir algunos conceptos sobre Procesos de Markov, sin
profundizar demasiado en sus aspectos matemticos. Sin embargo, s que es interesante su
utilizacin como herramienta para validar los sistemas tolerantes a fallos y para construir
modelos de prestaciones de sistemas informticos y teleinformticos, y por ello interesa su
conocimiento.
2.1. PROCESOS ESTOCSTICOS Y CADENAS DE MARKOV
Los procesos estocsticos constituyen un rea de gran importancia dentro de la metodologa
estadstica, siendo la herramienta fundamental para el anlisis de fenmenos aleatorios
dinmicos. Es decir, para el estudio de variables que fluctan aleatoriamente en el tiempo.
Sus campos de aplicacin abarcan desde la prediccin, (en reas como la economa, la
climatologa, etc.), al control estadstico de procesos (de gran importancia en la industria) y a
la optimizacin de sistemas aleatorios dinmicos.
El estudio de problemas de garanta de funcionamiento y prestaciones de sistemas
informticos requiere unas herramientas analticas muy potentes. Muchas de estas
herramientas tienen sus fundamentos, precisamente, en la teora de procesos estocsticos y
ms concretamente en los procesos y cadenas de Markov.
Un proceso estocstico es una familia de variables aleatorias {X(t), t T}, definidas en un
espacio probabilstico, indexadas por el parmetro t, donde t vara dentro de un conjunto de
ndices T.
Los valores que toma la variable aleatoria X(t) se llaman estados, y el conjunto de todos los
posibles valores forman el espacio de estados, S, del proceso. Si el espacio de estados de un
proceso estocstico es discreto, entonces se llama proceso de estado discreto o cadena. En
este caso el espacio de estados suele ser el conjunto de los nmeros naturales N = {0, 1, 2,
}, o un subconjunto de l. Alternativamente, si el espacio de estados es continuo, entonces
se tiene un proceso de estado continuo. Del mismo modo, si el conjunto de ndices t es
discreto, entonces se tiene un proceso de parmetro discreto; en caso contrario se tiene un
proceso de parmetro continuo, donde normalmente T = [0, ).
Los procesos estocsticos con espacio de estados discreto y parmetro continuo son los que se
usan ms frecuentemente en los modelos de prestaciones y de tolerancia a fallos. Por ello en
el resto de este apartado slo se tratar este tipo de procesos estocsticos. Aunque todo lo
dicho para stos es extensible para procesos estocsticos de parmetro discreto.
Un proceso de Markov es un proceso estocstico cuyo comportamiento dinmico es tal que
las distribuciones de probabilidad para su desarrollo futuro dependen slo del estado actual y
no de cmo el proceso lleg a ese estado. Es decir, para t
0
< t
1
< t
2
< < t
n
< t, con t y t
r
0
(r = 0, 1, , n), su funcin de distribucin de probabilidad condicional satisface la siguiente
relacin, conocida como la propiedad de Markov:
( ) ( ) ( ) ( ) | | ( ) ( ) | |
n n n n n n
x t X x t X P x t X x t X x t X x t X P = = = = =

| ,..., , |
0 0 1 1

Si se considera que el espacio de estados, S, es discreto (finito o contablemente infinito),
entonces el proceso de Markov se conoce como cadena de Markov. Si adems se considera
que el espacio paramtrico, t, es continuo, entonces se tiene una cadena de Markov de
parmetro continuo (CMTC). Esto significa que las transiciones desde un estado dado a otro
tienen lugar en cualquier instante de tiempo.
10
Si el comportamiento del proceso no depende del instante de observacin, se puede elegir de
forma arbitraria el origen del eje de tiempos. Por lo tanto se puede afirmar que
( ) ( ) | | ( ) ( ) | |
n n n n
x X x t t X P x t X x t X P = = = 0 | |
Una cadena de Markov se dice que es homognea si cumple la anterior condicin. En este
captulo slo se tratarn cadenas de Markov homogneas.
Una implicacin importante de la propiedad de Markov es que la distribucin del tiempo de
permanencia en cualquier estado debe carecer de memoria. En realidad, si la evolucin futura
depende slo del estado actual, no puede depender de la cantidad de tiempo que el proceso ya
ha consumido en ese estado. Esto, emparejado con la observacin que para una variable
aleatoria continua W la nica funcin de densidad que satisface la propiedad de ausencia de
memoria
| | | | = + W P t W t W P |
es la exponencial negativa,
( ) , 0 , =

w ae w f
aw
W

lleva a la conclusin que los tiempos de permanencia en los estados de una CMTC deben ser
variables aleatorias distribuidas exponencialmente.
2.1.1. CADENAS DE MARKOV DE TIEMPO CONTINUO (CMTC)
Concretando la propiedad de Markov para tiempo continuo y espacio discreto se obtiene la
definicin de una CMTC:
El proceso estocstico {X(t) , t 0} es una CMTC si cumple la condicin:
( ) ( ) ( ) ( ) | | ( ) ( ) | | | ,..., , |
1 1 0 0 1 1 1 1 n n n n n n n n n n
x t X x t X P x t X x t X x t X x t X P =
+ + + +

para
0 1
... t t t
n n

+
y todo n N, todo x
k
S, y todas las secuencias {t
0
, t
1
, , t
n + 1
}.
La expresin de la parte derecha de la ecuacin anterior es la probabilidad de transicin de la
cadena, y denota la probabilidad que el proceso vaya desde el estado x
n
al estado x
n + 1
.
Se utilizar la siguiente notacin:
( ) ( ) ( ) | | i t X j X P t p
ij
= = = | ,
para identificar la probabilidad que el proceso est en el estado j en el instante , si estaba en
el estado i en el instante t, suponiendo > t. Cuando = t se puede definir
( )

=
=
contrario caso en , 0
si , 1
,
j i
t t p
ij

Si la CMTC es homognea, las probabilidades de transicin slo dependen de la diferencia
= - t, por lo que se puede simplificar la notacin escribiendo:
( ) ( ) ( ) | | i t X j t X P p
ij
= = + = |
para indicar la probabilidad que el proceso est en el estado j despus de un intervalo de
longitud , dado que actualmente est en el estado i. La suma de todos los p
ij
() para todos los
posibles estados j en el espacio de estados S vale 1 para todos los valores de .
11
2.1.2. DISTRIBUCIN TEMPORAL
La probabilidad que el proceso se encuentre en un estado i en un instante dado t:
( ) ( ) | | i t X P t
i
= =
puede calcularse a partir de las probabilidades de transicin y de la distribucin inicial del
proceso. Utilizando el teorema de la probabilidad total, se obtiene:
( ) ( ) ( )

=
S j
j ji i
t p t 0
Por lo tanto, el comportamiento probabilstico del proceso queda determinado conociendo la
distribucin inicial y las probabilidades de transicin.
Utilizando la propiedad de Markov, se puede obtener la ecuacin de Chapman-Kolmogorov
para una CMTC homognea que relaciona las probabilidades de transicin a lo largo del
tiempo:
( ) ( ) ( )

=
S k
kj ik ij
p t p t p
En el caso de tiempo continuo, para obtener las probabilidades de transicin es necesario
resolver un sistema de ecuaciones diferenciales que se derivan de la ecuacin de Chapman-
Kolmogorov. Se define:
( )
j i
t
t p
q
ij
t ij

=

para , lim
0

( )
t
t p
q
jj
t jj


=

1
lim
0

Puede demostrarse que tales lmites existen bajo ciertas condiciones de regularidad. La
interpretacin intuitiva de estas dos cantidades es la siguiente. Dado que el sistema est en el
estado i en algn instante de tiempo t, la probabilidad que se produzca una transicin al
estado j en un intervalo de longitud t es q
ij
t. La tasa con la que el proceso se mueve desde
el estado i al estado j es igual a q
ij
. Del mismo modo, -q
ii
t es la probabilidad que el proceso
se mueva desde el estado i hacia cualquier otro estado en un intervalo de duracin t. En
consecuencia, -q
ii
es la tasa con la que el proceso abandona el estado i. Se supondr que q
ij
es
finito para todo i,j S. Obsrvese que:
S i q
S j
ij
=

, 0

De la expresin de p
ij
(t) se puede escribir
( ) ( ) ( ) ( ) | | ( ) + = +

kj
S k
ik ik ij ij
p t p t t p t p t t p

Dividiendo ambos lados por t y tomando el lmite para 0 t y t , se obtiene:
( )
( )

=
S k
kj ik
ij
t p q
dt
t dp

12
Esta ecuacin se conoce como ecuacin posterior de Kolmogorov. Del mismo modo, se
puede derivar la ecuacin anterior de Kolmogorov:
( )
( )

=
S k
ik kj
ij
t p q
dt
t dp

Estos resultados, junto con la propiedad que la suma de las probabilidades en todo instante es
igual a 1, da un sistema de ecuaciones diferenciales cuya solucin proporciona la distribucin
del proceso sobre el espacio de estados S en un instante t arbitrario:
( )
( )

S j
j ji
i
t q
dt
t d

En muchos casos, la solucin explcita de este sistema de ecuaciones diferenciales es difcil
de obtener. En estos casos se debe recurrir a la integracin numrica. A veces, no es necesario
obtener la distribucin temporal, ya que cuando existe la solucin en rgimen estacionario,
que puede ser til para muchas aplicaciones prcticas.
2.1.3. CLASIFICACIN DE LOS ESTADOS Y DISTRIBUCIN EN RGIMEN
ESTACIONARIO
Las condiciones para la existencia de la distribucin en rgimen estacionario depende de la
estructura de la cadena y de la clasificacin de los estados.
Se define h
j
como el instante de la primera visita al estado j, es decir, el instante en que el
proceso entra por primera vez en el estado j, despus de abandonar el estado actual. Adems,
se define:
( ) | | i X h P f
j ij
= < = 0 |
como la probabilidad de visitar el estado j en un tiempo finito partiendo del estado i.
Se dice que un estado j es transitorio (o no recurrente) si y slo si hay una probabilidad
positiva de que el proceso no vuelva al estado j despus de abandonarlo; es decir, si f
jj
< 1. Un
estado j se dice que es recurrente si y slo si, partiendo del estado j, el proceso vuelve en un
tiempo finito al estado j con probabilidad 1: es decir, si f
jj
= 1.
Un estado i se dice que es absorbente si q
ij
= 0 para todo j i, por tanto si q
ii
= 1.
Un estado j se dice que es alcanzable desde el estado i si para algn t > 0, p
ij
(t) > 0.
Un subconjunto A del espacio de estados S se dice que es cerrado si


=
A i A j
ij
q 0

En este caso p
ij
(t) = 0 para todo i A, todo A j , y todo t > 0. De este modo, los estados de
A no son alcanzables desde estados de
A
.
Despus de definir las propiedades de los estados individuales, se va a definir una importante
propiedad de una cadena de Markov considerada como un todo.
Una cadena de Markov se dice que es irreducible si S es cerrado y ningn subconjunto propio
de S es cerrado. Es decir, si cada estado de S es alcanzable desde cualquier otro estado.
Se definen las probabilidades lmite {
j
, j S } como
( ) t
j t j
=

lim

13
Puede demostrarse que para toda CMTC irreducible y homognea los lmites anteriores
existen y son independientes de la distribucin inicial {
j
(t), j S }; por otra parte, cuando
existen los lmites:
( )
0 lim =


dt
t d
j
t

se obtiene siguiente el sistema de ecuaciones lineales de modo que:

=
S j
j ji
q 0

Ya que ste es un sistema homogneo, una posible solucin es
i
=0 para todo i S. Si sta
es la nica solucin del sistema, entonces no existe la distribucin estacionaria para la
CMTC. Si, en cambio, existen otras soluciones, entonces la nica distribucin lmite de la
CMTC se obtiene imponiendo la condicin de normalizacin:

=
S i
i
1

En este caso los estados de la CMTC son recurrentes, no nulos y ergdicos, de modo que se
dice que la propia cadena es ergdica.
Las probabilidades lmite de una cadena de Markov ergdica satisfacen la relacin
( ) t p
ij t j
= lim

Las distribucin lmite de una CMTC ergdica se llama tambin distribucin en equilibrio o
en rgimen estacionario.
El tiempo medio de recurrencia para un estado j, M
j
, se define como el tiempo medio
transcurrido entre dos instantes sucesivos en los que el proceso entra en el estado j. Puede
demostrarse que:
jj j
j
q
M

=
1

2.1.4. NOTACIN MATRICIAL
Se van expresar en notacin matricial algunos de los resultados ms importantes introducidos
hasta aqu. Se utiliza esta notacin principalmente por la comodidad de manejo que
proporciona.
Se define la matriz de probabilidades de transicin P(t) como
( ) ( ) | | ( ) I P P = = 0 , t p t
ij

y se define (t) como el vector de probabilidades de estar en cada estado en el instante t
(t) = {
1
(t),
2
(t), }
La ecuacin que describe la evolucin del estado del sistema puede escribirse en forma
matricial como:
(t) = (0)P(t),
y la ecuacin de Chapman-Kolmogorov como:
14
P(t) = P(t - )P()
Se puede, tambin, definir la matriz:
Q = [q
ij
]
que se denomina tanto generador infinitesimal de la matriz de probabilidades de transicin
P(t) como matriz de tasas de transicin. Las ecuaciones posterior y anterior de Kolmogorov
pueden escribir en forma matricial, obtenindose, respectivamente:
( )
( ) t
dt
t d
QP
P
=

( )
( )Q P
P
t
dt
t d
=
Estas ecuaciones admiten la solucin general siguiente:
( )
t
e t
Q
P =

que es ms elegante desde un punto de vista formal, pero con la misma dificultad de
evaluacin.
Las ecuaciones diferenciales que describen las probabilidades de estar en determinado estado
en un instante t se pueden reescribir como:
( )Q t
dt
d

=
Finalmente, la ecuacin matricial que define la distribucin en rgimen estacionario de una
CMTC ergdica es:
Q = 0
donde = {
1
,
2
, }.
2.2. PROBLEMTICA DE LAS CADENAS DE MARKOV
El principal problema que presentan las cadenas de Markov es el de su dimensin. Debido a
la explosin de estados, los modelos de sistemas complejos se convierten en intratables
analticamente.
Se han desarrollado algunas tcnicas para reducir la complejidad del problema. La solucin
ms comn, como se estudiar en el apartado 4.4.3. consiste en dividir el sistema en un
conjunto de subsistemas menores, resolver estos subsistemas separadamente, y combinar
estas soluciones parciales para obtener la solucin del sistema global. Esta tcnica se conoce
como descomposicin estructural.
Una alternativa a sta es la descomposicin funcional, que se puede aplicar cuando los
tiempos entre eventos siguen dinmicas de velocidades distintas, que, en algunos casos,
pueden llegar a ser varios rdenes de magnitud mayores.
Muchos de los modelos que se estudiarn en los apartados que siguen pueden representarse
por cadenas de Markov. No obstante, atendiendo a la particularidad de su estructura disponen
de mtodos que permiten hallar su solucin en rgimen estacionario con un esfuerzo de
clculo notablemente inferior.
15
3. TEORA DE COLAS
En los computadores es frecuente encontrar a diversos trabajos compartiendo un nmero
limitado de recursos, tales como la CPU, los discos u otros dispositivos. Generalmente, slo
uno (o unos pocos) de los trabajos puede utilizar el recurso mientras que los dems esperan en
cola. La teora de colas de espera es una herramienta matemtica que permite cuantificar el
fenmeno de formacin de colas. A travs de ella se intentar calcular el tiempo que pasa un
trabajo en cada una de las colas que se forman en un sistema (y por tanto, el tiempo total que
pasa un trabajo dentro del sistema o tiempo de respuesta), la longitud media de estas colas y
otra serie de parmetros que ayudarn a determinar las prestaciones del sistema. No es por
tanto sorprendente que la teora de colas sea tan popular entre los que se dedican a evaluar las
prestaciones de los sistemas de computacin.
3.1. CARACTERSTICAS DE UN MODELO DE COLAS
Se puede imaginar un grupo de estudiantes de informtica esperando en la sala de terminales
del centro de clculo. Existe un nmero determinado (y limitado) de terminales a disposicin
de los alumnos. Si cuando llega un estudiante todos los terminales estn ocupados, ste pasa a
esperar en la cola. En trminos de teora de colas, los estudiantes suelen llamarse clientes
1
.
Para abordar el estudio de la formacin de colas de espera, se utilizar un modelo abstracto
que se denominar estacin de servicio. La estacin de servicio est compuesta por un
servidor o conjunto de servidores que representan al recurso y una cola de espera, que en cada
momento contendr a aquellos clientes que a su llegada a la estacin de servicio encuentran al
servidor o servidores ocupados (figura 3.1).

Figura 3.1.
En el ejemplo de los estudiantes, la estacin de servicio es el centro de clculo, los servidores
son los terminales y los estudiantes que llegan cuando todos stos estn ocupados forman la
cola de espera.
Para analizar este sistema se han de que especificar las siguientes caractersticas:
- Proceso de llegada. Si se denominan t
1
, t
2
, , t
j
a los instantes en los que se producen las
llegadas de los estudiantes, las variables T
j
= t
j
- t
j - 1
representarn los tiempos entre
llegadas. El proceso de llegada ms simple corresponde al caso T
1
= T
2
= = T
j
= =
constante, que se denomina proceso de llegadas regulares o determinista. Sin embargo, para
muchas aplicaciones se trata de un modelo poco realista y que, adems, no tiene un
tratamiento matemtico sencillo. En general, se supondr que las T
j
forman una secuencia
de variables aleatorias idntica e independientemente distribuidas (IID). El proceso de
llegadas que se utilizar con mayor frecuencia es el proceso de Poisson que corresponde al
caso en el que los tiempos entre llegadas tienen una distribucin exponencial. En algunas
ocasiones se utilizan otros procesos, como los que corresponden al caso de tiempos entre
llegadas con una distribucin de Erlang o hiperexponencial. De hecho hay muchos
resultados de la teora de colas que son vlidos para todas las distribuciones del tiempo
entre llegadas. En estos casos, se dice que el resultado es vlido para una distribucin
general.

1
. En estos temas se utilizarn los trminos "cliente'', "trabajo'' o "tarea'' segn convenga para hacer referencias
a lo que circula a travs de las estaciones de servicio, esperando en la colas y recibiendo servicio en los
servidores
16
- Distribucin del tiempo de servicio. Se necesita conocer cul es el tiempo que cada
estudiante pasa en un terminal. Esto es lo que se denomina tiempo de servicio.
Generalmente se supondr que el tiempo de servicio es una variable aleatoria IID. La
distribucin ms extensamente utilizada es la exponencial, aunque ocasionalmente se
utilizan la de Erlang, la hiperexponencial y la general. De nuevo, un resultado obtenido
para una distribucin general es vlido para todas las distribuciones.
- Nmero de servidores. Puesto que la sala de terminales puede contener uno o varios
terminales, se supondr que todos los terminales son idnticos y que forman parte del
mismo sistema de colas. De esta forma cualquier terminal puede ser asignado a cualquier
estudiante.
- Tipo de servidores. Hace referencia al comportamiento de los servidores respecto de los
clientes. Pueden, por ejemplo, actuar buscando en la cola inmediatamente despus de la
salida de un cliente o esperar un tiempo antes de hacerlo y si no encuentran ningn cliente
esperando dejar pasar un nuevo intervalo antes de volver a mirar en la cola.
- Capacidad del sistema. Es el mximo nmero de clientes que pueden permanecer en la
estacin de servicio: haciendo uso de los servidores o esperando. Esta restriccin puede
surgir debido a limitaciones de espacio o para evitar la formacin de largas colas. Cuando
la capacidad del sistema es grande, suponer una capacidad infinita facilita el anlisis
matemtico. Ntese que la capacidad del sistema incluye a los que estn recibiendo
servicio y a los que estn esperando en la cola.
- Tamao de la poblacin. El nmero total de clientes que pueden llegar a la estacin de
servicio es el tamao de la poblacin. En la mayora de sistemas reales el tamao de la
poblacin es finito. Sin embargo, la poblacin finita presenta mayor complejidad
matemtica ya que, en un instante determinado, el nmero de clientes que ya est en la
estacin de servicio afecta al nmero de clientes que potencialmente pueden llegar a la
estacin. Por tanto, si la poblacin es grande, se facilita el anlisis suponindola infinita.
- Poltica de servicio. Es la forma de seleccionar cul de los clientes que esperan en cola
pasar a utilizar un servidor, en el momento que uno de ellos quede libre. Hay varias
estrategias:
* First Come, First Served (FCFS) o FIFO, los clientes se sirven en el orden de llegada.
* Last Come, First Served (LCFS) o LIFO, los clientes se sirven en el orden inverso al de
llegada.
* Round-Robin (RR), se ofrece una cantidad de servicio fija y pequea a cada cliente, de
forma circular.
* Procesador compartido (Processor Sharing , PS), es el lmite de la RR cuando se
dedican tiempos de servicio infinitesimalmente pequeos a cada cliente.
* Al azar (Service In Random Order, SIRO), los clientes que esperan en cola se atienden
en orden aleatorio.
* Prioridad, para que se pueda aplicar una poltica prioritaria, debe ser posible distinguir
distintas clases de clientes. Se otorga preferencia a unas clases sobre otras. Se puede
suponer tambin que hay una cola para cada prioridad ordenadas segn la poltica
correspondiente. Cuando el cliente que llega puede tener prioridad sobre el que est
recibiendo servicio (ocurre en la LCFS o cuando tienen distintas prioridades) se deber
indicar si el esquema de prioridades afecta nicamente a los clientes que estn en cola o a
todos (incluyendo los que reciben servicio), dando lugar a tres modalidades:
17
. No expulsiva, (Non preemptive): los clientes que estn en el servidor no son
afectados.
. Expulsiva con reanudacin, (Preemptive-resume): el esquema de prioridades se
extiende a los clientes que estn recibiendo servicio. Por lo tanto, si un cliente que
llega tiene mayor prioridad que alguno de los que est recibiendo servicio, uno de
stos es desalojado por el recin llegado. Cuando el cliente desalojado llega de nuevo
al servidor, reemprende el servicio en el punto donde lo dej.
. Expulsiva con reinicializacin, (Preemptive-restart): como la anterior, pero cuando
un cliente desalojado llega de nuevo al servidor debe comenzar su servicio como si
nunca antes lo hubiera recibido.
3.2. NOTACIN
Para especificar un modelo de colas se debern especificar seis parmetros de los que se han
listado en el apartado anterior. Para hacerlo de una forma compacta se suele utilizar una
notacin abreviada introducida por Kendall. La forma general es la siguiente:
A/S/m [/B/K/DS]
Los tres ltimos parmetros, si no se explicitan, toman un valor por defecto, donde,
- A es la distribucin del tiempo entre llegadas,
- S es la distribucin del tiempo de servicio,
- m es el nmero de servidores,
- B es la capacidad del sistema (valor por defecto: infinito),
- K es el tamao de la poblacin (valor por defecto: infinito),
- DS es la poltica de servicio (valor por defecto: FCFS).
Tanto A como S simbolizan distribuciones de probabilidad y se representarn mediante una
nica letra con el siguiente significado:
- M Exponencial (o Markoviana),
- E
k
Erlang con parmetro k,
- H
k
Hiperexponencial con parmetro k,
- D Determinista,
- G General.
En estas distribuciones se supondr que las llegadas se producen individualmente y que cada
servidor atiende a solo un cliente en cada instante. Pueden darse en la realidad procesos de
llegada o de servicio que se produzcan en grupos. En estos casos, el tamao de estos grupos,
si se supone constante, se indica mediante un superndice. Por ejemplo una llegada de Poisson
en grupo se representa por M
x
, siendo x el tamao del grupo.
DS representa la poltica de servicio y suele especificarse por una de la de las siguientes
siglas: FCFS, LCFS, PS, cuyo significado se ha visto en el apartado anterior.
3.3. VARIABLES Y RELACIONES FUNDAMENTALES
En apartados posteriores se estudiar con cierto detalle el funcionamiento de distintos tipos de
estaciones de servicio. Se revisan aqu algunas relaciones sencillas, pero generales, entre
algunas de las variables que caracterizan el comportamiento de un modelo de colas.
18
3.3.1. VARIABLES FUNDAMENTALES
Las variables ms importantes que se estudiarn para caracterizar el comportamiento de un
modelo de colas son:
- T, tiempo entre llegadas, es decir, el tiempo que transcurre entre dos llegadas sucesivas. Es
una variable aleatoria.
- , frecuencia o tasa media de llegada, igual a 1/E[T]
- S, variable aleatoria que representa el tiempo de servicio de cada trabajo.
- , capacidad o tasa media de servicio, igual a 1/E[S] de cada servidor. Es el nmero medio
de trabajos que es capaz de atender un servidor por unidad de tiempo. En un sistema con m
servidores la capacidad total de servicio es m.
- N, nmero de trabajos en la estacin de servicio (variable aleatoria discreta).
- N
q
, nmero de trabajos en espera de recibir servicio (variable aleatoria discreta). Es un
nmero siempre menor que N ya que no incluye a los trabajos que estn recibiendo
servicio.
- N
s
, nmero de trabajos recibiendo servicio (variable aleatoria discreta).
- R, tiempo de respuesta del sistema (variable aleatoria). Incluye tanto el tiempo de espera
como el tiempo de servicio.
- W, tiempo de espera en cola (variable aleatoria).
3.3.2. RELACIONES FUNDAMENTALES
Algunas relaciones simples entre estas variables son:
- Condicin de estabilidad: Si el nmero de trabajos en el sistema crece continuamente,
tendiendo a infinito, se dice que el sistema es inestable. Para que el sistema sea estable, la
tasa media de llegadas debe ser menor que la tasa media de servicio:
< m
donde m es el nmero de servidores. Esta condicin de estabilidad no se aplica a sistemas
con poblacin y/o capacidad finitas, dado que en estos sistemas el tamao de la cola no
puede crecer indefinidamente.
- Ecuacin del nmero de trabajos: El nmero de trabajos en el sistema es igual al nmero
de trabajos en la cola ms el nmero de trabajos en el servidor:
N = N
q
+ N
s

donde N, N
q
, N
s
son variables aleatorias. Esta relacin tambin se cumple para las medias:
E[N] = E[N
q
] + E[N
s
]
- Ecuacin del tiempo: El tiempo que pasa un trabajo en la estacin de servicio es igual a la
suma del tiempo de espera en cola ms el tiempo de servicio:
R = W + S
Ntese que R, W, S son variables aleatorias y que esta relacin se puede aplicar a los
valores medios:
E[R] = E[W] + E[S]
19
- Ley de Little: Una de las relaciones ms importantes y tiles de la teora de colas es la ley
de Little, que permite relacionar el nmero de trabajos en un sistema, con el tiempo que
pasa un trabajo en el sistema. De una forma general la ley se puede enunciar de la siguiente
forma:
Nmero medio de trabajos en el sistema =
= Frecuencia de llegada tiempo medio de respuesta.
Esta relacin se aplica a todos los sistemas (o partes de un sistema) en los que el nmero de
trabajos que entran es igual al nmero de trabajos que completan su servicio. Es decir, la
nica condicin para que la relacin sea aplicable es que no se cree ningn trabajo en el
sistema y no se pierdan trabajos dentro del sistema. Incluso en los sistemas en los que
algunos trabajos se pierden debido a su capacidad limitada, la ley puede aplicarse a la parte
del sistema compuesta por la cola de espera y el servidor, ya que una vez que un trabajo
entra en la cola (o servidor) ya no se pierde. En este caso, se ha que ajustar la tasa de
llegada para excluir los trabajos que se pierden antes de entrar en la cola.
A continuacin, se propone una justificacin simple de la ley de Little. Se monitoriza el
sistema durante un intervalo de tiempo T y se registran todas las llegadas y salidas de
clientes que se producen en este intervalo. Si T es grande, el nmero de llegadas puede
considerarse igual al nmero de salidas. Si se denomina I a este nmero, se tiene entonces
Frecuencia de llegada = Nmero de llegadas/Tiempo de observacin = I/T
Como se ve en la figura 3.2 hay tres modos de mostrar los datos que se acaban de obtener.
La figura 3.2 (a) muestra por separado el nmero total de llegadas y salidas como funcin
del tiempo. Si en cada instante se resta la curva de salidas de la de llegadas, se obtiene el
nmero total de trabajos en el sistema en cada instante (figura 3.2 (b)). Por otra parte, si
para cada trabajo se resta su tiempo de llegada del de salida se obtiene la figura 3.2 (c), que
muestra el tiempo de permanencia de cada trabajo en el sistema. La rea rayada en cada
una de las figuras representa el tiempo total que pasan en el sistema el conjunto de todos
los trabajos. Luego, las tres reas deben ser iguales. Si se denomina J a esta rea, de la
figura 3.2 (c) se tiene:
Tiempo medio pasado en el sistema = J/I
De la figura 3.2 (b)
Nmero medio de trabajos en el sistema = J/T = I/T x J/I =
= Frecuencia de llegada Tiempo medio pasado en el sistema.
que es la ley de Little.
20
J
Entradas
Salidas
Tiempo
I
T

Figura 3.2 (a)
Clientes
Tiempo
J
T

Figura 3.2 (b)
Clientes
Tiempo
J
I

Figura 3.2 (c)
Ntese que la ley de Little puede aplicarse tanto a sistemas como a subsistemas. Si se
aplica la ley de Little a la cola de espera de una estacin de servicio se tiene:
E[N
q
] = E[W]
Si se aplica al servidor (o servidores), se tiene:
E[N
s
] = E[S]
Y si se aplica a toda la estacin de servicio, se tiene:
E[N] = E[R]
21
3.4. EL PROCESO DE POISSON
El proceso de Poisson es un proceso estocstico de tiempo continuo sobre un espacio de
estados discreto. Se suele utilizar para contar el nmero de sucesos N(t) que ocurren en el
intervalo de tiempo [0, t]. El suceso que interesa estudiar aqu es el nmero de llegadas que se
producen a un sistema en el tiempo t.
Se dice que N(t), para t 0 es un proceso de Poisson si se cumplen las cuatro condiciones
siguientes:
1. N(0) = 0,
2. El nmero de llegadas que se producen en intervalos que no se solapan son mutuamente
independientes,
3. Para un intervalo de tiempo lo suficiente pequeo [t, t + t] se cumple que:
* la probabilidad de que llegue un cliente es t + (t),
* La probabilidad de que lleguen dos o ms clientes es (t)
* la probabilidad de que no llegue ningn cliente es 1 - t + (t)
donde (t) representa una cantidad que tiende a cero ms rpidamente que t, es decir:
( )
0 lim
0
=



t
t
t

4. Las tres probabilidades anteriores dependen de t pero no de t.
Segn el punto 3 de la relacin anterior, si se elige un t suficientemente pequeo, la
probabilidad que en el intervalo [t, t + t] lleguen 2 ms trabajos puede ser despreciada.
3.4.1. DISTRIBUCIN DE POISSON
Se va a calcular, ahora, la probabilidad de que lleguen i trabajos en el intervalo [0, t]. Para
ello, se supone que el intervalo [0, t] est dividido en m subintervalos iguales de duracin t
= t/m.
Por el punto 2, el hecho de que se produzca una llegada en un subintervalo es independiente
de lo que haya ocurrido en los dems. Si m es suficientemente grande, se puede pensar que
los intervalos considerados forman una secuencia de Bernoulli con una probabilidad que se
produzca una llegada en el intervalo t = t/m igual a
m
t
p =
La probabilidad de ms de una llegada por intervalo es despreciable nicamente si t = t/m es
muy pequeo. Por tanto, la probabilidad que haya i llegadas ser el lmite de una distribucin
binomial cuando t tienda a cero
( ) ( ) ( ) ( ) ( ) ( )
i m i
t t
t t t t
i
m
t m i b t N


+ +
|
|
.
|

\
|
= = 1 lim , , lim
0 0

Desarrollando esta expresin se obtiene
( )
( ) ( ) ( )
i m
m
i
m
i
m
t
m
i m m m
i
t
t N


|
.
|

\
|

+
= 1 lim
1 ... 1
lim
!

22
de donde
( )
( )
t
e
i
t
t N

=
!

que es la probabilidad de que se produzcan i llegadas en [0, t] y es la funcin de densidad de
Poisson con parmetro t. Se trata de una distribucin bien conocida, y se sabe que:
E[N(t)]=t
Var[N(t)]=t
3.4.2. DISTRIBUCIN EXPONENCIAL
Una propiedad interesante de la distribucin de Poisson es que la distribucin del tiempo
entre llegadas consecutivas es exponencial
Sea T una variable aleatoria que representa el intervalo desde el origen de tiempos (elegido
arbitrariamente) al instante en que se produce la primera llegada. Se puede obtener fcilmente
la distribucin de T, teniendo en cuenta que no se producirn llegadas en el intervalo [0, t] si
y solo si T > t. Es decir, Pr[N(t) = 0] = Pr[T>t] donde N(t) representa el nmero de llegadas en
[0, t]. Luego, como se sabe por la distribucin de Poisson que
( ) | |
t
e t N

= = 0 Pr
entonces
| | | |
t
e t T t T

= > = 1 Pr 1 Pr
y por tanto
( ) 0 para , 1 =

t e t F
t
T

y
( )
( )
0 para , = =

t e
dt
t dF
t f
t T
T

Con lo que queda demostrado que para un proceso de llegada de Poisson, el tiempo que
transcurre T entre un instante arbitrario y el instante de la primera llegada tiene una
distribucin exponencial con media 1/.
Ntese que el origen de tiempos ha sido elegido arbitrariamente. Si se elige como origen el
instante de una llegada, entonces T representa el tiempo entre llegadas. En conclusin, en un
proceso de Poisson el tiempo entre llegadas tiene una distribucin exponencial con valor
medio 1/ y una desviacin tpica tambin igual a 1/.
Es conveniente recordar que la distribucin exponencial posee la propiedad de carecer de
memoria (propiedad de Markov):
Sea t
i
el instante de la i-sima llegada. Se supone que han transcurrido t unidades de tiempo
antes de que se produzca la siguiente llegada. Sea R la variable aleatoria que representa el
tiempo que resta para que se produzca la siguiente llegada, es decir R = T - t, donde T es el
tiempo entre llegadas. Para calcular la distribucin de R para un valor de t determinado,
| |
| |
| |
| |
| | t T
r t T t
t T
t T r R
r R

+
=


=
Pr
Pr
Pr
| Pr
Pr
23
Desarrollando el numerador queda:
| | ( )
t t
r t
t
x
e e dx e r t T t

+

= = +

1 Pr
y el denominador,
| | | | ( )
t t
e e t T t T

= = = 1 1 Pr 1 Pr
y, por tanto,
| |
t
e r R

= 1 Pr
de donde se ve que R tiene una distribucin exponencial con tasa que es la misma que tiene
T.
3.4.3. PROPIEDADES DE LOS PROCESOS DE POISSON
A continuacin, se van a enunciar, sin demostracin, otras dos propiedades interesantes de los
procesos de Poisson:
3.4.3.1. Superposicin de procesos de Poisson
Se consideran m fuentes independientes y se supone que cada una de ellas es un proceso de
Poisson con tasa
k
, para k =1, , m. Si se combinan estas fuentes en una sola (figura 3.3), se
obtiene un nuevo proceso de Poisson con tasa

=
=
m
k
k
1

p
1
p
2
p
m

Figura 3.3. Figura 3.4.
3.4.3.2. Descomposicin de un proceso de Poisson
Se considera el caso en el que un proceso de Poisson se divide en m vas (figura 3.4). Si la
tasa de llegada es y la salida por cada una de las ramas se elige independientemente con
probabilidad p
k
, entonces en la k-sima genera un proceso de Poisson con tasa p
k
, para k =1,
, m, y adems los m canales son estadsticamente independientes.
3.5. PROCESOS NACIMIENTO-MUERTE
Los procesos Nacimiento-Muerte (N-M) son, como se ha visto, un tipo particular de proceso
estocstico til para modelar sistemas en los que los clientes llegan y completan su servicio
de uno en uno. El estado del sistema estar representado por la variable aleatoria que
corresponde al nmero de clientes en el mismo, k.
Sea un sistema caracterizado por el nmero k de elementos que hay en l y tal que estos
elementos puedan nacer (llegar al sistema) o morir (salir del sistema). Si se denomina P
k
(t) la
probabilidad de que haya k elementos en el instante t y se considera que en un intervalo
24
suficientemente pequeo slo puede variar el estado del sistema en un elemento en ms o en
menos, es decir que para que el instante t + t haya k elementos es preciso que:
- O en el instante t hubiera k elementos y no se produjera ningn cambio durante t.
- O en el instante t hubiera k - 1 elementos y se produjera una llegada durante t.
- O en el instante t hubiera k + 1 elementos y se produjera una salida durante t.
Adems el estado del sistema nunca puede tomar valores negativos, es decir, el mnimo
nmero de elementos que puede haber en el sistema es de cero.
Por lo tanto si se admite adems que la probabilidad del estado depende del instante t, pero la
probabilidad de cambio (nacimiento o muerte) depende slo del intervalo t, se puede
escribir la evolucin de la probabilidad del estado para el caso general y para el estado 0, para
los que se tiene, respectivamente:
- para k > 0
P
k
(t + t) = P
k
(t) p
k,k
(t) + P
k - 1
(t) p
k - 1,k
(t) + P
k + 1
(t) p
k + 1,k
(t) + (t)
- para k = 0
P
0
(t + t) = P
0
(t) p
0,0
(t) + P
1
(t) p
1,0
(t) + (t)
Evidentemente debe cumplirse en todo instante que
( )

=
=
0
1
k
k
t P
Teniendo en cuenta las caractersticas de su comportamiento, los procesos de nacimiento y de
muerte se pueden considerar como procesos de Poisson de parmetros dependientes del
estado,
k
y
k
, respectivamente, y, en consecuencia, teniendo en cuenta el desarrollo en serie
de la funcin de probabilidad se puede escribir que:
- para k > 0
P
k
(t + t) = P
k
(t) [1 -
k
t + (t)] [1 -
k
t + (t)] + P
k - 1
(t) [
k 1
t + (t)] +
+ P
k + 1
(t) [
k + 1
t + (t)] + (t)
- para k = 0
P
0
(t + t) = P
0
(t) [1 -
0
t + (t)] + P
1
(t) [
1
t + (t)] + (t)
Redisponiendo estas expresiones se obtiene que
- para k > 0
( ) ( )
( ) ( ) ( ) ( )
( )
t
t
t P t P t P
t
t P t t P
k k k k k k k
k k


+ + + + =

+
+ + 1 1 1 1

- para k = 0
( ) ( )
( ) ( )
( )
t
t
t P t P
t
t P t t P


+ + =

+
1 1 0 0
0 0

Pasando el lmite cuando t tiende a cero, se obtiene
- para k > 0
( )
( ) ( ) ( ) ( ) t P t P t P
dt
t dP
k k k k k k k
k
1 1 1 1 + +
+ + + =
25
- para k = 0
( )
( ) ( ) t P t P
dt
t dP
1 1 0 0
0
+ =
Este sistema de ecuaciones diferenciales en diferencias representa la dinmica de las
probabilidades del sistema. Se denominan ecuaciones de Kolmogorov
2
.
Ahora bien, si se admite que este sistema llega a un rgimen estacionario, es decir que las
probabilidades son independientes del instante en que se calculan, se tendr que
P
k
(t) = p
k
, para k 0
y, por lo tanto
0 = -(
k
+
k
)p
k
+
k - 1
p
k - 1
+
k + 1
p
k + 1
, para k > 0
y
0 = -
0
p
0
+
1
p
1
, para k = 0
Otra forma ms sencilla de llegar a estas mismas ecuaciones de rgimen estacionario es la
que se expone a continuacin.
Sea un sistema caracterizado por el nmero k de elementos que hay en el mismo (k 0).
Estos elementos llegan (nacen) al sistema con frecuencia
k
que se puede considerar
dependiente de k y pueden salir (morir) del sistema con frecuencia
k
que se puede considerar
tambin dependiente de k., pero independientes, en ambos casos, del instante en que se
producen. Tanto los nacimientos como las muertes slo pueden producirse de una en una. Se
admite, adems, que el sistema llega a un estado estacionario donde son conocidas las
probabilidades p
k
de que haya k elementos en el sistema.
Evidentemente debe cumplirse que

=
=
0
1
k
k
p
y que

-1
=
-2
= = 0

0
=
-1
= = 0
p
-1
= p
-2
= ... = 0
Hacia el estado E
k
(cuando el sistema contiene k elementos) se produce un flujo de entrada
desde los estados E
k + 1
y E
k - 1
, que dan una tasa global de llegada al estado E
k
de

k - 1
p
k - 1
+
k + 1
p
k + 1
Desde el estado E
k
se produce un flujo de salida hacia los estados E
k + 1
y E
k - 1
, que dan una
tasa global de salida del estado E
k
de
(
k
+
k
)p
k
Para que el sistema est en equilibrio ambas tasas deben equilibrarse, es decir, ser iguales, de
donde se deduce inmediatamente

k - 1
p
k - 1
+
k + 1
p
k + 1
= (
k
+
k
)p
k
a partir de la cual se obtienen inmediatamente las ecuaciones de Kolmogorov en rgimen
estacionario halladas anteriormente.

2
Segn el texto estas ecuaciones se conocen como de Kolmogorov, o de Chapman, o de Kolmoorov-
Chapman, o de Chapman-Kolmogorov
26
Estas ecuaciones, junto con la condicin de que la suma de las probabilidades de todos los
estados debe ser igual a 1, permiten deducir las probabilidades de los estados. A partir de la
ecuacin de Kolmogorov en rgimen estacionario para k = 0, se puede hallar
1
0
0 1

= p p
Sustituyendo en la ecuacin de Kolmogorov en rgimen estacionario para k = 1, se tiene
( )
2 2 0 0
1
0
0 1 0
0 p p p + +

+ =
de donde
2
1
1
2 1
1 0
0 2

=


= p p p
y, en general,
k
k
k
k
i i
i
k
p p p

= +

1
1
1
0 1
0

Sustituyendo los valores de p
k
que se acaban de obtener en la ecuacin de la suma de las
probabilidades se puede deducir p
0

= +

+
=
1
1
0 1
0
1
1
k
k
i i
i
p
3.6. COLAS M/M/m/B/K
Las colas con esta estructura no son ms que casos particulares de los procesos de
nacimiento-muerte que se acaban de estudiar ya que se trata de sistemas en los que las
llegadas al sistema (proceso de nacimiento) y las salidas como consecuencia de la
terminacin de los servicios (proceso de muerte) son ambos markovianos.
3.6.1. COLA M/M/1
En este tipo de cola, el ms sencillo, se supone que:
- hay una cola con un slo servidor
- los tiempos entre llegadas de los clientes estn independiente e idnticamente distribuidos
con una distribucin exponencial cuyo valor medio es 1/, que no depende del nmero de
clientes que ya estn en el sistema
- los tiempos de servicio de los clientes estn independiente e idnticamente distribuidos con
una distribucin exponencial cuyo valor medio es 1/, que no depende del nmero de
clientes que ya estn en el sistema

k
= , para k = 0, 1, ....

k
= , para k = 1, 2, ....
Las transiciones entre estados se pueden representar tal como muestra la figura 3.5.
27
Aplicando las condiciones de este caso a las soluciones de ecuaciones de Kolmogorov, se
encuentra
k
k
i
k
p p p
|
|
.
|

\
|

=
0
1
0
0

y

=
|
|
.
|

\
|

+
=
1
0
1
1
k
k
p
La suma del denominador es la de una progresin geomtrica infinita que converger si es
decreciente, es decir si es menor que y, en este caso,
0

k - 1

k + 1

. . . .

Figura 3.5.

+
= 1
1
1
1
0
p
si se denomina = /, y se tiene en cuenta que la condicin de estabilidad del sistema exige
que la capacidad de servicio supere a la frecuencia de llegada, es decir debe estar entre cero
y uno, se puede escribir
p
k
= (1 - )
k
, para k = 0, 1, ...
que es una distribucin geomtrica.
La utilizacin del servidor viene determinada por la probabilidad que haya algn cliente en
servicio, esto es, 1 - p
0
. Si se substituye p
0
por su valor 1 - , se encuentra que la utilizacin
del servidor es .
Para calcular el nmero medio de elementos en el sistema, hay que hacer
( ) ( ) ( ) ( ) =

= = = =


=

= 1 1 1
1
1 1
1 1 1 1
k
k
k
k
k
k
k
k
k
k
k k kp N
( ) ( )
( )

=

=

=
1
1
1
1
1
1
2

y la varianza
( )
( )
2
0
2 2
1

= =

= k
k N
p N k
28
Aplicando la ley de Little se puede determinar el tiempo medio de respuesta o de
permanencia en el sistema, teniendo en cuenta adems que la inversa de la capacidad media
de servicio es el tiempo medio de servicio s
( )
=

=
1 1
/ 1
1
s N
R
Hasta aqu se ha calculado la densidad de probabilidad para el nmero de trabajos en el
sistema, el nmero medio de trabajos y el tiempo medio que pasan los mismos tanto en el
sistema como en la cola. Pero no se ha dicho nada sobre la disciplina de servicio. Sin
embargo, si se quiere calcular algo ms que valores medios, por ejemplo la distribucin de
probabilidad de los tiempos de espera o de respuesta, es necesario conocer el orden en que se
sirven los trabajos.
Cuando llega un cliente a la estacin y encuentra k clientes en la misma, si se sigue un
poltica de servicio FCFS, tendr que esperar durante k + 1 servicios exponenciales antes de
salir del sistema (los servicios de los k que ya estaban ms el suyo propio).
R = S
1
+ S
2
+ + S
k
+ S
k

+ 1

donde S
i
, para i = 1, 2, , k + 1 son variables aleatorias idntica, independiente y
exponencialmente distribuidas con valor medio 1/. Ntese que por la propiedad de carencia
de memoria de la distribucin exponencial, no hay necesidad de tener en cuenta el servicio ya
recibido por el cliente que ya est en el servidor cuando se produce la llegada.
Luego segn la descripcin que se acaba de ver, el tiempo de respuesta R condicionado a que
haya k clientes en la estacin tiene una funcin de densidad de probabilidad (k + 1)-Erlang.
( )
t
k k
R
e k
t
k N t f

+

= =
!
|
1

por la ley de probabilidad total
( ) | | | | | | =
|
|
.
|

\
|

|
|
.
|

\
|

|
|
.
|

\
|
= = = = =


=

+
= 0
0
1
0
1
!
Pr | Pr Pr
k
k
t
x
k k
k
R
dx
e k
x
k N k N t R t R t F
( )
=
|
|
.
|

\
|

=
|
|
.
|

\
|

|
|
.
|

\
|

=



t
x
t
x x
t
k
k
x
dx e dx e e dx
k
x
e
0
/ 1
0 0
1 1
!
1
( )
| |
( )t
t
x
e e

= =
1
0
/ 1
1
de donde se ve que R tiene distribucin exponencial con el valor medio ya calculado:
| |
( )
=
1
1
R E
Siguiendo un razonamiento anlogo al anterior, se puede calcular la distribucin del tiempo
de espera en la cola
( ) | |
( )t
R
e t W t F

= =
1
1 Pr
29
3.6.2. COLA M/M/ (INFINITO NMERO DE SERVIDORES)
Se considera aqu el caso de un sistema que aumenta su capacidad de servicio linealmente
con los clientes o como un sistema que siempre tiene un servidor disponible cuando llega un
cliente. Evidentemente en el mundo real no existen infinitos servidores, pero existen
numerosos casos en que el nmero de servidores es superior o igual al de clientes, en cuyo
caso puede asimilarse a este modelo. En este caso se tiene pues

k
= , k = 0, 1, ....

k
= k, k = 1, 2, ....
El diagrama de transicin de estados es el que muestra la figura 3.6.
0

1

2
2

k - 1

k + 1

k

. . . .
3 (k-1) (k+1)
(k+2) k

Figura 3.6.
Aplicando las condiciones de este caso a las soluciones de ecuaciones de Kolmogorov, se
encuentra
( ) !
1
1
0
1
0
0
k
p
i
p p
k
k
i
k
|
|
.
|

\
|

=
+

=

y
= =
|
|
.
|

\
|

+
=

1
!
1
1
1
/
1
0
e
k
p
k
k

de donde

|
|
.
|

\
|

=
/
!
e
k
p
k
k

para k = 0, 1, 2, ..., que corresponde a una distribucin de Poisson de media /.
En consecuencia, el nmero medio de clientes en el sistema ser
N = /
y el tiempo medio de permanencia, por aplicacin de la ley de Little, ser
R = 1/ = s
que, como caba esperar, coincide con el de servicio, ya que, como se haba supuesto que en
este sistema siempre haba servidor dispuesto a atender al cliente que llegara, los clientes no
tienen ninguna espera.
Puede demostrarse que los resultados que se acaban de obtener son vlidos tambin para una
cola M/G/.
30
3.6.3. COLA M/M/m
En este caso se supone que la estacin de servicio dispone de m servidores (m 1), cada uno
de ellos con una capacidad de servicio , que comparten una cola comn; por lo tanto:

k
= , k = 0, 1, ....

k
= min(k, m)
de donde

k
= k, para 0 k m

k
= m, para m k
El diagrama de transicin de estados es el que muestra la figura 3.7.
0

1

2
2

m - 1

m

. . . .
3 (m 1) m m m
m + 1

Figura 3.7.
Debido a la estructura de
k
, la aplicacin de la ecuacin de Kolmogorov debe hacerse por
partes; para k menor o igual que m se tiene
( ) !
1
1
0
1
0
0
k
p
i
p p
k
k
i
k
|
|
.
|

\
|

=
+

=

y para k mayor que m
( )
m k
k
m i
m
i
k
m m
p
m i
p p

=
|
|
.
|

\
|

=

!
1
1
0
1
0
0

Puede demostrarse que la condicin de estabilidad es que = /(m) debe estar comprendido
entre cero y uno. De ah
( ) ( )
1
1
0
0
1
1
! !

=
(

=

m
k
m k
m
m
k
m
p
de donde se pueden deducir los valores de p
k
.
De esta distribucin se puede determinar a frmula C de Erlang, que da la probabilidad que
un cliente al llegar encuentre un servidor libre y que en su momento sirvi para el
dimensionamiento de centrales telefnicas.
A partir de los resultados anteriores se pueden determinar los valores medios de las
magnitudes operacionales (nmeros de clientes en servicio, en la estacin y en la cola,
tiempos de permanencia en la estacin, en la cola y en el servidor), as como sus
distribuciones estadsticas, procediendo de forma similar a la usada en la cola M/M/1.
En las figuras 3.8 y 3.9 se hallan representados los valores medios de los tiempos de respuesta
(en relacin con el tiempo de servicio) y de las longitudes de cola, respectivamente.
31
0.0 0.2 0.4 0.6 0.8 1.0
0
2
4
6
8
10
12
m = 2
m = 4
m = 6
m = 8
m = 10
m = 14
m = 20
Utilizacin
T
i
e
m
p
o

d
e

r
e
s
p
u
e
s
t
a
/
T
i
e
m
p
o

d
e

s
e
r
v
i
c
i
o

Figura 3.8.
.
0.0 0.2 0.4 0.6 0.8 1.0
0
10
20
30
40
m = 20
m = 14
m = 10
m = 8
m = 6
m = 4
m = 2
Utilizacin
N

m
e
r
o

m
e
d
i
o

d
e

c
l
i
e
n
t
e
s

e
n

l
a

e
s
t
a
c
i

n

Figura 3.9.
3.6.4. LLEGADAS DESANIMADAS.
En este caso se trata de un sistema en que las llegadas disminuyen a medida que aumenta el
nmero de elementos en el sistema. Una forma de establecer este modelo es asimilarlo a un
proceso de nacimiento-muerte con
32

k
= /(k + 1), para k = 0, 1, ....

k
= , para k = 1, 2, ....
El diagrama de transicin de estados es el que muestra la figura 3.10.
0

1
/2

k - 1

k + 1

k

. . . .
/3 /(k-1) /(k+1) /(k+2) /k

Figura 3.10.
Aplicando las ecuaciones que dan solucin de las ecuaciones de Kolmogorov se tiene
!
1
1
0
1
0
0
k
p
i
p p
k
k
i
k
|
|
.
|

\
|

=

expresin idntica a la obtenida en el apartado 3.6.3. y, por lo tanto, es posible escribir
directamente
p
0
= e
/

|
|
.
|

\
|

=
/
!
e
k
p
k
k

3.6.5. COLA M/M/1/B: ALMACENAMIENTO FINITO.
Este sistema se caracteriza por que la cola es capaz de contener un numero finito, B, de
clientes entre los que reciben servicio y los que estn esperando en la cola. Cuando el sistema
est lleno, los nuevos clientes que puedan llegar se pierden. De acuerdo con ello se puede
asimilar a un proceso de nacimiento-muerte y escribir

k
= , para k < B

k
= 0, para k B

k
= , para k = 1, 2, ....
El diagrama de transicin de estados es el que muestra la figura 3.11.
Aplicando las condiciones de este caso a las soluciones de ecuaciones de Kolmogorov, se
encuentra
0

B - 1

. . . .

Figura 3.11.
33
B k p p p
k
k
i
k

|
|
.
|

\
|

=
para ,
0
1
0
0

y
p
k
= 0, k > B
de donde
1
1
0
1
1
1
1
+
=
|
|
.
|

\
|

=
|
|
.
|

\
|

+
=

B
B
k
k
p
de donde se pueden obtener fcilmente los valores de p
k
.
De esta distribucin se puede determinar a frmula B de Erlang, que da la probabilidad que
un cliente al llegar no encuentre espacio en el sistema y que en su momento sirvi para el
dimensionamiento de centrales telefnicas.
Como solo caben B clientes en la estacin, el sistema alcanza un estado estable para todos los
valores de y . En particular, no es necesario exigir que < .
A partir de los resultados anteriores se pueden determinar los valores medios de las
magnitudes operacionales (nmeros de clientes en servicio, en la estacin y en la cola,
tiempos de permanencia en la estacin, en la cola y en el servidor), as como sus
distribuciones estadsticas, procediendo de forma similar a la usada en la cola M/M/1. Hay,
sin embargo, una diferencia importante y es que mientras en la cola M/M/1 su solucin
pasaba por la suma de una serie (debido a la suma infinita que apareca), en este caso la
solucin puede hallarse siempre numricamente (aunque en este caso como se trataba de una
progresin geomtrica se ha podido calcular su valor) puesto que la suma tiene un nmero
finito de trminos debido a la limitacin de la capacidad.
3.6.6. COLA M/M/1//K: POBLACIN FINITA
En este caso el nmero total de posibles clientes, que constituyen la poblacin que se dirige al
sistema, es finito e igual a K. Se supondr que las llegadas sern proporcionales a los clientes
que estn fuera del sistema. Por lo tanto se puede considerar como un proceso de nacimiento-
muerte y escribir

k
= (K - k), para 0 k K

k
= 0, para k K

k
= , para k = 1, 2, ....
El diagrama de transicin de estados es el que muestra la figura 3.12.
0
K

K - 1

K
2

. . . .
(K-1) (K-2)

Figura 3.12.
34
Aplicando las condiciones de este caso a las soluciones de ecuaciones de Kolmogorov, se
encuentra
( )
( )
K k
k K
K
p
i K
p p
k
k
i
k

|
|
.
|

\
|

=
0 para ,
!
!
0
1
0
0

y
p
k
= 0, para k > K
a partir de las cuales se puede obtener
( )
1
0
0
!
!

= (
(

|
|
.
|

\
|

=

K
k
k
k K
K
p
de donde se pueden calcular los valores de p
k
.

La utilizacin del servidor ser
= 1 - p
0

Por otra parte, aplicando la ley de Little al servidor se obtiene

=
e

y, por tanto, la tasa media de entrada de clientes a la estacin es

e
= (1 - p
0)

De esta forma y a partir de los valores de las probabilidades, calculadas aqu de nuevo de
forma numrica, puesto que al haber la limitacin de la poblacin, la suma para determinar p
0

vuelve a ser finita, se pueden determinar las restantes magnitudes operacionales como, entre
otras, el tiempo medio de respuesta y el nmero medio de clientes en la estacin, que se
hallan representados en las figuras 3.13 y 3.14.
35
0.0 0.2 0.4 0.6 0.8 1.0
0
1
2
3
4
5
6
K = 20
K = 14
K = 10
K = 8
K = 6
K = 4
K = 3
K = 2
T
i
e
m
p
o

d
e

r
e
s
p
u
e
s
t
a
/
T
i
e
m
p
o

d
e

s
e
r
v
i
c
i
o
Utilizacin

Figura 3.13.
.
0.0 0.2 0.4 0.6 0.8 1.0
0
1
2
3
4
5
6
K = 20
K = 14
K = 10
K = 8
K = 6
K = 4
K = 3
K = 2
Utilizacin
N

m
e
r
o

m
e
d
i
o

d
e

c
l
i
e
n
t
e
s

e
n

l
a

e
s
t
a
c
i

n

Figura 3.14.
3.6.7. COLA M/M///K
En este sistema la poblacin, como en el caso anterior es finita e igual a K, pero adems
existe siempre un canal de servicio para atender a cualquier cliente que llegue al sistema. Es
decir se trata de nuevo de un proceso de nacimiento-muerte con las siguientes caractersticas:
36

k
= (K - k), para 0 k K

k
= 0, para k K

k
= k, para k = 1, 2, ....
El diagrama de transicin de estados es el que muestra la figura 3.15.
0
K

1
2
2
3
K - 1

K
2
. . . .
(K-1) (K-2)
(K-1) K

Figura 3.15.
Aplicando las ecuaciones que dan la solucin de la ecuacin de Kolmogorov, se tiene
( )
( )
K k
k
K
p
i
i K
p p
k
k

|
|
.
|

\
|
|
|
.
|

\
|

=
+

=

0 para ,
1
0 0

de donde se puede obtener
K
K
k
k
k
K
p
|
|
.
|

\
|

+
=
(
(

|
|
.
|

\
|
|
|
.
|

\
|

=

=

1
1
1
0
0

as como los valores de las probabilidades de los estados
K
k
k
k
K
p
|
|
.
|

\
|

+
|
|
.
|

\
|
|
|
.
|

\
|

=
1

y del nmero medio de clientes en el sistema

=
|
|
.
|

\
|

+
|
|
.
|

\
|
|
|
.
|

\
|

= =

= =
1
1
0 0
K
k
K
k kp N
K
k
K
k
K
k
k

3.6.8. COLA M/M/m/B/K
Este caso rene todos los aspectos tratados parcialmente en los apartados anteriores, es decir,
m canales de servicio, espacio para B clientes en la cola y poblacin total de K clientes.
Evidentemente el nmero de servidores m ha de ser menor o igual que la capacidad de la cola
B, que a su vez ha de ser menor o igual que la poblacin K, ya que de lo contrario las
restricciones no tendran sentido. Por todo ello se tiene que

k
= (K - k), para 0 k < B
37

k
= 0, para k B

k
= k, para 0 k m

k
= m, k > m
El diagrama de transicin de estados es el que muestra la figura 3.16.
0
K

1
2
2
3
(K-1) (K-2)
. . . .
. . . .
B-1 B
. . . .
. . . .
m-1 m m+1
(K-m+2)
(m-1)
(K-m+1)
m m m
m m
(K-B+2) (K-B+1)
(K-m-1) (K-m)

Figura 3.16.
Aplicando las ecuaciones que dan la solucin de la ecuacin de Kolmogorov teniendo en
cuenta los intervalos de k, se tiene
( )
( )
m k
k
K
p
i
i K
p p
k
k
i
k

|
|
.
|

\
|
|
|
.
|

\
|

=
+

=

=
0 para ,
1
0
1
0
0

( )
( )
( )
B k m m
m
k
k
K
p
m
i K
i
i K
p p
k m
k
m
i
k

|
|
.
|

\
|
|
|
.
|

\
|


+

=

=

para ,
!
!
1
0
1
0
0

A partir de estas expresiones se puede determinar el valor de p
0
, que tiene una frmula
bastante complicada y, a continuacin, calcular numricamente los valores de p
k
que
caracterizan el comportamiento del sistema

y, a partir de ellos, los de las magnitudes
operacionales como el tiempo de respuesta y el nmero de clientes en el sistema.
3.6.9. CONCLUSIN
En los casos que se acaban de estudiar se observa que si no hay restricciones ni en la
poblacin ni en la capacidad del sistema servidor-cola, el clculo de la probabilidad p
0
, a
partir de ella, el de las restantes probabilidades de estado y las magnitudes operacionales
(nmero de clientes en el sistema, tiempo medio de respuesta, etc.) exigen la suma de una
serie infinita, para llegar a expresiones calculables; se trata pues de un problema analtico.
Por el contrario, cuando hay alguna limitacin en la poblacin o en la capacidad del sistema,
el nmero de estados es finito y la suma a realizar para el clculo de p
0
lo es tambin. Se est
pues frente a un problema numrico ya que, disponiendo de un elemento de clculo
suficiente, siempre es posible llegar a obtener el resultado.
38
3.7. COLA M/G/1
Las colas de este tipo son las que cumplen las hiptesis siguientes:
- Manantial infinito.
- Los intervalos de tiempo entre dos llegadas consecutivas estn distribuidos segn una ley
exponencial de valor medio t
m
= 1/, (, nmero de llegadas por unidad de tiempo), lo cual
es equivalente a que las llegadas se produzcan segn un proceso aleatorio de Poisson.
- El tiempo de servicio es tambin una variable aleatoria que puede estar distribuida segn
cualquier funcin. El grado de aleatoriedad de la distribucin, que ser necesario para
caracterizarla, viene definido por el coeficiente cuadrtico de variacin que es la relacin
entre su varianza y el cuadrado de su media.
2
2
2
s
K
s
s

=
- El valor medio del tiempo de servicio ser s = 1/, siendo entonces el nmero medio de
clientes que la estacin puede atender por unidad de tiempo.
- La disciplina de la cola es FIFO.
- Para que la cola alcance un rgimen estacionario estable, y no tienda a una longitud
infinita, es preciso que se cumpla la condicin de estabilidad que exige que el tiempo
medio de servicio sea inferior al tiempo medio entre llegadas o que la capacidad de servicio
sea superior a la frecuencia de llegada .
- Un solo servidor.
En estas circunstancias son aplicables las frmulas de Khintchin-Pollaczek
3
, en las que
interviene el factor de utilizacin de la estacin de servicio que mantiene la definicin de la
cola M/M/1, = / = s, que representa, como en la cola M/M/1, la probabilidad de que la
estacin de servicio este ocupada.
Las frmulas de Khintchin-Pollaczeck permiten el clculo del valor medio del nmero de
clientes y del tiempo de respuesta. La deduccin completa de las probabilidades de los
distintos estados requiere un tratamiento ms complejo, ya que al no ser exponencial la ley de
servicio, el comportamiento del proceso depende de su historia anterior.
3.7.1. DEDUCCIN POR EL CLIENTE MARCADO
Sea un sistema que responde a las especificaciones de una cola M/G/1. Entonces una nueva
llegada al sistema encontrar en promedio N clientes en l. De stos, en promedio, estn
recibiendo servicio y N - en la cola de espera. Cada uno de los clientes en cola recibir un
servicio promedio de s = 1/, como l mismo. Si se representa por R
0
el tiempo de servicio
restante del cliente que se halla en la estacin, o tiempo residual, se puede escribir que el
tiempo de respuesta de la nueva llegada ser
R = R
0
+ (N - )s + s
Sustituyendo en esta ecuacin el tiempo de respuesta a partir de la ley de Little
N / = R
0
+ (N - )s + s

3
Segn el texto estas frmulas se conocen como de Khintchin-Pollaczek, o de Pollaczek-Khintchin, o de
Pollaczek, o de Khintchin.
39
y despejando N, se obtiene

+ =
1
0
R N
Queda por determinar el tiempo residual R
0
. Para ello se pueden imaginar los intervalos de
servicio consecutivos dispuestos de forma contigua en un eje de tiempos, es decir eliminando
los perodos de inactividad del servidor. La secuencia resultante de intervalos independientes
e idnticamente distribuidos constituye un proceso de renovacin. Los puntos finales de los
intervalos de renovacin se denominan pocas de renovacin. Interesa la variable aleatoria
que representa el tiempo entre una observacin aleatoria y la siguiente poca de renovacin;
es decir, el tiempo residual del intervalo de renovacin.
Sean f(x), s y M
2
respectivamente la funcin de densidad de probabilidad, la media y el
momento de segundo orden del intervalo de renovacin. Sea A un perodo de tiempo muy
largo sobre el que se han dispuesto los intervalos de renovacin. Puesto que en promedio
habr A/s intervalos de renovacin en el perodo A, y puesto que un intervalo de renovacin
es de longitud x con probabilidad f(x)dx, el nmero medio de intervalos de renovacin de
longitud x durante el perodo A es igual a
( )
s
dx x Af

Por lo tanto, la porcin promedio de A cubierta por intervalos de longitud x es igual a
( )
s
dx x Axf

El punto de observacin aleatorio, por definicin, puede caer con igual probabilidad en
cualquier instante de A; por consiguiente, la probabilidad g(x)dx que el intervalo observado de
renovacin sea de longitud x viene dada por
( )
( )
s
dx x xf
dx x g =
de donde se obtiene la longitud media, m
r
, del intervalo de renovacin observado vale
( )
( )
s
M
s
dx x f x
x d x xg m
r
2
0
2
0
= = =



Se observa que m
r
es siempre mayor o igual que s, dndose la igualdad slo cuando la
varianza de los intervalos de renovacin es cero. Puesto que el punto de observacin es
equiprobable sobre todo el intervalo observado, el tiempo residual es igual a
s
M m
R
r
2 2
2
0
= =
Substituyendo este resultado en la ecuacin en que se calculaba el tiempo de respuesta, se
tiene
( )

+ =
1 2
2
2
M
N
40
de donde se obtiene que el nmero medio de clientes en la estacin de servicio es:
( )
( )
( )
|
|
.
|

\
|
+

+ = +

+ =
2
2 2
2
2
1
1 2
1
1 2 s
K N
s
s

y el tiempo medio de permanencia en la estacin de servicio es:
( )
( )
( )
(
(

|
|
.
|

\
|
+

+ =
(

+ =
2
2
2
1
1 2
1 1
1 2
1
s
s K s R
s
s

Cuando la distribucin de tiempos de servicio es exponencial, 1
2
=
s
K , estos valores son:

=
1
N
y

=
1
s
R
que coinciden con las ecuaciones halladas en el apartado 3.6.1, como caba esperar, pues se
trata de una cola M/M/1.
Estas frmulas se simplifican tambin cuando el tiempo de servicio en constante M
2
= s
2
, y
por lo tanto 0
2
=
s
K .
( )
( )

=
1 2
2
N
y
( )
( )

=
1 2
2 s
R
Las frmulas de Khintchin-Pollaczeck del tiempo de respuesta y del nmero medio de
clientes en el sistema se encuentran representadas en los grficos de las figuras 3.17 y 3.18.
41
0.0 0.2 0.4 0.6 0.8 1.0
0
10
20
K
s
2
= 1
K
s
2
= 0.64
K
s
2
= 0.36
K
s
2
= 0.16
K
s
2
= 0.04
K
s
2
= 0
Utilizacin
N

m
e
r
o

m
e
d
i
o

d
e

c
l
i
e
n
t
e
s

e
n

e
l

s
i
s
t
e
m
a

Figura 3.17.
0.0 0.2 0.4 0.6 0.8 1.0
0
10
20 K
s
2
= 1
K
s
2
= 0.64
K
s
2
= 0.36
K
s
2
= 0.16
K
s
2
= 0.04
K
s
2
= 0
T
i
e
m
p
o

d
e

r
e
s
p
u
e
s
t
a
/
T
i
e
m
p
o

d
e

s
e
r
v
i
c
i
o
Utilizacin

Figura 3.18
3.7.2. DEDUCCIN POR LA FUNCIN GENERATRIZ
Se consideren los clientes que llegan a una estacin segn un proceso de Poisson a razn de
llegadas por unidad de tiempo. El tiempo de servicio del cliente tiene una funcin de
distribucin de probabilidad
42
F(t) = Pr[t
s
t]
y una funcin de densidad de probabilidad
f(t) = dF(t)/dt
Se observa el nmero de clientes en la cola en los instantes de salida de clientes del servidor,
es decir en los instantes en que se ha completado el servicio. Dado el nmero de clientes en el
sistema en un instante de salida determinado, el nmero de clientes en el sistema en instantes
de salida futuros depende solo de las nuevas llegadas y de las ocupaciones anteriores. Es decir
la sucesin de estados de clientes forma una cadena de Markov incluida. Se supone que el i-
simo cliente deja el sistema no vaco con n
i
clientes. En ese instante empieza el servicio del
(i + 1)-simo cliente. Mientras se ejecuta este servicio, continan llegando clientes. Si se
representa por a
i + 1
el nmero de llegadas durante ese servicio, el estado del sistema en la
siguiente salida viene entonces dado por
n
i + 1
= n
i
- 1 + a
i + 1
, para n
i
1
Si la salida del i-simo cliente deja el sistema vaco, la ecuacin que describe el proceso es
ligeramente diferente. El (i + 1)-simo cliente que sale lleg al sistema cuando estaba vaco,
por lo que deja detrs de l slo los clientes que han llegado durante su servicio y por lo tanto
se tiene
n
i + 1
= a
i + 1
, para n
i
= 0
Se observa que en las ecuaciones anteriores, el nmero de nuevas llegadas es el de las que se
producen durante el servicio. La dinmica del estado puede resumirse en la siguiente
ecuacin
n
i + 1
= n
i
- U(n
i
) + a
i + 1
donde la funcin U(x) es la funcin escaln unitario definida como
U(x) = 0, si x 0
U(x) = 1, si x > 0
Se considera ahora la dinmica del estado, es decir, el nmero de clientes en el sistema en el
instante de la salida. Este estado cambia de un instante de salida a otro con una sola salida y
con las nuevas llegadas. No es difcil demostrar que la probabilidad de retorno a cualquier
estado en cualquier instante futuro es mayor que cero siempre que la cola sea estable, es decir
que el nmero medio de llegadas en un intervalo de tiempo sea igual al nmero medio de
salidas. Esto suceder cuando la frecuencia de llegada de clientes durante un servicio sea
menor que uno y en ese caso existir una distribucin de probabilidad en rgimen
permanente.
Las ecuaciones anteriores caracterizan completamente la evolucin de la cadena de Markov
incluida en los instantes de salida. El trmino aleatorio en esas ecuaciones es el nmero de
llegadas a
i
. La distribucin de probabilidad de esta variable aleatoria determinar
completamente las caractersticas de la cadena. Ntese que, puesto que a
i
es el nmero de
llegadas durante un servicio, ambas distribuciones intervienen en su definicin.
Para una distribucin general del tiempo de servicio slo los instantes de salida son puntos
incluidos convenientemente en la cadena de Markov del nmero de clientes en la cola. Slo
los tiempos de servicio distribuidos exponencialmente tienen la propiedad de falta de
43
memoria. Por lo tanto, para un punto dentro de un tiempo de servicio perteneciente a una
distribucin cualquiera, el sistema no puede caracterizarse solamente por el nmero de
clientes en el sistema. Es necesario conocer tambin cuanto tiempo hace que se ha iniciado el
servicio. Ello lleva pues a un modelo mucho ms complicado.
La distribucin en rgimen permanente puede hallarse empezando por el clculo de sus
valores medios. Calculando la esperanza matemtica en ambos miembros de la ecuacin de la
cadena de Markov incluida se encuentra que existe ese rgimen permanente (cuando i tiende
a infinito),
lim E[n
i + 1
] = lim E[n
i
] = n
y se tiene que
lim E[U(n
i
)] = lim E[a
i + 1
]
E[a
i + 1
] es la esperanza matemtica del nmero de clientes llegados al sistema durante un
servicio. Hay dos cantidades aleatorias implicadas en a
i + 1
, la duracin del servicio del cliente
y el nmero de llegadas mientras un cliente recibe servicio. Se calcula ponderando por la
duracin del servicio del cliente y luego promediando sobre l,
| | | | ( ) ( ) ( ) s dt t tf dt t tf dt t f t t a E a E
s i i
= = = = =


+ +
0 0 0
1 1
|
donde s, como en el apartado anterior, es el tiempo medio de servicio de un cliente. Si como
es habitual se denomina = s, la condicin de estabilidad sigue siendo que < 1.
Volviendo a la ecuacin de la cadena de Markov incluida, el trmino U(n
i
) es la funcin
indicador del acontecimiento que el nmero de clientes en el sistema sea mayor que 0. De
acuerdo con ello, se tiene
E[U(n
i
)] = Pr[ms de cero clientes] = 1 - P
0
donde P
0
es la probabilidad que el sistema est vaco. La ecuacin de la cadena de Markov
incluida se transforma entonces en
P
0
= 1 -
en que ha desaparecido la dependencia de la i.
Una de las tcnicas estndar para analizar ecuaciones en diferencias, tales como la de la
cadena de Markov incluida, es mediante la funcin generatriz de probabilidad del estado del
sistema que se define como
( ) | | | |

=
= = =
o k
i
k n
i
k n z z E z P
i
Pr
Aplicndola a esa ecuacin, se tiene
( )
( )
| |
1
1
+
+
+
=
i i i
a n U n
i
z E z P
El nmero de llegadas durante el servicio de un cliente es independiente del nmero de
clientes en el sistema y, por lo tanto, se puede escribir
( )
( )
| | | |
1
1
+

+
=
i i i
a n U n
i
z E z E z P
44
Debido a la estacionaridad se puede suprimir la dependencia de i y escribir A(z) = E[z
a
]. El
anlisis del otro trmino muestra que
( )
| |
( )
| | | |


=

=

= = + = =
(

=
1
1
0
0
Pr Pr
k
i
k
i
k
k U k n U n
k n z P k n z z E
i i

| | ( ) | |
0
1
0 0
0
1
0
Pr Pr P z z P P k n z z P
k
i
k
+ =
(

= + =


A partir de las ecuaciones anteriores, se puede escribir
( ) ( ) ( ) | | ( ) z A P z z P z P
i 0
1
0 1
Pr + =

+

Suponiendo que se alcanza el estado estacionario cuando i tiende a infinito, se tiene
lim P
i + 1
(z) = lim P
i
(z) = P(z)
y utilizando que P
0
= 1 - , se tiene
( )
( )( ) ( )
( ) z z A
z A z
z P


=
1 1

Esta funcin permite encontrar los momentos de la distribucin del nmero de clientes en el
sistema. Quitando denominadores y derivando sucesivamente, se tiene
P'(z) [A(z) - z] + P(z) [A'(z) - 1] = (1 - ) (-1) A(z) + (1 -) (1 - z) A'(z) =
=P''(z) [A(z) - z] + 2 P'(z) [A'(z) - 1] + P(z) A''(z) = 2 (1 - ) (-1) A'(z) + (1 -) (1 - z) A''(z)
Si se hace z = 1, puesto que A(1) = P(1) = 1, se tiene
( )
( ) ( )
( )
( )
( ) | | 1 ' 1 2
1 ' '
1 ' 1
1 ' 1
1 '
A
A
A
A
P n


= =
Se ha definido A(z) como la funcin generatriz de probabilidad del nmero de llegadas,
distribuido segn Poisson, durante el tiempo de servicio de un cliente. Si se condicionas por
el tiempo de servicio y luego se promedia sobre la densidad del tiempo de servicio, es decir,
( ) | | | | ( )

= = = =
0
servicio de tiempo | dt t f t z E z E z A
a a

( )
( )
( )
( ) ( ) | | z F dt t f e dt t f
n
e t
z
z t
n
t n
n
= =


=

1
!
*
0
1
0
0

donde F
*
(s) es la transformada de Laplace de f(t). Esta ecuacin expresa la relacin entre la
transformada de Laplace de la densidad del tiempo de un intervalo aleatorio y la funcin
generatriz de la probabilidad del nmero de llegadas poissonianas en el intervalo.
Diferenciando A(z) con respecto a z y haciendo z = 1, se encuentra
( ) ( ) = = =
=
s F z A
z
0 ' | '
*
1

( ) ( )
2
2 * 2
1
0 ' ' | ' ' M F z A
z
= =
=

donde M
2
es el momento de segundo orden del tiempo de servicio. Substituyendo, se tiene
45
( )

+ =
1 2
2
2
M
N
que es la frmula de Khintchin-Pollaczeck, idntica a la obtenida en el apartado 3.7.1.
3.8. MODELO DE SKINNER
Se considera el sistema representado en la figura 3.19 en el que las llegadas se producen
segn un proceso de Poisson de media . El servidor atiende un servicio de duracin A, donde
A es una variable aleatoria con distribucin arbitraria F
A
(t). Despus de atender el servicio, el
servidor permanece latente, es decir sin ir a explorar la cola en busca de nuevos clientes,
durante un tiempo B, donde B es una variable aleatoria, que puede depender de A, y cuya
distribucin es F
B
(t). Sea Z la suma de A y B y F
Z
(t) la funcin de distribucin de Z. Despus
de un ciclo de servicio y latencia, el servidor inspecciona la cola para ver si hay clientes en
ella. Si la cola no est vaca, empieza un nuevo perodo de servicio. Si la cola est vaca el
servidor empieza una nueva latencia C , que es una variable aleatoria independiente de A y B
y cuya funcin de distribucin es F
C
(t).

A
B C

Figura 3.19.
La principal diferencia del modelo de Skinner con respecto al modelo M/G/1 es que ya no
supone la carencia de memoria cuando el sistema est ocioso. Los nicos puntos que cumplen
con la propiedad de Markov son los instantes en que el servidor inspecciona la cola.
En estas circunstancias, el tiempo medio de respuesta de un servidor de este tipo es
A
z
Z
C
C
m
m
M
m
M
R +

+ =
1 2
1
2
2 2

donde m
A
, m
Z
y m
C
son los valores medios de las distribuciones de las variables A, Z y C,
respectivamente y donde M
2Z
y M
2C
son los momentos de segundo orden de las distribuciones
de las variables Z y C.
3.9. COLAS CON PRIORIDADES
3.9.1. COLAS CON PRIORIDADES SIN INTERRUPCIN
Se considera ahora el caso en que el orden de servicio viene fijado por prioridades asignadas
externamente. La poblacin de clientes se escinde en un conjunto de C clases distintas,
numeradas 1, 2, ... . Este conjunto puede ser finito o infinito. Los ndices de clase i tienen
prioridad sobre los de clase j, si i < j.
Los modelos que se consideran se caracterizan por tener las llegadas al sistema de los clientes
de las distintas clases distribuidas segn procesos de Poisson independientes de frecuencia
i
.
El servicio lo suministra una estacin con un solo servidor, que atiende a los clientes de la
misma clase en orden FIFO. La estacin no puede estar ociosa cuando hay clientes en el
sistema. Si hay clientes de distintas clases esperando servicio, se sirven primero los de
prioridad ms alta (ndice de clase ms bajo).
46
Hay varias posibilidades respecto a la accin a tomar cuando llega un cliente de prioridad
ms alta que el que est recibiendo servicio en aquel instante.
En este modelo se considera que el nuevo cliente espera hasta que se completa el servicio del
que est en el servidor. Es la disciplina de prioridad no interruptiva: despus de la
terminacin de cada servicio, se selecciona y sirve hasta su terminacin el cliente en espera
de mayor prioridad.
Los tiempos de servicio de los clientes de clase i tienen una distribucin de tipo general de
media s
i
= 1/
i
y momento de segundo orden M
2i
. Se representa por
i
=
i
/
i
=
i
s
i
la
ocupacin que la clase i provoca en el servidor.
La condicin de estabilidad es que el servidor debe ser capaz de atender a los clientes que
llegan, es decir
1
1
<

=
C
i
i

En estas condiciones se quiere saber en rgimen estacionario el nmero medio N
i
de clientes
de clase i que hay en el sistema y el tiempo medio de respuesta R
i
de los clientes de esta clase.
El nmero medio de clientes de clase i que hay en el servidor recibiendo servicio es
i
y es
tambin la probabilidad que cuando llegue un cliente al sistema halle en el servidor un cliente
de clase i. Si hay en servicio un cliente de clase i, el tiempo de servicio restante R
0i
, es como
se ha visto en el apartado 3.7.,
i
i
i
s
M
R
2
2
0
=
Por consiguiente, el tiempo de espera total R
0
provocado por algn cliente que est recibiendo
servicio ser

= =
= =
C
i
i i
C
i i
i
i
M
s
M
R
1
2
1
2
0
2
1
2

Se considera ahora el tiempo de respuesta R
1
, de los clientes de mxima prioridad. Adems de
R
0
, este tiempo de respuesta comprende los tiempos de servicio de todos los clientes que haya
en la cola (en promedio N
1
-
1
) cuando llegue al sistema y su propio tiempo de servicio, es
decir
R
1
= R
0
+ (N
1
-
1
)s
1
+ s
1
De la ley de Little se tiene que N
1
=
1
R
1
. Substituyendo y despejando R
1
se tiene
1
0
1 1
1
+ =
R
s R
Para examinar ahora el tiempo de respuesta medio R
2
de los clientes de clase 2, conviene
hacer la siguiente observacin: se supone que un cliente de clase 2, cuando llega y en funcin
de los clientes que hay en espera de clase 1 y de clase 2 tiene que esperar un tiempo T. Todos
los clientes de clase 1 que lleguen durante el tiempo T sern servidos antes que l. Puesto que
el cliente de clase 1 utiliza el servidor
1
por unidad de tiempo, esto causa un retardo
adicional de
1
T. Pero los clientes de clase 1 que lleguen en este perodo debern ser servidos
47
provocando un retardo adicional de
1
2
T, etc. Es decir, el retardo inicial T del cliente de clase
2 se transforma en
( )
1
2
1 1
1
... 1

= + + +
T
T
debido a la llegada de clientes de clase 1.
Al llegar, un cliente de clase 2 esta sujeto a los retrasos del cliente en servicio (en promedio
R
0
), de los clientes de clase 1 en la cola (en promedio (N
1
-
1
)s
1
) y de los clientes de clase 2
en la cola (en promedio (N
2
-
2
)s
2
). Cada una de estas esperas se transforma por el factor
( )
1
1 / 1 a causa de las llegadas de clientes de clase 1. Adems hay que considerar el propio
tiempo de servicio. La expresin de R
2
toma la forma
( ) ( ) | |
2
1
2 2 2 1 1 1 0 2
1
1
s s N s N R R +

+ + =
Sustituyendo N
1
=
1
R
1
, donde R
1
toma la expresin antes calculada, y N
2
=
2
R
2
, y
despejando R
2
, se obtiene
( )( )
2
2 1 1
0
2
1 1
s
R
R +

=
Se puede ahora escribir una frmula similar para los clientes de clase j. Si los clientes de las
clases 1, 2, ..., j - 1 se mezclan en una sola clase H y se sirven con disciplina FIFO, ello no
afectar a los clientes de clase j. La clase H sera la de mxima prioridad y la clase j sera la
siguiente. El valor de R
0
seguir siendo el mismo. La utilizacin de la clase H,
H
, ser igual a

H
=
1
+
2
+ ... +
j - 1
Aplicando la frmula de R
2
a la clase j, se tiene
( )( )
j
j
i
i
j
i
i
C
i
i i
j
j H H
j
s
M
s
R
R +
|
|
.
|

\
|

|
|
.
|

\
|

= +

=

=
=
1
1
1
1
2
0
1 1 2
1 1

Los nmeros medios de clientes de cada clase se obtienen aplicando la ley de Little, N
i
=
i
R
i
.
3.9.2. COLAS CON PRIORIDADES CON INTERRUPCIN
En este caso si se produce la llegada de un cliente de mayor prioridad que el que est
recibiendo servicio, ste queda interrumpido. Segn el mtodo de relanzamiento del servicio
del cliente interrumpido estos sistemas se pueden clasificar en:
- relanzamiento con el tiempo restante: cuando se relanza el servicio del cliente solo ha de
completar el tiempo que le restaba.
- relanzamiento con el mismo tiempo de servicio: cuando se relanza el servicio del cliente se
reinicia con el mismo tiempo que cuando fue interrumpido.
- relanzamiento con un tiempo de servicio diferente: cuando se relanza el servicio del cliente
se reinicia con un tiempo de servicio distinto del que tena cuando fue interrumpido.
48
En el primero de estos supuestos, de los dos componentes del tiempo de respuesta que
aparecan en las frmulas del apartado anterior, el tiempo de espera, W
i
, y el tiempo de
terminacin del servicio, h
i
, es decir desde que se inicia hasta que se termina el servicio, se
puede decir que:
- Puesto que en caso de haber clientes de menor prioridad recibiendo servicio cuando llega el
cliente marcado, estos clientes son interrumpidos en su servicio, no es necesario considerar
los tiempos residuales de servicio de las clases desde la i + 1 hasta la C. As pues, se puede
escribir que:
|
|
.
|

\
|

|
|
.
|

\
|

=
=
j
i
i
j
i
i
j
i
i i
j
M
W
1
1
1
1
2
1 1 2

- El tiempo de terminacin del servicio, h
i
, comprende el tiempo de servicio s
i
ms los
tiempos debidos a las interrupciones debidas a las llegadas de clientes de mayor prioridad
(fig. 3.20). Durante h
i
, se producirn
i
h
i
llegadas de clase i, para i = 1, 2, , i - 1, que
ocuparn cada una de ellas el servidor durante s
i
. Por lo tanto se tiene:
Tiempos de interrupcin por
clientes de mayor prioridad
Tiempo de servicio
Tiempo de terminacin
Sin interrupcin
Con interrupcin

Figura 3.20

=
+ =
1
1
j
i
i i j j j
h h s h
de donde el tiempo de terminacin del servicio vale:
C j
s
h
j
i
i
j
j
,..., 2 , 1 para ,
1
1
1
=

=

=

De donde resulta que el tiempo de respuesta para la clase j vale ahora:
(
(
(
(
(

+
|
|
.
|

\
|

=
=

=
j
j
i
i
j
i
i i
j
i
i
j
s
M
R
1
1
2
1
1
1 2 1
1

49
En los casos sin recuperacin, se efectuara un clculo similar del tiempo de respuesta
teniendo en cuenta en cada caso la duracin de la terminacin del servicio, h
i
, que variara
para cada uno de ellos, pero no el tiempo de espera, W
i
, que sera el mismo en los tres casos.
3.10. SISTEMAS MULTI-COLA
Un sistema en que un cierto nmero de colas se sirve de acuerdo con una cierta disciplina se
denomina un modelo multi-cola. La figura 3.21 muestra un modelo multi-cola de tipo cclico
que aparece, por ejemplo, en los sistemas de polling en comunicacin de datos, en que un
controlador examina las peticiones de transmisin de cada estacin (cola), la procesa si las
hay y pasa a la siguiente estacin secuencialmente.
Los sistemas multi-cola se clasifican por las disciplinas de servicio de las colas, como
muestra la figura 3.22, en:
- Modelo exhaustivo: el servidor pasa a la siguiente cola despus de haber servido todos los
clientes de la cola, incluidos los que han llegado durante el perodo de servicio.
- Modelo con puerta: el servidor pasa a la siguiente cola despus de haber servido todos los
clientes de la cola llegados antes del inicio del perodo de servicio.
Colas
2
N
1

N

Figura 3.21.
Exhaustivo
Con puerta
Limitado
Clientes en espera cuando llega el servidor
Clientes llegados durante la visita del servidor
Clientes servidos

Figura 3.22.
50
- Modelo limitado: el servidor pasa a la siguiente cola despus de haber servido como
mximo un nmero determinado de clientes de la cola, incluidos los que han llegado
durante el perodo de servicio.
El tiempo que requiere el servidor para ir de una cola a la siguiente, se denomina tiempo de
paso o de movimiento. Si las caractersticas del trfico (frecuencia de llegada, tiempo de
servicio, etc.) y el tiempo de paso son idnticos para todas las colas, el modelo se denomina
simtrico y, en caso contrario, asimtrico.
Para estudiar este modelo se usar la notacin siguiente:

i
Frecuencia de llegada a la cola i.
s
i
Tiempo medio de servicio de la cola i.
M
2i
Momento de segundo orden del tiempo de servicio de la cola i.
u
i
Tiempo medio de paso de la cola i a la siguiente.
U
2i
Momento de segundo orden del tiempo de paso de la cola i a la siguiente.

i
Variancia del tiempo de paso de la cola i a la siguiente.
El ciclo se define como el intervalo de tiempo desde el instante en que el servidor empieza el
servicio en una cola hasta que la visita de nuevo. Si a
i
es la probabilidad que haya algn
cliente en la cola i cuando la visita el servidor y c
i
es el ciclo medio de esa cola, se tiene
entonces:
a
i
=
i
c
i

Si hay N colas, el tiempo total de paso es

=
=
N
i
i
u c
1
0

y se deduce que

=
+ =
N
i
i i i
s a c c
1
0

De las ecuaciones anteriores se deduce que
c
c
c
i


=
0
0
1

donde

=
=
N
i
i i
s
1
0

es la utilizacin del servidor. Puesto que c
0
y
0
son independientes de i, tambin lo es el ciclo
medio que se ha denominado c.
3.10.1. MODELO EXHAUSTIVO
Se supone que las llegadas son poissonianas y el tiempo de servicio es general para todas las
colas. El intervalo desde que el servidor deja la cola hasta que regresa a ella se denomina
tiempo inter-visitas. El tiempo medio de espera en la cola i vale
51
( )
i
i i
i
i
Ei
M
v
V
W

+ =
1 2 2
2 2

donde
i
=
i
s
i
es la carga ofrecida por la estacin i y v
i
y V
2i
son, respectivamente, la media
y el momento de segundo orden de tiempo inter-visitas para la cola i. La ecuacin anterior
puede interpretarse como sigue: el tiempo medio de espera es la suma del tiempo residual
inter0visitas y el tiempo medio de espera de una cola de tipo M/G/1. Si C
2i
es el momento de
segundo orden del ciclo de la cola i, la ecuacin anterior puede escribirse como
( )
c
C
W
i
i Ei
2
1
2
=
Si el sistema es simtrico, se puede omitir el subndice i y queda
( )
0
0
1
1

=
c
v
( ) ( )
( )
2
2
0
2
0
2
2
1
1
1
1
v
uM N N N
V
u
+


+


=
( )( )
2
0
2
2
2
1 1
c
c M
N C
u
+

+
=
donde = s es la carga ofrecida por cada cola. Manipulando las ecuaciones anteriores se
obtiene que el tiempo medio de espera vale
( )
( )
0
2 0
2
1 2
1
2
+
+

=
M N c
u
W
u
E

3.10.2. MODELO CON PUERTA
Con las mismas hiptesis que en el caso anterior respecto de las llegadas y los servicios, se
puede escribir que el tiempo medio de espera en la estacin i vale
( )
c
C
W
i
Pi
2
1
2
+ =
Para el caso simtrico se puede escribir
( )( )
2
0
2
2
2
1 1
c
c M
N C
u
+
+
+
=
y substituyendo se obtiene el tiempo medio de espera
( )
( )
0
2 0
2
1 2
1
2
+ +
+

=
M N c
u
W
u
P

Conviene observar que la nica diferencia con el caso anterior reside en el cambio de un
signo en el numerador del segundo sumando.
52
3.10.3. MODELO LIMITADO
El anlisis de este modelo es bastante complicado. Aqu se presenta solo el resultado para el
modelo simtrico con colas de tipo M/G/1 y una limitacin de un cliente.
Si se marca un cliente y se denomina Q
d
el nmero de clientes que llegan a la misma cola
durante la permanencia del cliente marcado en el sistema, entonces Q
d
es igual al nmero de
clientes existentes en la cola despus de salir el cliente marcado. Luego, si W
L
es el tiempo
medio de espera, de la frmula de Little se tiene que
( ) s W Q
L d
+ =
Utilizando la funcin generatriz de la probabilidad conjunta para cada una de las colas, se
puede deducir que
( )
( )
(

+
+ + +
+

+ =
s u N
u M N
u
s Q
u u
d
1
1
2 2
2
2
2

Entre las dos ecuaciones anteriores se puede despejar W
L
y se obtiene
( )
( ) s u N
u M N
u
W
u u
L
+
+ + +
+

=
1
1
2 2
2
2
2

3.11. COLAS CON CLASES DE CLIENTES
Se considera una estacin M/M/1 con C clases de clientes, en la que
c
representa la
frecuencia de llegada de la clase c, en la que k = k
1
+ k
2
+ + k
c
+ + k
C
es el nmero total
de clientes que hay en la estacin, k
c
el nmero de clientes de clase c y en la que la capacidad
media del servidor para la clase c es
c
.
3.11.1. COLA CON SERVIDOR COMPARTIDO.
La poltica de la cola es de servidor compartido, es decir que el tiempo del servidor se lo
reparten en quanta de tiempo infinitesimales todos los clientes presentes en el sistema
avanzando todos a la misma velocidad. Sea el estado del sistema definido por el vector
( )
C
k k k k ..., , ,
2 1
=
La distribucin de estados en rgimen estacionario viene definido por las ecuaciones de
equilibrio (similares a las establecidas en la ecuacin de Kolmogorov).
( ) = |
.
|

\
|
+

= =
C
c
c
c
C
c
c C
k
k
k k k p
1 1
2 1
..., , ,
( ) ( ) ( )

= =
+
+
+ + > =
C
c
c
c C c
C
c
c c C c
k
k
k k k k p k I k k k k p
1
2 1
1
2 1
1
1
..., , 1 ..., , , 0 ..., , 1 ..., , ,
( ) 0 ..., , , para
2 1

C
k k k
La notacin I(B) es funcin del booleano B, de forma que I(B) = 1 si B es cierto y 0 si es
falso.
Es fcil comprobar por sustitucin directa que la solucin del sistema anterior que satisface la
ecuacin de normalizacin
53
( ) 1 ..., , ,
2 1
=

k
C
k k k p
para todos los posibles estados, viene dada por
( ) ( )

=

=
C
c c
k
c
C
k
k k k k p
c
1
2 1
!
! 1 ..., , ,
donde
c
=
c
/
c
y =
1
+
2
+ +
c
+ +
C
(para que exista el rgimen estacionario
preciso que < 1, que es la condicin de estabilidad).
Ntese que, en lo que concierne el nmero total de clientes k, la cola con servidor compartido
es equivalente a la cola FIFO con factor de utilizacin , ya que si se suman todas las
( )
C
k k k p ..., , ,
2 1
tales que la suma de todas las k
c
sea igual a k, se obtiene
p(k) = (1 - )
k
3.11.2. COLA CON SERVIDOR INTERRUMPIBLE.
Sea ahora el caso en que la poltica de la cola sea de servidor interrumpible, gestionndose los
clientes interrumpidos por la llegada de nuevos clientes con una pila desde la que se
reemprende su ejecucin.
El estado se define ahora por el vector de longitud variable (c
1
, c
2
, , c
k
), donde el nmero
de elementos es igual al nmero de clientes que ha requerido servicio y el i-simo elemento
es el ndice de la clase del cliente que ocupa la i-sima posicin en la pila, siendo el primer
cliente el que recibe servicio y estando en espera (interrumpidos) los restantes.
Las ecuaciones de equilibrio son
( ) ( ) ( ) ( ) ( )

= =
+ > =
(

> +
k
j
c k c k c
k
j
j k
c c c p c I c c p c I c c c p
1
2 1 1 2 1
1
2 1
1 1 1
,..., , 0 ,..., 0 ,..., ,
y su solucin, sujeta al cumplimiento de la ecuacin de normalizacin, es
( ) ( )

=
=
k
j
c
k
i
c c c p
1
2 1
1 ,..., ,
siempre que < 1, y donde el producto toma el valor 1 si el estado es 0 (sistema vaco).
Si se desea encontrar la distribucin estacionaria del estado agregado del sistema
( )
C
k k k ..., , ,
2 1
, se deben sumar todos los vectores que tengan k
1
elementos de clase 1, k
2
de
clase 2,... y k
C
de clase C, lo cual da
( ) ( )

=

=
C
c c
k
c
C
k
k k k k p
c
1
2 1
!
! 1 ..., , ,
resultado que coincide con el del apartado anterior.
3.11.3. COLA CON ESTRATEGIA DE UN SERVIDOR POR CLIENTE.
En esta poltica (que se puede asimilar a una estacin de tipo M/M/) se requieren tantos
servidores como clientes puedan requerir servicio en un instante cualquiera; es decir, tan
pronto como llega un cliente se le asigna un servidor durante toda la duracin del servicio.
54
En el caso las ecuaciones de equilibrio estacionario son, teniendo en cuenta que la capacidad
de servicio es proporcional al nmero de clientes de cada clase,
( ) = |
.
|

\
|
+

= =
C
c
c c
C
c
c C c
k k k k k p
1 1
2 1
,..., ..., , ,
( ) ( ) ( ) ( )

= =
+ + + > =
C
c
c c C c
C
c
c c C c
k k k k k p k I k k k k p
1
2 1
1
2 1
1 ..., , 1 ..., , , 0 ..., , 1 ..., , ,
La solucin, cumpliendo con la ecuacin de normalizacin, viene dada por
( )

=

=
C
c c
k
c
C
k
e
k k k p
c c
1
2 1
!
..., , ,
Ntese que, aunque estas tres polticas presentan probabilidades en forma de producto, solo
en esta ltima se factoriza completamente en el producto de distribuciones de cada clase de
cliente, es decir, en este caso, las variables aleatorias k
1
, k
2
, ..., k
C
son independientes entre s,
mientras que en las polticas de servidor interrumpible y de servidor compartido no lo eran.
3.11.4. LEY DE COX.
Se va a definir ahora una familia de distribuciones de probabilidad generales que permitirn
relajar la suposicin de que el tiempo de servicio requerido est distribuido
exponencialmente.
Sea la red de N nodos de la figura 3.23. Nunca puede haber ms de un cliente en la red. Los
clientes entran en la red por el nodo 1. Despus de recibir servicio en el nodo n (con un
servicio distribuido exponencialmente con media 1/
n
), un cliente deja la red con
probabilidad b
n
, o pasa al nodo (n + 1) con probabilidad a
n
(donde a
n
+ b
n
= 1, para n = 1, 2,
, N - 1). Despus del nodo N, el cliente abandona forzosamente la red. Por lo tanto, la
probabilidad de que el cliente alcance el nodo n es A
n
= a
0
a
1
. a
n-1
(n = 1, 2, , N - 1, y a
0

= 1) y la de que el cliente visite los nodos 1, 2, , n y abandone la red es igual a A
n
b
n
. Por lo
tanto, el tiempo t, que un cliente pasa en la red es, con probabilidad A
n
b
n
, la suma de n
variables aleatorias independientes y distribuidas exponencialmente. El valor esperado para t
es

1

2

3

N
a
1
1 - a
1
1
a
2
a
3
1 - a
2
1 - a
3
a
N - 1

Figura 3.23.
| |

= = =

=

=
N
i
i
N
n
n
j j
n n
A
b A t E
1 1 1 1
1

Sea f(x) la funcin de densidad de probabilidad de t, y sea F(s) su transformada de Laplace.
Puesto que la transformada de Laplace de la funcin de distribucin del tiempo de servicio
del nodo n es
n
n
s +

se puede escribir
55
( )

= =
+

=
N
n
n
i i
i
n n
s
b A s F
1 1

El segundo miembro de esta expresin es una funcin racional de s, por lo que se puede
escribir
( )
( )
( ) s Q
s P
s F =
donde P(s) y Q(s) son polinomios. Adems, todas las races de Q(s) deben ser reales, el grado
de Q(s) debe ser mayor que el de P(s) y P(0)/Q(0) = F(0) = 1. Inversamente, cualquier
funcin de s, que satisfaga las condiciones anteriores, puede expresarse en forma de producto
de trminos
n
n
s +

, y, por consiguiente, cualquier distribucin, cuya transformada de


Laplace sea una funcin racional de esas caractersticas, puede representarse por una red de
Cox (figura 3.23) y denominarse distribucin de Cox.
Los tres modelos pueden revisarse suponiendo, en cada caso, que el tiempo de servicio para
los clientes de clase c (c = 1, 2, , C) tiene una distribucin de Cox con parmetros N
c

(numero de etapas), 1/
cn
(tiempo medio de servicio de la n-sima etapa, n = 1, 2, , N
c
), a
cn

(probabilidad de seguir hacia la (n + 1)-sima etapa, n = 0, 1, , N
c-1
, a
c0
= 1) y b
cn

(probabilidad de salir despus de la n-sima etapa, n = 1, 2, , N
c
, b
cN
= 1). El tiempo medio
de servicio de los clientes de clase c es

=

=

c
N
n cn
cn
c
A
1
1

donde

=
=
1
0
n
i
ci cn
a A
es la probabilidad que un cliente de clase c alcance la etapa n de su servicio.
Cuando los tiempos de servicio no estn distribuidos exponencialmente, el proceso
estocstico definido por el nmero (o vector de nmeros) de clientes en el sistema, no es
markoviano y no puede hallarse su distribucin en rgimen estacionario por medio de las
ecuaciones de equilibrio. No obstante, si estas distribuciones son coxianas, puede restaurarse
la propiedad markoviano mediante una adecuada redefinicin del estado del sistema y el
nuevo proceso puede estudiarse de la forma usual.
En el caso del servidor de tipo compartido, se define el estado del sistema como un vector de
vectores (v
1
, v
2
, , v
k
), donde
( )
c
cN c c c
k k k v ,..., ,
2 1
=
es un vector cuyo n-simo elemento es el numero de clientes que estn en la n--sima etapa
de su servicio. Tal como estn definidos los estados del sistema forman un proceso de
Markov, ya que todas las etapas estn distribuidas exponencialmente. Por consiguiente, se
puede escribir un conjunto de ecuaciones de equilibrio para la distribucin de (v
1
, v
2
, , v
k
)
en rgimen estacionario. Estas ecuaciones tienen en cuenta las transiciones desde un estado
hacia afuera y hacia ese estado desde su exterior, debidas a las llegadas de clientes de clase c
56
y debidas a los servicios completados en la etapa n del servicio de clase c (c = 1, 2, , C; n =
1, 2, , N
c
). La solucin de esas ecuaciones, sujeta a la ecuacin de normalizacin, viene
dada por
( ) ( )

= = (
(

|
|
.
|

\
|

=
C
c
N
n
k
cn
cn
cn
k
c C
c
cn
c
A
k
k v v p
1 1
1
!
1
! 1 ,...,
donde

=
=
c
N
n
cn c
k k
1

y

= = =
(

=
C
c
N
n cn
cn
c
C
c c
c
c
A
1 1 1

Si se suman las probabilidades de todos los estados tales que
c
N
n
cn
k k
c
=

=1

para

c = 1, 2, , C, se obtiene la distribucin del estado del sistema agregado (k
1
, k
2
, , k
C
),
donde slo se consideran los nmeros de clientes de las distintas clases y no las etapas de
servicio, obtenindose
( ) ( ) ( ) ( )

= = = =

=
(
(

|
|
.
|

\
|

=
(
(

|
|
.
|

\
|

=
C
c c
k
c
C
c
k
c
c
C
c
k
N
n cn
cn
k
c
C
k
k
k
k
A
k
k k k k p
c
c c
c
1 1 1 1
2 1
!
! 1
!
1
! 1
!
! 1 ,..., ,
expresin idntica a la obtenida en el apartado 3.11.1. En otras palabras, la distribucin del
vector agregado de estado depende slo de la media de los tiempos de servicio.
Cuando la poltica es de servidor interrumpible, se define el estado del sistema como el vector
de pares [(c
1
, n
1
), (c
2
, n
2
), , (c
k
, n
k
)], donde k es el nmero de clientes presentes y (c
j
, n
j
)
describe el j-simo cliente en la pila: c
j
es la clase y n
j
la etapa de servicio del cliente. As
definido, el estado forma un proceso de Markov. De forma similar a la anterior se puede
obtener la distribucin en rgimen estacionario, que viene dada por
( ) ( ) ( ) | | ( )

=
j j
j j j
n c
n c c
k k
A
n c n c n c p 1 , ,..., , , ,
2 2 1 1

Agregando todos los estados tales que el ndice de clase del primer cliente en la pila sea c
1
,
los del segundo sea c
2
, etc., da
( ) ( ) ( )

= =
=

=
k
j
c
k
j c
c
k
j
j
j
c c c p
1 1
2 1
1 1 ,..., ,
57
que es una expresin idntica a la hallada en 3.11.2. De nuevo, la distribucin de
( )
C
k k k ,..., ,
2 1
se hace insensible a la forma de la distribucin y depende slo del valor medio
del tiempo de servicio de cada clase.
Un resultado similar se halla en el caso de la disciplina de un servidor por cliente. Definiendo
el estado del sistema por el vector de vectores (v
1
, v
2
, , v
C
) como en el caso del servidor
compartido, se obtiene
( )

= =

|
|
.
|

\
|

=
C
c
N
n
k
cn
cn c
cn
C
c
cn
A
k
e v v p
1 1
1
!
1
,...,
La agregacin lleva a los mismos resultados que los obtenidos en el apartado 3.11.3.
3.12. COLAS G/G/1: MTODO DE DIFUSIN
La aproximacin por difusin es un intento de superar las limitaciones de los servidores
exponenciales considerando la media y la variancia de las distribuciones de los tiempos de
servicio. Se basa en el supuesto que los sistemas casi nunca estn vacos y, como se ver, la
calidad de la aproximacin realizada es tanto mejor cuanto ms prximo de la saturacin est
el servidor. Se aplica el teorema del lmite central para caracterizar las fluctuaciones del
nmero de clientes en el sistema y se sustituye el proceso de valores discretos por un proceso
de Markov continuo (el denominado proceso de difusin) con una distribucin similar de
incrementos infinitesimales. La distribucin de probabilidad de este proceso continuo se
describe entonces por una ecuacin de difusin, que se resuelve con las condiciones de
contorno apropiadas.
3.12.1. ENFOQUE BASADO EN EL TEOREMA DEL LMITE CENTRAL.
Sea el caso de una cola GI/G/1 y se va a proceder a su estudio efectuando las siguientes
manipulaciones:
- Suposicin de distribucin normal de las fluctuaciones del nmero de clientes en el
sistema.
Sea N(t) la variacin de la longitud de la cola entre los instantes t y t + . Entonces, para
suficientemente grande, N(t) debe seguir aproximadamente una distribucin normal con
E[N(t)] = ( - ) =
Var[N(t)] = (K
a
2
+ K
s
2
) =
donde es la frecuencia de llegada, la capacidad de servicio (o la inversa del tiempo
medio de servicio), K
a
2
es el coeficiente cuadrtico de variacin del tiempo entre llegadas
t
a
, es decir K
a
2
= var(t
a
)
2
, y K
s
2
el coeficiente cuadrtico de variacin de los tiempos de
servicio t
s
, es decir K
s
2
= var(t
s
)
2
.
- Sustitucin del proceso discreto por un proceso continuo.
Se aproxima el proceso de colas de valores discretos N(t) por un proceso continuo x(t),
cuyos cambios incrementales dx(t) estn distribuidos normalmente con media dt y
variancia dt, es decir
dx(t) = dt + z(t) (dt)
1/2
58

donde z(t) es un proceso gaussiano blanco. Si no se impone ninguna condicin de contorno
a x(t), entonces x(t) es un movimiento browniano con desplazamiento, que tiene una
distribucin de probabilidad p(x
0
, x, t) que satisface
( ) ( ) ( )
x
t x x p
x
t x x p
t
t x x p

, , , ,
2
, ,
0
2
0
2
0

donde x
0
es el valor inicial y p(x
0
, x, t)dx = Pr[x x(t) x + dt | x(0) = x
0
]
- Introduccin de las condiciones de contorno.
La ecuacin de difusin se resuelve ahora con la condicin de contorno x(t) > 0 (barrera
reflectante) o p(x
0
, x, t) = 0 para x < 0. Para el caso estacionario, la derivada respecto al
tiempo en la ecuacin anterior debe ser cero. Entonces la exigencia evidente
( ) 1 , ,
0
0
=

dx t x x p
lleva a la bien conocida condicin de estabilidad < 0 < y a la condicin de contorno
( )
( ) 0 en , 0 , ,
, ,
2
0
0
= =

x x x p
dx
x x dp

Con esta condicin de contorno, la solucin en rgimen permanente de la ecuacin de
difusin, que se representar, en consecuencia, como p(x), se determina de forma nica y es
( )

=
/ 2
2
e x p
- Discretizacin del proceso de difusin y ajuste para pocos clientes en el sistema.
La solucin en rgimen permanente del proceso de difusin es la anterior distribucin
exponencial. El proceso de colas original con valores discretos para el que se interpret la
distribucin geomtrica cuya variable es el nmero de clientes en el sistema n con el mismo
factor de decremento e
-2/
. Por la misma naturaleza de la suposicin bsica (el teorema del
lmite central) no se pueden esperar resultados significativos para pocos clientes en el
sistema n. Para distribuciones generales de los tiempos entre llegadas y de servicio, sin
embargo, se sabe que la probabilidad de tener la cola vaca es = 1 - /. Entonces se
ajusta la distribucin geomtrica para n = 0 y se usa

=
/ 2
e como factor de decremento.
Si se representa la distribucin aproximada del nmero de clientes en el sistema, construida
de esta forma, por (n), se obtiene
(n) = 1 - , si n = 0
(n) = (1 - )
n-1
, si n > 0
3.12.2. ENFOQUE BASADO EN EL PROCESO DE RETORNO INSTANTNEO
El proceso de difusin que se presenta aqu es una generalizacin del considerado como
estndar. Sea un proceso estocstico {X(t), t 0} (que se usar para aproximar el nmero de
clientes en la cola) que representa la posicin de una partcula movindose en el intervalo
cerrado [0, M] de la recta real. Cuando la partcula se halla en el intervalo abierto ]0, M[, su
movimiento est descrito por un proceso de difusin donde y son la variancia y la media
de la velocidad instantnea de cambio de X(t) y vienen dadas por
59
( ) ( ) | |
t
t X t t X E
t

+
=
0
lim
( ) ( ) | | | | ( ) ( ) | | | |
t
t X t t X E t X t t X E
t

+ +
=

2 2
0
lim
Cuando la partcula alcanza el lmite inferior del intervalo [0, M[ permanece en l durante un
perodo de tiempo h, que es una variable aleatoria, al final del cual "salta" instantneamente
de nuevo al intervalo abierto ]0, M], a un punto cuya posicin esta definida por la funcin de
densidad de probabilidad f
1
(x). Sea f
h
(r) la funcin de densidad de probabilidad de h y f
h
*
(s)
su transformada de Laplace cuya forma se puede admitir que es
( ) ( ) ( )

= =

= =
n
i
i
j j
j
i i h
sr
h
s
a b dr r f e s f
1 1
0
*
1
donde
a
i
= 1, si i = 1
1 0 y 1 si ,
1
1
< > =

=
j
i
j
j i
b i b a
Es decir, se trata de una distribucin de Cox.
Cuando la partcula alcanza su lmite superior en x = M, permanece all durante un perodo H
cuya funcin de densidad de probabilidad f
H
(r) es tambin de Cox y su transformada de
Laplace es
( ) ( ) ( )

= =

= =
m
i
i
j j
j
i i H
sr
H
s
A B dr r f e s f
1 1
0
*
1
donde
A
i
= 1, si i = 1
1 0 y 1 si ,
1
1
< > =

=
j
i
j
j i
B i B A
Al final del perodo de permanencia en x = M, la partcula retrocede instantneamente a un
punto aleatorio del intervalo ]0, M[ cuya posicin est determinada por la funcin de
densidad de probabilidad f
2
(x).
Si se introduce la definicin de y se observa que las medias de h y H son
| |
1
1

=
=

n
i i
i
a
h E
| |
1
1

=
=

m
i i
i
A
H E
y que las varianzas son
60
| |

=

=
n
i
i
i
a
h Var
1
2

| |

=

=
m
i
i
i
A
H Var
1
2

Es fcil ver que el proceso {X(t), t 0} tal como se ha definido no es markoviano ya que,
cuando la partcula est en uno de los extremos, el tiempo adicional que permanecer en l no
es independiente del tiempo que ha residido en l hasta el instante presente.
Sea f = f(x,t) la funcin de densidad de probabilidad del proceso estocstico {X(t), t 0} en el
intervalo abierto ]0, M] y sean A
x,t
y D
x,t
los operadores definidos por
2
2
,
2
1
x
f
x
f
t
f
f A
t x

=
x
f
f f D
t x

+ =
2
1
,

Adems, sea P
i
(t), 1 i n la probabilidad que la partcula est en la i-sima etapa del tiempo
de permanencia en el lmite inferior en el instante t y Q
i
(t), 1 i M para el lmite superior.
Con estas hiptesis, las ecuaciones que describen el comportamiento de la partcula son
( ) ( ) ( ) ( ) ( ) ( ) 0 1 1
1
2
1
1 ,
= + +

= =
m
i
i i i
n
i
i i i t x
x f t Q B x f t P b f A
( )
( )
( ) ( )

< +
= +
=

n i t P b t P
i f D t P
t P
dt
d
i i i i i
t
i
1 si
1 si
1 1 1
, 0 1 1

( )
( )
( ) ( )

< +
= +
=

m i t Q B t Q
i f D t Q
t Q
dt
d
i i i i i
t M
i
1 si
1 si
1 1 1
, 1 1

donde
(

+ =

f
x
f f D
x t
2
1
lim
0 , 0

(

+ =

f
x
f f D
M x t M
2
1
lim
,

| | ( ) | | ( )
1 1
,

= = H E h E
Estas ecuaciones son fciles de interpretar a partir de la siguiente deduccin. Sea un
subintervalo de ]0, M[. Se puede escribir
+
(



dx f
x
f
x
fdx
t
2
2
2
1

( ) ( ) ( ) ( ) ( ) ( )


=

=

+ +
m
i
i i i
n
i
i i i
dx x f t Q B dx x f t P b
1
2
1
1
1 1
61
que establece que la tasa variacin de probabilidad en es igual a la tasa de flujo de la
probabilidad de masa fuera de (primer sumando del segundo miembro) ms la tasa de flujo
hacia desde x = 0 y desde x = M (segundo y tercer sumandos). Para las otras dos ecuaciones
anteriores se puede escribir (se deduce slo para P)
( ) ( ) ( ) ( ) t tP b t P t t t P
i i i i i 1 1 1
1

+ = +
puesto que los tiempos en las etapas de la ley de Cox estn distribuidos exponencialmente;
agrupando los trminos, dividiendo ambos miembros por t y hacindolo tender a cero, se
obtiene la ecuacin deseada para 1 < i n. Para i = 1 se aplica un procedimiento similar, pero
teniendo en cuenta que D
0,t
f es el flujo de probabilidad de masa fuera del intervalo ]0, M[
hacia el lmite inferior y evidentemente en la primera etapa de la ley de Cox en x = 0.
Sean P(t) la probabilidad que la partcula est en el lmite inferior en el instante t y Q(t) la
probabilidad correspondiente al lmite superior
( ) ( ) ( ) ( )

= =
= =
m
i
i
n
i
i
t Q t Q t P t P
1 1

Derivando y sustituyendo se tiene
( ) ( ) ( ) f D t P b t P
dt
d
t
n
i
i i i , 0
1
1 + =

=

( ) ( ) ( ) f D t Q B t Q
dt
d
t M
m
i
i i i ,
1
1 + =

=

Los puntos x = 0 y x = M actan como puntos de absorcin. Adems debe verificarse que
( ) ( ) 1
0
= + +

t Q t P fdx
M

Si se pasa ahora al estudio de la situacin estacionaria se tiene
( ) ( ) ( )
0
,
0 0 =

= =
t
t x f
dt
t dQ
dt
t dP
i i

Sustituyendo se obtiene
t
D P
, 0
1
1 1

=
n i P
b
P
i
i
i i
i
<

=


1
1
1 1

de donde
f D
a
f D b P
i
i
i
j
j i i 0
1
1
0
1

= =


Por consiguiente
f D P P
n
i
i 0
1
1

=
= =


62
y de forma similar
f D Q Q
M
m
i
i
1
1

=
= =


Pero
( ) ( ) f D f D b a P b
n
i
i i
n
i
i i i 0
1
0
1
1 1 = =

= =

y
( ) f D Q B
M
n
i
i i i
=

=1
1
Por lo tanto, el rgimen estacionario estar definido por
A
x
f + P f
1
(x) + Q f
2
(x) = 0
P = D
0
f
P = D
M
f
junto con
( ) ( ) 1
0
= + +

t Q t P fdx
M

Hay que observar que estas relaciones dependen solo de E[h] y de E[H] y son independientes
de los momentos de orden superior h y H.
Si se aplica el proceso de retorno instantneo al estudio de una cola G/G/1 como la definida
en el apartado anterior estudiada desde el punto de vista del teorema del lmite central, se
tiene que el intervalo a considerar ser [0, [, la funcin f
1
(x) = (x 1) (funcin delta de
Dirac) ya que solo habrn llegadas individuales. Los parmetros y sern
= -
= K
a
2
+ K
s
2
Si las llegadas fueran poissonianas se tendra = (E[h])
-1
, pero si no lo es, se considera
(E[h])
-1
= ' .
La aproximacin del proceso de retorno unitario de la cola GI/G/1 se representa pues por
( ) 0 1 '
2
1
2
2
= + + x P
dx
f d
dx
df

f D P
0
' =
P + f x dx = 1
0


1
0
= +

fdx P
63
que da como solucin
f(x) = R(e
-
- 1) e
x
, para x 1
f(x) = R(1 - e
x
), para 0 x 1
donde
2 2
1
2
s a
K K +

=

=
+

=
'
'
R
La condicin de estabilidad exige = / < 1. Si adems se admite = ', lo cual lleva a una
cola M/G/1, resulta R = .
La longitud media de la cola ser
( )
(

+ =
(


+
+ = =

2 2
1
1 2 2
1
2 2
0
s a
K K
xfdx L
que es similar a la obtenida de la frmula de Khitnchin-Pollaczeck
( )
( )
(


+
+ =
1 2
1
1
2
s
KP
K
L
De hecho si se hace K
a
= 1 en la ecuacin de L para representar el proceso de llegada de
Poisson, se obtiene que el error en la longitud de la cola es
2
1
2
s
KP
K
L L

=
de forma que el error relativo tiende a cero cuando tiende a uno.
Se ha deducido la funcin de distribucin continua de la longitud de la cola GI/G/1 con la
aproximacin R = . Ahora bien, es necesario devolver su carcter discreto a la longitud de la
cola, para lo cual hay varias alternativas. Sea P = 1 - , la primera consiste en hacer
p
1
(i) = f(i), para i 1
p
1
(0) = P
de donde
p
1
(0) = 1 -
( ) ( ) ( )
1 1
1
1 1

= =
i i
i p
donde

= e
64
que es idntica a la obtenida a partir de la aproximacin del teorema del lmite central. La
longitud media de la cola ser
( )

= =

=
1
1
1 1
i
i ip L
Una segunda discretizacin consiste en hacer que la probabilidad p
2
(i) sea la probabilidad
correspondiente a la funcin continua de distribucin entre i - 1 e i, es decir,
( ) =1 0
2
p
( )
(


=
1
1 1
2
p
( ) ( ) ( ) 2 para , 1

2
2
1
2

= =

i dx x f i p
i
i
i

en cuyo caso la longitud media de la cola es
( )
(


+
+ =
(

=
1 2
1
1
1
2 2
2
s a
K K
L
Al comparar estas longitudes L
1
y L
2
con la obtenida por la frmula de Khintchin-Pollaczeck
para la cola M/G/1 (K
a
2
= 1), que es
( )
( )
(


+
+ =
1 2
1
1
2
s
KP
K
L
se observa que el error absoluto
2
2
2
s
KP
K
L L

=
crece con y K
s
2
. Pero el error relativo (L
2
- L
KP
)/L
KP
tiene las siguientes propiedades
0 lim
2
0
=


KP
KP
L
L L

( ) =


1 2 lim
2
2
KP
KP
K
L
L L
s

La primera propiedad pone de manifiesto que el error relativo tiende a cero en situaciones de
elevada saturacin; la segunda establece que cuando K
s
2
crece, el error relativo depende de ,
pero el factor 2(1 - ) hace que los resultados sean inaceptables cuando la utilizacin es baja.
Si se examina ahora el comportamiento de L
1
cuando K
s
2
es grande y pequeo, es decir
cuando L
2
es una mala aproximacin, con K
a
2
= 1, se tiene
( )
( )
(
(


|
|
.
|

\
|

|
|
.
|

\
|
+

= 1 1
2
exp
1 2
exp
2 2 2
s s s
K K K

65
que cuando K
s
2

>> 1 >> , da
( )
2
1 2
1
s
K

=
de donde
( )
2
1
1 2
s
K L

=
y
( )
( ) | |
( )
( )

+


1 2
2
2
2 1
1 2
2 2
1 s s KP
K K L L
y por lo tanto
( ) =


1 2 lim
1
2
KP
KP
K
L
L L

resultado idntico al de L
2
.
Si se considera ahora el caso en que 1 - << 1, se tiene entonces
( ) ( )
( ) | |
3
2
2 2
1
1 2
2
1 1 2
1 +
(

+

+
+


s s
K K

( )
( )
( ) | |
(

+
+

+

+

3
2
2
1
1
1
1
1 2
s
s
K
K
L
( ) | |
(

+
+
+


3
2
2
1
1
1
2
s
s KP
K
K L L
Por consiguiente
0 lim
1
1
=


KP
KP
L
L L

resultado idntico al de L
2
, y
( ) | |
3
1
1
1
lim
2
+


KP
KP
K
L
L L

que es dos veces mejor que el obtenido para L
2
.
De hecho la frmula de Khintchin-Pollaczeck sugiere una nueva aproximacin heurstica
consistente en hacer
( )
( )
2 2
1 2
'
s a
K K +

=
de la que se puede deducir
66
( )
( )
(


+
+ =
(

=
1 2
1
'
1
1 '
2 2
2
s a
K K
L
que coincide con la longitud de cola L
KP
cuando K
a
2
= 1. La deduccin de las probabilidades
de estado se hara mediante la sustitucin de por e
'
lo cual equivaldra a hacer que los
parmetros de la difusin tomaran los siguientes valores
= -
= K
a
2
+ K
s
2
= (K
a
2
+ K
s
2
)
67
4. TEORA DE REDES DE COLAS
4.1. INTRODUCCIN
El comportamiento de la mayora de sistemas informticos est caracterizado por la presencia
de varios puntos de congestin originados por la comparticin de diversos recursos. En estos
casos es difcil, y a veces demasiado restrictivo, representar el comportamiento del sistema
mediante una nica estacin utilizando los esquemas que se han estudiado en el captulo
anterior.
Parece adecuado modelar explcitamente los diferentes puntos de congestin del sistema. El
modelo resultante es una red de colas, es decir, un conjunto de estaciones de servicio
interconectadas, a travs de las cuales circulan los clientes siguiendo un patrn determinista o
probabilstico.
Formalmente, se puede definir una red de colas como un grafo dirigido cuyos nodos son las
estaciones de servicio. Los arcos entre estos nodos indican las transiciones posibles de los
clientes entre estaciones de servicio. Los clientes que circulan a travs de la red pueden ser de
clases diferentes. Los clientes de clases diferentes pueden seguir recorridos distintos a travs
de la red o solicitar servicios distintos en las estaciones.
En general, el estudio de este modelo probabilstico complejo es mucho ms difcil que el de
una estacin de servicio aislada. Existen, sin embargo, muchos casos especiales,
caracterizados por ciertas estructuras de interconexin de las estaciones y por diversas
distribuciones de los procesos de llegada y de servicio, que han sido analizadas por diferentes
autores y se les ha encontrado solucin analtica a travs de tcnicas matemticas
relativamente simples. En los apartados siguientes se estudiarn algunas de estas tcnicas.
4.2. TIPOS DE REDES
Las redes pueden clasificarse segn los tipos de clientes que circulan por sus estaciones en:
- Red monoclase: Si en todas las estaciones de la red, los clientes tienen el mismo
(aleatorio) comportamiento, tanto en lo que se refiere a los tiempos de servicio como en lo
que atae al camino que siguen al abandonar la estacin, se dice que la red tiene una nica
clase de clientes. Todos los clientes son (estadsticamente) indistinguibles.
- Red multiclase: En una red con mltiples clases de clientes, los clientes de diferente clase
pueden tener diversas caractersticas de tiempo de servicio y seguir recorridos distintos a
travs de la red. Todos los clientes de una misma clase son (estadsticamente)
indistinguibles
Las redes tambin pueden clasificarse segn la topologa del grafo subyacente en:
- Redes abiertas. Estn caracterizadas por (figura 4.1):
* la existencia de, al menos, una fuente de clientes
* la existencia de, al menos, un sumidero que absorbe los clientes que salen del sistema
* la posibilidad de encontrar un camino que, a partir de cada nodo, lleve (eventualmente)
fuera de la red.
68
CPU
Disco 2
Disco 3
Disco 4
Disco 1
Llegadas
Salidas

Figura 4.1.
En una red de este tipo, el nmero de clientes que hay en el sistema vara con el tiempo. La
productividad (throughput) de una red abierta es un dato conocido ya que es igual a la tasa
de entrada al sistema si el sistema es estable.
- Redes cerradas. En estas redes, los clientes ni entran ni salen del sistema, y por tanto, el
nmero de clientes en el mismo permanece constante (figura 4.2). En algunos casos,
interesa contemplar un sistema cerrado como un sistema en el que la salida est unida a la
entrada, de manera que los clientes que "salen'' del sistema, inmediatamente "regresan'' a l.
Con esta visin del sistema, el flujo de clientes a travs del enlace "salida-entrada'' define la
productividad de la red cerrada.
CPU
Disco 2
Disco 3
Disco 4
Disco 1
Llegadas
Salidas

Figura 4.2.
69
- Redes mixtas. En una red con mltiples clases de clientes, es posible que la red sea abierta
para un tipo de clientes y cerrada para otro (figura 4.3). Se dice, entonces, que la red es
mixta.
Terminales
Subsistema
central
Trabajos transaccionales
Trabajos
interactivos

Figura 4.3.
En resumen, el comportamiento de los clientes dentro de una red est caracterizado por las
probabilidades de transicin entre estaciones de servicio y la distribucin de los tiempos de
servicio en cada estacin. Para cada estacin debe especificarse: el nmero de servidores, la
disciplina de servicio y la capacidad de la estacin.
4.3. MTODOS ANALTICOS EXACTOS
Jackson (JACK63) dio la primera forma de tratar redes de colas cerradas con estaciones FIFO
y servicio exponencial, que fue ampliada por Gordon y Newell (GORD67). Fueron de forma
definitiva Baskett, Chandy, Muntz y Palacios (BASK75), quienes incluyeron en un solo
teorema todos los casos susceptibles del mismo tratamiento analtico exacto. Dicho teorema
es conocido por el acrstico de sus iniciales: BCMP.
4.3.1. TEOREMA DE BCMP
Los sistemas, que considera este teorema, contienen un nmero arbitrario, pero finito, N, de
estaciones de servicio. Hay un nmero arbitrario, pero finito, C, de clases de clientes
distintos, los cuales pueden cambiar de clase cuando pasan de una estacin a otra. Dicho con
mayor precisin, un cliente de clase c que sale de la estacin de servicio i requerir servicio
de la estacin j en la clase d con una probabilidad que se indicar por p
i,c;j,d
. Esta matriz se
designar por P = [p
i,c;jd
]. Un cliente abandona la red (en el caso de ser abierta) con
probabilidad

= =
=
N
j
C
d
jd ic ic
p p
1 1
, 0 ,
1
El par (i,c), asociado a un cliente en una estacin, se denomina estado del cliente. El conjunto
de estados de los clientes se reparte en uno o ms subconjuntos disjuntos (o subcadenas) de la
forma siguiente: dos estados del cliente pertenecen a la misma subcadena si hay una
probabilidad no nula de que un cliente pueda estar en ambos estados durante su vida en la red.
Estas subcadenas se representan por E
1
, E
2
, , E
K
(K 1). (Por ejemplo, si los clientes nunca
70
cambian de clase cuando van de una estacin a otra, habr C subcadenas, es decir tantas como
clases).
Puede ser que algunas subcadenas sean cerradas, con un nmero constante de clientes en ella,
mientras que otras sean abiertas con llegadas y salidas, que hacen que el nmero de clientes
que hay en ellas sea variable. Adems, los procesos de llegada externa pueden ser
independientes del estado o dependientes del mismo de una forma restringida. Sea S el estado
de la red (que se definir ms adelante), y sea M(S) el nmero de clientes que hay en la red en
el estado S y sea M(S, E
k
) el nmero de clientes en la subcadena E
k
, cuando la red est en el
estado S. Las llegadas externas pueden generarse en una de las dos siguientes formas, que no
pueden darse simultneamente:
- por un proceso de Poisson cuya frecuencia instantnea, [M(S)], depende del estado del
sistema a travs del nmero de clientes que hay en la red. Una nueva llegada alcanza la
estacin i en clase c con probabilidad p
0,ic
. Evidentemente la suma de las p
0,ic
para todas la i
y todas las c debe ser igual a 1.
- por m procesos de Poisson, uno por cada subcadena. La frecuencia instantnea del k-simo
proceso depende del estado a travs del nmero de clientes que hay en la subcadena E
k
.
Una nueva llegada a la k-sima subcadena alcanza la estacin i en clase c con probabilidad
p
0,ic
. Evidentemente la suma de las p
0,ic
para todas la i y todas las c debe ser igual a 1.
Las estaciones de servicio pueden ser de los cuatro tipos siguientes:
- Tipo 1. La estacin i tiene un solo canal con tiempo de servicio distribuido
exponencialmente, de tiempo medio 1/[
i
F
i
(m
i
)], idntico para todas las clases, siendo m
i

(m
i
= m
i1
+ m
i2
+ + m
iC
) el nmero de clientes en la estacin, y la disciplina de la cola,
FIFO. F
i
(m
i
) es la velocidad del servidor y satisface F
i
(1) = 1 (se pueden simular servidores
mltiples haciendo F
i
(m
i
) = min(m
i
, n
i
), donde n
i
es el nmero mximo de servidores).
- Tipo 2. La estacin tiene un solo canal, la disciplina de servicio es de servidor compartido
(es decir, cuando hay m clientes en la estacin de servicio, cada uno recibe servicio a razn
de 1/m de segundo cada segundo) y cada clase de cliente tiene una distribucin de tiempos
de servicio, que puede ser distinta y arbitraria y debe tener transformada de Laplace
racional, o, lo que es lo mismo, su distribucin es coxiana. Se admite que el servidor de
esta estacin tenga una velocidad que sea funcin del nmero de clientes que haya en ella
F
i
(m
i
).
- Tipo 3. El nmero de canales en una estacin de servicio de este tipo es mayor o igual que
el nmero mximo de clientes que puede haber en la estacin en un instante cualquiera y
cada clase de cliente tiene una distribucin de tiempos de servicio que puede ser distinta y
arbitraria y debe tener transformada de Laplace racional, es decir, su distribucin coxiana.
En una estacin de este tipo, que sigue la poltica de un servidor por cliente, no tiene
sentido asignarles velocidad de servicio, ya que cada clase tiene su propia distribucin.
- Tipo 4. La estacin de servicio de este tipo tiene un solo canal, la disciplina de cola es
LIFO con interrupcin provocada por el ltimo en llegar y cada clase de cliente tiene una
distribucin de tiempos de servicio que puede ser distinta y arbitraria y debe tener
transformada de Laplace racional, es decir su distribucin coxiana, pudiendo el servidor
presentar una velocidad de servicio funcin del nmero de clientes de la estacin F
i
(m
i
).
El estado de la red S est definido por el vector (S
1
, S
2
, , S
N
), donde cada S
i
define el estado
de la estacin i de forma anloga a como se ha visto en 3.10., segn el tipo de estacin. Aun
cuando se sabe que se pueden hacer intervenir las etapas de la estacin con distribucin de
Cox en la definicin del estado, desde el punto de vista de la evaluacin del comportamiento
71
de sistemas informticos y teleinformticos, dicho detalle no es necesario, al no tener
normalmente ninguna interpretacin fsica, por lo que el estado de una estacin vendr
definido por el vector
S
i
= (m
i1
, m
i2
, , m
iC
)
La evolucin del estado (considerado como una funcin del tiempo) es un proceso de
Markov. Si se est interesado en la distribucin en rgimen estacionario de las probabilidades
de estado p(S) de este proceso de Markov, solo har falta hallar la solucin de las ecuaciones
de equilibrio:
( )( ) ( )( ) | |

=
'
a ' de paso de frecuencia ' de salida de frecuencia
S
S S S p S S p
satisfaciendo adems la ecuacin de normalizacin.
( ) 1 =

S
S p
La existencia de la distribucin en rgimen estacionario depende de la solucin del siguiente
sistema de ecuaciones, que refleja el equilibrio del flujo en la red

= =
+ =
N
i
jd
C
c
jd ic ic jd
p p e e
1
, 0
1
,

donde p
0,jd
es la probabilidad de entrada desde el exterior en la estacin j de un cliente de
clase d. Si la red es abierta este sistema puede resolverse sin ninguna dificultad. Si la red es
cerrada, evidentemente todas las p
0,jd
son nulas y se encuentra un sistema de ecuaciones
homogneo del que hay que hallar una de las infinitas soluciones distinta de la idnticamente
nula.
De hecho si p
0,jd
= 0 y p
jd,0
= 0, para toda (j,d) de E
k
, entonces E
k
es cerrada y hay en ella un
nmero fijo de clientes; en caso contrario E
k
es abierta.
1
2
p
12,22
p
11,21
p
11,11
p
21,11
p
22,12

Figura 4.4.
Para ver la escritura de las ecuaciones de equilibrio y antes de enunciar el teorema de BCMP
se van a establecer, como ejemplo, las ecuaciones de equilibrio de sistema de la figura 4.4,
donde hay dos clases de clientes. Hay M
1
clientes de clase 1 y M
2
de clase 2. Todos los
tiempos de servicio estn exponencialmente distribuidos y 1/
ic
(i = 1, 2; c = 1, 2) es el
tiempo medio de servicio de la clase c en la estacin i.
72
Adems p
12,22
= p
21,11
= 1 y p
11,11
+ p
11,21
= 1. Sea m
ic
el nmero de clientes de clase c en la
estacin i. Para mayor simplicidad se consideran solamente los estados para los que m
ic
> 0.
Las ecuaciones globales sern:
( ) ( )( ) + + + +
+ +
+
+
21 , 11 11 11 22 21 12 11 21
22 21
21
22 21 12 11
1 , 1 , , 1
1
1
, 1 , , 1 p m m m m m p
m m
m
m m m m p
( ) ( )( ) + + + + +
12 12 22 21 12 11 11 , 11 11 11 22 21 12 11
1 1 , , 1 , , , , m m m m m p p m m m m m p
( ) =
+ +
+
+ +
22
22 21
22
22 21 12 11
1
1
1 , , 1 ,
m m
m
m m m m p
( )
(

+
+
+
+ + =
22
22 21
22
21
22 21
21
12 12 11 11 22 21 12 11
, , ,
m m
m
m m
m
m m m m m m p
Estas ecuaciones, como puede verse, son similares a las que se establecieron para deducir las
ecuaciones de Kolmogorov en el apartado 3.5., pero teniendo en cuenta que, en este caso, la
estructura del sistema es ms compleja por estar enlazadas varias estaciones y considerar
diversas clases de clientes.
La solucin de estas ecuaciones lleva a determinar la probabilidad del estado como producto
de las probabilidades del estado de cada estacin. No obstante, el enunciado completo del
teorema de BCMP lleva, como ya se ha dicho, a una expresin notablemente ms compleja,
por lo que se expone aqu slo las consecuencias que permiten una ms fcil comprensin y
aplicacin. La versin completa permite incluir en el estado la etapa de la estacin de Cox en
que se encuentra el cliente en las estaciones de servicio no exponencial. En la versin
completa de las expresiones que siguen interviene, pues, un elemento ms en la definicin del
estado y un subndice ms en las variables que lo definen.
En las condiciones expuestas, el teorema de BCMP establece que:
( ) ( ) ( )

=
=
N
i
i i
S g S d
G
S p
1
1

donde
- G es la constante de normalizacin para lograr que la suma de todas las probabilidades de
estado sea igual a 1. Esta constante de normalizacin puede determinarse sin ningn
problema si se trata de un sistema cerrado, pues el nmero de estados distintos en que
puede hallarse el sistema es finito y, por lo tanto, el nmero de sumandos de la suma de las
probabilidades de los distintos estados tambin lo es. En el caso de una red abierta
aparecer una serie infinita y el valor de G solo podr hallarse si la serie es sumable,
suponiendo que el sistema sea estable (serie convergente).
- d(S) es una funcin tal que si la red es cerrada vale 1 y si la red es abierta vale
( )
( )

=

1
0
S M
i
i
si la frecuencia de llegada depende del nmero de clientes de la red M(S), o
( )
( )

=

=

K
k
E S M
i
k
k
i
1
1 ,
0

73
si la frecuencia de llegada a cada subcadena depende del nmero de clientes que hay en
ella.
- Las funciones g
i
(S
i
) valen
* si la estacin es de tipo 1
( )
c
c
m
i
C
c
m
ic
ic
i i i
e
m
m S g
|
|
.
|

\
|

=

=
1
!
1
!
1

* si la estacin es de tipo 2 4
( )
c
m
ic
ic
C
c ic
i i i
e
m
m S g
|
|
.
|

\
|

=

=1
!
1
!
* si la estacin es de tipo 3
( )
c
m
ic
ic
C
c ic
i i
e
m
S g
|
|
.
|

\
|

=1
!
1

Estas expresiones son similares a las halladas en el estudio de las estaciones correspondientes
aisladas en el apartado 3.11.
Ahora bien, este proceso lleva al conocimiento de las probabilidades de los distintos estados a
partir de las cuales es posible determinar magnitudes operacionales tales como la utilizacin
que cada clase de cliente provoca en cada estacin, el nmero medio de elementos de cada
clase que hay en cada estacin, la productividad medida en nmero de clientes de cada clase
evacuados de cada estacin por unidad de tiempo, etc.
En caso de tratarse de una red abierta, slo se podr determinar la constante de
normalizacin, sin riesgo de error de truncamiento de la suma infinita, cuando esa suma tenga
una expresin analtica (la serie sea convergente y sumable). Tal es el caso, por ejemplo,
cuando la llegada no depende del estado del sistema y el estado del sistema viene
caracterizado simplemente por (m
1
, m
2
, , m
N
), es decir, por el nmero total de clientes, m
i
,
que hay en cada estacin i. Entonces:
( ) ( ) 4 2 1, tipo de es estacin la si , 1
i
m
i i i
m p =
( ) 3 tipo de es estacin la si ,
!
i
m
i
i
m
e m p
i
i

=


y donde
1 tipo de es estacin la si ,
1

=
C
c i
ic
i
e

4 3 2, tipo de es estacin la si ,
1

=
C
c ic
ic
i
e

Ntese que la solucin de una red de colas abierta solo podr lograrse si la suma para la
deduccin de la constante de normalizacin se presenta en forma de serie sumable; es pues un
problema algebraico. Por el contrario, en el caso de una red cerrada, la suma para determinar
74
la constante de normalizacin es finita y, por lo tanto, puede determinarse calculando todos
los sumandos; se trata pues de un problema numrico.
No obstante, la utilizacin prctica de este mtodo, en especial en el caso de redes cerradas,
solo aparece cuando se dispone de un software que permita aplicarlo, pues exige un gran
nmero de clculos. Los algoritmos para efectuarlos reduciendo el nmero de operaciones a
efectuar, se estudian en los apartados siguientes. Sin embargo, antes se va a presentar unos
ejemplos calculados a fuerza bruta manual.
4.3.1.1. Ejemplo 1
Sea el ejemplo de la figura 4.5, en que hay un sistema cerrado, con dos clases de clientes y
cinco estaciones de servicio, la 1 de tipo 2 (servidor compartido) y las otras cuatro de tipo 1
(FIFO exponencial).
En funcin de las probabilidades de transicin, se puede plantear el sistema de ecuaciones
homogneo para determinar las tasas de visita:
e
11
= e
21
+ e
31
+ e
41
+ e
51
e
12
= e
22
+ e
32
+ e
42
+ e
52
e
21
= 0 e
11
e
22
= e
12
e
31
= 0.35 e
11
e
32
= 0 e
12
e
41
= 0.35 e
11
e
42
= 0 e
12
e
51
= 0.3 e
11
e
52
= 0 e
12
de donde
e
11
= 1; e
21
= 0; e
31
= 0.35; e
41
= 0.35; e
51
= 0.3
e
12
= 1; e
22
= 1; e
32
= 0; e
42
= 0; e
52
= 0
Si se considera, inicialmente, el caso en que hay solo un cliente de clase 2 y ninguno de clase
1, el sistema solo podr estar en los estados siguientes
S
1
= [(0,1),(0,0),(0,0),(0,0),(0,0)]
S
2
= [(0,0),(0,1),(0,0),(0,0),(0,0)]
Por lo tanto,
75
CPU
Disco
1
Disco
2
Disco
3
Disco
4

11
= 9

12
= 1
p
11,21
= 0
p
12,22
= 1
p
11,41
= 0.35
p
12,42
= 0
p
11,51
= 0.3
p
12,52
= 0
p
11,31
= 0.35
p
12,32
= 0

2
= 1.5

3
= 1

4
= 1.5

5
= 2

Figura 4.5.
( )

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
0
0 0
1 0
1
5 . 1
1
1
! 0
1
0
! 0
1
! 0
1
1
! 1
1
9
1
! 0
1
! 1 G S P
G =

|
.
|

\
|
(

|
.
|

\
|
(

|
.
|

\
|
(

0
0 0
0
0 0
0
0 0
2
1
0
! 0
1
3 . 0
! 0
1
! 0
5 . 1
1
35 . 0
! 0
1
35 . 0
! 0
1
! 0
1
1
0
! 0
1
35 . 0
! 0
1
! 0
( )

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
1
1 0
0 0
2
5 . 1
1
1
! 1
1
0
! 0
1
! 1
1
1
! 0
1
9
1
! 0
1
! 0 G S P
5 . 1 2
1
0
! 0
1
3 . 0
! 0
1
! 0
5 . 1
1
35 . 0
! 0
1
35 . 0
! 0
1
! 0
1
1
0
! 0
1
35 . 0
! 0
1
! 0
0
0 0
0
0 0
0
0 0
G
=

|
.
|

\
|
(

|
.
|

\
|
(

|
.
|

\
|
(


Para determinar la constante de normalizacin se hace
p(S
1
) + p(S
2
) = 1
y sustituyendo los resultados anteriores en esta ecuacin
G + G/1.5 = 1
de donde
G = 0.6
y
76
p(S
1
) = 0.6 y p(S
2
) = 0.4
Las magnitudes operacionales que se pueden deducir de estas probabilidades de estado son

11
= 0
21
= 0
31
= 0
41
= 0
51
= 0

12
= 0.6
22
= 0.4
32
= 0
42
= 0
52
= 0

1
= 0.6
2
= 0.4
3
= 0
4
= 0
5
= 0
M
11
= 0 M
21
= 0 M
31
= 0 M
41
= 0 M
51
= 0
M
12
= 0.6 M
22
= 0.4 M
32
= 0 M
42
= 0 M
52
= 0
M
1
= 0.6 M
2
= 0.4 M
3
= 0 M
4
= 0 M
5
= 0
X
11
= 0 X
21
= 0 X
31
= 0 X
41
= 0 X
51
= 0
X
12
= 0.6 X
22
= 0.4 X
32
= 0 X
42
= 0 X
52
= 0
X
1
= 0.6 X
2
= 0.4 X
3
= 0 X
4
= 0 X
5
= 0
Si se considera, ahora, el caso en que hay un cliente de cada clase, el sistema solo podr estar
en los siguientes estados
S
1
= [(1,1),(0,0),(0,0),(0,0),(0,0)]
S
2
= [(0,1),(0,0),(1,0),(0,0),(0,0)]
S
3
= [(0,1),(0,0),(0,0),(1,0),(0,0)]
S
4
= [(0,1),(0,0),(0,0),(0,0),(1,0)]
S
5
= [(1,0),(0,1),(0,0),(0,0),(0,0)]
S
6
= [(0,0),(0,1),(1,0),(0,0),(0,0)]
S
7
= [(0,0),(0,1),(0,0),(1,0),(0,0)]
S
8
= [(0,0),(0,1),(0,0),(0,0),(1,0)]
Por lo tanto, las probabilidades sern (slo estn considerados los factores correspondientes a
las estaciones que tienen algn cliente, siendo los dems 1):
( )
9
2
1 1 1 1
1
1
! 1
1
9
1
! 1
1
! 2
1 1
1
G
G S P =

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
( )
20
7
1 1
1
1
0
! 0
1
35 . 0
! 0
1
! 1 1
1
1
! 1
1
9
1
! 0
1
! 1
1
0 1
1 0
2
G
G S P =

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
( )
30
7
1
5 . 1
1
0
! 0
1
35 . 0
! 1
1
! 1 1 1
1
1
! 1
1
9
1
! 0
1
! 1
1
0 1
1 0
3
G
G S P =

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
( )
20
3
2
1
0
! 0
1
3 . 0
! 1
1
! 1 1 1 1
1
1
! 1
1
9
1
! 0
1
! 1
1
0 1
1 0
4
G
G S P =

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
( )
27
2
1 1 1
5 . 1
1
1
! 1
1
0
! 0
1
! 1
1
1
! 0
1
9
1
! 1
1
! 1
1
1 0
0 1
5
G
G S P =

|
.
|

\
|
(

(
(

|
.
|

\
|
(
(

|
.
|

\
|
=
77
( )
30
7
1 1
1
1
0
! 0
1
35 . 0
! 1
1
! 1
5 . 1
1
1
! 1
1
0
! 0
1
! 1 1
1
0 1
1
1 0
6
G
G S P =

|
.
|

\
|
(

|
.
|

\
|
(

=
( )
45
7
1
5 . 1
1
0
! 0
1
35 . 0
! 1
1
! 1 1
5 . 1
1
1
! 1
1
0
! 0
1
! 1 1
1
0 1
1
1 0
7
G
G S P =

|
.
|

\
|
(

|
.
|

\
|
(

=
( )
10 2
1
0
! 0
1
3 . 0
! 1
1
! 1 1 1
5 . 1
1
1
! 1
1
0
! 0
1
! 1 1
1
0 1
1
1 0
8
G
G S P =

|
.
|

\
|
(

|
.
|

\
|
(

=
Para determinar la constante de normalizacin
p(S
1
) + p(S
2
) + p(S
3
) + p(S
4
) + p(S
5
) + p(S
6
) + p(S
7
) + p(S
8
) = 1
y sustituyendo
1
10 45
7
30
7
27
2
20
3
30
7
20
7
9
2
= + + + + + + +
G G G G G G G G

de donde
G = 27/41
y
p(S
1
) = 0.1463 p(S
2
) = 0.2305 p(S
3
) = 0.1537 p(S
4
) = 0.0988
p(S
5
) = 0.0488 p(S
6
) = 0.1537 p(S
7
) = 0.1024 p(S
8
) = 0.0658
A partir de estas probabilidades de estado pueden calcularse las siguientes magnitudes
operacionales

11
= 0.122
21
= 0
31
= 0.384
41
= 0.256
51
= 0.165

12
= 0.556
22
= 0.371
32
= 0
42
= 0
52
= 0

1
= 0.678
2
= 0.371
3
= 0.384
4
= 0.256
5
= 0.165
M
11
= 0.195 M
21
= 0 M
31
= 0.384 M
41
= 0.256 M
51
= 0.165
M
12
= 0.629 M
22
= 0.371 M
32
= 0 M
42
= 0 M
52
= 0
M
1
= 0.824 M
2
= 0.371 M
3
= 0.384 M
4
= 0.256 M
5
= 0.165
X
11
= 1.098 X
21
= 0 X
31
= 0.384 X
41
= 0.384 X
51
= 0.329
X
12
= 0.556 X
22
= 0.556 X
32
= 0 X
42
= 0 X
52
= 0
X
1
= 1.654 X
2
= 0.556 X
3
= 0.384 X
4
= 0.384 X
5
= 0.329
En la tabla que sigue se exponen los niveles de utilizacin de las cinco estaciones de servicio
cuando hay un cliente de clase 2 y un nmero variable de clientes de clase 1.
M 1 2 3 4 5
___________________________________________________________________
0 0.6 0.4 0 0 0
1 0.678 0.371 0.384 0.256 0.165
2 0.720 0.352 0.606 0.404 0.260
3 0.744 0.339 0.743 0.495 0.318
4 0.759 0.330 0.831 0.554 0.356
5 0.769 0.324 0.888 0.592 0.381
78
6 0.775 0.321 0.926 0.617 0.397
7 0.779 0.318 0.951 0.634 0.407
Si se deseara conocer otras caractersticas del comportamiento del sistema, se podra hacer sin
ninguna dificultad a partir de las probabilidades de los distintos estados.
4.3.1.2. Ejemplo 2
Sea el sistema de la figura 4.6 en que se tiene un sistema abierto con dos clases de clientes y
trece estaciones de servicio: una CPU (tipo 2) y tres grupos de 4 discos idnticos (tipo 1), con
los siguientes datos:

1
= 0.05,
2
= 5

11
= 200,
12
= 300

2
= 25

3
= 20

4
= 15
p
11,21
= 0.45, p
21,11
= 1
p
11,31
= 0.36, p
31,11
= 1
p
11,41
= 0.18, p
41,11
= 1
p
12,22
= 0.25, p
22,12
= 0.8, p
22,11
= 0.2
p
12,32
= 0.15, p
32,12
= 1
p
12,42
= 0.40, p
42,12
= 1
79
CPU
Disco
1
Disco
2
Disco
3
Disco
4

Figura 4.6.
El sistema de ecuaciones para determinar los nmeros de visitas por cliente ser:
e
11
= e
21
+ e
31
+ e
41
+ 0.2 e
22
+ 0.05
e
21
= 0.45 e
11
e
31
= 0.36 e
11
e
41
= 0.18 e
11
e
12
= 0.8 e
22
+ e
32
+ e
42
+ 5
e
22
= 0.25 e
12
e
32
= 0.15 e
12
e
42
= 0.40 e
12
de donde
e
11
= 105 e
21
= 47.25 e
31
= 37.8 e
41
= 18.9
e
12
= 20 e
22
= 5 e
32
= 3 e
42
= 8
A partir de ah se pueden determinar directamente los factores de utilizacin de cada estacin
592 . 0
300
20
200
105
1
= + =
( )
523 . 0
25
4 / 5 25 . 47
2
=
+
=
( )
51 . 0
20
4 / 3 8 . 37
3
=
+
=
80
( )
448 . 0
15
4 / 8 9 . 18
4
=
+
=
y el nmero medio de elementos en cada estacin
M
1
= 0.592/(1 - 0.592) = 1.451
M
2
= 0.523/(1 - 0.523) = 1.096
M
3
= 0.51/(1 - 0.51) = 1.041
M
4
= 0.448/(1 - 0.448) = 0.812
Si se supone, adems, que los tiempos de servicio son todos exponenciales, se puede escribir
que las utilizaciones provocadas por cada tipo de cliente sern
067 . 0
300
20
525 . 0
200
105
12 11
= = = =
050 . 0
25
4 / 5
475 . 0
25
4 / 25 . 47
22 21
= = = =
038 . 0
20
4 / 3
473 . 0
20
4 / 8 . 37
32 31
= = = =
133 . 0
15
4 / 8
315 . 0 15
42 41
= = = =
y los nmeros medios de clientes de cada clase en cada estacin
M
11
= 0.525/(1 - 0.592) = 1.287 M
12
= 0.067/(1 - 0.592) = 0.164
M
21
= 0.475/(1 - 0.525) = 0.992 M
22
= 0.050/(1 - 0.525) = 0.105
M
31
= 0.473/(1 - 0.510) = 0.965 M
32
= 0.038/(1 - 0.510) = 0.078
M
41
= 0.315/(1 - 0.448) = 0.540 M
42
= 0.133/(1 - 0.448) = 0.241
y, por la ley de Little, los tiempos medios de permanencia en cada estacin son
mseg 26 . 12
105
10 287 . 1
3
11
=

= R
mseg 2 . 8
20
10 164 . 0
3
12
=

= R
( )
mseg 9 . 83
4 / 5 25 . 47
10 096 . 1
3
2
=
+

= R
( )
mseg 05 . 102
4 / 8 8 . 27
10 041 . 1
3
3
=
+

= R
( )
mseg 19 . 121
4 / 8 9 . 18
10 812 . 0
3
4
=
+

= R
El nmero medio de visitas a los discos para los clientes de cada clase son
81
( )
99
01 . 0
99 . 0
18 . 0 36 . 0 45 . 0 1
18 . 0 36 . 0 45 . 0
1
= =
+ +
+ +
= V
( )
4
20 . 0
80 . 0
40 . 0 15 . 0 25 . 0 1
40 . 0 15 . 0 25 . 0
2
= =
+ +
+ +
= V
Por lo tanto, los tiempos medios de respuesta para cada clase de cliente son
( ) mseg 72 . 10856
99 . 0
18 . 0
19 . 121
99 . 0
36 . 0
05 . 102
99 . 0
45 . 0
9 . 83 99 26 . 12 1 99
1
= |
.
|

\
|
+ + + + = R
( ) mseg 79 . 444
80 . 0
40 . 0
19 . 121
80 . 0
15 . 0
05 . 102
80 . 0
25 . 0
9 . 83 4 2 . 8 1 4
2
= |
.
|

\
|
+ + + + = R
4.3.2. MTODOS DE CLCULO DE REDES CERRADAS
Aun cuando el teorema de BCMP contempla un caso notablemente general (clases de
clientes, tipos de estaciones, etc.), se va a estudiar con detalle el clculo de la constante de
normalizacin y de las magnitudes operacionales para una red de caractersticas restringidas
(slo estaciones FIFO con servicio exponencial y una sola clase de clientes o red de Jackson)
y dar idea de como organizar el clculo en el caso completo.
4.3.2.1. Algoritmo de Buzen (Redes FIFO exponenciales)
Sea una red cerrada con N estaciones de servicio y M clientes, todos de la misma clase. El
estado de esta red puede describirse por m = (m
1
, m
2
, , m
N
), donde m
i
es el nmero de
clientes en la estacin i (m
1
+ m
2
+ + m
N
= M).
Sea p
ij
la probabilidad de que un cliente al salir de la estacin i se dirija a la j.
Cada estacin i est caracterizada por su capacidad de servicio
i
, que puede depender del
nmero de clientes que haya en ella, y, cuando as sea,
i
(k) representar la capacidad de
servicio . Ello permitir considerar, como ya se ha visto, el caso de estaciones de servicio con
varios servidores (multiprocesadores, por ejemplo). En caso de servicio independiente de la
carga, s
i
representar el tiempo medio de servicio, que debe ser s
i
= 1/
i
.
En este caso el teorema de BCMP queda reducido al enunciado por Gordon y Newell y la
probabilidad de cada uno de los estados viene dada por
( )
( )
( )

=
=
N
i
i i N
m f
M G
m m m p
1
2 1
1
,..., ,
donde
( )
( )

=

=
i
i
m
k
i
m
i
i i
k
e
m f
1

si la estacin i tiene un servicio dependiente de la carga, o
( ) ( )
i i
m
i
m
i i i i
X s e m f = =
si la estacin i tiene un servicio independiente de la carga.
Las e
i
son una solucin cualquiera real, positiva y distinta de cero del sistema de ecuaciones
82
N j p e e
N
i
ij i j
..., 2, , 1 para ,
1
= =

=

que aseguran el equilibrio de flujo en cada estacin y G(M) es la constante de normalizacin
definida para que la suma de todas las p(m) sea igual a 1. Esto es
( ) ( )
( )

=
=
N M S m
N
i
i i
m f M G
, 1

donde
( ) ( )
)
`

< = =

=
N i m M m m m m N M S
i
N
i
i N
0 para , 0 y , | ,..., , ,
1
2 1

Ntese que la suma para determinar G(M) se efecta sobre todos los posibles estados del
sistema, que son
|
|
.
|

\
|

+
1
1
N
N M

Este nmero alcanza valores notablemente grandes, incluso para valores modestos de M y N.
As, por ejemplo, para N = 8 y M = 20, el clculo de G(M) requiere la suma de 888030
trminos, cada uno de los cuales consta de ocho factores. Por ello, es prcticamente imposible
atacar frontalmente este clculo, que podra colapsar incluso los ms potentes computadores y
ello sin tener en cuenta los errores de truncamiento que se introduciran. Atacando el
problema inteligentemente, se vera que mediante el algoritmo de Buzen, que se abalizar a
continuacin, el clculo de G(M) necesitar slo NM sumas y NM productos.
Para deducir este algoritmo es preciso definir una funcin auxiliar. Sea
( ) ( )
( )

=
=
n m S m
n
i
i i n
m f m g
, 1

Obsrvese que G(M) = g
N
(M) y que G(m) = g
N
(m). Adems, para n > 1 y m > 0, se cumple
que
( ) ( )
( )
( )
( )
=
(
(
(

= =

=
=

= =
m
k
k m
n m S m
n
i
i i
n m S m
n
i
i i n
n
m f m f m g
0 ,
1 , 1

( ) ( )
( )
( ) ( )

=

= =
=
(

=
m
k
n n
m
k n k m S m
n
i
i i n
k m g k f m f k f
0
1
0 1 , 1

que da una forma iterativa de determinar g
n
(m) a partir de los valores anteriores de esta
funcin. Si, adems, la capacidad de servicio es independiente del nmero de clientes en la
estacin
f
n
(k) = (e
n
s
n
)
k
= X
n
k
= X
n
f
n
(k - 1)
Sustituyendo esta ecuacin en la anterior y simplificando, se obtiene
83
( ) ( ) ( ) ( ) ( ) ( ) = + = =

=

=

m
k
n n n
m
k
n n n
k m g k f m g k m g k f m g
1
1 1
0
1

( ) ( ) ( ) = + + =

=

1
0
1 1
1 1
m
k
n n n
k m g k f m g
( ) ( ) ( ) ( ) ( ) 1 1
1
1
0
1 1
+ = + =

=

m g X m g k m g k f X m g
n n n
m
k
n n n n

Este clculo recurrente puede inicializarse con
( ) ( )
( )
( )
( )
( )
m
m S m m S m i
i i
X m f m f m f m g
1 1
1 ,
1 1
1 ,
1
1
1
= = = =

=

para m = 0, 1, , M, y
g
n
(0) = 1, para n = 1, 2, , N
Las relaciones anteriores definen un algoritmo iterativo y su inicializacin.
Esquemticamente se trata de completar una tabla de NM valores, de los que las ecuaciones
anteriores definen la primera fila y la primera columna y donde las relaciones antes
determinadas permiten irla llenando hasta alcanzar g
N
(M) = G(M).
Las figuras 4.7 y 4.8 muestran como organizar el algoritmo y que slo es necesario un vector
de M posiciones para realizar el clculo.
Figura 4.7.
En el caso de que el servicio dependa de la carga se debe recurrir directamente a la primera
iteracin deducida, inicializndola con g
1
(m) = f
1
(m) y g
n
(0) = 1.
En este caso el clculo de la tabla g
n
(m) requiere el uso de dos vectores (el anterior y el que se
est calculando) y cada columna requiere M(M + 1)/2 sumas, M(M + 1)/2 divisiones y
X
1
X
2
X
n - 1
X
n
X
N

0 1 1 1 1 1
1 X
1

2 X
1
2

3 X
1
3

. .
. .
. .
m - 1 X
1
m - 1
g
n
(m - 1)
m X
1
m
g
n - 1
(m) g
n
(m) =
g
n - 1
(m) +
X
n
g
n
(m - 1)

. .
. .
. .
M X
1
M
g
N
(M) =
= G(M)
84
M(M + 1) multiplicaciones, por lo que el clculo de la tabla completa requiere los anteriores
valores multiplicados por N. Este algoritmo de clculo est esquematizado en la figura 4.9.
Figura 4.8.
Figura 4.9.
Una importante simplificacin al caso de servicio dependiente de la carga se produce para el
caso particular en que la estacin n contiene a
n
servidores idnticos. En este caso, la
capacidad de servicio viene definida por

n
(k) = k
n
, si 0 k a
n

n
(k) = a
n

n
, si k > a
n
X
1
X
n - 1
X
n
X
N

0 1 1 1 1
1 X
1
V
1

2 X
1
2
V
2

3 X
1
3
V
3

. .
. .
. .
m - 1 X
1
m - 1
V
m - 1

m X
1
m
V
m
V
m
= V
m
+
X
n
V
m - 1


m + 1 X
1
m + 1
V
m + 1

. .
. .
. .
M X
1
M
V
M

X
1
X
n - 1
X
n
X
N

0 1 g
n - 1
(0) g
n
(0) 1
1 f
1
(1) g
n - 1
(1) g
n
(1)
2 f
1
(2) g
n - 1
(2) g
n
(2)
3 f
1
(3) g
n - 1
(3) g
n
(3)
. .
. .
. .
m - 1 f
1
(m - 1) g
n - 1
(m - 1) g
n
(m - 1)
m f
1
(m) g
n - 1
(m)
( ) ( ) ( )

=

=
m
k
n n n
k m g k f m g
0
1

m + 1 f
1
(m + 1) g
n - 1
(m + 1)
. .
. .
. .
M f
1
(M) g
n - 1
(M) g
N
(M) =
G(M)
85
donde
n
es la capacidad de servicio de cada servidor. En este caso f
n
(k) tiene la forma
( )
n
k
n
n
a k
k
X
k f = 0 si ,
!

( )
n
a k
n n
k
n
n
a k
a a
X
k f
n
> =

si ,
!

que puede escribirse
f
n
(k) = X
n
d
n
(k)f
n
'
(k - 1), para k 1
donde
( )
n n
a k
k
k d = 0 si ,
!
1

( )
n
k
n n
n
a k
a a
k d
n
> =

si ,
!
1

y
f
n
'(k) = X
n
k
Con todo ello se tiene que
( ) ( ) ( ) ( ) ( ) ( ) ( ) = + = =

=

=

m
k
n n n n n
m
k
n n n
k m g k f k d X m g k m g k f m g
1
1 1
0
1
1 '
( ) ( ) ( ) ( ) = + + =

=

1
0
1 1
1 ' 1
m
k
n n n n n
k m g k f k d X m g
( ) ( ) ( ) ( ) ( )


=

=

+
+
+ =
1
1
1
0
1 1
1
1
1
1
1
m
a k
n n
n
n
a
k
n n n n
n
n
k m g k f
a
X k m g k f
k
X m g
Ntese que
( ) ( ) ( ) ( ) ( )


=

=

+ =
1
1
1
0
1
1
1
1
1
1
1
m
a k
n n
n
n
a
k
n n
n
n
n n
n
k m g k f
a
X k m g k f
a
m g
a

de donde
( ) ( ) ( ) ( ) ( ) =
|
|
.
|

\
|

+
+ + =

=

2
0
1 1
1
1
1
1
1
n
a
k
n n
n
n n
n
n
n n
k m g k f
a k
X m g
a
X
m g m g
( ) ( ) ( ) ( )
(


+

+ + =

=

2
0
1 1
1
1
1
1
n
a
k
n n
n
n
n
n
n
k m g k f
k
k a
m g
a
X
m g
Esta expresin se reduce a la del caso de servicio independiente de la carga (a
n
= 1) y para
a
n
= 2 toma la forma
86
( ) ( ) ( ) ( ) | | 1 1
2
1 1
+ + =

m g m g
X
m g m g
n n
n
n n

4.3.2.2. Distribucin marginal del nmero de clientes en el sistema
Se trata de calcular la distribucin de las probabilidades de que haya exactamente k clientes
en la estacin i del sistema. Esta probabilidad puede expresarse, en el caso de servicio
independiente de la carga por
( ) ( )
( )

= =
k m
N M S m
N i
i
m m m p k m P
,
2 1
,..., ,
En vez de calcularla directamente, es til considerar en primer lugar el clculo de
( ) ( )
( )
( )
( )
= = =

k m
N M S m
N
j
m
j
k m
N M S m
N i
i
j
i
X
M G
m m m p k m P
, 1 ,
2 1
1
,..., ,
( )
( )
( )
( ) M G
k M G
X X
M G
X
k
i
N k M S m
N
j
m
j
k
i j

= =

= , 1

de donde se deduce inmediatamente
( )
( )
( ) ( ) | | 1 = = k M G X k M G
M G
X
k m P
i
k
i
i

Obsrvese que la utilizacin de la estacin i vendr dada por P(m
i
1) y que valdra, por lo
tanto,
( )
( )
( ) M G
M G
X m P
i i i
1
1

= =
En el caso general se tendra que
( ) ( )
( )
( )
( )
( )
( )
( )
( )
( )

=

=
=
=
=

= = = =
k m
N M S m
N
i j
j
j j
j
k m
N M S m
N
j
j j
k m
N M S m
N i
i i i
m f
M G
k f
m f
M G
m m m p k m P
, 1 , 1 ,
2 1
1
,..., ,
La deduccin del algoritmo para calcular la distribucin marginal de probabilidad requiere la
definicin de otra funcin auxiliar
( ) ( )
( )

=

=
=
m M m
N M S m
N
i j
j
j j
i
n
i
m f m g
, 1

que puede considerarse como la constante de normalizacin de una red relacionada con la
original, pero sin la estacin i y con slo m clientes. Ntese que
( ) ( )
( )
( )
( )
( ) m g m f m f m g
N
N M S m
N
j
j j
m M m
N M S m
N
i j
j
j j
N
N
i
1
1 ,
1
1 , 1

=
=

=
= = =


87
Con esta notacin se puede escribir
( )
( )
( )
( ) k M g
M G
k f
k m P
i
N
i
i
= =
Para calcular de forma iterativa la funcin ( ) m g
i
n
, se puede tener en cuenta que
( )
( )
( )
( )

= =
= = =
M
k
i
N
i
M
k
i
k M g
M G
k f
k m P
0 0
1
Por lo tanto,
( ) ( ) ( )

=
=
M
k
i
N i
k M g k f M G
0

y
( ) ( ) ( ) ( )

=
=
M
k
i
N i
i
N
k M g k f M G M g
1

que se pueden calcular iterativamente a partir de
( ) ( ) 1 0 0 = = G g
i
N

4.3.2.3. Productividad
La productividad o roughput mide el flujo de clientes a travs de una estacin. Si se
denomina
i
, el flujo correspondiente en la estacin i
( ) ( )
( )
( )
( ) ( )
( )
( )
( )
( ) ( )

= = =
=

= = = =
M
k
i
i
N
i
i
i
M
k
i
i
N
i
M
k
i i i
k k M g
M G
k f
k
e
k k M g
M G
k f
k k m P
1 1 1
1

( )
( ) ( )
( )
( ) ( )
( )
( ) M G
M G
e k M g k f
M G
e
k M g k f
M G
e
i
M
k
i
N i
i
M
k
i
N i
i
1
1 1
1
0 1

= = =


= =

4.3.2.4. Utilizacin.
Se ha establecido que en el caso de tiempo de servicio independiente de la carga
( )
( )
( )
( ) M G
M G
X
M G
M G
e s s
i i i i i i
1 1
=

= =
En el caso de tiempo de servicio dependiente de la carga, se debe recurrir a
( ) ( )
( )
( ) M G
M g
m P k m P
i
N
i
M
k
i i
= = = = =

=
1 0 1
1

Si la estacin con servicio dependiente de la carga fuera la N, se tendra que, como se ha visto
( ) ( ) k g k g
N
N
N 1
=
y por lo tanto
88
( )
( ) M G
M g
N
N
1
1

=
4.3.2.5. Nmero medio de clientes en el sistema
Esta magnitud, cuando hay M clientes en la red, se puede representar por
( ) ( )

=
= =
M
k
i i
k m kP M m
1

Para servicio independiente de la carga se tiene
( ) ( ) ( )
( )
( )

= = =

= = = =
M
k
k
i
M
k
i
M
k
i i
M G
k M G
X k m P k m kP M m
1 1 1

de donde se puede deducir
( )
( )
( )
( )
( )
( )
( )
=

=

= =
M
k
k
i i
M
k
k
i i
M G
k M G
X
M G
M G
X
M G
k M G
X M m
2 1
1

( )
( )
( )
( )
( )
( )
=


+ = + =


=

=
1
1
1
1
1
1 1
1
M
k
k
i i i
M
k
k
i
i
i
M G
k M G
X
M G
M G
X k M G X
M G
X

( ) ( ) | | 1 1 1 + = + = M m M m
i i i i i

En el caso de servicio dependiente de la carga esta magnitud hay que calcularla a partir de su
definicin.
4.3.2.6. Tiempo medio de respuesta.
A partir de la ley de Little aplicada a la estacin i se puede establecer que
( )
i i i
R M m =
de donde
( )
i
i
i
M m
R

=
En el caso de servicio independiente de la carga resulta
( ) | | 1 1 + = M m s R
i i i

Esta expresin indica que el tiempo de respuesta de una estacin es el tiempo de dar servicio
del cliente que llega, ms el tiempo que tardarn en ser servidos los clientes que el cliente
considerado hallar en la cola al llegar y que son los que habra en promedio en la estacin si
en la red hubiera un cliente menos, precisamente el que est llegando a la estacin..
4.3.2.7. Producto de convolucin
Si en el caso restringido considerado en los apartados anteriores, se plantea el producto de las
series de potencias infinitas
89
( ) ( )

=

= =
= =
N
i m
m m
i
N
i
i
i
i i
z X z g z g
1 0 1

definida siempre que converjan las series componentes, g
i
(z). Entonces g(z) ser la funcin
generatriz de la red y los factores g
i
(z) las funciones generatrices de los nodos.
Evidentemente, el coeficiente de z
k
en g(z) es precisamente la constante de normalizacin
buscada G(M). Este coeficiente es la suma de los trminos del tipo
N
m
N
m m
X X X ...
2 1
2 1

uno por cada forma de conseguir que

=
=
N
i
i
M m
1

Sean i(z) los siguientes productos parciales:

1
(z) = g
1
(z),
i
(z) =
i - 1
(z)g
i
(z)
y sea G
i
(j) el coeficiente de z
j
en
i
(z). El problema es, pues, calcular G(M) = G
N
(M).
Teniendo en cuenta que, en este caso, g
i
(z) es simplemente una serie geomtrica,
( ) ( ) z X z g
i i
= 1 / 1 , se pueden escribir las expresiones anteriores

i
(z) =
i - 1
(z) + X
i
z
i
(z)
que implica la siguiente relacin de recurrencia para los coeficientes G
i
(j):
G
i
(j) = G
i - 1
(j) + X
i
G
i
(j - 1)
idntica, salvando la diferencia de notacin, a la obtenida en apartado 4.3.2.1.
En el caso de tener distintas clases de clientes es preciso aplicar una convolucin
multivariada. Si las capacidades de servicio de las estaciones exponenciales son funcin del
nmero de clientes que hay en la estacin y si hay los cuatro tipos de estaciones que prev el
teorema de BCMP, aumentan las dificultades para obtener las relaciones de recurrencia, pero
existen y permiten un clculo ms sencillo y directo de la constante de normalizacin y de las
magnitudes operacionales que dependen de ella.
4.3.2.8. Anlisis del valor medio
El clculo de las magnitudes operacionales que describen el comportamiento de las redes de
colas, tal como ha sido expuesto, requiere, en primer lugar, el clculo de la constante de
normalizacin y de las probabilidades de estado.
Este mtodo, debido a Reiser y Lavenberg, permite el clculo eficiente de los valores medios
de las magnitudes operacionales sin necesidad de pasar ni por el clculo de las probabilidades
de estado ni por el de la constante de normalizacin.
El teorema bsico establece que
( ) ( )
( )
( )
(


|
|
.
|

\
|

+ + =
c i
i
c ic ic
e M j P
j
j e M m s M R , 1 1
1
1
donde
90
- ( )
C
M M M M ,..., ,
2 1
= es el vector del nmero total de clientes de cada clase en la red.
- ( ) 0 ,..., 0 , 1 , 0 ,..., 0 , 0 =
c
e es un vector todo ceros excepto el c-simo componente que es un
uno.
- ( ) M R
ic
es el tiempo medio de respuesta de los clientes de clase c en la estacin i cuando en
la red hay los clientes de cada clase definidos por el vector (M
1
, M
2
, , M
C
).
- s
ic
es el tiempo medio de servicio de los clientes de clase c en la estacin i.
- ( )
c i
e M m es el nmero medio de clientes en la estacin i cuando hay un cliente menos de
clase c en la red.
- ( )
c i
e M j P , 1 es la probabilidad que haya j - 1 clientes en la estacin i cuando hay un
cliente menos de clase c en la red.
-
i
(j) es la capacidad de servicio de la estacin i en funcin del nmero total de clientes j.
Como se ve, es posible tratar incluso el caso en que las capacidades de servicio dependan del
estado. Si son constantes, la expresin anterior se simplifica, pudiendo hacerse tambin
extensiones al caso de estaciones de servicio con varios canales. Para estaciones de servicio
de tipos 1, 2 y 4 se tiene
( ) ( ) | |
c ic ic
e M m s M R + = 1
que es similar a la expresin deducida en el apartado 4.3.2.6.; y para estaciones de tipo 3
( )
ic ic
s M R =
Si se denomina V
ic
el nmero medio de visitas a la estacin i de los clientes de clase c para
completar un ciclo y
c
la productividad de los clientes de clase c en la estacin elegida para
contar sus ciclos (en la que evidentemente V
ic
= 1), las relaciones bsicas entre estas
magnitudes son

=
=
N
i
ic ic
c
c
R V
M
1

ic ic c ic
R V m =
Este conjunto de relaciones permite calcular el tiempo medio de respuesta de los clientes de
clase c en la estacin i para una determinada mezcla de clientes en la red cuando se conoce el
nmero medio de clientes en la estacin i cuando hay un cliente menos de clase c en la red
para todas las estaciones y todas las clases y, luego, el nmero medio de clientes en cada
estacin una vez se ha determinado la productividad de cada clase. Por lo tanto, el algoritmo
que permitir efectuar estos clculos (y que es fcil y directamente programable) puede
resumirse como:
Paso 1.
( ) i m
i
, 0 0
91
Paso 2.
Para m
1
= 0, 1, , M
1
m
2
= 0, 1, , M
2
.
.
.
m
C
= 0, 1, , M
C
Efectuar los pasos del 3 al 5.
Paso 3.
( ) ( ) | |
c ic ic
e M m s M R + 1 , si la estacin es de tipo 1, 2 4; y
( )
ic ic
s M R , si la estacin es de tipo 3,
para c i y .
Paso 4.
i
R V
M
N
i
ic ic
c
c

=
para ,
1

Paso 5.
( ) i R V M m
C
c
ic ic c i

=
para ,
1

Ejemplo. Sea el sistema de la figura 4.10. La estacin 1 es de tipo 2 y las 2 y 3 de tipo 1. Hay
dos clases de clientes cuyas probabilidades de encaminamiento y tiempos medios de servicio
son:

Estacin
clase
11 21 31 12 22 32 s
ic

11 0 0.5 0.5 0 0 0 1
21 1 0 0 0 0 0 1
31 1 0 0 0 0 0 2
12 0 0 0 0 1 0 2
22 0 0 0 1 0 0 1
31 0 0 0 0 0 0 2
92
1
2
3

Figura 4.10.
Si se considera que se completa un ciclo de clase 1 y de clase 2 cada vez que pasan por la
estacin 1 (la estacin donde se cuenta la productividad), se tiene
V
11
= 1 V
21
= 0.5 V
31
= 0.5
V
12
= 1 V
22
= 1 V
32
= 0
Aplicando el algoritmo que se acaba de exponer, se obtienen sucesivamente
Paso 1 m
1
(0,0) = m
2
(0,0) = m
3
(0,0) = 0
Paso 3 R
11
(1,0) = 1
R
21
(1,0) = 1
R
31
(1,0) = 2
Paso 4
1
(1,0) = 1/(1 1 + 1 0.5 + 2 0.5) = 0.4
Paso 5 m
1
(1,0) = 0.4
m
2
(1,0) = 0.2
m
3
(1,0) = 0.4
Paso 3 R
11
(2,0) = 1 (1 + 0.4) = 1.4
R
21
(2,0) = 1 (1 + 0.2) = 1.2
R
31
(2,0) = 2 (1 + 0.4) = 2.8
Paso 4
1
(2,0) = 2/(1.4 1 + 1.2 0.5 + 2.8 0.5) = 0.588
Paso 5 m
1
(2,0) = 0.588 1.4 1 = 0.824
m
2
(2,0) = 0.588 1.2 0.5 = 0.353
m
3
(2,0) = 0.588 2.8 0.5 = 0.824
Paso 3 R
12
(0,1) = 2
R
22
(0,1) = 1
R
32
(0,1) = 2
93
Paso 4
2
(0,1) = 1/(2 1 + 1 1 + 2 0) = 0.333
Paso 5 m
1
(0,1) = 0.667
m
2
(0,1) = 0.333
m
3
(0,1) = 0
Paso 3 R
12
(0,2) = 2 (1 + 0.667) = 3.333
R
22
(0,2) = 1 (1 + 0.333) = 1.333
R
32
(0,2) = 2 (1 + 0) = 2
Paso 4
2
(0,2) = 2/(3.333 1 + 1.333 1 + 2 0) = 0.429
Paso 5 m
1
(0,2) = 0.429 3.333 1 = 1.429
m
2
(0,2) = 0.429 1.333 1 = 0.571
m
3
(0,2) = 0.429 2 0 = 0
Paso 3 R
11
(1,1) = 1 (1 + 0.667) = 1.667
R
21
(1,1) = 1 (1 + 0.333) = 1.333
R
31
(1,1) = 2 (1 + 0) = 2
R
12
(1,1) = 2 (1 + 0.4) = 2.8
R
22
(1,1) = 1 (1 + 0.2) = 1.2
R
32
(1,1) = 2 (1 + 0.4) = 2.8
Paso 4
1
(1,1) = 1/(1.667 1 + 1.333 0.5 + 2 0.5) = 0.3

2
(1,1) = 1/(2.8 1 + 1.2 1 + 2.8 0) = 0.25
Paso 5 m
1
(1,1) = 0.3 1.667 1 + 0.25 2.8 1 = 1.2
m
2
(1,1) = 0.3 1.333 0.5 + 0.25 1.2 1 = 0.5
m
3
(1,1) = 0.3 2 0.5 + 0.25 2.8 0 = 0.3
Paso 3 R
11
(2,1) = 1 (1 + 1.2) = 2.2
R
21
(2,1) = 1 (1 + 0.5) = 1.5
R
31
(2,1) = 2 (1 + 0.3) = 2.6
R
12
(2,1) = 2 (1 + 0.824) = 3.647
R
22
(2,1) = 1 (1 + 0.353) = 1.353
R
32
(2,1) = 2 (1 + 0.824) = 3.647
Paso 4
1
(2,1) = 2/(2.2 1 + 1.5 0.5 + 2.6 0.5) = 0.471

2
(2,1) = 1/(3.647 1 + 1.353 1 + 3.647 0) = 0.2
Paso 5 m
1
(2,1) = 0.471 2.2 1 + 0.2 3.647 1 = 1.765
m
2
(2,1) = 0.471 1.5 0.5 + 0.2 1.353 1 = 0.623
m
3
(2,1) = 0.471 2.6 0.5 + 0.2 3.647 0 = 0.612
94
Paso 3 R
11
(1,2) = 1 (1 + 1.429) = 2.429
R
21
(1,2) = 1 (1 + 0.571) = 1.571
R
31
(1,2) = 2 (1 + 0) = 2
R
12
(1,2) = 2 (1 + 1.2) = 4.4
R
22
(1,2) = 1 (1 + 0.5) = 1.5
R
32
(1,2) = 2 (1 + 0.3) = 2.6
Paso 4
1
(1,2) = 1/(2.429 1 + 1.571 0.5 + 2 0.5) = 0.237

2
(1,2) = 2/(4.4 1 + 1.5 1 + 2.6 0) = 0.339
Paso 5 m
1
(1,2) = 0.237 2.429 1 + 0.339 4.4 1 = 2.068
m
2
(1,2) = 0.237 1.571 0.5 + 0.339 1.5 1 = 0.695
m
3
(1,2) = 0.237 2 0.5 + 0.339 2.6 0 = 0.237
Paso 3 R
11
(2,2) = 1 (1 + 2.068) = 3.068
R
21
(2,2) = 1 (1 + 0.695) = 1.695
R
31
(2,2) = 2 (1 + 0.237) = 2.474
R
12
(2,2) = 2 (1 + 1.765) = 5.530
R
22
(2,2) = 1 (1 + 0.623) = 1.623
R
32
(2,2) = 2 (1 + 0.612) = 3.224
Paso 4
1
(2,2) = 2/(3.068 1 + 1.695 0.5 + 2.474 0.5) = 0.388

2
(2,2) = 2/(5.530 1 + 1.623 1 + 3.224 0) = 0.280
Paso 5 m
1
(2,2) = 0.388 3.068 1 + 0.280 5.530 1 = 2.737
m
2
(2,2) = 0.388 1.695 0.5 + 0.280 1.623 1 = 0.783
m
3
(2,2) = 0.388 2.474 0.5 + 0.280 3.224 0 = 0.480
En este ejemplo queda patente la facilidad de clculo que aporta este algoritmo.
4.4. MTODOS APROXIMADOS
Los mtodos de tratamiento exacto cubren una pequea parte de los posibles modelos de
sistemas informticos que se pueden construir y ello a costa de requerir un importante
esfuerzo de clculo. Por ello, han aparecido y siguen apareciendo numerosos mtodos de
tratamiento analtico que:
- o bien permiten tratar modelos no incluidos en el teorema de BCMP
- o bien reducen las necesidades de clculo que exige el teorema de BCMP
A continuacin se exponen en forma resumida los fundamentos de algunos de ellos.
4.4.1. MTODO DE DIFUSIN
Como se vio en el apartado 3.11., la aproximacin por difusin es un intento de superar las
limitaciones de los servidores con colas FIFO y servicio exponencial, considerando la media
y la variancia de las distribuciones de los tiempos de servicio admitiendo, adems que las
llegadas tampoco sean poissonianas.
Sea una red con N estaciones de un solo canal de servicio en que:
95
1. La distribucin de tiempos de servicio en cada estacin i = 1, 2, , N tiene una media
1

i
, donde
i
es la capacidad media de servicio, y un coeficiente cuadrtico de variacin
K
si
2
.
2. Los clientes efectan transiciones instantneas de la estacin i a la j con probabilidad p
ij
,
que es independiente del estado del sistema (es decir, el encaminamiento de cada cliente
es generado por una cadena de Markov con matriz de transicin [p] = [p
ij
]).
3. En el caso de una red abierta, un cliente llega a la red con frecuencia
0
y el coeficiente
cuadrtico de variacin de los tiempos entre llegadas es K
0
2
. Un cliente llega a la i-sima
estacin con probabilidad p
0i
y abandona el sistema desde la j-sima estacin con
probabilidad p
j(N + 1)
(por convenio de notacin, el manantial se trata como la estacin 0 y
el sumidero como la N + 1).
La forma de producto de la solucin del teorema de BCMP sugiere que el comportamiento de
cada estacin pueda estudiarse separadamente siempre que se tengan en cuenta las
interacciones correspondientes. Es decir se admite que la probabilidad de estado tiene forma
de producto de las probabilidades de estado de cada estacin en el estado en que se halla el
sistema.
a. Procesos de llegada y salida
Para aplicar la frmula de las probabilidades en su aproximacin de difusin a cada
estacin i = 1, 2, .., N, es necesario conocer las caractersticas del proceso de llegada
i

(frecuencia media de llegada a la estacin i) y K
ai
2
(coeficiente cuadrtico de variacin de
los tiempos entre llegadas), as como esas mismas caractersticas referidas al tiempo de
servicio s
i
=
i
-1
y K
si
2
.
Para determinar
i
y K
ai
2
es preciso determinar el proceso de salida de la estacin i y
luego prestar atencin al proceso de llegada que es la suma de los N (N - 1 en las redes
cerradas) procesos de salida de las estaciones ponderados por las probabilidades de
encaminamiento.
b. Proceso de salida de la estacin i.
Durante los perodos de ocupacin, la frecuencia de salida es
i
y el coeficiente
cuadrtico de variacin K
si
2
. Pero la estacin est ocupada con probabilidad
i
solamente
(
i
es la utilizacin de la estacin i). En consecuencia, la media y la variancia deben
ponderarse con
i
; es decir
Frecuencia media de salida,
i

i
Variancia de las salidas por unidad de tiempo,
i
K
si
2

i
c. Proceso de llegada a la estacin i.
El proceso de llegada es la superposicin de los procesos de salida de las estaciones j que
tienen probabilidades de encaminamiento p
ji
distintas de cero. Por consiguiente, la
frecuencia de llegada es

=
=
N
j
j j ji i
p
1 0

96
Ntese que el ndice inferior del sumatorio es j = 0 para las redes abiertas y j = 1 para las
cerradas. La expresin del coeficiente cuadrtico de variacin es
( ) | |

=
+

=
1 0
2 2
1 1
1
j
ji j j ji sj
i
ai
p p K K
donde la aproximacin efectuada en esta ltima ecuacin se basa en el teorema del lmite
central.
d. Redes abiertas.
Para redes abiertas en rgimen estacionario, la frecuencia de llegada a la estacin i queda
completamente determinada por la frecuencia de llegada
0
y las probabilidades de
encaminamiento, es decir

i
=
0
e
i
donde e
i
es el nmero medio de visitas a la estacin i de un cliente durante su estancia en
el sistema. Si la cadena de Markov es irreductible, las cantidades e
i
estn determinadas
unvocamente por

=
+ =
N
j
ji j i i
p e p e
1
0

Con la frecuencia de llegada
i
, se obtiene la utilizacin de la estacin i

i
= e
i

i
-1
Con estos valores, se puede determinar K
ai
2
mediante
( )

+ =
N
j
i j ji sj ai
e e p K K
1
1 2 2 2
1 1
Conociendo las caractersticas de llegada y servicio de la estacin se puede determinar la
distribucin de las longitudes de cola para cada estacin mediante cualquiera de los
enfoques analizados en el apartado 3.11.
e. Redes cerradas.
Los dos problemas bsicos que presenta el anlisis de redes cerradas son:
- La utilizacin de la estacin ya no puede determinarse fcilmente pues el sistema
para determinar las tasas de visita, formado a partir de las probabilidades de
encaminamiento, es homogneo y sus infinitas soluciones sern todas
proporcionales entre s.
- La distribucin es sobre una poblacin finita M.
Si r es el factor de proporcionalidad respecto de la solucin adecuada al sistema, la
utilizacin de la estacin i ser, en funcin de r,

i
= re
i

i
-1
No hay forma sencilla de determinar la constante r. Si se supone que por lo menos uno
de los parmetros e
i
/
i
es mayor que los otros, entonces la estacin con este parmetro es
97
el cuello de botella del sistema. En estas circunstancias, la utilizacin del cuello de
botella tiende a 1 cuando el nmero de clientes M tiende a infinito. En un sistema cerrado
con la estacin k como cuello de botella y una poblacin M suficientemente grande, la
utilizacin de una estacin se aproxima suficientemente bien por

i
= e
i
e
k
-1

i
-1

k
y a partir de ah se puede seguir aproximadamente un proceso similar al de las redes
abiertas.
4.4.2. MTODO DE DESCOMPOSICIN-AGREGACIN
Los mtodos de descomposicin-agregacin se caracterizan por tratar de sustituir un grupo de
elementos de un sistema por un elemento sinttico que reproduzca el comportamiento del
conjunto sustituido.
En general se busca un grupo de elementos de una red de colas que tengan todos ellos una
dinmica parecida y tales que los clientes circulen con gran probabilidad entre ellos y con
poca respecto a los externos al conjunto considerado. Entonces se estudia el comportamiento
de ese conjunto como un sistema cerrado con un nmero progresivamente creciente de
clientes hasta alcanzar el mximo posible calculndose el tiempo de respuesta o la
productividad del conjunto. Este mtodo conocido tambin como teorema de Norton ya que
se inspira en el teorema de ese nombre en teora de circuitos elctricos.
4.4.2.1. Caso de una red BCMP con una sola estacin no-BCMP
Sea una red de colas cerrada que responda a las hiptesis del teorema de BCMP y que tenga
una estacin viola las citadas hiptesis. Sea una red como la de la figura 4.11 en que la
estacin 3 sea la que se aparta de las condiciones del teorema de BCMP. Si se supone que en
la red hay N clientes y que, por comodidad, solo hay una clase, la red de colas puede
analizarse de la forma siguiente:
- Paso de descomposicin: En est paso se procede a cortocircuitar, es decir a eliminar, la
estacin no-BCMP (la 3 en la figura 4.11) sin modificar los flujos de entrada y salida y se
analiza la red resultante (figura 4.12) como si esa estacin no existiera. Esa red responde
ahora a las hiptesis del teorema de BCMP y se puede resolver fcilmente para calcular la
productividad a travs del cortocircuito. En el caso de la figura 4.12 es igual a la suma de
los que van de la estacin 1 a la 3, de la estacin 2 a la 3 y de la estacin 4 a la 3.
98

2
p
21
p
24
p
23
p
42
p
43
p
34
p
31
p
12
p
13

1

4
p
14
p
11

Figura 4.11.
Se calcula esta productividad suponiendo que hay m clientes en la red cortocircuitada
(figura 4.12), donde m = 1, 2, ..., M. Esto es, se evala la misma red M veces y cada vez se
cambia el nmero de clientes que hay en ella. Sea X(m) la productividad o el flujo a travs
del cortocircuito cuando hay m clientes en la red.
- Paso de agregacin: Ahora, la red de colas original puede reducirse a la estacin
cortocircuitada (la 3 de la figura 4.11) y otra estacin, conocida como la estacin
compuesta, que representa aproximadamente la red cortocircuitada, como muestra la figura
4.12. La capacidad de servicio de esta estacin compuesta es X(m), donde m es el nmero
de clientes que hay en ella, es decir tiene una capacidad de servicio dependiente del estado,
manteniendo el nmero total M de clientes en la red. La red resultante (figura 4.13)
tampoco es de BCMP a causa de la estacin cortocircuitada (la 3 en este caso). Por lo tanto
se ha de analizar este sistema agregado; no obstante teniendo en cuenta su dimensin
resulta mucho ms simple bien sea por aplicacin del algoritmo numrico de las cadenas de
Markov, por otro mtodo aproximado o por simulacin. Suponiendo, pues, que es posible
analizar este sistema de dos estaciones, se pueden obtener las medidas del comportamiento
de la estacin compuesta y de la estacin 3.
99

2
p
21
p
24
p
23
p
42
p
43
p
34
p
31
p
12
p
13

1

4
p
14
p
11

Figura 4.12.

3
X(m)

Figura 4.13.
Si es posible obtener las distribuciones de las longitudes de cola de la estacin 3 y de la
estacin compuesta, entonces la distribucin de la estacin 3 es una aproximacin de la
distribucin de la longitud de cola de la estacin 3 en la red original. Las distribuciones de
las longitudes de cola de las estaciones 1, 2 y 4 pueden obtenerse combinando los
resultados obtenidos en el paso de descomposicin con la distribucin del nmero de
clientes en la cola compuesta obtenida en el paso de agregacin. Como ejemplo, se
presenta el clculo para la estacin 1. Sea p
c
(m) la probabilidad que haya m clientes en la
estacin compuesta, donde m = 1, 2, ..., M, obtenida en el paso de agregacin. Adems sea
q
1
(m|k) la probabilidad que haya n clientes en la estacin 1 cuando hay k clientes en la red
compuesta, obtenida en el paso de descomposicin para k = 1, 2, ..., M y m = 1, 2, ..., k.
Entonces
( ) ( ) ( ) M m k p k m q m q
M
k
c
..., 2, , 1 para , |
1
1 1
= =

=

4.4.2.2. Caso de una red BCMP con una sub-red no-BCMP
En este caso se sigue el mismo enfoque, solo que tratando con la sub-red completa.
100
Sea una red de colas en la que una sub-red determinada viola las exigencias del teorema de
BCMP (por ejemplo, situaciones en que un cliente sufre un proceso de fork/join, siendo
servido por distintas estaciones), como muestra la figura 4.14.
Esta situacin puede analizarse eliminando la sub-red y analizando la red restante a partir del
teorema de BCMP. Como antes, se obtiene la frecuencia con que los clientes entran en la sub-
red cortocircuitada en funcin del nmero de clientes que hay en ella y se representa la sub-
red BCMP como una estacin compuesta equivalente con capacidad de servicio dependiente
de la carga (figura 4.15).
Red de colas BCMP
Red de colas no-BCMP
a cortocircuitar

Figura 4.14.
X(m)
Sub-red no BCMP
Estacin compuesta
equivalente de la red BCMP

Figura 4.15.
Esta red se debe analizar ahora para obtener medidas del comportamiento de la sub-red no-
BCMP mediante tcnicas similares a las expuestas en el apartado anterior.
4.4.3. MTODO DE DESCOMPOSICIN DE COURTOIS
Este mtodo, particularmente interesante, propone una tcnica sistemtica de
descomposicin. Sea Q una matriz estocstica de orden n que sea casi completamente
descomponible en matrices estocsticas Q
I
, I = 1, 2, ..., N, es decir:
Q = Q
*
+ C
donde
101
(
(
(
(
(
(

=
N N N N
N
N
N
Q Q Q Q
Q Q Q Q
Q Q Q Q
Q Q Q Q
Q
...
... ... ... ... ...
...
...
...
3 2 1
3 3 32 31
2 23 2 21
1 13 12 1

Q
I
son las submatrices cuadradas de la diagonal principal.
es un nmero pequeo real positivo mucho menor que 1, y, ms formalmente, es la
mxima suma de los elementos de una fila externos a la submatriz de la diagonal
principal y, por lo tanto, la mxima probabilidad de una transicin desde un subconjunto
de estados a otro subconjunto. Es pues el grado de acoplamiento.
(
(
(
(
(
(

=
*
*
3
*
2
*
1
*
... 0 0 0
... ... ... ... ...
0 ... 0 0
0 ... 0 0
0 ... 0 0
N
Q
Q
Q
Q
Q
*
I
Q son las submatrices estocsticas y cuadradas de la diagonal principal de orden n(I), con
( ) n I n
N
i
=

=1

Si es posible efectuar tal descomposicin, cada una de las matrices
*
I
Q describir la dinmica
interna de cada uno de los subsistemas en que se ha descompuesto el sistema global y que
estn dbilmente acoplados con los restantes, ya que la probabilidad de pasar de un
subsistema a otro es baja respecto a la de permanecer en el mismo subsistema. La matriz Q
tiene un solo valor propio igual a 1. Las matrices
*
I
Q tienen N valores propios iguales a 1
(uno por cada una de las submatrices de la diagonal principal). Sea
*
(i
I
) el i-simo valor
propio de
*
I
Q en orden de mdulo decreciente

*
(1
I
) = 1 > |
*
(2
I
)| > |
*
(3
I
)| > ....
Cuando 0 hay valores propios de Q que tienden a los valores propios de Q
*
. Sea (i
I
) el
valor propio de Q al que tiende
*
(i
I
) cuando 0 . Dicho en otras palabras, Q tiene N - 1
valores propios que son prximos a 1 cuando es pequeo. Los vectores propios sern los
vectores fila propios ( )
I
x 1
*
a la izquierda de Q
*
correspondientes a los valores propios
*
(1
I
)
de tal forma que
( ) ( ) ( )
I I I
x Q x 1 1 1
* * * *
=
Ntese que
( ) ( ) 0 _______, , 0 ., ,......... 0 _______, , 0 1
*
=
I
x
102
donde la parte punteada corresponde al vector propio de
*
I
Q . En algunos casos, esa parte
representar solo la parte punteada.
( ) 1
*
x es el vector propio fila a la izquierda de Q correspondiente al valor propio (i
I
) = 1. As
pues se sustituye la solucin del sistema
( )| | 0 1
*
= I Q x
que es un sistema de n ecuaciones con n incgnitas por la solucin de N sistemas
independientes de n(I) n(I)
( )| | 0 1
* *
= I Q x
I I

que proporcionarn las probabilidades de estado condicionales a estar en el subsistema I.
Las probabilidades de transicin del subsistema (conjunto de estados) I al subsistema
(conjunto de estados) J se obtienen a partir de
( )
( ) ( )

= =
(

=
I n
i
J n
j
j i I I IJ
J I
q x P
1 1
*
1
con las cuales se construye la matriz P = [P
IJ
]. La probabilidad de hallarse en cada uno de los
subsistemas (conjuntos de estados) vendr dada por la solucin del sistema
X(1) [P - I] = 0
Finalmente, a partir de estas probabilidades de hallarse en cada uno de los subsistemas
(conjuntos de estados), se puede determinar la probabilidad de hallarse en cada uno de los
estados
( ) ( ) ( )
I i I i
x X x 1 1 1
*
=
Esta aproximacin se puede mejorar, si se quiere, multiplicando sucesivamente este vector
por la matriz Q o creando una nueva matriz Q
*
tal que los elementos de cada fila de cada
*
I
Q
vengan incrementados por el correspondiente a esa fila distribuido proporcionalmente a las
probabilidades de cada uno de los estados del subsistema y rehaciendo el algoritmo que se
acaba de exponer.
Ejemplo. Sea el sistema cuya matriz estocstica de transicin es
0.85 0 0.149 0.0009 0 0.00005 0 0.00005
0.1 0.65 0.249 0 0.0009 0.00005 0 0.00005
0.1 0.8 0.0996 0.0003 0 0 0.0001 0
0 0.0004 0 0.7 0.2995 0 0.0001 0
0.0005 0 0.0004 0.399 0.6 0.0001 0 0
0 0.00005 0 0 0.00005 0.6 0.2499 0.15
0.00003 0 0.00003 0.00004 0 0.1 0.8 0.0999
0 0.00005 0 0 0.00005 0.1999 0.25 0.55

A partir de ella se puede construir la siguiente matriz completamente descomponible
103
0.85 0 0.15 0 0 0 0 0
0.1 0.65 0.25 0 0 0 0 0
0.1 0.8 0.1 0 0 0 0 0
0 0 0 0.7 0.3 0 0 0
0 0 0 0.4 0.6 0 0 0
0 0 0 0 0 0.6 0.25 0.15
0 0 0 0 0 0.1 0.8 0.1
0 0 0 0 0 0.2 0.25 0.55

Para hallar los vectores propios de
*
1
Q se har
*
1
x = (a b c)
( ) 0
1 0 0
0 1 0
0 0 1
1 . 0 8 . 0 1 . 0
25 . 0 65 . 0 1 . 0
15 . 0 0 85 . 0
=
(
(
(

c b a
de donde
-0.15a + 0.1b + 0.1c = 0
-0.35b + 0.8c = 0
0.15a + 0.25b - 0.9c = 0
que junto con la ecuacin
a + b + c = 1
para tener en cuenta que las componentes son probabilidades marginales cuya suma ha de ser
1. Resolviendo se obtiene
( ) 182609 . 0 417391 . 0 4 . 0
*
1
= x
Procediendo igualmente en los otros subsistemas se tiene:
( ) 428571 . 0 571429 . 0
*
2
= x
( ) 203704 . 0 555555 . 0 240741 . 0
*
3
= x
Con estos vectores (probabilidades marginales de estado en cada subsistema) se pueden
calcular las probabilidades de transicin entre subsistemas.
P
11
= 0.4(0.85 + 0 + 0.149) + 0.417391(0.1 + 0.65 + 0.249) +
+ 0.182609(0.1 + 0.8 + 0.0996) = 0.99911
P
12
= 0.4(0.0009 + 0) + 0.417391(0 + 0.0009) + 0.182609(0.0003 + 0) = 0.00079
etc., hasta llegar a
9999 . 0 0000445 . 0 0000555 . 0
0001 . 0 999286 . 0 000614 . 0
0001 . 0 00079 . 0 99911 . 0
= P
cuyo vector propio de estado ser
104
( ) ( ) 5 . 0 277427 . 0 222573 . 0 1 = X
el cual permite determinar el vector de probabilidad de estado
( ) ( ) 101852 . 0 277777 . 0 12037 . 0 11897 . 0 15853 . 0 040644 . 0 0929 . 0 089029 . 0 1 = x
que es el resultado que se deseaba obtener.
Finalmente se plantea la cuestin de como obtener la matriz Q a partir de las capacidades de
servicio de cada estacin. Evidentemente, el sistema debe ser cerrado a fin de que el nmero
de estados sea finito. Si fuera abierto el nmero de estados posibles tiende a infinito y la
tcnica que se acaba de exponer resulta inaplicable.
Sea un incremento de tiempo arbitrario y suficientemente pequeo para que la variacin que
se pueda producir en l sea como mximo de un cliente, entonces los elementos de cada fila
fuera de la diagonal principal sern el producto de la capacidad de servicio de la estacin por
y por la probabilidad de encaminamiento de una estacin a otra. El trmino de la diagonal
principal debe ser tal que la suma de los trminos de cada fila sea igual a la unidad.
Si se denomina Q' a la matriz obtenida como se acaba de exponer, pero haciendo que el
trmino de la diagonal principal haga que la suma de cada fila valga cero, se puede escribir
Q = I + Q'
y para hallar el vector propio correspondiente al valor propio 1
( )| | 0 1 = Q I x
( ) ( ) | | 0 ' 1 = + Q I I x
( ) 0 ' 1 = Q x
Ahora bien en la matriz Q' el factor aparece en todos los trminos por lo que se pueden
dividir todos por l ya que su producto por el valor propio de la matriz Q debe ser igual a
cero. Por lo tanto, para los estudios de descomposicin se puede construir la matriz Q'
simplemente haciendo que los trminos de cambio de estado sean el producto de la capacidad
de servicio de la estacin por la probabilidad de encaminamiento y en la diagonal principal el
trmino adecuado para que la suma de cada fila valga cero.
Ejemplo.
Sea el sistema de la figura 4.16 en que hay dos clientes en cada una de las dos clases.
Establecer la matriz de transicin Q o la que se puede utilizar para el clculo de los valores
propios Q'.
3
2
1 0

Figura 4.16.
105

y si se tiene en cuenta, adems que p
23
= p
32
= 0, resulta

4.4.3.1. Anlisis del error en el mtodo de descomposicin de Courtois
El planteo del problema de descomposicin de Courtois puede hacerse de la forma siguiente:
Se debe obtener el vector q que representa el estado estacionario del proceso de Markov
definido por la matriz Q, es decir
q = qQ
con la condicin
( ) 1 =

n
n q
donde q(n) son las componentes del vector q.
Sea un vector d que satisfaga
d = dD
donde D tiene la estructura de k bloques en la diagonal principal.
Si se considerara que d es una aproximacin de q si
Q = D + E
2000 1100 0200 1010 0110 0020 1001 0101 0011 0002
2000 *
0
p
01
0
0
p
02
0 0
0
p
03
0 0 0
1100
1
p
10
*
0
p
01

1
p
12

0
p
02
0
1
p
13

0
p
03
0 0
0200 0
1
p
10
* 0
1
p
12
0 0
1
p
13
0 0
1010
2
p
20

2
p
21
0 *
0
p
01

0
p
02

2
p
23
0
0
p
03
0
0110 0
2
p
20

2
p
21

1
p
10
*
1
p
12
0
2
p
23

1
p
13
0
0020 0 0 0
2
p
20

2
p
21
* 0 0
2
p
23
0
1001
3
p
30

3
p
31
0
3
p
32
0 0 *
0
p
01

0
p
02

0
p
03

0101 0
3
p
30

3
p
31
0
3
p
32
0
1
p
10
*
1
p
12

1
p
13

0011 0 0 0
3
p
30

3
p
31

3
p
32

2
p
20

2
p
21
*
2
p
23

0002 0 0 0 0 0 0
3
p
30

3
p
31

3
p
32
*
2000 1100 0200 1010 0110 0020 1001 0101 0011 0002
2000 *
0
p
01
0
0
p
02
0 0
0
p
03
0 0 0
1100
1
p
10
*
0
p
01

1
p
12

0
p
02
0
1
p
13

0
p
03
0 0
0200 0
1
p
10
* 0
1
p
12
0 0
1
p
13
0 0
1010
2
p
20

2
p
21
0 *
0
p
01

0
p
02

2
p
23
0
0
p
03
0
0110 0
2
p
20

2
p
21

1
p
10
*
1
p
12
0
2
p
23

1
p
13
0
0020 0 0 0
2
p
20

2
p
21
* 0 0 0 0
1001
3
p
30

3
p
31
0 0 0 0 *
0
p
01

0
p
02

0
p
03

0101 0
3
p
30

3
p
31
0 0 0
1
p
10
*
1
p
12

1
p
13

0011 0 0 0
3
p
30

3
p
31
0
2
p
20

2
p
21
* 0
0002 0 0 0 0 0 0
3
p
30

3
p
31
0 *
106
Debe cumplirse que
q = qQ = qD + qE
y si se representa por el vector de error, es decir
q = d +
entonces
d + = (d + )D + qE
Ahora bien, por la estructura de las ecuaciones y la condicin del vector propio
(I - D) = qE
Por lo tanto, el problema se convierte en buscar k relaciones suplementarias para que las
componentes de sean pequeas.
Se dice que una matriz estocstica A = a(n, n') es agregable en la particin si para cualquier
n (fila o columna de A), se cumple
( ) ( )


=
i i
n n
n n a n n a
' '
' , ' ' ' ,
Si se cumple, la matriz A se puede agrupar en la matriz estocstica A

de dimensin k k
mediante la particin = (
1
,
2
, ...,
k
) y tal que A

= (i,j), con
( ) ( )


=
i
n
n n a j i
'
' , ,
Por ejemplo, si
3 / 1 3 / 1 3 / 1
2 / 1 4 / 1 4 / 1
2 / 1 8 / 3 8 / 1
= A
puede agruparse en
3 / 1 3 / 2
2 / 1 2 / 1
=

A
Volviendo al problema original, si la matriz Q es agrupable en la particin , Q

es la matriz
estocstica de dimensin k k, obtenida agrupando Q segn y sea q

el vector estocstico
que satisface
q

= q

Q

1
1
=

k
i
i
q
Evidentemente
i
q

es la probabilidad que el sistema se halle en los estados agrupados en


i
,
por lo que las condiciones suplementarias que se introducen para resolver d = dD, sern
107
( )

=
i
i
n
n d q
El error de la solucin vendr dado por
= (Q - E) + qE
Si se aproxima por

=
=
1 i
i
i
a
donde las a
i
son vectores que deben satisfacer
a
1
= a
1
Q + qE
a
i+1
= a
i+1
Q - a
i
E, para i 1
y en primera aproximacin
= a
1

En el caso general en que la matriz Q no sea agrupable segn , se puede escribir
U Q Q + =


donde:
Q

es una matriz de la misma dimensin que Q y agrupable segn .


es una matriz de la misma dimensin que Q
es un escalar que cumple las condiciones:
-
- los elementos diagonales de Q

son positivos
- el valor absoluto de los elementos de son menores que uno en valor absoluto.
Sea q el vector de probabilidad asociado a Q

, es decir,
Q q q

=
+ = q q
donde es el vector de error por aproximar q por q
qU Q Q q q + + = +


| | qU U Q qU Q + = + =


Si se hace

=
=
1 i
i
i
b
108
Como antes debe cumplirse que
qU Q b b + =

1 1

1 para ,

1 1
=
+ +
i U b Q b b
i i i

Si es pequeo queda

1
b
y la primera aproximacin del vector ser
q = d + b
1
+ a
1
donde

=
=
1

i
i
i
a d q
determinados como precedentemente.
4.4.4. MTODOS ITERATIVOS
Dentro de esta familia de mtodos se agrupa una amplia variedad de formas de obtener
soluciones aproximadas de una red de colas por clculo iterativo. Existen distintos entornos
en los que aplicar estas tcnicas, algunos de los cuales se van a revisar a continuacin. En
general, todos ellos parten de una conjetura razonable que permite establecer la iteracin,
pero casi en ningn caso no se ha demostrado que la iteracin converja, ni que, en caso de
converger, esa convergencia se haga sobre un valor prximo al correspondiente a la solucin
exacta.
Aunque estos mtodos carezcan de una justificacin terica respecto a su convergencia
proporcionan una va interesante para tratar redes de colas.
Distintos mtodos con enfoques varios pueden hallarse en (SHUM77), (CHAN75B),
(MARI78), (MARI79) y (JACO82).
4.4.4.1. Iteracin entre el tratamiento analtico de una red de colas y el tratamiento
analtico de una cola
Cuando el tiempo de servicio de una estacin no es conocido directamente, pues puede ser
funcin de la carga, puede establecerse una iteracin iniciando el clculo suponiendo el
servicio fijo e independiente de la carga y, a medida que se conoce la carga (productividad)
por clculo del modelo cerrado de red de colas, se va recalculando el tiempo de servicio hasta
que se logra la convergencia.
Tal es el caso, por ejemplo, de un sistema informtico representable por un modelo en red de
colas cerrada en el que se desea tener en cuenta el efecto de la carga sobre el tiempo de
servicio de los discos debido a los conflictos en la utilizacin de la unidad de control durante
la transferencia. Se puede iniciar el clculo considerando que el tiempo de servicio de los
discos es la suma de los correspondientes al movimiento del brazo, a la latencia y a la
transferencia. Con este valor se pueden calcular analticamente las medidas que caracterizan
el comportamiento del sistema y en particular la productividad de los discos. Con estos
valores se puede calcular el retardo que se produce en la unidad de control, mediante un
modelo M/M/1//(nmero de discos) y que incrementa el tiempo de servicio de los discos.
Hecho este clculo se dispone de una nueva aproximacin del tiempo de servicio de los
discos que sirve para efectuar un nuevo clculo de la red cerrada y obtener nuevas
109
productividades de los discos. La iteracin continua hasta que el tiempo de servicio de los
discos entre dos iteraciones consecutivas vara por debajo de una cota preestablecida.
4.4.4.2. Mtodo de los modelos subordinados
Este mtodo iterativo (JACO82) es aplicable a cualquier problema de retencin simultnea de
recursos que pueda establecerse en forma de un conjunto primario de recursos y un
subsistema secundario. El concepto clave del enfoque es el particionamiento de las esperas en
dos componentes:
- el retardo en la cola debido a la congestin en el subsistema secundario, incluyendo en
tiempo de permanencia en la cola del recurso primario debido a la congestin en el
subsistema secundario. Esto es algo sutil: por ejemplo en un subsistema de E/S, este
componente debe incluir todos los retardos debidos a la congestin de la unidad de control,
incluso el tiempo pasado en la cola del disco en el caso que el cliente que retiene el disco
est esperando para acceder a la unidad de control.
- el retardo en la cola debido nicamente a la congestin en el recurso primario, es decir el
tiempo pasado en la cola del recurso primario cuando el subsistema secundario no est
congestionado. En un subsistema de E/S, por ejemplo, este componente debe constar del
tiempo pasado en la cola del disco en el caso que el cliente que retiene el disco est
moviendo el brazo (y en espera rotacional tambin en el caso de posicionamiento angular).
Esta particin de los retardos en las colas no es convencional ya que no corresponde a las
colas en que se observara a los clientes en mediciones sobre el sistema real. Al mismo
tiempo es significativa ya que divide los retardos en las colas en la porcin que estar
afectada por modificaciones del subsistema secundario y la porcin que estar afectada por
modificaciones en el conjunto primario de recursos. En un subsistema de E/S, por ejemplo, el
tiempo de espera en la cola del disco que est bloqueado esperando el acceso a la unidad de
control slo puede disminuirse aumentando la capacidad de la unidad de control.
Este mtodo de los modelos subordinados implica la iteracin entre dos modelos, cada uno de
los cuales estima uno de estos componentes del retardo en la cola. El valor de este retardo
(servidor sin espera) se obtiene a partir de las medidas del comportamiento en el otro modelo.
El algoritmo consta de los siguientes pasos:
1. Identificar aquellos componentes del sistema total correspondientes al conjunto primario
de recursos P y al subsistema secundario S. Como se ha descrito previamente, un recurso
primario es aqul que debe obtenerse antes de usar cualquiera de los recursos del
subsistema secundario. El subsistema secundario consta de aquellos recursos obtenidos y
usados mientras se retiene el recurso primario. En cada recurso primario i, un cliente
tiene una requisicin de servicio, posiblemente nulo, de servicio no solapado DN
i
,
durante el cual se retiene este recurso sin intentar obtener servicio del subsistema
secundario. En cada recurso j del subsistema secundario, un cliente que retiene el recurso
primario i tiene una requisicin de servicio solapado DO
ij
, durante el cual se retienen
tanto el recurso primario i como el secundario j. Por lo tanto, en cada recurso primario i
un cliente tiene la requisicin total de servicio:

+ =
S j
j i i
DO DN D
y en cada recurso j del subsistema secundario un cliente tiene una requisicin total de
servicio:

=
P i
i j
DO D
110
2. Calcular los siguiente parmetros:
- El tiempo de servicio no solapado del recurso primario DN es el tiempo total que un
cliente retiene recursos primarios solamente sin intentar obtener servicio del
subsistema secundario

=
P i
i
DN DN
En el caso de un modelo con factor de multiprogramacin limitado, este tiempo
sera cero (la competencia entre la CPU y el subsistema de E/S empieza tan pronto
como se ha obtenido una particin de memoria). En el caso de un modelo de un
subsistema de E/S este tiempo sera el tiempo total que un cliente gasta en el
movimiento del brazo (suponiendo que solo se requiere la unidad de control durante
la latencia y la transferencia de los datos).
- El tiempo de servicio del subsistema secundario DO es la suma de los tiempos de
servicio en los distintos recursos que constituyen el subsistema secundario

=
S j
j
D DO
En el caso de un modelo con factor de multiprogramacin limitado, este tiempo
sera la suma de los tiempos de servicio en la CPU y el subsistema de E/S. En el
caso de un modelo de un subsistema de E/S, este tiempo sera el tiempo total que un
cliente gasta en la latencia y la transferencia de los datos.
3. Analizar el subsistema secundario aislado, para obtener una representacin del flujo
equivalente. El objetivo de este paso es reflejar el hecho que el subsistema secundario
tiene una restriccin de poblacin: puesto que el recurso primario debe obtenerse antes
de entrar en el subsistema secundario, en el subsistema secundario puede haber tantos
clientes como recursos secundarios haya. Se procede de la forma siguiente:
- Crear un modelo aumentado del subsistema secundario que consta de los recursos
del subsistema secundario (cada uno con el tiempo de servicio apropiado D
j
) junto
con un servidor retardo puro cuyo tiempo de servicio es igual al tiempo de servicio
no solapado del recurso primario DN.
- Analizar este modelo para cada posible poblacin de clientes, determinando en cada
caso la productividad del modelo.
- Usar estas productividades dependientes de la carga para definir un servidor
dependiente de la carga. Para longitudes de cola superiores a la poblacin mxima,
usar la productividad correspondiente a la mxima.
4. Crear dos modelos de redes de colas para el sistema global. En cada uno de estos
modelos, la parte del sistema global en que se produce la retencin simultnea de
recursos est substituida por dos componentes:
4.1. En el primero de estos modelos, uno de los componentes es un servidor retardo
puro actuando de forma subordinada del retardo debido a la congestin del
subsistema secundario. El otro de estos componentes es una representacin
explcita del conjunto de recursos primarios en que cada recurso primario i tiene su
tiempo de servicio D
i
. En el caso del modelo de un sistema con factor de
multiprogramacin limitado, los recursos primarios se representaran como una
estacin con tantos servidores como particiones hay en la memoria; el tiempo de
111
servicio de cada servidor es igual a la suma de los tiempos de servicio del cliente en
la CPU y el subsistema de E/S. En el caso de un modelo de un subsistema de E/S,
los recursos primarios se representaran como estaciones de un servidor
correspondientes a los distintos discos; el tiempo de servicio de cada uno sera la
suma de los tiempos de movimiento del brazo, de latencia y de transferencia de
datos.
4.2. En el segundo de estos modelos, uno de estos componentes es un servidor retardo
puro actuando como subordinado de la espera en los recursos primarios cuando los
subsistemas secundarios no estn congestionados. El otro de estos componentes es
el servidor con capacidad de servicio dependiente de la carga definido en el paso 3
y que representa el subsistema secundario aumentado.
5. Iterar entre los dos modelos definidos en el paso 4:
5.1. En el modelo definido en el paso 4.1., hacer cero el tiempo de servicio del servidor
retardo puro que acta como subordinado de la espera debida a la congestin del
subsistema secundario.
5.2. Resolver el modelo definido en el paso 4.1. Estimar la espera en el recurso primario
sumando para todos los recursos primarios las diferencias entre el promedio de los
tiempos de respuesta de los recursos (R
i
, medida del comportamiento obtenida
mediante el anlisis) y sus tiempos de servicio (D
i
, parmetro del modelo).
5.3. Hacer el tiempo de servicio del servidor retardo puro del modelo definido en el
paso 4.2. igual al valor calculado en el paso 5.2. Resolver este modelo. Estimar la
espera debida a la congestin en el subsistema secundario restando el tiempo de
servicio del servidor dependiente de la carga (su tiempo de residencia con una
poblacin de un cliente, que es igual a DN + DO) del tiempo de residencia medio
en este servidor (medida del comportamiento obtenida mediante el anlisis),
5.4. Comparar el valor que se acaba de calcular con el tiempo de servicio del servidor
retardo puro usado en el paso 5.2. Si difieren, substituirlo y volver al paso 5.2.
4.4.4.3. Mtodo de la red auxiliar
Este mtodo (CHAN75B) (MARI78) establece la conjetura de iteracin pasando a travs de
las probabilidades marginales asintticas.
Se considera una red cerrada con leyes de servicio generales y tal que:
- la matriz de encaminamiento es independiente del estado, y, por lo tanto, constante.
- las N estaciones son tales que
* la disciplina es FIFO,
* la ley de distribucin de los tiempos de servicio tiene una transformada de Laplace
racional (distribucin de Cox).
* el servidor es nico.
- los M clientes son de la misma clase.
Se estudia cada estacin como una cola (m)/K/1. Para cada estacin es preciso hallar una
sucesin (m), para m = 0, 1, ..., M tal que el comportamiento de la estacin, calculado de
esta forma sea prximo del comportamiento real de la estacin en la red. Sea
= {
1
(0),
1
(1), ...,
1
(M),
2
(0), ...,
N
(M)}
112
el vector que caracteriza las frecuencias de llegada condicionales a cada estacin para el
conjunto de la red cerrada.
A partir de un vector inicial
(0)
se calcula iterativamente, como muestra la figura 4.17, un
vector
(k)
por medio de la red auxiliar con la misma topologa, pero con leyes de servicio
exponenciales e independientes del nmero de clientes de cada estacin y cuyos valores
varan segn los resultados cada iteracin.
Es preciso adems tener en cuenta que la frecuencia de llegada a la estacin i cuando hay en
ella m
i
clientes,
i
(m
i
) es igual a la frecuencia de salida de la red abierta complementaria (la
red completa exceptuando la estacin i) cuando en ella hay los M - m
i
elementos,
i
(M - m
i
).
La inicializacin se hace suponiendo que el tiempo medio de servicio de cada estacin,
considerando distribucin exponencial, es igual al de la ley de la distribucin
correspondiente.
Determinacin de
(k)
Inicializacin de
(0)
Clculo de las
probabilidades
marginales
Comprobaciones
de parada
Correccin de
la red auxiliar
FINAL
Satisfechas
No satisfechas
(n
i
) P
i

Figura 4.17.
El clculo de las
(k)
se efecta considerando la red cerrada de la misma topologa y con
servicios exponenciales, mediante las frmulas deducidas al analizar el algoritmo de Buzen y
sus consecuencias.
( )
( )
( )
M m
m
m a
i
i
i i
i i
..., 2, , 1 para ,
1
=

=
( ) 0 si , 1 = =
i i i
m m A
113
( ) ( ) 0 si ,
1
> =

=
i
m
j
i i i
m j a m A
( ) 1
i
i
i
x
X

=
donde x
i
es la solucin del sistema

=
=
N
j
j ji i
x p x
1

y p
ij
son las probabilidades de encaminamiento,
( )
( )
( )

=
=
n m S m
n
i i i
m
i
n
m A
X
m g
i
, 1

( )
( )
( ) M g
m A
X
m m m p
n
n
i i i
m
i
n
i

=
=
1
2 1
,.., ,
y donde
( )
( )
( )

=

=
m
k
n
n
k
n
n
k m g
k A
X
m g
0
1

por el algoritmo general de clculo de la constante de normalizacin. Si adems
i
(m
i
) =
i

para m
i
= 1, 2, ..., M
g
n
(m) = X
n
g
n
(m - 1) + g
n - 1
(m)
y por las frmulas de la productividad, se pueden calcular las frecuencias de llegada a cada
estacin.
A continuacin se calculan el nmero medio de clientes en cada estacin y la frecuencia
media de llegada, de la forma siguiente
( )

=
=
M
m
i i i i
m P m m
1
1

( ) ( )

=
=
M
m
i i i i i
m P m
1
1

donde P
i
(m
i
) representa la probabilidad que en la estacin i haya m
i
clientes. Hay que recordar
que

i
(m
i
) =
i
(M - m
i
)
por lo que para el clculo de las frecuencias de llegada en funcin de la carga a cada estacin
en cada iteracin es preciso considerar la red abierta complementaria de cada estacin cuando
en aqulla hay los clientes que no estn en sta.
114
Para este clculo se puede utilizar un algoritmo derivado del de Buzen que se puede encontrar
en (MARI78).
Una vez se dispone para todas las estaciones del nmero medio de clientes y de la frecuencia
media de llegada, se pasa a la comprobacin de parada, consistente en determinar si
M m
N
i
i
=

=1

N j p
j
N
i
ij i
..., 2, , 1 para ,
1
= =

=

Haciendo
i
i
i
x
t

=
la segunda condicin de parada se puede escribir
N j x t p x t
j j
N
i
ij i i
..., 2, , 1 para ,
1
= =

=

lo que equivale a comprobar que
t
1
= t
2
= ... = t
N
Sea

=
=
N
i
i
t
N
t
1
1

Si se fija una tolerancia se puede determinar:
- para toda la red si hay un nmero de clientes excesivo o insuficiente, segn que
M
M m
N
i
i

=1

sea mayor o menor que , respectivamente.
- para cada estacin se calcula si tiene una frecuencia excesiva o insuficiente segn que
(t
i
- t)/t
sea mayor o menor que , respectivamente. De esta forma se definen los conjuntos I
+
e I
-
de
estaciones con frecuencia excesiva e insuficiente, respectivamente.
Si no hay error de nmero de clientes y si los conjuntos I
+
e I
-
estn vacos, se considera que
los resultados de esta iteracin son satisfactorios y se detiene la secuencia de iteraciones.
Si no es as, hay que determinar un nuevo vector
(k + 1)
a partir del
(k)
haciendo las
modificaciones siguientes:
- si el nmero de clientes es excesivo o insuficiente y los conjuntos I
+
e I
-
estn vacos,
entonces para todas las estaciones (i = 1, 2, ..., N) se hace
115
( ) ( )
y
N
j
j
k
i
k
i
m
M
|
|
|
|
|
.
|

\
|
=

=
+
1
1

- si el nmero de clientes es admisible y los conjuntos I
+
e I
-
no estn vacos, entonces para
todas las estaciones (i = 1, 2, ..., N) se hace
( ) ( )
y
i k
i
k
i
t
t
/ 1
1
|
.
|

\
|
=
+

- si el nmero de clientes es excesivo y los conjuntos I
+
e I
-
no estn vacos, entonces para las
estaciones con frecuencia insuficiente (i I
-
) se hace
( ) ( )
y
i k
i
k
i
t
t
/ 1
1
|
.
|

\
|
=
+

- si el nmero de clientes es insuficiente y los conjuntos I
+
e I
-
no estn vacos, entonces para
las estaciones con frecuencia excesiva (i I
+
) se hace
( ) ( )
y
i k
i
k
i
t
t
/ 1
1
|
.
|

\
|
=
+

Inicialmente en (CHAN75B) se tom y = 1. No obstante, para acelerar la convergencia en
(MARI78) se propone tomar
y = 1 para leyes exponenciales
y = 2 para leyes hiperexponenciales
y = 1/2 para leyes hipoexponenciales
El objetivo de las modificaciones de
(k)
(prescindiendo de la correccin propuesta en
(MARI78)) es:
- en las estaciones con flujo insuficiente (I
-
, t > t
i
) es lograr que en la siguiente iteracin esas
estaciones tengan frecuencias de llegada inferiores. En otras palabras, en el anlisis de la
red auxiliar en la siguiente iteracin, la frecuencia de llegada a las estaciones sin error de
flujo insuficiente se har inferior con lo que se reducir la longitud media de la cola y el
flujo a travs de esas estaciones.
- en las estaciones con flujo excesivo (I
+
, t > t
i
) sirve, mutatis mutandis, el razonamiento
anterior.
- cuando el error est en el nmero total de elementos se deben reducir todas las frecuencias
de llegada si el nmero de clientes es excesivo con lo que se reducen las longitudes medias
de cola y viceversa.
116
6. SIMULACIN
La simulacin es esencialmente una tcnica de muestreo estadstico controlado que puede
usarse para estudiar sistemas estocsticos complejos cuando los mtodos analticos y/o
numricos no bastan, como sucede frecuentemente en el estudio de sistemas informticos y
teleinformticos.
La simulacin consiste en la construccin de un programa que representa el comportamiento
dinmico de un sistema estocstico. La ejecucin de ese programa permite observar el
comportamiento del sistema por un muestreo artificial realizado en el mismo computador en
que se ejecuta el programa que representa el sistema. En particular se har referencia a la
simulacin de acontecimientos discretos en que los cambios de estado del sistema se
producen slo en puntos de una secuencia creciente de tiempos. La simulacin permite,
adems, mejorar la calidad de los modelos liberndolos de las restricciones impuestas para
conseguir un tratamiento analtico o numrico (tipos de distribuciones, encaminamiento
aleatorio de los trabajos, etc.).
Para alcanzar este objetivo se presentan diversos problemas, comunes a todos los procesos de
simulacin de sistemas discretos y que, principalmente, son:
- la generacin de secuencias de nmeros aleatorios
- la organizacin del mecanismo de simulacin
- la extraccin de las estadsticas correspondientes a los resultados de la simulacin
En cualquier caso, las etapas que hay que seguir en el tratamiento de un problema por
experimentacin simulada son:
- Formulacin del modelo de simulacin
- Implantacin del modelo
- Diseo de los experimentos de simulacin
- Validacin del modelo de simulacin
- Ejecucin de los experimentos de simulacin y anlisis de sus resultados.
La mayora de los proyectos de simulacin estn casi completamente dominados por las dos
primeras fases, puesto que, en general, la construccin de modelos de simulacin exige tantos
esfuerzos y tiempo (humano y mquina) que muchos investigadores disponen de poco tiempo
para validar el simulador, planificar su ejecucin eficiente e interpretar correctamente los
resultados. No obstante, estos problemas son tanto o ms importantes que la construccin del
simulador.
6.1. GENERACIN DE SECUENCIAS DE NMEROS ALEATORIOS
Un generador de nmeros aleatorios (o mejor, de nmeros pseudoaleatorios) es un algoritmo
que produce secuencias de nmeros que siguen una distribucin de probabilidad determinada
y que tienen una apariencia de aleatoriedad.
El hablar de secuencia de nmeros significa que el algoritmo debe ser capaz de producir
muchos nmeros aleatorios de una manera secuencial. Aunque un usuario determinado puede
necesitar solo relativamente pocos de tales nmeros, se exige que el algoritmo sea capaz de
producir muchos nmeros.
El considerar una distribucin de probabilidad implica que se puede asociar una probabilidad
a la aparicin de cada nmero producido por el algoritmo. Normalmente se considera que la
distribucin de probabilidad es la uniforme sobre el intervalo ]0, 1[. En general, si se tiene
una secuencia de nmeros aleatorios distribuidos uniformemente en ese intervalo, siempre es
117
posible transformarlos mediante la integral de probabilidad inversa para obtener nmeros que
tengan la distribucin deseada.
Con respecto a la apariencia de aleatoriedad puede ser algo sorprendente que la base de la
mayora de los algoritmos ms frecuentemente utilizados para la generacin de nmeros
aleatorios sea una relacin de recurrencia determinista en que cada nmero es una funcin del
precedente. La verdadera aleatoriedad requiere la independencia de los sucesivos nmeros,
pero el algoritmo produce una secuencia dependiente. Cuando los parmetros de la relacin
de recurrencia se eligen cuidadosamente, tales algoritmos para generar nmeros aleatorios
uniformes producen secuencias que estadsticamente aparecen como aleatorias. Esta
apariencia de aleatoriedad es el origen del trmino nmeros pseudoaleatorios.
Puesto que los resultados de la simulacin dependen de forma crtica de una aceptable
apariencia de aleatoriedad, es importante que un generador de nmeros aleatorios uniformes
cumpla con un amplio proceso de comprobacin estadstico.
6.1.1. GENERADORES CONGUENCIALES LINEALES
La mayora de los generadores de nmeros aleatorios uniformes son de este tipo y emplean
una relacin de recurrencia de la forma:
X
n + 1
= aX
n
+ c (mod m)
donde todas las cantidades son no negativas y se las conoce como:
m el mdulo, m > 0;
a el multiplicador, 0 < a < m;
c el incremento, 0 c < m;
X
0
el valor inicial, 0 < X
0
< m.
La aplicacin sucesiva de la ecuacin anterior produce una secuencia de enteros {X
n
} = X
1
,
X
2
, ... considerada como de nmeros aleatorios uniformes distribuidos entre 0 y m - 1. Los
nmeros aleatorios uniformes distribuidos en el intervalo ]0, 1[ se obtienen dividiendo los
valores anteriores por m, es decir para n = 1, 2, 3, ..., se tiene
U
n
= X
n
/m
Por ejemplo, la secuencia obtenida para m = 10 y X
0
= a = c = 7, es
7, 6, 9, 0, 7, 6, 9, 0, . . . .
Como este ejemplo pone de manifiesto, la secuencia no siempre es aleatoria para cualquier
eleccin de m, a, c y X
0
; los principios para elegir estos nmeros "mgicos" se enunciarn a lo
largo de este apartado. Adems, en algunos casos ser til considerar b = a - 1 para
simplificar alguna de las frmulas. Evidentemente se considerarn los casos en que a 2 y b
1.
El ejemplo anterior pone de manifiesto que la secuencia congruencial llega siempre a un
bucle, es decir que un determinado ciclo de nmeros se repite sin fin. El ciclo de nmeros que
se repite se denomina perodo. Para que una secuencia sea til es preciso que el perodo sea
largo.
El caso especial de c = 0 merece una mencin aparte, puesto que el proceso de generacin de
nmeros es algo ms rpido que cuando c > 0. No obstante la eleccin de c = 0 acorta el
perodo. Los trminos mtodo congruencial multiplicativo y mtodo congruencial mixto se
aplican respectivamente a los casos en que c = 0 y c > 0.
118
6.1.1.1. Eleccin del mdulo
La eleccin del mdulo m debe hacerse atendiendo a las dos siguientes caractersticas:
- m debe ser suficientemente grande a fin de permitir que el perodo tambin lo sea ya que
nunca ser mayor que el mdulo.
- la necesidad que la operacin (aX
n
+ c ) mod m sea rpida aun cuando la divisin sea una
operacin lenta. Para ello es conveniente elegir m de tal forma que sea (en computadores
binarios) 2 elevado a la longitud e de la palabra en bits w = 2
e
, con lo cual el clculo del
resto de la divisin se transforma en un truncado y el clculo se efecta eficientemente.
Otra tcnica consiste en utilizar como mdulo m = w 1, normalmente con c = 0. En este
caso, despus de efectuar el producto aX se tendra el resultado en dos registros; en el
primero q (cociente de la divisin por w) y en el segundo r (resto de la divisin por w). En
consecuencia, en el caso de m = w + 1, se tendra
aX = q(w + 1) + (r - q)
y (aX) mod(w + 1) sera igual a r - q o a r - q + (w + 1) segn que r - q 0 r - q < 0,
respectivamente. En caso de elegir m = w - 1 se utilizara una tcnica similar.
6.1.1.2. Eleccin del multiplicador
El multiplicador, junto con el mdulo, determina la longitud del perodo y el aspecto aleatorio
de los nmeros que lo componen. As, por ejemplo, si se hace a = c = 1, se obtiene un perodo
mximo con cualquier mdulo, pero su aleatoriedad dejar mucho que desear. Por otro lado si
m es el producto de diversos primos, el perodo slo ser mximo para a = 1, pero si m es una
potencia elevada de un primo, la eleccin de a es mucho ms amplia. Las condiciones que
deben cumplir a y c vienen fijadas por los teoremas que se exponen a continuacin.
Teorema A. La secuencia congruencial lineal definida por m, a, c y X
0
tiene un perodo
mximo m si y solo si
1. c es primo respecto a m;
2. b = a - 1 es un mltiplo de p, para cada p que divida a m;
3. b es un mltiplo de 4, si m es un mltiplo de 4.
En el caso en que c = 0, el teorema que se acaba de exponer pone de manifiesto que nunca
podr alcanzarse la longitud de perodo mxima, como tampoco debe aparecer nunca el valor
X
n
= 0, ya que a partir de ese momento la secuencia X
n + 1
= aX
n
mod m quedara degenerada.
En general, si X
n
es mltiplo de d, los sucesivos valores de la secuencia multiplicativa
tambin lo sern. Por lo tanto, X
n
deber ser primo con m para cualquier n, para que la
longitud del perodo sea como mximo el nmero de enteros entre 0 y m que son primos con
m.
Si se considera el caso en que m = p
e
, entonces se tiene X
n + 1
= a
n
X
0
mod p
e
y es evidente que
se tiene un perodo de longitud 1 si a es mltiplo de p, por lo que se tomar a primo con
respecto a p. Entonces el perodo es el menor entero tal que X
0
= a

X
0
mod p
e
. Cuando a es
primo con m, el menor valor de , para el cual a

= 1 mod m, se denomina orden de a mdulo


m. Cualquiera de tales valores de a que tiene el mximo orden mdulo m posible, se
denomina un elemento primitivo mdulo m. Si (m) representa el orden de un elemento
primitivo, es decir el mximo orden posible mdulo m, puede demostrarse que:
(2) = 1, (4) = 2, (2e) = 2
e - 2
, si e 3
(p
e
) = p
e - 1
(p - 1), si p > 2
119
( ) ( ) ( ) ( )
t t
e
t
e e
t
e
p p mcm p p = ,..., ...
1 1
1 1

Estas observaciones pueden resumirse en el siguiente:
Teorema B. El perodo mximo posible cuando c = 0 es (m). Este perodo se alcanza si:
1. X
0
es primo respecto a m;
2. a es un elemento primitivo mdulo m.
Ntese que se puede obtener un perodo de longitud m - 1 si m es primo, que es uno menos
que la longitud mxima, por lo que a efectos prcticos es tan largo como se quera.
El problema se ha trasladado ahora a conocer si un nmero es primitivo, para lo cual puede
ayudar el siguiente:
Teorema C. El nmero a es un elemento primitivo mdulo p
e
si y solo si:
1. p
e
= 2, si a es impar; o p
e
= 4, si a mod 4 = 3; o p
e
= 8, si a mod 8 = 3, 5, 7; o p = 2, y
4 e si a mod 8 = 3, 5;
2. p es impar, e = 1, a 0 mod p y a
(p - 1)/q
1 mod p, para cualquier divisor primo q de
1 p ;
3. p es impar, e > 1, a satisface la condicin 2 y a
p - 1
1 mod p
2
.
En el caso comn m = 2
e
, con e 4, las condiciones anteriores se simplifican a la simple
exigencia que a = 3 5 mod 8, lo cual indica que una cuarta parte de los posibles
multiplicadores dan un perodo mximo.
6.1.1.3. El generador de nmeros aleatorios uniformes del sistema 360
Uno de los generadores de nmeros aleatorios ms conocido es el implantado en el sistema
360 de IBM con una palabra de 32 bits de los cuales uno est reservado al signo y los
restantes al mdulo. En consecuencia, la eleccin obvia es m = 2
31
.
Un generador multiplicativo (c = 0) con m = 2
k
tendr un perodo mximo de longitud m/4.
Por lo tanto en el sistema 360 de IBM con m = 2
31
, el perodo mximo es de 2
31
/4 = 2
29
y la
longitud del perodo puede depender tambin del valor inicial. Cuando el mdulo es primo, el
mximo perodo posible es m - 1. Sucede que (afortunadamente) el mayor primo menor que
2
31
es 2
31
- 1 = 2147483647, por lo que eligiendo este valor como mdulo, el perodo ser
solo una unidad inferior.
Se observa que las condiciones que aseguran un perodo mximo no garantizan
necesariamente buenas propiedades estadsticas para el generador, aunque la eleccin como
multiplicador de a = 7
5
satisface ambas exigencias. Es decir que el generador sera
X
n + 1
= 7
5
X
n
mod ( 2
31
- 1) = 16807 X
n
mod (2147483647)
6.1.1.4. Barajado de los generadores congruenciales lineales
Con el fin de mejorar la aleatoriedad de la secuencia de nmeros generada, en muchos casos
se procede a un barajado de los resultados que adopta, con frecuencia la forma siguiente:
- se crea una tabla con 2
7
= 128 valores procedentes del generador considerado.
- con los siete bits de menor peso del nuevo valor generado considerados como un nmero
binario se direcciona el elemento correspondiente de la tabla anterior.
- el valor que se da como salida es el que ocupaba la posicin direccionada en la tabla y es
substituido por el valor que se acaba de generar.
- se repiten estos dos ltimos pasos tantas veces como sea necesario.
120
Se observa que este esquema de barajado depende de la eleccin del mdulo m. Para un
mdulo m = 2
31
, los bits de menor peso de la secuencia congruencial no son uniformes y su
uso puede perjudicar ms que beneficiar. Con un mdulo m = 2
31
- 1 y un multiplicador b =
7
5
, los bits de menor peso son uniformes y se obtienen los resultados deseados.
6.2. COMPROBACIN DE LAS SECUENCIAS DE NMEROS
ALEATORIOS
El objetivo principal es obtener secuencias de nmeros que parezcan aleatorias. Hasta ahora
la preocupacin ha sido lograr un perodo suficientemente largo para que, a efectos prcticos,
no se produzcan repeticiones. Ello es importante, pero no garantiza que la secuencia sea til
en las aplicaciones que requieran de estas secuencias de nmeros.
La teora estadstica proporciona algunas medidas cuantitativas de la aleatoriedad.
Literalmente no hay fin en el nmero de tests que pueden concebirse. Se tratarn algunos tests
que se han mostrado tiles, instructivos y adaptados al clculo automtico.
Cada secuencia que deba utilizarse debe comprobarse cuidadosamente y as en los apartados
que siguen se tratar como llevar a cabo estos tests de una manera correcta. Se distinguen dos
tipos de tests:
- tests empricos para los cuales el computador manipula grupos de nmeros de la secuencia
y evala algunas magnitudes estadsticas.
- tests tericos para los cuales se establecen las caractersticas de la secuencia usando
mtodos de la teora de nmeros basados en la regla de recurrencia utilizada en la
formacin de la secuencia.
6.2.1. PROCEDIMIENTOS DE TEST GENERALES PARA ESTUDIAR DATOS
ALEATORIOS
6.2.1.1. Test de ji cuadrado
Este test es tal vez el ms conocido de los tests estadsticos y es un mtodo bsico que se usa
en conexin con muchos otros. Es adecuado para comprobar distribuciones de tipo discreto o,
lo que es los mismo, cuando las observaciones que se realizan caen en clases determinadas.
En general, una observacin puede caer en una entre k categoras. Se considera que se hacen
n observaciones independientes en el sentido que el resultado de cada observacin no afecta
al resultado de ninguna de las dems. Sea p
i
la probabilidad que cada observacin caiga en la
categora i y sea Y
i
el nmero de observaciones que realmente caen en la categora i. Si se
forma el estadstico
( )

=
k
i i
i i
ip
ip Y
V
1
2

desarrollando el cuadrado de la diferencia y teniendo en cuenta que
Y
1
+ Y
2
+ ... + Y
k
= n
p
1
+ p
2
+ ... + p
k
= 1
se llega a la expresin
n
p
Y
n
V
k
i i
i

|
|
.
|

\
|
=

=1
2
1

que facilita el clculo de V.
121
A continuacin es preciso plantearse la cuestin de cual es un valor razonable de V. La
respuesta est en utilizar una de las tablas de ji cuadrado fijando el nivel de confianza y el
nmero de grados de libertad, que es igual, en primera aproximacin, al nmero de categoras
menos el nmero de relaciones existentes.
6.2.1.2. Test de Kolmogorov-Smirnov
Como se acaba de ver, el test de ji cuadrado se aplica a situaciones en que las observaciones
caen en un nmero finito de categoras. No es inusual, sin embargo, considerar cantidades
aleatorias que pueden tener infinitos valores. Por ejemplo, un nmero aleatorio real entre 0 y
1 puede tomar infinitos valores distintos; incluso aunque solo un nmero finito de ellos puede
representarse en un computador y se desea que los valores pseudoaleatorios se comporten
esencialmente como si fueran nmeros aleatorios reales.
Sea F(x) la funcin de distribucin de probabilidad de la variable aleatoria considerada. Si se
hacen n observaciones independientes de una cantidad aleatoria X, obteniendo los valores X
1
,
X
2
, , X
n
, se puede formar la funcin de distribucin emprica F
n
(x), donde
( )
n
x X X X
x F
n
n

=
son que ,..., , de nmero
2 1

que tendr el aspecto de una escalera irregular. Cuando n crece F
n
(x) tiende a ser una
aproximacin cada vez mejor de F(x).
El test de Kolmogorov-Smirnov (test KS) puede usarse cuando F(x) no tiene saltos y se basa
en la diferencia entre F(x) y F
n
(x). Para hacer el test KS, se forman los siguientes estadsticos
( ) ( ) | | x F x F n K
n x n
=
+ < <
+
max
( ) ( ) | | x F x F n K
n x n
=
+ < <

max
Aqu
+
n
K mide la mxima desviacin cuando F
n
es mayor que F, y

n
K mide la mxima
desviacin cuando F es mayor que F
n
. Puede demostrarse que la desviacin tipo de F
n
(x) es
proporcional a la inversa de la raz cuadrada de n, por lo que la multiplicacin por la raz
cuadrada de n en las ecuaciones anteriores magnifica los estadsticos
+
n
K y

n
K para que esta
desviacin tipo sea independiente de n.
Como en el test de ji cuadrado se debe consultar en una tabla acerca de los valores
+
n
K y

n
K
para determinar su significacin.
6.2.2. PROCEDIMIENTOS DE TEST EMPRICOS PARA ESTUDIAR
SECUENCIAS DE NMEROS ALEATORIOS
En este apartado se expondrn tests especficos que se han aplicado a las secuencias de
nmeros aleatorios para investigar su aleatoriedad. Cada test se aplica a la secuencia {U
n
} =
U
0
, U
1
, U
2
, ... de nmeros reales que se quiere averiguar si son independientes y
uniformemente distribuidos entre 0 y 1. Algunos de los tests estn diseados primariamente
para secuencias de valores enteros, en vez de reales. Entonces se considerar la secuencia
{Y
n
} = Y
0
, Y
1
, Y
2
, ... que est definida por la regla Y
n
= parte entera de (dU
n
) y donde se
supone que la secuencia {Y
n
} es de valores independientes y est uniformemente distribuida
entre 0 y d - 1.
122
6.2.2.1. Test de equidistribucin
La primera condicin que debe cumplir la secuencia {U
n
} es que sus nmeros estn
uniformemente distribuidos entre 0 y 1. Hay dos formas de realizar este test:
- Usar el test de Kolmogorov-Smirnov con F(x) = x para 0 x 1.
- Sea d un nmero conveniente, por ejemplo 64 128 en un computador binario, y usar la
secuencia {Y
n
} en lugar de la {U
n
}. Para cada entero r, 0 r d, contar el nmero de veces
que Y
j
= r para 0 j n, y entonces aplicar el test de ji cuadrado usando k = d y la
probabilidad p
i
= 1/d para cada categora.
6.2.2.2. Test serial
Un criterio ms general consiste en querer que pares de nmeros sucesivos estn
uniformemente distribuidos de forma independiente.
Para realizar este test se cuenta simplemente el nmero de veces que aparece el par
( )
1 2 2
,
+ j j
Y Y = (q, r), para 0 j n; Esta cuenta debe hacerse para cada par de enteros (q, r) con
d r q , 0 y se aplica el test de ji cuadrado a estas k = d
2
categoras con probabilidad 1/d
2
en
cada categora. Como en el caso del test de equidistribucin, d debe ser un valor adecuado,
pero ser bastante menor puesto que para que el test de ji cuadrado sea vlido es preciso que n
sea grande con respecto a k (por ejemplo que n 5d
2
).
Claramente se puede generalizar este test a triplas, cudruplas, etc., en vez de pares; sin
embargo, entonces el valor de d debe reducirse severamente para evitar tener demasiadas
categoras. Cuando se consideran cudruplas o agrupaciones de orden superior, se pueden
usar test menos exactos, como el del pker, que se describirn ms adelante.
Ntese que es preciso generar 2n nmeros de la secuencia {Y
n
} para disponer de n
observaciones. Por otro lado, no hay que caer en el error de utilizar los pares (Y
0
, Y
1
), (Y
1
, Y
2
),
, (Y
n - 1
, Y
n
), ya que los pares considerados no seran independientes.
6.2.2.3. Test de las lagunas
Este test pretende examinar la longitud de las "lagunas" entre apariciones de U
j
en un cierto
mbito. Si a y b son dos nmeros reales con 0 a, b 1, se quieren considerar las longitudes
de subsecuencias consecutivas U
j
, U
j + 1
, , U
j + r
donde U
j + r
se halla entre a y b pero las
otras U no. Esta subsecuencia de r + 1 nmeros de longitud constituye una laguna de longitud
r. Para determinar el nmero de lagunas de cada longitud se podra usar un algoritmo como el
siguiente:
Algoritmo L. Este algoritmo aplicado a la secuencia para cualquier par de valores a y b,
cuenta el nmero de lagunas de longitudes 0, 1, , t - 1 y el nmero de las que son t, hasta
que se hayan examinado n lagunas.
L1. [Inicializar] Hacer j = -1, s = 0 y CONT(r) = 0 para 0 r t.
L2. [Hacer r igual a 0] Hacer r = 0.
L3. [a Uj b?] Incrementar j en uno. Si U
j
a y U
j
< b, ir al paso L5.
L4. [Incrementar r] Hacer r = r + 1 y volver al paso L3.
L5. [Registrar la longitud de la laguna] Puesto que se ha encontrado una laguna de longitud
r, si r t, incrementar CONT(t) en uno y, en caso contrario, incrementar en uno
CONT(r).
L6. [Se han encontrado n lagunas?] Incrementar s en uno. Si s < n, volver al paso L2.
123
Despus de ejecutar este algoritmo, se aplica el test de ji cuadrado a los k = t + 1 valores de
CONT(0), CONT(1), , CONT(t), usando las siguientes probabilidades:
p
0
= p, p
1
= p(1 - p), p
2
= p(1 - p)
2
, , p
t - 1
= p(1 - p)
t - 1
, p
t
= (1 - p)
t
En este caso p = b - a es la probabilidad que a U
j
b. Los valores de n y t deben elegirse,
como de costumbre, para que cada uno de los valores de CONT(r) sea 5 ms,
preferiblemente ms.
Este test se aplica a menudo con a = 0 con b = 1 para omitir una de las comparaciones del
paso L3. Los casos especiales en que (a, b) = (0, 0.5) (0.5, 1) dan lugar a los tests
denominados de las lagunas por encima y por debajo de la media, respectivamente.
Ntese finalmente que si la secuencia observada fuera muy poco aleatoria, el algoritmo L
podra no tener fin.
6.2.2.4. Test del pker o de las particiones
El test del pker clsico considera n grupos de cinco enteros sucesivos (Y
5j
, Y
5j + 1
, , Y
5j + 4
)
para 0 j < n y observa cual de las siete posibles combinaciones coincide con cada quntupla:
Todas distintas : abcde
Pareja: aabcd
Doble pareja: aabbc
Tro: aaabc
Fool: aaabb
Pker: aaaab
Repker: aaaaa
y el test de ji cuadrado se basa en el nmero de quntuplas de cada categora.
Es razonable plantearse una versin algo ms sencilla de este test para facilitar su
programacin. Un buen compromiso sera contar simplemente el nmero de valores distintos
en cada grupo de cinco. Se tendran entonces cinco categoras:
Cinco distintas: Todas distintas
Cuatro distintas: Pareja
Tres distintas: Doble pareja o Tro
Dos distintas: Fool o Pker
Todas iguales: Repker
En general se pueden considerar n grupos de k nmeros sucesivos y se puede contar el
nmero de k-tuplas con r valores distintos. El test de ji cuadrado se efecta entonces usando
la probabilidad
( ) ( )
|
|
.
|

\
| +
=
r
k
d
r d d d
p
k
r
1 ... 1

124
de que haya r diferentes. El ltimo factor de la probabilidad es un nmero de Stirling.
6.2.2.5. Test del coleccionista de cromos
Este test est relacionado con el del pker del mismo modo que el de las lagunas lo est con
el de la frecuencia. Se usa la secuencia {Y
n
} y se observan las longitudes de las secuencias Y
j
+ 1
, Y
j + 2
, , Y
j + r
requerida para obtener un conjunto completo de enteros entre 0 y d - 1. El
algoritmo que sigue expone con precisin como realizar esta cuenta.
Algoritmo C. Dada la secuencia de enteros Y
0
, Y
1
, ..., con 0 Y
j
d, este algoritmo para el
test del coleccionista de cromos cuenta las longitudes de n segmentos consecutivos de
colecciones de cromos. Al final CONT(r) es el nmero de segmentos con longitud r, d r < t
y CONT(t) es el nmero de segmentos de longitud t.
C1. [Inicializar] Hacer j = -1, s = 0 y CONT(r) = 0 para d r t.
C2. [Poner a cero q y r] Hacer q = 0, r = 0 y CROMO(k) = 0 para 0 k < d.
C3. [Siguiente observacin] Incrementar r y j en uno. Si CROMO(Y
j
) 0, repetir este paso.
C4. [Conjunto completo?] Hacer CROMO(Y
j
) = 1 y q = q + 1 (La subsecuencia observada
hasta ahora contiene q valores distintos; si q = d, se tiene, por consiguiente, un
conjunto completo). Si q < d, volver al paso C3.
C5. [Registrar la longitud] Si r t, incrementar CONT(t) en uno y, en caso contrario
incrementar CONT(r) en uno.
C6. [Se ha alcanzado n?] Incrementar s en uno. Si s < n volver al paso C2.
El test de ji cuadrado debe aplicarse a CONT(d), CONT(d + 1), , CONT(t) con k = t - d + 1,
despus que el algoritmo C haya contado n colecciones completas. Las probabilidades
correspondientes son:
t r d
d
r
d
d
p
r
r
<
|
|
.
|

\
|

= si
1
1
!

|
|
.
|

\
|
=

d
r
d
d
p
t
r
1
!
1

6.2.2.6. Test de la permutacin
Si se divide la secuencia de entrada en n grupos de t elementos cada uno, esto es (U
jt
, U
jt + 1
,
, U
jt + t - 1
) para 0 j < n, entonces los elementos de cada grupo pueden tener t!
ordenaciones relativas posibles; se cuenta el nmero de veces que aparece cada ordenacin y
se aplica el test de ji cuadrado con k = t! y con probabilidad 1/t! para cada ordenacin.
Por ejemplo, si t = 3, se podran tener seis categoras, de acuerdo a si U
3j
< U
3j + 1
< U
3j + 2
,
U
3j
< U
3j + 2
< U
3j + 1
, U
3j + 1
< U
3j
< U
3j + 2
, U
3j + 1
< U
3j + 2
< U
3j
, U
3j + 2
< U
3j
< U
3j + 1
,
U
3j + 2
< U
3j + 1
< U
3j
. Se supone que en este test no puede haber igualdad entre las U, teniendo
en cuenta como han sido generadas.
Una forma conveniente de realizar el test de la permutacin es mediante el siguiente
algoritmo.
Algoritmo P. Dada una secuencia de elementos distintos (U
1
, , U
t
), se calcula un entero
f(U
1
, , U
t
) tal que
0 f(U
1
, , U
t
) < t!
125
y f(U
1
, , U
t
) = f(V
1
, , V
t
) si y solo si (U
1
, , U
t
) y (V
1
, , V
t
) tienen la misma ordenacin
relativa.
P1. [Inicializar] Hacer r = t y f = 0. (Durante este algoritmo se tiene 0 f < t!/r!),
P2. [Encontrar el mximo] Encontrar el mximo de (U
1
, , U
r
) y suponer que U
s
es el
mximo. Hacer f = rf + s - 1.
P3. [Intercambiar] Intercambiar U
r
y U
s
.
P4. [Decrementar r] Decrementar r en uno. Si r > 1, volver al paso P2.
Obsrvese que la secuencia (U
1
, , U
t
) quedar clasificada en orden creciente cuando el
algoritmo termine. Para demostrar que el resultado f caracteriza de forma unvoca el orden
inicial de (U
1
, , U
t
), obsrvese que el algoritmo P puede funcionar al revs. Para r = 2, 3,
, t, hacer s = f mod r, f = parte entera de f/r e intercambiar U
r
y U
s
.
Es fcil ver que esto deshar los efectos de los pasos P2 a P4.; por lo tanto nunca dos
permutaciones distintas pueden conducir a un mismo valor de f y al algoritmo P funciona
correctamente. La idea subyacente en este algoritmo es una representacin numrica con
bases mezcladas denominada sistema de numeracin factorial donde cada posicin tiene un
peso proporcional al factorial de la posicin y los dgitos pueden variar entre cero y el orden
de la posicin que ocupa.
6.2.2.7. Test de las monotonas
Tambin pueden comprobarse en una secuencia las monotonas ascendentes y descendentes.
Esto significa examinar la longitud de las subsecuencias montonas de la secuencia original,
es decir, los segmentos que son crecientes o decrecientes.
Como ejemplo de definicin precisa de una monotona, puede considerarse la secuencia de
diez nmeros 1 2 9 8 5 3 6 7 0 4 y poniendo una raya vertical entre X
j
y X
j + 1
siempre que X
j
>
X
j + 1
, se obtiene
| 1 2 9 | 8 | 5 | 3 6 7 | 0 4 |
que pone de manifiesto las monotonas crecientes: hay una de longitud 3, seguida de dos de
longitud 1, seguida de otra de longitud 3 y otra de longitud 2.
A diferencia del test de las lagunas y del del coleccionista de cromos (que en muchos otros
aspectos son similares a este test), no se debe aplicar el test de ji cuadrado a los datos
anteriores, puesto que las monotonas adyacentes no son independientes. Una monotona
larga tiende a ser seguida por una de corta y viceversa. Esta falta de independencia es
suficiente para invalidar la aplicacin del test de ji cuadrado. En su lugar debe calcularse el
siguiente estadstico a partir del nmero de monotonas de cada longitud que hayan
aparecido:
( ) | | ( ) | |
ij j i
a nb j CONT nb i CONT
n
V

=
1

donde n es la longitud de la secuencia y los coeficientes a
ij
y b
i
son iguales a
126
|
|
|
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
|
|
|
.
|

\
|
172860 139476 111580 83865 55789 27892
139476 113262 90470 67852 45234 22615
111580 90470 72414 54281 36187 18091
83865 67852 54281 40721 27139 13568
55789 45234 36187 27139 18097 9 . 9044
27892 22615 18091 13568 9 . 9044 4 . 4529
66 65 64 63 62 61
56 55 54 53 52 51
46 45 44 43 42 41
36 35 34 33 32 31
26 25 24 23 22 21
16 15 14 13 12 11
a a a a a a
a a a a a a
a a a a a a
a a a a a a
a a a a a a
a a a a a a

( )
|
.
|

\
|
=
840
1
5040
29
729
19
120
11
24
5
6
1
6 5 4 3 2 1
b b b b b b
El estadstico V debe tener una distribucin de ji cuadrado con seis (no cinco) grados de
libertad cuando n es grande (por encima de 4000). El mismo test puede aplicarse a las
monotonas descendientes.
6.2.2.8. Test del mximo de t
Sea V
j
= max(U
tj
, U
tj + 1
, , U
tj + t - 1
) para 0 j < n. Se aplica ahora el test de Kolmogorov-
Smirnov a la secuencia V
0
, V
1
, , V
n - 1
con la funcin de distribucin F(x) = x
t
, con 0 x 1.
Alternativamente se podra aplicar el test de equidistribucin a la secuencia V
0
t
, V
1
t
, , V
n - 1
t
.
Para verificar este test, se debe demostrar que la funcin de distribucin de las V
j
es F(x) = x
t
.
La probabilidad que max(U
1
, U
2
, , U
t
) x es la probabilidad que U
1
x y U
2
x y y U
t

x, que es el producto de las probabilidades individuales, es decir xxx = x
t
.
6.2.2.9. Test de las colisiones
El test de ji cuadrado solo puede aplicarse cuando se espera un nmero no trivial de
elementos en cada categora. Pero hay otro tipo de test que puede usarse cuando el nmero de
categoras es mucho mayor que el nmero de observaciones.
Se supone que se tienen m urnas y que se lanzan n bolas al azar a esas urnas cuando m es
mucho mayor que n. La mayora de las bolas caer en urnas que estaban previamente vacas,
pero si una bola cae en una urna que ya contiene al menos una bola se dir que se produce
una colisin. El test de las colisiones cuenta el nmero de colisiones y un generador pasa este
test si no produce ni demasiadas ni demasiado pocas colisiones.
Para fijar ideas puede suponerse que m = 2
20
y n = 2
14
. Entonces cada urna recibir solo en
promedio un sesentaycuatroavo de bola. La probabilidad que una urna dada contenga
exactamente k bolas es
( )
k n
k
k
m m
k
n
p

|
|
.
|

\
|
=
1
1
por lo que el nmero esperado de colisiones por urna es
( )
0
1 0 1
1 1 p
m
n
p kp p k
k
k
k
k
k
k
+ = =



Puesto que
( )
(
(

|
.
|

\
|
+
|
|
.
|

\
|
+ = =

3
2 1
0
2
1 1
m
n
m
n
m
n
m p
n

127
se encuentra que el nmero total de colisiones que se producen en todas las urnas es
ligeramente inferior a n
2
/(2m ) = 128.
Se puede usar el test de las colisiones para evaluar un generador de nmeros aleatorios en un
gran nmero de dimensiones. Por ejemplo, cuando m = 2
20
y n = 2
14
se puede comprobar la
aleatoriedad en 20 dimensiones de un generador formando vectores de 20 dimensiones V
j
=
(Y
20j
, Y
20j + 1
, , Y
20j + 19
) para 0 j < n. Basta mantener una tabla de m = 2
20
bits, un bit para
cada posible valor de V
j
, para determinar las colisiones. Inicialmente todos los bits estn a
cero; luego para cada V
j
, si el valor correspondiente ya est a 1 se registra una colisin, y en
caso contrario se pone el bit a 1.
Para decidir si se pasa el test, se puede usar la siguiente tabla de puntos de porcentaje cuando
m = 2
20
y n = 2
14
:
colisiones 101 108 119 126 134 145 153
probabilidad 0.009 0.043 0.244 0.476 0.742 0.946 0.989
La teora subyacente a estas probabilidades es la misma que se utiliz en el test del pker; la
probabilidad de tener c colisiones es la probabilidad que estn ocupadas n - c urnas, es decir
( ) ( )
|
|
.
|

\
|

+ +
=
c n
n
m
c n m m m
p
n
c
1 ... 1

6.2.2.10. Test de la correlacin serie
Se puede calcular el coeficiente de correlacin serie que mide la dependencia entre U
j
y U
j + 1
,
que no es ms que un caso particular del coeficiente de correlacin entre dos secuencias U
0
,
U
1
, , U
n - 1
y V
0
, V
1
, , V
n - 1
, cuya expresin es
(
(

|
|
.
|

\
|

(
(

|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|

=
2
1
0
1
0
2
2
1
0
1
0
2
1
0
1
0
1
0
n
j
j
n
j
j
n
j
j
n
j
j
n
j
j
n
j
j
n
j
j j
V V n U U n
V U V U n
C
y en las que se hace V
j
= U
(j + 1)mod n
.
El coeficiente de correlacin est siempre entre -1 y +1. Cuando es cero o pequeo en valor
absoluto, indica que las cantidades U
j
y V
j
son relativamente independientes una de otra, pero
cuando el coeficiente de correlacin es 1 indica una dependencia lineal total.
Por consiguiente, es de desear que C est prximo a cero. De hecho, puesto que U
0
U
1
no es
completamente independiente de U
1
U
2
, el coeficiente de correlacin serie no se espera que
sea exactamente cero. Un buen valor de C deber cumplir
n n n n
C + 2 2
donde
( )
1
3
1
1
,
1
1
+

=
n
n n
n n
n n

128
Adems en vez de calcular el coeficiente de correlacin entre observaciones contiguas, se
puede calcular tambin entre (U
0
, U
1
, , U
n - 1
) y la secuencia desplazada cclicamente (U
q
,
, U
n - 1
, U
0
, , U
q - 1
), con 0 < q < n.
6.2.3. PROCEDIMIENTOS DE TEST TERICOS PARA ESTUDIAR DATOS
ALEATORIOS
Aunque es siempre posible comprobar un generador de nmeros aleatorios usando los
mtodos que se acaban de describir, es, de lejos, mejor disponer de tests a priori, es decir,
resultados tericos que digan anticipadamente la calidad del generador o cules pueden ser
los resultados de los tests anteriores. Tales resultados dan un conocimiento mucho mejor
acerca de los mtodos de generacin que el que pueden dar los mtodos empricos de test. El
desarrollo de esta teora es particularmente difcil y puede encontrarse con todo detalle en
(KNUT81).
6.2.3.1. Test espectral
En este apartado se estudiar una forma especialmente importante de comprobar la calidad de
los generadores congruenciales lineales de nmeros aleatorios. No solo todos los buenos
generadores pasan este test, sino que ninguno de los malos lo pasa. Es desde luego el test ms
potente conocido y requiere particular atencin.
Como test terico que es, considera la totalidad de la secuencia, aunque requerir de un
programa para poder determinar los resultados.
Los ms importantes criterios de aleatoriedad parecen relacionarse con las propiedades de la
distribucin conjunta de t elementos consecutivos de la secuencia. Si se tiene una secuencia
{U
n
} de perodo m, la idea consiste en analizar en un espacio de t dimensiones el conjunto de
la totalidad de los m puntos
(U
n
, U
n + 1
, , U
n + t - 1
)
Por simplicidad se supone que se tiene una secuencia congruencial lineal (X
0
, a, c, m) de
perodo mximo m (por lo que c 0) o que m es primo, c = 0 y el perodo es de longitud m -
1. En el ltimo caso se aadir el punto (0, 0, ,0) al conjunto de puntos de tal forma que
siempre habr m puntos en total. Este punto suplementario tiene un efecto despreciable
cuando m es grande y hace que la teora sea mucho ms sencilla. En estas condiciones se
puede reescribir la expresin anterior como ( ) ( ) ( ) ( ) ( )
|
.
|

\
|
<

m x x s x s s x s x
m
t
0 | ,...., , ,
1
1
, donde
s(x) = (ax + c) mod m es el sucesor de x. Obsrvese que se est considerando slo el conjunto
de tales puntos en t dimensiones y no el orden en que estos puntos estn realmente generados.
Pero el orden de generacin se refleja en la dependencia entre las componentes de los
vectores y el test espectral estudia tales dependencias para varias dimensiones t tratando con
la totalidad de los puntos que se pueden llegar a generar.
Por ejemplo considrese la representacin grfica de un pequeo caso en 2 y 3 dimensiones,
para el generador
s(x) = (137x + 187) mod 256
Desde luego un generador con un perodo de 256 difcilmente ser aleatorio, pero 256 es
suficientemente pequeo para poder dibujar el diagrama y ganar alguna comprensin antes de
volver a valores de m mayores que sean de inters prctico.
Quiz lo ms sorprendente del dibujo que se obtendra es que se puede cubrir todos los puntos
mediante un nmero relativamente reducido de rectas paralelas; por descontado hay muchas
familias distintas de rectas que cumplen esa condicin. Por ejemplo, un conjunto de 20 rectas
129
casi verticales ser una solucin, del mismo modo que otro conjunto de 21 rectas con una
inclinacin de casi 30
o
. Es algo parecido a los campos de produccin de rboles.
Si se considera el mismo generador en tres dimensiones, se obtienen los 256 puntos en un
cubo aadiendo la componente s(s(x)) a cada uno de los 256 puntos (x, s(x)) dispuestos en el
plano. Se puede imaginar como una estructura cristalina en tres dimensiones en la que
tambin se pueden descubrir familias de planos que recubren la totalidad de los puntos.
Como primera impresin se podra pensar que un comportamiento tan sistemtico es tan poco
aleatorio que los generadores congruenciales lineales deberan rechazarse. No obstante una
reflexin ms cuidadosa recordando que m es grande en la prctica, proporciona una mejor
visin. La estructura regular es esencialmente el "grano" que se ve cuando se examinan los
nmeros aleatorios bajo un microscopio de alto poder. Si se toman nmeros verdaderamente
aleatorios entre 0 y 1 y se redondean o trucan a precisin finita de tal forma que todos sean un
mltiplo entero de 1/, para algn nmero dado, , entonces los puntos de t dimensiones que
se obtienen tendrn un carcter extremadamente regular cuando se miren al microscopio.
Sea 1/
2
la distancia mxima entre lneas, tomada sobre todas las familias de rectas paralelas
que cubren los puntos (x/m, s(x)/m) en dos dimensiones. Se denominar
2
la precisin
bidimensional del generador de nmeros aleatorios, puesto que los pares de nmeros
sucesivos tiene una estructura fina que es esencialmente buena en una parte entre
2
. De
forma similar, sea 1/
3
la distancia mxima entre planos, tomada sobre todas las familias de
planos paralelos que cubren todos los puntos (x/m, s(x)/m, s(s(x))/m). Se denominar
3

precisin tridimensional. La precisin t-dimensional
t
ser el recproco de la distancia
mxima entre hiperplanos tomados sobre todas las familias de hiperplanos paralelos de t - 1
dimensiones que cubren los puntos (x/m, s(x)/m, , s
t - 1
(x)/m).
La diferencia esencial entre las secuencias peridicas y las verdaderamente aleatorias que se
han truncado a mltiplos de 1/ es que la precisin de las secuencias verdaderamente
aleatorias es la misma en todas las dimensiones, mientras que la precisin de las secuencias
peridicas disminuye cuando t aumenta. Por lo tanto, puesto que solo hay m puntos en un
cubo de t dimensiones cuando m es la longitud del perodo, no se puede alcanzar una
precisin t-dimensional mejor que aproximadamente m
1/t
.
Cuando se considera la independencia de t valores consecutivos, los nmeros aleatorios
generados por computador se comportarn en esencia como si se tomaran verdaderos
nmeros aleatorios y se truncaran a log
t
bits, donde
t
disminuye al aumentar t. En la
prctica, una precisin variable de este tipo es todo lo que se necesita. No se insiste en que la
precisin decadimensional sea 2
35
, en el sentido que todos los (2
35
)
10
posibles decatuplos (U
n
,
U
n + 1
, , U
n + 9
) deben ser equiprobables en una mquina de 35 bits; para valores tan grandes
de t se quiere que solamente unos pocos bits de mayor peso de (U
n
, U
n + 1
, , U
n + t - 1
) se
comporten como si fueran independientemente aleatorios.
Por otra parte, cuando una aplicacin necesita una elevada resolucin de la secuencia de
nmeros aleatorios, las secuencias conguenciales lineales sencillas sern inadecuadas;
debern usarse generadores con perodos ms largos incluso aunque solo se genere una
pequea parte del perodo. Elevar al cuadrado el perodo esencialmente har lo mismo con la
precisin en dimensiones elevadas, es decir doblar el nmero efectivo de bits de precisin.
El test espectral se basa en los valores de
t
para valores pequeos de t, por ejemplo 2 t 6.
Las dimensiones 2, 3 y 4 parecen ser las ms adecuadas para detectar las deficiencias
importantes de una secuencia, pero puesto que se considera la totalidad del perodo parece
mejor aumentar en uno o dos la dimensin. Por otra parte, los valores de
t
para t 10
parecen no tener significado prctico.
130
Podra parecer inicialmente que slo se debe aplicar el test espectral para valores de t
convenientemente altos; si el generador pasa el test de tres dimensiones, parece plausible que
tambin lo haga en dos dimensiones, por lo que se puede ahorrar esta prueba. La falacia de
este razonamiento se produce porqu se aplican condiciones ms estrictas para dimensiones
menores.
Algunos autores han sugerido usar el mnimo nmero N
t
de rectas, planos o hiperplanos que
recubren los puntos en vez de la distancia mxima entre ellos. Sin embargo, este nmero no
parece tan importante ni tiene una interpretacin tan clara como el concepto de precisin
definido anteriormente.
Para determinar las sucesivas precisiones para valores crecientes del nmero de dimensiones
se puede aplicar el algoritmo que se expone a continuacin, cuya justificacin completa
puede hallarse en (KNUT81).
Algoritmo S. Este algoritmo determina el valor de
( ) m x a ax x x x
t
t
t t
mod 0 .... | .... min
1
2 1
2 2
1
= + + + + + =


para 2 t T, dados a, m y T, donde 0 < a < m y a y m son primos entre s. Toda la aritmtica
de este algoritmo se efecta entre enteros cuyos mdulos rara vez exceden m
2
, excepto en el
paso S8; de hecho casi todas las variables enteras sern inferiores a m en valor absoluto
durante el clculo.
Cuando se calcula
t
para t 3, el algoritmo trabaja con dos matrices U y V de dimensin t
t, cuyos vectores fila se representarn por U
i
= (u
i1
, , u
it
) y V
i
= (v
i1
, , v
it
) para 1 i t.
Estos vectores satisfacen las condiciones
u
i1
+ a u
i2
+ + a
t - 1
u
it
= 0 mod m , 1 i t
U
i
. V
j
=
ij
m , 1 i, j t
Hay otros tres vectores auxiliares, X = (x
1
, , x
t
), Y = (y
1
, , y
t
) y Z = (z
1
, , z
t
). Durante la
totalidad del algoritmo s representar el menor lmite superior de
t
2
que se haya descubierto
hasta ese momento y r representar a
t - 1
mod m.
S1. [Inicializacin] Hacer h = a, h' = m, p = 1, p' = 0, r = a y s = 1 + a
2
(Los primeros pasos
de este algoritmo tratan el caso de t = 2 por un mtodo especial parecido al algoritmo
de Euclides; se tiene h - ap = h' - ap' = 0 mod m y hp' - h'p = m durante esta fase del
clculo).
S2. [Paso eucldeo] Hacer q = parte entera de h'/h, u = h' - qh, v = p' - qp. Si u
2
+ v
2
< s,
hacer s = u
2
+ v
2
, h' = h, h = u, p' = p y p = v y repetir el paso S2.
S3. [Clculo de
2
] Hacer u = u - h y v = v - p; y si u
2
+ v
2
< s, hacer s = u
2
+ v
2
, h' = u y p'
= v. Entonces la salida es s
1/2
=
2
(Ahora se deben preparar las matrices U y V para
que satisfagan las condicin antes expuestas en preparacin de los clculos de
dimensiones superiores). Sea
|
|
.
|

\
|

=
|
|
.
|

\
|

=
h p
h p
V
p h
p h
U
' '
,
' '

donde el signo - se elige para V si y solo si p' > 0.
S4. [Incremento de t] Si t = T, el algoritmo termina. (En caso contrario se incrementar t en
uno. En este momento U y V son matrices t x t que satisfacen las condiciones antes
131
expuestas y deben ampliarse aadindoles unas nuevas fila y columna apropiadas).
Hacer t = t + 1 y r = (ar) mod m. Hacer U
t
= (-r, 0, 0, , 0, 1) y hacer u
it
= 0 para 1 i
< t. Hacer V
t
= (0, 0, 0, , m). Finalmente para 1 i < t, hacer q = redondeo(v
i1
r/m), v
it

= v
i1
- qm y U
t
= U
t
+ qU
t
(Aqu redondeo(x) representa el entero ms prximo a x, es
decir, (parte entera de (x + 1/2))). Finalmente hacer s = min(s, U
t
, U
t
), k = t y j = 1.
S5. [Transformacin] Para 1 i t, hacer las siguientes operaciones: Si i j y 2|V
i
.V
j
| > V
j

V
j
, hacer q = redondeo((V
i
V
j
)/( V
j
V
j
)), V
i
= V
i
- q V
j
, U
j
= U
j
+ qU
i
y k = j. (El
hecho de omitir esta transformacin cuando 2|V
i
V
j
| es exactamente igual a V
j
V
j

evita que el algoritmo entre en un bucle sin fin).
S6. [Examinar la nueva cota] Si k = j (es decir si la transformacin del paso S5 ha hecho
algo til), hacer s = min(s, U
j
U
j
).
S7. [Incrementar j] Si j = t, hacer j = 1; en caso contrario hacer j = j + 1. Ahora si j k,
volver al paso S5 (Si j = k, se ha ido a travs de t - 1 ciclos consecutivos sin
transformacin, por lo que el proceso de transformacin est clavado).
S8. [Preparacin para la bsqueda] Hacer X = (0, 0, , 0), Y = (0, 0, , 0), k = t y
( ) ( ) ( ) | | t j m s V V z
j j
= 1 para / de entera parte de entera parte
2

(Se examinarn todas las X = (x
1
, , x
t
) con |x
j
| z
j
para 1 j t. En centenares de
aplicaciones de este algoritmo, ni ninguna z
j
ha resultado ser mayor que 1 ni la
bsqueda exhaustiva de los pasos siguientes ha reducido s; sin embargo, tales
fenmenos son probablemente posibles en casos fantsticos, especialmente en
dimensiones ms elevadas. Durante la bsqueda exhaustiva, el vector Y ser siempre
igual a x
1
U
1
+ + x
t
U
t
, de tal forma que f(x
1
, , x
t
) = Y Y. Puesto que f(-x
1
, , -x
t
) =
f(x
1
, , x
t
), se examinarn slo vectores cuyo primer componente no nulo sea positivo.
El mtodo es el de contar en pasos de uno, considerando (x
1
, , x
t
) como los dgitos de
un sistema de numeracin equilibrado con bases mezcladas (2z
1
+ 1, , 2z
t
+ 1)).
S9. [Avanzar x
k
] Si x
k
= z
k
, ir al paso S11. En caso contrario incrementar x
k
en 1 y hacer Y
= Y + U
k
.
S10. [Incrementar k] Hacer k = k + 1. Entonces si k t, hacer x
k
= -z
k
, Y = Y - 2z
k
U
k
y repetir
el paso S10. Pero si k > t, hacer s = min (s, Y Y).
S11. [Decrementar k] Hacer k = k - 1. Si k 1, volver al paso S9. En caso contrario la salida
es
t
= s
1/2
(la bsqueda exhaustiva ha terminado) y volver al paso S4.
En la prctica este algoritmo se aplica para T = 5 6 y funciona razonablemente bien cuando
T = 7 8, pero es terriblemente lento cuando T 9 ya que la bsqueda exhaustiva tiene a
hacer crecer el tiempo proporcionalmente a 3
T
.
Un ejemplo ayudar a clarificar el algoritmo S. Se considera el generador congruencial lineal
definido por
m = 10
10
, a = 3141592621, c = 1, X
0
= 0
Seis ciclos del algoritmo eucldeo de los pasos S2 y S3 bastan para demostrar que el mnimo
valor distinto de cero de x
1
2
+ x
2
2
con
132
x
1
+ 3141592621x
2
= 0 mod 10
10
se produce para x
1
= 67654 y x
2
= 226; por lo tanto la precisin bidimensional de este
generador es
3748 . 67654 226 67654
2 2
2
+ =
Pasando a tres dimensiones, se buscar el valor mnimo de x
1
2
+ x
2
2
+ x
3
2
tal que
x
1
+ 3141592621x
2
+ 3141592621
2
x
3
= 0 mod 10
10
El paso S4 establece las matrices
|
|
|
.
|

\
|


=
|
|
|
.
|

\
|


=
0 1000000000 0 0
1307181134 67654 226
2564918569 4190611 191

1 33 5793866
0 191 44190611
0 226 67654
V U
La primera iteracin del paso S5, con q = 1 para i = 2 y q = 4 para i = 3, las cambia en
|
|
|
.
|

\
|



=
|
|
|
.
|

\
|

=
259674276 176762444 764
5 1255773743 44258265 35
2564918569 44190611 191

1 33 5793866
0 191 44190611
4 97 21082801
V U
Las siguientes catorce iteraciones del paso S5 tienen (j, q
1
, q
2
, q
3
) = (2, -2, *, 0), (3, 0, 3, *),
(1, *, -10, -1), (2, -1, *, -6), (3, -1, 0, *), (1, *, 0, 2), (2, 0, *, -1), (3, 3, 4,*), (1, *, 0, 0), (2, -5,
*, 0), (3, 1, 0, *), (1, *, -3, -1), (2, 0, *, 0) y (3, 0, 0, *). Ahora el proceso de transformacin
est clavado pero las filas de las matrices se han convertido en algo significativamente mas
corto:
|
|
|
.
|

\
|


=
|
|
|
.
|

\
|


=
1707736 9749816 854296
1593689 438109 2809871
2994234 601246 888874

130 983 227
918 104 3022
2777 616 1479
V U
Los lmites buscados (z
1
, z
2
, z
3
) en el paso S8 resultan ser (0, 0, 1), por lo que U
3
es la
solucin ms corta de la ecuacin y, por lo tanto se tiene
21089 . 1017 130 983 227
2 2 2
3
+ + =
6.3. GENERACIN DE NMEROS ALEATORIOS NO UNIFORMES
El problema de generar nmeros aleatorios segn alguna distribucin no uniforme puede
resolverse en principio mediante la distribucin inversa de probabilidad como se tratar en el
apartado 6.3.1. No obstante, esta integral inversa no siempre puede calcularse o su clculo
puede ser difcil o laborioso, por lo que es interesante disponer de mtodos que permitan
generar directamente valores distribuidos segn una ley de probabilidad determinada y ello de
forma exacta, rpida, fcil de implantar y econmica en memoria del sistema.
Los mtodos que pueden utilizarse, aparte el de utilizar la ley de distribucin inversa, pueden
agruparse en cinco grupos, aunque no totalmente disjuntos, que son:
- composicin
133
- rechazo-aceptacin
- descomposicin
- caracterizacin
- comparacin
de los cuales el segundo y el tercero son sistemticos y permiten la generacin de la mayora
de nmeros aleatorios no uniformes de forma simple aunque no siempre eficiente.
6.3.1. TRANSOFORMACIN POR LA INTEGRAL DE PROBABILIDAD INVERSA
La generacin de nmeros aleatorios no uniformes por la transformacin inversa de nmeros
aleatorios uniformes se basa en la observacin que si U est uniformemente distribuido en el
intervalo unidad y F(x) es una funcin de distribucin estrictamente creciente, entonces la
variable aleatoria X = F
-1
(U) tiene la distribucin F(x). En consecuencia, para producir
muestras de una variable aleatoria X distribuida segn F(x) por transformacin de un nmero
aleatorio uniforme U, se ha de poder resolver la ecuacin F(x) = y, 0 y 1 (figura 6.1).
x
U
0
1
F(x)

Figura 6.1.
6.3.1.1. Ley exponencial
La transformacin inversa puede usarse para producir nmeros distribuidos
exponencialmente. Recurdese que una variable tiene una distribucin exponencial (de
parmetro y media
-1
) si para t 0,
Pr (X t) = 1 - e
-t
entonces se pueden generar nmeros distribuidos exponencialmente a partir de una secuencia
uniforme mediante el siguiente algoritmo:
1. Generar U distribuido uniformemente entre 0 y 1.
2. Obtener X = -
-1
ln U.
que puede demostrarse fcilmente a partir de la ecuacin anterior.
6.3.1.2. Ley geomtrica
Si se tratara de obtener nmeros aleatorios N distribuidos geomtricamente (con parmetro 0
< p < 1 y media p/(1 - p)) de acuerdo con
Pr (N = k) = (1 - p)p
k
entonces se pueden generar nmeros distribuidos geomtricamente a partir de una secuencia
uniforme mediante el siguiente algoritmo:
134
1. Generar U distribuido uniformemente entre 0 y 1.
2. Obtener
U N ln
1
=
que puede demostrarse fcilmente a partir de la ecuacin anterior.
6.3.1.3. Ley de Bernouilli
Si se tratara de obtener nmeros aleatorios X que pueden tomar los valores 0 y 1 distribuidos
segn la ley de Bernouilli (con parmetro 0 < p < 1) de acuerdo con
Pr (X = 1) = p y Pr (X = 0) = 1 - p
entonces se pueden generar nmeros distribuidos segn una ley de Bernouilli a partir de una
secuencia uniforme mediante el siguiente algoritmo:
1. Generar U distribuido uniformemente entre 0 y 1.
2. Obtener X = 1 si U p y X = 0 si U > p, que puede demostrarse fcilmente a partir de la
ecuacin anterior. Con este algoritmo el intervalo unidad est partido en subintervalos de
longitud p y 1 - p; el subintervalo (en que cae el nmero aleatorio uniforme) determina el
valor de la variable aleatoria de Bernouilli.
6.3.1.4. Ley de Poisson
Si se tratara de obtener nmeros aleatorios N distribuidos segn una ley de Poisson (con
parmetro y media > 0) de acuerdo con
Pr (N = k) = e
-

k
/k!
entonces se pueden generar nmeros distribuidos segn una ley de Poisson a partir de una
secuencia uniforme por el siguiente algoritmo:
1. Generar U distribuido uniformemente entre 0 y 1.
2. Obtener N = 0 si U e
-

N = 1 si e
-
< U e
-
+ e
-


N = 2 si e
-
+ e
-
< U e
-
+ e
-
+
2
e
-
/2
. . . . . . . .
que puede demostrarse fcilmente a partir de la ecuacin anterior.
6.3.2. COMPOSICIN
Las tcnicas de composicin pueden utilizarse para producir muestras de una variable
aleatoria X que tenga una representacin como una suma de variables aleatorias
independientes con una distribucin comn, es decir, como X = T
1
+ T
2
+ ... + T
n
para algn n
> 1 donde las {T
i
} son variables aleatorias idnticamente distribuidas.
6.3.2.1. Ley de Erlang
Una variable aleatoria de Erlang X (con parmetro de escala > 0 y parmetro de forma
integral k > 0) tiene una funcin de densidad
f
X
(x) = e
-x

k
x
k - 1
/(k - 1)!
135
concentrada en x 0. Esta variable aleatoria tiene la representacin X = T
1
+ T
2
+ ... + T
k
,
donde las {T
i
} son independientes y estn distribuidas exponencialmente con media E[T
i
] =

-1
; es decir E[X] = k
-1
y Var[X] = k
-2
. Entonces se pueden generar nmeros distribuidos
segn una ley de Erlang a partir de una secuencia uniforme mediante el siguiente algoritmo:
1. Generar U
1
, U
2
, ... , U
k
mutuamente independientes y distribuidos uniformemente entre 0
y 1.
2. Obtener X = -
-1
ln(U
1
U
2
...U
k
), expresin que resulta de la manipulacin algebraica de X
= T
1
+ T
2
+ ... + T
k
donde T
i
= -
-1
ln U
i
.
6.3.2.2. Ley gamma
Se puede usar tambin la composicin para producir muestras de una distribucin gamma.
Una variable aleatoria gamma (con parmetro de escala > 0 y parmetro de forma k > 0)
tiene una funcin de densidad como la que aparece en la ecuacin del prrafo anterior con el
factorial (k - 1)! sustituido por la funcin gamma definida para k > 0 por
( )



= dt e t k G
t k 1

La funcin gamma interpola los factoriales en el sentido que
( ) ( ) ( ) 0 toda para , 1 y ... 2, 1, , 0 para , ! 1 > = + = = + k k kG k k k k
Como antes E[X] = k
-1
y Var[X] = k
-2
.
La suma de dos variables aleatorias gamma, cada una con parmetro de escala m parmetros
de forma k
1
y k
2
, respectivamente, es una variable aleatoria gamma con parmetro de escala m
y parmetro de forma k = k
1
+ k
2
. Es conveniente generar muestras de distribuciones gamma
con parmetro de forma k como la suma de un nmero aleatorio gamma distribuido con
parmetro de forma k
1
igual a la parte entera de k y un nmero aleatorio gamma distribuido
con parmetro de forma k
2
= k - k
1
. La generacin de este ltimo es bastante difcil y se
realiza mediante un programa especial cuidadosamente escrito que puede consultarse en
obras especializadas. Tambin puede usarse una tcnica de rechazo-aceptacin (ver apartado
6.3.3.3.) basada en la observacin que la funcin
( ) ( ) 1 0 si /
1
=

x k x x g
k

( ) ( ) x k e x g
x
< =

1 si /
es mayorante de la funcin de densidad gamma
( ) ( ) k x e x f
k x
=

/
1

6.3.2.3. Ley binomial
Para ilustrar el uso de la composicin para una variable aleatoria discreta se considera la
distribucin binomial. Para un entero positivo n y 0 < p < 1, la variable aleatoria X tiene una
distribucin binomial (con media np) si para k = 0, 1, ..., n,
( ) ( )
k n k
p p
k
n
k X

|
|
.
|

\
|
= = 1 Pr
136
Pueden obtenerse nmeros aleatorios binomiales observando que X tiene la representacin X
=
1
+
2
+ ... +
n
, donde las {
i
} son variables aleatorias independientes de Bernouilli, es
decir Pr (
i
= 1) = p y Pr (
i
= 0) = 1 - p para i = 1, 2, ..., n. Ello permite establecer el siguiente
algoritmo:
Algoritmo G
G1. Generar U
1
, U
2
, ..., U
n
mutuamente independientes y uniformemente distribuidos entre
0 y 1.
G2. Para i = 1, 2, ..., n , hacer
i
= 1 si U
i
p e Y
i
= 0 si U
i
> p.
G3. Obtener X =
1
+
2
+ ... +
n
.
Esta tcnica para producir nmeros binomiales es costosa en tiempo de clculo cuando n es
grande y es mejor considerar otros mtodos.
6.3.3. RECHAZO-ACEPTACIN
Al igual que los mtodos de descomposicin que se describirn en el apartado 6.3.5., los de
rechazo-aceptacin son una forma sistemtica de generar nmeros aleatorios no uniformes.
Las tcnicas de rechazo-aceptacin se usan a menudo en conjuncin con tcnicas de
descomposicin y son aplicables tanto a variables aleatorias discretas como continuas.
Sea X una variable aleatoria que tenga una funcin de densidad f
X
(x) que est acotada y
concentrada en un intervalo finito (que se considerar como el intervalo unidad). Es decir
para algn < ,
f
X
(x) si 0 x 1
y
f
X
(x) = 0 en caso contrario
Ello permite establecer el siguiente algoritmo:
1. Generar U
1
y U
2
independientes y uniformemente distribuidos entre 0 y 1.
2. Calcular
-1
f
X
(U
1
). Si U
2

-1
f
X
(U
1
), obtener X = U
1
. En caso contrario rechazar el par
U
1
, U
2
y repetir el paso 1.
Se observa que no todos los pares U
1
, U
2
de los nmeros aleatorios uniformes producen una
muestra de la variable aleatoria X (figura 6.2). Es fcil demostrar que el algoritmo anterior
produce una muestra a partir de la funcin de densidad f
X
(x).
137
U
1
U
2
f
X
(x)

Figura 6.2.
El algoritmo que se expondr a continuacin proporciona un procedimiento de rechazo-
aceptacin que usa una funcin de densidad mayorante para producir muestra de una variable
aleatoria X que tenga una funcin de densidad f
X
(x). Se supone que f
X
(x) est concentrada en
el intervalo [a, b], donde - a < b +. Sea g(x) una funcin tal que para a x b, f
X
(x)
g(x) y
( ) < =

b
a
dx x g
Entonces h(x) = g(x)/ es una funcin de densidad concentrada en [a, b] y el algoritmo es
1. Generar Y de forma que tenga una funcin de densidad h(x).
2. Generar U uniformemente distribuido entre 0 y 1.
3. Si U f
X
(x)/g(x), obtener X = Y. En caso contrario, rechazar el par U, Y, y volver al paso
1.
Obsrvese que en el paso 3 la probabilidad de aceptacin es
-1
. Para cada muestra X, el
nmero de comparaciones requeridas tiene una distribucin geomtrica (empezando en uno),
ya que aparece como una secuencia de intentos independientes (Bernouilli) con probabilidad
de xito igual a
-1
. Por consiguiente el nmero medio de comparaciones es . Esto significa
que para un algoritmo eficiente se querra prximo a 1. Esto se consigue eligiendo g(x) que
se ajuste a f
X
(x) tanto como sea posible en el intervalo [a, b]. Hay desde luego la exigencia
bsica que la variable aleatoria Y con funcin de densidad h(x) sea fcil de generar (y, en
particular, ms fcil que generar X). Ejemplos de variables aleatorias Y tiles son:
- variables aleatorias uniformes
- variables aleatorias exponenciales
- aristas o tringulos
- variables aleatorias Y de la forma Y = 1/U, donde U est uniformemente distribuido entre 0
y 1
6.3.3.1. Ley normal
Una variable aleatoria normal X tiene una funcin de densidad
( ) ( )
( ) ( )
2 2
2 /
2 / 1
2
2

=
x
X
e x f
138
para - < x < +. El algoritmo que se expone a continuacin proporciona nmeros aleatorios
X normales normalizados (media cero y desviacin tipo uno) y usa una tcnica de rechazo-
aceptacin para producir el valor absoluto de un nmero aleatorio normal; un verdadero
nmero aleatorio normal se obtiene entonces aadindole un signo al azar (es decir, + con
probabilidad 0.5 y - con la misma probabilidad).
1. Generar U
1
y U
2
independientes y uniformemente distribuidos entre 0 y 1.
2. Hacer X = -ln U
1
.
3. Si
( ) 2 / 1
2
2

x
e U aceptar X. En caso contrario rechazar el par U
1
, U
2
y repetir el paso 1.
4. Generar un signo al azar (+ -), aadirlo a X y entregarlo como resultado.
Esta tcnica para generar nmeros aleatorios normales tiene esencialmente una precisin
perfecta.
6.3.4. CARACTERIZACIN
Dada una fuente de nmeros aleatorios uniformes, a veces es posible generar nmeros
aleatorios no uniformes aprovechando propiedades caractersticas de determinadas
distribuciones.
6.3.4.1. Ley de Poisson
Se considera la distribucin de Poisson y una tcnica basada en la propiedad del proceso que
los intervalos entre llegadas estn distribuidos exponencialmente. Es decir que si los instantes
entre acontecimientos sucesivos son X
1
, X
2
, ..., para t 0 y n = 0, 1, 2, ..., se puede escribir
que N(t) = n si y solo si X
1
+ ... + X
n
t y X
1
+ ... + X
n + 1
> t
Esta expresin para t = 1 sugiere un procedimiento para obtener muestras de una variable
aleatoria poissoniana con parmetro . A partir de nmeros aleatorios mutuamente
independientes y uniformemente distribuidos (entre 0 y 1) U
1
, U
2
, ..., se pueden obtener
nmeros aleatorios exponenciales (de parmetro Y) X
1
, X
2
, ..., mediante una transformacin
logartmica; cuando se toma N = k, donde k esta definido por la condicin conjunta X
1
+ ... +
X
n
1 y X
1
+ ... + X
n + 1
> 1. De acuerdo con este esquema se puede hacer:
N = 0 si X
1
> 1,
N = 1 si X
1
1 y X
1
+ X
2
> 1,
N = 2 si X
1
+ X
2
1 y X
1
+ X
2
+ X
3
> 1,
......
Obsrvese que con este esquema puede ser necesario generar ms de un nmero aleatorio
uniforme para producir un muestra nica de la variable aleatoria poissoniana N. Hay adems
una observacin de clculo que hacer. El acontecimiento N = k se produce si y solo si X
1
+ ...
+ X
k
1 y X
1
+ ... + X
k + 1
> 1 y esto ltimo sucede si y solo si U
1
U
2
... U
k
> e
-
y U
1
U
2
... U
k

+1
e
-
. Es decir
N = 0 si U
1
e
-
,
N = 1 si U
1
> e
-
y U
1
U
2
e
-
,
N = 2 si U
1
U
2
> e
-
y U
1
U
2
U
3
e
-
,
......
139
y calculando una sola vez se evita la necesidad de tomar logaritmos y dividir por cada vez
que se genera un nmero aleatorio uniforme U; sin embargo es necesario multiplicar en vez
de sumar los nmeros aleatorios uniformes. Este mtodo de generar nmeros aleatorios
poissonianos es, por lo general, ligeramente ms rpido que el de la transformacin inversa,
pero requiere ms nmeros aleatorios.
6.3.4.2. Ley normal
Se considera como otro ejemplo el llamado "mtodo polar" para producir nmeros aleatorios
normales. El mtodo polar usa una tcnica de rechazo-aceptacin basada en el resultado que
si dos variables aleatorias normales (media 0, desviacin tipo 1) e independientes X
1
y X
2
se
transforman a coordenadas polares R y de acuerdo con
R
2
= X
1
2
+ X
2
2
y = arctan (X
2
/X
1
)
entonces R
2
est exponencialmente distribuido (media 2) y est uniformemente distribuido
(entre 0 y 2) e independiente de R. Entonces para producir un par de nmeros aleatorios
normales estandarizados e independientes, X
1
y X
2
, se puede utilizar el siguiente algoritmo:
1. Generar U
1
y U
2
independientes y distribuidos uniformemente entre 0 y 1.
2. Hacer V
1
= 2U
1
- 1 y V
2
= 2U
2
- 1.
3. Hacer S = V
1
2
+ V
2
2
. Si S 1, rechazar el par U
1
, U
2
y repetir a partir del paso 1. En caso
contrario dar como resultado
X
1
= V
1
[(-2 ln S)/S]
1/2
y X
2
= V
2
[(-2 ln S)/S]
1/2
Obsrvese que el mtodo polar es exacto, mientras que el procedimiento basado en la
obtencin numrica de la inversa de la integral de probabilidad normal, no lo es normalmente.
6.3.4.3. Ley beta
Las tcnicas de caracterizacin pueden aplicarse tambin para obtener muestras de la
distribucin beta. Una variable aleatoria beta X toma valores en el intervalo unidad y tiene
una densidad de probabilidad de la forma
f
X
(x) = x
a - 1
(1 - x)
b - 1
/B(a, b) si 0 x 1
f
X
(x) = 0 , en caso contrario
donde a, b > 0. La ecuacin B(a, b) es la funcin beta
( ) ( )
( ) ( )
( ) b a
b a
dx x x b a B
b a
+

= =


1
0
1 1
1 ,
La variable aleatoria definida por las ecuaciones anteriores tiene una media igual a a/(a + b) y
una desviacin tipo
( ) | |
b a
b a ab
+
+
2 / 1
1 /
. Obsrvese que cuando a = b = 1, la distribucin beta
se reduce a la distribucin uniforme en el intervalo unidad. La funcin de densidad beta es
una familia de dos parmetros en el intervalo unidad que puede adoptar una gran variedad de
formas y es una de las ms frecuentemente utilizadas para ajustar datos.
El muestreo de la distribucin beta se reduce al muestreo de dos distribuciones gamma a
causa de que la variable Z
1
/(Z
1
+ Z
2
) tiene una distribucin beta con parmetros a y b cuando
Z
1
y Z
2
son variables aleatorias independientes con distribucin gamma con parmetro de
140
escala 1 y parmetros de forma a y b, respectivamente. Ello puede implantarse en el siguiente
algoritmo:
1. Generar Z
1
de forma que siga una distribucin gamma con parmetro de escala 1 y
parmetro de forma a.
2. Generar Z
2
de forma que siga una distribucin gamma con parmetro de escala 1 y
parmetro de forma b.
3. Dar como resultado X = Z
1
/(Z
1
+ Z
2
).
Tambin es posible obtener una muestra de variable aleatoria beta usando una tcnica de
rechazo-aceptacin basada en la siguiente caracterizacin. Se definen Z
1
y Z
2
de acuerdo con
Z
1
= U
1
1/a
y Z
2
= U
2
1/b
, donde U
1
y U
2
son variables aleatorias independientes y distribuidas
uniformemente en el intervalo unidad. Entonces puesto que Z
1
+ Z
2
1, la variable aleatoria X
= Z
1
/(Z
1
+ Z
2
) tiene una distribucin beta con parmetros a y b. Todo ello puede implantarse
ne le siguiente algoritmo:
1. Generar U
1
y U
2
independientes y distribuidas uniformemente entre 0 y 1.
2. Hacer Z
1
= U
1
1/a
y Z
2
= U
2
1/b

3. Si Z
1
+ Z
2
1, dar como resultado X = Z
1
/(Z
1
+ Z
2
); en caso contrario volver al paso 1.
6.3.5. DESCOMPOSICIN
Se considera ahora una forma sistemtica y muy potente de generar nmeros aleatorios no
uniformes que es aplicable tanto a distribuciones discretas como continuas. Las tcnicas de
descomposicin (mezcla) se basan en la visualizacin de muestras de la variable aleatoria
especificada X como viniendo de varias poblaciones. La idea esencial es representar la
distribucin de X como una mezcla lineal convexa de distribuciones de tal forma que la
mayor parte de las veces X se realice como una variable simple que sea fcil de generar. Los
procedimientos especficos de descomposicin son normalmente complejos y a menudo
incorporan tcnicas de rechazo-aceptacin.
Sea X una variable aleatoria que tiene una funcin de densidad f
X
(x) que puede representarse
por
f
X
(x) = p
1
f
1
(x) + ... + p
k
f
k
(x)
donde las {p
i
} son no negativas y su suma es la unidad y las {f
i
(x)} son funciones de densidad
de probabilidad. Se define tambin una variable aleatoria discreta Z de acuerdo con
Pr[Z = j] = p
j
para j = 1, 2, ..., k. El algoritmo general adoptara la forma:
1. Generar Z de forma que siga la distribucin discreta definida por la ecuacin anterior.
2. Generar y devolver Z de forma que tenga la densidad f
Z
(x).
Este algoritmo se aplica directamente a las distribuciones mezcla. Por ejemplo la distribucin
hiperexponencial definida para t 0 por
| | ( ) ( )( )
t t
e p e p t X
2 1
1 1 1 Pr

+ =
donde 0 < p < 1,
1
,
2
> 0 y
1

2
.
141
Los mtodos actualmente ms rpidos para generar nmeros aleatorios normales y
exponenciales usan la descomposicin. El enfoque es dividir la funcin de densidad (de la ley
normal o exponencial) en una cola y un gran nmero de rectngulos y cuas. Para una
discusin detallada ver (KNUT81).
Hay muchas formas de descomponer una funcin de densidad especificada. Para seleccionar
la descomposicin hay que guiarse por consideraciones geomtricas. Las funciones de
densidad triangulares, es decir correspondientes a U
1
+ U
2
, donde U
1
y U
2
son variables
aleatorias uniformes independientes e idnticamente distribuidas se usan frecuentemente en
las tcnicas de descomposicin. Tambin son tiles las cuas, correspondientes a max(U
1
,
U
2
), es decir, que tengan por densidad de probabilidad
f(x) = 2x si 0 x 1
f(x) = 0 en caso contrario
y min(U
1
, U
2
), es decir,
f(x) = 2(1 - x) si 0 x 1
f(x) = 0 en caso contrario
6.3.5.1. Ley de Cauchy
Aunque la distribucin de Cauchy no es de las ms frecuentemente utilizadas sirve para
ilustrar la descomposicin. La variable de Cauchy X tiene la funcin de densidad
f
X
(x) =
-1
(1 + x
2
)
-1

para - < x < +. Lo que se har, ser producir una muestra del valor absoluto de X y luego
asignarles el signo. La descomposicin de f
|X|
(x) (figura 6.3) se har en tres reas mediante
una recta vertical x = a y una horizontal f
|X|
(x) = f
|X|
(a). Se denomina regin 1 al rea entre las
rectas horizontal y vertical, regin 2 al rea por encima de la recta horizontal, y regin 3 al
rea a la derecha de la recta vertical. Se elige a = 1 de tal forma que la regin 1 sea lo mayor
posible (por lo tanto, muestreada a partir de la distribucin uniforme tan a menudo como sea
posible). Las reas de las regiones 1, 2 y 3 son iguales, respectivamente, a p
1
, p
2
y p
3
y f
1
(x),
f
2
(x) y f
3
(x) son las correspondientes funciones de densidad uniforme, en forma de cua y en
forma de cola larga.
Especficamente, para 0 x < , se representa f
|X|
(x) por
f
|X|
(x) = p
1
f
1
(x) + p
2
f
2
(x) + p
3
f
3
(x)
donde
f
1
(x) = 1 si 0 x 1
f
1
(x) = 0 si x > 1
f
2
(x) = [(2/)(1 + x
2
)
-1
- (1/)]/[(1/2) - (1/)] si 0 x 1
f
2
(x) = 0 si x > 1
f
3
(x) = (4/)(1 + x
2
)
-1
si 0 x 1
f
3
(x) = 0 si x > 1
142
con p
1
= 1/, p
2
= (1/2) - (1/) y p
3
= 1/2.
Las muestras de la funcin f
1
(x) pueden obtenerse directamente y las muestras de la funcin
de densidad de cola f
3
(x) pueden obtenerse mediante una tcnica de rechazo-aceptacin
eligiendo como funcin mayorante h(x) = 1/x
2
y recordando que esta es la funcin del
recproco de una variable aleatoria uniformemente distribuida en el intervalo unidad. La
funcin restante en forma de cua f
2
(x) se denomina funcin de densidad "quasi-lineal" para
la cual hay una eficiente tcnica de rechazo-aceptacin. Para ms detalles consultar
(KNUT81).
6.3.6. COMPARACIN
Las tcnicas que implican generalizaciones del esquema de Von Neumann para producir
nmeros aleatorios exponenciales se han desarrollado para ciertos tipos de nmeros
aleatorios. La tcnica de Von Neumann se basa en comparaciones entre nmeros aleatorios
uniformes. En particular, estas tcnicas de comparacin conducen a un sencillo algoritmo
para producir muestras a partir de funciones de densidad de la forma ae
-G(x)
.
El procedimiento bsico de comparacin produce muestras de una variable aleatoria X que
tenga una funcin de densidad de la forma:
( )
( ) ( ) x G
b
a
y G
X
e dy e x f

|
.
|

\
|
=

1

concentrada en un intervalo fijo [a, b], donde 0 G(x) 1. Para cumplir esto, se genera una
secuencia de nmeros aleatorios mutuamente independientes T, U
1
, U
2
, ..., estando {U
i
}
distribuidos uniformemente entre 0 y 1; la funcin F(t) de distribucin de T, se supone que es
invertible en el intervalo [a, b] y de tal forma que G() = F
-1
(). Con probabilidad 1, T < U
1

hay un entero finito K tal que T U
1
... U
K - 1
< U
K
. Las secuencias de nmeros T, U
1
, U
2
,
..., U
K
se generan hasta que se encuentra un subndice de parada impar. Con todo ello se
puede construir el siguiente algoritmo:
1. Generar U uniformemente distribuido entre 0 y 1. Hacer X = a + (b - a)U y T = G(X).
2. Generar T, U
1
, U
2
, ..., U
K
, mutuamente independientes y uniformemente distribuidos
entre 0 y 1, con K determinado por T U
1
... U
K - 1
< U
K
(K = 1 si T < U
1
).
3. Si K es par, rechazar X y repetir 1.
4. Si K es impar, dar X como resultado.
6.4. ORGANIZACIN DE LOS SIMULADORES
Para estudiar la organizacin de un simulador, se puede plantear el problema de la simulacin
de una sencilla cola con un servidor con el siguiente mecanismo:
- los clientes que llegan entran en la cola
- espera para recibir el servicio
- servicio
- salida del modelo
Este modelo describe y sincroniza la llegada y el servicio de los clientes. A continuacin se
ver como se han de tratar los acontecimientos a lo largo del tiempo y que informacin se ha
de guardar del funcionamiento del sistema para que sea fcil representarlo.
143
6.4.1. CONTROL DEL TIEMPO EN UN SIMULADOR
Para establecer la temporizacin y la sincronizacin de los acontecimientos que se estn
simulando pueden usarse dos mtodos:
- temporizacin sncrona o avance por unidades de tiempo
- temporizacin asncrona o avance por acontecimientos
6.4.1.1. Temporizacin sncrona o avance por unidades de tiempo
Con temporizacin sncrona, el tiempo del modelo de simulacin avanza por unidades de
tiempo t elegidas de forma apropiada. El estado del sistema se determina entonces
determinando que acontecimientos ocurrieron durante la unidad de tiempo transcurrida y
estos dos pasos (avance y actualizacin) se repiten tantas veces como unidades de tiempo se
desee simular.
t debe elegirse suficientemente pequeo para que durante ese perodo solo pueda producirse
un acontecimiento: o la llegada de un cliente al sistema o su salida. La aparicin de estos
acontecimientos viene regida por sus leyes de probabilidad, que segn sean con o sin
memoria exigirn guardar una distinta cantidad de informacin.
6.4.1.2. Temporizacin asncrona o avance por acontecimientos
Este tipo de sincronizacin difiere de la anterior en que el reloj del simulador avanza cada vez
de una cantidad variable en lugar de fija. Conceptualmente, el procedimiento de
temporizacin consiste en mantener el sistema funcionando hasta que se produce un
acontecimiento, momento en que el simulador establece una pausa momentnea para registrar
el cambio en el estado del sistema. Para implantar este concepto, el simulador realmente
procede a mantener una lista de acontecimientos o calendario. En el caso del sistema
considerado, la lista de acontecimientos consta solamente de dos acontecimientos futuros, es
decir, cuando se producir la siguiente llegada y cuando terminar el servicio del cliente en la
estacin, si lo hay.
Cada vez que se produce la llegada de un cliente o la terminacin de un servicio, el simulador
determina en primer lugar cuanto tiempo ha de transcurrir hasta el siguiente acontecimiento
del mismo tipo y lo suma al valor actual del tiempo del reloj simulado. Esta suma se
almacena entonces en la lista de acontecimientos. Para determinar cual ser el siguiente
acontecimiento el simulador debe buscar el mnimo de los tiempos planificados en el
calendario.
El mtodo de temporizacin sncrona puede tener ventajas sobre el de temporizacin
asncrona si el sistema estudiado contiene actividades altamente peridicas o sncronas, como
por ejemplo la simulacin del funcionamiento del hardware de un computador a un nivel muy
detallado en que el ciclo de la maquina debe elegirse como unidad de tiempo t. No obstante
en la mayora de las situaciones el enfoque de temporizacin asncrona es ms eficiente en la
ejecucin de los programas e incluso ms fcil de programar en lenguaje de programacin
convencional. La mayora de los lenguajes de programacin de modelos de simulacin
adoptan este mtodo.
6.4.2. ESTRUCTURAS DE DATOS EN UN SIMULADOR
En un programa de simulacin, los cambios del sistema se producen cuando tiene lugar un
acontecimiento. El estado del sistema est representado por una coleccin de objetos
relacionados entre s, tales como los clientes de la cola de espera de un servidor. La relaciones
entre los objetos se describen normalmente mediante estructuras de datos tales como listas,
colas, pilas, tablas, etc. Un ejemplo tpico de tal relacin lo constituye la lista de
acontecimientos o calendario, cuya complejidad ir incrementndose a medida que aumenten
los servidores, los clientes y sus clases.
144
6.5. ANLISIS ESTADSTICO DE LA SIMULACIN Y DE SUS
RESULTADOS
6.5.1. CONDICIONES INICIALES, TRANSITORIOS Y EQUILIBRIO
En muchos casos, el objetivo de un estudio de simulacin es investigar el comportamiento de
un sistema simulado en sus condiciones de funcionamiento en rgimen estacionario o
permanente. Entonces se debe prestar especial atencin a las condiciones iniciales y a los
perodos transitorios, puesto que el comportamiento del modelo de simulacin no ser el
tpico del sistema simulado hasta que el sistema alcance las condiciones del rgimen
permanente. Por consiguiente, deber prescindirse de los datos observados durante este
perodo transitorio. En consecuencia, si es posible, se debe iniciar la simulacin en un estado
que sea representativo de las condiciones de rgimen permanente a fin de minimizar la
duracin de los transitorios no deseados.
Determinar si el sistema ha alcanzado sus condiciones de rgimen permanente no es muchas
veces una cuestin sencilla, ya que este rgimen permanente est definido mediante una
distribucin de probabilidad del estado del sistema y no por un valor determinado de ese
estado. Esto es, la nocin del transitorio de un sistema estocstico es distinta de la de un
sistema determinista (como un circuito elctrico, por ejemplo), donde el comportamiento
transitorio est completamente caracterizado por su respuesta impulsional.
Debe reconocerse que el equilibrio es una condicin lmite que se puede aproximar pero que
nunca se alcanza exactamente. No hay un punto determinado de la simulacin en que se
pueda considerar que a partir de l el sistema est en equilibrio, pero se puede escoger algn
punto razonable a partir del cual se est en condiciones de despreciar el error que se hace al
considerar que el sistema est en equilibrio. Desde ahora se hablar de perodo transitorio en
este sentido.
El perodo transitorio es, en general, dependiente de las condiciones iniciales. Por ejemplo, en
el caso de una cola, a menudo se inicia la simulacin con la cola vaca. Esto es probablemente
no demasiado malo en una cola con un solo servidor en que esta condicin es equivalente
sencillamente a iniciar la simulacin al principio de un perodo de ocupacin del servidor. En
sistemas ms complejos, estas condiciones iniciales representan estados demasiado atpicos
del sistema.
Iniciar la simulacin en estados ms tpicos acelera la llegada al rgimen permanente, pero
todava se ha de estimar el perodo transitorio y excluir los datos recogidos es este perodo
para no sesgar los resultados con conclusiones preconcebidas. Idealmente se deben
seleccionar probabilisticamente las condiciones iniciales, de acuerdo con la distribucin en
rgimen permanente. Pero si se tuviera tal informacin, no sera necesario realizar la
simulacin. Por consiguiente, en la prctica la bsqueda de buenas condiciones iniciales debe
basarse en algn conocimiento previo del sistema o en los resultados de simulaciones piloto o
en estudios previos con modelos susceptibles de tratamiento analtico.
La eleccin de condiciones iniciales razonables puede disminuir el perodo transitorio pero no
puede eliminarlo completamente. Para estimar la duracin del transitorio, hay hacer un cierto
nmero de ejecuciones piloto a partir del mismo punto de partida y comparar la distribucin
observada del estado del sistema en pocas distintas de la simulacin. No es preciso decir que
para efectuar estas distintas ejecuciones piloto es preciso elegir distintas semillas (seed, valor
inicial X
0
) del generador de nmeros aleatorios para cada una de las ejecuciones.
6.5.2. ELECCIN DE LOS TAMAOS DE MUESTRA
La eleccin del tamao de la muestra est claramente entre los factores ms importantes de
un experimento de simulacin. Desafortunadamente, a menudo el analista selecciona el
tamao de la muestra algo arbitrariamente y luego espera que las estimaciones obtenidas sean
145
suficientemente precisas. Tal procedimiento es claramente inapropiado. El procedimiento
correcto es efectuar un anlisis estadstico para determinar el nmero de muestras requerido
para obtener una precisin determinada.
6.5.2.1. Muestras independientes
Se supone que se quiere estimar , la media de Y, que es la medida del comportamiento del
sistema que se ha elegido. Se supone que las observaciones de esta medida, Y
1
, Y
2
, ..., Y
n
son
estadsticamente independientes y estn distribuidas normalmente con una media desconocida
. El intervalo de confianza de la media de las muestras
n
Y
Y
n
i
i
=
=
1

puede obtenerse a partir de la variable
( )
y
y
n Y
n
Y
Z


=
/

que sigue una distribucin t de Student con n - 1 grados de libertad y donde la variancia de la
muestra viene definida por
( )
n
Y Y
n
i
i
y

=

=
1
2
2

Por consiguiente
( )
=
(
(




1 Pr
1 , 2 / 1 , 2 / n
y
n
t
n Y
t
Invirtiendo las desigualdades se puede obtener el intervalo de confianza de la estimacin
=
(


1 Pr
1 , 2 / 1 , 2 /
n
t
Y
n
t
Y
y n y n

que queda acotada entre dos variables aleatorias.
Se ve pues que, para reducir el intervalo de confianza, el tamao n de la muestra debe ser
suficientemente grande. Adems cuando n aumenta (a partir de 30, por ejemplo) la
distribucin t de Student tiende a una distribucin normal con lo que en la expresin anterior
hay que reemplazar t
/2; n - 1
por z
/2
( el parmetro de la ley normal centrada y reducida), con
lo que se obtiene
=
(


1 Pr
2 / 2 /
n
z
Y
n
z
Y
y y

Es decir para un intervalo de nivel de confianza fijado 1 - , el tamao requerido de la
muestra puede estimarse aproximando la desviacin tipo por la s
Y
obtenida de las ejecuciones
piloto o de observaciones anteriores.
146
En muchas simulaciones, sin embargo, la hiptesis de normalidad no puede aplicarse a los
datos observados. Si las Y
i
no estn distribuidas normalmente, se les puede aplicar alguna
transformacin g(y), de tal forma que los datos resultantes g(Y
i
) si lo estn. Transformaciones
tales como g(y) = log y o g(y) = y
1/2
pueden reducir el efecto de la larga cola de la distribucin
que a menudo se encuentra en la simulacin de un sistema. En muchas situaciones, sin
embargo, no es necesario realizar tal transformacin. En virtud del teorema lmite central, la
distribucin de media de las muestras tiende a una distribucin normal siempre que n sea
suficientemente grande, independientemente de la distribucin de las Y
i
, y siempre que la
media y la variancia sean finitas. Entonces las frmulas obtenidas del intervalo de confianza
siguen siendo vlidas.
6.5.2.2. Muestras correladas
Si los datos de salida de una simulacin estn correlados, las frmulas anteriores del intervalo
de confianza no pueden usarse y se debe introducir algn modelo que reconozca
explcitamente la existencia de correlacin entre las observaciones. Sea Y
i
la i-sima
observacin recogida en un experimento y si se supone que la secuencia de observaciones
{Y
i
} define un proceso aleatorio estacionario covariante; esto es, el proceso {Y
i
} tiene una
media invariante del ndice
= E[Y
i
]
y una funcin de autocovariancia
R
j
= E[(Y
i
- ) (Y
i + j
- )] <
que solo es funcin de la diferencia de ndices j. Se supone que se tienen n observaciones de
la secuencia {Y
i
}. La existencia de correlacin no afecta a la estimacin de la media de la
poblacin, , cuya mejor estimacin es la media de la muestras
n
Y
Y
n
i
i
=
=
1

Puede demostrarse que la variancia de la estimacin es
| |
n
n
j
n
R
n
j
Y
n
j
j
n
n j
j (

|
.
|

\
|
+
=
|
|
.
|

\
|

=

+
=
+
+ =
1
1
2
1
1
1 2 1 1
Var
donde
2
= R
0
es la variancia (desconocida) de las Y
i
, y
0
R
R
j
j
=
Haciendo que n tienda a infinito en la expresin de la variancia, se tiene
| | ( ) c R Y n
j
j n
2
Var lim = =

=


donde
147


=

=
+ = =
1
2 1
j
j
j
j
c
resume el efecto de la correlacin sobre la variancia de la media de las muestras; si {Y
i
} es
una secuencia no correlada, c en la expresin anterior vale 1. En muchos casos se encontrar
que su valor es superior a la unidad (por ejemplo cuando la secuencia {Y
i
} es el tiempo de
espera del i-simo cliente). Aunque es posible en teora, pocas veces se encontrar que c sea
inferior a la unidad.
Es importante observar que existe una relacin entre la variable c de la expresin anterior y el
espectro de la secuencia estocstica {Y
i
}
( ) ( )
( )

=
d P
P P
c
2
1
0 0 2
2

donde
( ) ( )
(

=


=

=

1
0
cos 2
2
1
2
1
k
k
k
ik
k
k R R e R P
es el espectro de la secuencia donde - e 1 = i . Por lo tanto es la transformada de
Fourier de la funcin de autocovariancia y su relacin inversa viene dada por
( ) ( ) ( )




= = d k P d e P R
ik
k
cos
y haciendo k = 0, se obtiene
( )


= d P
2

Volviendo a la expresin de la variancia cuando n es suficientemente grande, se puede
escribir
| |
c n n
c
Y
/
Var
2 2

=
Es decir, se puede interpretar que n/c representa el tamao efectivo de muestras
independientes cuando el tamao de las muestras correladas es n. En base al teorema del
lmite central, se puede demostrar que la media de la muestra est asintticamente distribuida
normalmente
=
(




1
/
Pr
2 /
2
2 /
z
n c
Y
z
Es decir, el intervalo de confianza de viene dado por
n
c
z Y
2 /

148
Hay que tener presente que, en general, no se conoce el resultado de las expresiones del lmite
de la variancia ni de c.
6.5.3. MTODOS PARA MUESTRAS INDEPENDIENTES
Suponiendo que se alcanza el estado estacionario, se puede tratar de obtener resultados del
rgimen permanente mediante dos distintos enfoques:
- de diseo de simulacin de forma que se obtengan observaciones estadsticamente
independientes que permitan aplicar los mtodos de la estadstica clsica al anlisis de los
resultados obtenidos por la simulacin.
- de anlisis espectral de los datos correlacionados, utilizando los mtodos de anlisis de
series temporales, estimando directamente los efectos de la correlacin.
Dentro de la primera clase hay tres procedimientos clsicos para obtener observaciones
estadsticamente independientes (FISH73):
- Mtodo de las repeticiones
- Mtodo de las medias de los lotes
- Mtodo regenerativo
6.5.3.1. Mtodo de las repeticiones
En este mtodo de las repeticiones se llevan a cabo m ejecuciones independientes del modelo
de simulacin con n observaciones en cada una. La independencia se consigue utilizando
distintas sucesiones de nmeros aleatorios en cada ejecucin con el mismo estado inicial. Es
decir, se puede considerar que se ha obtenido un conjunto de observaciones {Y
i
(j)
} para 1 i
n y 1 j m; es decir, se tienen en total N = mn observaciones.
La media de las muestras de la j-sima repeticin ser
n j
n
Y
Y
n
i
j
i
j
..., 2, , 1 para
1
) (
) (
= =

=

La mejor estimacin de la media de la poblacin ser entonces
n
Y
m
Y
Y
m
j
n
i
i
j
m
j
j
= = =
= =
1 1
) (
1

y la variancia de la muestra
( )

=
m
j
j
y
Y Y
m
1
2
) ( 2
1
1

Cuando n es suficientemente grande, las medias de cada repeticin estn aproximadamente
distribuidas normalmente. Entonces la distribucin de la variable
m
Y
y
/
2

puede
aproximarse por una distribucin t de Student con m - 1 grados de libertad. Por lo tanto, el
intervalo de confianza de viene dado por
m
t
Y
y m
2
1 , 2 /



149
Adems, si m es grande, se puede reemplazar la ley de Student por la normal, con lo que el
intervalo de confianza pasar a ser
m
z
Y
y
2
2 /



Comparando las expresiones del intervalo de confianza, se ve que el mtodo de las
repeticiones dice que
2 2
y
n c .
Si el intervalo de confianza no es tan estrecho como se desea, entonces se debe ejecutar la
simulacin durante un perodo ms largo. Se supone que el intervalo de confianza se quiere
que sea alrededor de la media. Entonces el tamao de la muestra se estima a partir de las
frmulas anteriores como
n
z
c
z
N
y
2
2 /
2
2
2 /

|
|
.
|

\
|

|
.
|

\
|


Es decir, el tamao de muestra requerido para cada una de las m repeticiones viene dado por
m
n
z
n
y
2
2 /

|
|
.
|

\
|



Por consiguiente, se deber alargar cada una de las repeticiones para alcanzar el nmero de
observaciones definido en la expresin anterior. Alternativamente, si se mantiene la duracin
de cada repeticin n, un nmero de repeticiones que ser preciso efectuar ser
2
2 /

|
|
.
|

\
|

y
z
m
El principal inconveniente de este mtodo es que la ejecucin de cada repeticin requiere un
perodo inicial de estabilizacin antes de alcanzar el rgimen permanente, por lo que se
desperdicia mucho tiempo de simulacin improductivo.
6.5.3.2. Mtodo de las medias de los lotes (batch means)
Este mtodo que es uno de los ms utilizados, consiste en llevar a cabo una ejecucin de
longitud suficientemente larga del modelo dividiendo el conjunto de las observaciones de la
ejecucin en m lotes de n observaciones en cada lote; dicho de otra forma, se hace que cada
perodo constituya el transitorio del siguiente. Si se elige m suficientemente grande, las
observaciones sucesivas no estarn prcticamente correladas. Para que fueran independientes
debera cumplirse, adems, que estuvieran distribuidas normalmente, aunque se consideran
independientes si se da solo la condicin de no correlacin. Con frecuencia se combina este
mtodo con el anterior.
La formulacin es idntica a la del mtodo anterior con solo cambiar cada repeticin por cada
uno de los lotes en que se divide la simulacin.
6.5.3.3. Mtodo regenerativo
El mtodo regenerativo puede utilizarse si el sistema lo es y se dice que lo es cuando existe
una sucesin de puntos, llamados de regeneracin, tales que en ellos el modelo se halla cada
vez en las mismas condiciones y en cada uno de los cuales lo sucedido hasta aquel instante no
150
influye en lo que suceder a partir de l. Adems, evita todos los problemas de determinacin
del perodo transitorio. La ejecucin de la simulacin se divide entonces en una secuencia de
bloques independientes igualmente distribuidos.
Los problemas que plantea el mtodo regenerativo son:
- determinar si existen puntos de regeneracin
- que existiendo puntos de regeneracin, el sistema vuelva a ellos con una cierta frecuencia,
es decir que el tiempo medio entre estos pasos por l sea finito y suficientemente pequeo.
Las ventajas de este mtodo residen en que la agrupacin aleatoria de las observaciones que
proporcionan los puntos de regeneracin, produce bloques independientes idnticamente
distribuidos desde el inicio de la simulacin, lo cual permite evitar los problemas de
dependencia estadstica entre las sucesivas observaciones y de determinacin del estado
estacionario, todo lo cual permite definir mejores estimadores.
El problema de determinar puntos de regeneracin se resuelve fcilmente en redes abiertas,
donde la red vaca lo es. No obstante en redes cerradas la determinacin de dichos puntos de
regeneracin es un problema del que, en general, slo se conocen aproximaciones que,
adems, no incluyen normalmente en su mbito las redes resultantes de la representacin de
sistemas informticos.
Sean 0 < E
1
< E
2
< ... < E
k
< ... la sucesin de instantes en que el sistema pasa por puntos de
regeneracin que por pares consecutivos definirn los procesos regenerativos {X(t), t 0}. Si
se considera que el sistema evoluciona en un estado estacionario, se podr escribir, si X es la
variable aleatoria que representa X(t) en equilibrio, que
lim
t
Pr[X(t) x] = Pr[X x]
El valor que se quiere estimar con la simulacin es el valor esperado de alguna funcin f de X
r = E[f(X)]
Se puede considerar que cada ciclo genera un par (Y
i
, d
i
), donde Y
i
es la integral de f(X(t)) a lo
largo del i-simo ciclo y d
i
es la longitud del i-simo ciclo. Entonces los pares de variables
aleatorias (Y
1
, d
1
), (Y
2
, d
2
), ..., (Y
i
, d
i
), ... son independientes e idnticamente distribuidos y
( ) ( )
| |
| |
i
i
t
t
d E
Y E
t
du u X f
r = =



lim
Se supone que el simulador pasa por n puntos de regeneracin y se calculan las medias y
variancias de las Y y las d, as como la covariancia de ambas secuencias; entonces la
expresin anterior sugiere que se puede utilizar como estimador r la relacin entre las medias
de ambas sucesiones, es decir, d Y r

= .
Una expresin aproximada del intervalo de confianza puede deducirse usando la normalidad
asinttica de la variable Y
i
- rd
i
:
n d
z
r r
n d
z
r

+

2 / 2 /

donde la estimacin de la variancia de la variable aleatoria Y
i
- rd
i
es
2 2 2 2
2
d yd y
r r + = .
El estimador de la expresin de r converge hacia la media de la poblacin r, cuando n tiende
a infinito. Para muestras de tamao finito n, este estimador es sesgado por lo que para
151
muestras pequeas el mtodo de Jacknife proporciona mejores estimadores puntuales con un
intervalo de confianza
2
1 , 2 /

j n j
t r

, siendo
( )

= =

=
|
|
|
|
|
|
.
|

\
|

=
|
|
|
|
|
|
.
|

\
|

=
n
i
n
i
j
n
i k
k
k
n
i k
k
k
j
n
i k
k
k
n
i k
k
k
j
r
d
Y
n
d
Y
n
n
d
Y
n
n
d
Y
r
1 1
2
1
1
2
1
1
1
1
1

1

6.5.4. MTODOS PARA MUESTRAS CORRELADAS
Para los intervalos de confianza cuando las muestras estn correladas se han propuesto dos
mtodos. En el primero se ajusta a la secuencia de salida un modelo autoregresivo de series
temporales y en el segundo, se aplican tcnicas espectrales.
6.5.4.1. Mtodo autoregresivo
En la prctica, diversos mtodos para estimar | |
n
X Var usan aproximaciones. Un mtodo en
particular se basa en la suposicin que se puede tomar una secuencia de observaciones
dependientes X
1
, , X
n
y transformarla en una secuencia de observaciones independientes e
idnticamente distribuidas. Se supone que existe una tal secuencia b
0
, , b
p
tal que
( ) n p i X b Y
p
s
s i s i
..., , 1 para
0

=

+ = =
sea una secuencia de variables aleatorias independientes e idnticamente distribuidas de
media cero y variancia
2
. En la literatura de series temporales la expresin anterior denota
una representacin autoregresiva de {X
i
} y p el orden de la autoregresin. Obsrvese que

+ =

=
n
p i
i p n
Y
p n
Y
1
1

tiene variancia
2
/(n - p). Para ver como se relaciona con la | |
n
X Var se puede reescribir la
expresin anterior en la forma
( )

+ = =

=
(

=
n
p i
p
s
s i s p n
X b
p n
Y
1 0
1

( )
(

+
|
|
.
|

\
|
+ +

=

+ =

= + = =
pb X b X X b X b
p n
X
p n
nb
n
p n i
i p
p
s
s p
i
i
n
s n i
i s
p
i
i
1
1
1 1 1 1
0
1

donde
2 para
0

=
p b b
p
s
s

de tal forma que
( ) | | 0 lim =
n p n n
X b Y
152
Por consiguiente
| |
| |
2
2
2
Var
Var
nb b
Y
X
p n
n




La significacin y el atractivo de este resultado proviene del hecho que se puede aproximar
| |
n
X Var por una funcin de p, b
0
, , b
p
y
2
en vez de una media infinita de
autocovariancias. De hecho,
| | ( ) ( )
j
p
s r
s r j s r
p
s
s j i s
p
r
r i r j i i
R b b X b X b E Y Y E = =
(

=

=
+
=
+
=
+
2
0 , 0 0

donde

=
=
0 si 0
0 si 1
j
j
j

y, por lo tanto,
2 2 2
0 ,
= = =


=

= =
+
V b R b R b b
j
j
j
p
s r
s r j s r

de tal forma que V =
2
/b
2
que establece la equivalencia de las aproximaciones realizadas.
Es evidente que existen muchas secuencias p, b
0
, , b
p
y
2
que satisfacen las expresiones
anteriores. Para obtener una solucin sin prdida de generalidad se puede definir b
0
+ 1 y
suponer que el objetivo sea la determinacin de b
1
, , b
p
que minimiza
2
. Entonces la
minimizacin de la expresin de | |
j j i i
Y Y E =
+
2
para j = 0 conduce a p ecuaciones lineales
p r R R b
r
p
s
s r s
..., , 1 para
1
= =

=


que determina de forma nica b
1
, , b
p
que minimiza, siempre que se conozca R
0
, , R
p
. Si
se sustituyen las autocovariancias de las muestras
( )( ) | | p s X X X X
s n
R
s n
i
n s i n i s
..., , 0 para
1

1
=

=
+

en la ecuacin anterior se puede calcular
p
b b

..., ,

1
,una estimacin nica de b
1
, , b
p
,
respectivamente. Es fcil demostrar que
p
b b

..., ,

1
difiere de la estimacin que minimiza
( )

+ = =

+ =
(

n
p i
p
s
s i s
n
p i
i
X b
p n
Y
p n
1
2
0 1
2
1 1

en un cantidad que tiende a cero en probabilidad cuando n crece. Estas estimaciones se
denominan estimaciones de mnimos cuadrados lineales de los coeficientes de autoregresin.
El clculo directo de
p
b b

..., ,

1
a partir de
153
p r R R b
r
p
s
s r s
..., , 1 para

1
= =

=


requiere de la inversin de una matriz. Existe un procedimiento recursivo que evita este paso.
Sea
j i
b
,

una estimacin de b
j
cuando se supone que el orden de la autoregresin p es j. Se
puede demostrar que para j = 1, , i - 1
1 , 1 , 1 , , 1

+ + + +
+ =
j i i i i j i j i
b b b b
i
i
i i
V
W
b =
+ + 1 , 1

=
+
=
i
k
k i k i i
R b W
0
1 ,

=
=
i
k
k k i i
R b V
0
,


donde
j j i
b b

,
= para p = i. Las expresiones anteriores permiten la estimacin de los
parmetros autoregresivos de orden progresivamente elevado de una forma sencilla. Para
estimar
2
a partir de las ecuaciones de su definicin y del sistema de ecuaciones, cuya
solucin se ha obviado, se puede llegar a

=
=
p
s
s s
R b
0
2

que se puede estimar por

=
=
p
s
s s i i
R b
0
,
2


con 1

,

s i
b .
Para determinar el valor apropiado para el orden de autoregresin p, hay que hacer recurso a
un test estadstico. Se supone que se calculan esquemas para i = 0, , q, donde es un valor
grande, considerablemente mayor que el orden autoregresivo anticipado. Entonces si el
esquema es de orden 0 j < q, la distribucin de
(
(

2
2

1
j
q
j q
n T
converge en una distribucin de ji-cuadrado con q - j grados de libertad cuando n crece. La
comprobacin para j = 0, 1, contina hasta que produce la falta de significacin. Una vez
se ha determinado p, se estima V =
2
/b
2
mediante
2
0
,
2

|
|
.
|

\
|

=

=
p
s
s p
b
V
154
Aunque este enfoque para estimar | |
n
X Var puede parecer cualquier cosa menos directa, una
pequea reflexin muestra que se est transformando implcitamente X
1
, , X
n
en una
secuencia de variables aleatorias asintticamente no correladas cuya variancia es
considerablemente fcil de estimar. Considrese la secuencia
( )

=

=
p
s
n s i s p i
X X b Y
0
,


donde
i
Y

es una estimacin de la verdadera perturbacin Y


i
. Ahora se puede reescribir la
ecuacin anterior como
( ) ( ) ( )( ) ( )( ) | | = + =

=

=

p
s
n n s p s i s p n
p
s
s i s i
X b b X b b X b X b Y
0
, ,
0


( ) ( )( ) ( )( ) | |

=

+ + =
p
s
n n s p s i s p i
X b b X b b X Y
0
, ,


Mediante un argumento limitativo se puede demostrar que para n suficientemente grande
i i
Y Y

de tal forma que | | | |


j i j i i
Y Y Y E


2

Cov y 0

. Esto es, en muestras grandes se


puede considerar
n p
Y Y

..., ,

1 +
como no correladas y con media nula. Esto sugiere estimar
| |
i
Y

Var por
( )( ) | |


+ =

= + =
n
p i
n k i n j i
p
k j
k p j p
n
p i
i
X X X X
p n
b b Y
p n
1 0 ,
, ,
1
2
1

1

n p R b R b b
p
p
j
j j p
p
k j
k j k p j p
<< = =

= =

para

2
0
,
0 ,
, ,

Ahora se sabe que
pp p
b b

..., ,

1
y
2

p
son estimadores consistentes de b
0
, , b
p
y
2
,
respectivamente. Por consiguiente V

es un estimador consistente de | |
n
X n V Var = . Sin
embargo, no se dispone de ningn clculo directo de los grados de libertad. Para superar este
problema se aproxima la distribucin de V V /

por la de una variable de ji-cuadrado. Si X es


de
2
(f), entonces E[X] = f y Var[X] = 2f, de tal forma que una forma de calcular el nmero de
grados de libertad es
| | ( )
| | X
X E
f
Var
2
2
=
A causa de la consistencia es evidente que
| |
2
2

lim
b
V V E
n

= =


Adems, se puede demostrar que
| | ( )


=
p
s
s n
b s p b V V n
0
1 2
2 4

Var lim
155
Entonces se puede calcular el nmero de grados de libertad como
( )

=

=
p
s
s
b s p
nb
f
0
2 2

En resumen pues, para calcular el intervalo de confianza con muestras correladas mediante el
mtodo autoregresivo, la marcha de clculo es la siguiente:
1. Estimar p, b
0
, , b
p
y
2
.
2. Estimar V.
3. Estimar f.
4. Calcular una estimacin del intervalo de .
6.5.4.2. Mtodo espectral
Examinando la forma
| |

=
|
|
.
|

\
|
=
1
0
1
1
Var
n
s
s n
R
n
s
n
X
se observa que la razn de convergencia de | |
n
X Var hacia

=
=
s
s
R V tiene como funcin de
ponderacin
n s
n
s
W
s n
= = ..., , 1 , 0 para 1
) 1 (
,

Si n es suficientemente grande, de tal forma que usar V/n por | |
n
X Var no introduzca
prcticamente ningn error, entonces uno puede preguntarse si existen otras funciones de
ponderacin que permitan la aproximacin de V mediante una combinacin lineal de un
nmero considerablemente pequeo de covariancias, pero con un error ligeramente mayor. La
respuesta es s. Considrese la expresin ms general
n k R W V
k
k s
s
i
s k i
=

=
para
) (
,

donde
) (
,
i
s k
W est definida de tal forma que garantiza

V R V
s
s i k
= =

=

lim
Puesto que {R
s
} no es conocido en la prctica, las autocovariancias de la forma
( )( ) | | p s X X X X
s n
R
s n
i
n s i n i s
..., , 0 para
1

1
=

=
+

156
deben substituirse en la anterior expresin de V
i
. Escribiendo la expresin de las
autocovariancias de las muestras como
( )( ) | | ( )( ) | | 0 para
1

=
+
s X X X X
s n
R
s n
i
n s i n i s

se puede demostrar directamente que
| | V R R nE
s s n
=

lim
| |

=

=
k
k s
i
s k i i n
W V V V nE
) (
,

lim
de tal forma que
| |

=


k
k s
i
s k i i
W V n V V E
) (
,
1


Claramente
| | V V E
i k n
=

lim lim
siempre que k crezca ms lentamente que n. En trminos finitos, si k es suficientemente
grande de tal forma que V
i
V, entonces

=
k
k s
i
s k
i
i
W n
V
V
) (
,
1
1


evita el sesgo que introduce el uso de
n
X en vez de y, por consiguiente, es un estimador
preferido de V. Al aplicar la estimacin espectral, frecuentemente se substituye el divisor n - s
en las frmulas anteriores por n. El efecto es despreciable para n>> k.
Como el lector aprecia, el uso de k <<n elimina el clculo de
n k
R R

..., ,

1 +
con el ahorro
subsiguiente. Sin embargo, consideraciones de variancia proporcionan una atraccin ms
importante para
i
V

y
i
V

. Se puede demostrar que para k suficientemente grande


| | | | |
.
|

\
|
+ =
(


=

k
k s
i
s k i i n i n
W V V n V n
2
) (
,
2

Var lim

Var lim
donde indica una contribucin a la variancia debida a la falta de normalidad de X
1
, , X
n
.
La significacin de la frmula anterior proviene del hecho que la suma de la derecha es una
funcin creciente de k. ello implica que una vez que se ha determinado k de tal forma que
V V E
i

(

, un valor mayor de k mejora la aproximacin | | V V E


i

a expensas de un
incremento de | |
i
V ar

V .
Una vez proporcionada la justificacin de buscar funciones de ponderacin distintas de
) 1 (
,s k
W ,
es preciso analizar las opciones disponibles. Aunque la literatura terica sobre el anlisis
espectral sugiere muchas alternativas, slo dos han emergido como serias competidoras de la
157
primera eleccin. Esto es, con respecto a consideraciones acerca del error de la aproximacin
y de la variancia, pretenden dominar otras sugerencias. Una es la funcin de ponderacin de
Tukey-Hanning
( )

+
=
contrario caso en 0
s si ' cos 1 5 . 0
) 2 (
,
k s
W
s k

para s' = s/k. La otra es la funcin de ponderacin de Parzen:
( )

<
+
=
contrario caso en 0
k/2 si ' 1 2
2 / si ' 6 ' 6 1
3
3 2
) 3 (
,
k s s
k s s s
W
s k

A ttulo de comparacin, se puede demostrar que
) 2 (
,s k
W produce un error de aproximacin
menor que en de
) 3 (
,s k
W para un valor dado de k. Sin embargo, la desigualdad se invierte
cuando se consideran las variancias para una k dada. En particular se puede demostrar que
para V V E
(

y V V E
(

,
n
k
V V
2
2
75 . 0

Var
(


n
k
V V
2
3
539 . 0

Var
(


donde el trmino debido a la falta de normalidad se supone << k. Adems,
k W
k
k s
s k
=

=
) 2 (
,

k W
k
k s
s k
75 . 0
) 3 (
,
=

=

de tal forma que
2

V y
3

V pueden calcularse fcilmente. Tambin puede usarse la frmula del


mtodo autoregresivo para calcular los grados de libertad. Para la funcin de ponderacin de
Tukey-Hanning,
k
n
. f 667 2
2
= , y para la de Parzen,
k
n
f 711 . 3
3
= .
6.6. VALIDACIN Y COMPROBACIN DE MODELOS DE
SIMULACIN
Una vez se ha construido y verificado el modelo, se desea comprobar la validez o credibilidad
del modelo de simulacin. Para establecer la inferencia del sistema real a partir de los
resultados obtenidos en la simulacin, el modelo debe ser una representacin razonablemente
vlida del sistema real.
El proceso de validacin puede parecer bastante directo en un principio. Pero, en la prctica,
es difcil establecer tests de validacin concluyentes. En algunos casos, no hay contrapartida
existente para alguna de las alternativas simuladas. Tal situacin se produce cuando debe
disearse un sistema completamente nuevo y se utilizan experimentos de simulacin para
158
elegir entre alternativas de diseo. Si se dispone del sistema considerado o de uno similar, se
obtendra alguna seguridad de la validez demostrando que para una o dos versiones
alternativas del sistema simulado y un conjunto de condiciones, el simulador produce
resultados que no son inconsistentes con el comportamiento conocido del sistema real. En
caso contrario, el modelo es francamente sospechoso.
Por otra parte, no se puede hacer ninguna afirmacin rotunda acerca de la credibilidad del
modelo incluso si el modelo pasa el test bajo ciertas variaciones y conjuntos de condiciones:
Hay siempre la incertidumbre asociada con el establecimiento de una conclusin general a
partir de un nmero reducido de pruebas. El tratamiento de esta incertidumbre inherente cae
dentro del reino de diseo estadstico y del anlisis de experimentos.
El nivel de detalle requerido en la validacin de un modelo de simulacin debe depender de
como debe usarse este modelo en la toma de decisiones. En otras palabras, se debe volver al
objetivo principal de estudio de simulacin y elegir alguna medida del comportamiento que
indique si los datos de observacin generados por el simulador concuerdan suficientemente
con los del sistema real. Si la medida de comportamiento as obtenida es algn valor medio,
entonces deben aplicarse las nociones de nivel de significacin y de intervalo de confianza
para cuantificar la significacin estadstica de la diferencia entre los efectos reales y los
simulados. El anlisis de la variancia puede usarse para comprobar la hiptesis que la media
de una serie de datos generados por el simulador es igual a la media de los datos observados
correspondientes al sistema real.
En algunos casos, el criterio de comportamiento no es solo el valor medio de las
observaciones, sino su distribucin de frecuencias. En este caso se debe acudir a los tests de
hiptesis, como los ya vistos de ji cuadrado y de Kolmogorov-Smirnov.
6.7. HERRAMIENTAS DE CONSTRUCCIN DE MODELOS
6.7.1. MODELOS DE SIMULACIN
La construccin de modelos de simulacin puede hacerse recurriendo a distintas
herramientas, entre las que se pueden citar:
- lenguajes de programacin convencionales que pueden tener extensiones para la
generacin de nmeros aleatorios, el tratamiento de listas, etc., como por ejemplo el GASP
como extensin del FORTRAN y el SIMULA como extensin del ALGOL.
- lenguajes de simulacin, especialmente diseados con este objeto, que incorporan a las
extensiones citadas en el apartado anterior las de extraccin y presentacin de resultados;
entre otros se pueden citar el GPSS y el SIMSCRIPT.
- paquetes de simulacin cerrados orientados generalmente al estudio de sistemas
informticos trabajando en tiempo real; tienen informaciones relacionadas con el
comportamiento de los equipos informticos ms frecuentes y hay que indicarles la
configuracin y describirles adecuadamente la carga. Los casos ms tpicos de este tipo de
herramientas son el SCERT y el CASE.
6.7.2. LENGUAJES DE MODELIZACIN
La aparicin de tcnicas analticas de solucin de modelos de sistemas teleinformticos ha
promovido la aparicin de un numeroso conjunto de lenguajes de modelizacin, que
basndose con frecuencia en alguna forma de lenguaje de programacin estructurado,
permiten la construccin y posterior tratamiento de modelos a base de redes de colas. Con
frecuencia el mtodo de resolver la red es de tipo analtico (principalmente convolucin o
anlisis del valor medio) aunque tambin incorporan otros mtodos analticos aproximados y
mtodos de simulacin. Los hay de tipo general que permiten la descripcin de las estaciones
159
de servicio y el encaminamiento de los clientes entre ellas, sin estar orientados a ningn tipo
especfico de sistemas y entre otros se pueden citar los siguientes:
- QNAP2
. Desarrollado por el INRIA (Institut Nacional de Recherche en Informatique et
Automatique) tiene la forma de un lenguaje estructurado tipo PASCAL, con ciertos tipos
de datos predefinidos (QUEUE, CUSTOMER, CLASS, ETC.) permitiendo varios
tratamientos analticos exactos y aproximados, tratamiento por cadenas de Markov y
tratamiento por simulacin, segn las caractersticas de la red y el deseo del usuario.
- RESQ.
. Estructurado sobre una base fuertemente interactiva aporta sensiblemente los mismos
tratamientos que el anterior (excepto el de las cadenas de Markov). Ha sido desarrollado
por IBM basndose en un conjunto de productos anteriores.
- BEST-1.
. Desarrollado de BGS Systems (Buzen y asociados) se orienta al estudio de modelos de
sistemas informticos y redes de comunicacin (arquitecturas SNA, etc.). Tal vez es el
producto comercial mas popular en su mbito.
Otros lenguajes, por el contrario, estn claramente orientados a un determinado tipo de
sistemas, normalmente sistemas de comunicacin, sin entrar en el detalle del tipo de
modelo subyacente. Entre otros se pueden citar:
- QUARTZ
. desarrollado por el CNET, contiene modelos de distintos sistemas de comunicacin con
sus protocolos proporcionando los resultados solamente a travs de tratamientos
numricos y no de simulacin.
- NETWORK
. similar al anterior, su diferencia reside en la posibilidad de estudiar por simulacin
modelos no tratables numricamente.

160
MODELADO DE SISTEMAS
1. INTRODUCCIN
Las distintas herramientas estudiadas (colas, redes de colas, redes de Petri, procesos de
Markov, simulacin, etc.) pueden usarse para estudiar el comportamiento de un sistema
informtico o teleinformtico poniendo de manifiesto y estimando los retrasos y contenciones
que se producen cuando diversos clientes pretenden utilizar el mismo recurso.
Las distintas herramientas cubren distintos aspectos del estudio de un sistema. As la teora de
colas nos permite estudiar separadamente cada uno de los componentes de un sistema pero
sin poder tener en cuenta del hecho que un cliente habitualmente slo puede recibir servicio
de un servidor y al estudiar cada dispositivo por separado se pierde de vista el hecho
mencionado. Si se desea tener en cuenta el mencionado hecho de la imposibilidad de
simultaneidad de uso de diversos recursos por un mismo cliente es preciso pasar a modelos
globales. Dichos modelos globales se pueden construir mediante cualquiera de las restantes
herramientas. Sin embargo, todas ellas excepto la simulacin exigen la adaptacin de la
realidad a las condiciones especficas exigidas por el mtodo de que se trate. La simulacin,
al menos tericamente, no tiene ninguna limitacin en cuanto a las caractersticas del modelo
construido. Este aumento de la precisin del modelo construido tiene como coste unos
mayores tiempos de puesta a punto del modelo y de ejecucin del mismo.
Sin embargo, antes de entrar en la construccin de modelos usando las distintas herramientas
citadas conviene fijar ideas en que se entiendo por cliente y por servidor.
1.1. LA NOCIN DE CLIENTE
Tpicamente un cliente puede ser una porcin de software en un sistema informtico, un
paquete de informacin en un entorno de comunicacin por conmutacin de paquetes, una
llamada telefnica en un entorno de comunicacin por conmutacin de circuitos, etc. En
general, un cliente es una entidad que requiere servicio de uno ms dispositivos servidores.
Dependiendo del problema, se puede decidir agrupar todos los clientes en una sola clase o en
distintas clases. Por ejemplo, tiene sentido considerar una sola clase si todos los clientes se
comportan aproximadamente de la misma forma, es decir, tienen similares requerimientos de
servicio, similar encaminamiento, y no hay prioridades entre ellos. Sin embargo, si algunos
clientes tienen prioridad sobre otros o tienen distintos requerimientos de servicio o distinto
encaminamiento, entonces, evidentemente, tiene sentido colocarlos en clases separadas.
1.2. LA NOCIN DE ESTACIN DE SERVICIO
Una estacin de servicio esta constituida por un mecanismo de servicio que puede ser un
elemento hardware o un fragmento de software o una combinacin de los dos. Por ejemplo,
se pueden considerar una CPU, un disco, un mdulo de memoria, un bus, un enlace de
comunicacin, un nodo de conmutacin, etc. como estaciones de servicio.
Cada mecanismo de servicio tiene un buffer (al que se hace referencia como cola), donde los
clientes esperan hasta que reciben servicio. En general, la capacidad del buffer es finita, esto
es, solo puede acomodar un nmero finito de clientes. Sin embargo, si un buffer finito es muy
grande, entonces puede suponerse que es infinito, ya que a efectos prcticos no hay lmite en
el nmero de clientes que puede acomodar. En general, se supondr que la capacidad de un
buffer es infinita a menos que se advierta lo contrario.
Adems, despus de haber identificado las distintas estaciones de servicio que constituyen un
sistema, es preciso identificar como estn interconectadas, es decir, como pueden desplazarse
los clientes entre las distintas estaciones.
161
1.3. RECOLECCIN DE INFORMACIN
Despus de haber identificado los clientes y, eventualmente, sus clases, y las estaciones de
servicio y su interconexin, es necesario caracterizar la distribucin de los tiempos de
servicio de cada clase de cliente en cada estacin en la que puede recibir servicio, las
probabilidades de encaminamiento de los clientes entre las distintas estaciones, y la
distribucin de los tiempos entre llegadas de los clientes que llegan al sistema procedentes del
exterior. En muchos casos, esta informacin debe recopilarse a partir de datos obtenidos de la
monitorizacin experimental del sistema considerado; en otros casos estos datos estn
basados en una estimacin hecha por personas expertas a partir del comportamiento de
sistemas similares.
Hay que tener presente que la calidad de los resultados que se obtengan de un modelo
depende ms de los datos introducidos que de la mayor o menor aproximacin del modelo.
Dicho en otras palabras, un modelo nunca mejorar la calidad de los datos introducidos, en
todo caso la empeorar.
2. MODELADO DE SISTEMAS INFORMTICOS
2.1. MODELOS INDIVIDUALES DE SUBSISTEMAS
La modelizacin de sistemas informticos puede enfocarse estableciendo modelos
individuales de cada uno de los subsistemas o bien estableciendo un modelo global de todo el
sistema. En este apartado analizaremos los modelos individuales de cada uno de los
subsistemas y en el 2.2. los modelos globales.
En el volumen primero de esta obra se han analizado un conjunto de modelos de colas que
admiten un tratamiento de clculo sencillo (posible con la ayuda de una calculadora de
bolsillo con las cuatro reglas y la raz cuadrada). En este apartado se estudiar el
funcionamiento de distintos dispositivos que componen un sistema informtico o
teleinformtico y se tratar de hallar a cual de los modelos estudiados se asemeja en mayor
grado. En algunos casos la correspondencia ser directa; en otros, como se ver, ser preciso
forzar la realidad para hacerla encajar en alguno de los esquemas tipo estudiados que admiten
un clculo sencillo. Es decir, el proceso que se seguir ser el de analizar el funcionamiento
del dispositivo considerado, ver a que modelo de colas se adapta mejor y hacer la
simplificaciones que convengan para lograr su adaptacin; a continuacin ser conveniente
analizar el efecto de las simplificaciones realizadas sobre los resultados obtenidos.
2.1.1. TAMBORES O DISCOS DE CABEZAS FIJAS
Estos dispositivos (fig. 2.1)solo permiten tratar una sola entrada-salida simultnea, debido a
que la unidad de control y/o el canal solo permiten el paso de una de ellas. Por lo tanto,
independientemente del nmero de ejes de que se disponga, a efectos de su modelizacin, es
equivalente a que se dispusiera de uno solo. El modelo est constituido por una cola que da
acceso a la unidad que controla los distintos dispositivos.
162
Disco de cabezas fijas Tambor
Cabezas de lectura-escritura

Figura 2.1.
El nmero de accesos por unidad de tiempo depende de las aplicaciones que se ejecutan en
el momento estudiado y, aun cuando, estrictamente, las peticiones se generan a partir de una
poblacin finita (trabajos en ejecucin), normalmente se puede admitir que las peticiones
provienen de una poblacin infinita y, adems, que siguen una distribucin poissoniana.
Otros elementos que intervendrn en la definicin del tipo de modelo a utilizar sern:
- el contenido de los tambores (archivos de datos o archivo de paginacin)
- la poltica de ordenacin de las peticiones de servicio (FIFO o por latencia mnima).
2.1.1.1. Tambores con archivos de datos y disciplina FIFO
El tiempo de servicio estar compuesto del tiempo de latencia (tiempo que transcurre desde la
adquisicin de la unidad de control hasta que el registro a transferir pasa por debajo de la
cabeza de lectura-escritura correspondiente) ms el tiempo de transferencia (tiempo que
tardan en transferirse todos los bits del registro).
El tiempo medio de servicio s y la variancia de los tiempos de servicio
s
2
se determinarn
teniendo en cuenta las distribuciones del tiempo de latencia y del de transferencia de los
registros.
Esta situacin puede, pues, modelarse sin dificultad mediante una cola M/G/1 y aplicar las
frmulas de Pollaczeck-Khintchin ya que la frecuencia de llegada sigue una distribucin de
Poisson y el servicio es la suma de dos variables aleatorias, por lo tanto una ley general.
Si se denomina RG la longitud media de los registros transferidos,
RG
su desviacin tipo,
medidos ambos en vueltas, la frecuencia media de la llegada de peticiones de acceso a los
tambores y el tiempo de una revolucin, sustituyendo en las frmulas de Pollaczeck-
Kintchin se tiene


+
+ |
.
|

\
|
+ =
1
1
2
1
1
2
1
2
C
RG R
donde el factor de utilizacin vale
|
.
|

\
|
+ = RG
2
1

y el coeficiente cuadrtico de variacin
163
2
2
2
2
1
12
1
|
.
|

\
|
+
+
=
RG
C
RG

teniendo en cuenta que los tiempos de latencia estarn uniformemente distribuidos entre cero
y el correspondiente a una vuelta y, por lo tanto, su valor medio ser /2 y su variancia

2
/12.
2.1.1.2. Tambores con archivos de paginacin y disciplina FIFO
En este caso al tratarse de un archivo de paginacin, todos los registros sern de la misma
longitud, si al acabar la transferencia de un registro no hay ninguno en espera, no es necesario
que el servidor explore continuamente la llegada de una nueva peticin ya que, en el mejor de
los casos, slo podr empezar a servirla cuando se llegue a un entorno de pgina (fig. 2.2).
Por lo tanto parece razonable utilizar un modelo de Skinner donde la variable B vale cero y la
C, el tiempo correspondiente a de dejar circular el sector correspondiente a una pgina, es
decir, /k, donde k es el nmero de sectores de una pista.

Figura 2.2
La variable A, correspondiente al tiempo de servicio comprender los tiempos de latencia y
transferencia. La distribucin de los tiempos de latencia ser uniforme discreta entre cero y el
tiempo correspondiente al giro de una vuelta menos un sector, es decir, k - 1 sectores. Por lo
tanto, los momentos del tiempo de servicio A (suma de latencia y transferencia) sern
( )
k
k
k k
k
m
A
2
1 1
0
2
1 +
=

+ |
.
|

\
|

+ =
( )
2
2
2
3
2
1
1
k
k k
M
A
|
.
|

\
|
+ +
=
Puesto que todos los registros tienen la misma longitud, el tambor de paginacin est en una
posicin apta para empezar a atender un nuevo acceso inmediatamente despus de terminar el
anterior y si hay algn acceso pendiente en la cola lo atiende. En el modelo de Skinner esto
significa B = 0, de donde F
A
(t) = F
Z
(t).
Si la cola est vaca inmediatamente despus que el tambor acabe de atender una
entrada/salida, debe permanecer en latencia durante el tiempo necesario para recorrer un
registro antes de que sea necesario volver a examinar la cola. Por lo tanto, en este caso, no es
164
una variable aleatoria, sino que es una constante igual a /k, de donde m
C
= /k y M
2C
=
2
/k
2
.
En consecuencia, sustituyendo y simplificando, el tiempo medio de respuesta ser
( )
( )

(
(
(
(

+
|
.
|

\
|
+ +
+ + =

1
1 1
1
1 2
2
1
1 1
3
1
2
1
k
k k
k R
2.1.1.3. Tambores con archivos de paginacin y disciplina de latencia mnima (shortest
latency time first, SLTF)
En este caso, si la distribucin de accesos es uniforme entre los k sectores de todas las pistas,
se puede descomponer el proceso de Poisson de llegada en k procesos, dirigidos, cada uno, a
uno de los conjuntos de sectores que ocupan la misma posicin en todas las pistas,
asignndoles un servidor ficticio, que, por turno, se transforma en el servidor real de tal forma
que nunca entran en conflicto dos servidores ficticios al tratar de adquirir el servidor real, y
gestiona la cola de cada sector en forma FIFO. Entonces cada servidor acta como un
servidor de Skinner que despus de cada servicio espera el paso de k - 1 sectores antes de
volver a explorar la cola y si la encuentra vaca deja pasar una vuelta completa. Esta poltica
permita una mejora del tiempo de respuesta ya que en muchos casos el que se "cuele" el
acceso correspondiente a un sector que se encuentra en la latencia de otro, no perjudica el
tiempo de respuesta de este ltimo y mejora apreciablemente el del primero.
Aplicando el modelo de Skinner a cada uno de los servidores ficticios que hemos
considerado, resulta que todas las variables aleatorias que intervienen se transforman en
constantes. A vale /k, el tiempo de transferir un registro; B vale (k - 1)/k, el tiempo de
recorrer los k - 1 sectores de la misma vuelta que es el tiempo que debemos esperar hasta
explorar nuevamente la cola; y C vale , el tiempo de una vuelta, que debemos esperar para
volver a explorar la cola de un sector cuando, al hacerlo, la hallemos vaca. Por lo tanto, m
A
=
/k, m
Z
= m
C
= , M
2A
=
2
/k
2
y M
2Z
= M
2C
=
2
, y, en consecuencia sustituyendo y
simplificando en el resultado del modelo de Skinner, se tiene
( )

(

+

+
=
1
1 2
1
k R
donde

=
k

2.1.1.4. Tambores con archivos de datos y disciplina de latencia mnima
El estudio de este caso no permite la aplicacin simple de alguno de los modelos estudiados.
Para ello debe recurrirse a la simulacin o a modelos ms sofisticados, como el que resulta de
aplicar las hiptesis que la distribucin de los tiempos de servicio (latencia ms transferencia)
es
1 - e
-t/(RG)
, para 0 < t <
1 - e
-t/(RG)
e
-(t - )/(RG)
, para t >
y que todos los registros son equiprobables, que permite llegar a una expresin aproximada
del tiempo de respuesta que es
165

(
(
(

|
|
.
|

\
|

+ + =
2
3
1
368 . 0
1 2
1
RG R
2.1.1.5. Ejemplo
En un canal de entrada-salida hay un tambor conectado y gira a 3600 r.p.m. La longitud
media de los registros es de 1/5 de vuelta. Los accesos se producen a razn de 60 por
segundo. Determinar el tiempo medio de respuesta en las siguientes situaciones:
1. Archivos de datos con una desviacin tipo de la longitud de los registros que se puede
estimar en 1/10 de revolucin y poltica FIFO de gestin de la cola.
2. Archivos de paginacin y poltica FIFO de gestin de la cola.
3. Archivos de paginacin y poltica SLTF de gestin de la cola.
Solucin
De la velocidad de rotacin se encuentra que el tiempo necesario para dar una vuelta es
= 1/3600 min = 60/3600 = 1/60 s = 1000/60 = 16.67 ms
y las caractersticas estadsticas de la latencia rotacional son:
m
L
= 16.67/2 = 8.33 ms

L
2
= 16.67
2
/12 = 23.24 ms
2

1. Las caractersticas estadsticas de la llegada son = 30 acc/s y las del servicio, suma de
las de la latencia ms la transferencia, son:
s = 8.33 + 16.67/5 = 11.67 ms

s
2
= (16.67/10)
2
+ 23.24 = 26.02 ms
2

y como el comportamiento se asemeja al de una cola M/G/1, se deben aplicar las
frmulas de Khintchin-Pollaczeck con
= 60 11.67/1000 = 0.7
de donde se obtiene el tiempo de respuesta
( )
ms 89 . 27
67 . 11
02 . 26
1
7 . 0 1 2
7 . 0
1 67 . 11
2
=
(

|
.
|

\
|
+

+ = R
2. En este caso se debe aplicar el modelo de Skinner con
ms 10 67 . 16
5 2
1 5
=

+
= =
Z A
m m
( )
2 2
2
2 2
ms 22 . 122 67 . 16
5 3
2
1
5 1 5
=

|
.
|

\
|
+ +
= =
Z A
M M
m
C
= 16.67/5 = 3.33 ms
166
M
2C
= (16.67/5)
2
= 11.11 ms
2

y sustituyendo en la frmula del modelo de Skinner, se obtiene el tiempo de respuesta
buscado
ms 83 . 20 10
10
1000
60
1
22 . 122
1000
60
2
1
33 . 3 2
11 . 11
= +

= R
3. En este caso se debe aplicar el modelo de Skinner con
m
A
= 16.67/5 = 3.33 ms
m
Z
= m
C
= 16.67 ms
M
2Z
= M
2C
= 16.67
2
= 277.78 ms
2

= 60/5 = 12 acc/s
y sustituyendo en la frmula del modelo de Skinner, se obtiene el tiempo de respuesta
buscado
ms 40 . 13 33 . 3
33 . 3
1000
12
1
78 . 277
1000
12
2
1
67 . 16 2
78 . 277
= +

= R
2.1.2. DISCOS
Se va a considerar en primer lugar un comportamiento bsico de una operacin de entrada-
salida en disco para, despus, estudiar variantes sobre l. Esta configuracin bsica supone
que una unidad de control controla un subsistema de discos y est conectada a la memoria
central a travs de un canal no compartido con otros subsistemas (fig. 2.3).
Memoria
Discos
UC

Figura 2.3.
As pues, se puede considerar que el proceso de E/S en un disco se descompone bsicamente
en las siguientes fases representadas en la figura 2.4:
167
Llegada
Cola del
disco
Cola de
la UC
SK LT TF
UC ocupada
disco ocupado
disco y
UC libres

Figura 2.4.
- La peticin de acceso generada por algn programa (de aplicacin o de sistema) se pone en
una cola para acceder al disco correspondiente. La gestin de esta cola por parte del
sistema operativo se supondr que es FIFO.
- El acceso sale de la cola para lanzar el movimiento del brazo (seek) cuando la unidad de
control y el disco correspondiente estn libres simultneamente, ocupando durante un
tiempo despreciable la unidad de control, ya que se trata de un tiempo de microsegundos de
proceso del acceso por la electrnica de la unidad de control frente a los milisegundos de
los movimientos mecnicos del disco.
- Una vez acabado el desplazamiento del brazo, el acceso trata de iniciar la transferencia a
travs de la unidad de control, colocndose en la cola de este dispositivo que se supondr
inicialmente FIFO,.
- Cuando adquiere su servicio, la retiene durante los tiempos de latencia y transferencia.
- Una vez acabada la transferencia se liberan, a la vez, el disco y la unidad de control, que
quedan en disposicin de atender nuevos accesos.
A continuacin se va a exponer un modelo simplificado de fcil tratamiento manual para este
funcionamiento. Ms adelante se estudiarn otros modelos correspondientes a otras
alternativas de funcionamiento de los discos.
2.1.2.1. Discos sin posicionamiento angular y disciplina FIFO en la unidad de control
El funcionamiento de un subsistema de discos como el que acabamos de describir en el
apartado anterior, est representado exactamente en el diagrama de bloques de colas de la
figura 2.5, en la que se aprecian las distintas etapas de la operacin de E/S en disco (la cola, el
movimiento del brazo, la cola de la unidad de control y el servicio de la unidad de control
durante la latencia y la transferencia). La dificultad para construir un modelo exacto del
funcionamiento de un subsistema de discos reside en el doble paso de la peticin por la
unidad de control: primero para dar la orden al disco de mover el brazo y luego para realizar
la transferencia una vez el registro pasa por la cabeza de lectura-esritura.
La figura 2.6, cuya diferencia reside en considerar que para salir de la cola de acceso al disco
(inicio del movimiento del brazo) no es necesario que est libre la unidad de control o el
canal (ambos suponemos que constituyen un todo) y solo es necesario que est libre el disco
representa un modelo simplificado del mismo subsistema. En este caso al pasar las peticiones
una sola vez por la unidad de control permite un modelo fcil de construir y tratar. La
hiptesis realizada, que la espera suplementaria, debida a que la unidad de control est
ocupada y el disco libre, es pequea en las circunstancias normales de funcionamiento del
subsistema, se verificar ms adelante.
168
.
.
.
Disco 1
Disco 2
Disco n
UC
SK
1
SK
2
SK
n
.
.
.

Figura 2.5.
.
.
.
Disco 1
Disco 2
Disco n
UC
SK
1
SK
2
SK
n

Figura 2.6.
El clculo del tiempo de respuesta con estas hiptesis simplificadoras, se desglosa en las
siguientes fases:
a) Clculo para cada archivo i del tiempo medio de ocupacin de la unidad de control, que
es igual al tiempo de latencia, L
i
ms el tiempo de transferencia, TF
i
.
Si admitimos unas hiptesis similares a las del funcionamiento de los tambores con
archivos de datos y acceso FIFO, es decir, que los registros pueden empezar en cualquier
lugar de la pista y todos tienen un acceso igualmente probable, los tiempos de latencia se
podr considerar que estn distribuidos segn una ley uniforme entre cero y el tiempo de
una vuelta. Por lo tanto, el tiempo medio de latencia corresponde al de media vuelta
169
( 2 / =
i
L ) y la variancia al cuadrado del tiempo de una vuelta dividido por doce
( 12 /
2 2
=
i
L
).
El tiempo de transferencia se puede considerar igual al tiempo de una vuelta dividido por
el nmero de registros fsicos que hay en promedio en una pista o bien puede calcularse a
partir la longitud del registro y de la velocidad de transferencia del disco.
b) Determinacin del nmero medio
i
de accesos, tanto entradas como salidas, a cada
archivo, i, por unidad de tiempo, que depende de las aplicaciones que se ejecuten en ese
instante.
c) Clculo de la ocupacin de la unidad de control provocada por cada archivo y que es

i
(L
i
+ TF
i
).
d) Clculo del factor de utilizacin de la unidad de control, que es igual a la suma de todos
los valores calculados en el apartado anterior.
e) Clculo del tiempo medio de servicio de la unidad de control, que es el promedio de los
valores calculados en el apartado a ponderados por las frecuencias de acceso, calculadas
en el apartado b.
f) Clculo del tiempo medio de espera en la unidad de control, W
uc
que es igual al tiempo
medio de estancia en el sistema (unidad de control) menos el de servicio. Los clculos
efectuados en los cinco apartados anteriores tienen por objeto proporcionar los datos
necesarios para el tratamiento del modelo que se expone en este punto. Hay que tener en
cuenta que en este caso, ya que el manantial no es infinito, puesto que esta cola puede
tener, como mximo, tantos accesos en conflicto para usar la unidad de control como
discos haya en el subsistema, el modelo aplicable sera el M/G/1//ND, donde ND es el
nmero de discos del subsistema, que carece de tratamiento analtico. Como
aproximacin se puede aplicar un modelo M/G/1 o M/M/1//ND. Para el clculo de este
ltimo modelo podemos emplear las frmulas adecuadas (apartado 3.3.6. del primer
volumen de esta obra) o los grficos que nos dan ese valor directamente en funcin de

uc
, de s
uc
y del nmero de mecanismos de acceso o ejes (clientes en la figura 3.13 del
mismo volumen). Las dos aproximaciones propuestas son ambas pesimistas, la primera
por considerar una poblacin infinita en vez de finita, y la segunda por considerar una
distribucin exponencial de los tiempos de servicio con una variancia igual a la media,
cuando, normalmente, es inferior a la media, ya que la latencia tiene un desviacin tipo
inferior a la media y en general todos los registros son de la misma longitud con
desviacin tipo nula. Por lo tanto, se debe elegir siempre la menos pesimista de ambas,
que normalmente es la M/M/1//ND.
g) Clculo para cada disco j (un archivo puede estar entre varios discos, o, por el contrario,
en un disco puede haber varios archivos) de las caractersticas del tiempo de servicio,
que es igual al tiempo de desplazamiento de brazo, SK
j
, ms el tiempo de espera en la
unidad de control, W
uc
, ms el tiempo de latencia, L
j
, ms el tiempo de transferencia TF
j
,
que depende de los archivos que haya en el disco
s
j
= SK
j
+ W
uc
+ L
j
+ TF
j
El desplazamiento del brazo depende del tipo de accionamiento y de la ocupacin y de la
situacin de los archivos en el disco.
170
Para calcular las caractersticas estadsticas del desplazamiento es preciso conocer,
adems de la situacin y de la ocupacin de los archivos en el disco, la frecuencia de
acceso a cada uno de ellos. Si se admite que slo hay un archivo que ocupa N cilindros
podremos decir que la probabilidad de que se produzca un desplazamiento de n cilindros,
si todos son igualmente probables, vale (fig. 2.7):
N
N - 2n n n
Posibilidad de desplazamiento en ambos sentidos
Posibilidad de desplazamiento slo en un sentido

Figura 2.7.
( )
2
2 1 2
2
1
2
N
n N
N N
n N
N N
n
P
n

=

+ =
El primer sumando representa la probabilidad de que la posicin inicial est entre los n
primeros o ltimos cilindros y se efecta un desplazamiento de esa longitud (solo puede
ser en un sentido). El segundo representa la probabilidad de un desplazamiento que tenga
su posicin inicial entre los cilindros n y N - n, en cuyo caso el desplazamiento puede
hacerse en los dos sentidos.
En consecuencia el desplazamiento medio valdr
( )

= =

= =
N
n
N
n
n
N
N
N
n N
n nP n
1
2
2
1
3
1 2

y la variancia
( )
2
2 4
2
2
1
2
2 2
1
2 2
18
18
3
1 2
N
N N
N
N
N
n N
n n P n
N
n
N
n
n n
+
=
|
|
.
|

\
|

= =

= =

Cuando el nmero de cilindros ocupados por el archivo, N, es grande, estos valores
pueden aproximarse por
3
N
n =
18
2
2
N
n
=
Aun cuando realmente este clculo debera hacerse con los tiempos necesarios para
efectuar estos desplazamientos, normalmente proporciona una aproximacin suficiente la
transformacin en tiempo de los nmeros de cilindros correspondientes al
desplazamiento medio y a la desviacin tipo, de acuerdo con las curvas que nos
relacionan desplazamientos con tiempos (fig. 2.8).
171
Desplazamiento del brazo
T
i
e
m
p
o

Figura 2.8.
El tiempo de espera en la unidad de control tiene un valor medio que ya hemos calculado
(prrafo f) y una variancia que se podra calcular a partir de la distribucin de
probabilidad del nmero de clientes en ella, pero que, en primera aproximacin (la que se
efecta normalmente) se puede considerar igual al cuadrado de la media. Esta
aproximacin no tiene demasiada influencia ya que, normalmente, este sumando
representa un porcentaje pequeo del tiempo de servicio del disco y, adems, es una
hiptesis normalmente pesimista, ya que la desviacin tipo real es inferior a la media que
sirve en parte para compensar la hiptesis simplificadora de suponer que si el disco est
libre pude lanzarse la operacin de E/S independientemente del estado de la unidad de
control.
Las caractersticas estadsticas del tiempo de latencia ya se han comentado (prrafo
2.1.1.1.) y las del tiempo de transferencia se pueden determinar fcilmente conociendo
las de los registros de los archivos que hay en el disco y las frecuencias de acceso de
cada uno de ellos. Por lo tanto se puede escribir

+ + + =
j
j
D i
i
D i
i i
j uc j j
F T
L W K S s
( )
(
(
(
(

|
|
|
|
.
|

\
|

+ + + =

2
2
2
2 2 2
12
2
j
j
j
j
j
D i
i
D i
i i
D i
i
D i
i i
j
uc SK j
F T F T
L
W
h) Clculo, a partir de los datos obtenidos, del factor de utilizacin de cada disco

=
j
D i
i j j
s
i) Clculo del tiempo de respuesta de cada disco por aplicacin de las frmulas de
Khintchin-Pollaczeck. Se hace, sin embargo, la incorreccin de suponer que las llegadas
provienen de una poblacin infinita, lo cual no es cierto, puesto que, como mximo, es
igual al nmero de trabajos en ejecucin en la unidad central. No obstante, si el nivel de
multiprogramacin es algo elevado o si se trata de sistemas transaccionales, los
resultados acostumbran a ser suficientemente aproximados.
172
j) Al actuar de esta forma no hemos tenido en cuenta, como hemos supuesto, que para salir
de la cola que da acceso al disco correspondiente es preciso, no slo que el disco este
libre, sino que tambin lo ha de estar la unidad de control. Puede aadirse un tiempo que
corrija el de respuesta por la espera suplementaria provocada por el tiempo residual de
una transferencia, que idntico al tiempo residual calculado al estudiar las colas M/G/1, y
que, por lo tanto multiplicado por la probabilidad que el disco est libre (1 -
j
), puede
hacerse igual a
( )
(


+
uc
uc
uc uc j
s
s
'
'
'
2
1
' 1
2

y para ser mas exactos se consideran para cada disco los valores referentes a la unidad de
control provocados por los restantes discos, pero no l mismo (por ello se han indicado
las variables correspondientes con tilde). No obstante, en la mayora de los casos, esta
correccin tiene poca importancia, a no ser que se alcancen elevados factores de
utilizacin de los discos y la unidad de control.
La interpretacin de esta expresin nos dice que la probabilidad de encontrar la unidad
de control ocupada y el disco libre es (1 -
j
)
uc
' y el tiempo medio de ocupacin ser la
mitad del tiempo de transferencia en la unidad de control. El trmino complementario es
para tener en cuenta la distribucin de los tiempos de transferencia.
Ejemplo: Se considera un subsistema de tres discos donde se hallan los archivos que consulta
y actualiza un sistema transaccional de tiempo real. Las transacciones llegan a razn de 30
por segundo. Los discos giran a 3.600 r.p.m.
Al archivo A acceden el 60% de las transacciones de las cuales el 25% son de actualizacin.
Hay 10 registros por pista. El disco est lleno en un 50%, lo cual hace que la media y la
desviacin tipo de los tiempos de desplazamiento de brazo sean 20 ms y 16 ms,
respectivamente.
Al archivo B acceden el 40% de las transacciones sin actualizacin. Hay 5 registros por pista.
El disco est totalmente lleno por lo que la media y la desviacin tipo de los tiempos de
desplazamiento de brazo son 30 ms y 24 ms, respectivamente.
Al archivo C acceden el 20% de las transacciones que hacen en promedio tres accesos por
transaccin. Hay 20 registros por pista. El disco est lleno de un 30%, por lo que la media y la
desviacin tipo de los tiempos de desplazamiento de brazo son 15 ms y 12 ms,
respectivamente.
Se pretende encontrar los tiempos de respuesta de cada uno de los archivos.
Para ello se seguir la marcha de clculo que se acaba de proponer.
Determinacin de las frecuencias de acceso a cada disco:

A
= 30 0.6 1.25 = 22.5 accesos/s

B
= 30 0.4 1 = 12 accesos/s

C
= 30 0.2 3 = 18 accesos/s
Determinacin de los tiempos de servicio en la unidad de control de los accesos a cada disco:
L + TF
A
= 8.33 + 16.67/10 = 10 ms
L + TF
B
= 8.33 + 16.67/5 = 11.67 ms
L + TF
C
= 8.33 + 16.67/20 = 9.17 ms
173
Determinacin de las utilizaciones en la unidad de control de los accesos a cada disco:

A
(L + TF
A
) = 22.5 10/1000 = 0.225

B
(L + TF
B
) = 12 11.67/1000 = 0.140

C
(L + TF
C
) = 18 9.17/1000 = 0.165
Determinacin de la utilizacin de la unidad de control

uc
= 0.225 + 0.140 + 0.165 = 0.53
Determinacin del tiempo medio de servicio en la unidad de control
s
uc
= (0.225 + 0.140 + 0.165)/(22.5 + 12 + 18) = 0.0101 s
Determinacin del tiempo de espera en la unidad de control usando el grfico de la figura
3.13 del primer volumen de esta obra con = 0.53 y 3 mecanismos de acceso (clientes):
W
uc
= (1.45 - 1) 0.0101 = 0.0045 s
Determinacin de los tiempos medios de servicio de cada uno de los discos:
s
A
= 20 + 4.55 + 10 = 34.55 ms
s
B
= 30 + 4.55 + 11.67 = 46.22 ms
s
C
= 15 + 4.55 + 9.17 = 28.72 ms
Determinacin de las utilizaciones de cada uno de los discos

A
= 22.5 0.03455 = 0.777

B
= 12 0.04622 = 0.555

C
= 18 0.02872 = 0.517
Determinacin de las variancias de los tiempos de servicio de cada uno de los discos:

A
2
= 16
2
+ 4.55
2
+ 16.67
2
/12 + 0
2
= 299.85 ms
2

B
2
= 24
2
+ 4.55
2
+ 16.67
2
/12 + 0
2
= 619.85 ms
2

C
2
= 12
2
+ 4.55
2
+ 16.67
2
/12 + 0
2
= 187.85 ms
2
Determinacin de los tiempos de respuesta de cada disco por aplicacin delas frmulas de
Khintchin-Pollaczeck:
( )
ms 83 . 109
55 . 34
85 . 299
1
777 . 0 1 2
777 . 0
1 55 . 34
2
=
(

|
.
|

\
|
+

+ =
A
R
( )
ms 28 . 83
22 . 46
85 . 619
1
555 . 0 1 2
555 . 0
1 22 . 46
2
=
(

|
.
|

\
|
+

+ =
B
R
174
( )
ms 70 . 47
72 . 28
85 . 187
1
517 . 0 1 2
517 . 0
1 72 . 28
2
=
(

|
.
|

\
|
+

+ =
C
R
Determinacin de la correccin debida a la espera suplementaria en la cola de acceso al disco
a causa de estar ocupada la unidad de control se calcula como sigue
'
A
= 0.140 + 0.165 = 0.305
s'
A
= (12 11.67 + 18 9.17)/(12 + 18) = 10.17 ms
2 2
2
2
2
2
2
ms 652 . 24 17 . 10
18 12
12
67 . 16
17 . 9 18
12
67 . 16
67 . 11 12
' =
+
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
=
A

( ) ms 428 . 0
2
1
17 . 10
652 . 24
17 . 10 305 . 0 777 . 0 1
2
= |
.
|

\
|
+ =
A

'
B
= 0.225 + 0.165 = 0.39
s'
B
= (22.5 10 + 18 9.17)/(22.5 + 18) = 9.63 ms
2 2
2
2
2
2
2
ms 317 . 23 63 . 9
18 5 . 22
12
67 . 16
17 . 9 18
12
67 . 16
10 5 . 22
' =
+
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
=
B

( ) ms 046 . 1
2
1
63 . 9
317 . 23
63 . 9 39 . 0 555 . 0 1
2
= |
.
|

\
|
+ =
B

'
C
= 0.225 + 0.140 = 0.365
s'
C
= (22.5 10 + 12 11.67)/(22.5 + 12) = 10.58 ms
2 2
2
2
2
2
2
ms 776 . 23 58 . 10
12 5 . 22
12
67 . 16
67 . 11 12
12
67 . 16
10 5 . 22
' =
+
|
|
.
|

\
|
+ +
|
|
.
|

\
|
+
=
C

( ) ms 130 . 1
2
1
58 . 10
776 . 23
58 . 10 365 . 0 517 . 0 1
2
= |
.
|

\
|
+ =
C

Determinacin de los tiempos medios de respuesta corregidos de cada uno de los discos:
R'
A
= 109.83 + 1.92 = 111.75 ms.
R'
B
= 83.38 + 2.35 = 85.73 ms.
R'
C
= 47.70 + 2.34 = 50.04 ms.
2.1.2.2. Discos con posicionamiento angular y cola FIFO.
En los discos con posicionamiento angular, la diferencia de funcionamiento estriba en que
cuando el brazo se ha posicionado no solicita inmediatamente servicio de la unidad de
control, sino que lo hace nicamente cuando el registro sobre el cual debe efectuarse la
transferencia llega debajo de la cabeza de lectura-escritura. Si en ese momento encuentra libre
la unidad de control la retiene durante el tiempo de efectuarla ms, segn la tecnologa de
175
disco utilizada, el tiempo correspondiente al posicionamiento angular (ngulo entre la seal
de aviso de la llegada del registro y el registro propiamente dicho); si la encuentra ocupada,
deja pasar una vuelta completa y lo reintenta, sin que el hecho de haber perdido una vuelta le
d ninguna prioridad. Este funcionamiento queda representado en el diagrama de tiempos de
la figura 2.9.
Llegada
Cola del
disco
SK
LT
TF
UC
ocupada
disco ocupado
disco y
UC libres
PA
Prdida de tiempo
por vueltas perdidas

Figura 2.9.
La marcha de clculo es muy similar, teniendo en cuenta, sin embargo, las diferencias de
funcionamiento.
a) Clculo para cada archivo i del tiempo medio de ocupacin de la unidad de control, que
es igual al tiempo medio de posicionamiento angular, PA
i
, ms el de transferencia, TF
i
.
El tiempo de posicionamiento angular depende de la tecnologa de disco utilizada. Si la
unidad es inteligente y trabaja con discos sectorizados, puede considerarse prcticamente
nulo; pero en caso contrario puede depender del nmero de marcas grabadas fsicamente
(mecnicas o magnticas) en el disco para detectar registros y del nmero de registros
por pista.
b) Idntico al prrafo 2.1.2.1.b.
c) Clculo de la ocupacin de la unidad de control provocada por el archivo i, que vale en
este caso

i
(PA
i
+ TF
i
)
d) Clculo del factor de utilizacin de la unidad de control,
uc
, que es la suma de todos los
valores calculados en el prrafo anterior.
e) No es necesario en este caso.
f) En estas circunstancias no se puede hablar propiamente de tiempo de espera, sino de
tiempo de retencin debido a las vueltas perdidas. Se puede escribir que la probabilidad
de no perder vuelta, p
0
, vale
p
0
= 1 -
uc
y las de perder 1, 2, ..., n vueltas, son, respectivamente
p
1
= (1 -
uc
)
uc
p
2
= (1 -
uc
)
uc
2
176
p
3
= (1 -
uc
)
uc
3
.
.
.
p
n
= (1 -
uc
)
uc
n
Por lo tanto, las caractersticas estadsticas de este tiempo perdido valen
( )


=

= = =
0 0
1
1
i uc
uc
uc
i
uc
i
i vp
i ip W
( )
( )
2
2
2
0
2 2
2
0
2 2 2
1
1
1
1
uc
uc
uc
uc
i
uc
i
uc
uc
uc
i
i vp
i p i

=
(
(

|
|
.
|

\
|

=
(
(

|
|
.
|

\
|

=


=

=

g) El tiempo de servicio de cada disco, j, es igual al tiempo de desplazamiento del brazo,
ms el tiempo de espera (latencia) hasta que llega la marca de posicionamiento angular o
el registro, ms el tiempo debido a vueltas perdidas, ms el tiempo de posicionamiento
angular, si lo hay, ms el tiempo de transferencia.
s
j
= SK
j
+ L
j
+ W
vp
+ PA
j
+ TF
j
Como se conocen las caractersticas estadsticas de todos los sumandos, se puede escribir
( )

+
+ + + =
j
j
D i
i
D i
i i i
vp j j j
F T A P
W L K S s
( )
( )
(
(
(
(
(

|
|
|
|
.
|

\
|

|
|
.
|

\
|
+

+
+
(
(
(
(

|
|
|
|
.
|

\
|

+ + + =

2
2
2
min max
2
2
2
2
2 2
12
12
2
j
j
j
j
j
j
j
j
j
D i
i
D i
i i
D i
i
D i
i
i i
i
D i
i
D i
i i
D i
i
D i
i i
vp
j
SK j
PA PA
PA PA
F T F T
L

h) Idntico al del prrafo 2.1.2.1.h.
i) Idntico al del prrafo 2.1.2.1.i.
j) Idntico al del prrafo 2.1.2.1.j.
Un ejemplo del clculo de este caso se tratar en el apartado 2.1.2.5.
2.1.2.3. Discos con unidad de acceso dual.
En numerosos casos cuando una sola unidad de control no puede soportar el trfico que se
provoca sobre los archivos del subsistema, en vez de partirlo en dos subsistemas, se puede
colocar una segunda unidad de control sobre el mismo subsistema (fig. 2.10). Para distribuir
los accesos entre ambas unidades de control se pueden adoptar diversas polticas, de las
177
cuales la ms frecuente es la de considerar las dos unidades de control como una estacin de
servicio con dos canales.
Discos
UC
UC
Memoria

Figura 2.10.
El cambio que hay que introducir en la marcha de clculo propuesta en los apartados
anteriores consiste slo en que hace falta considerar que la estacin unidad de control tiene
dos canales de servicio, si se considera que el acceso a las unidades de control se hace a
travs de una cola FIFO, por lo que el modelo adecuado sera el M/G/2//M, que no tiene
tratamiento analtico. Por ello, como en el caso de una sola unidad de control se pueden
efectuar aproximaciones mediante modelos M/G/1 con frecuencia de llegada mitad, M/M/2,
si el nmero de discos es elevado, o, de forma mas exacta, estableciendo un modelo de tipo
M/M/2//M (apartado 3.3.6. del primer volumen de esta obra).
Si los discos trabajan con posicionamiento angular, si
uc
es la utilizacin conjunta de las dos
unidades de control (y se supone, adems, que el sistema operativo distribuye la utilizacin
equitativamente entre ambas unidades), las probabilidades del nmero de vueltas perdidas
son:
2 2
0
2
1
2
1
2
2
2
1 |
.
|

\
|
= |
.
|

\
|

+ |
.
|

\
|
=
uc uc uc uc
p
2 2 2 2
1
2 2
1
2 2
1
2
2
2
1 |
.
|

\
|
(
(

|
.
|

\
|
= |
.
|

\
|
(
(

|
.
|

\
|

+ |
.
|

\
|
=
uc uc uc uc uc uc
p
.
.
.
n
uc uc
n
uc uc uc uc
n
p
2 2 2 2
2 2
1
2 2
1
2
2
2
1 |
.
|

\
|
(
(

|
.
|

\
|
=
(
(

|
.
|

\
|
(
(

|
.
|

\
|

+ |
.
|

\
|
=
que es idntica a la del caso de una sola unidad de control pero sustituyendo la utilizacin por
el cuadrado de la mitad de la utilizacin conjunta de ambas unidades de control.
Con esta informacin se pueden rehacer los clculos establecidos en los dos apartados
anteriores teniendo en cuenta las modificaciones que se acaban de establecer.
2.1.2.4. Variantes de las polticas de posicionamiento de brazo.
La ordenacin de los accesos antes de iniciar el movimiento de brazo se puede hacer segn
distintas polticas. Las ms frecuentes son las siguientes:
- FIFO, que es la que hemos considerado hasta el momento.
178
- Mnimo desplazamiento de brazo (SSTF). Esta poltica es similar a la de latencia mnima
expuesta en el apartado referente a los tambores: El siguiente acceso es siempre el ms
prximo a la posicin actual del brazo. Esta poltica presenta la desventaja potencial de
retrasar mucho algunos accesos, si la carga del disco se hace grande. En otras palabras, si el
brazo est en un extremo y la cola de accesos es larga, se corre el riesgo de tardar mucho
tiempo en acceder a las posiciones que se hallen en el otro extremo del disco. Es, no
obstante, una situacin que se observa en raras ocasiones. Desde el punto de vista de las
caractersticas estadsticas, la virtud de esta poltica es la de disminuir el tiempo medio y la
desventaja de, eventualmente, aumentar la variancia. Desde el punto de vista del consumo
de recursos, esta poltica aumenta el overhead del sistema operativo al tener que insertar
cada nuevo acceso en la lista encadenada de accesos, calculando su lugar de insercin en
funcin del cilindro al que va a acceder y de los de los accesos en curso y pendientes.
- SCAN. En esta poltica el brazo recorre la superficie del disco en un sentido, hacia adelante
o hacia atrs, mientras quedan accesos pendientes en el mismo sentido. Cuando no hay
ms, se invierte el sentido. Con respecto a la poltica anterior evita los retrasos grandes en
los accesos extremos (mejorando la variancia) y disminuye el overhead del sistema
operativo a costa de un pequeo empeoramiento del valor medio.
- SCAN de M pasos. En esta poltica los accesos se agrupan en paquetes de, como mximo,
M y sobre cada paquete se aplica la poltica SCAN. En la actualidad, las unidades de
control de discos realizan esta poltica sin recurrir a ninguna gestin del sistema operativo,
que sigue ordenando los accesos en una cola FIFO y transfiriendo paquetes de M accesos a
la unidad de control, que es la que realiza la ordenacin definitiva de los accesos. En este
caso el desplazamiento medio de brazo de cada acceso, si se admite que los accesos se
distribuyen uniformemente entre los N cilindros del disco es N/M, que puede traducirse a
tiempo mediante la curva correspondiente.
Se han hecho diversos intentos de aproximaciones analticas para el estudio del
comportamientos de estas polticas y aparte, como se ha visto, de la FIFO y de la SCAN de M
pasos y teniendo en cuenta la no linealidad del tiempo en funcin del desplazamiento del
brazo del disco, el mtodo ms cmodo para este estudio resulta todava la simulacin.
2.1.2.5. Ejemplo
Considrese un subsistema de seis discos al que llegan 60 accesos por segundo
uniformemente repartidos. Los discos giran a 3600 r.p.m., tienen un tiempo medio de
desplazamiento de brazo de 23 ms. y una desviacin de tipo de 16 ms. Hay 5 registros por
pista trabajando de forma sectorizada, es decir, que cuando hacen uso del dispositivo de
posicionamiento angular puede considerarse que no hay ninguna espera entre el aviso y la
llegada del registro.
Determinar el tiempo medio de respuesta del subsistema en las siguientes hiptesis de
trabajo:
1. Una unidad de control con gestin FIFO.
2. Una unidad de control con gestin SLTF.
3. Dos unidades de control con gestin FIFO.
4. Dos unidades de control con gestin SLTF.
Siguiendo las marchas de clculo expuestas en 2.1.2.1., 2.1.2.2. y 2.1.2.3. se puede hacer:
Tiempo medio de una revolucin de los discos:
ms 67 . 16
3600
1000 60
2 =

= = L
179
Tiempo de transferencia de los registros:
ms 33 . 3
5
67 . 16
= = TF
Utilizacin de la o las unidades de control:
1. 7 . 0
1000
60
2
67 . 16
33 . 3
=
|
.
|

\
|
+
=
uc

2. 2 . 0
1000
60 33 . 3
=

=
uc

3. 7 . 0
1000
60
2
67 . 16
33 . 3
=
|
.
|

\
|
+
=
uc

4. 2 . 0
1000
60 33 . 3
=

=
uc

Tiempo de espera en la unidad de control (casos 1 y 3) o tiempo por vueltas perdidas en la
unidad de control (casos 2 y 4):
1. Utilizando el grfico de la figura 3.13 del primer volumen de esta obra para tratar un
modelo M/M/1//6, se tiene
W
uc
= (2.05 - 1) 11.67 = 12.25 ms
2. El tiempo medio de vueltas perdidas por acceso ser de
ms 17 . 4 67 . 16
2 . 0 1
2 . 0
=

=
vp
W
y su variancia
( )
2 2
2
2
ms 81 . 86 67 . 16
2 . 0 1
2 . 0
=

=
vp

3. En este caso hay que proceder a calcular el tiempo de respuesta del conjunto de las dos
unidades de control a travs de un modelo M/M/2//6 (apartado 3.3.6. del primer volumen
de esta obra).

= 6
0 1
p p
2
0 2
15
|
|
.
|

\
|

= p p
3
0 3
30
|
|
.
|

\
|

= p p
4
0 4
45
|
|
.
|

\
|

= p p
5
0 5
45
|
|
.
|

\
|

= p p
6
0 6
5 . 22
|
|
.
|

\
|

= p p
de donde, haciendo / = x, y teniendo en cuenta que la suma de las probabilidades ha de
ser igual a la unidad, se tiene
6 5 4 3 2
0
5 . 22 45 45 30 15 6 1
1
x x x x x x
p
+ + + + + +
=
180
La frecuencia media de llegada ser
6 5 4 3 2 1 0
0 1 2 3 4 5 6 60 p p p p p p p + + + + + + =
Sustituyendo las expresiones de las probabilidades p
i
, para i = 1, , 6 en la expresin
anterior y dividindola por la capacidad de servicio , se llega a
6 5 4 3 2
6 5 4 3 2
5 . 22 45 45 30 15 6 1
45 90 90 60 30 6
7 . 0
60
x x x x x x
x x x x x x
uc
+ + + + + +
+ + + + +
= = =


de donde
29.25x
6
+ 58.5x
5
+ 58.5x
4
+ 39x
3
+ 19.5x
2
+ 1.8x - 0.7 = 0
que tiene como solucin x = 0.13331.
Con ello se puede proceder al clculo de p
0
y las dems probabilidades de estado de esta
cola, que son:
p
0
= 0.4643085 p
1
= 0.3713818 p
2
= 0.1237723 p
3
= 0.0330002
p
4
= 0.0065989 p
5
= 0.0008797 p
6
= 0.0000586
A partir de ellas se puede calcular el nmero medio de clientes en las dos unidades de
control, que ser
N = 0 0.4643085 + 1 0.3713818 + 2 0.1237723 + 3 0.0330002 +
+ 4 0.0065989 + 5 0.0008797 + 6 0.0000586 = 0.7490727
y, por aplicacin de la ley de Little, el tiempo medio de respuesta ser
R
uc
= 0.7490727/60 = 0.01249 s = 12.49 ms.
y el de espera en las unidades de control
W
uc
= 12.49 - 11.67 = 0.82 ms.
4. El clculo del tiempo por vueltas perdidas es idntico al del punto 2 cambiando la
utilizacin de 0.2 por la (0.2/2)
2
= 0.01, es decir, que el tiempo medio de vueltas perdidas
por acceso ser de
ms 17 . 0 67 . 16
01 . 0 1
01 . 0
=

=
vp
W
y su variancia
( )
2 2
2
2
ms 84 . 2 67 . 16
01 . 0 1
01 . 0
=

=
vp

Las caractersticas estadsticas (media y variancia) del tiempo de servicio de cada uno de los
discos sern:
1. s = 23 + 12.25 + 8.33 + 3.33 = 46.92 ms

s
2
= 16
2
+ 12.25
2
+ 16.67
2
/12 + 0
2
= 429.21 ms
2
181
2. s = 23 + 8.33 + 4.17 + 3.33 = 38.83 ms

s
2
= 16
2
+ 16.67
2
/12 + 86.81 + 0
2
= 365.97 ms
2

3. s = 23 + 0.82 + 8.33 + 3.33 = 35.48 ms

s
2
= 16
2
+ 0.82
2
+ 16.67
2
/12 + 0
2
= 279.82 ms
2

4. s = 23 + 8.33 + 0.17 + 3.33 = 34.83 ms.

s
2
= 16
2
+ 16.67
2
/12 + 2.84 + 0
2
= 281.99 ms
2
Las utilizaciones respectivas sern
1. 469 . 0
1000
92 . 46
6
60
= =
D

2. 388 . 0
1000
83 . 38
6
60
= =
D

3. 355 . 0
1000
48 . 35
6
60
= =
D

4. 348 . 0
1000
83 . 34
6
60
= =
D

y, por aplicacin de las frmulas de Khintchin-Pollaczeck, se obtiene
1.
( )
ms 69 . 71
92 . 46
21 . 429
1
469 . 0 1 2
469 . 0
1 92 . 46
2
=
(

|
.
|

\
|
+

+ =
D
R
2.
( )
ms 13 . 54
83 . 38
97 . 365
1
388 . 0 1 2
388 . 0
1 83 . 38
2
=
(

|
.
|

\
|
+

+ =
D
R
3.
( )
ms 41 . 47
48 . 35
82 . 279
1
355 . 0 1 2
355 . 0
1 48 . 35
2
=
(

|
.
|

\
|
+

+ =
D
R
4.
( )
ms 91 . 41
83 . 34
99 . 281
1
348 . 0 1 2
348 . 0
1 83 . 34
2
=
(

|
.
|

\
|
+

+ =
D
R
2.1.3. MEMORIAS SECUNDARIAS DE ESTADO SLIDO
La sustitucin de los discos y tambores con sus componentes electromecnicos, lentos y poco
fiables, se viene buscando desde hace largo tiempo. Dos tecnologas, que en un instante
determinado parecieron que podan sustituir a los discos y tambores o, por lo menos, llenar el
hueco que, en cuanto a capacidad y tiempo de acceso, existe entre aqullos y la memoria
principal, son las burbujas magnticas y los dispositivos acoplados por carga (Charge
Coupled Devices, o CCD). Entre sus principales caractersticas se pueden citar
Burbujas magnticas CCD
Tamao del chip (bits) 16 K 16 K
Densidad (bits/pulg
2
) 10
6
10
6
Velocidad de transmisin (MHz) 0.1 2
Tiempo de acceso mximo (ms) 5.14 0.2

182
Sin entrar en el detalle de su funcionamiento que se puede encontrar en la literatura
especializada, tanto unas como otros se pueden considerar como memorias rotativas con los
perodos de rotacin (tiempo de acceso mximo) que aparecen en la tabla anterior.
No obstante, al no existir partes mecnicas rotativas a velocidad constante debido a su inercia
en discos y tambores, se pueden variar dinmicamente las velocidades de rotacin a fin de
optimizar el rendimiento. Si se organizan como archivos de datos no se podr obtener
demasiada ventaja de aquella posibilidad. Sin embargo, si se utilizan como archivos de
paginacin, se puede optimizar su rendimiento de forma inalcanzable en dispositivos
mecnicos.
Si se considera un dispositivo de burbujas magnticas organizado como un archivo de
paginacin con latencia mnima se puede mejorar el rendimiento deteniendo el dispositivo
(sin inercia) en un entorno de pgina. Si se hace esto, el tiempo de respuesta pasa a ser

|
|
.
|

\
|

+ =

1 2
1
1
k R
con un ahorro correspondiente al tiempo de media revolucin y donde las variables
corresponden a la definicin dada en el apartado 2.1.1.3.
El caso de los CCD es algo ms complicado, pues estos dispositivos requieren refrescar
continuamente los bits de informacin contenidos en ellos. Para optimizar su rendimiento se
puede efectuar el siguiente anlisis.
Estos dispositivos estn organizados como registros de desplazamiento recirculantes, que
tienen frecuencias de reloj mxima y mnima. sta viene fijada para evitar la prdida de
informacin y aqulla por las caractersticas de los circuitos de los CCD. Entre estas dos
frecuencias se dispone de un margen de maniobra en el que, al no haber ninguna inercia, se
puede variar la frecuencia de una forma dinmica.
En la exposicin que sigue, se supone que se tienen bloques de N posiciones y que en cada
registro hay un solo bloque. Las llegadas de nuevas requisiciones al CCD pueden producirse
en cualquier instante del perodo de rotacin. Entonces, si el CCD est circulando la
informacin a frecuencia constante mientras est ocioso (con perodo de revolucin T) es
evidente que la latencia esperada ser de media revolucin. Sean t
min
y t
max
los perodos
mnimo y mximo de transmisin de una posicin, r = t
max
/t
min
y f(t) la distancia (en
posiciones) a que la posicin inicial de la memoria est en el instante t. Entonces L, la
latencia media ser
( )

+
=
T u
u
dx x f
T
t
L
min

Grficamente L corresponde al rea del perodo ocioso de la figura 2.11 dividida por la
longitud T del perodo.
183
T
Tiempo
n
f(t)

Figura 2.11.
Evidentemente, si el CCD recircula a frecuencia constante mientras est ocioso, la latencia
esperada ser N t
min
/2 si se efecta a su mxima velocidad. Sin embargo, la figura 2.12
muestra que se puede mejorar siempre que se adopte una estrategia que d una curva con la
concavidad hacia arriba.
T
Tiempo
n
f(t)

Figura 2.12.
Para determinar la temporizacin ptima de las memorias CCD se proceder en dos pasos.
Primero se considerarn las estrategias de perodo dado T. Este problema se reduce a
minimizar el rea debajo de la curva en la figura 2.12. Evidentemente se consigue de la forma
que muestra la figura 2.13, cuya ecuacin es:
( ) ' 0 para
min
t t
t
t
N t f < < =
( ) T t t
t
t T
t f < <

= ' para
max

donde t' es el punto de interseccin de ambas rectas cuyas pendientes corresponden a los
perodos mnimo y mximo, respectivamente.
184
T t'
m
f(
t
)
n
Tiempo

Figura 2.13.
Sea m = f(t') y A el rea debajo de la curva. A partir de las ecuaciones anteriores hallamos que
( ) | |
min
1 t N r m T + =
( ) | |
2
1
min
2 2
t N r m
A
+
=
de donde la latencia media resulta
( ) | |
( ) | | N r m
t N r m
T
At
L
+
+
= =
1 2
1
min
2 2
min

La segunda parte del anlisis conduce a buscar el perodo que minimiza la latencia media.
Puesto que T depende de m, se puede derivar L respecto a m, igualar a cero y con el valor de
m hallado, determinar T.
( ) ( ) | | ( ) ( ) | |
( ) | |
0
2
1
1 1 1 1 2
min
2
2 2
=
+
+ +
=
t
N r m
N r m r N r m r m
dm
dL

de donde
r
N
m
+
=
1
opt

y de ah
min opt
Nt r T = y
r
Nt
L
+
=
1
min

Se observa que cuando t
min
= t
max
, entonces r = 1 y L = Nt
min
/2, como sucede en los
dispositivos rotativos. Cuando t
min
<< t
max
, entonces r tiende a infinito y L tiende a 0, es decir,
que esta memoria puede considerarse como si estuviera esperando en la posicin inicial del
bloque.
185
0.0 0.2 0.4 0.6 0.8 1.0 1.2
0.0
0.1
0.2
0.3
0.4
0.5
L
m
r = 2
r = 4
r = 10
r = 100
r = 1000

Figura 2.14.
La figura 2.14 muestra la evolucin de L en funcin de m para distintos valores de r. En ella
puede observarse que la prdida de rendimiento no es muy importante si se toma en vez de
m
opt
un valor prximo a l.
Si en cada ciclo caben k bloques en vez de uno, como se haba considerado en este caso, y si
se utiliza como archivo de paginacin, la estrategia que conduce a una latencia ptima es
( )
min
1
1 1
1
2
1
Nt
r k
k
L
(

+
+ |
.
|

\
|
=
que cuando k crece, tiende a N t
min
/2. Para optimizar el rendimiento del conjunto hay que
adoptar, evidentemente, la poltica de latencia mnima, para ordenar los accesos.
2.1.4. SUBSISTEMAS SECUENCIALES
La modelizacin de estos subsistemas no ofrece ninguna dificultad ya que, en general, pueden
representarse por una estacin de servicio elemental. Adems, estos subsistemas no
acostumbran a ser los cuellos de botella de un sistema informtico y, por lo tanto, su
modelizacin no plantea problemas especiales.
2.1.5. CPU
Desde los primeros ordenadores en que slo haba un programa en la memoria y, por lo tanto,
en la CPU no se producan nunca colas, hasta los sofisticados sistemas actuales en que el
algoritmo para repartir el procesador entre los distintos trabajos se adapta a la carga que est
procesando, hay todo un abanico de situaciones intermedias. A continuacin se va a analizar
el comportamiento de la CPU en sus modos de trabajo ms caractersticos.
2.1.5.1. Modelo batch
Es el algoritmo de planificacin ms sencillo y supone que la disciplina de la cola es FIFO, es
decir cuando llega un nuevo trabajo se coloca en la cola y cuando alcanza la CPU recibe en
forma ininterrumpida todo el servicio requerido.
Para construir un modelo de esta forma de trabajo, se debera aplicar un modelo M/G/1//K,
que, por razones de calculabilidad se deber aproximar por los correspondientes a las colas
M/G/1 o, mejor, M/M/1//K o, incluso, la M/M/1.
Utilizando la teora que se deriva de las colas M/G/1 se puede demostrar que el tiempo medio
de espera es el mismo para todos los trabajos e independiente del tiempo de servicio que
tenga cada uno de ellos. En consecuencia, este tipo de algoritmo no hace ninguna
186
discriminacin entre los trabajos segn su tiempo de servicio, ya que, en promedio, todos
esperan lo mismo. No se adapta, pues, a sistemas que trabajen en tiempo compartido, pero es
el que provoca menos overhead por parte del sistema operativo.
2.1.5.2. Modelo del procesador compartido
Este modelo, conocido en la literatura anglo-sajona como processor sharing (PS) o round
robin (RR), supone que cuando un trabajo sale de la CPU todava no ha terminado su servicio
y vuelve a colocarse en la cola (fig 2.15) con una probabilidad b. Por otra parte la poltica de
asignacin de la CPU dice que se asigna a cada trabajo un quantum de tiempo de servicio
ininterrumpido q. El objetivo es que si hay n trabajos en la CPU, cada uno de ellos reciba 1/n
del tiempo disponible de la CPU por cada unidad de tiempo.
q
b
1 - b


Figura2.15.
Aunque puede estudiarse su comportamiento, a partir de la cola M/G/1, se va a hacer una
deduccin algo ms larga del tiempo de respuesta, pero que permite comprender mejor el
mecanismo de este modelo, aunque simplificando algunas hiptesis. En el apartado 3.10.1.
del primer volumen de esta obra hay una exposicin y una deduccin ms correctas de este
modelo, pero la exposicin que sigue, a pesar de sus deficiencias, es suficientemente
interesante. Por ejemplo, hay que tener en cuenta que la probabilidad b no es constante, ya
que para un trabajo determinado disminuye a medida que recibe servicio de la CPU. No
obstante, se supondr constante.
Se supondr que la probabilidad de que un trabajo requiera k quanta viene expresada por la
distribucin geomtrica.
Prob (S < kq) = (1 - b) b
k - 1
Adems se considerar que el estado del sistema viene representado por el nmero N de
trabajos y que la probabilidad del estado N es P
N
.
Se considerar que un trabajo, que requiera k quanta, llega a la CPU y encuentra j trabajos en
ella. Se marca este trabajo que pasar k - 1 veces por el camino de retorno antes de salir de la
CPU. Una pasada del trabajo marcado se define como el perodo que empieza cuando llega a
la cola y termina cuando sale de la estacin de servicio despus de recibir un quantum. Sea T
i

el tiempo necesario para realizar la i-sima pasada.
Durante la primera pasada, el trabajo marcado tiene j trabajos por delante. Uno de ellos est
recibiendo servicio, por lo que abandonar la estacin al cabo de aq unidades de tiempo (0 <
a < 1). Se puede escribir
T
i
= aq + (j - 1)q + q
Las duraciones de las pasadas sucesivas son mltiplos enteros de q. Si h
i
es la duracin media
de la i-sima pasada, medida en nmero de quanta, el trabajo marcado durante esta pasada
tiene h
i
- 1 trabajos por delante, de los cuales b (h
i
- 1) volvern a la cola. Obsrvese que este
resultado se basa en la suposicin de que la probabilidad de que un trabajo requiera un nuevo
quantum es independiente de su historia, y concuerda, por consiguiente, con la distribucin
geomtrica de probabilidad y es vlida, ya que se supone tambin que la distribucin de
tiempos de servicio no tiene tampoco memoria.
187
Durante la i-sima pasada del trabajo marcado hay en promedio T
i
llegadas. Puesto que h
i
=
T
i
/q, se tiene para k 3
T
i + 1
= b (h
i
- 1) q + T
i
q + q
o de forma equivalente
( )
a
a
b q T a T
i
i
i

+ =

+
1
1
1
2
2
2
1

donde
a = q + b
Mediante el mismo enfoque se puede escribir
T
2
= b j q + T
1
q + q = q T
1
+ q (1 + b j)
y sustituyendo este valor en la expresin de T
i + 1
, se puede expresar el tiempo medio gastado
por el trabajo marcado en el modelo, cuando encuentra j trabajos a su llegada.
( )
( )
|
|
.
|

\
|

+ = =

=

1 1
1
1
1
1
1
1
1
bj T
a
a
q
k q
T T j t
k k
i
i k

donde
b
q

=
1
. Obsrvese que es el factor de utilizacin, puesto que el tiempo medio de
servicio es q/(1 - b).
El nmero medio de trabajos en espera de recibir servicio en la cola viene dado por
( ) = =


=

=
N p Np p N
N
N
N
N
N
N
1 1 1
1
La media de aq es q/2, puesto que la estacin de servicio est ocupada slo durante una
fraccin del tiempo igual a . Observando que la longitud de la cola a la llegada del trabajo
marcado es j - 1, se puede deducir la expresin de T
1
.
|
.
|

\
|
+

= 1
2
1
N q T
Por las frmulas de Khintchin-Pollaczeck y teniendo en cuenta que la distribucin geomtrica
tiene variancia b, se puede escribir que
( )
( )
+
+ =
1 2
1
2
b
N
Calculando la media respecto a j de t
k
(j) se tiene
( )
( )
|
|
.
|

\
|

+ = =

1 1
1
1
1
1
1
1
N b T
a
a
q
k q
T j t p t
k
k j k

188
donde se podran substituir los valores ya calculados y donde se observara que si a < 1, t
k

depende del tiempo de servicio kq de forma que tiende a ser lineal al crecer k, con pendiente
1/(1- ) > 1.
El tiempo medio de respuesta ser
( )

=
1
1
1
k
k
k
t b b R
Si se hace, adems, que el quantum q tienda a cero, como si la CPU procesara
simultneamente todos los trabajos, se tiene que b y a tienden a 1, si se mantiene constante.
El nmero medio de trabajos tiende a /(1 - ) y T
1
tiende a cero. Con todo ello se obtiene, si
S es el tiempo de servicio de un trabajo, que ( )

=
1
S
S R . De esta frmula se deduce que el
procesador compartido favorece los trabajos con tiempos de ejecucin cortos, aunque el
tiempo de servicio medio del conjunto de todos los trabajos coincida con el del modelo batch.
Una deduccin ms correcta de estos resultados, como ya hemos dicho, se halla en el
apartado 3.10.1. del primer volumen de esta obra.
2.1.5.3. Procesador interrumpible
Otro interesante algoritmo de gestin de la CPU es aqul en que el trabajo llegado ms
recientemente interrumpe, si ha lugar, el servicio de la CPU, desplazando el trabajo, que
reciba servicio, a la cabeza de la cola (en realidad es una pila) hasta que o es interrumpido a
su vez o termina su servicio (fig. 2.16), en cuyo caso el trabajo en cabeza de la pila reanuda
su servicio.
Llegada con interrupcin
Programa interrumpido
Programa restaurado
Programa finalizado

Figura 2.16.
En este caso se puede calcular el tiempo de respuesta condicional de un trabajo en una CPU
que recibe llegadas por unidad de tiempo, que requiera un servicio de duracin S , como la
suma de su tiempo de servicio ms su tiempo de espera. El promedio de este ltimo es slo el
nmero medio de trabajos S que le interrumpen por el tiempo medio de respuesta de los
trabajos que es S
m
/(1 - ), lo cual se deduce fcilmente teniendo en cuenta las interrupciones
que se producen durante el servicio de los trabajos que han interrumpido al considerado. Por
consiguiente ( )

+ =
1
m
SS
S S R ; pero = S
m
, de donde ( )

=
1
S
S R , que es exactamente el
mismo que en el caso anterior. Una deduccin ms completa de estos resultados se vio en el
apartado 3.10.2. del primer volumen de esta obra.
2.1.6. MEMORIA PRINCIPAL
La modelizacin de la memoria es especialmente importante en el caso de los sistemas de
tiempo real e interactivos, mientras que en el caso de los sistemas batch, debido a la menor
variabilidad de la ocupacin de la memoria a lo largo del tiempo, es ms fcil determinar su
mapa.
189
Considerando el caso de los sistemas de tiempo real, la primera cuestin que se plantea es qu
cantidad de memoria ocupar. En el caso de sistemas que trabajan sin paginacin, la
determinacin de la memoria ocupada por cada programa es trivial y el montador dar esa
informacin. Otro tanto se puede decir del caso en que las particiones de memoria sean fijas.
Si las particiones de memoria son dinmicas, entonces el nmero medio de pginas, que un
programa ocupar en memoria, depender del algoritmo de sustitucin de pginas que se
utilice. Uno de los utilizados con mayor frecuencia es el del conjunto de trabajo o working
set. Antes de exponer este modelo se recuerda de forma resumida las propiedades de
localidad de los programas que son:
1. Durante cualquier intervalo de tiempo, un programa concentra sus referencias de forma
no uniforme sobre sus pginas.
2. La correlacin entre las configuraciones de referencias en el pasado inmediato y el futuro
inmediato tiende a ser alta y la correlacin entre secuencias de referencias no solapadas
tiende a cero a medida que la distancia entre ellas aumenta.
3. Tomada en funcin del tiempo, la frecuencia con que se referencia una pgina tiende a
cambiar lentamente, es decir, es quasi-estacionaria.
Estos principios son una abstraccin de, por lo menos, tres fenmenos observados en la
prctica.
1. Los programas tienden a usar estructuras de control secuenciales y en bucle y las
referencias a los datos se agrupan en posiciones determinadas durante cortos intervalos
de tiempo.
2. Los programadores tienden a concentrar su atencin en pequeas partes de grandes
problemas durante perodos moderadamente largos y sencillas alteraciones del algoritmo
y de la organizacin de los datos pueden aumentar este efecto en varios rdenes de
magnitud.
3. Se sabe por experiencia que los programas pueden ejecutarse eficientemente incluso
cuando slo un subconjunto de sus pginas est en la memoria principal.
El conjunto de trabajo en un instante dado debe ser, idealmente, las pginas necesarias para la
ejecucion durante el prximo intervalo. En ausencia de informacin sobre las referencias
futuras, es necesario estimar la localidad del pasado inmediato.
Ms formalmente, el conjunto de trabajo W(t, T) en el instante t se define como el
subconjunto de las pginas referenciadas en el intervalo del tiempo [t - T + 1, t]. El parmetro
T se denomina ventana y debe elegirse de forma que:
- Sea suficientemente grande para que la probabilidad de que una pgina de la localidad
actual salga del conjunto de trabajo actual sea pequea.
- Sea suficientemente pequea para que la probabilidad de que haya ms de una transicin
entre localidades contenidas en la ventana sea pequea.
Si la secuencia de referencias es r
1
, r
2
, ..., r
t
, ..., (t, T) = 1, si r
t + 1
W(t, T) y (t, T) = 0, en
caso contrario. Sea
( ) ( ) | | T t E t m
t
, lim =


donde m(T) representar la probabilidad de fallo de pgina al hacer una referencia. Es
evidente que
W(t + 1, T + 1) = W(t, T) + (t, T)
190
Tomando lmites en esta expresin, se halla S(T + 1) = S(T) + m(T), donde S(T) representa la
talla media del conjunto de trabajo.
Ejemplo: Se considera la secuencia de 20 referencias a pginas y se consideran 6 posibles
valores de T. Determinar los valores de S(T) y m(T) para T = 1, 2, 3, 4, 5 y 6.
1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
T = 1 . 1 . 2 . 3 . 4 . 5 . 2. 1 . 3 3 . 2 . 3 . 4 . 5 . 4 . 5 . 1 1 . 3 . 2 . 5
S(T) = 20/20 = 1 y m(T) = 18/20 = 0.9
T = 2 1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
. . 1 . 2 . 3 . 4 . 5 . 2 . 1 . 3 2 . 3 . 4 5 4 . 5 . 1 . 3 . 2
S(T) = 37/20 = 1.85 y m(T) = 15/20 = 0.75
T = 3 1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
1 2 3 4 5 2 1 1 3 2 3 4 5 4 5 5 1 3 2
. . . 1 . 2 . 3 . 4 . 5 . 2 . . 2 . 3 . 4 . . . 3
S(T) = 50/20 = 2.50 y m(T) = 15/20 = 0.75
T = 4 1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
1 2 3 4 5 2 1 1 3 2 3 4 5 4 5 5 1 3 2
1 2 3 4 5 2 2 1 2 3 3 4 4 5 1 3
. . . . 1 . 2 3 . 4 . 5 . . 2 . . . . 1
S(T) = 62/20 = 3.10 y m(T) = 13/20 = 0.65
T = 5 1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
1 2 3 4 5 2 1 1 3 2 3 4 5 4 5 5 1 3 2
1 2 3 4 5 2 2 1 1 2 3 3 3 4 4 5 1 3
1 2 3 4 5 5 2 2 4 5 1
. . . . . 1 . 3 4 . . . . .
S(T) = 71/20 = 3.55 y m(T) = 11/20 = 0.55
T = 6 1 2 3 4 5 2 1 3 3 2 3 4 5 4 5 1 1 3 2 5
1 2 3 4 5 2 1 1 3 2 3 4 5 4 5 5 1 3 2
1 2 3 4 5 2 2 1 1 2 3 3 3 4 4 5 1 3
1 2 3 4 5 5 5 1 2 2 2 3 4 5 1
. . . . . 1 1 3 4 4 . . . . . 4
S(T) = 78/20 = 3.90 y m(T) = 10/20 = 0.50
Este ejemplo muestra con suficiente claridad que, a medida que aumenta la medida de la
ventana T, aumenta la talla media del conjunto de trabajo S(T), pero disminuye la frecuencia
de fallo de pgina m(T). No obstante, hay que resaltar que lo nico que se pretende poner de
manifiesto es el mecanismo para conocer el conjunto de trabajo, pero se ha efectuado a partir
de una secuencia de referencias de pgina lejos de la realidad.
Considrese ahora en el caso de sistemas de tiempo real. Ante todo es preciso conocer el
tiempo de permanencia de una transaccin en memoria, que es igual a la suma de los tiempos
de espera en la cola de la CPU, de uso de CPU y de realizacin de las operaciones de entrada-
salida. Este tiempo de presencia influye, evidentemente, en la memoria necesaria y el nivel de
multiprogramacin. A su vez, ste incide en la determinacin de la dimensin de la cola
existente en la CPU. Por lo tanto, se est frente a un sistema de ecuaciones cuyo mtodo ms
191
simple de solucin es el tanteo, mxime si se tiene en cuenta que algunas variables deben ser
enteras.
Evidentemente, hay que considerar, adems, para el estudio de la memoria necesaria, el
espacio ocupado por el software fijo (sistema operativo, sistema de base de datos, etc.)
Las principales dificultades en el establecimiento de modelos de unidades centrales reside en
la obtencin de datos suficientemente correctos. As, respecto a los programas, la longitud de
cdigo ejecutado, el tamao de los programas, y en los sistemas de memoria virtual, el
conjunto de trabajo y la frecuencia de fallo de pgina, y respecto al procesador, el nmero de
instrucciones ejecutadas por unidad de tiempo, no son datos fciles de obtener. Tal vez la
forma ms segura, y eso aun para cada caso concreto, es a travs de medidas realizadas con
monitores sobre sistemas ya existentes.
A continuacin se expone un sencillo ejemplo de modelo de un conjunto CPU-memoria.
Ejemplo: Se dispone de una CPU capaz de ejecutar 5000000 instrucciones por segundo. Este
sistema atiende transacciones a razn de 4 por segundo, sabiendo que los accesos de entrada-
salida tienen un tiempo medio de respuesta de 75 milisegundos. Determinar la memoria
necesaria y el factor de multiprogramacin del sistema, sabiendo que las caractersticas de las
transacciones estn resumidas en el cuadro que se expone a continuacin.

Al tratarse de un sistema en tiempo real donde todos los trabajos tienen accesos a la CPU de
la misma duracin aproximada (lo cual es cierto en muchos sistemas reales), podemos utilizar
sin demasiada diferencia cualquiera de los modelos de CPU (batch, round robin) antes
expuestos. En este caso utilizaremos, concretamente, el modelo batch.
Las rfagas medias de instrucciones que se ejecutarn entre dos accesos consecutivos sern
de
T1 800/(5 + 1) = 133.3 instrucciones 10
3
T2 900/(6 + 1) = 128.6 instrucciones 10
3
T3 1100/(8 + 1) = 122.2 instrucciones 10
3
T4 150/(9 + 1) = 150.0 instrucciones 10
3
y la rfaga media es de
3
10 nes instruccio 4 . 131
10 10 20 9 5 . 32 7 5 . 37 6
10 10 150 20 9 2 . 122 5 . 32 7 6 . 128 5 . 37 6 3 . 123
=
+ + +
+ + +

cuyo tiempo medio de ejecucin de una rfaga ser de
ms 28 . 26 s 02628 . 0
500000
10 4 . 131
3
= =


El factor de utilizacin de la CPU es:
( )
77 . 0
500000 100
10 1500 10 1100 20 900 5 . 32 800 5 . 37
3
=

+ + +
=

Accesos Ocupacin (Kb) Instrucciones 10
3
Frecuencia %
T1 5 20 800 37.5
T2 6 25 900 32.5
T3 8 40 1100 20.0
T4 9 50 1500 10.0
192
Para determinar el factor de multiprogramacin es preciso saber el tiempo de respuesta de la
CPU y viceversa. Por lo tanto, para salir del callejn sin salida hay que obtener una primera
aproximacin de ambos. Admitiendo en primera aproximacin y como hiptesis muy
pesimista que se puede aplicar a la cola de la CPU un modelo de tipo M/M/1, se tiene
ms 26 . 114
77 . 0 1
28 . 26
=

= R , lo cual da un tiempo medio de espera por rfaga en la cola de la


CPU de W
CPU
= 114.26 - 26.28 = 87.98 ms
Los tiempos de presencia de cada una de las transacciones sern
ms 88 . 1062 75 5 98 . 87 6
500
800000
1
= + + = R
ms 86 . 1245 75 6 98 . 87 7
500
900000
2
= + + = R
ms 82 . 1611 75 8 98 . 87 9
500
1100000
3
= + + = R
ms 80 . 1854 75 9 98 . 87 10
500
1500000
4
= + + = R

De donde, en primera aproximacin, se puede tomar como factor de multiprogramacin, el
nmero medio de trabajos en memoria, que se calcula aplicando la ley de Little,
MP = (0.375 1.06288 + 0.325 1.24586 + 0.2 1.61182 + 0.1 1.85480) 4 =
= 5.25 trabajos
que debe redondearse a un entero prximo y que da una idea del orden de magnitud del factor
de multiprogramacin que puede ser adecuado.
Se elige, por ejemplo, 6 y, por lo tanto, se puede establecer para la CPU un modelo de tipo
M/M/1//6. Aunque se pueden utilizar los grficos de la figura 3.13 del primer volumen de
esta obra, se va a plantear el clculo de las probabilidades de los distintos estados.

=
0 1
6p p
2
0 2
30
|
|
.
|

\
|

= p p
3
0 3
120
|
|
.
|

\
|

= p p
4
0 4
360
|
|
.
|

\
|

= p p

5
0 5
720
|
|
.
|

\
|

= p p

6
0 6
720
|
|
.
|

\
|

= p p
de donde, haciendo / = x y teniendo en cuenta que la suma de las siete probabilidades ha de
ser igual a la unidad, se tiene
6 5 4 3 2
0
720 720 360 120 30 6 1
1
x x x x x x
p
+ + + + + +
=
Por otro lado se puede escribir que la frecuencia media de llegada es el promedio de las
frecuencias de llegada dependientes del estado
4 = 6 p
0
+ 5 p
1
+ 4 p
2
+ 3 p
3
+ 2 p
4
+ 1 p
5
+ 0 p
6
193
y sustituyendo las expresiones de las probabilidades en esta ltima ecuacin, se llega a la
ecuacin
6 5 4 3 2
6 5 4 3 2
720 720 360 120 30 6 1
720 720 360 120 30 6
77 . 0
4
x x x x x x
x x x x x x
+ + + + + +
+ + + + +
= = =


de donde
165.6x
6
+ 165.6x
5
+ 82.8x
4
+ 27.6x
3
+ 6.9x
2
+ 1.38x - 0.77 = 0
y resolviendo se obtiene x = 0.18137, que permite calcular las probabilidades
p
0
= 0.230017 p
1
= 0.250309 p
2
= 0.226993 p
3
= 0.164679
p
4
= 0.089604 p
5
= 0.032503 p
6
= 0.005895
lo cual permite calcular el nmero medio de elementos en el sistema
N = 0 0.230017 + 1 0.250309 + 2 0.226993 + 3 0.164679 +
+ 4 0.089604 + 5 0.032503 + 6 0.005895 = 1.754633
y el tiempo medio de respuesta de cada rfaga en el sistema es, por la ley de Little
( )
ms 85 . 59 s 05985 . 0
4 1 . 0 10 2 . 0 9 325 . 0 7 375 . 0 6
754633 . 1
= =
+ + +
= R

y, en consecuencia, el tiempo medio de espera por rfaga ser:
W
CPU
= 59.89 - 26.28 = 33.61 ms
Los tiempos medios de presencia de cada transaccin en memoria para su ejecucin sern
ahora, calculados de forma idntica a como se ha hecho antes:
R
1
= 736.66 ms R
2
= 865.27 ms R
3
= 1122.49 ms R
4
= 1311.10 ms
Ahora bien, para determinar el tiempo de respuesta de una transaccin, es decir, desde que
una transaccin llega al sistema hasta que termina su ejecucin, hay que sumar a estos
tiempos el tiempo de espera que sufren cuando encuentran ocupados los seis espacios de
memoria (factor de multiprogramacin) disponibles para la ejecucin de las transacciones.
Esto puede modelarse mediante una estacin con seis canales de servicio, cuyo factor de
ocupacin y tiempo medio de servicio son respectivamente,
S
m
= 0.73666 0.375 + 0.86527 0.325 + 1.12249 0.2 + 1.3111 0.1 = 0.91307 s

m
= 4 0.91307/6 = 0.609
y construyendo, por razones de factibilidad, un modelo M/M/6 (cuando realmente debera ser
M/G/6) y utilizando, por ejemplo, el grfico de la figura 3.8 del primer volumen de esta obra,
se tiene que el tiempo medio de espera en la cola antes de recibir el servicio es
W
m
= (1.1 - 1) 0.91307 = 0.09131 ms
con lo que los tiempos de respuesta de cada transaccin son
R
1
= 736.66 + 91.31 = 827.97 ms
194
R
2
= 865.27 + 91.31 = 956.58 ms
R
3
= 1122.49 + 91.31 = 1213.80 ms
R
4
= 1311.10 + 91.31 = 1402.41 ms
La memoria media ocupada ser:
M = (0.375 0.73666 20 + 0.325 0.86527 25 +
+ 0.2 1.12249 40 + 0.1 1.31110 50) 4 = 112.4 K
aunque la memoria mxima necesaria, que es la que se debe reservar para esta aplicacin
ser:
M
max
= 6 50 = 300 K
Repitiendo el clculo para otros valores del factor de multiprogramacin, se pueden resumir
los resultados en la siguiente tabla:

Los tiempos estn medidos en milisegundos y la ocupacin de la memoria en K.
Obsrvese que, al ir aumentando el factor de multiprogramacin, aumentan el tiempo de
ejecucin o de presencia de la transaccin y la memoria media ocupada pero disminuye en
mayor magnitud la cola de entrada en memoria (y, en consecuencia, las reas tampn para
almacenar los mensajes).
2.2. MODELOS DE SISTEMAS INFORMTICOS: EL SERVIDOR
CENTRAL Y VARIANTES
El modelo del servidor central constituye el esquema bsico de red de colas para estudiar las
prestaciones de un sistema informtico. Puede tomar la forma de una red de colas abierta
(figura 2.17) o cerrada (figura 2.18). Su nombre le viene del hecho que la CPU adopta una
posicin central en el esquema, como puede verse en ambas figuras.
MP 3 4 5 6 7
R
1
658 692.68 719.5 736.66 755.75
R
2
773.5 813.96 845.25 865.27 887.54
R
3
1004.5 1056.75 1096.75 1122.49 1151.13
R
4
1183 1240.8 1285.5 1311.1 1345.67
R
m
817.34 859.68 892.42 913.07 936.67

m
> 1 0.8597 0.7139 0.6089 0.5352
W - 1031.61 249.88 91.34 46.83
M - 105.86 109.86 112.4 115.27
M
max
450 600 750 900 1050
195
Disco
1
Disco
2
Disco
3
Disco
4
CPU

Figura 2.17.
Disco
1
Disco
2
Disco
3
Disco
4
CPU
Terminales

Figura 2.18.
En una primera aproximacin slo se considerarn aquellos elementos crticos del sistema
informtico, la CPU y los discos, y la carga que deben soportar, definida por una llegada de
transacciones en un sistema abierto y por un conjunto de terminales en uno cerrado, y se
dejar para ms adelante la consideracin de otros elementos tales como la unidad de control
del subsistema de discos, la memoria y su gestin, etc.
El tratamiento de modelos de los sistemas informticos mediante redes de colas exige unos
clculos imposibles de ser realizados a mano (o con la ayuda de una calculadora de bolsillo).
Los modelos que se estudiarn estarn escritos en el lenguaje de modelizacin QNAP2, cuyo
resumen y tcnicas bsicas de utilizacin pueden encontrarse en el anexo 2 del primer
volumen de esta obra.
2.2.1. SISTEMA TRANSACCIONAL
Un sistema transaccional es aquel que no tiene ninguna posibilidad de modificar la carga que
recibe. Por lo tanto se puede representar tal como muestra la figura 2.17. En este caso se ha
196
supuesto que llegan al sistema dos tipos de transacciones descritas por sus frecuencias de
llegada (7 y 3 transacciones por segundo, respectivamente), sus peticiones de consumo de
CPU (8.52 y 12 milisegundos, respectivamente) y sus perfiles de accesos a los discos
(descritos por las tablas PROF1 y PROF2, respectivamente). Los discos se supondr que su
tiempo de servicio estar compuesto del de desplazamiento de brazo (13, 12, 11 y 10
milisegundos, respectivamente, dependiendo de su grado de ocupacin), del de latencia
rotacional (8.33 milisegundos, equivalente a media vuelta si se supone que giran a 3600
r.p.m.) y del de transferencia de un bloque (1.67 milisegundos, equivalentes a que en cada
pista hubiera 10 bloques).
El modelo que se muestra a continuacin fuerza las hiptesis con el fin de lograr una red de
colas que responda al teorema de BCMP (apartado 4.3.1. del primer volumen de esta obra).
Para ello se requiere que las llegadas sigan procesos de Poisson, que la CPU siga una poltica
de procesador compartido y que se represente a los discos por estaciones FIFO con tiempos
de servicio con distribucin exponencial independiente de la clase. De estas hiptesis todas
son bastante razonables excepto la de suponer que los tiempos de servicio de los discos sigan
una distribucin exponencial; en cualquier caso, esta hiptesis es pesimista, por lo que los
resultados representarn una estimacin prudente del comportamiento del sistema.
Obsrvese que para resolver la red de colas se utiliza el mtodo de convolucin, que es
exacto. Al resultado estndar que ofrece el lenguaje QNAP2, hay que aadir el clculo del
tiempo de respuesta de cada tipo de transaccin. Para ello se aplicar la ley de Little,
calculando el nmero medio de transacciones de cada clase que hay en el sistema (CPU y
discos) y dividindolo por su frecuencia de llegada respectiva.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),ENTRADA1,ENTRADA2;
2 REAL PROF1(4)=(2,1.5,1,0.5);
3 REAL PROF2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2;
5 CLASS C1,C2;
6 INTEGER I;
7 /STATION/ NAME=CPU;
8 SCHED=PS;
9 SERVICE(C1)=CST(8.52);
10 SERVICE(C2)=CST(12.);
11 TRANSIT(C1)=DISC,PROF1,OUT,1;
12 TRANSIT(C2)=DISC,PROF2,OUT,1;
13 /STATION/ NAME=DISC;
14 TRANSIT=CPU;
15 /STATION/ NAME=DISC(1);
16 SERVICE=EXP(23.);
17 /STATION/ NAME=DISC(2);
18 SERVICE=EXP(22.);
19 /STATION/ NAME=DISC(3);
20 SERVICE=EXP(21.);
21 /STATION/ NAME=DISC(4);
22 SERVICE=EXP(20.);
23 /STATION/ NAME=ENTRADA1;
24 TYPE=SOURCE;
25 SERVICE=EXP(1000./7.);
26 TRANSIT=CPU,C1;
27 /STATION/ NAME=ENTRADA2;
28 TYPE=SOURCE;
29 SERVICE=EXP(1000./3.);
30 TRANSIT=CPU,C2;
31 /CONTROL/ CLASS=ALL QUEUE;
32 /EXEC/ BEGIN
33 PRINT;
34 SOLVE;
35 TR1:=MCUSTNB(CPU,C1);
197
36 TR2:=MCUSTNB(CPU,C2);
37 FOR I:= 1 STEP 1 UNTIL 4 DO
38 BEGIN
39 TR1:=TR1+MCUSTNB(DISC(I),C1);
40 TR2:=TR2+MCUSTNB(DISC(I),C2);
41 END;
42 TR1:=TR1/MTHRUPUT(ENTRADA1);
43 TR2:=TR2/MTHRUPUT(ENTRADA2);
44 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
45 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
46 END;


- CONVOLUTION METHOD ("CONVOL") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.05 *0.7538 * 3.062 * 40.83 *0.7500E-01*
*(C1 )* 8.520 *0.3578 * 1.454 * 34.61 *0.4200E-01*
*(C2 )* 12.00 *0.3960 * 1.609 * 48.75 *0.3300E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4255 *0.7406 * 40.03 *0.1850E-01*
*(C1 )* 23.00 *0.3220 *0.5605 * 40.03 *0.1400E-01*
*(C2 )* 23.00 *0.1035 *0.1802 * 40.03 *0.4500E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3630 *0.5699 * 34.54 *0.1650E-01*
*(C1 )* 22.00 *0.2310 *0.3626 * 34.54 *0.1050E-01*
*(C2 )* 22.00 *0.1320 *0.2072 * 34.54 *0.6000E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3360 *0.5060 * 31.63 *0.1600E-01*
*(C1 )* 21.00 *0.1470 *0.2214 * 31.63 *0.7000E-02*
*(C2 )* 21.00 *0.1890 *0.2846 * 31.63 *0.9000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.2800 *0.3889 * 27.78 *0.1400E-01*
*(C1 )* 20.00 *0.7000E-01*0.9722E-01* 27.78 *0.3500E-02*
*(C2 )* 20.00 *0.2100 *0.2917 * 27.78 *0.1050E-01*
* * * * * * *
* ENTRADA1 * 142.9 * 1.000 * 1.000 * 142.9 *0.7000E-02*
* * * * * * *
* ENTRADA2 * 333.3 * 1.000 * 1.000 * 333.3 *0.3000E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 7870 WORDS OF 4 BYTES
( 0.31 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 385.1
RESPONSE TIME OF CLASS C2 = 857.5

47 /END/

Si se quiere mejorar la representacin del comportamiento de los discos, es preciso
representarlos por una cola FIFO pero con un tiempo de servicio que siga una ley
hipoexponencial con una desviacin tipo que valga la mitad del valor medio (valor razonable,
si se tiene en cuenta que la desviacin tipo del tiempo de movimiento de brazo es del orden
del 75% del valor medio, que la de la latencia, que sigue una distribucin uniforme, es del
orden del 60% del tiempo medio y que la de la transferencia vale cero, ya que normalmente
todos los bloques son del mismo tamao.
Obsrvese que en este caso para poder utilizar el mtodo aproximado de difusin, es preciso
que todas las estaciones sean FIFO, lo cual obliga a que la CPU deje de ser de procesador
compartido y ase a serlo. Obsrvese tambin que los tiempos de respuesta de todas las
estaciones y, en consecuencia, los de las transacciones son menores. Ello es debido a que este
mtodo tiene en cuenta las desviaciones tipo de los tiempos de servicio de todas las
198
estaciones, mientras que el de convolucin slo tiene en cuenta los valores medios y en este
caso las desviaciones tipo son menores que las del caso anterior.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),ENTRADA1,ENTRADA2;
2 REAL PROF1(4)=(2,1.5,1,0.5);
3 REAL PROF2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2;
5 CLASS C1,C2;
6 INTEGER I;
7 /STATION/ NAME=CPU;
8 SCHED=FIFO;
9 SERVICE(C1)=CST(8.52);
10 SERVICE(C2)=CST(12.);
11 TRANSIT(C1)=DISC,PROF1,OUT,1;
12 TRANSIT(C2)=DISC,PROF2,OUT,1;
13 /STATION/ NAME=DISC;
14 TRANSIT=CPU;
15 /STATION/ NAME=DISC(1);
16 SERVICE=HEXP(23.,0.25);
17 /STATION/ NAME=DISC(2);
18 SERVICE=HEXP(22.,0.25);
19 /STATION/ NAME=DISC(3);
20 SERVICE=HEXP(21.,0.25);
21 /STATION/ NAME=DISC(4);
22 SERVICE=HEXP(20.,0.25);
23 /STATION/ NAME=ENTRADA1;
24 TYPE=SOURCE;
25 SERVICE=EXP(1000./7.);
26 TRANSIT=CPU,C1;
27 /STATION/ NAME=ENTRADA2;
28 TYPE=SOURCE;
29 SERVICE=EXP(1000./3.);
30 TRANSIT=CPU,C2;
31 /CONTROL/ CLASS=ALL QUEUE;
32 /EXEC/ BEGIN
33 PRINT;
34 SOLVE;
35 TR1:=MCUSTNB(CPU,C1);
36 TR2:=MCUSTNB(CPU,C2);
37 FOR I:= 1 STEP 1 UNTIL 4 DO
38 BEGIN
39 TR1:=TR1+MCUSTNB(DISC(I),C1);
40 TR2:=TR2+MCUSTNB(DISC(I),C2);
41 END;
42 TR1:=TR1/MTHRUPUT(ENTRADA1);
43 TR2:=TR2/MTHRUPUT(ENTRADA2);
44 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
45 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
46 END;


- APPROXIMATE ITERATIV METHOD ("DIFFU") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.05 *0.7538 * 1.823 * 24.31 *0.7500E-01*
*(C1 )* 8.520 *0.3578 *0.9568 * 22.78 *0.4200E-01*
*(C2 )* 12.00 *0.3960 *0.8666 * 26.26 *0.3300E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4255 *0.5972 * 32.28 *0.1850E-01*
*(C1 )* 23.00 *0.3220 *0.4520 * 32.28 *0.1400E-01*
*(C2 )* 23.00 *0.1035 *0.1453 * 32.28 *0.4500E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3630 *0.4772 * 28.92 *0.1650E-01*
*(C1 )* 22.00 *0.2310 *0.3037 * 28.92 *0.1050E-01*
199
*(C2 )* 22.00 *0.1320 *0.1735 * 28.92 *0.6000E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3360 *0.4301 * 26.88 *0.1600E-01*
*(C1 )* 21.00 *0.1470 *0.1882 * 26.88 *0.7000E-02*
*(C2 )* 21.00 *0.1890 *0.2420 * 26.88 *0.9000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.2800 *0.3411 * 24.37 *0.1400E-01*
*(C1 )* 20.00 *0.7000E-01*0.8528E-01* 24.37 *0.3500E-02*
*(C2 )* 20.00 *0.2100 *0.2558 * 24.37 *0.1050E-01*
* * * * * * *
* ENTRADA1 * 142.9 * 1.000 * 1.000 * 142.9 *0.7000E-02*
* * * * * * *
* ENTRADA2 * 333.3 * 1.000 * 1.000 * 333.3 *0.3000E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 7878 WORDS OF 4 BYTES
( 0.32 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 283.7
RESPONSE TIME OF CLASS C2 = 561.1

47 /END/

2.2.2. SISTEMA CONVERSACIONAL
Un sistema conversacional es aquel que recibe sus entradas un cierto tiempo despus de haber
enviado la respuesta a la peticin anterior. Por lo tanto se puede representar tal como muestra
la figura 2.18.
2.2.2.1. Terminales con cargas separadas
En este caso se ha supuesto que hay conectados al sistema dos tipos de terminales (N1 y N2,
respectivamente) que generan peticiones despus de sus respectivos tiempos de reflexin (30
y 60 segundos, respectivamente). Estas peticiones solicitan consumos de CPU (8.52 y 12
milisegundos, respectivamente) y estn tambin descritas por sus perfiles de acceso a los
discos (descritos por las tablas PROF1 y PROF2, respectivamente). Los discos, como en los
ejemplos del apartado anterior, se supondr que su tiempo de servicio estar compuesto del
de desplazamiento de brazo (13, 12, 11 y 10 milisegundos, respectivamente, dependiendo de
su grado de ocupacin), del de latencia rotacional (8.33 milisegundos, equivalente a media
vuelta si se supone que giran a 3600 r.p.m.) y del de transferencia de un bloque (1.67
milisegundos, equivalentes a que en cada pista hubiera 10 bloques).
El modelo que se muestra a continuacin fuerza las hiptesis con el fin de lograr una red de
colas que responda al teorema de BCMP (apartado 4.3.1. del primer volumen de esta obra).
Para ello se requiere que la CPU siga una poltica de procesador compartido y que se
represente a los discos por estaciones FIFO con tiempos de servicio con distribucin
exponencial independiente de la clase. De estas hiptesis todas son bastante razonables
excepto la de suponer que los tiempos de servicio de los discos sigan una distribucin
exponencial; en cualquier caso, esta hiptesis es pesimista, por lo que los resultados
representarn una estimacin prudente del comportamiento del sistema.
Obsrvese que para resolver la red de colas se utiliza el mtodo del anlisis del valor medio
(MVA), que es exacto. Al resutado estndar que ofrece el lenguaje QNAP2 hay que aadir el
clculo del tiempo de respuesta de cada tipo de transaccin, para lo cual se aplicar la ley de
Little, calculando el nmero medio de peticiones de cada clase que hay en el sistema (CPU y
discos) y dividindolo por su frecuencia de llegada respectiva, que es la de la salida de los
terminales.
En este caso se ha hecho variar el nmero de terminales de cada clase entre 100 y 400, por lo
que no se incluyen 16 tablas de resultados. Slo se ha dejado la ltima y se han dejado los
resultados de todas las dems.
200
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2,TTR1,TTR2;
5 CLASS C1,C2;
6 INTEGER I,N1,N2;
7 /STATION/ NAME=CPU;
8 SCHED=PS;
9 SERVICE(C1)=CST(8.52);
10 SERVICE(C2)=CST(12.);
11 TRANSIT(C1)=DISC,PROB1,TERMINAL,1;
12 TRANSIT(C2)=DISC,PROB2,TERMINAL,1;
13 /STATION/ NAME=DISC;
14 TRANSIT=CPU;
15 /STATION/ NAME=DISC(1);
16 SERVICE=EXP(23.);
17 /STATION/ NAME=DISC(2);
18 SERVICE=EXP(22.);
19 /STATION/ NAME=DISC(3);
20 SERVICE=EXP(21.);
21 /STATION/ NAME=DISC(4);
22 SERVICE=EXP(20.);
23 /STATION/ NAME=TERMINAL;
24 TYPE=INFINITE;
25 INIT(C1)=N1;
26 INIT(C2)=N2;
27 SERVICE(C1)=EXP(30000.);
28 SERVICE(C2)=EXP(60000.);
29 TRANSIT=CPU;
30 /CONTROL/ CLASS=ALL QUEUE;
31 /EXEC/ FOR N1:=100 STEP 100 UNTIL 400 DO
32 FOR N2:=100 STEP 100 UNTIL 400 DO
33 BEGIN
34 PRINT;
35 PRINT("NUMERO DE USUARIOS DE CLASE 1 =",N1);
36 PRINT("NUMERO DE USUARIOS DE CLASE 2 =",N2);
37 SOLVE;
38 TR1:=MCUSTNB(CPU,C1);
39 TR2:=MCUSTNB(CPU,C2);
40 FOR I:= 1 STEP 1 UNTIL 4 DO
41 BEGIN
42 TR1:=TR1+MCUSTNB(DISC(I),C1);
43 TR2:=TR2+MCUSTNB(DISC(I),C2);
44 END;
45 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
46 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
47 TTR1:=(N1-MCUSTNB(TERMINAL,C1))/MTHRUPUT(TERMINAL,C1);
48 TTR2:=(N2-MCUSTNB(TERMINAL,C2))/MTHRUPUT(TERMINAL,C2);;
49 PRINT("RESPONSE TIME OF CLASS C1 =",TR1,TTR1);
50 PRINT("RESPONSE TIME OF CLASS C2 =",TR2,TTR2);
51 END;


NUMERO DE USUARIOS DE CLASE 1 = 100
NUMERO DE USUARIOS DE CLASE 2 = 100

RESPONSE TIME OF CLASS C1 = 218.5 218.5
RESPONSE TIME OF CLASS C2 = 469.9 469.9


NUMERO DE USUARIOS DE CLASE 1 = 100
NUMERO DE USUARIOS DE CLASE 2 = 200

RESPONSE TIME OF CLASS C1 = 276.9 276.9
RESPONSE TIME OF CLASS C2 = 617.1 617.1
201


NUMERO DE USUARIOS DE CLASE 1 = 100
NUMERO DE USUARIOS DE CLASE 2 = 300

RESPONSE TIME OF CLASS C1 = 431.6 431.6
RESPONSE TIME OF CLASS C2 = 1013. 1013.


NUMERO DE USUARIOS DE CLASE 1 = 100
NUMERO DE USUARIOS DE CLASE 2 = 400

RESPONSE TIME OF CLASS C1 = 1606. 1606.
RESPONSE TIME OF CLASS C2 = 4031. 4031.


NUMERO DE USUARIOS DE CLASE 1 = 200
NUMERO DE USUARIOS DE CLASE 2 = 100

RESPONSE TIME OF CLASS C1 = 272.1 272.1
RESPONSE TIME OF CLASS C2 = 578.4 578.4


NUMERO DE USUARIOS DE CLASE 1 = 200
NUMERO DE USUARIOS DE CLASE 2 = 200

RESPONSE TIME OF CLASS C1 = 391.5 391.5
RESPONSE TIME OF CLASS C2 = 877.6 877.6


NUMERO DE USUARIOS DE CLASE 1 = 200
NUMERO DE USUARIOS DE CLASE 2 = 300

RESPONSE TIME OF CLASS C1 = 1070. 1070.
RESPONSE TIME OF CLASS C2 = 2613. 2613.


NUMERO DE USUARIOS DE CLASE 1 = 200
NUMERO DE USUARIOS DE CLASE 2 = 400

RESPONSE TIME OF CLASS C1 = 5532. 5532.
RESPONSE TIME OF CLASS C2 = 0.1413E+05 0.1413E+05


NUMERO DE USUARIOS DE CLASE 1 = 300
NUMERO DE USUARIOS DE CLASE 2 = 100

RESPONSE TIME OF CLASS C1 = 371.4 371.4
RESPONSE TIME OF CLASS C2 = 787.5 787.5


NUMERO DE USUARIOS DE CLASE 1 = 300
NUMERO DE USUARIOS DE CLASE 2 = 200

RESPONSE TIME OF CLASS C1 = 780.5 780.5
RESPONSE TIME OF CLASS C2 = 1823. 1823.


NUMERO DE USUARIOS DE CLASE 1 = 300
NUMERO DE USUARIOS DE CLASE 2 = 300

RESPONSE TIME OF CLASS C1 = 4471. 4471.
RESPONSE TIME OF CLASS C2 = 0.1134E+05 0.1134E+05


NUMERO DE USUARIOS DE CLASE 1 = 300
NUMERO DE USUARIOS DE CLASE 2 = 400

RESPONSE TIME OF CLASS C1 = 9997. 9997.
202
RESPONSE TIME OF CLASS C2 = 0.2563E+05 0.2563E+05


NUMERO DE USUARIOS DE CLASE 1 = 400
NUMERO DE USUARIOS DE CLASE 2 = 100

RESPONSE TIME OF CLASS C1 = 640.4 640.4
RESPONSE TIME OF CLASS C2 = 1398. 1398.


NUMERO DE USUARIOS DE CLASE 1 = 400
NUMERO DE USUARIOS DE CLASE 2 = 200

RESPONSE TIME OF CLASS C1 = 3347. 3347.
RESPONSE TIME OF CLASS C2 = 8365. 8365.


NUMERO DE USUARIOS DE CLASE 1 = 400
NUMERO DE USUARIOS DE CLASE 2 = 300

RESPONSE TIME OF CLASS C1 = 9049. 9049.
RESPONSE TIME OF CLASS C2 = 0.2313E+05 0.2313E+05


NUMERO DE USUARIOS DE CLASE 1 = 400
NUMERO DE USUARIOS DE CLASE 2 = 400

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.11 * 1.000 * 281.2 * 2843. *0.9894E-01*
*(C1 )* 8.520 *0.4585 * 129.0 * 2397. *0.5381E-01*
*(C2 )* 12.00 *0.5415 * 152.3 * 3374. *0.4513E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5541 * 1.241 * 51.52 *0.2409E-01*
*(C1 )* 23.00 *0.4125 *0.9237 * 51.50 *0.1794E-01*
*(C2 )* 23.00 *0.1415 *0.3175 * 51.59 *0.6154E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4765 *0.9099 * 42.01 *0.2166E-01*
*(C1 )* 22.00 *0.2960 *0.5650 * 42.00 *0.1345E-01*
*(C2 )* 22.00 *0.1805 *0.3449 * 42.03 *0.8205E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4468 *0.8076 * 37.96 *0.2128E-01*
*(C1 )* 21.00 *0.1883 *0.3405 * 37.96 *0.8968E-02*
*(C2 )* 21.00 *0.2585 *0.4672 * 37.96 *0.1231E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3769 *0.6046 * 32.09 *0.1884E-01*
*(C1 )* 20.00 *0.8968E-01*0.1440 * 32.10 *0.4484E-02*
*(C2 )* 20.00 *0.2872 *0.4607 * 32.08 *0.1436E-01*
* * * * * * *
* TERMINAL *0.3942E+05*0.0000E+00* 515.2 *0.3942E+05*0.1307E-01*
*(C1 )*0.3000E+05*0.0000E+00* 269.1 *0.3000E+05*0.8968E-02*
*(C2 )*0.6000E+05*0.0000E+00* 246.2 *0.6000E+05*0.4103E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 42213 WORDS OF 4 BYTES
( 1.69 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1460E+05 0.1460E+05
RESPONSE TIME OF CLASS C2 = 0.3750E+05 0.3750E+05


52 /END/

203
2.2.2.2. Terminales con cargas compartidas
Este caso es idntico al del apartado anterior con la nica diferencia que todos los terminales
pueden generar los dos tipos de carga. Se conoce la probabilidad con que se generarn
peticiones de los dos tipos de carga (60% y 40%, respectivamente).
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2;
5 CLASS C1,C2;
6 INTEGER I,N;
7 /STATION/ NAME=CPU;
8 SCHED=PS;
9 SERVICE(C1)=CST(8.52);
10 SERVICE(C2)=CST(12.);
11 TRANSIT(C1)=DISC,PROB1,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
12 TRANSIT(C2)=DISC,PROB2,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
13 /STATION/ NAME=DISC;
14 TRANSIT=CPU;
15 /STATION/ NAME=DISC(1);
16 SERVICE=EXP(23.);
17 /STATION/ NAME=DISC(2);
18 SERVICE=EXP(22.);
19 /STATION/ NAME=DISC(3);
20 SERVICE=EXP(21.);
21 /STATION/ NAME=DISC(4);
22 SERVICE=EXP(20.);
23 /STATION/ NAME=TERMINAL;
24 TYPE=INFINITE;
25 INIT(C1)=N;
26 SERVICE(C1)=EXP(30000.);
27 SERVICE(C2)=EXP(60000.);
28 TRANSIT=CPU;
29 /CONTROL/ CLASS=ALL QUEUE;
30 /EXEC/ FOR N:=150 STEP 150 UNTIL 750 DO
31 BEGIN
32 PRINT;
33 PRINT("NUMERO DE USUARIOS =",N);
34 SOLVE;
35 TR1:=MCUSTNB(CPU,C1);
36 TR2:=MCUSTNB(CPU,C2);
37 FOR I:= 1 STEP 1 UNTIL 4 DO
38 BEGIN
39 TR1:=TR1+MCUSTNB(DISC(I),C1);
40 TR2:=TR2+MCUSTNB(DISC(I),C2);
41 END;
42 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
43 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
44 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
45 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
46 END;


NUMERO DE USUARIOS = 150

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2960 *0.4189 * 14.76 *0.2837E-01*
*(C1 )* 8.520 *0.1088 *0.1539 * 12.06 *0.1277E-01*
*(C2 )* 12.00 *0.1873 *0.2650 * 16.98 *0.1560E-01*
* * * * * * *
204
* DISC 1 * 23.00 *0.1468 *0.1719 * 26.92 *0.6384E-02*
*(C1 )* 23.00 *0.9790E-01*0.1146 * 26.92 *0.4257E-02*
*(C2 )* 23.00 *0.4894E-01*0.5729E-01* 26.92 *0.2128E-02*
* * * * * * *
* DISC 2 * 22.00 *0.1326 *0.1528 * 25.33 *0.6029E-02*
*(C1 )* 22.00 *0.7023E-01*0.8088E-01* 25.33 *0.3192E-02*
*(C2 )* 22.00 *0.6242E-01*0.7188E-01* 25.33 *0.2837E-02*
* * * * * * *
* DISC 3 * 21.00 *0.1341 *0.1546 * 24.22 *0.6384E-02*
*(C1 )* 21.00 *0.4469E-01*0.5155E-01* 24.22 *0.2128E-02*
*(C2 )* 21.00 *0.8937E-01*0.1031 * 24.22 *0.4256E-02*
* * * * * * *
* DISC 4 * 20.00 *0.1206 *0.1370 * 22.72 *0.6029E-02*
*(C1 )* 20.00 *0.2128E-01*0.2418E-01* 22.72 *0.1064E-02*
*(C2 )* 20.00 *0.9930E-01*0.1128 * 22.72 *0.4965E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 149.0 *0.4200E+05*0.3547E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.84 *0.3000E+05*0.2128E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.12 *0.6000E+05*0.1419E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 8301 WORDS OF 4 BYTES
( 0.33 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 199.8
RESPONSE TIME OF CLASS C2 = 430.0


NUMERO DE USUARIOS = 300

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5905 * 1.426 * 25.19 *0.5659E-01*
*(C1 )* 8.520 *0.2170 *0.5239 * 20.57 *0.2547E-01*
*(C2 )* 12.00 *0.3735 *0.9017 * 28.97 *0.3112E-01*
* * * * * * *
* DISC 1 * 23.00 *0.2929 *0.4134 * 32.46 *0.1273E-01*
*(C1 )* 23.00 *0.1953 *0.2756 * 32.46 *0.8490E-02*
*(C2 )* 23.00 *0.9761E-01*0.1378 * 32.46 *0.4244E-02*
* * * * * * *
* DISC 2 * 22.00 *0.2646 *0.3592 * 29.87 *0.1203E-01*
*(C1 )* 22.00 *0.1401 *0.1902 * 29.87 *0.6367E-02*
*(C2 )* 22.00 *0.1245 *0.1690 * 29.87 *0.5659E-02*
* * * * * * *
* DISC 3 * 21.00 *0.2674 *0.3644 * 28.62 *0.1273E-01*
*(C1 )* 21.00 *0.8914E-01*0.1215 * 28.62 *0.4245E-02*
*(C2 )* 21.00 *0.1783 *0.2429 * 28.62 *0.8488E-02*
* * * * * * *
* DISC 4 * 20.00 *0.2405 *0.3162 * 26.30 *0.1203E-01*
*(C1 )* 20.00 *0.4245E-01*0.5582E-01* 26.30 *0.2122E-02*
*(C2 )* 20.00 *0.1981 *0.2604 * 26.30 *0.9903E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 297.1 *0.4200E+05*0.7074E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.3 *0.3000E+05*0.4245E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.8 *0.6000E+05*0.2830E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 9087 WORDS OF 4 BYTES
( 0.36 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 274.9
RESPONSE TIME OF CLASS C2 = 605.0


NUMERO DE USUARIOS = 450

205
- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8763 * 6.438 * 76.66 *0.8399E-01*
*(C1 )* 8.520 *0.3220 * 2.366 * 62.60 *0.3780E-01*
*(C2 )* 12.00 *0.5543 * 4.072 * 88.16 *0.4619E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4347 *0.7667 * 40.57 *0.1890E-01*
*(C1 )* 23.00 *0.2898 *0.5112 * 40.57 *0.1260E-01*
*(C2 )* 23.00 *0.1449 *0.2555 * 40.57 *0.6298E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3926 *0.6451 * 36.14 *0.1785E-01*
*(C1 )* 22.00 *0.2079 *0.3415 * 36.14 *0.9449E-02*
*(C2 )* 22.00 *0.1848 *0.3035 * 36.14 *0.8398E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3968 *0.6564 * 34.74 *0.1890E-01*
*(C1 )* 21.00 *0.1323 *0.2188 * 34.74 *0.6300E-02*
*(C2 )* 21.00 *0.2645 *0.4376 * 34.74 *0.1260E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3569 *0.5541 * 31.05 *0.1785E-01*
*(C1 )* 20.00 *0.6300E-01*0.9779E-01* 31.05 *0.3150E-02*
*(C2 )* 20.00 *0.2939 *0.4563 * 31.05 *0.1470E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 440.9 *0.4200E+05*0.1050E-01*
*(C1 )*0.3000E+05*0.0000E+00* 189.0 *0.3000E+05*0.6299E-02*
*(C2 )*0.6000E+05*0.0000E+00* 252.0 *0.6000E+05*0.4199E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 9873 WORDS OF 4 BYTES
( 0.39 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 561.2
RESPONSE TIME OF CLASS C2 = 1316.


NUMERO DE USUARIOS = 600

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 93.51 * 975.7 *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 34.37 * 796.7 *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 59.15 * 1122. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.63 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.63 *0.1438E-01*
*(C2 )* 23.00 *0.1653 *0.3280 * 45.63 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
206
MEMORY USED: 10659 WORDS OF 4 BYTES
( 0.43 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 4987.
RESPONSE TIME OF CLASS C2 = 0.1272E+05


NUMERO DE USUARIOS = 750

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 243.5 * 2541. *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 89.49 * 2075. *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 154.0 * 2922. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.64 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.64 *0.1438E-01*
*(C2 )* 23.00 *0.1653 *0.3280 * 45.64 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 11445 WORDS OF 4 BYTES
( 0.46 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1266E+05
RESPONSE TIME OF CLASS C2 = 0.3252E+05

47 /END/

2.2.2.3. Influencia de la unidad de control del subsistema de discos
En los apartados anteriores se ha considerado que el tiempo de servicio de los discos era
independiente de la carga. Ahora bien el tiempo de servicio de los discos incluye el tiempo
necesario para resolver, por parte de la unidad de control, los conflictos que se producen
cuando el subsistema de discos comparte un camino comn hacia la memoria central del
sistema. Para resolver este conflicto se establece un modelo iterativo que empieza suponiendo
que el tiempo debido a la solucin de los conflictos es nulo, lo cual permite tener una primera
estimacin del tiempo de servicio de los discos, resolver la red de colas y conocer la
productividad de los discos. Esta informacin permite calcular el citado tiempo de acuerdo
con los procedimientos expuestos en el apartado 2.1.2., lo cual permite tener una mejor
estimacin del tiempo de servicio de los discos. el proceso continua hasta que la diferencia
entre dos iteraciones sucesivas es suficientemente pequea.
Se observar en algn caso alguna oscilacin en el tiempo de servicio de los discos, lo cual es
razonable, ya que inicialmente se parte de un valor del tiempo de servicio de los discos
inferior al real, lo cual da una productividad mayor que la real. Esta productividad permite
207
calcular un tiempo para la solucin de conflictos que ser mayor que el real. Es decir, la
convergencia de esta iteracin es oscilante.
Este mtodo puede aplicarse tambin a sistemas transaccionales, pero en este caso, no es
necesario efectuar ninguna iteracin, ya que la productividad de los discos viene determinada
por la frecuencia de entrada de transacciones al sistema y, sta es conocida.
2.2.2.3.1. Con poltica SLTF
En este caso el clculo del tiempo de resolucin de conflictos se efecta tal como explica el
apartado 2.1.2.2.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2;
5 REAL SD(4),VP,VPN,LT,TF,VR=3600,TAU,UC,
6 SK(4)=(13.,12.,11.,10.);
7 REAL EPS;
8 CLASS C1,C2;
9 INTEGER I,N;
10 /STATION/ NAME=CPU;
11 SCHED=PS;
12 SERVICE(C1)=CST(8.52);
13 SERVICE(C2)=CST(12.);
14 TRANSIT(C1)=DISC,PROB1,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
15 TRANSIT(C2)=DISC,PROB2,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
16 /STATION/ NAME=DISC;
17 TRANSIT=CPU;
18 /STATION/ NAME=DISC(1);
19 SERVICE=EXP(SD(1));
20 /STATION/ NAME=DISC(2);
21 SERVICE=EXP(SD(2));
22 /STATION/ NAME=DISC(3);
23 SERVICE=EXP(SD(3));
24 /STATION/ NAME=DISC(4);
25 SERVICE=EXP(SD(4));
26 /STATION/ NAME=TERMINAL;
27 TYPE=INFINITE;
28 INIT(C1)=N;
29 SERVICE(C1)=EXP(30000.);
30 SERVICE(C2)=EXP(60000.);
31 TRANSIT=CPU;
32 /CONTROL/ CLASS=ALL QUEUE;
33 /EXEC/ BEGIN
34 TAU:=60.*1000./VR;
35 TF:=TAU/10.;
36 LT:=TAU/2.;
37 FOR N:=150 STEP 150 UNTIL 750 DO
38 BEGIN
39 PRINT("NUMERO DE USUARIOS =",N);
40 EPS:=1.;
41 VP:=0.;
42 WHILE EPS>=1.E-4 DO
43 BEGIN
44 FOR I:=1 STEP 1 UNTIL 4 DO SD(I):=SK(I)+LT+VP+TF;
45 PRINT;
46 SOLVE;
47 UC:=0.;
48 FOR I:=1 STEP 1 UNTIL 4 DO UC := UC + TF * MTHRUPUT
==> (DISC(I));
49 VPN:=TAU*UC/(1.-UC);
50 EPS:=ABS(VP-VPN)/VPN;
51 VP:=VPN;
52 END;
208
53 TR1:=MCUSTNB(CPU,C1);
54 TR2:=MCUSTNB(CPU,C2);
55 FOR I:= 1 STEP 1 UNTIL 4 DO
56 BEGIN
57 TR1:=TR1+MCUSTNB(DISC(I),C1);
58 TR2:=TR2+MCUSTNB(DISC(I),C2);
59 END;
60 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
61 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
62 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
63 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
64 END;
65 END;

NUMERO DE USUARIOS = 150


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2960 *0.4189 * 14.76 *0.2837E-01*
*(C1 )* 8.520 *0.1088 *0.1539 * 12.06 *0.1277E-01*
*(C2 )* 12.00 *0.1873 *0.2650 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 23.00 *0.1468 *0.1719 * 26.92 *0.6384E-02*
*(C1 )* 23.00 *0.9790E-01*0.1146 * 26.92 *0.4257E-02*
*(C2 )* 23.00 *0.4894E-01*0.5729E-01* 26.92 *0.2128E-02*
* * * * * * *
* DISC 2 * 22.00 *0.1326 *0.1528 * 25.33 *0.6029E-02*
*(C1 )* 22.00 *0.7023E-01*0.8088E-01* 25.33 *0.3192E-02*
*(C2 )* 22.00 *0.6242E-01*0.7188E-01* 25.33 *0.2837E-02*
* * * * * * *
* DISC 3 * 21.00 *0.1341 *0.1546 * 24.22 *0.6384E-02*
*(C1 )* 21.00 *0.4469E-01*0.5155E-01* 24.22 *0.2128E-02*
*(C2 )* 21.00 *0.8937E-01*0.1031 * 24.22 *0.4256E-02*
* * * * * * *
* DISC 4 * 20.00 *0.1206 *0.1370 * 22.72 *0.6029E-02*
*(C1 )* 20.00 *0.2128E-01*0.2418E-01* 22.72 *0.1064E-02*
*(C2 )* 20.00 *0.9930E-01*0.1128 * 22.72 *0.4965E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 149.0 *0.4200E+05*0.3547E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.84 *0.3000E+05*0.2128E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.12 *0.6000E+05*0.1419E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 8992 WORDS OF 4 BYTES
( 0.36 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2960 *0.4188 * 14.76 *0.2837E-01*
*(C1 )* 8.520 *0.1088 *0.1539 * 12.05 *0.1277E-01*
*(C2 )* 12.00 *0.1872 *0.2649 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 23.72 *0.1514 *0.1782 * 27.91 *0.6383E-02*
*(C1 )* 23.72 *0.1009 *0.1188 * 27.91 *0.4256E-02*
*(C2 )* 23.72 *0.5046E-01*0.5938E-01* 27.91 *0.2127E-02*
* * * * * * *
* DISC 2 * 22.72 *0.1370 *0.1585 * 26.29 *0.6029E-02*
*(C1 )* 22.72 *0.7252E-01*0.8392E-01* 26.29 *0.3192E-02*
*(C2 )* 22.72 *0.6445E-01*0.7458E-01* 26.29 *0.2837E-02*
* * * * * * *
* DISC 3 * 21.72 *0.1386 *0.1607 * 25.18 *0.6383E-02*
209
*(C1 )* 21.72 *0.4622E-01*0.5359E-01* 25.18 *0.2128E-02*
*(C2 )* 21.72 *0.9242E-01*0.1072 * 25.18 *0.4255E-02*
* * * * * * *
* DISC 4 * 20.72 *0.1249 *0.1426 * 23.65 *0.6028E-02*
*(C1 )* 20.72 *0.2204E-01*0.2516E-01* 23.65 *0.1064E-02*
*(C2 )* 20.72 *0.1029 *0.1174 * 23.65 *0.4964E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 148.9 *0.4200E+05*0.3546E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.83 *0.3000E+05*0.2128E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.11 *0.6000E+05*0.1418E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 9385 WORDS OF 4 BYTES
( 0.38 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2960 *0.4188 * 14.76 *0.2837E-01*
*(C1 )* 8.520 *0.1088 *0.1539 * 12.05 *0.1277E-01*
*(C2 )* 12.00 *0.1872 *0.2649 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 23.72 *0.1514 *0.1782 * 27.91 *0.6383E-02*
*(C1 )* 23.72 *0.1009 *0.1188 * 27.91 *0.4256E-02*
*(C2 )* 23.72 *0.5046E-01*0.5938E-01* 27.91 *0.2127E-02*
* * * * * * *
* DISC 2 * 22.72 *0.1370 *0.1585 * 26.29 *0.6029E-02*
*(C1 )* 22.72 *0.7252E-01*0.8392E-01* 26.29 *0.3192E-02*
*(C2 )* 22.72 *0.6445E-01*0.7458E-01* 26.29 *0.2837E-02*
* * * * * * *
* DISC 3 * 21.72 *0.1386 *0.1607 * 25.18 *0.6383E-02*
*(C1 )* 21.72 *0.4622E-01*0.5359E-01* 25.18 *0.2128E-02*
*(C2 )* 21.72 *0.9242E-01*0.1072 * 25.18 *0.4255E-02*
* * * * * * *
* DISC 4 * 20.72 *0.1249 *0.1426 * 23.65 *0.6028E-02*
*(C1 )* 20.72 *0.2204E-01*0.2516E-01* 23.65 *0.1064E-02*
*(C2 )* 20.72 *0.1029 *0.1174 * 23.65 *0.4964E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 148.9 *0.4200E+05*0.3546E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.83 *0.3000E+05*0.2128E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.11 *0.6000E+05*0.1418E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 9778 WORDS OF 4 BYTES
( 0.39 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 204.6
RESPONSE TIME OF CLASS C2 = 439.5


NUMERO DE USUARIOS = 300


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5905 * 1.426 * 25.19 *0.5659E-01*
*(C1 )* 8.520 *0.2170 *0.5239 * 20.57 *0.2547E-01*
*(C2 )* 12.00 *0.3735 *0.9017 * 28.97 *0.3112E-01*
* * * * * * *
* DISC 1 * 23.00 *0.2929 *0.4134 * 32.46 *0.1273E-01*
*(C1 )* 23.00 *0.1953 *0.2756 * 32.46 *0.8490E-02*
*(C2 )* 23.00 *0.9761E-01*0.1378 * 32.46 *0.4244E-02*
* * * * * * *
210
* DISC 2 * 22.00 *0.2646 *0.3592 * 29.87 *0.1203E-01*
*(C1 )* 22.00 *0.1401 *0.1902 * 29.87 *0.6367E-02*
*(C2 )* 22.00 *0.1245 *0.1690 * 29.87 *0.5659E-02*
* * * * * * *
* DISC 3 * 21.00 *0.2674 *0.3644 * 28.62 *0.1273E-01*
*(C1 )* 21.00 *0.8914E-01*0.1215 * 28.62 *0.4245E-02*
*(C2 )* 21.00 *0.1783 *0.2429 * 28.62 *0.8488E-02*
* * * * * * *
* DISC 4 * 20.00 *0.2405 *0.3162 * 26.30 *0.1203E-01*
*(C1 )* 20.00 *0.4245E-01*0.5582E-01* 26.30 *0.2122E-02*
*(C2 )* 20.00 *0.1981 *0.2604 * 26.30 *0.9903E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 297.1 *0.4200E+05*0.7074E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.3 *0.3000E+05*0.4245E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.8 *0.6000E+05*0.2830E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 11350 WORDS OF 4 BYTES
( 0.45 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5902 * 1.424 * 25.17 *0.5657E-01*
*(C1 )* 8.520 *0.2169 *0.5233 * 20.56 *0.2546E-01*
*(C2 )* 12.00 *0.3733 *0.9007 * 28.95 *0.3111E-01*
* * * * * * *
* DISC 1 * 24.50 *0.3118 *0.4521 * 35.52 *0.1273E-01*
*(C1 )* 24.50 *0.2079 *0.3015 * 35.52 *0.8486E-02*
*(C2 )* 24.50 *0.1039 *0.1507 * 35.52 *0.4242E-02*
* * * * * * *
* DISC 2 * 23.50 *0.2825 *0.3930 * 32.69 *0.1202E-01*
*(C1 )* 23.50 *0.1496 *0.2081 * 32.69 *0.6364E-02*
*(C2 )* 23.50 *0.1329 *0.1849 * 32.69 *0.5656E-02*
* * * * * * *
* DISC 3 * 22.50 *0.2864 *0.4005 * 31.47 *0.1273E-01*
*(C1 )* 22.50 *0.9546E-01*0.1335 * 31.47 *0.4243E-02*
*(C2 )* 22.50 *0.1909 *0.2670 * 31.47 *0.8484E-02*
* * * * * * *
* DISC 4 * 21.50 *0.2584 *0.3479 * 28.95 *0.1202E-01*
*(C1 )* 21.50 *0.4561E-01*0.6141E-01* 28.95 *0.2121E-02*
*(C2 )* 21.50 *0.2128 *0.2865 * 28.95 *0.9898E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 297.0 *0.4200E+05*0.7071E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.3 *0.3000E+05*0.4243E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.7 *0.6000E+05*0.2828E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 11743 WORDS OF 4 BYTES
( 0.47 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5902 * 1.424 * 25.17 *0.5657E-01*
*(C1 )* 8.520 *0.2169 *0.5233 * 20.56 *0.2546E-01*
*(C2 )* 12.00 *0.3733 *0.9007 * 28.95 *0.3111E-01*
* * * * * * *
* DISC 1 * 24.50 *0.3118 *0.4521 * 35.52 *0.1273E-01*
*(C1 )* 24.50 *0.2079 *0.3014 * 35.52 *0.8486E-02*
*(C2 )* 24.50 *0.1039 *0.1507 * 35.52 *0.4242E-02*
* * * * * * *
* DISC 2 * 23.50 *0.2825 *0.3930 * 32.69 *0.1202E-01*
211
*(C1 )* 23.50 *0.1496 *0.2081 * 32.69 *0.6364E-02*
*(C2 )* 23.50 *0.1329 *0.1849 * 32.69 *0.5656E-02*
* * * * * * *
* DISC 3 * 22.50 *0.2863 *0.4005 * 31.47 *0.1273E-01*
*(C1 )* 22.50 *0.9546E-01*0.1335 * 31.47 *0.4243E-02*
*(C2 )* 22.50 *0.1909 *0.2670 * 31.47 *0.8484E-02*
* * * * * * *
* DISC 4 * 21.50 *0.2584 *0.3479 * 28.94 *0.1202E-01*
*(C1 )* 21.50 *0.4561E-01*0.6141E-01* 28.94 *0.2121E-02*
*(C2 )* 21.50 *0.2128 *0.2865 * 28.94 *0.9898E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 297.0 *0.4200E+05*0.7071E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.3 *0.3000E+05*0.4243E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.7 *0.6000E+05*0.2828E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 12136 WORDS OF 4 BYTES
( 0.49 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 289.4
RESPONSE TIME OF CLASS C2 = 632.8


NUMERO DE USUARIOS = 450


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8763 * 6.438 * 76.66 *0.8399E-01*
*(C1 )* 8.520 *0.3220 * 2.366 * 62.60 *0.3780E-01*
*(C2 )* 12.00 *0.5543 * 4.072 * 88.16 *0.4619E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4347 *0.7667 * 40.57 *0.1890E-01*
*(C1 )* 23.00 *0.2898 *0.5112 * 40.57 *0.1260E-01*
*(C2 )* 23.00 *0.1449 *0.2555 * 40.57 *0.6298E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3926 *0.6451 * 36.14 *0.1785E-01*
*(C1 )* 22.00 *0.2079 *0.3415 * 36.14 *0.9449E-02*
*(C2 )* 22.00 *0.1848 *0.3035 * 36.14 *0.8398E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3968 *0.6564 * 34.74 *0.1890E-01*
*(C1 )* 21.00 *0.1323 *0.2188 * 34.74 *0.6300E-02*
*(C2 )* 21.00 *0.2645 *0.4376 * 34.74 *0.1260E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3569 *0.5541 * 31.05 *0.1785E-01*
*(C1 )* 20.00 *0.6300E-01*0.9779E-01* 31.05 *0.3150E-02*
*(C2 )* 20.00 *0.2939 *0.4563 * 31.05 *0.1470E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 440.9 *0.4200E+05*0.1050E-01*
*(C1 )*0.3000E+05*0.0000E+00* 189.0 *0.3000E+05*0.6299E-02*
*(C2 )*0.6000E+05*0.0000E+00* 252.0 *0.6000E+05*0.4199E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 13708 WORDS OF 4 BYTES
( 0.55 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8754 * 6.393 * 76.20 *0.8390E-01*
*(C1 )* 8.520 *0.3217 * 2.349 * 62.22 *0.3776E-01*
*(C2 )* 12.00 *0.5537 * 4.044 * 87.64 *0.4614E-01*
* * * * * * *
212
* DISC 1 * 25.33 *0.4781 *0.9129 * 48.36 *0.1888E-01*
*(C1 )* 25.33 *0.3188 *0.6086 * 48.36 *0.1259E-01*
*(C2 )* 25.33 *0.1594 *0.3043 * 48.36 *0.6292E-02*
* * * * * * *
* DISC 2 * 24.33 *0.4337 *0.7638 * 42.84 *0.1783E-01*
*(C1 )* 24.33 *0.2296 *0.4044 * 42.84 *0.9440E-02*
*(C2 )* 24.33 *0.2041 *0.3594 * 42.84 *0.8389E-02*
* * * * * * *
* DISC 3 * 23.33 *0.4403 *0.7845 * 41.56 *0.1888E-01*
*(C1 )* 23.33 *0.1468 *0.2615 * 41.56 *0.6293E-02*
*(C2 )* 23.33 *0.2935 *0.5230 * 41.56 *0.1258E-01*
* * * * * * *
* DISC 4 * 22.33 *0.3980 *0.6597 * 37.01 *0.1783E-01*
*(C1 )* 22.33 *0.7025E-01*0.1164 * 37.01 *0.3147E-02*
*(C2 )* 22.33 *0.3278 *0.5433 * 37.01 *0.1468E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 440.5 *0.4200E+05*0.1049E-01*
*(C1 )*0.3000E+05*0.0000E+00* 188.8 *0.3000E+05*0.6293E-02*
*(C2 )*0.6000E+05*0.0000E+00* 251.7 *0.6000E+05*0.4195E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 14101 WORDS OF 4 BYTES
( 0.56 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8754 * 6.393 * 76.20 *0.8390E-01*
*(C1 )* 8.520 *0.3217 * 2.349 * 62.22 *0.3776E-01*
*(C2 )* 12.00 *0.5537 * 4.044 * 87.64 *0.4614E-01*
* * * * * * *
* DISC 1 * 25.32 *0.4781 *0.9127 * 48.35 *0.1888E-01*
*(C1 )* 25.32 *0.3187 *0.6085 * 48.35 *0.1259E-01*
*(C2 )* 25.32 *0.1593 *0.3042 * 48.35 *0.6292E-02*
* * * * * * *
* DISC 2 * 24.32 *0.4337 *0.7636 * 42.83 *0.1783E-01*
*(C1 )* 24.32 *0.2296 *0.4043 * 42.83 *0.9440E-02*
*(C2 )* 24.32 *0.2041 *0.3593 * 42.83 *0.8389E-02*
* * * * * * *
* DISC 3 * 23.32 *0.4403 *0.7844 * 41.55 *0.1888E-01*
*(C1 )* 23.32 *0.1468 *0.2615 * 41.55 *0.6293E-02*
*(C2 )* 23.32 *0.2935 *0.5229 * 41.55 *0.1258E-01*
* * * * * * *
* DISC 4 * 22.32 *0.3980 *0.6596 * 37.00 *0.1783E-01*
*(C1 )* 22.32 *0.7024E-01*0.1164 * 37.00 *0.3147E-02*
*(C2 )* 22.32 *0.3277 *0.5432 * 37.00 *0.1468E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 440.5 *0.4200E+05*0.1049E-01*
*(C1 )*0.3000E+05*0.0000E+00* 188.8 *0.3000E+05*0.6293E-02*
*(C2 )*0.6000E+05*0.0000E+00* 251.7 *0.6000E+05*0.4195E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 14494 WORDS OF 4 BYTES
( 0.58 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 594.4
RESPONSE TIME OF CLASS C2 = 1376.


NUMERO DE USUARIOS = 600


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
213
* * * * * * *
* CPU * 10.43 * 1.000 * 93.51 * 975.7 *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 34.37 * 796.7 *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 59.15 * 1122. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.63 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.63 *0.1438E-01*
*(C2 )* 23.00 *0.1653 *0.3280 * 45.63 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 16066 WORDS OF 4 BYTES
( 0.64 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 92.66 * 966.8 *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 34.05 * 789.5 *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 58.61 * 1112. *0.5271E-01*
* * * * * * *
* DISC 1 * 25.71 *0.5544 * 1.244 * 57.69 *0.2157E-01*
*(C1 )* 25.71 *0.3696 *0.8295 * 57.69 *0.1438E-01*
*(C2 )* 25.71 *0.1848 *0.4147 * 57.69 *0.7187E-02*
* * * * * * *
* DISC 2 * 24.71 *0.5032 * 1.013 * 49.74 *0.2037E-01*
*(C1 )* 24.71 *0.2664 *0.5363 * 49.74 *0.1078E-01*
*(C2 )* 24.71 *0.2368 *0.4766 * 49.74 *0.9583E-02*
* * * * * * *
* DISC 3 * 23.71 *0.5112 * 1.046 * 48.51 *0.2156E-01*
*(C1 )* 23.71 *0.1704 *0.3487 * 48.51 *0.7189E-02*
*(C2 )* 23.71 *0.3408 *0.6973 * 48.51 *0.1437E-01*
* * * * * * *
* DISC 4 * 22.71 *0.4625 *0.8603 * 42.24 *0.2037E-01*
*(C1 )* 22.71 *0.8162E-01*0.1518 * 42.24 *0.3594E-02*
*(C2 )* 22.71 *0.3808 *0.7085 * 42.24 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 16459 WORDS OF 4 BYTES
( 0.66 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 4997.
RESPONSE TIME OF CLASS C2 = 0.1271E+05


NUMERO DE USUARIOS = 750

214

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 243.5 * 2541. *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 89.49 * 2075. *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 154.0 * 2922. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.64 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.64 *0.1438E-01*
*(C2 )* 23.00 *0.1653 *0.3280 * 45.64 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 17638 WORDS OF 4 BYTES
( 0.71 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 242.7 * 2532. *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 89.18 * 2067. *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 153.5 * 2912. *0.5271E-01*
* * * * * * *
* DISC 1 * 25.71 *0.5544 * 1.244 * 57.69 *0.2157E-01*
*(C1 )* 25.71 *0.3696 *0.8295 * 57.69 *0.1438E-01*
*(C2 )* 25.71 *0.1848 *0.4147 * 57.69 *0.7187E-02*
* * * * * * *
* DISC 2 * 24.71 *0.5032 * 1.013 * 49.74 *0.2037E-01*
*(C1 )* 24.71 *0.2664 *0.5363 * 49.74 *0.1078E-01*
*(C2 )* 24.71 *0.2368 *0.4766 * 49.74 *0.9583E-02*
* * * * * * *
* DISC 3 * 23.71 *0.5112 * 1.046 * 48.51 *0.2156E-01*
*(C1 )* 23.71 *0.1704 *0.3487 * 48.51 *0.7189E-02*
*(C2 )* 23.71 *0.3408 *0.6973 * 48.51 *0.1437E-01*
* * * * * * *
* DISC 4 * 22.71 *0.4625 *0.8603 * 42.24 *0.2037E-01*
*(C1 )* 22.71 *0.8162E-01*0.1518 * 42.24 *0.3594E-02*
*(C2 )* 22.71 *0.3808 *0.7085 * 42.24 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 18031 WORDS OF 4 BYTES
( 0.72 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1266E+05
215
RESPONSE TIME OF CLASS C2 = 0.3251E+05

66 /END/

Si se desea efectuar el estudio por simulacin es necesario reestructurar el modelo
reproduciendo los mecanismos de funcionamiento de los discos. En primer lugar se presenta
un modelo simplificado prescindiendo de la necesidad que la unidad de control est libre para
poder iniciar el movimiento del brazo.

SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE INTEGER M;
2 QUEUE CPU,DISC(4),UC,TERMINAL,R(2);
3 REAL PROF1(4)=(2.,3.5,4.5,5.);
4 REAL PROF2(4)=(1.5,3.5,6.5,10.);
5 REAL TR1,TR2;
6 REAL SD(4),TF,VR=3600,TAU,D,SK(4)=(13.,12.,11.,10.);
7 CLASS C1,C2;
8 INTEGER I,N;
9 REF CUSTOMER C;
10 /STATION/ NAME=CPU;
11 SCHED=PS;
12 SERVICE(C1)=BEGIN
13 CST(8.52);
14 D := UNIFORM(0., 6.);
15 FOR I := 1 STEP 1 UNTIL 4 DO
16 IF D <= PROF1(I) THEN TRANSIT(DISC(I));
17 C:=R(1).FIRST;
18 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
19 TRANSIT(C,OUT);
20 IF D <= 5.6 THEN TRANSIT(TERMINAL,C1)
21 ELSE TRANSIT(TERMINAL,C2);
22 END;
23 SERVICE(C2)=BEGIN
24 CST(12.);
25 D := UNIFORM(0., 11.);
26 FOR I := 1 STEP 1 UNTIL 4 DO
27 IF D <= PROF2(I) THEN TRANSIT(DISC(I));
28 C:=R(2).FIRST;
29 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
30 TRANSIT(C,OUT);
31 IF D <= 10.6 THEN TRANSIT(TERMINAL,C1)
32 ELSE TRANSIT(TERMINAL,C2);
33 END;
34 /STATION/ NAME=DISC;
35 SERVICE=BEGIN
36 HEXP(SK(M),0.5);
37 UNIFORM(0.,TAU);
38 WHILE UC.NB > 0 DO CST(TAU);
39 TRANSIT(NEW(CUSTOMER),UC);
40 CST(TF);
41 TRANSIT(CPU);
42 END;
43 /STATION/ NAME=UC;
44 SERVICE=BEGIN
45 CST(TF);
46 TRANSIT(OUT);
47 END;
48 /STATION/ NAME=TERMINAL;
49 TYPE=INFINITE;
50 INIT(C1)=6*N/10;
51 INIT(C2)=4*N/10;
52 SERVICE(C1)=BEGIN
53 EXP(30000.);
54 TRANSIT(NEW(CUSTOMER),R(1),C1);
55 END;
216
56 SERVICE(C2)=BEGIN
57 EXP(60000.);
58 TRANSIT(NEW(CUSTOMER),R(2),C2);
59 END;
60 TRANSIT=CPU;
61 /CONTROL/ TMAX=5000000.;
62 CLASS=ALL QUEUE;
63 ACCURACY=R;
64 /EXEC/ BEGIN
65 TAU:=60.*1000./VR;
66 TF:=TAU/10.;
67 FOR I:=1 STEP 1 UNTIL 4 DO DISC(I).M:=I;
68 FOR N:=150 STEP 150 UNTIL 750 DO
69 BEGIN
70 PRINT("NUMERO DE USUARIOS =",N);
71 SIMUL;
72 TR1:=MCUSTNB(CPU,C1);
73 TR2:=MCUSTNB(CPU,C2);
74 FOR I:= 1 STEP 1 UNTIL 4 DO
75 BEGIN
76 TR1:=TR1+MCUSTNB(DISC(I),C1);
77 TR2:=TR2+MCUSTNB(DISC(I),C2);
78 END;
79 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
80 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
81 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
82 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
83 END;
84 END;

NUMERO DE USUARIOS = 150


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.40 *0.2929 *0.3778 * 13.43 * 140700*
*(C1 )* 8.524 *0.1097 *0.1419 * 11.03 * 64322*
*(C2 )* 12.00 *0.1833 *0.2360 * 15.45 * 76378*
* * * * * * *
* DISC 1 * 23.59 *0.1513 *0.1695 * 26.44 * 32054*
*(C1 )* 23.55 *0.1013 *0.1143 * 26.59 * 21501*
*(C2 )* 23.68 *0.4998E-01*0.5514E-01* 26.12 * 10553*
* * * * * * *
* DISC 2 * 22.63 *0.1357 *0.1488 * 24.81 * 29979*
*(C1 )* 22.61 *0.7300E-01*0.8078E-01* 25.02 * 16141*
*(C2 )* 22.66 *0.6270E-01*0.6799E-01* 24.57 * 13838*
* * * * * * *
* DISC 3 * 21.58 *0.1363 *0.1489 * 23.59 * 31566*
*(C1 )* 21.46 *0.4573E-01*0.5051E-01* 23.71 * 10653*
*(C2 )* 21.64 *0.9052E-01*0.9843E-01* 23.53 * 20913*
* * * * * * *
* DISC 4 * 20.60 *0.1214 *0.1310 * 22.23 * 29478*
*(C1 )* 20.66 *0.2225E-01*0.2410E-01* 22.38 * 5383*
*(C2 )* 20.59 *0.9920E-01*0.1069 * 22.19 * 24095*
* * * * * * *
* UC * 1.668 *0.4106E-01*0.4106E-01* 1.668 * 123077*
*(C1 )* 1.666 *0.1789E-01*0.1789E-01* 1.666 * 53678*
*(C2 )* 1.666 *0.2312E-01*0.2312E-01* 1.666 * 69399*
* * * * * * *
* TERMINAL *0.4189E+05*0.0000E+00* 149.0 *0.4189E+05* 17623*
*(C1 )*0.2976E+05*0.0000E+00* 63.82 *0.2976E+05* 10644*
*(C2 )*0.6039E+05*0.0000E+00* 85.20 *0.6039E+05* 6979*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00*0.4117 * 193.4 * 10644*
* +/- *0.0000E+00*0.0000E+00*0.1394E-01* 5.020 * *
217
*(C1 )*0.0000E+00*0.0000E+00*0.4117 * 193.4 * 10644*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00*0.5644 * 404.4 * 6979*
* +/- *0.0000E+00*0.0000E+00*0.2017E-01* 13.69 * *
*(C2 )*0.0000E+00*0.0000E+00*0.5644 * 404.4 * 6979*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 16756 WORDS OF 4 BYTES
( 0.67 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 193.4
RESPONSE TIME OF CLASS C2 = 404.4

NUMERO DE USUARIOS = 300


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.41 *0.5967 * 1.274 * 22.23 * 286455*
*(C1 )* 8.512 *0.2221 *0.4707 * 18.05 * 130344*
*(C2 )* 12.00 *0.3747 *0.8029 * 25.72 * 156111*
* * * * * * *
* DISC 1 * 24.16 *0.3126 *0.4031 * 31.15 * 64704*
*(C1 )* 24.19 *0.2107 *0.2749 * 31.57 * 43540*
*(C2 )* 24.09 *0.1020 *0.1282 * 30.30 * 21164*
* * * * * * *
* DISC 2 * 23.21 *0.2849 *0.3525 * 28.72 * 61367*
*(C1 )* 23.15 *0.1514 *0.1894 * 28.96 * 32704*
*(C2 )* 23.28 *0.1335 *0.1631 * 28.45 * 28663*
* * * * * * *
* DISC 3 * 22.14 *0.2851 *0.3517 * 27.32 * 64364*
*(C1 )* 22.26 *0.9643E-01*0.1204 * 27.79 * 21657*
*(C2 )* 22.08 *0.1886 *0.2314 * 27.09 * 42707*
* * * * * * *
* DISC 4 * 21.17 *0.2562 *0.3067 * 25.33 * 60529*
*(C1 )* 21.08 *0.4626E-01*0.5579E-01* 25.42 * 10975*
*(C2 )* 21.18 *0.2100 *0.2509 * 25.31 * 49554*
* * * * * * *
* UC * 1.664 *0.8352E-01*0.8352E-01* 1.664 * 250964*
*(C1 )* 1.667 *0.3631E-01*0.3631E-01* 1.667 * 108876*
*(C2 )* 1.668 *0.4741E-01*0.4741E-01* 1.668 * 142088*
* * * * * * *
* TERMINAL *0.4153E+05*0.0000E+00* 297.3 *0.4153E+05* 35492*
*(C1 )*0.2996E+05*0.0000E+00* 129.5 *0.2996E+05* 21469*
*(C2 )*0.5924E+05*0.0000E+00* 167.8 *0.5924E+05* 14023*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 1.111 * 258.8 * 21468*
* +/- *0.0000E+00*0.0000E+00*0.4013E-01* 6.931 * *
*(C1 )*0.0000E+00*0.0000E+00* 1.111 * 258.8 * 21468*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 1.576 * 562.1 * 14022*
* +/- *0.0000E+00*0.0000E+00*0.5821E-01* 19.61 * *
*(C2 )*0.0000E+00*0.0000E+00* 1.576 * 562.1 * 14022*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 23866 WORDS OF 4 BYTES
( 0.95 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 258.8
218
RESPONSE TIME OF CLASS C2 = 562.1

NUMERO DE USUARIOS = 450


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.8761 * 5.898 * 70.17 * 420245*
*(C1 )* 8.508 *0.3243 * 2.163 * 56.81 * 190333*
*(C2 )* 12.00 *0.5518 * 3.736 * 81.25 * 229912*
* * * * * * *
* DISC 1 * 24.73 *0.4695 *0.7093 * 37.36 * 94930*
*(C1 )* 24.76 *0.3144 *0.4810 * 37.87 * 63508*
*(C2 )* 24.67 *0.1551 *0.2282 * 36.32 * 31422*
* * * * * * *
* DISC 2 * 23.75 *0.4240 *0.5972 * 33.45 * 89251*
*(C1 )* 23.80 *0.2261 *0.3224 * 33.94 * 47499*
*(C2 )* 23.71 *0.1980 *0.2748 * 32.91 * 41752*
* * * * * * *
* DISC 3 * 22.71 *0.4288 *0.6010 * 31.83 * 94409*
*(C1 )* 22.78 *0.1445 *0.2059 * 32.44 * 31730*
*(C2 )* 22.67 *0.2842 *0.3951 * 31.52 * 62679*
* * * * * * *
* DISC 4 * 21.72 *0.3860 *0.5102 * 28.71 * 88864*
*(C1 )* 21.77 *0.6898E-01*0.9286E-01* 29.31 * 15841*
*(C2 )* 21.71 *0.3170 *0.4173 * 28.57 * 73023*
* * * * * * *
* UC * 1.666 *0.1224 *0.1224 * 1.666 * 367454*
*(C1 )* 1.669 *0.5292E-01*0.5292E-01* 1.669 * 158578*
*(C2 )* 1.666 *0.6958E-01*0.6958E-01* 1.666 * 208876*
* * * * * * *
* TERMINAL *0.4144E+05*0.0000E+00* 441.7 *0.4144E+05* 52801*
*(C1 )*0.2989E+05*0.0000E+00* 190.8 *0.2989E+05* 31758*
*(C2 )*0.5888E+05*0.0000E+00* 250.9 *0.5888E+05* 21043*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 3.264 * 513.9 * 31754*
* +/- *0.0000E+00*0.0000E+00*0.2443 * 41.16 * *
*(C1 )*0.0000E+00*0.0000E+00* 3.264 * 513.9 * 31754*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 5.051 * 1200. * 21035*
* +/- *0.0000E+00*0.0000E+00*0.4771 * 121.2 * *
*(C2 )*0.0000E+00*0.0000E+00* 5.051 * 1200. * 21035*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 31440 WORDS OF 4 BYTES
( 1.26 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 514.0
RESPONSE TIME OF CLASS C2 = 1200.

NUMERO DE USUARIOS = 600


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.9997 * 88.51 * 923.2 * 479346*
*(C1 )* 8.507 *0.3693 * 32.69 * 754.1 * 216721*
*(C2 )* 12.00 *0.6304 * 55.82 * 1063. * 262625*
219
* * * * * * *
* DISC 1 * 25.06 *0.5428 *0.9100 * 42.01 * 108302*
*(C1 )* 25.08 *0.3636 *0.6078 * 41.92 * 72500*
*(C2 )* 25.02 *0.1792 *0.3022 * 42.21 * 35802*
* * * * * * *
* DISC 2 * 24.09 *0.4872 *0.7458 * 36.88 * 101116*
*(C1 )* 24.14 *0.2589 *0.3948 * 36.81 * 53635*
*(C2 )* 24.04 *0.2283 *0.3510 * 36.96 * 47481*
* * * * * * *
* DISC 3 * 22.97 *0.4950 *0.7608 * 35.29 * 107773*
*(C1 )* 22.99 *0.1668 *0.2580 * 35.57 * 36271*
*(C2 )* 22.95 *0.3282 *0.5027 * 35.16 * 71502*
* * * * * * *
* DISC 4 * 22.10 *0.4492 *0.6418 * 31.57 * 101649*
*(C1 )* 22.11 *0.7910E-01*0.1152 * 32.20 * 17888*
*(C2 )* 22.09 *0.3701 *0.5266 * 31.44 * 83761*
* * * * * * *
* UC * 1.669 *0.1398 *0.1398 * 1.669 * 418840*
*(C1 )* 1.667 *0.6011E-01*0.6012E-01* 1.667 * 180294*
*(C2 )* 1.664 *0.7941E-01*0.7941E-01* 1.664 * 238546*
* * * * * * *
* TERMINAL *0.4154E+05*0.0000E+00* 508.4 *0.4154E+05* 60618*
*(C1 )*0.2982E+05*0.0000E+00* 218.9 *0.2982E+05* 36475*
*(C2 )*0.5925E+05*0.0000E+00* 289.6 *0.5925E+05* 24143*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 34.07 * 4670. * 36426*
* +/- *0.0000E+00*0.0000E+00* 2.415 * 364.9 * *
*(C1 )*0.0000E+00*0.0000E+00* 34.07 * 4670. * 36426*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 57.51 *0.1189E+05* 24077*
* +/- *0.0000E+00*0.0000E+00* 4.544 * 988.8 * *
*(C2 )*0.0000E+00*0.0000E+00* 57.51 *0.1189E+05* 24077*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 43512 WORDS OF 4 BYTES
( 1.74 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 4669.
RESPONSE TIME OF CLASS C2 = 0.1191E+05

NUMERO DE USUARIOS = 750


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9999 * 238.2 * 2487. * 478883*
*(C1 )* 8.507 *0.3664 * 87.04 * 2024. * 214990*
*(C2 )* 12.00 *0.6335 * 151.2 * 2864. * 263893*
* * * * * * *
* DISC 1 * 25.04 *0.5379 *0.8907 * 41.47 * 107390*
*(C1 )* 25.07 *0.3572 *0.5899 * 41.39 * 71261*
*(C2 )* 25.00 *0.1807 *0.3008 * 41.62 * 36129*
* * * * * * *
* DISC 2 * 24.05 *0.4887 *0.7507 * 36.95 * 101595*
*(C1 )* 24.08 *0.2586 *0.3965 * 36.92 * 53692*
*(C2 )* 24.01 *0.2301 *0.3542 * 36.97 * 47903*
* * * * * * *
* DISC 3 * 23.04 *0.4975 *0.7740 * 35.84 * 107968*
*(C1 )* 23.12 *0.1668 *0.2607 * 36.12 * 36089*
*(C2 )* 23.00 *0.3306 *0.5133 * 35.70 * 71879*
* * * * * * *
* DISC 4 * 22.14 *0.4508 *0.6505 * 31.95 * 101816*
220
*(C1 )* 22.23 *0.7912E-01*0.1165 * 32.72 * 17799*
*(C2 )* 22.12 *0.3717 *0.5341 * 31.78 * 84017*
* * * * * * *
* UC * 1.669 *0.1398 *0.1398 * 1.669 * 418769*
*(C1 )* 1.667 *0.5963E-01*0.5963E-01* 1.667 * 178841*
*(C2 )* 1.664 *0.7986E-01*0.7987E-01* 1.664 * 239928*
* * * * * * *
* TERMINAL *0.4176E+05*0.0000E+00* 508.7 *0.4176E+05* 60366*
*(C1 )*0.3033E+05*0.0000E+00* 220.9 *0.3033E+05* 36231*
*(C2 )*0.5893E+05*0.0000E+00* 287.8 *0.5893E+05* 24135*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 88.41 *0.1220E+05* 36149*
* +/- *0.0000E+00*0.0000E+00* 4.697 * 550.3 * *
*(C1 )*0.0000E+00*0.0000E+00* 88.41 *0.1220E+05* 36149*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 152.9 *0.3166E+05* 23964*
* +/- *0.0000E+00*0.0000E+00* 5.910 * 1484. * *
*(C2 )*0.0000E+00*0.0000E+00* 152.9 *0.3166E+05* 23964*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 57432 WORDS OF 4 BYTES
( 2.30 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1220E+05
RESPONSE TIME OF CLASS C2 = 0.3168E+05

85 /END/

Si quiere refinarse el modelo y desea tenerse en cuenta los retardos que se producen en el
inicio del movimiento del brazo debido a que la unidad de control est ocupada por una
transferencia desde otro disco, deben utilizarse un semforo por disco y otro para la unidad de
control, este ltimo de mayor prioridad, que describen y controlan los conflictos de acceso al
disco cuando la unidad de control est transfiriendo desde otro disco. Adems, se ha
desglosado cada disco en dos servidores, QDISC, que representa la espera hasta iniciar el
servicio, y DISC, que representa el mecanismo de acceso a la informacin.

SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE INTEGER M;
2 QUEUE CPU,QDISC(4),DISC(4),SDISC(4),UC,SUC,TERMINAL,R(2);
3 REAL PROF1(4)=(2.,3.5,4.5,5.);
4 REAL PROF2(4)=(1.5,3.5,6.5,10.);
5 REAL TR1,TR2;
6 REAL SD(4),TF,VR=3600,TAU,D,SK(4)=(13.,12.,11.,10.);
7 CLASS C1,C2;
8 INTEGER I,N;
9 REF CUSTOMER C;
10 /STATION/ NAME=CPU;
11 SCHED=PS;
12 SERVICE(C1)=BEGIN
13 CST(8.52);
14 D := UNIFORM(0., 6.);
15 FOR I := 1 STEP 1 UNTIL 4 DO
16 IF D <= PROF1(I) THEN TRANSIT(QDISC(I));
17 C:=R(1).FIRST;
18 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
19 TRANSIT(C,OUT);
20 IF D <= 5.6 THEN TRANSIT(TERMINAL,C1)
21 ELSE TRANSIT(TERMINAL,C2);
22 END;
23 SERVICE(C2)=BEGIN
24 CST(12.);
221
25 D := UNIFORM(0., 11.);
26 FOR I := 1 STEP 1 UNTIL 4 DO
27 IF D <= PROF2(I) THEN TRANSIT(QDISC(I));
28 C:=R(2).FIRST;
29 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
30 TRANSIT(C,OUT);
31 IF D <= 10.6 THEN TRANSIT(TERMINAL,C1)
32 ELSE TRANSIT(TERMINAL,C2);
33 END;
34 /STATION/ NAME=QDISC;
35 SERVICE=BEGIN
36 P(SDISC(M));
37 P(SUC,2);
38 V(SUC);
39 TRANSIT(DISC(M));
40 END;
41 /STATION/ NAME=SDISC;
42 TYPE=SEMAPHORE;
43 /STATION/ NAME=DISC;
44 SERVICE=BEGIN
45 HEXP(SK(M),0.5);
46 UNIFORM(0.,TAU);
47 WHILE UC.NB > 0 DO CST(TAU);
48 TRANSIT(NEW(CUSTOMER),UC);
49 CST(TF);
50 V(SDISC(M));
51 TRANSIT(CPU);
52 END;
53 /STATION/ NAME=UC;
54 SERVICE=BEGIN
55 P(SUC,1);
56 CST(TF);
57 V(SUC);
58 TRANSIT(OUT);
59 END;
60 /STATION/ NAME=SUC;
61 TYPE=SEMAPHORE;
62 /STATION/ NAME=TERMINAL;
63 TYPE=INFINITE;
64 INIT(C1)=6*N/10;
65 INIT(C2)=4*N/10;
66 SERVICE(C1)=BEGIN
67 EXP(30000.);
68 TRANSIT(NEW(CUSTOMER),R(1),C1);
69 END;
70 SERVICE(C2)=BEGIN
71 EXP(60000.);
72 TRANSIT(NEW(CUSTOMER),R(2),C2);
73 END;
74 TRANSIT=CPU;
75 /CONTROL/ TMAX=5000000.;
76 CLASS=ALL QUEUE;
77 ACCURACY=R;
78 /EXEC/ BEGIN
79 TAU:=60.*1000./VR;
80 TF:=TAU/10.;
81 FOR I:=1 STEP 1 UNTIL 4 DO
82 BEGIN
83 DISC(I).M:=I;
84 QDISC(I).M:=I;
85 END;
86 FOR N:=150 STEP 150 UNTIL 750 DO
87 BEGIN
88 PRINT("NUMERO DE USUARIOS =",N);
89 SIMUL;
90 TR1:=MCUSTNB(CPU,C1);
91 TR2:=MCUSTNB(CPU,C2);
92 FOR I:= 1 STEP 1 UNTIL 4 DO
93 BEGIN
222
94 TR1:=TR1+MCUSTNB(DISC(I),C1)+MCUSTNB(QDISC(I),C1);
95 TR2:=TR2+MCUSTNB(DISC(I),C2)+MCUSTNB(QDISC(I),C2);
96 END;
97 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
98 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
99 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
100 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
101 END;
102 END;

NUMERO DE USUARIOS = 150


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.2963 *0.3868 * 13.60 * 142170*
*(C1 )* 8.524 *0.1100 *0.1429 * 11.07 * 64511*
*(C2 )* 12.00 *0.1864 *0.2440 * 15.71 * 77659*
* * * * * * *
* QDISC 1 * 2.565 *0.1653E-01*0.1836E-01* 2.850 * 32221*
*(C1 )* 2.694 *0.1167E-01*0.1307E-01* 3.016 * 21660*
*(C2 )* 2.300 *0.4857E-02*0.5298E-02* 2.508 * 10561*
* * * * * * *
* QDISC 2 * 2.071 *0.1260E-01*0.1358E-01* 2.232 * 30424*
*(C1 )* 2.149 *0.6964E-02*0.7553E-02* 2.331 * 16204*
*(C2 )* 1.983 *0.5639E-02*0.6028E-02* 2.120 * 14220*
* * * * * * *
* QDISC 3 * 1.936 *0.1232E-01*0.1318E-01* 2.070 * 31829*
*(C1 )* 1.986 *0.4214E-02*0.4555E-02* 2.147 * 10606*
*(C2 )* 1.910 *0.8109E-02*0.8620E-02* 2.031 * 21223*
* * * * * * *
* QDISC 4 * 1.749 *0.1049E-01*0.1141E-01* 1.903 * 29985*
*(C1 )* 1.751 *0.1874E-02*0.1992E-02* 1.862 * 5351*
*(C2 )* 1.748 *0.8614E-02*0.9418E-02* 1.912 * 24634*
* * * * * * *
* DISC 1 * 23.72 *0.1529 *0.1529 * 23.72 * 32221*
*(C1 )* 23.77 *0.1030 *0.1030 * 23.77 * 21660*
*(C2 )* 23.62 *0.4989E-01*0.4989E-01* 23.62 * 10561*
* * * * * * *
* DISC 2 * 22.58 *0.1374 *0.1374 * 22.58 * 30424*
*(C1 )* 22.59 *0.7323E-01*0.7322E-01* 22.59 * 16204*
*(C2 )* 22.56 *0.6416E-01*0.6416E-01* 22.56 * 14220*
* * * * * * *
* DISC 3 * 21.66 *0.1379 *0.1379 * 21.66 * 31829*
*(C1 )* 21.75 *0.4613E-01*0.4613E-01* 21.75 * 10606*
*(C2 )* 21.61 *0.9173E-01*0.9173E-01* 21.61 * 21223*
* * * * * * *
* DISC 4 * 20.60 *0.1236 *0.1236 * 20.60 * 29985*
*(C1 )* 20.52 *0.2196E-01*0.2196E-01* 20.52 * 5351*
*(C2 )* 20.62 *0.1016 *0.1016 * 20.62 * 24634*
* * * * * * *
* SDISC 1 *0.0000E+00*0.0000E+00*0.1638E-01* 15.37 * 5327*
*(C1 )*0.0000E+00*0.0000E+00*0.1157E-01* 15.80 * 3663*
*(C2 )*0.0000E+00*0.0000E+00*0.4801E-02* 14.43 * 1664*
* * * * * * *
* SDISC 2 *0.0000E+00*0.0000E+00*0.1247E-01* 14.21 * 4387*
*(C1 )*0.0000E+00*0.0000E+00*0.6898E-02* 14.69 * 2347*
*(C2 )*0.0000E+00*0.0000E+00*0.5567E-02* 13.65 * 2040*
* * * * * * *
* SDISC 3 *0.0000E+00*0.0000E+00*0.1217E-01* 13.14 * 4628*
*(C1 )*0.0000E+00*0.0000E+00*0.4167E-02* 13.61 * 1531*
*(C2 )*0.0000E+00*0.0000E+00*0.7999E-02* 12.91 * 3097*
* * * * * * *
* SDISC 4 *0.0000E+00*0.0000E+00*0.1034E-01* 12.72 * 4065*
*(C1 )*0.0000E+00*0.0000E+00*0.1848E-02* 12.82 * 721*
223
*(C2 )*0.0000E+00*0.0000E+00*0.8492E-02* 12.70 * 3344*
* * * * * * *
* UC * 1.668 *0.4152E-01*0.4152E-01* 1.668 * 124459*
*(C1 )* 1.666 *0.1794E-01*0.1794E-01* 1.666 * 53821*
*(C2 )* 1.666 *0.2353E-01*0.2353E-01* 1.666 * 70638*
* * * * * * *
* SUC *0.0000E+00*0.0000E+00*0.5943E-03*0.7392 * 4020*
*(C1 )*0.0000E+00*0.0000E+00*0.2346E-03*0.7307 * 1605*
*(C2 )*0.0000E+00*0.0000E+00*0.3597E-03*0.7448 * 2415*
* * * * * * *
* TERMINAL *0.4170E+05*0.0000E+00* 149.0 *0.4170E+05* 17711*
*(C1 )*0.2997E+05*0.0000E+00* 64.44 *0.2997E+05* 10690*
*(C2 )*0.5956E+05*0.0000E+00* 84.57 *0.5956E+05* 7021*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00*0.4143 * 193.8 * 10690*
* +/- *0.0000E+00*0.0000E+00*0.1475E-01* 4.638 * *
*(C1 )*0.0000E+00*0.0000E+00*0.4143 * 193.8 * 10690*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00*0.5807 * 413.6 * 7021*
* +/- *0.0000E+00*0.0000E+00*0.2421E-01* 11.88 * *
*(C2 )*0.0000E+00*0.0000E+00*0.5807 * 413.6 * 7021*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 20218 WORDS OF 4 BYTES
( 0.81 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 193.8
RESPONSE TIME OF CLASS C2 = 413.6

NUMERO DE USUARIOS = 300


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.5977 * 1.285 * 22.40 * 286758*
*(C1 )* 8.512 *0.2214 *0.4725 * 18.18 * 129969*
*(C2 )* 12.00 *0.3763 *0.8121 * 25.90 * 156789*
* * * * * * *
* QDISC 1 * 5.543 *0.7193E-01*0.9080E-01* 6.997 * 64878*
*(C1 )* 5.806 *0.5048E-01*0.6421E-01* 7.385 * 43473*
*(C2 )* 5.010 *0.2145E-01*0.2659E-01* 6.210 * 21405*
* * * * * * *
* QDISC 2 * 4.514 *0.5489E-01*0.6611E-01* 5.436 * 60805*
*(C1 )* 4.747 *0.3073E-01*0.3717E-01* 5.743 * 32366*
*(C2 )* 4.249 *0.2417E-01*0.2894E-01* 5.088 * 28439*
* * * * * * *
* QDISC 3 * 4.315 *0.5577E-01*0.6725E-01* 5.203 * 64625*
*(C1 )* 4.549 *0.1987E-01*0.2408E-01* 5.513 * 21838*
*(C2 )* 4.195 *0.3590E-01*0.4318E-01* 5.046 * 42787*
* * * * * * *
* QDISC 4 * 3.604 *0.4383E-01*0.5092E-01* 4.187 * 60816*
*(C1 )* 3.871 *0.8308E-02*0.9644E-02* 4.493 * 10732*
*(C2 )* 3.547 *0.3552E-01*0.4128E-01* 4.121 * 50084*
* * * * * * *
* DISC 1 * 24.12 *0.3130 *0.3130 * 24.12 * 64878*
*(C1 )* 24.13 *0.2098 *0.2098 * 24.13 * 43473*
*(C2 )* 24.09 *0.1031 *0.1031 * 24.09 * 21405*
* * * * * * *
* DISC 2 * 23.21 *0.2822 *0.2822 * 23.21 * 60805*
*(C1 )* 23.25 *0.1505 *0.1505 * 23.25 * 32366*
*(C2 )* 23.16 *0.1317 *0.1317 * 23.16 * 28439*
* * * * * * *
224
* DISC 3 * 22.11 *0.2857 *0.2857 * 22.11 * 64625*
*(C1 )* 22.07 *0.9638E-01*0.9638E-01* 22.07 * 21838*
*(C2 )* 22.13 *0.1894 *0.1894 * 22.13 * 42787*
* * * * * * *
* DISC 4 * 21.17 *0.2574 *0.2574 * 21.17 * 60816*
*(C1 )* 21.10 *0.4529E-01*0.4529E-01* 21.10 * 10732*
*(C2 )* 21.18 *0.2121 *0.2121 * 21.18 * 50084*
* * * * * * *
* SDISC 1 *0.0000E+00*0.0000E+00*0.7141E-01* 17.06 * 20931*
*(C1 )*0.0000E+00*0.0000E+00*0.5014E-01* 17.31 * 14480*
*(C2 )*0.0000E+00*0.0000E+00*0.2127E-01* 16.48 * 6451*
* * * * * * *
* SDISC 2 *0.0000E+00*0.0000E+00*0.5438E-01* 15.85 * 17149*
*(C1 )*0.0000E+00*0.0000E+00*0.3045E-01* 16.12 * 9448*
*(C2 )*0.0000E+00*0.0000E+00*0.2392E-01* 15.53 * 7701*
* * * * * * *
* SDISC 3 *0.0000E+00*0.0000E+00*0.5522E-01* 14.89 * 18545*
*(C1 )*0.0000E+00*0.0000E+00*0.1970E-01* 15.11 * 6519*
*(C2 )*0.0000E+00*0.0000E+00*0.3552E-01* 14.77 * 12026*
* * * * * * *
* SDISC 4 *0.0000E+00*0.0000E+00*0.4330E-01* 13.76 * 15735*
*(C1 )*0.0000E+00*0.0000E+00*0.8219E-02* 14.27 * 2879*
*(C2 )*0.0000E+00*0.0000E+00*0.3508E-01* 13.65 * 12856*
* * * * * * *
* UC * 1.664 *0.8357E-01*0.8358E-01* 1.664 * 251124*
*(C1 )* 1.667 *0.3615E-01*0.3615E-01* 1.667 * 108409*
*(C2 )* 1.668 *0.4762E-01*0.4762E-01* 1.668 * 142715*
* * * * * * *
* SUC *0.0000E+00*0.0000E+00*0.2103E-02*0.6548 * 16062*
*(C1 )*0.0000E+00*0.0000E+00*0.8689E-03*0.6429 * 6757*
*(C2 )*0.0000E+00*0.0000E+00*0.1234E-02*0.6633 * 9305*
* * * * * * *
* TERMINAL *0.4131E+05*0.0000E+00* 297.3 *0.4131E+05* 35634*
*(C1 )*0.2966E+05*0.0000E+00* 128.7 *0.2966E+05* 21560*
*(C2 )*0.5915E+05*0.0000E+00* 168.6 *0.5915E+05* 14074*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 1.110 * 257.3 * 21560*
* +/- *0.0000E+00*0.0000E+00*0.3306E-01* 5.692 * *
*(C1 )*0.0000E+00*0.0000E+00* 1.110 * 257.3 * 21560*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 1.588 * 564.3 * 14074*
* +/- *0.0000E+00*0.0000E+00*0.6595E-01* 16.94 * *
*(C2 )*0.0000E+00*0.0000E+00* 1.588 * 564.3 * 14074*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 29038 WORDS OF 4 BYTES
( 1.16 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 257.3
RESPONSE TIME OF CLASS C2 = 564.3

NUMERO DE USUARIOS = 450


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.8704 * 5.643 * 67.61 * 417354*
*(C1 )* 8.508 *0.3214 * 2.081 * 55.16 * 188637*
*(C2 )* 12.00 *0.5490 * 3.563 * 77.89 * 228717*
* * * * * * *
* QDISC 1 * 8.642 *0.1626 *0.2378 * 12.64 * 94064*
*(C1 )* 8.863 *0.1112 *0.1644 * 13.10 * 62752*
225
*(C2 )* 8.200 *0.5135E-01*0.7341E-01* 11.72 * 31312*
* * * * * * *
* QDISC 2 * 7.169 *0.1269 *0.1722 * 9.732 * 88491*
*(C1 )* 7.393 *0.6968E-01*0.9564E-01* 10.15 * 47131*
*(C2 )* 6.913 *0.5719E-01*0.7659E-01* 9.259 * 41360*
* * * * * * *
* QDISC 3 * 6.858 *0.1284 *0.1738 * 9.280 * 93620*
*(C1 )* 7.211 *0.4553E-01*0.6178E-01* 9.785 * 31568*
*(C2 )* 6.678 *0.8288E-01*0.1120 * 9.022 * 62052*
* * * * * * *
* QDISC 4 * 5.607 *0.9957E-01*0.1276 * 7.187 * 88795*
*(C1 )* 6.081 *0.1912E-01*0.2456E-01* 7.811 * 15722*
*(C2 )* 5.505 *0.8045E-01*0.1031 * 7.052 * 73073*
* * * * * * *
* DISC 1 * 24.67 *0.4642 *0.4642 * 24.67 * 94064*
*(C1 )* 24.67 *0.3096 *0.3096 * 24.67 * 62752*
*(C2 )* 24.68 *0.1546 *0.1546 * 24.68 * 31312*
* * * * * * *
* DISC 2 * 23.76 *0.4205 *0.4205 * 23.76 * 88490*
*(C1 )* 23.74 *0.2238 *0.2238 * 23.74 * 47131*
*(C2 )* 23.78 *0.1967 *0.1967 * 23.78 * 41359*
* * * * * * *
* DISC 3 * 22.70 *0.4251 *0.4251 * 22.70 * 93620*
*(C1 )* 22.65 *0.1430 *0.1430 * 22.65 * 31568*
*(C2 )* 22.73 *0.2821 *0.2821 * 22.73 * 62052*
* * * * * * *
* DISC 4 * 21.69 *0.3851 *0.3851 * 21.69 * 88795*
*(C1 )* 21.78 *0.6850E-01*0.6850E-01* 21.78 * 15722*
*(C2 )* 21.67 *0.3166 *0.3166 * 21.67 * 73073*
* * * * * * *
* SDISC 1 *0.0000E+00*0.0000E+00*0.1618 * 18.74 * 43165*
*(C1 )*0.0000E+00*0.0000E+00*0.1107 * 18.82 * 29409*
*(C2 )*0.0000E+00*0.0000E+00*0.5106E-01* 18.56 * 13756*
* * * * * * *
* SDISC 2 *0.0000E+00*0.0000E+00*0.1260 * 17.45 * 36104*
*(C1 )*0.0000E+00*0.0000E+00*0.6922E-01* 17.59 * 19676*
*(C2 )*0.0000E+00*0.0000E+00*0.5676E-01* 17.27 * 16428*
* * * * * * *
* SDISC 3 *0.0000E+00*0.0000E+00*0.1275 * 16.56 * 38498*
*(C1 )*0.0000E+00*0.0000E+00*0.4523E-01* 16.86 * 13413*
*(C2 )*0.0000E+00*0.0000E+00*0.8228E-01* 16.40 * 25085*
* * * * * * *
* SDISC 4 *0.0000E+00*0.0000E+00*0.9863E-01* 15.25 * 32332*
*(C1 )*0.0000E+00*0.0000E+00*0.1895E-01* 15.72 * 6030*
*(C2 )*0.0000E+00*0.0000E+00*0.7968E-01* 15.15 * 26302*
* * * * * * *
* UC * 1.666 *0.1216 *0.1216 * 1.666 * 364969*
*(C1 )* 1.669 *0.5245E-01*0.5246E-01* 1.669 * 157173*
*(C2 )* 1.666 *0.6922E-01*0.6923E-01* 1.666 * 207796*
* * * * * * *
* SUC *0.0000E+00*0.0000E+00*0.3560E-02*0.5916 * 30091*
*(C1 )*0.0000E+00*0.0000E+00*0.1466E-02*0.5732 * 12788*
*(C2 )*0.0000E+00*0.0000E+00*0.2094E-02*0.6052 * 17303*
* * * * * * *
* TERMINAL *0.4175E+05*0.0000E+00* 442.0 *0.4175E+05* 52386*
*(C1 )*0.2980E+05*0.0000E+00* 188.5 *0.2980E+05* 31464*
*(C2 )*0.5972E+05*0.0000E+00* 253.4 *0.5972E+05* 20922*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 3.172 * 504.1 * 31464*
* +/- *0.0000E+00*0.0000E+00*0.3049 * 44.56 * *
*(C1 )*0.0000E+00*0.0000E+00* 3.172 * 504.1 * 31464*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 4.878 * 1166. * 20919*
* +/- *0.0000E+00*0.0000E+00*0.4612 * 113.9 * *
*(C2 )*0.0000E+00*0.0000E+00* 4.878 * 1166. * 20919*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...

226

MEMORY USED: 38093 WORDS OF 4 BYTES
( 1.52 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 504.1
RESPONSE TIME OF CLASS C2 = 1166.

NUMERO DE USUARIOS = 600


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.42 *0.9998 * 90.56 * 944.7 * 479296*
*(C1 )* 8.507 *0.3686 * 33.30 * 769.7 * 216305*
*(C2 )* 12.00 *0.6312 * 57.26 * 1089. * 262991*
* * * * * * *
* QDISC 1 * 10.45 *0.2247 *0.3581 * 16.65 * 107563*
*(C1 )* 10.38 *0.1494 *0.2388 * 16.59 * 71966*
*(C2 )* 10.58 *0.7532E-01*0.1193 * 16.76 * 35597*
* * * * * * *
* QDISC 2 * 8.891 *0.1815 *0.2692 * 13.19 * 102099*
*(C1 )* 8.951 *0.9712E-01*0.1442 * 13.29 * 54253*
*(C2 )* 8.822 *0.8442E-01*0.1251 * 13.07 * 47846*
* * * * * * *
* QDISC 3 * 8.496 *0.1834 *0.2721 * 12.60 * 107931*
*(C1 )* 8.711 *0.6282E-01*0.9340E-01* 12.95 * 36059*
*(C2 )* 8.388 *0.1206 *0.1787 * 12.43 * 71872*
* * * * * * *
* QDISC 4 * 6.927 *0.1407 *0.1936 * 9.536 * 101527*
*(C1 )* 7.427 *0.2643E-01*0.3664E-01* 10.30 * 17792*
*(C2 )* 6.821 *0.1142 *0.1570 * 9.374 * 83735*
* * * * * * *
* DISC 1 * 25.09 *0.5398 *0.5399 * 25.09 * 107563*
*(C1 )* 25.14 *0.3619 *0.3619 * 25.14 * 71966*
*(C2 )* 25.00 *0.1780 *0.1780 * 25.00 * 35597*
* * * * * * *
* DISC 2 * 24.08 *0.4916 *0.4916 * 24.08 * 102098*
*(C1 )* 24.06 *0.2611 *0.2611 * 24.06 * 54253*
*(C2 )* 24.09 *0.2305 *0.2305 * 24.09 * 47845*
* * * * * * *
* DISC 3 * 23.01 *0.4967 *0.4967 * 23.01 * 107930*
*(C1 )* 23.10 *0.1666 *0.1666 * 23.10 * 36059*
*(C2 )* 22.96 *0.3301 *0.3301 * 22.96 * 71871*
* * * * * * *
* DISC 4 * 22.03 *0.4474 *0.4474 * 22.03 * 101527*
*(C1 )* 22.06 *0.7851E-01*0.7851E-01* 22.06 * 17792*
*(C2 )* 22.03 *0.3689 *0.3689 * 22.03 * 83735*
* * * * * * *
* SDISC 1 *0.0000E+00*0.0000E+00*0.2238 * 19.80 * 56497*
*(C1 )*0.0000E+00*0.0000E+00*0.1488 * 19.79 * 37588*
*(C2 )*0.0000E+00*0.0000E+00*0.7502E-01* 19.84 * 18909*
* * * * * * *
* SDISC 2 *0.0000E+00*0.0000E+00*0.1805 * 18.53 * 48728*
*(C1 )*0.0000E+00*0.0000E+00*0.9660E-01* 18.56 * 26017*
*(C2 )*0.0000E+00*0.0000E+00*0.8395E-01* 18.48 * 22711*
* * * * * * *
* SDISC 3 *0.0000E+00*0.0000E+00*0.1823 * 17.65 * 51645*
*(C1 )*0.0000E+00*0.0000E+00*0.6247E-01* 17.80 * 17544*
*(C2 )*0.0000E+00*0.0000E+00*0.1199 * 17.58 * 34101*
* * * * * * *
* SDISC 4 *0.0000E+00*0.0000E+00*0.1396 * 16.32 * 42752*
*(C1 )*0.0000E+00*0.0000E+00*0.2624E-01* 16.80 * 7811*
*(C2 )*0.0000E+00*0.0000E+00*0.1133 * 16.22 * 34941*
* * * * * * *
* UC * 1.669 *0.1399 *0.1399 * 1.669 * 419118*
227
*(C1 )* 1.667 *0.6004E-01*0.6004E-01* 1.667 * 180070*
*(C2 )* 1.664 *0.7958E-01*0.7958E-01* 1.664 * 239048*
* * * * * * *
* SUC *0.0000E+00*0.0000E+00*0.4075E-02*0.5776 * 35275*
*(C1 )*0.0000E+00*0.0000E+00*0.1702E-02*0.5608 * 15175*
*(C2 )*0.0000E+00*0.0000E+00*0.2372E-02*0.5902 * 20100*
* * * * * * *
* TERMINAL *0.4160E+05*0.0000E+00* 506.4 *0.4160E+05* 60260*
*(C1 )*0.2973E+05*0.0000E+00* 217.1 *0.2973E+05* 36266*
*(C2 )*0.5953E+05*0.0000E+00* 289.3 *0.5953E+05* 23994*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 34.68 * 4782. * 36235*
* +/- *0.0000E+00*0.0000E+00* 1.963 * 313.6 * *
*(C1 )*0.0000E+00*0.0000E+00* 34.68 * 4782. * 36235*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 58.95 *0.1229E+05* 23941*
* +/- *0.0000E+00*0.0000E+00* 3.997 * 935.5 * *
*(C2 )*0.0000E+00*0.0000E+00* 58.95 *0.1229E+05* 23941*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 51054 WORDS OF 4 BYTES
( 2.04 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 4781.
RESPONSE TIME OF CLASS C2 = 0.1228E+05

NUMERO DE USUARIOS = 750


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 5000037.00 , NB SAMPLES = 513 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* CPU * 10.41 *0.9999 * 242.0 * 2522. * 479533*
*(C1 )* 8.507 *0.3704 * 89.28 * 2054. * 217349*
*(C2 )* 12.00 *0.6294 * 152.7 * 2912. * 262184*
* * * * * * *
* QDISC 1 * 10.62 *0.2293 *0.3722 * 17.24 * 107930*
*(C1 )* 10.61 *0.1535 *0.2501 * 17.28 * 72385*
*(C2 )* 10.65 *0.7571E-01*0.1221 * 17.17 * 35545*
* * * * * * *
* QDISC 2 * 8.948 *0.1822 *0.2725 * 13.38 * 101808*
*(C1 )* 9.006 *0.9772E-01*0.1457 * 13.43 * 54254*
*(C2 )* 8.882 *0.8447E-01*0.1268 * 13.33 * 47554*
* * * * * * *
* QDISC 3 * 8.553 *0.1846 *0.2744 * 12.71 * 107926*
*(C1 )* 8.766 *0.6347E-01*0.9480E-01* 13.09 * 36206*
*(C2 )* 8.446 *0.1212 *0.1796 * 12.52 * 71720*
* * * * * * *
* QDISC 4 * 7.054 *0.1433 *0.1994 * 9.816 * 101564*
*(C1 )* 7.461 *0.2687E-01*0.3730E-01* 10.36 * 18008*
*(C2 )* 6.966 *0.1164 *0.1621 * 9.700 * 83556*
* * * * * * *
* DISC 1 * 25.14 *0.5426 *0.5426 * 25.14 * 107929*
*(C1 )* 25.13 *0.3638 *0.3638 * 25.13 * 72385*
*(C2 )* 25.15 *0.1788 *0.1788 * 25.15 * 35544*
* * * * * * *
* DISC 2 * 24.09 *0.4904 *0.4905 * 24.09 * 101808*
*(C1 )* 24.10 *0.2615 *0.2615 * 24.10 * 54254*
*(C2 )* 24.07 *0.2289 *0.2289 * 24.07 * 47554*
* * * * * * *
* DISC 3 * 23.03 *0.4971 *0.4971 * 23.03 * 107926*
*(C1 )* 23.02 *0.1667 *0.1667 * 23.02 * 36206*
*(C2 )* 23.04 *0.3304 *0.3304 * 23.04 * 71720*
228
* * * * * * *
* DISC 4 * 22.10 *0.4489 *0.4489 * 22.10 * 101563*
*(C1 )* 22.15 *0.7976E-01*0.7977E-01* 22.15 * 18008*
*(C2 )* 22.09 *0.3691 *0.3691 * 22.09 * 83555*
* * * * * * *
* SDISC 1 *0.0000E+00*0.0000E+00*0.2283 * 19.98 * 57139*
*(C1 )*0.0000E+00*0.0000E+00*0.1529 * 19.95 * 38328*
*(C2 )*0.0000E+00*0.0000E+00*0.7541E-01* 20.04 * 18811*
* * * * * * *
* SDISC 2 *0.0000E+00*0.0000E+00*0.1812 * 18.61 * 48704*
*(C1 )*0.0000E+00*0.0000E+00*0.9721E-01* 18.61 * 26117*
*(C2 )*0.0000E+00*0.0000E+00*0.8402E-01* 18.60 * 22587*
* * * * * * *
* SDISC 3 *0.0000E+00*0.0000E+00*0.1836 * 17.72 * 51820*
*(C1 )*0.0000E+00*0.0000E+00*0.6313E-01* 17.78 * 17757*
*(C2 )*0.0000E+00*0.0000E+00*0.1205 * 17.69 * 34063*
* * * * * * *
* SDISC 4 *0.0000E+00*0.0000E+00*0.1422 * 16.48 * 43137*
*(C1 )*0.0000E+00*0.0000E+00*0.2669E-01* 16.77 * 7957*
*(C2 )*0.0000E+00*0.0000E+00*0.1155 * 16.42 * 35180*
* * * * * * *
* UC * 1.669 *0.1399 *0.1399 * 1.669 * 419226*
*(C1 )* 1.667 *0.6030E-01*0.6030E-01* 1.667 * 180853*
*(C2 )* 1.664 *0.7935E-01*0.7935E-01* 1.664 * 238373*
* * * * * * *
* SUC *0.0000E+00*0.0000E+00*0.3964E-02*0.5706 * 34736*
*(C1 )*0.0000E+00*0.0000E+00*0.1650E-02*0.5574 * 14798*
*(C2 )*0.0000E+00*0.0000E+00*0.2314E-02*0.5804 * 19938*
* * * * * * *
* TERMINAL *0.4132E+05*0.0000E+00* 504.9 *0.4132E+05* 60539*
*(C1 )*0.2984E+05*0.0000E+00* 219.6 *0.2984E+05* 36583*
*(C2 )*0.5886E+05*0.0000E+00* 285.4 *0.5886E+05* 23956*
* * * * * * *
* R 1 *0.0000E+00*0.0000E+00* 90.68 *0.1240E+05* 36496*
* +/- *0.0000E+00*0.0000E+00* 2.499 * 879.9 * *
*(C1 )*0.0000E+00*0.0000E+00* 90.68 *0.1240E+05* 36496*
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00* 154.4 *0.3224E+05* 23809*
* +/- *0.0000E+00*0.0000E+00* 5.857 * 1275. * *
*(C2 )*0.0000E+00*0.0000E+00* 154.4 *0.3224E+05* 23809*
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 67334 WORDS OF 4 BYTES
( 2.69 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1239E+05
RESPONSE TIME OF CLASS C2 = 0.3222E+05

103 /END/

Puede observarse que los resultados de los tres modelos son muy similares normalmente
siempre dentro de los intervalos de confianza. El modelo analtico es ligeramente pesimista
en particular para un nmero reducido de terminales. La diferencia fundamental reside en el
tiempo de clculo que vara de pocos segundos en el modelo analtico a horas en los de
simulacin.
2.2.2.3.2. Con poltica FIFO
En este caso el clculo del tiempo de resolucin de conflictos se efecta tal como explica el
apartado 2.1.2.1.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


229
1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR1,TR2;
5 REAL SD(4),VP,VPN,LT,TF,VR=3600,TAU,UC,TUC,AC,R(0:6),
6 PR(6),X,Y,W,WN,POL,DER,SK(4)=(13.,12.,11.,10.);
7 REAL EPS,DELTA;
8 CLASS C1,C2;
9 INTEGER I,N;
10 /STATION/ NAME=CPU;
11 SCHED=PS;
12 SERVICE(C1)=CST(8.52);
13 SERVICE(C2)=CST(12.);
14 TRANSIT(C1)=DISC,PROB1,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
15 TRANSIT(C2)=DISC,PROB2,TERMINAL,C1,0.6,TERMINAL,C2,0.4;
16 /STATION/ NAME=DISC;
17 TRANSIT=CPU;
18 /STATION/ NAME=DISC(1);
19 SERVICE=EXP(SD(1));
20 /STATION/ NAME=DISC(2);
21 SERVICE=EXP(SD(2));
22 /STATION/ NAME=DISC(3);
23 SERVICE=EXP(SD(3));
24 /STATION/ NAME=DISC(4);
25 SERVICE=EXP(SD(4));
26 /STATION/ NAME=TERMINAL;
27 TYPE=INFINITE;
28 INIT(C1)=N;
29 SERVICE(C1)=EXP(30000.);
30 SERVICE(C2)=EXP(60000.);
31 TRANSIT=CPU;
32 /CONTROL/ CLASS=ALL QUEUE;
33 /EXEC/ BEGIN
34 TAU:=60.*1000./VR;
35 TF:=TAU/10.;
36 LT:=TAU/2.;
37 FOR N:=150 STEP 150 UNTIL 750 DO
38 BEGIN
39 PRINT("NUMERO DE USUARIOS =",N);
40 EPS := 1.;
41 W := 0.;
42 WHILE ABS(EPS) > 1.E-4 DO
43 BEGIN
44 FOR I := 1 STEP 1 UNTIL 4 DO SD(I) := SK(I) + W + L
==> T + TF;
45 PRINT;
46 SOLVE;
47 UC := 0.;
48 AC := 0.;
49 FOR I := 1 STEP 1 UNTIL 4 DO BEGIN
50 UC := UC + MTHRUPUT(DISC(I))*(LT + TF);
51 AC := AC + MTHRUPUT(DISC(I));
52 END;
53 TUC := UC/AC;
54 R(0) := 1.;
55 FOR I := 1 STEP 1 UNTIL 4 DO BEGIN
56 R(I) := R(I - 1) * (5 - I);
57 PR(I) := I * R(I);
58 END;
59 R(0) := -UC/(1 - UC);
60 X := 1.;
61 DELTA := 1.;
62 WHILE ABS(DELTA) > 1.E-4 DO BEGIN
63 POL := R(4);
64 DER := PR(4);
65 FOR I := 3 STEP -1 UNTIL 1 DO BEGIN
66 POL := POL * X + R(I);
67 DER := DER * X + PR(I);
68 END;
230
69 POL := POL * X + R(0);
70 Y := X - POL/DER;
71 DELTA := (Y - X)/Y;
72 X := Y;
73 END;
74 R(0) := 1.;
75 FOR I := 1 STEP 1 UNTIL 4 DO BEGIN
76 R(I) := R(I - 1) * (5 - I) * Y;
77 END;
78 POL := 0.;
79 FOR I := 4 STEP -1 UNTIL 0 DO BEGIN
80 POL := POL + R(I);
81 END;
82 POL := 1/POL;
83 DER := 0.;
84 FOR I := 4 STEP -1 UNTIL 0 DO BEGIN
85 R(I) := R(I) * POL;
86 DER := DER + I * R(I);
87 END;
88 WN := DER/AC - TUC;
89 EPS := (W - WN)/WN;
90 W := WN;
91 END;
92 TR1:=MCUSTNB(CPU,C1);
93 TR2:=MCUSTNB(CPU,C2);
94 FOR I:= 1 STEP 1 UNTIL 4 DO
95 BEGIN
96 TR1:=TR1+MCUSTNB(DISC(I),C1);
97 TR2:=TR2+MCUSTNB(DISC(I),C2);
98 END;
99 TR1:=TR1/MTHRUPUT(TERMINAL,C1);
100 TR2:=TR2/MTHRUPUT(TERMINAL,C2);;
101 PRINT("RESPONSE TIME OF CLASS C1 =",TR1);
102 PRINT("RESPONSE TIME OF CLASS C2 =",TR2);
103 END;
104 END;

NUMERO DE USUARIOS = 150


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2960 *0.4189 * 14.76 *0.2837E-01*
*(C1 )* 8.520 *0.1088 *0.1539 * 12.06 *0.1277E-01*
*(C2 )* 12.00 *0.1873 *0.2650 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 23.00 *0.1468 *0.1719 * 26.92 *0.6384E-02*
*(C1 )* 23.00 *0.9790E-01*0.1146 * 26.92 *0.4257E-02*
*(C2 )* 23.00 *0.4894E-01*0.5729E-01* 26.92 *0.2128E-02*
* * * * * * *
* DISC 2 * 22.00 *0.1326 *0.1528 * 25.33 *0.6029E-02*
*(C1 )* 22.00 *0.7023E-01*0.8088E-01* 25.33 *0.3192E-02*
*(C2 )* 22.00 *0.6242E-01*0.7188E-01* 25.33 *0.2837E-02*
* * * * * * *
* DISC 3 * 21.00 *0.1341 *0.1546 * 24.22 *0.6384E-02*
*(C1 )* 21.00 *0.4469E-01*0.5155E-01* 24.22 *0.2128E-02*
*(C2 )* 21.00 *0.8937E-01*0.1031 * 24.22 *0.4256E-02*
* * * * * * *
* DISC 4 * 20.00 *0.1206 *0.1370 * 22.72 *0.6029E-02*
*(C1 )* 20.00 *0.2128E-01*0.2418E-01* 22.72 *0.1064E-02*
*(C2 )* 20.00 *0.9930E-01*0.1128 * 22.72 *0.4965E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 149.0 *0.4200E+05*0.3547E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.84 *0.3000E+05*0.2128E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.12 *0.6000E+05*0.1419E-02*
* * * * * * *
231
*******************************************************************
MEMORY USED: 9864 WORDS OF 4 BYTES
( 0.39 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2959 *0.4186 * 14.76 *0.2836E-01*
*(C1 )* 8.520 *0.1087 *0.1538 * 12.05 *0.1276E-01*
*(C2 )* 12.00 *0.1872 *0.2648 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 25.12 *0.1603 *0.1906 * 29.87 *0.6381E-02*
*(C1 )* 25.12 *0.1069 *0.1271 * 29.87 *0.4255E-02*
*(C2 )* 25.12 *0.5343E-01*0.6353E-01* 29.87 *0.2127E-02*
* * * * * * *
* DISC 2 * 24.12 *0.1454 *0.1699 * 28.19 *0.6027E-02*
*(C1 )* 24.12 *0.7696E-01*0.8994E-01* 28.19 *0.3191E-02*
*(C2 )* 24.12 *0.6840E-01*0.7993E-01* 28.19 *0.2836E-02*
* * * * * * *
* DISC 3 * 23.12 *0.1475 *0.1728 * 27.09 *0.6381E-02*
*(C1 )* 23.12 *0.4918E-01*0.5762E-01* 27.09 *0.2127E-02*
*(C2 )* 23.12 *0.9835E-01*0.1152 * 27.09 *0.4254E-02*
* * * * * * *
* DISC 4 * 22.12 *0.1333 *0.1536 * 25.49 *0.6026E-02*
*(C1 )* 22.12 *0.2353E-01*0.2711E-01* 25.49 *0.1064E-02*
*(C2 )* 22.12 *0.1098 *0.1265 * 25.49 *0.4963E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 148.9 *0.4200E+05*0.3545E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.81 *0.3000E+05*0.2127E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.08 *0.6000E+05*0.1418E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 10257 WORDS OF 4 BYTES
( 0.41 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.2959 *0.4186 * 14.76 *0.2836E-01*
*(C1 )* 8.520 *0.1087 *0.1538 * 12.05 *0.1276E-01*
*(C2 )* 12.00 *0.1872 *0.2648 * 16.98 *0.1560E-01*
* * * * * * *
* DISC 1 * 25.12 *0.1603 *0.1906 * 29.87 *0.6381E-02*
*(C1 )* 25.12 *0.1069 *0.1271 * 29.87 *0.4255E-02*
*(C2 )* 25.12 *0.5342E-01*0.6353E-01* 29.87 *0.2127E-02*
* * * * * * *
* DISC 2 * 24.12 *0.1454 *0.1699 * 28.18 *0.6027E-02*
*(C1 )* 24.12 *0.7696E-01*0.8993E-01* 28.18 *0.3191E-02*
*(C2 )* 24.12 *0.6840E-01*0.7992E-01* 28.18 *0.2836E-02*
* * * * * * *
* DISC 3 * 23.12 *0.1475 *0.1728 * 27.08 *0.6381E-02*
*(C1 )* 23.12 *0.4918E-01*0.5761E-01* 27.08 *0.2127E-02*
*(C2 )* 23.12 *0.9834E-01*0.1152 * 27.08 *0.4254E-02*
* * * * * * *
* DISC 4 * 22.12 *0.1333 *0.1536 * 25.49 *0.6026E-02*
*(C1 )* 22.12 *0.2353E-01*0.2711E-01* 25.49 *0.1064E-02*
*(C2 )* 22.12 *0.1098 *0.1265 * 25.49 *0.4963E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 148.9 *0.4200E+05*0.3545E-02*
*(C1 )*0.3000E+05*0.0000E+00* 63.81 *0.3000E+05*0.2127E-02*
*(C2 )*0.6000E+05*0.0000E+00* 85.08 *0.6000E+05*0.1418E-02*
* * * * * * *
*******************************************************************
232
MEMORY USED: 10650 WORDS OF 4 BYTES
( 0.43 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 214.2
RESPONSE TIME OF CLASS C2 = 458.3


NUMERO DE USUARIOS = 300


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5905 * 1.426 * 25.19 *0.5659E-01*
*(C1 )* 8.520 *0.2170 *0.5239 * 20.57 *0.2547E-01*
*(C2 )* 12.00 *0.3735 *0.9017 * 28.97 *0.3112E-01*
* * * * * * *
* DISC 1 * 23.00 *0.2929 *0.4134 * 32.46 *0.1273E-01*
*(C1 )* 23.00 *0.1953 *0.2756 * 32.46 *0.8490E-02*
*(C2 )* 23.00 *0.9761E-01*0.1378 * 32.46 *0.4244E-02*
* * * * * * *
* DISC 2 * 22.00 *0.2646 *0.3592 * 29.87 *0.1203E-01*
*(C1 )* 22.00 *0.1401 *0.1902 * 29.87 *0.6367E-02*
*(C2 )* 22.00 *0.1245 *0.1690 * 29.87 *0.5659E-02*
* * * * * * *
* DISC 3 * 21.00 *0.2674 *0.3644 * 28.62 *0.1273E-01*
*(C1 )* 21.00 *0.8914E-01*0.1215 * 28.62 *0.4245E-02*
*(C2 )* 21.00 *0.1783 *0.2429 * 28.62 *0.8488E-02*
* * * * * * *
* DISC 4 * 20.00 *0.2405 *0.3162 * 26.30 *0.1203E-01*
*(C1 )* 20.00 *0.4245E-01*0.5582E-01* 26.30 *0.2122E-02*
*(C2 )* 20.00 *0.1981 *0.2604 * 26.30 *0.9903E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 297.1 *0.4200E+05*0.7074E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.3 *0.3000E+05*0.4245E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.8 *0.6000E+05*0.2830E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 12222 WORDS OF 4 BYTES
( 0.49 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5895 * 1.420 * 25.13 *0.5650E-01*
*(C1 )* 8.520 *0.2166 *0.5219 * 20.52 *0.2543E-01*
*(C2 )* 12.00 *0.3729 *0.8982 * 28.91 *0.3107E-01*
* * * * * * *
* DISC 1 * 27.92 *0.3550 *0.5489 * 43.17 *0.1271E-01*
*(C1 )* 27.92 *0.2367 *0.3659 * 43.17 *0.8476E-02*
*(C2 )* 27.92 *0.1183 *0.1829 * 43.17 *0.4237E-02*
* * * * * * *
* DISC 2 * 26.92 *0.3233 *0.4766 * 39.69 *0.1201E-01*
*(C1 )* 26.92 *0.1712 *0.2523 * 39.69 *0.6357E-02*
*(C2 )* 26.92 *0.1521 *0.2243 * 39.69 *0.5650E-02*
* * * * * * *
* DISC 3 * 25.92 *0.3296 *0.4904 * 38.58 *0.1271E-01*
*(C1 )* 25.92 *0.1099 *0.1635 * 38.58 *0.4238E-02*
*(C2 )* 25.92 *0.2197 *0.3269 * 38.58 *0.8474E-02*
* * * * * * *
* DISC 4 * 24.92 *0.2992 *0.4262 * 35.50 *0.1201E-01*
*(C1 )* 24.92 *0.5282E-01*0.7522E-01* 35.50 *0.2119E-02*
*(C2 )* 24.92 *0.2464 *0.3510 * 35.50 *0.9887E-02*
* * * * * * *
233
* TERMINAL *0.4200E+05*0.0000E+00* 296.6 *0.4200E+05*0.7063E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.1 *0.3000E+05*0.4238E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.5 *0.6000E+05*0.2825E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 12615 WORDS OF 4 BYTES
( 0.50 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5895 * 1.420 * 25.13 *0.5650E-01*
*(C1 )* 8.520 *0.2166 *0.5219 * 20.52 *0.2543E-01*
*(C2 )* 12.00 *0.3729 *0.8982 * 28.91 *0.3107E-01*
* * * * * * *
* DISC 1 * 27.91 *0.3549 *0.5486 * 43.15 *0.1271E-01*
*(C1 )* 27.91 *0.2366 *0.3657 * 43.15 *0.8476E-02*
*(C2 )* 27.91 *0.1183 *0.1828 * 43.15 *0.4237E-02*
* * * * * * *
* DISC 2 * 26.91 *0.3231 *0.4763 * 39.67 *0.1201E-01*
*(C1 )* 26.91 *0.1711 *0.2522 * 39.67 *0.6357E-02*
*(C2 )* 26.91 *0.1521 *0.2241 * 39.67 *0.5650E-02*
* * * * * * *
* DISC 3 * 25.91 *0.3294 *0.4901 * 38.55 *0.1271E-01*
*(C1 )* 25.91 *0.1098 *0.1634 * 38.55 *0.4238E-02*
*(C2 )* 25.91 *0.2196 *0.3267 * 38.55 *0.8474E-02*
* * * * * * *
* DISC 4 * 24.91 *0.2991 *0.4259 * 35.48 *0.1201E-01*
*(C1 )* 24.91 *0.5279E-01*0.7517E-01* 35.48 *0.2119E-02*
*(C2 )* 24.91 *0.2463 *0.3507 * 35.48 *0.9887E-02*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 296.6 *0.4200E+05*0.7063E-02*
*(C1 )*0.3000E+05*0.0000E+00* 127.1 *0.3000E+05*0.4238E-02*
*(C2 )*0.6000E+05*0.0000E+00* 169.5 *0.6000E+05*0.2825E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 13008 WORDS OF 4 BYTES
( 0.52 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 325.3
RESPONSE TIME OF CLASS C2 = 701.8


NUMERO DE USUARIOS = 450


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8763 * 6.438 * 76.66 *0.8399E-01*
*(C1 )* 8.520 *0.3220 * 2.366 * 62.60 *0.3780E-01*
*(C2 )* 12.00 *0.5543 * 4.072 * 88.16 *0.4619E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4347 *0.7667 * 40.57 *0.1890E-01*
*(C1 )* 23.00 *0.2898 *0.5112 * 40.57 *0.1260E-01*
*(C2 )* 23.00 *0.1449 *0.2555 * 40.57 *0.6298E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3926 *0.6451 * 36.14 *0.1785E-01*
*(C1 )* 22.00 *0.2079 *0.3415 * 36.14 *0.9449E-02*
*(C2 )* 22.00 *0.1848 *0.3035 * 36.14 *0.8398E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3968 *0.6564 * 34.74 *0.1890E-01*
*(C1 )* 21.00 *0.1323 *0.2188 * 34.74 *0.6300E-02*
*(C2 )* 21.00 *0.2645 *0.4376 * 34.74 *0.1260E-01*
234
* * * * * * *
* DISC 4 * 20.00 *0.3569 *0.5541 * 31.05 *0.1785E-01*
*(C1 )* 20.00 *0.6300E-01*0.9779E-01* 31.05 *0.3150E-02*
*(C2 )* 20.00 *0.2939 *0.4563 * 31.05 *0.1470E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 440.9 *0.4200E+05*0.1050E-01*
*(C1 )*0.3000E+05*0.0000E+00* 189.0 *0.3000E+05*0.6299E-02*
*(C2 )*0.6000E+05*0.0000E+00* 252.0 *0.6000E+05*0.4199E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 14580 WORDS OF 4 BYTES
( 0.58 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8719 * 6.224 * 74.49 *0.8357E-01*
*(C1 )* 8.520 *0.3204 * 2.287 * 60.82 *0.3761E-01*
*(C2 )* 12.00 *0.5515 * 3.937 * 85.67 *0.4596E-01*
* * * * * * *
* DISC 1 * 31.97 *0.6011 * 1.495 * 79.53 *0.1880E-01*
*(C1 )* 31.97 *0.4007 *0.9970 * 79.53 *0.1254E-01*
*(C2 )* 31.97 *0.2003 *0.4984 * 79.53 *0.6267E-02*
* * * * * * *
* DISC 2 * 30.97 *0.5499 * 1.215 * 68.43 *0.1776E-01*
*(C1 )* 30.97 *0.2912 *0.6433 * 68.43 *0.9402E-02*
*(C2 )* 30.97 *0.2588 *0.5718 * 68.43 *0.8356E-02*
* * * * * * *
* DISC 3 * 29.97 *0.5634 * 1.283 * 68.24 *0.1880E-01*
*(C1 )* 29.97 *0.1878 *0.4277 * 68.24 *0.6268E-02*
*(C2 )* 29.97 *0.3756 *0.8552 * 68.24 *0.1253E-01*
* * * * * * *
* DISC 4 * 28.97 *0.5144 * 1.055 * 59.39 *0.1776E-01*
*(C1 )* 28.97 *0.9078E-01*0.1861 * 59.39 *0.3134E-02*
*(C2 )* 28.97 *0.4236 *0.8684 * 59.39 *0.1462E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 438.7 *0.4200E+05*0.1045E-01*
*(C1 )*0.3000E+05*0.0000E+00* 188.0 *0.3000E+05*0.6268E-02*
*(C2 )*0.6000E+05*0.0000E+00* 250.7 *0.6000E+05*0.4178E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 14973 WORDS OF 4 BYTES
( 0.60 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8720 * 6.227 * 74.51 *0.8357E-01*
*(C1 )* 8.520 *0.3204 * 2.288 * 60.84 *0.3761E-01*
*(C2 )* 12.00 *0.5515 * 3.939 * 85.70 *0.4596E-01*
* * * * * * *
* DISC 1 * 31.89 *0.5996 * 1.486 * 79.04 *0.1880E-01*
*(C1 )* 31.89 *0.3998 *0.9910 * 79.04 *0.1254E-01*
*(C2 )* 31.89 *0.1998 *0.4954 * 79.04 *0.6267E-02*
* * * * * * *
* DISC 2 * 30.89 *0.5485 * 1.208 * 68.04 *0.1776E-01*
*(C1 )* 30.89 *0.2904 *0.6398 * 68.04 *0.9403E-02*
*(C2 )* 30.89 *0.2581 *0.5686 * 68.04 *0.8356E-02*
* * * * * * *
* DISC 3 * 29.89 *0.5620 * 1.275 * 67.83 *0.1880E-01*
*(C1 )* 29.89 *0.1873 *0.4252 * 67.83 *0.6268E-02*
*(C2 )* 29.89 *0.3746 *0.8502 * 67.83 *0.1253E-01*
* * * * * * *
235
* DISC 4 * 28.89 *0.5130 * 1.049 * 59.05 *0.1776E-01*
*(C1 )* 28.89 *0.9054E-01*0.1851 * 59.05 *0.3134E-02*
*(C2 )* 28.89 *0.4224 *0.8636 * 59.05 *0.1462E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 438.8 *0.4200E+05*0.1045E-01*
*(C1 )*0.3000E+05*0.0000E+00* 188.0 *0.3000E+05*0.6268E-02*
*(C2 )*0.6000E+05*0.0000E+00* 250.7 *0.6000E+05*0.4179E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 15366 WORDS OF 4 BYTES
( 0.61 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8720 * 6.227 * 74.51 *0.8357E-01*
*(C1 )* 8.520 *0.3204 * 2.288 * 60.84 *0.3761E-01*
*(C2 )* 12.00 *0.5515 * 3.939 * 85.69 *0.4596E-01*
* * * * * * *
* DISC 1 * 31.89 *0.5996 * 1.486 * 79.05 *0.1880E-01*
*(C1 )* 31.89 *0.3998 *0.9910 * 79.05 *0.1254E-01*
*(C2 )* 31.89 *0.1998 *0.4954 * 79.05 *0.6267E-02*
* * * * * * *
* DISC 2 * 30.89 *0.5485 * 1.208 * 68.05 *0.1776E-01*
*(C1 )* 30.89 *0.2904 *0.6398 * 68.05 *0.9403E-02*
*(C2 )* 30.89 *0.2581 *0.5686 * 68.05 *0.8356E-02*
* * * * * * *
* DISC 3 * 29.89 *0.5620 * 1.275 * 67.83 *0.1880E-01*
*(C1 )* 29.89 *0.1873 *0.4252 * 67.83 *0.6268E-02*
*(C2 )* 29.89 *0.3746 *0.8502 * 67.83 *0.1253E-01*
* * * * * * *
* DISC 4 * 28.89 *0.5130 * 1.049 * 59.06 *0.1776E-01*
*(C1 )* 28.89 *0.9054E-01*0.1851 * 59.06 *0.3134E-02*
*(C2 )* 28.89 *0.4224 *0.8636 * 59.06 *0.1462E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 438.8 *0.4200E+05*0.1045E-01*
*(C1 )*0.3000E+05*0.0000E+00* 188.0 *0.3000E+05*0.6268E-02*
*(C2 )*0.6000E+05*0.0000E+00* 250.7 *0.6000E+05*0.4179E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 15759 WORDS OF 4 BYTES
( 0.63 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 722.6
RESPONSE TIME OF CLASS C2 = 1607.


NUMERO DE USUARIOS = 600


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 93.51 * 975.7 *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 34.37 * 796.7 *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 59.15 * 1122. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.63 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.63 *0.1438E-01*
*(C2 )* 23.00 *0.1653 *0.3280 * 45.63 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
236
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 17724 WORDS OF 4 BYTES
( 0.71 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 87.48 * 912.8 *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 32.15 * 745.3 *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 55.33 * 1050. *0.5271E-01*
* * * * * * *
* DISC 1 * 34.68 *0.7479 * 2.966 * 137.5 *0.2156E-01*
*(C1 )* 34.68 *0.4986 * 1.977 * 137.5 *0.1438E-01*
*(C2 )* 34.68 *0.2493 *0.9884 * 137.5 *0.7187E-02*
* * * * * * *
* DISC 2 * 33.68 *0.6859 * 2.184 * 107.2 *0.2037E-01*
*(C1 )* 33.68 *0.3632 * 1.156 * 107.2 *0.1078E-01*
*(C2 )* 33.68 *0.3228 * 1.028 * 107.2 *0.9583E-02*
* * * * * * *
* DISC 3 * 32.68 *0.7047 * 2.386 * 110.7 *0.2156E-01*
*(C1 )* 32.68 *0.2349 *0.7954 * 110.7 *0.7189E-02*
*(C2 )* 32.68 *0.4698 * 1.591 * 110.7 *0.1437E-01*
* * * * * * *
* DISC 4 * 31.68 *0.6451 * 1.818 * 89.27 *0.2037E-01*
*(C1 )* 31.68 *0.1139 *0.3209 * 89.27 *0.3594E-02*
*(C2 )* 31.68 *0.5313 * 1.497 * 89.27 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 18117 WORDS OF 4 BYTES
( 0.72 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 5063.
RESPONSE TIME OF CLASS C2 = 0.1261E+05


NUMERO DE USUARIOS = 750


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 243.5 * 2541. *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 89.49 * 2075. *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 154.0 * 2922. *0.5271E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9841 * 45.64 *0.2157E-01*
*(C1 )* 23.00 *0.3307 *0.6561 * 45.64 *0.1438E-01*
237
*(C2 )* 23.00 *0.1653 *0.3280 * 45.64 *0.7187E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4481 *0.8118 * 39.86 *0.2037E-01*
*(C1 )* 22.00 *0.2372 *0.4298 * 39.86 *0.1078E-01*
*(C2 )* 22.00 *0.2108 *0.3820 * 39.86 *0.9583E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8276 * 38.38 *0.2156E-01*
*(C1 )* 21.00 *0.1510 *0.2759 * 38.38 *0.7189E-02*
*(C2 )* 21.00 *0.3019 *0.5517 * 38.38 *0.1437E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
*(C1 )* 20.00 *0.7189E-01*0.1213 * 33.74 *0.3594E-02*
*(C2 )* 20.00 *0.3354 *0.5659 * 33.74 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 19296 WORDS OF 4 BYTES
( 0.77 % OF TOTAL MEMORY)


- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 237.5 * 2478. *0.9584E-01*
*(C1 )* 8.520 *0.3675 * 87.27 * 2023. *0.4313E-01*
*(C2 )* 12.00 *0.6325 * 150.2 * 2850. *0.5271E-01*
* * * * * * *
* DISC 1 * 34.68 *0.7479 * 2.966 * 137.5 *0.2157E-01*
*(C1 )* 34.68 *0.4986 * 1.978 * 137.5 *0.1438E-01*
*(C2 )* 34.68 *0.2493 *0.9886 * 137.5 *0.7187E-02*
* * * * * * *
* DISC 2 * 33.68 *0.6859 * 2.184 * 107.2 *0.2037E-01*
*(C1 )* 33.68 *0.3632 * 1.156 * 107.2 *0.1078E-01*
*(C2 )* 33.68 *0.3228 * 1.028 * 107.2 *0.9583E-02*
* * * * * * *
* DISC 3 * 32.68 *0.7047 * 2.386 * 110.7 *0.2156E-01*
*(C1 )* 32.68 *0.2349 *0.7955 * 110.7 *0.7189E-02*
*(C2 )* 32.68 *0.4698 * 1.591 * 110.7 *0.1437E-01*
* * * * * * *
* DISC 4 * 31.68 *0.6452 * 1.818 * 89.28 *0.2037E-01*
*(C1 )* 31.68 *0.1139 *0.3209 * 89.28 *0.3594E-02*
*(C2 )* 31.68 *0.5313 * 1.497 * 89.28 *0.1677E-01*
* * * * * * *
* TERMINAL *0.4200E+05*0.0000E+00* 503.2 *0.4200E+05*0.1198E-01*
*(C1 )*0.3000E+05*0.0000E+00* 215.7 *0.3000E+05*0.7188E-02*
*(C2 )*0.6000E+05*0.0000E+00* 287.5 *0.6000E+05*0.4792E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 19689 WORDS OF 4 BYTES
( 0.79 % OF TOTAL MEMORY)

RESPONSE TIME OF CLASS C1 = 0.1273E+05
RESPONSE TIME OF CLASS C2 = 0.3241E+05

105 /END/

Si se desea efectuar el estudio por simulacin es necesario reestructurar el modelo
reproduciendo los mecanismos de funcionamiento de los discos. En primer lugar se presenta
un modelo simplificado prescindiendo de la necesidad que la unidad de control est libre para
poder iniciar el movimiento del brazo. En este caso existe una dificultad suplementaria con
respecto al caso de la poltica SLTF ya que el tiempo de resolucin de conflictos en la unidad
de control depende de los dems discos, por lo que es preciso bloquear el disco mediante un
238
flag desde que el brazo se ha posicionado y se solicita el servicio de la unidad de control hasta
que ste ha terminado despus de la espera en la cola, la latencia y la transferencia.

Si quiere refinarse el modelo y desea tenerse en cuenta, como en el caso anterior y de la
misma forma, los retardos que se producen en el inicio del movimiento del brazo debido a
que la unidad de control est ocupada por una transferencia desde otro disco.

Puede observarse que los resultados de los tres modelos son muy similares normalmente
siempre dentro de los intervalos de confianza. El modelo analtico es ligeramente pesimista
en particular para un nmero reducido de terminales. La diferencia fundamental reside en el
tiempo de clculo que vara de pocos segundos en el modelo analtico a horas en los de
simulacin.
2.2.2.4. Influencia de la gestin de memoria por un factor de multiprogramacin
El esquema que representa el funcionamiento de un sistema de este tipo se puede ver en la
figura 2.19. En este sistema se gestiona la memoria limitando el nmero mximo de
programas (factor de multiprogramacin) que pueden estar en ejecucin simultnea en la
memoria del sistema. Este sistema no admite ningn tratamiento analtico exacto, por lo que
su estudio se realizar por un mtodo analtico aproximado (descomposicin-agregacin) y
por simulacin.
2.2.2.4.1. Estudio analtico
Para efectuar este estudio analtico se utilizar una adaptacin del teorema de Norton para el
estudio de sistemas por descomposicin-agregacin (apartado 4.4.2. del primer volumen de
esta obra).
Disco
1
Disco
2
Disco
3
Disco
4
CPU
Terminales
Gestin de
memoria

Figura 2.19.
En la fase de descomposicin se estudiar el sistema central (CPU y discos) como un sistema
cerrado, como el que muestra la figura 2.20, con un nmero de programas en ejecucin igual
a todos los posibles enteros inferiores o iguales al factor de multiprogramacin, para
determinar su productividad. Aunque se desconoce la frecuencia de llegada de programas de
las distintas clases al sistema, se supondr que llegarn en la proporcin especificada (60% y
40%, respectivamente). Esta productividad ser la capacidad de servicio equivalente del
239
servidor equivalente, cuya cola ser la de entrada a memoria y que estar conectada a los
terminales que enviarn las correspondientes peticiones, tal como muestra la figura 2.21.
Disco
1
Disco
2
Disco
3
Disco
4
CPU

Figura 2.20.
Se puede observar que para un factor de multiprogramacin pequeo, quien limita la
productividad del sistema es precisamente este factor de multiprogramacin. A medida que el
factor de multiprogramacin aumenta se observa que aumenta la productividad que esta
limitada, cuando hay pocos terminales, por el nmero de terminales que incapaces de generar
una carga mayor; cuando hay muchos terminales quien limita la productividad del sistema es
la capacidad de sus componentes, en particular, en este caso la CPU que es el cuello de
botella del sistema.
Terminales

Figura 2.21.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL,SC;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR,CAP(20);
5 REAL TR1,TR2;
6 CLASS C1,C2;
7 INTEGER I,N,M;
8 /STATION/ NAME=CPU;
9 SCHED=PS;
10 INIT(C1)=N;
240
11 SERVICE(C1)=CST(8.52);
12 SERVICE(C2)=CST(12.);
13 TRANSIT(C1)=DISC,PROB1,CPU,C1,0.6,CPU,C2,0.4;
14 TRANSIT(C2)=DISC,PROB2,CPU,C1,0.6,CPU,C2,0.4;
15 /STATION/ NAME=DISC;
16 TRANSIT=CPU;
17 /STATION/ NAME=DISC(1);
18 SERVICE=EXP(23.);
19 /STATION/ NAME=DISC(2);
20 SERVICE=EXP(22.);
21 /STATION/ NAME=DISC(3);
22 SERVICE=EXP(21.);
23 /STATION/ NAME=DISC(4);
24 SERVICE=EXP(20.);
25 /EXEC/ BEGIN
26 NETWORK(CPU,DISC);
27 FOR N := 1 STEP 1 UNTIL 20 DO
28 BEGIN
29 PRINT;
30 PRINT("FACTOR DE MULTIPROGRAMACION =",N);
31 SOLVE;
32 CAP(N) := MTHRUPUT(CPU);
33 FOR I:=1 STEP 1 UNTIL 4 DO CAP(N):=CAP(N)-MTHRUPUT(DI
==> SC(I();
34 END;
35 FOR N := 1 STEP 1 UNTIL 20 DO PRINT(N,CAP(N));
36 END;


FACTOR DE MULTIPROGRAMACION = 1

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.3566 *0.3566 * 10.43 *0.3418E-01*
* * * * * * *
* DISC 1 * 23.00 *0.1769 *0.1769 * 23.00 *0.7690E-02*
* * * * * * *
* DISC 2 * 22.00 *0.1598 *0.1598 * 22.00 *0.7263E-02*
* * * * * * *
* DISC 3 * 21.00 *0.1615 *0.1615 * 21.00 *0.7690E-02*
* * * * * * *
* DISC 4 * 20.00 *0.1453 *0.1453 * 20.00 *0.7263E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 2

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.5793 *0.7859 * 14.15 *0.5552E-01*
* * * * * * *
* DISC 1 * 23.00 *0.2873 *0.3381 * 27.07 *0.1249E-01*
* * * * * * *
* DISC 2 * 22.00 *0.2596 *0.3010 * 25.52 *0.1180E-01*
* * * * * * *
* DISC 3 * 21.00 *0.2623 *0.3047 * 24.39 *0.1249E-01*
* * * * * * *
* DISC 4 * 20.00 *0.2360 *0.2702 * 22.91 *0.1180E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
241
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 3

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.7245 * 1.294 * 18.63 *0.6944E-01*
* * * * * * *
* DISC 1 * 23.00 *0.3593 *0.4808 * 30.78 *0.1562E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3246 *0.4223 * 28.62 *0.1476E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3281 *0.4281 * 27.40 *0.1562E-01*
* * * * * * *
* DISC 4 * 20.00 *0.2951 *0.3749 * 25.40 *0.1476E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 4

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8210 * 1.883 * 23.93 *0.7868E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4072 *0.6030 * 34.06 *0.1770E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3678 *0.5232 * 31.29 *0.1672E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3718 *0.5309 * 29.99 *0.1770E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3344 *0.4597 * 27.50 *0.1672E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 5

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.8852 * 2.552 * 30.08 *0.8484E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4390 *0.7037 * 36.87 *0.1909E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3966 *0.6041 * 33.51 *0.1803E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4009 *0.6137 * 32.15 *0.1909E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3606 *0.5263 * 29.19 *0.1803E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 6

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
242
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9276 * 3.295 * 37.06 *0.8890E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4601 *0.7838 * 39.19 *0.2000E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4156 *0.6667 * 35.29 *0.1889E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4201 *0.6778 * 33.89 *0.2000E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3778 *0.5767 * 30.53 *0.1889E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 7

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9552 * 4.102 * 44.81 *0.9154E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4737 *0.8451 * 41.03 *0.2060E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4280 *0.7133 * 36.67 *0.1945E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4325 *0.7257 * 35.23 *0.2060E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3891 *0.6134 * 31.53 *0.1945E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 8

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9728 * 4.964 * 53.24 *0.9323E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4825 *0.8902 * 42.44 *0.2098E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4359 *0.7468 * 37.69 *0.1981E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4405 *0.7602 * 36.24 *0.2098E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3962 *0.6393 * 32.27 *0.1981E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 9

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9838 * 5.867 * 62.22 *0.9428E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4879 *0.9223 * 43.47 *0.2121E-01*
243
* * * * * * *
* DISC 2 * 22.00 *0.4408 *0.7699 * 38.43 *0.2004E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4455 *0.7842 * 36.96 *0.2121E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4007 *0.6569 * 32.79 *0.2004E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 10

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9905 * 6.801 * 71.65 *0.9493E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4913 *0.9443 * 44.21 *0.2136E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4438 *0.7855 * 38.94 *0.2017E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4485 *0.8003 * 37.47 *0.2136E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4034 *0.6685 * 33.14 *0.2017E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 11

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9945 * 7.759 * 81.40 *0.9532E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4933 *0.9591 * 44.72 *0.2145E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4456 *0.7956 * 39.28 *0.2025E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4504 *0.8108 * 37.81 *0.2145E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4051 *0.6759 * 33.37 *0.2025E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 12

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9969 * 8.731 * 91.39 *0.9554E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4944 *0.9686 * 45.06 *0.2150E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4467 *0.8020 * 39.50 *0.2030E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4514 *0.8175 * 38.03 *0.2150E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4061 *0.6805 * 33.52 *0.2030E-01*
244
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 13

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9983 * 9.714 * 101.5 *0.9567E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4951 *0.9747 * 45.28 *0.2153E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4473 *0.8060 * 39.64 *0.2033E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4521 *0.8216 * 38.17 *0.2153E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4066 *0.6833 * 33.61 *0.2033E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 14

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9990 * 10.70 * 111.8 *0.9575E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4955 *0.9784 * 45.42 *0.2154E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4476 *0.8084 * 39.73 *0.2035E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4524 *0.8241 * 38.25 *0.2154E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4069 *0.6850 * 33.67 *0.2035E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 15

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9995 * 11.70 * 122.1 *0.9579E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4957 *0.9807 * 45.50 *0.2155E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4478 *0.8098 * 39.78 *0.2036E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4526 *0.8256 * 38.31 *0.2155E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4071 *0.6860 * 33.70 *0.2036E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 16
245

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9997 * 12.69 * 132.5 *0.9581E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4958 *0.9821 * 45.56 *0.2156E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4479 *0.8107 * 39.82 *0.2036E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4527 *0.8265 * 38.34 *0.2156E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4072 *0.6865 * 33.72 *0.2036E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 17

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9998 * 13.69 * 142.9 *0.9583E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4959 *0.9829 * 45.59 *0.2156E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4480 *0.8112 * 39.83 *0.2036E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8270 * 38.36 *0.2156E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6869 * 33.73 *0.2036E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 18

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 *0.9999 * 14.69 * 153.3 *0.9583E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4959 *0.9834 * 45.61 *0.2156E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4480 *0.8114 * 39.85 *0.2036E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8273 * 38.37 *0.2156E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6870 * 33.74 *0.2036E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 19

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
246
* CPU * 10.43 * 1.000 * 15.69 * 163.7 *0.9584E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9837 * 45.62 *0.2156E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4480 *0.8116 * 39.85 *0.2037E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8274 * 38.37 *0.2156E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6871 * 33.74 *0.2037E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 20

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.43 * 1.000 * 16.69 * 174.1 *0.9584E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4960 *0.9838 * 45.62 *0.2156E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4480 *0.8117 * 39.85 *0.2037E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4528 *0.8275 * 38.38 *0.2156E-01*
* * * * * * *
* DISC 4 * 20.00 *0.4073 *0.6872 * 33.74 *0.2037E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7367 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)


1 0.4272E-02
2 0.6940E-02
3 0.8680E-02
4 0.9835E-02
5 0.1060E-01
6 0.1111E-01
7 0.1144E-01
8 0.1165E-01
9 0.1179E-01
10 0.1187E-01
11 0.1191E-01
12 0.1194E-01
13 0.1196E-01
14 0.1197E-01
15 0.1197E-01
16 0.1198E-01
17 0.1198E-01
18 0.1198E-01
19 0.1198E-01
20 0.1198E-01

37
38 /STATION/ NAME=TERMINAL;
39 TYPE=INFINITE;
40 INIT(C1)=N;
41 SERVICE(C1)=EXP(30000.);
42 SERVICE(C2)=EXP(60000.);
43 TRANSIT=SC;
44 /STATION/ NAME=SC;
45 SERVICE=EXP(1.);
46 RATE=CAP(1 STEP 1 UNTIL M);
47 TRANSIT=TERMINAL,C1,0.6,TERMINAL,C2;
48 INIT=N;
247
49 /CONTROL/ OPTION=NRESULT;
50 /EXEC/ BEGIN
51 NETWORK(TERMINAL,SC);
52 PRINT(" TERM FM PRODUCTIVIDAD RESPUESTA");
53 FOR N := 150 STEP 150 UNTIL 750 DO
54 FOR M := 1 STEP 1 UNTIL 20 DO
55 BEGIN
56 SOLVE;
57 PRINT(N,M,MTHRUPUT(SC),MRESPONSE(SC));
58 END;
59 END;
TERM FM PRODUCTIVIDAD RESPUESTA
150 1 0.4272E-02 0.6333E+05
150 2 0.6940E-02 0.2284E+05
150 3 0.8680E-02 9845.
150 4 0.9792E-02 3956.
150 5 0.1026E-01 1871.
150 6 0.1040E-01 1270.
150 7 0.1045E-01 1051.
150 8 0.1048E-01 956.2
150 9 0.1049E-01 910.4
150 10 0.1049E-01 887.3
150 11 0.1050E-01 875.4
150 12 0.1050E-01 869.3
150 13 0.1050E-01 866.2
150 14 0.1050E-01 864.7
150 15 0.1050E-01 863.9
150 16 0.1050E-01 863.5
150 17 0.1050E-01 863.3
150 18 0.1050E-01 863.2
150 19 0.1050E-01 863.2
150 20 0.1050E-01 863.1
300 1 0.4272E-02 0.1687E+06
300 2 0.6940E-02 0.8768E+05
300 3 0.8680E-02 0.6169E+05
300 4 0.9835E-02 0.4951E+05
300 5 0.1060E-01 0.4287E+05
300 6 0.1111E-01 0.3899E+05
300 7 0.1144E-01 0.3665E+05
300 8 0.1165E-01 0.3523E+05
300 9 0.1179E-01 0.3436E+05
300 10 0.1187E-01 0.3385E+05
300 11 0.1191E-01 0.3354E+05
300 12 0.1194E-01 0.3336E+05
300 13 0.1196E-01 0.3326E+05
300 14 0.1197E-01 0.3320E+05
300 15 0.1197E-01 0.3316E+05
300 16 0.1198E-01 0.3315E+05
300 17 0.1198E-01 0.3314E+05
300 18 0.1198E-01 0.3313E+05
300 19 0.1198E-01 0.3313E+05
300 20 0.1198E-01 0.3313E+05

450 1 0.4272E-02 0.2740E+06
450 2 0.6940E-02 0.1525E+06
450 3 0.8680E-02 0.1135E+06
450 4 0.9835E-02 0.9526E+05
450 5 0.1060E-01 0.8530E+05
450 6 0.1111E-01 0.7948E+05
450 7 0.1144E-01 0.7598E+05
450 8 0.1165E-01 0.7384E+05
450 9 0.1179E-01 0.7255E+05
450 10 0.1187E-01 0.7177E+05
450 11 0.1191E-01 0.7131E+05
450 12 0.1194E-01 0.7104E+05
450 13 0.1196E-01 0.7088E+05
450 14 0.1197E-01 0.7080E+05
450 15 0.1197E-01 0.7075E+05
450 16 0.1198E-01 0.7072E+05
248
450 17 0.1198E-01 0.7070E+05
450 18 0.1198E-01 0.7070E+05
450 19 0.1198E-01 0.7069E+05
450 20 0.1198E-01 0.7069E+05

600 1 0.4272E-02 0.3793E+06
600 2 0.6940E-02 0.2174E+06
600 3 0.8680E-02 0.1654E+06
600 4 0.9835E-02 0.1410E+06
600 5 0.1060E-01 0.1277E+06
600 6 0.1111E-01 0.1200E+06
600 7 0.1144E-01 0.1153E+06
600 8 0.1165E-01 0.1125E+06
600 9 0.1179E-01 0.1107E+06
600 10 0.1187E-01 0.1097E+06
600 11 0.1191E-01 0.1091E+06
600 12 0.1194E-01 0.1087E+06
600 13 0.1196E-01 0.1085E+06
600 14 0.1197E-01 0.1084E+06
600 15 0.1197E-01 0.1083E+06
600 16 0.1198E-01 0.1083E+06
600 17 0.1198E-01 0.1083E+06
600 18 0.1198E-01 0.1083E+06
600 19 0.1198E-01 0.1083E+06
600 20 0.1198E-01 0.1083E+06
750 1 0.4272E-02 0.4847E+06
750 2 0.6940E-02 0.2822E+06
750 3 0.8680E-02 0.2172E+06
750 4 0.9835E-02 0.1868E+06
750 5 0.1060E-01 0.1702E+06
750 6 0.1111E-01 0.1605E+06
750 7 0.1144E-01 0.1546E+06
750 8 0.1165E-01 0.1511E+06
750 9 0.1179E-01 0.1489E+06
750 10 0.1187E-01 0.1476E+06
750 11 0.1191E-01 0.1468E+06
750 12 0.1194E-01 0.1464E+06
750 13 0.1196E-01 0.1461E+06
750 14 0.1197E-01 0.1460E+06
750 15 0.1197E-01 0.1459E+06
750 16 0.1198E-01 0.1459E+06
750 17 0.1198E-01 0.1458E+06
750 18 0.1198E-01 0.1458E+06
750 19 0.1198E-01 0.1458E+06
750 20 0.1198E-01 0.1458E+06
60 /END/

El modelo anterior se ha ignorado el overhead del sistema operativo que se puede simular de
forma simple considerando que el consumo de CPU est aumentado por un incremento lineal
funcin del factor de multiprogramacin. Podr observarse que la productividad del sistema
aumenta con el factor de multiprogramacin hasta alcanzar un mximo (en este caso para un
factor de multiprogramacin de 8 9) para decrecer a continuacin a causa del incremento
del overhead.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),TERMINAL,SC;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL TR,CAP(20);
5 REAL TR1,TR2;
6 CLASS C1,C2;
7 INTEGER I,N,M;
8 /STATION/ NAME=CPU;
9 SCHED=PS;
10 INIT(C1)=N;
249
11 SERVICE(C1)=CST(8.52+0.1*N);
12 SERVICE(C2)=CST(12.+0.1*N);
13 TRANSIT(C1)=DISC,PROB1,CPU,C1,0.6,CPU,C2,0.4;
14 TRANSIT(C2)=DISC,PROB2,CPU,C1,0.6,CPU,C2,0.4;
15 /STATION/ NAME=DISC;
16 TRANSIT=CPU;
17 /STATION/ NAME=DISC(1);
18 SERVICE=EXP(23.);
19 /STATION/ NAME=DISC(2);
20 SERVICE=EXP(22.);
21 /STATION/ NAME=DISC(3);
22 SERVICE=EXP(21.);
23 /STATION/ NAME=DISC(4);
24 SERVICE=EXP(20.);
25 /EXEC/ BEGIN
26 NETWORK(CPU,DISC);
27 FOR N := 1 STEP 1 UNTIL 20 DO
28 BEGIN
29 PRINT;
30 PRINT("FACTOR DE MULTIPROGRAMACION =",N);
31 SOLVE;
32 CAP(N) := MTHRUPUT(CPU);
33 FOR I:=1 STEP 1 UNTIL 4 DO CAP(N):=CAP(N)-MTHRUPUT(DI
==> SC(I));
34 END;
35 FOR N := 1 STEP 1 UNTIL 20 DO PRINT(N,CAP(N));
36 END;


FACTOR DE MULTIPROGRAMACION = 1

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.53 *0.3588 *0.3588 * 10.53 *0.3406E-01*
* * * * * * *
* DISC 1 * 23.00 *0.1763 *0.1763 * 23.00 *0.7664E-02*
* * * * * * *
* DISC 2 * 22.00 *0.1592 *0.1592 * 22.00 *0.7238E-02*
* * * * * * *
* DISC 3 * 21.00 *0.1609 *0.1609 * 21.00 *0.7664E-02*
* * * * * * *
* DISC 4 * 20.00 *0.1448 *0.1448 * 20.00 *0.7238E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 2

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.63 *0.5856 *0.7970 * 14.47 *0.5507E-01*
* * * * * * *
* DISC 1 * 23.00 *0.2850 *0.3350 * 27.04 *0.1239E-01*
* * * * * * *
* DISC 2 * 22.00 *0.2574 *0.2983 * 25.49 *0.1170E-01*
* * * * * * *
* DISC 3 * 21.00 *0.2602 *0.3019 * 24.37 *0.1239E-01*
* * * * * * *
* DISC 4 * 20.00 *0.2340 *0.2678 * 22.89 *0.1170E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
250
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 3

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.73 *0.7345 * 1.324 * 19.35 *0.6843E-01*
* * * * * * *
* DISC 1 * 23.00 *0.3541 *0.4722 * 30.67 *0.1540E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3199 *0.4149 * 28.53 *0.1454E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3233 *0.4205 * 27.31 *0.1540E-01*
* * * * * * *
* DISC 4 * 20.00 *0.2908 *0.3684 * 25.33 *0.1454E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 4

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.83 *0.8334 * 1.945 * 25.28 *0.7692E-01*
* * * * * * *
* DISC 1 * 23.00 *0.3981 *0.5849 * 33.80 *0.1731E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3596 *0.5080 * 31.07 *0.1635E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3635 *0.5154 * 29.78 *0.1731E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3269 *0.4467 * 27.32 *0.1635E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 5

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 10.93 *0.8984 * 2.659 * 32.37 *0.8216E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4252 *0.6720 * 36.35 *0.1849E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3841 *0.5778 * 33.09 *0.1746E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3882 *0.5868 * 31.74 *0.1849E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3492 *0.5040 * 28.87 *0.1746E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 6

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
251
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.03 *0.9401 * 3.459 * 40.61 *0.8520E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4409 *0.7345 * 38.32 *0.1917E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3983 *0.6264 * 34.60 *0.1810E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4026 *0.6367 * 33.21 *0.1917E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3621 *0.5430 * 29.99 *0.1810E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 7

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.13 *0.9659 * 4.333 * 49.94 *0.8675E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4490 *0.7752 * 39.71 *0.1952E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4056 *0.6570 * 35.64 *0.1844E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4099 *0.6682 * 34.23 *0.1952E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3687 *0.5669 * 30.75 *0.1844E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 8

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.23 *0.9813 * 5.263 * 60.25 *0.8735E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4521 *0.7983 * 40.62 *0.1965E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4084 *0.6736 * 36.29 *0.1856E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4128 *0.6854 * 34.87 *0.1965E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3713 *0.5794 * 31.21 *0.1856E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 9

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.33 *0.9902 * 6.236 * 71.38 *0.8736E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4521 *0.8083 * 41.12 *0.1966E-01*
252
* * * * * * *
* DISC 2 * 22.00 *0.4084 *0.6801 * 36.64 *0.1856E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4128 *0.6922 * 35.21 *0.1966E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3713 *0.5839 * 31.45 *0.1856E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 10

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.43 *0.9950 * 7.236 * 83.15 *0.8702E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4503 *0.8093 * 41.33 *0.1958E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4068 *0.6799 * 36.77 *0.1849E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4112 *0.6920 * 35.34 *0.1958E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3698 *0.5831 * 31.53 *0.1849E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 11

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.53 *0.9975 * 8.253 * 95.43 *0.8649E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4476 *0.8046 * 41.34 *0.1946E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4043 *0.6755 * 36.76 *0.1838E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4087 *0.6876 * 35.33 *0.1946E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3676 *0.5791 * 31.51 *0.1838E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 12

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.63 *0.9988 * 9.281 * 108.1 *0.8585E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4443 *0.7965 * 41.23 *0.1932E-01*
* * * * * * *
* DISC 2 * 22.00 *0.4014 *0.6688 * 36.66 *0.1824E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4057 *0.6807 * 35.24 *0.1932E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3649 *0.5734 * 31.43 *0.1824E-01*
253
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 13

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.73 *0.9995 * 10.31 * 121.1 *0.8518E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4408 *0.7867 * 41.05 *0.1916E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3982 *0.6608 * 36.51 *0.1810E-01*
* * * * * * *
* DISC 3 * 21.00 *0.4025 *0.6726 * 35.10 *0.1916E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3620 *0.5669 * 31.32 *0.1810E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 14

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.83 *0.9998 * 11.35 * 134.3 *0.8448E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4372 *0.7760 * 40.83 *0.1901E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3950 *0.6523 * 36.34 *0.1795E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3992 *0.6639 * 34.93 *0.1901E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3590 *0.5599 * 31.19 *0.1795E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 15

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 11.93 *0.9999 * 12.38 * 147.8 *0.8379E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4336 *0.7651 * 40.59 *0.1885E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3917 *0.6437 * 36.16 *0.1780E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3959 *0.6551 * 34.75 *0.1885E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3561 *0.5529 * 31.05 *0.1780E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 16
254

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 12.03 * 1.000 * 13.42 * 161.5 *0.8309E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4300 *0.7543 * 40.34 *0.1870E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3885 *0.6351 * 35.97 *0.1766E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3926 *0.6463 * 34.57 *0.1870E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3531 *0.5459 * 30.92 *0.1766E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 17

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 12.13 * 1.000 * 14.45 * 175.4 *0.8241E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4265 *0.7435 * 40.10 *0.1854E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3853 *0.6267 * 35.79 *0.1751E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3894 *0.6377 * 34.39 *0.1854E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3502 *0.5390 * 30.78 *0.1751E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 18

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 12.23 * 1.000 * 15.49 * 189.5 *0.8174E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4230 *0.7331 * 39.86 *0.1839E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3821 *0.6184 * 35.61 *0.1737E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3862 *0.6292 * 34.21 *0.1839E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3474 *0.5323 * 30.65 *0.1737E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 19

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
255
* CPU * 12.33 * 1.000 * 16.52 * 203.8 *0.8108E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4196 *0.7229 * 39.63 *0.1824E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3790 *0.6104 * 35.43 *0.1723E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3831 *0.6210 * 34.04 *0.1824E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3446 *0.5257 * 30.51 *0.1723E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 20

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 12.43 * 1.000 * 17.55 * 218.2 *0.8042E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4162 *0.7129 * 39.40 *0.1810E-01*
* * * * * * *
* DISC 2 * 22.00 *0.3760 *0.6025 * 35.26 *0.1709E-01*
* * * * * * *
* DISC 3 * 21.00 *0.3800 *0.6129 * 33.87 *0.1810E-01*
* * * * * * *
* DISC 4 * 20.00 *0.3418 *0.5193 * 30.39 *0.1709E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 7369 WORDS OF 4 BYTES
( 0.29 % OF TOTAL MEMORY)

1 0.4258E-02
2 0.6883E-02
3 0.8554E-02
4 0.9616E-02
5 0.1027E-01
6 0.1065E-01
7 0.1084E-01
8 0.1092E-01
9 0.1092E-01
10 0.1088E-01
11 0.1081E-01
12 0.1073E-01
13 0.1065E-01
14 0.1056E-01
15 0.1047E-01
16 0.1039E-01
17 0.1030E-01
18 0.1022E-01
19 0.1013E-01
20 0.1005E-01

37
38 /STATION/ NAME=TERMINAL;
39 TYPE=INFINITE;
40 INIT(C1)=N;
41 SERVICE(C1)=EXP(30000.);
42 SERVICE(C2)=EXP(60000.);
43 TRANSIT=SC;
44 /STATION/ NAME=SC;
45 SERVICE=EXP(1.);
46 RATE=CAP(1 STEP 1 UNTIL M);
47 TRANSIT=TERMINAL,C1,0.6,TERMINAL,C2;
48 INIT=N;
49 /CONTROL/ OPTION=NRESULT;
256
50 /EXEC/ BEGIN
51 NETWORK(TERMINAL,SC);
52 PRINT(" TERM FM PRODUCTIVIDAD");
53 FOR N := 150 STEP 150 UNTIL 750 DO
54 FOR M := 1 STEP 1 UNTIL 20 DO
55 BEGIN
56 SOLVE;
57 PRINT(N,M,MTHRUPUT(SC));
58 END;
59 END;

TERM FM PRODUCTIVIDAD
150 1 0.4258E-02
150 2 0.6883E-02
150 3 0.8554E-02
150 4 0.9599E-02
150 5 0.1010E-01
150 6 0.1027E-01
150 7 0.1033E-01
150 8 0.1035E-01
150 9 0.1035E-01
150 10 0.1034E-01
150 11 0.1033E-01
150 12 0.1030E-01
150 13 0.1028E-01
150 14 0.1025E-01
150 15 0.1022E-01
150 16 0.1019E-01
150 17 0.1015E-01
150 18 0.1011E-01
150 19 0.1007E-01
150 20 0.1002E-01

300 1 0.4258E-02
300 2 0.6883E-02
300 3 0.8554E-02
300 4 0.9616E-02
300 5 0.1027E-01
300 6 0.1065E-01
300 7 0.1084E-01
300 8 0.1092E-01
300 9 0.1092E-01
300 10 0.1088E-01
300 11 0.1081E-01
300 12 0.1073E-01
300 13 0.1065E-01
300 14 0.1056E-01
300 15 0.1047E-01
300 16 0.1039E-01
300 17 0.1030E-01
300 18 0.1022E-01
300 19 0.1013E-01
300 20 0.1005E-01

450 1 0.4258E-02
450 2 0.6883E-02
450 3 0.8554E-02
450 4 0.9616E-02
450 5 0.1027E-01
450 6 0.1065E-01
450 7 0.1084E-01
450 8 0.1092E-01
450 9 0.1092E-01
450 10 0.1088E-01
450 11 0.1081E-01
450 12 0.1073E-01
450 13 0.1065E-01
450 14 0.1056E-01
450 15 0.1047E-01
257
450 16 0.1039E-01
450 17 0.1030E-01
450 18 0.1022E-01
450 19 0.1013E-01
450 20 0.1005E-01

600 1 0.4258E-02
600 2 0.6883E-02
600 3 0.8554E-02
600 4 0.9616E-02
600 5 0.1027E-01
600 6 0.1065E-01
600 7 0.1084E-01
600 8 0.1092E-01
600 9 0.1092E-01
600 10 0.1088E-01
600 11 0.1081E-01
600 12 0.1073E-01
600 13 0.1065E-01
600 14 0.1056E-01
600 15 0.1047E-01
600 16 0.1039E-01
600 17 0.1030E-01
600 18 0.1022E-01
600 19 0.1013E-01
600 20 0.1005E-01

750 1 0.4258E-02
750 2 0.6883E-02
750 3 0.8554E-02
750 4 0.9616E-02
750 5 0.1027E-01
750 6 0.1065E-01
750 7 0.1084E-01
750 8 0.1092E-01
750 9 0.1092E-01
750 10 0.1088E-01
750 11 0.1081E-01
750 12 0.1073E-01
750 13 0.1065E-01
750 14 0.1056E-01
750 15 0.1047E-01
750 16 0.1039E-01
750 17 0.1030E-01
750 18 0.1022E-01
750 19 0.1013E-01
750 20 0.1005E-01
60 /END/

Un mejor modelo de este sistema teniendo en cuenta el overhead del sistema operativo
consiste en representarlo por un cierto nmero de clientes, proporcional al factor de
multiprogramacin ya que el overhead depende de l, que consumen accesos a la CPU y a los
discos a intervalos aleatorios.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),ESP,TERMINAL,SC;
2 REAL PROB1(4)=(2,1.5,1,0.5);
3 REAL PROB2(4)=(1.5,2,3,3.5);
4 REAL PROBOS(4)=(0.2,0.15,0.1,0.05);
5 REAL TR,CAP(20);
6 REAL TR1,TR2;
7 CLASS C1,C2,OS;
8 INTEGER I,N,M;
9 /STATION/ NAME=CPU;
10 SCHED=PS;
11 INIT(C1)=N;
258
12 SERVICE(C1)=CST(8.52);
13 SERVICE(C2)=CST(12.);
14 SERVICE(OS)=CST(1.+0.1*N);
15 TRANSIT(C1)=DISC,PROB1,CPU,C1,0.6,CPU,C2,0.4;
16 TRANSIT(C2)=DISC,PROB2,CPU,C1,0.6,CPU,C2,0.4;
17 TRANSIT(OS)=DISC,PROBOS,ESP,1;
18 /STATION/ NAME=DISC;
19 TRANSIT=CPU;
20 /STATION/ NAME=DISC(1);
21 SERVICE=EXP(23.);
22 /STATION/ NAME=DISC(2);
23 SERVICE=EXP(22.);
24 /STATION/ NAME=DISC(3);
25 SERVICE=EXP(21.);
26 /STATION/ NAME=DISC(4);
27 SERVICE=EXP(20.);
28 /STATION/ NAME=ESP;
29 INIT(OS)=N;
30 SERVICE=EXP(500./N);
31 TRANSIT=CPU;
32 /CONTROL/ CLASS=ALL QUEUE;
33 /EXEC/ BEGIN
34 NETWORK(CPU,DISC,ESP);
35 FOR N := 1 STEP 1 UNTIL 20 DO
36 BEGIN
37 PRINT;
38 PRINT("FACTOR DE MULTIPROGRAMACION =",N);
39 SOLVE;
40 CAP(N) := MTHRUPUT(CPU,C1)+MTHRUPUT(CPU,C2);
41 FOR I:=1 STEP 1 UNTIL 4 DO CAP(N):=CAP(N)-MTHRUPUT(DI
==> SC(I),C1)
42 -MTHRUPUT(DI
==> SC(I),C2);
43 END;
44 FOR N := 1 STEP 1 UNTIL 20 DO PRINT(N,CAP(N));
45 END;


FACTOR DE MULTIPROGRAMACION = 1

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 9.698 *0.3581 *0.3604 * 9.760 *0.3693E-01*
*(C1 )* 8.520 *0.1304 *0.1308 * 8.547 *0.1531E-01*
*(C2 )* 12.00 *0.2245 *0.2252 * 12.04 *0.1871E-01*
*(OS )* 1.100 *0.3203E-02*0.4346E-02* 1.492 *0.2912E-02*
* * * * * * *
* DISC 1 * 23.00 *0.1850 *0.1881 * 23.39 *0.8042E-02*
*(C1 )* 23.00 *0.1174 *0.1184 * 23.21 *0.5103E-02*
*(C2 )* 23.00 *0.5868E-01*0.5921E-01* 23.21 *0.2551E-02*
*(OS )* 23.00 *0.8931E-02*0.1051E-01* 27.07 *0.3883E-03*
* * * * * * *
* DISC 2 * 22.00 *0.1654 *0.1675 * 22.27 *0.7520E-02*
*(C1 )* 22.00 *0.8419E-01*0.8473E-01* 22.14 *0.3827E-02*
*(C2 )* 22.00 *0.7484E-01*0.7532E-01* 22.14 *0.3402E-02*
*(OS )* 22.00 *0.6407E-02*0.7431E-02* 25.52 *0.2912E-03*
* * * * * * *
* DISC 3 * 21.00 *0.1648 *0.1661 * 21.17 *0.7848E-02*
*(C1 )* 21.00 *0.5358E-01*0.5380E-01* 21.09 *0.2551E-02*
*(C2 )* 21.00 *0.1072 *0.1076 * 21.09 *0.5103E-02*
*(OS )* 21.00 *0.4077E-02*0.4736E-02* 24.39 *0.1942E-03*
* * * * * * *
* DISC 4 * 20.00 *0.1465 *0.1471 * 20.08 *0.7326E-02*
*(C1 )* 20.00 *0.2551E-01*0.2556E-01* 20.04 *0.1276E-02*
*(C2 )* 20.00 *0.1191 *0.1193 * 20.04 *0.5953E-02*
*(OS )* 20.00 *0.1942E-02*0.2224E-02* 22.91 *0.9708E-04*
259
* * * * * * *
* ESP * 500.0 *0.9708 *0.9708 * 500.0 *0.1942E-02*
*(OS )* 500.0 *0.9708 *0.9708 * 500.0 *0.1942E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 8917 WORDS OF 4 BYTES
( 0.36 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 2

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 9.528 *0.5809 *0.7963 * 13.06 *0.6097E-01*
*(C1 )* 8.520 *0.2108 *0.2879 * 11.63 *0.2474E-01*
*(C2 )* 12.00 *0.3629 *0.4955 * 16.39 *0.3024E-01*
*(OS )* 1.200 *0.7180E-02*0.1289E-01* 2.155 *0.5983E-02*
* * * * * * *
* DISC 1 * 23.00 *0.3029 *0.3666 * 27.84 *0.1317E-01*
*(C1 )* 23.00 *0.1897 *0.2277 * 27.61 *0.8248E-02*
*(C2 )* 23.00 *0.9485E-01*0.1139 * 27.61 *0.4124E-02*
*(OS )* 23.00 *0.1835E-01*0.2503E-01* 31.38 *0.7978E-03*
* * * * * * *
* DISC 2 * 22.00 *0.2702 *0.3196 * 26.02 *0.1228E-01*
*(C1 )* 22.00 *0.1361 *0.1600 * 25.87 *0.6186E-02*
*(C2 )* 22.00 *0.1210 *0.1422 * 25.87 *0.5499E-02*
*(OS )* 22.00 *0.1316E-01*0.1735E-01* 29.00 *0.5983E-03*
* * * * * * *
* DISC 3 * 21.00 *0.2682 *0.3153 * 24.69 *0.1277E-01*
*(C1 )* 21.00 *0.8660E-01*0.1014 * 24.59 *0.4124E-02*
*(C2 )* 21.00 *0.1732 *0.2028 * 24.59 *0.8248E-02*
*(OS )* 21.00 *0.8377E-02*0.1101E-01* 27.61 *0.3989E-03*
* * * * * * *
* DISC 4 * 20.00 *0.2377 *0.2736 * 23.02 *0.1188E-01*
*(C1 )* 20.00 *0.4124E-01*0.4738E-01* 22.98 *0.2062E-02*
*(C2 )* 20.00 *0.1925 *0.2211 * 22.98 *0.9623E-02*
*(OS )* 20.00 *0.3989E-02*0.5079E-02* 25.47 *0.1994E-03*
* * * * * * *
* ESP * 250.0 *0.9972 * 1.929 * 483.5 *0.3989E-02*
*(OS )* 250.0 *0.9972 * 1.929 * 483.5 *0.3989E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 9504 WORDS OF 4 BYTES
( 0.38 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 3

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 9.373 *0.7257 * 1.315 * 16.98 *0.7743E-01*
*(C1 )* 8.520 *0.2624 *0.4732 * 15.37 *0.3079E-01*
*(C2 )* 12.00 *0.4516 *0.8146 * 21.64 *0.3764E-01*
*(OS )* 1.300 *0.1170E-01*0.2707E-01* 3.009 *0.8996E-02*
* * * * * * *
* DISC 1 * 23.00 *0.3817 *0.5314 * 32.02 *0.1660E-01*
*(C1 )* 23.00 *0.2361 *0.3261 * 31.77 *0.1026E-01*
*(C2 )* 23.00 *0.1180 *0.1631 * 31.77 *0.5132E-02*
*(OS )* 23.00 *0.2759E-01*0.4223E-01* 35.21 *0.1199E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3397 *0.4539 * 29.40 *0.1544E-01*
*(C1 )* 22.00 *0.1694 *0.2251 * 29.24 *0.7698E-02*
*(C2 )* 22.00 *0.1505 *0.2001 * 29.24 *0.6843E-02*
*(OS )* 22.00 *0.1979E-01*0.2877E-01* 31.98 *0.8996E-03*
* * * * * * *
260
* DISC 3 * 21.00 *0.3359 *0.4452 * 27.83 *0.1600E-01*
*(C1 )* 21.00 *0.1078 *0.1423 * 27.73 *0.5132E-02*
*(C2 )* 21.00 *0.2156 *0.2846 * 27.73 *0.1026E-01*
*(OS )* 21.00 *0.1259E-01*0.1820E-01* 30.35 *0.5997E-03*
* * * * * * *
* DISC 4 * 20.00 *0.2968 *0.3791 * 25.55 *0.1484E-01*
*(C1 )* 20.00 *0.5132E-01*0.6544E-01* 25.50 *0.2566E-02*
*(C2 )* 20.00 *0.2395 *0.3054 * 25.50 *0.1198E-01*
*(OS )* 20.00 *0.5997E-02*0.8271E-02* 27.58 *0.2999E-03*
* * * * * * *
* ESP * 166.7 *0.9996 * 2.875 * 479.4 *0.5997E-02*
*(OS )* 166.7 *0.9996 * 2.875 * 479.4 *0.5997E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 10091 WORDS OF 4 BYTES
( 0.40 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 4

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 9.218 *0.8217 * 1.921 * 21.55 *0.8914E-01*
*(C1 )* 8.520 *0.2958 *0.6880 * 19.82 *0.3471E-01*
*(C2 )* 12.00 *0.5091 * 1.184 * 27.91 *0.4243E-01*
*(OS )* 1.400 *0.1680E-01*0.4907E-01* 4.090 *0.1200E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4360 *0.6801 * 35.87 *0.1896E-01*
*(C1 )* 23.00 *0.2661 *0.4122 * 35.62 *0.1157E-01*
*(C2 )* 23.00 *0.1331 *0.2061 * 35.62 *0.5786E-02*
*(OS )* 23.00 *0.3680E-01*0.6181E-01* 38.64 *0.1600E-02*
* * * * * * *
* DISC 2 * 22.00 *0.3870 *0.5696 * 32.38 *0.1759E-01*
*(C1 )* 22.00 *0.1909 *0.2796 * 32.22 *0.8679E-02*
*(C2 )* 22.00 *0.1697 *0.2485 * 32.22 *0.7714E-02*
*(OS )* 22.00 *0.2640E-01*0.4143E-01* 34.53 *0.1200E-02*
* * * * * * *
* DISC 3 * 21.00 *0.3813 *0.5549 * 30.56 *0.1816E-01*
*(C1 )* 21.00 *0.1215 *0.1763 * 30.46 *0.5786E-02*
*(C2 )* 21.00 *0.2430 *0.3525 * 30.46 *0.1157E-01*
*(OS )* 21.00 *0.1680E-01*0.2612E-01* 32.65 *0.7999E-03*
* * * * * * *
* DISC 4 * 20.00 *0.3359 *0.4642 * 27.65 *0.1679E-01*
*(C1 )* 20.00 *0.5786E-01*0.7986E-01* 27.61 *0.2893E-02*
*(C2 )* 20.00 *0.2700 *0.3727 * 27.61 *0.1350E-01*
*(OS )* 20.00 *0.7999E-02*0.1171E-01* 29.28 *0.4000E-03*
* * * * * * *
* ESP * 125.0 *0.9999 * 3.810 * 476.3 *0.7999E-02*
*(OS )* 125.0 *0.9999 * 3.810 * 476.3 *0.7999E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 10678 WORDS OF 4 BYTES
( 0.43 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 5

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 9.063 *0.8857 * 2.617 * 26.78 *0.9773E-01*
*(C1 )* 8.520 *0.3172 *0.9319 * 25.03 *0.3723E-01*
*(C2 )* 12.00 *0.5460 * 1.604 * 35.26 *0.4550E-01*
*(OS )* 1.500 *0.2250E-01*0.8139E-01* 5.426 *0.1500E-01*
* * * * * * *
* DISC 1 * 23.00 *0.4741 *0.8109 * 39.34 *0.2061E-01*
261
*(C1 )* 23.00 *0.2854 *0.4851 * 39.09 *0.1241E-01*
*(C2 )* 23.00 *0.1427 *0.2425 * 39.09 *0.6204E-02*
*(OS )* 23.00 *0.4600E-01*0.8330E-01* 41.65 *0.2000E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4197 *0.6664 * 34.93 *0.1908E-01*
*(C1 )* 22.00 *0.2047 *0.3237 * 34.78 *0.9307E-02*
*(C2 )* 22.00 *0.1820 *0.2877 * 34.78 *0.8273E-02*
*(OS )* 22.00 *0.3300E-01*0.5499E-01* 36.66 *0.1500E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4119 *0.6444 * 32.86 *0.1961E-01*
*(C1 )* 21.00 *0.1303 *0.2033 * 32.77 *0.6204E-02*
*(C2 )* 21.00 *0.2606 *0.4066 * 32.77 *0.1241E-01*
*(OS )* 21.00 *0.2100E-01*0.3453E-01* 34.53 *0.1000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3616 *0.5303 * 29.33 *0.1808E-01*
*(C1 )* 20.00 *0.6204E-01*0.9088E-01* 29.30 *0.3102E-02*
*(C2 )* 20.00 *0.2895 *0.4241 * 29.30 *0.1448E-01*
*(OS )* 20.00 *0.1000E-01*0.1530E-01* 30.61 *0.5000E-03*
* * * * * * *
* ESP * 100.0 * 1.000 * 4.730 * 473.1 *0.1000E-01*
*(OS )* 100.0 * 1.000 * 4.730 * 473.1 *0.1000E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 11265 WORDS OF 4 BYTES
( 0.45 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 6

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.908 *0.9280 * 3.401 * 32.65 *0.1042 *
*(C1 )* 8.520 *0.3304 * 1.203 * 31.03 *0.3878E-01*
*(C2 )* 12.00 *0.5688 * 2.071 * 43.70 *0.4740E-01*
*(OS )* 1.600 *0.2880E-01*0.1268 * 7.042 *0.1800E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5012 *0.9234 * 42.38 *0.2179E-01*
*(C1 )* 23.00 *0.2973 *0.5448 * 42.15 *0.1293E-01*
*(C2 )* 23.00 *0.1487 *0.2724 * 42.15 *0.6463E-02*
*(OS )* 23.00 *0.5520E-01*0.1062 * 44.24 *0.2400E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4425 *0.7453 * 37.06 *0.2011E-01*
*(C1 )* 22.00 *0.2133 *0.3580 * 36.92 *0.9695E-02*
*(C2 )* 22.00 *0.1896 *0.3182 * 36.92 *0.8618E-02*
*(OS )* 22.00 *0.3960E-01*0.6911E-01* 38.40 *0.1800E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4324 *0.7149 * 34.72 *0.2059E-01*
*(C1 )* 21.00 *0.1357 *0.2239 * 34.64 *0.6463E-02*
*(C2 )* 21.00 *0.2715 *0.4478 * 34.64 *0.1293E-01*
*(OS )* 21.00 *0.2520E-01*0.4322E-01* 36.01 *0.1200E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3782 *0.5794 * 30.64 *0.1891E-01*
*(C1 )* 20.00 *0.6463E-01*0.9890E-01* 30.60 *0.3232E-02*
*(C2 )* 20.00 *0.3016 *0.4615 * 30.60 *0.1508E-01*
*(OS )* 20.00 *0.1200E-01*0.1895E-01* 31.59 *0.6000E-03*
* * * * * * *
* ESP * 83.33 * 1.000 * 5.636 * 469.7 *0.1200E-01*
*(OS )* 83.33 * 1.000 * 5.636 * 469.7 *0.1200E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 11852 WORDS OF 4 BYTES
( 0.47 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 7

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
262
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.754 *0.9555 * 4.268 * 39.10 *0.1092 *
*(C1 )* 8.520 *0.3380 * 1.499 * 37.79 *0.3967E-01*
*(C2 )* 12.00 *0.5818 * 2.581 * 53.23 *0.4849E-01*
*(OS )* 1.700 *0.3570E-01*0.1881 * 8.956 *0.2100E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5206 * 1.018 * 44.97 *0.2264E-01*
*(C1 )* 23.00 *0.3041 *0.5920 * 44.77 *0.1322E-01*
*(C2 )* 23.00 *0.1521 *0.2960 * 44.77 *0.6612E-02*
*(OS )* 23.00 *0.6440E-01*0.1300 * 46.41 *0.2800E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4583 *0.8078 * 38.77 *0.2083E-01*
*(C1 )* 22.00 *0.2182 *0.3834 * 38.66 *0.9918E-02*
*(C2 )* 22.00 *0.1939 *0.3408 * 38.66 *0.8816E-02*
*(OS )* 22.00 *0.4620E-01*0.8352E-01* 39.77 *0.2100E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4459 *0.7683 * 36.18 *0.2124E-01*
*(C1 )* 21.00 *0.1388 *0.2388 * 36.11 *0.6612E-02*
*(C2 )* 21.00 *0.2777 *0.4775 * 36.11 *0.1322E-01*
*(OS )* 21.00 *0.2940E-01*0.5199E-01* 37.13 *0.1400E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3887 *0.6140 * 31.60 *0.1943E-01*
*(C1 )* 20.00 *0.6612E-01*0.1044 * 31.57 *0.3306E-02*
*(C2 )* 20.00 *0.3086 *0.4871 * 31.57 *0.1543E-01*
*(OS )* 20.00 *0.1400E-01*0.2260E-01* 32.28 *0.7000E-03*
* * * * * * *
* ESP * 71.43 * 1.000 * 6.524 * 466.0 *0.1400E-01*
*(OS )* 71.43 * 1.000 * 6.524 * 466.0 *0.1400E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 12439 WORDS OF 4 BYTES
( 0.50 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 8

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.602 *0.9732 * 5.211 * 46.06 *0.1131 *
*(C1 )* 8.520 *0.3417 * 1.816 * 45.28 *0.4011E-01*
*(C2 )* 12.00 *0.5883 * 3.127 * 63.78 *0.4902E-01*
*(OS )* 1.800 *0.4320E-01*0.2683 * 11.18 *0.2400E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5348 * 1.096 * 47.14 *0.2325E-01*
*(C1 )* 23.00 *0.3075 *0.6279 * 46.97 *0.1337E-01*
*(C2 )* 23.00 *0.1537 *0.3140 * 46.97 *0.6685E-02*
*(OS )* 23.00 *0.7360E-01*0.1543 * 48.21 *0.3200E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4695 *0.8563 * 40.12 *0.2134E-01*
*(C1 )* 22.00 *0.2206 *0.4014 * 40.03 *0.1003E-01*
*(C2 )* 22.00 *0.1961 *0.3568 * 40.03 *0.8913E-02*
*(OS )* 22.00 *0.5280E-01*0.9801E-01* 40.84 *0.2400E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4547 *0.8070 * 37.27 *0.2165E-01*
*(C1 )* 21.00 *0.1404 *0.2488 * 37.22 *0.6685E-02*
*(C2 )* 21.00 *0.2808 *0.4976 * 37.22 *0.1337E-01*
*(OS )* 21.00 *0.3360E-01*0.6072E-01* 37.95 *0.1600E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3948 *0.6369 * 32.27 *0.1974E-01*
*(C1 )* 20.00 *0.6685E-01*0.1078 * 32.25 *0.3342E-02*
*(C2 )* 20.00 *0.3120 *0.5030 * 32.25 *0.1560E-01*
*(OS )* 20.00 *0.1600E-01*0.2619E-01* 32.74 *0.8000E-03*
* * * * * * *
* ESP * 62.50 * 1.000 * 7.392 * 462.0 *0.1600E-01*
*(OS )* 62.50 * 1.000 * 7.392 * 462.0 *0.1600E-01*
263
* * * * * * *
*******************************************************************
MEMORY USED: 13026 WORDS OF 4 BYTES
( 0.52 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 9

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.455 *0.9842 * 6.223 * 53.46 *0.1164 *
*(C1 )* 8.520 *0.3428 * 2.150 * 53.45 *0.4023E-01*
*(C2 )* 12.00 *0.5901 * 3.702 * 75.28 *0.4917E-01*
*(OS )* 1.900 *0.5130E-01*0.3705 * 13.72 *0.2700E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5455 * 1.160 * 48.91 *0.2372E-01*
*(C1 )* 23.00 *0.3085 *0.6542 * 48.78 *0.1341E-01*
*(C2 )* 23.00 *0.1542 *0.3271 * 48.78 *0.6706E-02*
*(OS )* 23.00 *0.8280E-01*0.1789 * 49.68 *0.3600E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4774 *0.8931 * 41.16 *0.2170E-01*
*(C1 )* 22.00 *0.2213 *0.4133 * 41.09 *0.1006E-01*
*(C2 )* 22.00 *0.1967 *0.3674 * 41.09 *0.8941E-02*
*(OS )* 22.00 *0.5940E-01*0.1125 * 41.65 *0.2700E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4603 *0.8340 * 38.05 *0.2192E-01*
*(C1 )* 21.00 *0.1408 *0.2549 * 38.01 *0.6706E-02*
*(C2 )* 21.00 *0.2816 *0.5098 * 38.01 *0.1341E-01*
*(OS )* 21.00 *0.3780E-01*0.6932E-01* 38.51 *0.1800E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3980 *0.6507 * 32.70 *0.1990E-01*
*(C1 )* 20.00 *0.6706E-01*0.1096 * 32.69 *0.3353E-02*
*(C2 )* 20.00 *0.3129 *0.5114 * 32.69 *0.1565E-01*
*(OS )* 20.00 *0.1800E-01*0.2971E-01* 33.01 *0.9000E-03*
* * * * * * *
* ESP * 55.56 * 1.000 * 8.239 * 457.7 *0.1800E-01*
*(OS )* 55.56 * 1.000 * 8.239 * 457.7 *0.1800E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 13613 WORDS OF 4 BYTES
( 0.54 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 10

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.312 *0.9909 * 7.297 * 61.20 *0.1192 *
*(C1 )* 8.520 *0.3421 * 2.498 * 62.22 *0.4015E-01*
*(C2 )* 12.00 *0.5888 * 4.301 * 87.64 *0.4907E-01*
*(OS )* 2.000 *0.6000E-01*0.4978 * 16.59 *0.3000E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5537 * 1.212 * 50.35 *0.2407E-01*
*(C1 )* 23.00 *0.3078 *0.6724 * 50.24 *0.1338E-01*
*(C2 )* 23.00 *0.1539 *0.3362 * 50.24 *0.6691E-02*
*(OS )* 23.00 *0.9200E-01*0.2035 * 50.88 *0.4000E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4831 *0.9209 * 41.94 *0.2196E-01*
*(C1 )* 22.00 *0.2208 *0.4204 * 41.89 *0.1004E-01*
*(C2 )* 22.00 *0.1963 *0.3737 * 41.89 *0.8922E-02*
*(OS )* 22.00 *0.6600E-01*0.1268 * 42.26 *0.3000E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4636 *0.8517 * 38.58 *0.2207E-01*
*(C1 )* 21.00 *0.1405 *0.2580 * 38.55 *0.6691E-02*
*(C2 )* 21.00 *0.2810 *0.5160 * 38.55 *0.1338E-01*
264
*(OS )* 21.00 *0.4200E-01*0.7777E-01* 38.89 *0.2000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3992 *0.6578 * 32.96 *0.1996E-01*
*(C1 )* 20.00 *0.6691E-01*0.1102 * 32.95 *0.3346E-02*
*(C2 )* 20.00 *0.3123 *0.5144 * 32.95 *0.1561E-01*
*(OS )* 20.00 *0.2000E-01*0.3316E-01* 33.16 *0.1000E-02*
* * * * * * *
* ESP * 50.00 * 1.000 * 9.061 * 453.0 *0.2000E-01*
*(OS )* 50.00 * 1.000 * 9.061 * 453.0 *0.2000E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 14200 WORDS OF 4 BYTES
( 0.57 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 11

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.174 *0.9949 * 8.426 * 69.23 *0.1217 *
*(C1 )* 8.520 *0.3401 * 2.856 * 71.55 *0.3992E-01*
*(C2 )* 12.00 *0.5855 * 4.917 * 100.8 *0.4879E-01*
*(OS )* 2.100 *0.6930E-01*0.6532 * 19.80 *0.3300E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5603 * 1.255 * 51.50 *0.2436E-01*
*(C1 )* 23.00 *0.3060 *0.6843 * 51.43 *0.1331E-01*
*(C2 )* 23.00 *0.1530 *0.3422 * 51.43 *0.6653E-02*
*(OS )* 23.00 *0.1012 *0.2282 * 51.86 *0.4400E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4873 *0.9417 * 42.51 *0.2215E-01*
*(C1 )* 22.00 *0.2196 *0.4239 * 42.48 *0.9980E-02*
*(C2 )* 22.00 *0.1952 *0.3768 * 42.48 *0.8871E-02*
*(OS )* 22.00 *0.7260E-01*0.1410 * 42.72 *0.3300E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4654 *0.8625 * 38.92 *0.2216E-01*
*(C1 )* 21.00 *0.1397 *0.2588 * 38.90 *0.6653E-02*
*(C2 )* 21.00 *0.2794 *0.5177 * 38.90 *0.1331E-01*
*(OS )* 21.00 *0.4620E-01*0.8605E-01* 39.11 *0.2200E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3990 *0.6599 * 33.08 *0.1995E-01*
*(C1 )* 20.00 *0.6653E-01*0.1100 * 33.07 *0.3327E-02*
*(C2 )* 20.00 *0.3105 *0.5134 * 33.07 *0.1552E-01*
*(OS )* 20.00 *0.2200E-01*0.3652E-01* 33.20 *0.1100E-02*
* * * * * * *
* ESP * 45.45 * 1.000 * 9.855 * 448.0 *0.2200E-01*
*(OS )* 45.45 * 1.000 * 9.855 * 448.0 *0.2200E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 14787 WORDS OF 4 BYTES
( 0.59 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 12

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 8.043 *0.9972 * 9.608 * 77.49 *0.1240 *
*(C1 )* 8.520 *0.3373 * 3.222 * 81.37 *0.3959E-01*
*(C2 )* 12.00 *0.5807 * 5.546 * 114.6 *0.4839E-01*
*(OS )* 2.200 *0.7920E-01*0.8402 * 23.34 *0.3600E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5657 * 1.290 * 52.44 *0.2460E-01*
*(C1 )* 23.00 *0.3035 *0.6914 * 52.39 *0.1320E-01*
*(C2 )* 23.00 *0.1518 *0.3457 * 52.39 *0.6599E-02*
*(OS )* 23.00 *0.1104 *0.2528 * 52.67 *0.4800E-02*
265
* * * * * * *
* DISC 2 * 22.00 *0.4905 *0.9573 * 42.94 *0.2230E-01*
*(C1 )* 22.00 *0.2178 *0.4247 * 42.91 *0.9898E-02*
*(C2 )* 22.00 *0.1936 *0.3775 * 42.91 *0.8798E-02*
*(OS )* 22.00 *0.7920E-01*0.1550 * 43.06 *0.3600E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4661 *0.8683 * 39.12 *0.2220E-01*
*(C1 )* 21.00 *0.1386 *0.2580 * 39.11 *0.6599E-02*
*(C2 )* 21.00 *0.2771 *0.5161 * 39.11 *0.1320E-01*
*(OS )* 21.00 *0.5040E-01*0.9416E-01* 39.23 *0.2400E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3979 *0.6585 * 33.10 *0.1990E-01*
*(C1 )* 20.00 *0.6599E-01*0.1092 * 33.09 *0.3299E-02*
*(C2 )* 20.00 *0.3079 *0.5095 * 33.09 *0.1540E-01*
*(OS )* 20.00 *0.2400E-01*0.3980E-01* 33.17 *0.1200E-02*
* * * * * * *
* ESP * 41.67 * 1.000 * 10.62 * 442.4 *0.2400E-01*
*(OS )* 41.67 * 1.000 * 10.62 * 442.4 *0.2400E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 15374 WORDS OF 4 BYTES
( 0.61 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 13

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.918 *0.9985 * 10.84 * 85.96 *0.1261 *
*(C1 )* 8.520 *0.3339 * 3.593 * 91.67 *0.3920E-01*
*(C2 )* 12.00 *0.5749 * 6.185 * 129.1 *0.4791E-01*
*(OS )* 2.300 *0.8970E-01* 1.062 * 27.23 *0.3900E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5703 * 1.319 * 53.21 *0.2480E-01*
*(C1 )* 23.00 *0.3005 *0.6947 * 53.17 *0.1307E-01*
*(C2 )* 23.00 *0.1502 *0.3473 * 53.17 *0.6533E-02*
*(OS )* 23.00 *0.1196 *0.2774 * 53.35 *0.5200E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4930 *0.9691 * 43.25 *0.2241E-01*
*(C1 )* 22.00 *0.2156 *0.4236 * 43.23 *0.9799E-02*
*(C2 )* 22.00 *0.1916 *0.3765 * 43.23 *0.8710E-02*
*(OS )* 22.00 *0.8580E-01*0.1689 * 43.32 *0.3900E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4662 *0.8704 * 39.21 *0.2220E-01*
*(C1 )* 21.00 *0.1372 *0.2561 * 39.20 *0.6533E-02*
*(C2 )* 21.00 *0.2744 *0.5122 * 39.20 *0.1307E-01*
*(OS )* 21.00 *0.5460E-01*0.1021 * 39.28 *0.2600E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3962 *0.6548 * 33.05 *0.1981E-01*
*(C1 )* 20.00 *0.6533E-01*0.1080 * 33.05 *0.3266E-02*
*(C2 )* 20.00 *0.3049 *0.5038 * 33.05 *0.1524E-01*
*(OS )* 20.00 *0.2600E-01*0.4302E-01* 33.10 *0.1300E-02*
* * * * * * *
* ESP * 38.46 * 1.000 * 11.35 * 436.4 *0.2600E-01*
*(OS )* 38.46 * 1.000 * 11.35 * 436.4 *0.2600E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 15961 WORDS OF 4 BYTES
( 0.64 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 14

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
266
* CPU * 7.800 *0.9992 * 12.12 * 94.62 *0.1281 *
*(C1 )* 8.520 *0.3301 * 3.968 * 102.4 *0.3875E-01*
*(C2 )* 12.00 *0.5683 * 6.831 * 144.2 *0.4736E-01*
*(OS )* 2.400 *0.1008 * 1.323 * 31.49 *0.4200E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5744 * 1.345 * 53.84 *0.2497E-01*
*(C1 )* 23.00 *0.2971 *0.6951 * 53.82 *0.1292E-01*
*(C2 )* 23.00 *0.1485 *0.3476 * 53.82 *0.6458E-02*
*(OS )* 23.00 *0.1288 *0.3020 * 53.93 *0.5600E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4949 *0.9781 * 43.48 *0.2250E-01*
*(C1 )* 22.00 *0.2131 *0.4211 * 43.47 *0.9687E-02*
*(C2 )* 22.00 *0.1894 *0.3743 * 43.47 *0.8611E-02*
*(OS )* 22.00 *0.9240E-01*0.1828 * 43.52 *0.4200E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4656 *0.8699 * 39.23 *0.2217E-01*
*(C1 )* 21.00 *0.1356 *0.2533 * 39.22 *0.6458E-02*
*(C2 )* 21.00 *0.2712 *0.5066 * 39.22 *0.1292E-01*
*(OS )* 21.00 *0.5880E-01*0.1099 * 39.27 *0.2800E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3939 *0.6493 * 32.96 *0.1970E-01*
*(C1 )* 20.00 *0.6458E-01*0.1064 * 32.96 *0.3229E-02*
*(C2 )* 20.00 *0.3014 *0.4967 * 32.96 *0.1507E-01*
*(OS )* 20.00 *0.2800E-01*0.4618E-01* 32.99 *0.1400E-02*
* * * * * * *
* ESP * 35.71 * 1.000 * 12.04 * 429.9 *0.2800E-01*
*(OS )* 35.71 * 1.000 * 12.04 * 429.9 *0.2800E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 16548 WORDS OF 4 BYTES
( 0.66 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 15

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.688 *0.9996 * 13.45 * 103.5 *0.1300 *
*(C1 )* 8.520 *0.3260 * 4.346 * 113.6 *0.3826E-01*
*(C2 )* 12.00 *0.5611 * 7.482 * 160.0 *0.4676E-01*
*(OS )* 2.500 *0.1125 * 1.626 * 36.14 *0.4500E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5780 * 1.367 * 54.39 *0.2513E-01*
*(C1 )* 23.00 *0.2933 *0.6934 * 54.37 *0.1275E-01*
*(C2 )* 23.00 *0.1467 *0.3467 * 54.37 *0.6377E-02*
*(OS )* 23.00 *0.1380 *0.3266 * 54.43 *0.6000E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4965 *0.9850 * 43.65 *0.2257E-01*
*(C1 )* 22.00 *0.2104 *0.4174 * 43.64 *0.9565E-02*
*(C2 )* 22.00 *0.1870 *0.3710 * 43.64 *0.8502E-02*
*(OS )* 22.00 *0.9900E-01*0.1965 * 43.67 *0.4500E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4647 *0.8674 * 39.19 *0.2213E-01*
*(C1 )* 21.00 *0.1339 *0.2499 * 39.19 *0.6377E-02*
*(C2 )* 21.00 *0.2678 *0.4998 * 39.19 *0.1275E-01*
*(OS )* 21.00 *0.6300E-01*0.1176 * 39.21 *0.3000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3913 *0.6426 * 32.84 *0.1957E-01*
*(C1 )* 20.00 *0.6377E-01*0.1047 * 32.84 *0.3188E-02*
*(C2 )* 20.00 *0.2976 *0.4886 * 32.84 *0.1488E-01*
*(OS )* 20.00 *0.3000E-01*0.4928E-01* 32.85 *0.1500E-02*
* * * * * * *
* ESP * 33.33 * 1.000 * 12.68 * 422.8 *0.3000E-01*
*(OS )* 33.33 * 1.000 * 12.68 * 422.8 *0.3000E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 17135 WORDS OF 4 BYTES
267
( 0.69 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 16

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.582 *0.9998 * 14.84 * 112.6 *0.1319 *
*(C1 )* 8.520 *0.3215 * 4.727 * 125.3 *0.3774E-01*
*(C2 )* 12.00 *0.5535 * 8.137 * 176.4 *0.4612E-01*
*(OS )* 2.600 *0.1248 * 1.977 * 41.19 *0.4800E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5812 * 1.386 * 54.85 *0.2527E-01*
*(C1 )* 23.00 *0.2893 *0.6899 * 54.84 *0.1258E-01*
*(C2 )* 23.00 *0.1447 *0.3449 * 54.84 *0.6290E-02*
*(OS )* 23.00 *0.1472 *0.3512 * 54.88 *0.6400E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4977 *0.9901 * 43.77 *0.2262E-01*
*(C1 )* 22.00 *0.2076 *0.4129 * 43.77 *0.9434E-02*
*(C2 )* 22.00 *0.1845 *0.3670 * 43.77 *0.8386E-02*
*(OS )* 22.00 *0.1056 *0.2102 * 43.78 *0.4800E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4634 *0.8633 * 39.12 *0.2207E-01*
*(C1 )* 21.00 *0.1321 *0.2460 * 39.12 *0.6290E-02*
*(C2 )* 21.00 *0.2642 *0.4921 * 39.12 *0.1258E-01*
*(OS )* 21.00 *0.6720E-01*0.1252 * 39.13 *0.3200E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3884 *0.6349 * 32.69 *0.1942E-01*
*(C1 )* 20.00 *0.6290E-01*0.1028 * 32.69 *0.3145E-02*
*(C2 )* 20.00 *0.2935 *0.4798 * 32.69 *0.1468E-01*
*(OS )* 20.00 *0.3200E-01*0.5232E-01* 32.70 *0.1600E-02*
* * * * * * *
* ESP * 31.25 * 1.000 * 13.28 * 415.1 *0.3200E-01*
*(OS )* 31.25 * 1.000 * 13.28 * 415.1 *0.3200E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 17722 WORDS OF 4 BYTES
( 0.71 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 17

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.482 *0.9999 * 16.29 * 121.9 *0.1336 *
*(C1 )* 8.520 *0.3168 * 5.110 * 137.4 *0.3719E-01*
*(C2 )* 12.00 *0.5454 * 8.796 * 193.5 *0.4545E-01*
*(OS )* 2.700 *0.1377 * 2.380 * 46.67 *0.5100E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5840 * 1.403 * 55.26 *0.2539E-01*
*(C1 )* 23.00 *0.2851 *0.6849 * 55.25 *0.1240E-01*
*(C2 )* 23.00 *0.1425 *0.3424 * 55.25 *0.6198E-02*
*(OS )* 23.00 *0.1564 *0.3759 * 55.27 *0.6800E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4985 *0.9938 * 43.86 *0.2266E-01*
*(C1 )* 22.00 *0.2045 *0.4077 * 43.86 *0.9296E-02*
*(C2 )* 22.00 *0.1818 *0.3624 * 43.86 *0.8263E-02*
*(OS )* 22.00 *0.1122 *0.2237 * 43.86 *0.5100E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4618 *0.8580 * 39.01 *0.2199E-01*
*(C1 )* 21.00 *0.1301 *0.2418 * 39.01 *0.6198E-02*
*(C2 )* 21.00 *0.2603 *0.4836 * 39.01 *0.1240E-01*
*(OS )* 21.00 *0.7140E-01*0.1327 * 39.02 *0.3400E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3852 *0.6264 * 32.53 *0.1926E-01*
268
*(C1 )* 20.00 *0.6198E-01*0.1008 * 32.53 *0.3099E-02*
*(C2 )* 20.00 *0.2892 *0.4704 * 32.53 *0.1446E-01*
*(OS )* 20.00 *0.3400E-01*0.5530E-01* 32.53 *0.1700E-02*
* * * * * * *
* ESP * 29.41 * 1.000 * 13.83 * 406.8 *0.3400E-01*
*(OS )* 29.41 * 1.000 * 13.83 * 406.8 *0.3400E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 18309 WORDS OF 4 BYTES
( 0.73 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 18

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.388 * 1.000 * 17.79 * 131.5 *0.1353 *
*(C1 )* 8.520 *0.3119 * 5.494 * 150.1 *0.3661E-01*
*(C2 )* 12.00 *0.5369 * 9.458 * 211.4 *0.4474E-01*
*(OS )* 2.800 *0.1512 * 2.842 * 52.62 *0.5400E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5866 * 1.418 * 55.61 *0.2550E-01*
*(C1 )* 23.00 *0.2806 *0.6785 * 55.61 *0.1220E-01*
*(C2 )* 23.00 *0.1403 *0.3393 * 55.61 *0.6101E-02*
*(OS )* 23.00 *0.1656 *0.4005 * 55.62 *0.7200E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4991 *0.9962 * 43.91 *0.2269E-01*
*(C1 )* 22.00 *0.2013 *0.4019 * 43.91 *0.9151E-02*
*(C2 )* 22.00 *0.1790 *0.3572 * 43.91 *0.8135E-02*
*(OS )* 22.00 *0.1188 *0.2372 * 43.92 *0.5400E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4600 *0.8516 * 38.88 *0.2190E-01*
*(C1 )* 21.00 *0.1281 *0.2372 * 38.88 *0.6101E-02*
*(C2 )* 21.00 *0.2562 *0.4744 * 38.88 *0.1220E-01*
*(OS )* 21.00 *0.7560E-01*0.1400 * 38.88 *0.3600E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3817 *0.6173 * 32.35 *0.1909E-01*
*(C1 )* 20.00 *0.6101E-01*0.9867E-01* 32.35 *0.3050E-02*
*(C2 )* 20.00 *0.2847 *0.4604 * 32.35 *0.1424E-01*
*(OS )* 20.00 *0.3600E-01*0.5822E-01* 32.35 *0.1800E-02*
* * * * * * *
* ESP * 27.78 * 1.000 * 14.32 * 397.8 *0.3600E-01*
*(OS )* 27.78 * 1.000 * 14.32 * 397.8 *0.3600E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 18896 WORDS OF 4 BYTES
( 0.76 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 19

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.299 * 1.000 * 19.37 * 141.4 *0.1370 *
*(C1 )* 8.520 *0.3067 * 5.880 * 163.3 *0.3600E-01*
*(C2 )* 12.00 *0.5280 * 10.12 * 230.1 *0.4400E-01*
*(OS )* 2.900 *0.1653 * 3.367 * 59.07 *0.5700E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5888 * 1.432 * 55.92 *0.2560E-01*
*(C1 )* 23.00 *0.2760 *0.6710 * 55.92 *0.1200E-01*
*(C2 )* 23.00 *0.1380 *0.3355 * 55.92 *0.6000E-02*
*(OS )* 23.00 *0.1748 *0.4250 * 55.93 *0.7600E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4994 *0.9975 * 43.94 *0.2270E-01*
*(C1 )* 22.00 *0.1980 *0.3955 * 43.94 *0.9000E-02*
269
*(C2 )* 22.00 *0.1760 *0.3515 * 43.94 *0.8000E-02*
*(OS )* 22.00 *0.1254 *0.2505 * 43.94 *0.5700E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4578 *0.8442 * 38.73 *0.2180E-01*
*(C1 )* 21.00 *0.1260 *0.2324 * 38.73 *0.6000E-02*
*(C2 )* 21.00 *0.2520 *0.4647 * 38.73 *0.1200E-01*
*(OS )* 21.00 *0.7980E-01*0.1472 * 38.73 *0.3800E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3780 *0.6077 * 32.15 *0.1890E-01*
*(C1 )* 20.00 *0.6000E-01*0.9645E-01* 32.15 *0.3000E-02*
*(C2 )* 20.00 *0.2800 *0.4501 * 32.15 *0.1400E-01*
*(OS )* 20.00 *0.3800E-01*0.6109E-01* 32.15 *0.1900E-02*
* * * * * * *
* ESP * 26.32 * 1.000 * 14.75 * 388.1 *0.3800E-01*
*(OS )* 26.32 * 1.000 * 14.75 * 388.1 *0.3800E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 19483 WORDS OF 4 BYTES
( 0.78 % OF TOTAL MEMORY)

FACTOR DE MULTIPROGRAMACION = 20

- MEAN VALUE ANALYSIS ("MVA") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* CPU * 7.216 * 1.000 * 21.02 * 151.7 *0.1386 *
*(C1 )* 8.520 *0.3013 * 6.268 * 177.2 *0.3536E-01*
*(C2 )* 12.00 *0.5187 * 10.79 * 249.6 *0.4322E-01*
*(OS )* 3.000 *0.1800 * 3.964 * 66.06 *0.6000E-01*
* * * * * * *
* DISC 1 * 23.00 *0.5907 * 1.443 * 56.19 *0.2568E-01*
*(C1 )* 23.00 *0.2711 *0.6624 * 56.19 *0.1179E-01*
*(C2 )* 23.00 *0.1356 *0.3312 * 56.19 *0.5894E-02*
*(OS )* 23.00 *0.1840 *0.4495 * 56.19 *0.8000E-02*
* * * * * * *
* DISC 2 * 22.00 *0.4994 *0.9976 * 43.95 *0.2270E-01*
*(C1 )* 22.00 *0.1945 *0.3885 * 43.95 *0.8841E-02*
*(C2 )* 22.00 *0.1729 *0.3454 * 43.95 *0.7859E-02*
*(OS )* 22.00 *0.1320 *0.2637 * 43.95 *0.6000E-02*
* * * * * * *
* DISC 3 * 21.00 *0.4553 *0.8360 * 38.55 *0.2168E-01*
*(C1 )* 21.00 *0.1238 *0.2272 * 38.55 *0.5894E-02*
*(C2 )* 21.00 *0.2476 *0.4545 * 38.55 *0.1179E-01*
*(OS )* 21.00 *0.8400E-01*0.1542 * 38.56 *0.4000E-02*
* * * * * * *
* DISC 4 * 20.00 *0.3740 *0.5974 * 31.95 *0.1870E-01*
*(C1 )* 20.00 *0.5894E-01*0.9415E-01* 31.95 *0.2947E-02*
*(C2 )* 20.00 *0.2751 *0.4394 * 31.95 *0.1375E-01*
*(OS )* 20.00 *0.4000E-01*0.6390E-01* 31.95 *0.2000E-02*
* * * * * * *
* ESP * 25.00 * 1.000 * 15.10 * 377.6 *0.4000E-01*
*(OS )* 25.00 * 1.000 * 15.10 * 377.6 *0.4000E-01*
* * * * * * *
*******************************************************************
MEMORY USED: 20070 WORDS OF 4 BYTES
( 0.80 % OF TOTAL MEMORY)

1 0.4252E-02
2 0.6873E-02
3 0.8554E-02
4 0.9643E-02
5 0.1034E-01
6 0.1077E-01
7 0.1102E-01
8 0.1114E-01
9 0.1118E-01
10 0.1115E-01
270
11 0.1109E-01
12 0.1100E-01
13 0.1089E-01
14 0.1076E-01
15 0.1063E-01
16 0.1048E-01
17 0.1033E-01
18 0.1017E-01
19 0.1000E-01
20 0.9824E-02

46
47 /STATION/ NAME=TERMINAL;
48 TYPE=INFINITE;
49 INIT(C1)=N;
50 SERVICE(C1)=EXP(30000.);
51 SERVICE(C2)=EXP(60000.);
52 TRANSIT=SC;
53 /STATION/ NAME=SC;
54 SERVICE=EXP(1.);
55 RATE=CAP(1 STEP 1 UNTIL M);
56 TRANSIT=TERMINAL,C1,0.6,TERMINAL,C2;
57 /CONTROL/ OPTION=NRESULT;
58 /EXEC/ BEGIN
59 NETWORK(TERMINAL,SC);
60 PRINT(" TERM FM PRODUCTIVIDAD");
61 FOR N := 150 STEP 150 UNTIL 750 DO
62 FOR M := 1 STEP 1 UNTIL 20 DO
63 BEGIN
64 SOLVE;
65 PRINT(N,M,MTHRUPUT(SC));
66 END;
67 END;

TERM FM PRODUCTIVIDAD
150 1 0.3477E-02
150 2 0.3541E-02
150 3 0.3545E-02
150 4 0.3546E-02

150 20 0.3546E-02

300 1 0.4252E-02
300 2 0.6702E-02
300 3 0.7024E-02
300 4 0.7058E-02
300 5 0.7067E-02
300 6 0.7069E-02
300 7 0.7070E-02
300 8 0.7071E-02

300 20 0.7071E-02

450 1 0.4252E-02
450 2 0.6873E-02
450 3 0.8554E-02
450 4 0.9624E-02
450 5 0.1014E-01
450 6 0.1031E-01
450 7 0.1038E-01
450 8 0.1040E-01
450 9 0.1041E-01
450 10 0.1040E-01
450 11 0.1039E-01
450 12 0.1038E-01
450 13 0.1035E-01
450 14 0.1033E-01
450 15 0.1029E-01
450 16 0.1025E-01
271
450 17 0.1019E-01
450 18 0.1011E-01
450 19 0.1001E-01
450 20 0.9876E-02

600 1 0.4252E-02
600 2 0.6873E-02
600 3 0.8554E-02
600 4 0.9643E-02
600 5 0.1034E-01
600 6 0.1077E-01
600 7 0.1102E-01
600 8 0.1114E-01
600 9 0.1118E-01
600 10 0.1115E-01
600 11 0.1109E-01
600 12 0.1100E-01
600 13 0.1089E-01
600 14 0.1076E-01
600 15 0.1063E-01
600 16 0.1048E-01
600 17 0.1033E-01
600 18 0.1017E-01
600 19 0.1000E-01
600 20 0.9824E-02

750 1 0.4252E-02
750 2 0.6873E-02
750 3 0.8554E-02
750 4 0.9643E-02
750 5 0.1034E-01
750 6 0.1077E-01
750 7 0.1102E-01
750 8 0.1114E-01
750 9 0.1118E-01
750 10 0.1115E-01
750 11 0.1109E-01
750 12 0.1100E-01
750 13 0.1089E-01
750 14 0.1076E-01
750 15 0.1063E-01
750 16 0.1048E-01
750 17 0.1033E-01
750 18 0.1017E-01
750 19 0.1000E-01
750 20 0.9824E-02
68 /END/

2.2.2.4.2. Estudio por simulacin
Para estudiar este caso por simulacin se usa un semforo con un valor incial igual al factor
de multiprogramacin que controla la salida de los programas de la cola de entrada en
memoria.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE CPU,DISC(4),MEM,SMEM,TERMINAL,R(2);
2 REAL PROF1(4)=(2.,3.5,4.5,5.);
3 REAL PROF2(4)=(1.5,3.5,6.5,10.);
4 REAL TR1,TR2;
5 REAL D;
6 CLASS C1,C2;
7 INTEGER I,N,M;
8 REF CUSTOMER C;
9 /STATION/ NAME=CPU;
10 SCHED=PS;
11 SERVICE(C1)=BEGIN
272
12 CST(8.52);
13 D := UNIFORM(0., 6.);
14 FOR I := 1 STEP 1 UNTIL 4 DO
15 IF D <= PROF1(I) THEN TRANSIT(DISC(I));
16 C:=R(1).FIRST;
17 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
18 TRANSIT(C,OUT);
19 V(SMEM);
20 IF D <= 5.6 THEN TRANSIT(TERMINAL,C1)
21 ELSE TRANSIT(TERMINAL,C2);
22 END;
23 SERVICE(C2)=BEGIN
24 CST(12.);
25 D := UNIFORM(0., 11.);
26 FOR I := 1 STEP 1 UNTIL 4 DO
27 IF D <= PROF2(I) THEN TRANSIT(DISC(I));
28 C:=R(2).FIRST;
29 WHILE C.FATHER <> CUSTOMER DO C:=C.NEXT;
30 TRANSIT(C,OUT);
31 V(SMEM);
32 IF D <= 10.6 THEN TRANSIT(TERMINAL,C1)
33 ELSE TRANSIT(TERMINAL,C2);
34 END;
35 /STATION/ NAME=DISC;
36 TRANSIT=CPU;
37 /STATION/ NAME=DISC(1);
38 SERVICE=EXP(23.);
39 /STATION/ NAME=DISC(2);
40 SERVICE=EXP(22.);
41 /STATION/ NAME=DISC(3);
42 SERVICE=EXP(21.);
43 /STATION/ NAME=DISC(4);
44 SERVICE=EXP(20.);
45 /STATION/ NAME=MEM;
46 SERVICE=BEGIN
47 P(SMEM);
48 TRANSIT(CPU);
49 END;
50 /STATION/ NAME=SMEM;
51 TYPE=SEMAPHORE,MULTIPLE(M);
52 /STATION/ NAME=TERMINAL;
53 TYPE=INFINITE;
54 INIT(C1)=6*N/10;
55 INIT(C2)=4*N/10;
56 SERVICE(C1)=BEGIN
57 EXP(30000.);
58 TRANSIT(NEW(CUSTOMER),R(1),C1);
59 END;
60 SERVICE(C2)=BEGIN
61 EXP(60000.);
62 TRANSIT(NEW(CUSTOMER),R(2),C2);
63 END;
64 TRANSIT=MEM;
65 /CONTROL/ TMAX=5000000.;
66 CLASS=ALL QUEUE;
67 ACCURACY=ALL QUEUE,ALL CLASS;
68 OPTION=NRESULT;
69 /EXEC/ BEGIN
70 FOR N:=150 STEP 150 UNTIL 750 DO
71 FOR M:=1 STEP 1 UNTIL 20 DO
72 BEGIN
73 PRINT(" ");
74 PRINT("NUMERO DE USUARIOS =",N);
75 PRINT("FACTOR DE MULTIPROGRAMACION =",M);
76 SIMUL;
77 PRINT("TIEMPO DE RESPUESTA DE LA CLASE C1 =",MRESPONS
==> E(R(1))," +/-"),CRESPONSE(R(1));
78 PRINT("TIEMPO DE RESPUESTA DE LA CLASE C2 =",MRESPONS
==> E(R(2))," +/-",CRESPONSE(R(2)));
273
79 PRINT("PRODUCTIVIDAD C1 =",MTHRUPUT(TERMINAL,C1));
80 PRINT("PRODUCTIVIDAD C2 =",MTHRUPUT(TERMINAL,C2));
81 PRINT("PRODUCTIVIDAD TOTAL =",MTHRUPUT(TERMINAL));
82 END;
83 END;


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 1

TIEMPO DE RESPUESTA DE LA CLASE C1 = 1203. +/- 132.0
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1368. +/- 145.4
PRODUCTIVIDAD C1 = 0.2059E-02
PRODUCTIVIDAD C2 = 0.1356E-02
PRODUCTIVIDAD TOTAL = 0.3415E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 2

TIEMPO DE RESPUESTA DE LA CLASE C1 = 292.9 +/- 14.44
TIEMPO DE RESPUESTA DE LA CLASE C2 = 499.6 +/- 23.42
PRODUCTIVIDAD C1 = 0.2131E-02
PRODUCTIVIDAD C2 = 0.1380E-02
PRODUCTIVIDAD TOTAL = 0.3511E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 3

TIEMPO DE RESPUESTA DE LA CLASE C1 = 225.9 +/- 6.840
TIEMPO DE RESPUESTA DE LA CLASE C2 = 450.0 +/- 11.90
PRODUCTIVIDAD C1 = 0.2157E-02
PRODUCTIVIDAD C2 = 0.1422E-02
PRODUCTIVIDAD TOTAL = 0.3579E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 4

TIEMPO DE RESPUESTA DE LA CLASE C1 = 207.7 +/- 5.688
TIEMPO DE RESPUESTA DE LA CLASE C2 = 433.0 +/- 10.70
PRODUCTIVIDAD C1 = 0.2121E-02
PRODUCTIVIDAD C2 = 0.1404E-02
PRODUCTIVIDAD TOTAL = 0.3525E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 5

TIEMPO DE RESPUESTA DE LA CLASE C1 = 199.2 +/- 4.684
TIEMPO DE RESPUESTA DE LA CLASE C2 = 435.9 +/- 14.78
PRODUCTIVIDAD C1 = 0.2151E-02
PRODUCTIVIDAD C2 = 0.1396E-02
PRODUCTIVIDAD TOTAL = 0.3548E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 6

TIEMPO DE RESPUESTA DE LA CLASE C1 = 204.1 +/- 5.110
TIEMPO DE RESPUESTA DE LA CLASE C2 = 432.1 +/- 11.13
PRODUCTIVIDAD C1 = 0.2152E-02
PRODUCTIVIDAD C2 = 0.1403E-02
PRODUCTIVIDAD TOTAL = 0.3555E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 7
274

TIEMPO DE RESPUESTA DE LA CLASE C1 = 199.7 +/- 4.501
TIEMPO DE RESPUESTA DE LA CLASE C2 = 421.5 +/- 10.48
PRODUCTIVIDAD C1 = 0.2186E-02
PRODUCTIVIDAD C2 = 0.1417E-02
PRODUCTIVIDAD TOTAL = 0.3603E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 8

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.5 +/- 4.878
TIEMPO DE RESPUESTA DE LA CLASE C2 = 424.8 +/- 19.15
PRODUCTIVIDAD C1 = 0.2149E-02
PRODUCTIVIDAD C2 = 0.1434E-02
PRODUCTIVIDAD TOTAL = 0.3582E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 9

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.4 +/- 5.270
TIEMPO DE RESPUESTA DE LA CLASE C2 = 434.7 +/- 11.33
PRODUCTIVIDAD C1 = 0.2136E-02
PRODUCTIVIDAD C2 = 0.1414E-02
PRODUCTIVIDAD TOTAL = 0.3550E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 10

TIEMPO DE RESPUESTA DE LA CLASE C1 = 202.1 +/- 4.602
TIEMPO DE RESPUESTA DE LA CLASE C2 = 431.1 +/- 13.87
PRODUCTIVIDAD C1 = 0.2131E-02
PRODUCTIVIDAD C2 = 0.1416E-02
PRODUCTIVIDAD TOTAL = 0.3547E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 11

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.6 +/- 4.440
TIEMPO DE RESPUESTA DE LA CLASE C2 = 434.3 +/- 12.54
PRODUCTIVIDAD C1 = 0.2112E-02
PRODUCTIVIDAD C2 = 0.1400E-02
PRODUCTIVIDAD TOTAL = 0.3513E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 12

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.2 +/- 4.445
TIEMPO DE RESPUESTA DE LA CLASE C2 = 427.3 +/- 10.75
PRODUCTIVIDAD C1 = 0.2130E-02
PRODUCTIVIDAD C2 = 0.1426E-02
PRODUCTIVIDAD TOTAL = 0.3557E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 13

TIEMPO DE RESPUESTA DE LA CLASE C1 = 194.8 +/- 5.251
TIEMPO DE RESPUESTA DE LA CLASE C2 = 426.7 +/- 16.19
PRODUCTIVIDAD C1 = 0.2155E-02
PRODUCTIVIDAD C2 = 0.1410E-02
PRODUCTIVIDAD TOTAL = 0.3564E-02


NUMERO DE USUARIOS = 150
275
FACTOR DE MULTIPROGRAMACION = 14

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.4 +/- 4.229
TIEMPO DE RESPUESTA DE LA CLASE C2 = 413.1 +/- 12.75
PRODUCTIVIDAD C1 = 0.2165E-02
PRODUCTIVIDAD C2 = 0.1417E-02
PRODUCTIVIDAD TOTAL = 0.3583E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 15

TIEMPO DE RESPUESTA DE LA CLASE C1 = 200.7 +/- 4.384
TIEMPO DE RESPUESTA DE LA CLASE C2 = 420.0 +/- 12.93
PRODUCTIVIDAD C1 = 0.2111E-02
PRODUCTIVIDAD C2 = 0.1419E-02
PRODUCTIVIDAD TOTAL = 0.3530E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 16

TIEMPO DE RESPUESTA DE LA CLASE C1 = 198.6 +/- 4.382
TIEMPO DE RESPUESTA DE LA CLASE C2 = 426.8 +/- 14.29
PRODUCTIVIDAD C1 = 0.2102E-02
PRODUCTIVIDAD C2 = 0.1437E-02
PRODUCTIVIDAD TOTAL = 0.3539E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 17

TIEMPO DE RESPUESTA DE LA CLASE C1 = 195.8 +/- 5.330
TIEMPO DE RESPUESTA DE LA CLASE C2 = 436.9 +/- 13.08
PRODUCTIVIDAD C1 = 0.2144E-02
PRODUCTIVIDAD C2 = 0.1432E-02
PRODUCTIVIDAD TOTAL = 0.3576E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 18

TIEMPO DE RESPUESTA DE LA CLASE C1 = 203.5 +/- 6.075
TIEMPO DE RESPUESTA DE LA CLASE C2 = 428.2 +/- 15.84
PRODUCTIVIDAD C1 = 0.2137E-02
PRODUCTIVIDAD C2 = 0.1424E-02
PRODUCTIVIDAD TOTAL = 0.3561E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 19

TIEMPO DE RESPUESTA DE LA CLASE C1 = 199.3 +/- 4.100
TIEMPO DE RESPUESTA DE LA CLASE C2 = 434.2 +/- 12.39
PRODUCTIVIDAD C1 = 0.2131E-02
PRODUCTIVIDAD C2 = 0.1397E-02
PRODUCTIVIDAD TOTAL = 0.3527E-02


NUMERO DE USUARIOS = 150
FACTOR DE MULTIPROGRAMACION = 20

TIEMPO DE RESPUESTA DE LA CLASE C1 = 199.6 +/- 4.646
TIEMPO DE RESPUESTA DE LA CLASE C2 = 432.3 +/- 13.82
PRODUCTIVIDAD C1 = 0.2145E-02
PRODUCTIVIDAD C2 = 0.1414E-02
PRODUCTIVIDAD TOTAL = 0.3558E-02


276
NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 1

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2751E+05 +/- 1568.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2776E+05 +/- 1421.
PRODUCTIVIDAD C1 = 0.2608E-02
PRODUCTIVIDAD C2 = 0.1708E-02
PRODUCTIVIDAD TOTAL = 0.4315E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 2

TIEMPO DE RESPUESTA DE LA CLASE C1 = 2601. +/- 465.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 2856. +/- 457.2
PRODUCTIVIDAD C1 = 0.4017E-02
PRODUCTIVIDAD C2 = 0.2666E-02
PRODUCTIVIDAD TOTAL = 0.6683E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 3

TIEMPO DE RESPUESTA DE LA CLASE C1 = 578.0 +/- 45.58
TIEMPO DE RESPUESTA DE LA CLASE C2 = 844.7 +/- 52.41
PRODUCTIVIDAD C1 = 0.4198E-02
PRODUCTIVIDAD C2 = 0.2805E-02
PRODUCTIVIDAD TOTAL = 0.7003E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 4

TIEMPO DE RESPUESTA DE LA CLASE C1 = 391.3 +/- 16.26
TIEMPO DE RESPUESTA DE LA CLASE C2 = 679.6 +/- 27.13
PRODUCTIVIDAD C1 = 0.4281E-02
PRODUCTIVIDAD C2 = 0.2822E-02
PRODUCTIVIDAD TOTAL = 0.7103E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 5

TIEMPO DE RESPUESTA DE LA CLASE C1 = 313.0 +/- 13.72
TIEMPO DE RESPUESTA DE LA CLASE C2 = 606.7 +/- 33.46
PRODUCTIVIDAD C1 = 0.4260E-02
PRODUCTIVIDAD C2 = 0.2820E-02
PRODUCTIVIDAD TOTAL = 0.7080E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 6

TIEMPO DE RESPUESTA DE LA CLASE C1 = 288.4 +/- 10.66
TIEMPO DE RESPUESTA DE LA CLASE C2 = 591.9 +/- 22.31
PRODUCTIVIDAD C1 = 0.4198E-02
PRODUCTIVIDAD C2 = 0.2873E-02
PRODUCTIVIDAD TOTAL = 0.7071E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 7

TIEMPO DE RESPUESTA DE LA CLASE C1 = 283.4 +/- 9.203
TIEMPO DE RESPUESTA DE LA CLASE C2 = 605.2 +/- 24.34
PRODUCTIVIDAD C1 = 0.4255E-02
PRODUCTIVIDAD C2 = 0.2818E-02
PRODUCTIVIDAD TOTAL = 0.7073E-02

277

NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 8

TIEMPO DE RESPUESTA DE LA CLASE C1 = 284.2 +/- 7.004
TIEMPO DE RESPUESTA DE LA CLASE C2 = 616.8 +/- 16.67
PRODUCTIVIDAD C1 = 0.4240E-02
PRODUCTIVIDAD C2 = 0.2818E-02
PRODUCTIVIDAD TOTAL = 0.7057E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 9

TIEMPO DE RESPUESTA DE LA CLASE C1 = 286.8 +/- 10.44
TIEMPO DE RESPUESTA DE LA CLASE C2 = 631.2 +/- 24.94
PRODUCTIVIDAD C1 = 0.4297E-02
PRODUCTIVIDAD C2 = 0.2829E-02
PRODUCTIVIDAD TOTAL = 0.7126E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 10

TIEMPO DE RESPUESTA DE LA CLASE C1 = 280.1 +/- 6.936
TIEMPO DE RESPUESTA DE LA CLASE C2 = 604.7 +/- 20.48
PRODUCTIVIDAD C1 = 0.4324E-02
PRODUCTIVIDAD C2 = 0.2852E-02
PRODUCTIVIDAD TOTAL = 0.7176E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 11

TIEMPO DE RESPUESTA DE LA CLASE C1 = 277.0 +/-
TIEMPO DE RESPUESTA DE LA CLASE C2 = 612.9 +/-
PRODUCTIVIDAD C1 = 0.4234E-02
PRODUCTIVIDAD C2 = 0.2850E-02
PRODUCTIVIDAD TOTAL = 0.7085E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 12

TIEMPO DE RESPUESTA DE LA CLASE C1 = 271.8 +/- 8.461
TIEMPO DE RESPUESTA DE LA CLASE C2 = 596.0 +/- 22.32
PRODUCTIVIDAD C1 = 0.4185E-02
PRODUCTIVIDAD C2 = 0.2836E-02
PRODUCTIVIDAD TOTAL = 0.7021E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 13

TIEMPO DE RESPUESTA DE LA CLASE C1 = 275.7 +/- 5.732
TIEMPO DE RESPUESTA DE LA CLASE C2 = 603.1 +/- 21.92
PRODUCTIVIDAD C1 = 0.4220E-02
PRODUCTIVIDAD C2 = 0.2837E-02
PRODUCTIVIDAD TOTAL = 0.7057E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 14

TIEMPO DE RESPUESTA DE LA CLASE C1 = 267.0 +/- 7.359
TIEMPO DE RESPUESTA DE LA CLASE C2 = 584.8 +/- 16.10
PRODUCTIVIDAD C1 = 0.4203E-02
PRODUCTIVIDAD C2 = 0.2837E-02
PRODUCTIVIDAD TOTAL = 0.7040E-02
278


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 15

TIEMPO DE RESPUESTA DE LA CLASE C1 = 277.2 +/- 8.135
TIEMPO DE RESPUESTA DE LA CLASE C2 = 606.3 +/- 35.44
PRODUCTIVIDAD C1 = 0.4265E-02
PRODUCTIVIDAD C2 = 0.2845E-02
PRODUCTIVIDAD TOTAL = 0.7110E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 16

TIEMPO DE RESPUESTA DE LA CLASE C1 = 273.0 +/- 9.014
TIEMPO DE RESPUESTA DE LA CLASE C2 = 603.3 +/- 34.12
PRODUCTIVIDAD C1 = 0.4334E-02
PRODUCTIVIDAD C2 = 0.2794E-02
PRODUCTIVIDAD TOTAL = 0.7128E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 17

TIEMPO DE RESPUESTA DE LA CLASE C1 = 281.3 +/- 12.82
TIEMPO DE RESPUESTA DE LA CLASE C2 = 637.2 +/- 20.09
PRODUCTIVIDAD C1 = 0.4279E-02
PRODUCTIVIDAD C2 = 0.2819E-02
PRODUCTIVIDAD TOTAL = 0.7098E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 18

TIEMPO DE RESPUESTA DE LA CLASE C1 = 280.6 +/- 14.11
TIEMPO DE RESPUESTA DE LA CLASE C2 = 609.5 +/- 22.24
PRODUCTIVIDAD C1 = 0.4215E-02
PRODUCTIVIDAD C2 = 0.2825E-02
PRODUCTIVIDAD TOTAL = 0.7040E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 19

TIEMPO DE RESPUESTA DE LA CLASE C1 = 274.8 +/- 7.892
TIEMPO DE RESPUESTA DE LA CLASE C2 = 604.3 +/- 20.16
PRODUCTIVIDAD C1 = 0.4210E-02
PRODUCTIVIDAD C2 = 0.2819E-02
PRODUCTIVIDAD TOTAL = 0.7029E-02


NUMERO DE USUARIOS = 300
FACTOR DE MULTIPROGRAMACION = 20

TIEMPO DE RESPUESTA DE LA CLASE C1 = 281.5 +/- 9.702
TIEMPO DE RESPUESTA DE LA CLASE C2 = 618.9 +/- 24.63
PRODUCTIVIDAD C1 = 0.4271E-02
PRODUCTIVIDAD C2 = 0.2792E-02
PRODUCTIVIDAD TOTAL = 0.7063E-02


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 1

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.6185E+05 +/- 4855
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.6237E+05 +/- 2654
PRODUCTIVIDAD C1 = 0.2609E-02
PRODUCTIVIDAD C2 = 0.1728E-02
279
PRODUCTIVIDAD TOTAL = 0.4337E-02


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 2

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2279E+05 +/- 962.2
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2308E+05 +/- 984.3
PRODUCTIVIDAD C1 = 0.4189E-02
PRODUCTIVIDAD C2 = 0.2774E-02
PRODUCTIVIDAD TOTAL = 0.6963E-02


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 3

TIEMPO DE RESPUESTA DE LA CLASE C1 = 9991. +/- 870.6
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1034E+05 +/- 808.1
PRODUCTIVIDAD C1 = 0.5248E-02
PRODUCTIVIDAD C2 = 0.3437E-02
PRODUCTIVIDAD TOTAL = 0.8684E-02


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 4

TIEMPO DE RESPUESTA DE LA CLASE C1 = 3839. +/- 898.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 4194. +/- 875.7
PRODUCTIVIDAD C1 = 0.5922E-02
PRODUCTIVIDAD C2 = 0.3952E-02
PRODUCTIVIDAD TOTAL = 0.9874E-02


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 5

TIEMPO DE RESPUESTA DE LA CLASE C1 = 1636. +/- 219.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1998. +/- 318.0
PRODUCTIVIDAD C1 = 0.6129E-02
PRODUCTIVIDAD C2 = 0.4144E-02
PRODUCTIVIDAD TOTAL = 0.1027E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 6

TIEMPO DE RESPUESTA DE LA CLASE C1 = 1124. +/- 184.6
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1526. +/- 176.9
PRODUCTIVIDAD C1 = 0.6277E-02
PRODUCTIVIDAD C2 = 0.4115E-02
PRODUCTIVIDAD TOTAL = 0.1039E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 7

TIEMPO DE RESPUESTA DE LA CLASE C1 = 896.3 +/- 127.5
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1354. +/- 152.1
PRODUCTIVIDAD C1 = 0.6296E-02
PRODUCTIVIDAD C2 = 0.4188E-02
PRODUCTIVIDAD TOTAL = 0.1048E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 8

TIEMPO DE RESPUESTA DE LA CLASE C1 = 751.9 +/- 93.14
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1241. +/- 106.9
PRODUCTIVIDAD C1 = 0.6285E-02
280
PRODUCTIVIDAD C2 = 0.4215E-02
PRODUCTIVIDAD TOTAL = 0.1050E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 9

TIEMPO DE RESPUESTA DE LA CLASE C1 = 704.2 +/- 64.31
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1228. +/- 76.14
PRODUCTIVIDAD C1 = 0.6347E-02
PRODUCTIVIDAD C2 = 0.4159E-02
PRODUCTIVIDAD TOTAL = 0.1051E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 10

TIEMPO DE RESPUESTA DE LA CLASE C1 = 681.1 +/- 69.64
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1236. +/- 80.35
PRODUCTIVIDAD C1 = 0.6400E-02
PRODUCTIVIDAD C2 = 0.4167E-02
PRODUCTIVIDAD TOTAL = 0.1057E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 11

TIEMPO DE RESPUESTA DE LA CLASE C1 = 655.5 +/- 62.48
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1253. +/- 96.03
PRODUCTIVIDAD C1 = 0.6347E-02
PRODUCTIVIDAD C2 = 0.4201E-02
PRODUCTIVIDAD TOTAL = 0.1055E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 12

TIEMPO DE RESPUESTA DE LA CLASE C1 = 616.5 +/- 79.11
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1220. +/- 103.6
PRODUCTIVIDAD C1 = 0.6307E-02
PRODUCTIVIDAD C2 = 0.4218E-02
PRODUCTIVIDAD TOTAL = 0.1053E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 13

TIEMPO DE RESPUESTA DE LA CLASE C1 = 599.3 +/- 39.90
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1224. +/- 82.81
PRODUCTIVIDAD C1 = 0.6302E-02
PRODUCTIVIDAD C2 = 0.4206E-02
PRODUCTIVIDAD TOTAL = 0.1051E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 14

TIEMPO DE RESPUESTA DE LA CLASE C1 = 584.5 +/- 51.45
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1215. +/- 64.20
PRODUCTIVIDAD C1 = 0.6252E-02
PRODUCTIVIDAD C2 = 0.4221E-02
PRODUCTIVIDAD TOTAL = 0.1047E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 15

TIEMPO DE RESPUESTA DE LA CLASE C1 = 600.3 +/- 70.83
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1258. +/- 99.84
281
PRODUCTIVIDAD C1 = 0.6335E-02
PRODUCTIVIDAD C2 = 0.4165E-02
PRODUCTIVIDAD TOTAL = 0.1050E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 16

TIEMPO DE RESPUESTA DE LA CLASE C1 = 555.5 +/- 44.20
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1202. +/- 77.31
PRODUCTIVIDAD C1 = 0.6263E-02
PRODUCTIVIDAD C2 = 0.4183E-02
PRODUCTIVIDAD TOTAL = 0.1045E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 17

TIEMPO DE RESPUESTA DE LA CLASE C1 = 573.9 +/- 41.08
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1279. +/- 95.87
PRODUCTIVIDAD C1 = 0.6371E-02
PRODUCTIVIDAD C2 = 0.4173E-02
PRODUCTIVIDAD TOTAL = 0.1054E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 18

TIEMPO DE RESPUESTA DE LA CLASE C1 = 543.5 +/- 33.83
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1188. +/- 75.87
PRODUCTIVIDAD C1 = 0.6273E-02
PRODUCTIVIDAD C2 = 0.4235E-02
PRODUCTIVIDAD TOTAL = 0.1051E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 19

TIEMPO DE RESPUESTA DE LA CLASE C1 = 543.6 +/- 32.13
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1238. +/- 71.38
PRODUCTIVIDAD C1 = 0.6325E-02
PRODUCTIVIDAD C2 = 0.4164E-02
PRODUCTIVIDAD TOTAL = 0.1049E-01


NUMERO DE USUARIOS = 450
FACTOR DE MULTIPROGRAMACION = 20

TIEMPO DE RESPUESTA DE LA CLASE C1 = 586.7 +/- 58.12
TIEMPO DE RESPUESTA DE LA CLASE C2 = 1328. +/- 106.8
PRODUCTIVIDAD C1 = 0.6390E-02
PRODUCTIVIDAD C2 = 0.4183E-02
PRODUCTIVIDAD TOTAL = 0.1057E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 1

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.9447E+05 +/- 7168.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.9517E+05 +/- 3567.
PRODUCTIVIDAD C1 = 0.2645E-02
PRODUCTIVIDAD C2 = 0.1755E-02
PRODUCTIVIDAD TOTAL = 0.4401E-02


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 2

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.4248E+05 +/- 2968.
282
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.4285E+05 +/- 1614.
PRODUCTIVIDAD C1 = 0.4230E-02
PRODUCTIVIDAD C2 = 0.2859E-02
PRODUCTIVIDAD TOTAL = 0.7089E-02


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 3

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2682E+05 +/- 2292.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2719E+05 +/-1403.
PRODUCTIVIDAD C1 = 0.5229E-02
PRODUCTIVIDAD C2 = 0.3491E-02
PRODUCTIVIDAD TOTAL = 0.8720E-02


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 4

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1891E+05 +/- 1036.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1924E+05 +/- 920.5
PRODUCTIVIDAD C1 = 0.5956E-02
PRODUCTIVIDAD C2 = 0.3924E-02
PRODUCTIVIDAD TOTAL = 0.9880E-02


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 5

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1479E+05 +/- 1650.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1525E+05 +/- 1091.
PRODUCTIVIDAD C1 = 0.6352E-02
PRODUCTIVIDAD C2 = 0.4238E-02
PRODUCTIVIDAD TOTAL = 0.1059E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 6

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1222E+05 +/- 890.0
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1273E+05 +/- 868.7
PRODUCTIVIDAD C1 = 0.6643E-02
PRODUCTIVIDAD C2 = 0.4389E-02
PRODUCTIVIDAD TOTAL = 0.1103E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 7

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1015E+05 +/- 835.8
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1068E+05 +/- 748.9
PRODUCTIVIDAD C1 = 0.6952E-02
PRODUCTIVIDAD C2 = 0.4589E-02
PRODUCTIVIDAD TOTAL = 0.1154E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 8

TIEMPO DE RESPUESTA DE LA CLASE C1 = 8752. +/- 600.0
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9380. +/- 599.8
PRODUCTIVIDAD C1 = 0.7004E-02
PRODUCTIVIDAD C2 = 0.4696E-02
PRODUCTIVIDAD TOTAL = 0.1170E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 9

283
TIEMPO DE RESPUESTA DE LA CLASE C1 = 8497. +/- 781.1
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9185. +/- 766.9
PRODUCTIVIDAD C1 = 0.7105E-02
PRODUCTIVIDAD C2 = 0.4713E-02
PRODUCTIVIDAD TOTAL = 0.1182E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 10

TIEMPO DE RESPUESTA DE LA CLASE C1 = 8157. +/- 626.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8876. +/- 694.5
PRODUCTIVIDAD C1 = 0.7217E-02
PRODUCTIVIDAD C2 = 0.4761E-02
PRODUCTIVIDAD TOTAL = 0.1198E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 11

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7881. +/- 627.6
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8656. +/- 686.6
PRODUCTIVIDAD C1 = 0.7249E-02
PRODUCTIVIDAD C2 = 0.4778E-02
PRODUCTIVIDAD TOTAL = 0.1203E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 12

TIEMPO DE RESPUESTA DE LA CLASE C1 = 8017. +/- 766.4
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8972. +/- 1068.
PRODUCTIVIDAD C1 = 0.7172E-02
PRODUCTIVIDAD C2 = 0.4747E-02
PRODUCTIVIDAD TOTAL = 0.1192E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 13

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7953. +/- 633.5
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8954. +/- 651.3
PRODUCTIVIDAD C1 = 0.7199E-02
PRODUCTIVIDAD C2 = 0.4787E-02
PRODUCTIVIDAD TOTAL = 0.1199E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 14

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7921. +/- 616.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9025. +/- 622.3
PRODUCTIVIDAD C1 = 0.7162E-02
PRODUCTIVIDAD C2 = 0.4737E-02
PRODUCTIVIDAD TOTAL = 0.1190E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 15

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7250. +/- 681.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8376. +/- 744.3
PRODUCTIVIDAD C1 = 0.7300E-02
PRODUCTIVIDAD C2 = 0.4812E-02
PRODUCTIVIDAD TOTAL = 0.1211E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 16
284

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7906. +/- 684.2
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9144. +/- 713.4
PRODUCTIVIDAD C1 = 0.7157E-02
PRODUCTIVIDAD C2 = 0.4774E-02
PRODUCTIVIDAD TOTAL = 0.1193E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 17

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7800. +/- 676.0
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9136. +/- 678.3
PRODUCTIVIDAD C1 = 0.7143E-02
PRODUCTIVIDAD C2 = 0.4761E-02
PRODUCTIVIDAD TOTAL = 0.1190E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 18

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7553. +/- 775.8
TIEMPO DE RESPUESTA DE LA CLASE C2 = 8942. +/- 797.9
PRODUCTIVIDAD C1 = 0.7203E-02
PRODUCTIVIDAD C2 = 0.4775E-02
PRODUCTIVIDAD TOTAL = 0.1198E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 19

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7755. +/- 842.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9259. +/- 946.8
PRODUCTIVIDAD C1 = 0.7248E-02
PRODUCTIVIDAD C2 = 0.4675E-02
PRODUCTIVIDAD TOTAL = 0.1192E-01


NUMERO DE USUARIOS = 600
FACTOR DE MULTIPROGRAMACION = 20

TIEMPO DE RESPUESTA DE LA CLASE C1 = 7899. +/- 560.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 9470. +/- 600.2
PRODUCTIVIDAD C1 = 0.7261E-02
PRODUCTIVIDAD C2 = 0.4726E-02
PRODUCTIVIDAD TOTAL = 0.1199E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 1

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1322E+06 +/- 0.1259+05
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.1334E+06 +/- 8839.
PRODUCTIVIDAD C1 = 0.2601E-02
PRODUCTIVIDAD C2 = 0.1731E-02
PRODUCTIVIDAD TOTAL = 0.4331E-02


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 2

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.6394E+05 +/- 4500.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.6452E+05 +/- 2714.
PRODUCTIVIDAD C1 = 0.4222E-02
PRODUCTIVIDAD C2 = 0.2859E-02
PRODUCTIVIDAD TOTAL = 0.7081E-02


NUMERO DE USUARIOS = 750
285
FACTOR DE MULTIPROGRAMACION = 3

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.4312E+05 +/- 1890.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.4350E+05 +/- 1487.
PRODUCTIVIDAD C1 = 0.5304E-02
PRODUCTIVIDAD C2 = 0.3495E-02
PRODUCTIVIDAD TOTAL = 0.8800E-02


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 4

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.3325E+05 +/- 1250.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.3369E+05 +/- 1043.
PRODUCTIVIDAD C1 = 0.5977E-02
PRODUCTIVIDAD C2 = 0.3948E-02
PRODUCTIVIDAD TOTAL = 0.9925E-02


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 5

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2874E+05 +/- 1389.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2926E+05 +/- 947.7
PRODUCTIVIDAD C1 = 0.6390E-02
PRODUCTIVIDAD C2 = 0.4211E-02
PRODUCTIVIDAD TOTAL = 0.1060E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 6

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2514E+05 +/- 1146.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2570E+05 +/- 1045.
PRODUCTIVIDAD C1 = 0.6720E-02
PRODUCTIVIDAD C2 = 0.4461E-02
PRODUCTIVIDAD TOTAL = 0.1118E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 7

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2240E+05 +/- 925.9
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2300E+05 +/- 931.1
PRODUCTIVIDAD C1 = 0.6973E-02
PRODUCTIVIDAD C2 = 0.4627E-02
PRODUCTIVIDAD TOTAL = 0.1160E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 8

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2162E+05 +/- 1090.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2226E+05 +/- 989.5
PRODUCTIVIDAD C1 = 0.7116E-02
PRODUCTIVIDAD C2 = 0.4686E-02
PRODUCTIVIDAD TOTAL = 0.1180E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 9

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2042E+05 +/- 1715.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2112E+05 +/- 1136.
PRODUCTIVIDAD C1 = 0.7257E-02
PRODUCTIVIDAD C2 = 0.4709E-02
PRODUCTIVIDAD TOTAL = 0.1197E-01


286
NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 10

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2153E+05 +/- 826.5
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2234E+05 +/- 762.9
PRODUCTIVIDAD C1 = 0.7110E-02
PRODUCTIVIDAD C2 = 0.4659E-02
PRODUCTIVIDAD TOTAL = 0.1177E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 11

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.2000E+05 +/- 1023.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2091E+05 +/- 888.7
PRODUCTIVIDAD C1 = 0.7249E-02
PRODUCTIVIDAD C2 = 0.4790E-02
PRODUCTIVIDAD TOTAL = 0.1204E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 12

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1972E+05 +/- 957.1
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2066E+05 +/- 811.5
PRODUCTIVIDAD C1 = 0.7263E-02
PRODUCTIVIDAD C2 = 0.4833E-02
PRODUCTIVIDAD TOTAL = 0.1210E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 13

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1967E+05 +/- 1020.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2068E+05 +/- 1030.
PRODUCTIVIDAD C1 = 0.7188E-02
PRODUCTIVIDAD C2 = 0.4824E-02
PRODUCTIVIDAD TOTAL = 0.1201E-01

NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 14

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1990E+05 +/- 1096.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2103E+05 +/- 920.0
PRODUCTIVIDAD C1 = 0.7236E-02
PRODUCTIVIDAD C2 = 0.4824E-02
PRODUCTIVIDAD TOTAL = 0.1206E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 15

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1955E+05 +/- 810.2
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2069E+05 +/- 860.1
PRODUCTIVIDAD C1 = 0.7296E-02
PRODUCTIVIDAD C2 = 0.4830E-02
PRODUCTIVIDAD TOTAL = 0.1213E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 16

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1991E+05 +/- 900.6
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2118E+05 +/- 817.7
PRODUCTIVIDAD C1 = 0.7211E-02
PRODUCTIVIDAD C2 = 0.4787E-02
PRODUCTIVIDAD TOTAL = 0.1200E-01


287
NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 17

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1953E+05 +/- 988.3
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2085E+05 +/- 1015.
PRODUCTIVIDAD C1 = 0.7271E-02
PRODUCTIVIDAD C2 = 0.4806E-02
PRODUCTIVIDAD TOTAL = 0.1208E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 18

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1958E+05 +/- 1025.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2100E+05 +/- 1373.
PRODUCTIVIDAD C1 = 0.7256E-02
PRODUCTIVIDAD C2 = 0.4813E-02
PRODUCTIVIDAD TOTAL = 0.1207E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 19

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1910E+05 +/- 821.2
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2065E+05 +/- 781.8
PRODUCTIVIDAD C1 = 0.7345E-02
PRODUCTIVIDAD C2 = 0.4811E-02
PRODUCTIVIDAD TOTAL = 0.1216E-01


NUMERO DE USUARIOS = 750
FACTOR DE MULTIPROGRAMACION = 20

TIEMPO DE RESPUESTA DE LA CLASE C1 = 0.1960E+05 +/- 1216.
TIEMPO DE RESPUESTA DE LA CLASE C2 = 0.2113E+05 +/- 800.1
PRODUCTIVIDAD C1 = 0.7321E-02
PRODUCTIVIDAD C2 = 0.4792E-02
PRODUCTIVIDAD TOTAL = 0.1211E-01

84 /END/
288
4. MODELADO Y EVALUACIN DE REDES
Se va a tratar ahora de la aplicacin de los modelos de colas estudiados en los captulos 3 y 4
del primer volumen de esta obra al anlisis del comportamiento de algunos esquemas
frecuentes de sistemas de transmisin de datos.
4.1. REDES MALLADAS
4.1.1. MODELOS ELEMENTALES DE SUS COMPONENTES
4.1.1.1. Lnea punto a punto
Una lnea punto a punto utilizada para transmitir datos entre dos estaciones con protocolo de
tipo stop and wait, se puede asimilar a una estacin de servicio con una cola FIFO, que, por
razones de simplicidad de clculo, se admitir que recibe peticiones de transmisin de
mensajes a razn de llegadas por segundo con distribucin poissoniana y cada uno de los
cuales retiene la lnea durante el tiempo necesario para el servicio t
V
.
Ahora bien, el tiempo necesario para enviar un mensaje, t
T
, comprende el tiempo de
transmisin del mensaje, t
I
, ms el tiempo de espera para verificar la correcta recepcin del
mensaje (time out), t
out
.
t
T
= t
I
+ t
out
Ahora bien el tiempo necesario para asegurar la correcta recepcin de un mensaje necesita,
adems, el tiempo necesario para llevar a cabo las retransmisiones necesarias para lograrlo,
que depender de la probabilidad p que una transmisin no se realice correctamente. Ello
significa que
( )
p
t
t ip p t t
T
i
T
i
T V

= + =

=
1
1
1

En esta expresin no se tiene en cuenta la posibilidad de tener errores en los mensajes de
aceptacin (ack). En consecuencia, la productividad mxima,
max
, que se puede obtener de
una lnea ser
I T V
at
p
t
p
t

=

= =
1 1 1
max

donde el parmetro a = t
T
/t
I
1, se ha introducido para relacionar la productividad de datos
con la longitud del mensaje t
I
.
Si es la frecuencia de llegada al transmisor en mensajes por segundo, su productividad
normalizada (o utilizacin) t
I
con este protocolo estar acotada por
1
1
<

=
a
p
t
I

Esta expresin muestra explcitamente la dependencia de la productividad respecto a la
probabilidad de error p y a la relacin entre el tiempo de transmisin de un mensaje y el
tiempo de un ciclo (transmisin ms espera). Si el tiempo de espera es despreciable frente al
de transmisin el time out tambin puede serlo y entonces a = 1 y, en consecuencia, la
utilizacin de la lnea puede llegar hasta
289
< 1 - p
Si el protocolo en vez de tener una ventana de 1 en el proceso de espera, la tuviera de
dimensin N (protocolo go-back-N), se puede considerar en un caso ideal que los mensajes se
transmiten de forma continua sin ninguna espera entre ellos ya que no es preciso esperar el
mensaje de aceptacin. Por lo tanto para calcular el tiempo medio de servicio se puede usar
las misma expresin que para el protocolo anterior pero usando el tiempo de transmisin, t
I
,
en vez del correspondiente a un ciclo de transmisin ms espera. Es decir, que
( )
( )
(

+
= + =

=
p
p a
t t ip p t t
I
i
T
i
I V
1
1 1
1
1

La productividad que provoca la saturacin ser en este caso
( ) | | p a t
p
t
p
t
I T V
1 1
1 1 1
max
+

=

= =
y la productividad normalizada estar acotada por
( )p a
p
t
I
1 1
1
+

< =
Obsrvese que cuando a tiende a 1 (los tiempos de propagacin y proceso despreciables
frente al de transmisin) se obtiene un comportamiento similar al del protocolo de espera
simple.
Determinado el tiempo de servicio, para calcular el tiempo de respuesta del sistema, es decir,
el tiempo desde la puesta a disposicin del transmisor del mensaje hasta su llegada al receptor
se puede adoptar un modelo de tipo M/M/1 o mejor M/G/1.
En particular, si se admite que la transmisin se efecta por paquetes (mensajes de idntica
longitud) y que la tasa de retransmisiones es despreciable, entonces se puede utilizar un
modelo M/D/1, donde la D significa determinista, es decir, tiempo de servicio constante, que
no es mss que un caso particular del modelo M/G/1.
Para encontrar el tamao ptimo del paquete, se empieza considerando la transmisin de un
paquete que tiene una longitud de l
p
bits

ms un conjunto de l
c
bits de control. En estas
circunstancias, la probabilidad de que al menos un bit llegue con error viene dada por
( )
c p c p
l l
b
l l
b
q p p
+ +
= = 1 1 1

Considerando valores muy pequeos de p
b
, de tal forma que (l
p
+ l
c
) p
b
<< 1, entonces se
puede considerar que, aproximadamente
p = (l
p
+ l
c
) p
b
<< 1
En estas condiciones la mxima productividad de datos que se podr obtener ser, suponiendo
el protocolo con ventana de N
( )
( ) | | p a t
l p
l D
I
p
p
1 1
1
max
+

= =

Haciendo t
I
= (l
p
+ l
c
)/C, donde C es la capacidad de transmisin de la lnea en bits/segundo,
se tiene que la capacidad de transferencia normalizada (o utilizacin) ser
290
( )
( )( )
1
1 1
1

(
(

+ +
+
(
(

+
=
b c p
b c p
c p
p
p l l a
p l l
l l
l
C
D

Esta expresin pone de manifiesto la influencia de la longitud del paquete l
p
, de la de los
campos de control l
c
, y la probabilidad de error de un bit p
b
. En estas condiciones se puede
buscar cual es la longitud de paquete que optimiza la productividad de informacin; para este
clculo acostumbra a hacerse la aproximacin de admitir que el denominador del segundo
corchete tiende a 1 y, por lo tanto,
( )
(

= 1
1 log
4
1
2
opt
b e c
c
p
p l
l
l

Si adems l
c
p
b
<< 1, la expresin anterior se simplifica hasta obtener
b
c
p
p
l
l =
opt

4.1.2. MODELOS GLOBALES
Si se desea representar el conjunto de la red, es preciso representar cada uno de los
componentes de la red mediante una estacin de servicio con su cola gestionada de acuerdo
con las normas de uso de la lnea que establezca el protocolo.
4.1.2.1. Sin considerar el mecanismo de control de trfico
As, por ejemplo, si se considera la red mallada de la figura 4.1, con las cargas en mensajes
por minuto que aparecen en la tabla siguiente:

a
de A B C D
A 60 80 100
B 75 50 25
C 80 120 40
D 100 150 50


en que cada lnea se considera capaz de transmitir simultneamente en los dos sentidos, cada
lnea se representar por dos estaciones con sus colas FIFO, que unen en direcciones opuestas
los nodos entre los que est conectada la lnea. Se supondr, adems, que el encaminamiento
entre cada par entrada-salida es fijo, de acuerdo con la siguiente tabla:
291
A-1-2-4-3-B
A-1-2-4-6-5-C
A-1-2-8-7-D
B-3-4-2-1-A
B-3-4-6-5-C
B-3-4-8-7-D
C-5-6-8-2-1-A
C-5-6-4-3-B
C-5-6-8-7-D
D-7-8-2-1-A
D-7-8-4-3-B
D-7-8-6-5-C
En otras palabras, se va a representar la red mediante una red de colas. Con el fin de que
admita un tratamiento analtico exacto se debe forzar a que las longitudes de los mensajes
estn distribuidas exponencialmente y que las llegadas sean poissonianas.
1
2
3
4
5
6
7
8
A
B
C
D

Figura 4.1.
4.1.2.1.1. Estudio analtico
Con estas hiptesis, se puede construir el modelo con distintos enfoques. Por ejemplo se
considerar en este caso la totalidad de las posibles colas que pueden existir entre los ocho
nodos considerados. Este sera el enfoque que se dara si se tuviera que realizar un estudio de
planificacin en el que se podran aadir o eliminar con frecuencia lneas entre los nodos.
Adems se establecer una clases de clientes distinta para el trfico existente entre cada par
de nodos de entrada y salida. De esta forma, el modelo, descrito en QNAP2, tiene la forma
siguiente, con sus resultados (obsrvese que las lneas descritas como una tabla aparecen en el
listado con la numeracin correspondiente a considerar la tabla como un vector):
SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
292
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE GEN,LINIA(8,8);
2 REAL TRAB,TRAC,TRAD,TRBA,TRBC,TRBD,TRCA,TRCB,TRCD,TRDA,TRD
==> B,TRDC;
3 INTEGER I;
4 CLASS CLAB,CLAC,CLAD,CLBA,CLBC,CLBD,CLCA,CLCB,CLCD,CLDA,CL
==> DB,CLDC;
5
6 /STATION/ NAME = GEN;
7 TYPE = SOURCE;
8 SERVICE = EXP(60000./930.);
9 TRANSIT = LINIA(1,2),CLAB,60,LINIA(1,2),CLAC,80,LINIA(1,2)
==> ,CLAD,100,
10 LINIA(3,4),CLBA,75,LINIA(3,4),CLBC,50,LINIA(3,4)
==> ,CLBD,25,
11 LINIA(5,6),CLCA,80,LINIA(5,6),CLCB,120,LINIA(5,6
==> ),CLCD,40,
12 LINIA(7,8),CLDA,100,LINIA(7,8),CLDB,150,LINIA(7,
==> 8),CLDC,50;
13
14 /STATION/ NAME = LINIA;
15 SERVICE = EXP(256.*8./64.);
16
17 /STATION/ NAME = LINIA(1,2);
18 TRANSIT(CLAB) = LINIA(2,4);
19 TRANSIT(CLAC) = LINIA(2,4);
20 TRANSIT(CLAD) = LINIA(2,8);
21
22 /STATION/ NAME = LINIA(2,1);
23 TRANSIT = OUT;
24
25 /STATION/ NAME = LINIA(2,4);
26 TRANSIT(CLAB) = LINIA(4,3);
27 TRANSIT(CLAC) = LINIA(4,6);
28
29 /STATION/ NAME = LINIA(2,8);
30 TRANSIT(CLAD) = LINIA(8,7);
31
32 /STATION/ NAME = LINIA(3,4);
33 TRANSIT(CLBA) = LINIA(4,2);
34 TRANSIT(CLBC) = LINIA(4,6);
35 TRANSIT(CLBD) = LINIA(4,8);
36
37 /STATION/ NAME = LINIA(4,2);
38 TRANSIT(CLBA) = LINIA(2,1);
39
40 /STATION/ NAME = LINIA(4,3);
41 TRANSIT = OUT;
42
43 /STATION/ NAME = LINIA(4,6);
44 TRANSIT(CLAC) = LINIA(6,5);
45 TRANSIT(CLBC) = LINIA(6,5);
46
47 /STATION/ NAME = LINIA(4,8);
48 TRANSIT(CLBD) = LINIA(8,7);
49
50 /STATION/ NAME = LINIA(5,6);
51 TRANSIT(CLCA) = LINIA(6,8);
52 TRANSIT(CLCB) = LINIA(6,4);
53 TRANSIT(CLCD) = LINIA(6,8);
54
55 /STATION/ NAME = LINIA(6,4);
56 TRANSIT(CLCB) = LINIA(4,3);
57
58 /STATION/ NAME = LINIA(6,5);
59 TRANSIT = OUT;
60
293
61 /STATION/ NAME = LINIA(6,8);
62 TRANSIT(CLCA) = LINIA(8,2);
63 TRANSIT(CLCD) = LINIA(8,7);
64
65 /STATION/ NAME = LINIA(7,8);
66 TRANSIT(CLDA) = LINIA(8,2);
67 TRANSIT(CLDB) = LINIA(8,4);
68 TRANSIT(CLDC) = LINIA(8,6);
69
70 /STATION/ NAME = LINIA(8,2);
71 TRANSIT(CLCA) = LINIA(2,1);
72 TRANSIT(CLDA) = LINIA(2,1);
73
74 /STATION/ NAME = LINIA(8,4);
75 TRANSIT(CLDB) = LINIA(4,3);
76
77 /STATION/ NAME = LINIA(8,6);
78 TRANSIT(CLDC) = LINIA(6,5);
79
80 /STATION/ NAME = LINIA(8,7);
81 TRANSIT = OUT;
82
83 /EXEC/ BEGIN
84 NETWORK(GEN,
85 LINIA(1,2),LINIA(2,1),LINIA(2,4),LINIA(2,8),
86 LINIA(3,4),LINIA(4,2),LINIA(4,3),LINIA(4,6),
87 LINIA(4,8),LINIA(5,6),LINIA(6,4),LINIA(6,5),
88 LINIA(6,8),LINIA(7,8),LINIA(8,2),LINIA(8,4),
89 LINIA(8,6),LINIA(8,7));
90 PRINT;
91 SOLVE;
92 TRAB := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
93 MRESPONSE(LINIA(4,3));
94 TRAC := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
95 MRESPONSE(LINIA(4,6))+MRESPONSE(LINIA(6,5));
96 TRAD := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,8))+
97 MRESPONSE(LINIA(8,7));
98 TRBA := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,2))+
99 MRESPONSE(LINIA(2,1));
100 TRBC := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,6))+
101 MRESPONSE(LINIA(6,5));
102 TRBD := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,8))+
103 MRESPONSE(LINIA(8,7));
104 TRCA := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
105 MRESPONSE(LINIA(8,2))+MRESPONSE(LINIA(2,1));
106 TRCB := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,4))+
107 MRESPONSE(LINIA(4,3));
108 TRCD := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
109 MRESPONSE(LINIA(8,7));
110 TRDA := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,2))+
111 MRESPONSE(LINIA(2,1));
112 TRDB := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,4))+
113 MRESPONSE(LINIA(4,3));
114 TRDC := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,6))+
115 MRESPONSE(LINIA(6,5));
116 PRINT(TRAB,TRAC,TRAD);
117 PRINT(TRBA,TRBC,TRBD);
118 PRINT(TRCA,TRCB,TRCD);
119 PRINT(TRDA,TRDB,TRDC);
120 END;


- CONVOLUTION METHOD ("CONVOL") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* GEN * 64.52 * 1.000 * 1.000 * 64.52 *0.1550E-01*
* * * * * * *
294
* LINIA 2 * 32.00 *0.1280 *0.1468 * 36.70 *0.4000E-02*
* * * * * * *
* LINIA 9 * 32.00 *0.1360 *0.1574 * 37.04 *0.4250E-02*
* * * * * * *
* LINIA 12 * 32.00 *0.7467E-01*0.8069E-01* 34.58 *0.2333E-02*
* * * * * * *
* LINIA 16 * 32.00 *0.5333E-01*0.5634E-01* 33.80 *0.1667E-02*
* * * * * * *
* LINIA 20 * 32.00 *0.8000E-01*0.8696E-01* 34.78 *0.2500E-02*
* * * * * * *
* LINIA 26 * 32.00 *0.4000E-01*0.4167E-01* 33.33 *0.1250E-02*
* * * * * * *
* LINIA 27 * 32.00 *0.1760 *0.2136 * 38.83 *0.5500E-02*
* * * * * * *
* LINIA 30 * 32.00 *0.6933E-01*0.7450E-01* 34.38 *0.2167E-02*
* * * * * * *
* LINIA 32 * 32.00 *0.1333E-01*0.1351E-01* 32.43 *0.4167E-03*
* * * * * * *
* LINIA 38 * 32.00 *0.1280 *0.1468 * 36.70 *0.4000E-02*
* * * * * * *
* LINIA 44 * 32.00 *0.6400E-01*0.6838E-01* 34.19 *0.2000E-02*
* * * * * * *
* LINIA 45 * 32.00 *0.9600E-01*0.1062 * 35.40 *0.3000E-02*
* * * * * * *
* LINIA 48 * 32.00 *0.6400E-01*0.6838E-01* 34.19 *0.2000E-02*
* * * * * * *
* LINIA 56 * 32.00 *0.1600 *0.1905 * 38.10 *0.5000E-02*
* * * * * * *
* LINIA 58 * 32.00 *0.9600E-01*0.1062 * 35.40 *0.3000E-02*
* * * * * * *
* LINIA 60 * 32.00 *0.8000E-01*0.8696E-01* 34.78 *0.2500E-02*
* * * * * * *
* LINIA 62 * 32.00 *0.2667E-01*0.2740E-01* 32.88 *0.8333E-03*
* * * * * * *
* LINIA 63 * 32.00 *0.8800E-01*0.9649E-01* 35.09 *0.2750E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 19812 WORDS OF 4 BYTES
( 2.48 % OF TOTAL MEMORY)

110.1 141.1 105.6
105.2 104.6 102.3
143.3 109.7 106.0
110.5 111.7 106.4

121
122 /END/

Si se quisiera estudiar el efecto de la constancia en la longitud de los mensajes transmitidos
(lo cual es bastante frecuente, pues las redes transmiten paquetes de longitud constante), no se
podr seguir utilizando el mtodo exacto de convolucin y se deber pasar al aproximado de
difusin. La diferencia entre ambos modelos reside exclusivamente en la descripcin del
tiempo de servicio de las lneas, que de exponencial pasa ahora a ser constante.
SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE GEN,LINIA(8,8);
2 REAL TRAB,TRAC,TRAD,TRBA,TRBC,TRBD,TRCA,TRCB,TRCD,TRDA,TRD
==> B,TRDC;
3 INTEGER I;
4 CLASS CLAB,CLAC,CLAD,CLBA,CLBC,CLBD,CLCA,CLCB,CLCD,CLDA,CL
==> DB,CLDC;
5
6 /STATION/ NAME = GEN;
7 TYPE = SOURCE;
8 SERVICE = EXP(60000./930.);
9 TRANSIT = LINIA(1,2),CLAB,60,LINIA(1,2),CLAC,80,LINIA(1,2)
295
==> ,CLAD,100,
10 LINIA(3,4),CLBA,75,LINIA(3,4),CLBC,50,LINIA(3,4)
==> ,CLBD,25,
11 LINIA(5,6),CLCA,80,LINIA(5,6),CLCB,120,LINIA(5,6
==> ),CLCD,40,
12 LINIA(7,8),CLDA,100,LINIA(7,8),CLDB,150,LINIA(7,
==> 8),CLDC,50;
13
14 /STATION/ NAME = LINIA;
15 SERVICE = CST(256.*8./64.);
16
17 /STATION/ NAME = LINIA(1,2);
18 TRANSIT(CLAB) = LINIA(2,4);
19 TRANSIT(CLAC) = LINIA(2,4);
20 TRANSIT(CLAD) = LINIA(2,8);
21
22 /STATION/ NAME = LINIA(2,1);
23 TRANSIT = OUT;
24
25 /STATION/ NAME = LINIA(2,4);
26 TRANSIT(CLAB) = LINIA(4,3);
27 TRANSIT(CLAC) = LINIA(4,6);
28
29 /STATION/ NAME = LINIA(2,8);
30 TRANSIT(CLAD) = LINIA(8,7);
31
32 /STATION/ NAME = LINIA(3,4);
33 TRANSIT(CLBA) = LINIA(4,2);
34 TRANSIT(CLBC) = LINIA(4,6);
35 TRANSIT(CLBD) = LINIA(4,8);
36
37 /STATION/ NAME = LINIA(4,2);
38 TRANSIT(CLBA) = LINIA(2,1);
39
40 /STATION/ NAME = LINIA(4,3);
41 TRANSIT = OUT;
42
43 /STATION/ NAME = LINIA(4,6);
44 TRANSIT(CLAC) = LINIA(6,5);
45 TRANSIT(CLBC) = LINIA(6,5);
46
47 /STATION/ NAME = LINIA(4,8);
48 TRANSIT(CLBD) = LINIA(8,7);
49
50 /STATION/ NAME = LINIA(5,6);
51 TRANSIT(CLCA) = LINIA(6,8);
52 TRANSIT(CLCB) = LINIA(6,4);
53 TRANSIT(CLCD) = LINIA(6,8);
54
55 /STATION/ NAME = LINIA(6,4);
56 TRANSIT(CLCB) = LINIA(4,3);
57
58 /STATION/ NAME = LINIA(6,5);
59 TRANSIT = OUT;
60
61 /STATION/ NAME = LINIA(6,8);
62 TRANSIT(CLCA) = LINIA(8,2);
63 TRANSIT(CLCD) = LINIA(8,7);
64
65 /STATION/ NAME = LINIA(7,8);
66 TRANSIT(CLDA) = LINIA(8,2);
67 TRANSIT(CLDB) = LINIA(8,4);
68 TRANSIT(CLDC) = LINIA(8,6);
69
70 /STATION/ NAME = LINIA(8,2);
71 TRANSIT(CLCA) = LINIA(2,1);
72 TRANSIT(CLDA) = LINIA(2,1);
73
74 /STATION/ NAME = LINIA(8,4);
296
75 TRANSIT(CLDB) = LINIA(4,3);
76
77 /STATION/ NAME = LINIA(8,6);
78 TRANSIT(CLDC) = LINIA(6,5);
79
80 /STATION/ NAME = LINIA(8,7);
81 TRANSIT = OUT;
82
83 /EXEC/ BEGIN
84 NETWORK(GEN,
85 LINIA(1,2),LINIA(2,1),LINIA(2,4),LINIA(2,8),
86 LINIA(3,4),LINIA(4,2),LINIA(4,3),LINIA(4,6),
87 LINIA(4,8),LINIA(5,6),LINIA(6,4),LINIA(6,5),
88 LINIA(6,8),LINIA(7,8),LINIA(8,2),LINIA(8,4),
89 LINIA(8,6),LINIA(8,7));
90 PRINT;
91 SOLVE;
92 TRAB := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
93 MRESPONSE(LINIA(4,3));
94 TRAC := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
95 MRESPONSE(LINIA(4,6))+MRESPONSE(LINIA(6,5));
96 TRAD := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,8))+
97 MRESPONSE(LINIA(8,7));
98 TRBA := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,2))+
99 MRESPONSE(LINIA(2,1));
100 TRBC := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,6))+
101 MRESPONSE(LINIA(6,5));
102 TRBD := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,8))+
103 MRESPONSE(LINIA(8,7));
104 TRCA := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
105 MRESPONSE(LINIA(8,2))+MRESPONSE(LINIA(2,1));
106 TRCB := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,4))+
107 MRESPONSE(LINIA(4,3));
108 TRCD := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
109 MRESPONSE(LINIA(8,7));
110 TRDA := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,2))+
111 MRESPONSE(LINIA(2,1));
112 TRDB := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,4))+
113 MRESPONSE(LINIA(4,3));
114 TRDC := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,6))+
115 MRESPONSE(LINIA(6,5));
116 PRINT(TRAB,TRAC,TRAD);
117 PRINT(TRBA,TRBC,TRBD);
118 PRINT(TRCA,TRCB,TRCD);
119 PRINT(TRDA,TRDB,TRDC);
120 END;


- APPROXIMATE DIFFUSIONS METHOD ("DIFFU") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* GEN * 64.52 * 1.000 * 1.000 * 64.52 *0.1550E-01*
* * * * * * *
* LINIA 2 * 32.00 *0.1280 *0.1374 * 34.35 *0.4000E-02*
* * * * * * *
* LINIA 9 * 32.00 *0.1360 *0.1466 * 34.48 *0.4250E-02*
* * * * * * *
* LINIA 12 * 32.00 *0.7467E-01*0.7765E-01* 33.28 *0.2333E-02*
* * * * * * *
* LINIA 16 * 32.00 *0.5333E-01*0.5482E-01* 32.89 *0.1667E-02*
* * * * * * *
* LINIA 20 * 32.00 *0.8000E-01*0.8348E-01* 33.39 *0.2500E-02*
* * * * * * *
* LINIA 26 * 32.00 *0.4000E-01*0.4083E-01* 32.66 *0.1250E-02*
* * * * * * *
* LINIA 27 * 32.00 *0.1760 *0.1945 * 35.37 *0.5500E-02*
* * * * * * *
297
* LINIA 30 * 32.00 *0.6933E-01*0.7190E-01* 33.18 *0.2167E-02*
* * * * * * *
* LINIA 32 * 32.00 *0.1333E-01*0.1342E-01* 32.22 *0.4167E-03*
* * * * * * *
* LINIA 38 * 32.00 *0.1280 *0.1374 * 34.35 *0.4000E-02*
* * * * * * *
* LINIA 44 * 32.00 *0.6400E-01*0.6617E-01* 33.08 *0.2000E-02*
* * * * * * *
* LINIA 45 * 32.00 *0.9600E-01*0.1011 * 33.68 *0.3000E-02*
* * * * * * *
* LINIA 48 * 32.00 *0.6400E-01*0.6617E-01* 33.08 *0.2000E-02*
* * * * * * *
* LINIA 56 * 32.00 *0.1600 *0.1752 * 35.05 *0.5000E-02*
* * * * * * *
* LINIA 58 * 32.00 *0.9600E-01*0.1011 * 33.68 *0.3000E-02*
* * * * * * *
* LINIA 60 * 32.00 *0.8000E-01*0.8343E-01* 33.37 *0.2500E-02*
* * * * * * *
* LINIA 62 * 32.00 *0.2667E-01*0.2703E-01* 32.44 *0.8333E-03*
* * * * * * *
* LINIA 63 * 32.00 *0.8800E-01*0.9222E-01* 33.53 *0.2750E-02*
* * * * * * *
*******************************************************************
MEMORY USED: 19812 WORDS OF 4 BYTES
( 2.48 % OF TOTAL MEMORY)

103.0 134.5 100.8
100.5 100.3 99.14
135.6 102.8 101.0
103.2 103.8 101.2

121
122 /END/

Obsrvese que al tener una dispersin nula alrededor del valor medio, los tiempos de
respuesta calculados son, como era de esperar, ms bajos en este caso que en el anterior. El
modelo que se acaba de construir es ms exacto en este caso que en el anterior, pero su
tratamiento es aproximado mientras que en el caso anterior era exacto.
Si se quisiera profundizar en la modelizacin de este sistema, se podra, por ejemplo, tener en
cuenta la influencia del proceso de los mensajes (para control de errores y encaminamiento,
por ejemplo) en cada nodo, representando los conflictos que se producen en cada uno de
ellos. Con esta hiptesis suplementaria, el modelo resultara, partiendo del caso en que se
pretenda un modelo analtico con tratamiento analtico exacto, sera:
SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE GEN,LINIA(8,8),CPU(8);
2 REAL TRAB,TRAC,TRAD,TRBA,TRBC,TRBD,TRCA,TRCB,TRCD,TRDA,TRD
==> B,TRDC;
3 INTEGER I;
4 CLASS CLAB,CLAC,CLAD,CLBA,CLBC,CLBD,CLCA,CLCB,CLCD,CLDA,CL
==> DB,CLDC;
5
6 /STATION/ NAME = GEN;
7 TYPE = SOURCE;
8 SERVICE = EXP(60000./930.);
9 TRANSIT = CPU(1),CLAB,60,CPU(1),CLAC,80,CPU(1),CLAD,100,
10 CPU(3),CLBA,75,CPU(3),CLBC,50,CPU(3),CLBD,25,
11 CPU(5),CLCA,80,CPU(5),CLCB,120,CPU(5),CLCD,40,
12 CPU(7),CLDA,100,CPU(7),CLDB,150,CPU(7),CLDC,50;
13
14 /STATION/ NAME = LINIA;
15 SERVICE = EXP(256.*8./64.);
16
17 /STATION/ NAME = LINIA(1,2);
298
18 TRANSIT = CPU(2);
19
20 /STATION/ NAME = LINIA(2,1);
21 TRANSIT = CPU(1);
22
23 /STATION/ NAME = LINIA(2,4);
24 TRANSIT = CPU(4);
25
26 /STATION/ NAME = LINIA(2,8);
27 TRANSIT = CPU(8);
28
29 /STATION/ NAME = LINIA(3,4);
30 TRANSIT = CPU(4);
31
32 /STATION/ NAME = LINIA(4,2);
33 TRANSIT = CPU(2);
34
35 /STATION/ NAME = LINIA(4,3);
36 TRANSIT = CPU(3);
37
38 /STATION/ NAME = LINIA(4,6);
39 TRANSIT = CPU(6);
40
41 /STATION/ NAME = LINIA(4,8);
42 TRANSIT = CPU(8);
43
44 /STATION/ NAME = LINIA(5,6);
45 TRANSIT = CPU(6);
46
47 /STATION/ NAME = LINIA(6,5);
48 TRANSIT = CPU(5);
49
50 /STATION/ NAME = LINIA(6,4);
51 TRANSIT = CPU(4);
52
53 /STATION/ NAME = LINIA(6,8);
54 TRANSIT = CPU(8);
55
56 /STATION/ NAME = LINIA(7,8);
57 TRANSIT = CPU(8);
58
59 /STATION/ NAME = LINIA(8,2);
60 TRANSIT = CPU(2);
61
62 /STATION/ NAME = LINIA(8,7);
63 TRANSIT = CPU(7);
64
65 /STATION/ NAME = LINIA(8,6);
66 TRANSIT = CPU(6);
67
68 /STATION/ NAME = LINIA(8,4);
69 TRANSIT = CPU(4);
70
71 /STATION/ NAME = CPU;
72 SERVICE = EXP(1.);
73
74 /STATION/ NAME = CPU(1);
75 TRANSIT(CLAB,CLAC,CLAD) = LINIA(1,2);
76 TRANSIT(CLBA,CLCA,CLDA) = OUT;
77
78 /STATION/ NAME = CPU(2);
79 TRANSIT(CLAB) = LINIA(2,4);
80 TRANSIT(CLAC) = LINIA(2,4);
81 TRANSIT(CLAD) = LINIA(2,8);
82 TRANSIT(CLBA) = LINIA(2,1);
83 TRANSIT(CLCA) = LINIA(2,1);
84 TRANSIT(CLDA) = LINIA(2,1);
85
86 /STATION/ NAME = CPU(3);
299
87 TRANSIT(CLBA,CLBC,CLBD) = LINIA(3,4);
88 TRANSIT(CLAB,CLCB,CLDB) = OUT;
89
90 /STATION/ NAME = CPU(4);
91 TRANSIT(CLAB) = LINIA(4,3);
92 TRANSIT(CLAC) = LINIA(4,6);
93 TRANSIT(CLBA) = LINIA(4,2);
94 TRANSIT(CLBC) = LINIA(4,6);
95 TRANSIT(CLBD) = LINIA(4,8);
96 TRANSIT(CLCB) = LINIA(4,3);
97 TRANSIT(CLDB) = LINIA(4,3);
98
99 /STATION/ NAME = CPU(5);
100 TRANSIT(CLCA,CLCB,CLCD) = LINIA(5,6);
101 TRANSIT(CLAC,CLBC,CLDC) = OUT;
102
103 /STATION/ NAME = CPU(6);
104 TRANSIT(CLAC) = LINIA(6,5);
105 TRANSIT(CLBC) = LINIA(6,5);
106 TRANSIT(CLCA) = LINIA(6,8);
107 TRANSIT(CLCB) = LINIA(6,4);
108 TRANSIT(CLCD) = LINIA(6,8);
109 TRANSIT(CLDC) = LINIA(6,5);
110
111 /STATION/ NAME = CPU(7);
112 TRANSIT(CLDA,CLDB,CLDC) = LINIA(7,8);
113 TRANSIT(CLAD,CLBD,CLCD) = OUT;
114
115 /STATION/ NAME = CPU(8);
116 TRANSIT(CLAD) = LINIA(8,7);
117 TRANSIT(CLBD) = LINIA(8,7);
118 TRANSIT(CLCA) = LINIA(8,2);
119 TRANSIT(CLCD) = LINIA(8,7);
120 TRANSIT(CLDA) = LINIA(8,2);
121 TRANSIT(CLDB) = LINIA(8,4);
122 TRANSIT(CLDC) = LINIA(8,6);
123
124 /CONTROL/ CLASS = ALL QUEUE;
125 /EXEC/ BEGIN
126 NETWORK(GEN,
127 CPU(1 STEP 1 UNTIL 8),
128 LINIA(1,2),LINIA(2,1),LINIA(2,4),LINIA(2,8),
129 LINIA(3,4),LINIA(4,2),LINIA(4,3),LINIA(4,6),
130 LINIA(4,8),LINIA(5,6),LINIA(6,4),LINIA(6,5),
131 LINIA(6,8),LINIA(7,8),LINIA(8,2),LINIA(8,4),
132 LINIA(8,6),LINIA(8,7));
133 PRINT;
134 SOLVE;
135 TRAB := MRESPONSE(CPU(1))+MRESPONSE(LINIA(1,2))+
136 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,4))+
137 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,3))+
138 MRESPONSE(CPU(3));
139 TRAC := MRESPONSE(CPU(1))+MRESPONSE(LINIA(1,2))+
140 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,4))+
141 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,6))+
142 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,5))+
143 MRESPONSE(CPU(5));
144 TRAD := MRESPONSE(CPU(1))+MRESPONSE(LINIA(1,2))+
145 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,8))+
146 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,7))+
147 MRESPONSE(CPU(7));
148 TRBA := MRESPONSE(CPU(3))+MRESPONSE(LINIA(3,4))+
149 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,2))+
150 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,1))+
151 MRESPONSE(CPU(1));
152 TRBC := MRESPONSE(CPU(3))+MRESPONSE(LINIA(3,4))+
153 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,6))+
154 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,5))+
155 MRESPONSE(CPU(5));
300
156 TRBD := MRESPONSE(CPU(3))+MRESPONSE(LINIA(3,4))+
157 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,8))+
158 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,7))+
159 MRESPONSE(CPU(7));
160 TRCA := MRESPONSE(CPU(5))+MRESPONSE(LINIA(5,6))+
161 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,8))+
162 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,2))+
163 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,1))+
164 MRESPONSE(CPU(1));
165 TRCB := MRESPONSE(CPU(5))+MRESPONSE(LINIA(5,6))+
166 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,4))+
167 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,3))+
168 MRESPONSE(CPU(3));
169 TRCD := MRESPONSE(CPU(5))+MRESPONSE(LINIA(5,6))+
170 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,8))+
171 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,7))+
172 MRESPONSE(CPU(7));
173 TRDA := MRESPONSE(CPU(7))+MRESPONSE(LINIA(7,8))+
174 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,2))+
175 MRESPONSE(CPU(2))+MRESPONSE(LINIA(2,1))+
176 MRESPONSE(CPU(1));
177 TRDB := MRESPONSE(CPU(7))+MRESPONSE(LINIA(7,8))+
178 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,4))+
179 MRESPONSE(CPU(4))+MRESPONSE(LINIA(4,3))+
180 MRESPONSE(CPU(3));
181 TRDC := MRESPONSE(CPU(7))+MRESPONSE(LINIA(7,8))+
182 MRESPONSE(CPU(8))+MRESPONSE(LINIA(8,6))+
183 MRESPONSE(CPU(6))+MRESPONSE(LINIA(6,5))+
184 MRESPONSE(CPU(5));
185 PRINT(TRAB,TRAC,TRAD);
186 PRINT(TRBA,TRBC,TRBD);
187 PRINT(TRCA,TRCB,TRCD);
188 PRINT(TRDA,TRDB,TRDC);
189 END;


- CONVOLUTION METHOD ("CONVOL") -
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * THRUPUT *
*******************************************************************
* * * * * * *
* GEN * 64.52 * 1.000 * 1.000 * 64.52 *0.1550E-01*
* * * * * * *
* LINIA 2 * 32.00 *0.1280 *0.1468 * 36.70 *0.4000E-02*
*(CLAB )* 32.00 *0.3200E-01*0.3670E-01* 36.70 *0.1000E-02*
*(CLAC )* 32.00 *0.4267E-01*0.4893E-01* 36.70 *0.1333E-02*
*(CLAD )* 32.00 *0.5333E-01*0.6116E-01* 36.70 *0.1667E-02*
* * * * * * *
* LINIA 9 * 32.00 *0.1360 *0.1574 * 37.04 *0.4250E-02*
*(CLBA )* 32.00 *0.4000E-01*0.4630E-01* 37.04 *0.1250E-02*
*(CLCA )* 32.00 *0.4267E-01*0.4938E-01* 37.04 *0.1333E-02*
*(CLDA )* 32.00 *0.5333E-01*0.6173E-01* 37.04 *0.1667E-02*
* * * * * * *
* LINIA 12 * 32.00 *0.7467E-01*0.8069E-01* 34.58 *0.2333E-02*
*(CLAB )* 32.00 *0.3200E-01*0.3458E-01* 34.58 *0.1000E-02*
*(CLAC )* 32.00 *0.4267E-01*0.4611E-01* 34.58 *0.1333E-02*
* * * * * * *
* LINIA 16 * 32.00 *0.5333E-01*0.5634E-01* 33.80 *0.1667E-02*
*(CLAD )* 32.00 *0.5333E-01*0.5634E-01* 33.80 *0.1667E-02*
* * * * * * *
* LINIA 20 * 32.00 *0.8000E-01*0.8696E-01* 34.78 *0.2500E-02*
*(CLBA )* 32.00 *0.4000E-01*0.4348E-01* 34.78 *0.1250E-02*
*(CLBC )* 32.00 *0.2667E-01*0.2899E-01* 34.78 *0.8333E-03*
*(CLBD )* 32.00 *0.1333E-01*0.1449E-01* 34.78 *0.4167E-03*
* * * * * * *
* LINIA 26 * 32.00 *0.4000E-01*0.4167E-01* 33.33 *0.1250E-02*
*(CLBA )* 32.00 *0.4000E-01*0.4167E-01* 33.33 *0.1250E-02*
* * * * * * *
* LINIA 27 * 32.00 *0.1760 *0.2136 * 38.83 *0.5500E-02*
301
*(CLAB )* 32.00 *0.3200E-01*0.3883E-01* 38.83 *0.1000E-02*
*(CLCB )* 32.00 *0.6400E-01*0.7767E-01* 38.83 *0.2000E-02*
*(CLDB )* 32.00 *0.8000E-01*0.9709E-01* 38.83 *0.2500E-02*
* * * * * * *
* LINIA 30 * 32.00 *0.6933E-01*0.7450E-01* 34.38 *0.2167E-02*
*(CLAC )* 32.00 *0.4267E-01*0.4585E-01* 34.38 *0.1333E-02*
*(CLBC )* 32.00 *0.2667E-01*0.2865E-01* 34.38 *0.8333E-03*
* * * * * * *
* LINIA 32 * 32.00 *0.1333E-01*0.1351E-01* 32.43 *0.4167E-03*
*(CLBD )* 32.00 *0.1333E-01*0.1351E-01* 32.43 *0.4167E-03*
* * * * * * *
* LINIA 38 * 32.00 *0.1280 *0.1468 * 36.70 *0.4000E-02*
*(CLCA )* 32.00 *0.4267E-01*0.4893E-01* 36.70 *0.1333E-02*
*(CLCB )* 32.00 *0.6400E-01*0.7339E-01* 36.70 *0.2000E-02*
*(CLCD )* 32.00 *0.2133E-01*0.2446E-01* 36.70 *0.6667E-03*
* * * * * * *
* LINIA 44 * 32.00 *0.6400E-01*0.6838E-01* 34.19 *0.2000E-02*
*(CLCB )* 32.00 *0.6400E-01*0.6838E-01* 34.19 *0.2000E-02*
* * * * * * *
* LINIA 45 * 32.00 *0.9600E-01*0.1062 * 35.40 *0.3000E-02*
*(CLAC )* 32.00 *0.4267E-01*0.4720E-01* 35.40 *0.1333E-02*
*(CLBC )* 32.00 *0.2667E-01*0.2950E-01* 35.40 *0.8333E-03*
*(CLDC )* 32.00 *0.2667E-01*0.2950E-01* 35.40 *0.8333E-03*
* * * * * * *
* LINIA 48 * 32.00 *0.6400E-01*0.6838E-01* 34.19 *0.2000E-02*
*(CLCA )* 32.00 *0.4267E-01*0.4558E-01* 34.19 *0.1333E-02*
*(CLCD )* 32.00 *0.2133E-01*0.2279E-01* 34.19 *0.6667E-03*
* * * * * * *
* LINIA 56 * 32.00 *0.1600 *0.1905 * 38.10 *0.5000E-02*
*(CLDA )* 32.00 *0.5333E-01*0.6349E-01* 38.10 *0.1667E-02*
*(CLDB )* 32.00 *0.8000E-01*0.9524E-01* 38.10 *0.2500E-02*
*(CLDC )* 32.00 *0.2667E-01*0.3175E-01* 38.10 *0.8333E-03*
* * * * * * *
* LINIA 58 * 32.00 *0.9600E-01*0.1062 * 35.40 *0.3000E-02*
*(CLCA )* 32.00 *0.4267E-01*0.4720E-01* 35.40 *0.1333E-02*
*(CLDA )* 32.00 *0.5333E-01*0.5900E-01* 35.40 *0.1667E-02*
* * * * * * *
* LINIA 60 * 32.00 *0.8000E-01*0.8696E-01* 34.78 *0.2500E-02*
*(CLDB )* 32.00 *0.8000E-01*0.8696E-01* 34.78 *0.2500E-02*
* * * * * * *
* LINIA 62 * 32.00 *0.2667E-01*0.2740E-01* 32.88 *0.8333E-03*
*(CLDC )* 32.00 *0.2667E-01*0.2740E-01* 32.88 *0.8333E-03*
* * * * * * *
* LINIA 63 * 32.00 *0.8800E-01*0.9649E-01* 35.09 *0.2750E-02*
*(CLAD )* 32.00 *0.5333E-01*0.5848E-01* 35.09 *0.1667E-02*
*(CLBD )* 32.00 *0.1333E-01*0.1462E-01* 35.09 *0.4167E-03*
*(CLCD )* 32.00 *0.2133E-01*0.2339E-01* 35.09 *0.6667E-03*
* * * * * * *
* CPU 1 * 1.000 *0.8250E-02*0.8319E-02* 1.008 *0.8250E-02*
*(CLAB )* 1.000 *0.1000E-02*0.1008E-02* 1.008 *0.1000E-02*
*(CLAC )* 1.000 *0.1333E-02*0.1344E-02* 1.008 *0.1333E-02*
*(CLAD )* 1.000 *0.1667E-02*0.1681E-02* 1.008 *0.1667E-02*
*(CLBA )* 1.000 *0.1250E-02*0.1260E-02* 1.008 *0.1250E-02*
*(CLCA )* 1.000 *0.1333E-02*0.1344E-02* 1.008 *0.1333E-02*
*(CLDA )* 1.000 *0.1667E-02*0.1681E-02* 1.008 *0.1667E-02*
* * * * * * *
* CPU 2 * 1.000 *0.8250E-02*0.8319E-02* 1.008 *0.8250E-02*
*(CLAB )* 1.000 *0.1000E-02*0.1008E-02* 1.008 *0.1000E-02*
*(CLAC )* 1.000 *0.1333E-02*0.1344E-02* 1.008 *0.1333E-02*
*(CLAD )* 1.000 *0.1667E-02*0.1681E-02* 1.008 *0.1667E-02*
*(CLBA )* 1.000 *0.1250E-02*0.1260E-02* 1.008 *0.1250E-02*
*(CLCA )* 1.000 *0.1333E-02*0.1344E-02* 1.008 *0.1333E-02*
*(CLDA )* 1.000 *0.1667E-02*0.1681E-02* 1.008 *0.1667E-02*
* * * * * * *
* * * * * * *
* CPU 3 * 1.000 *0.8000E-02*0.8065E-02* 1.008 *0.8000E-02*
*(CLAB )* 1.000 *0.1000E-02*0.1008E-02* 1.008 *0.1000E-02*
*(CLBA )* 1.000 *0.1250E-02*0.1260E-02* 1.008 *0.1250E-02*
*(CLBC )* 1.000 *0.8333E-03*0.8401E-03* 1.008 *0.8333E-03*
302
*(CLBD )* 1.000 *0.4167E-03*0.4200E-03* 1.008 *0.4167E-03*
*(CLCB )* 1.000 *0.2000E-02*0.2016E-02* 1.008 *0.2000E-02*
*(CLDB )* 1.000 *0.2500E-02*0.2520E-02* 1.008 *0.2500E-02*
* * * * * * *
* CPU 4 * 1.000 *0.9333E-02*0.9421E-02* 1.009 *0.9333E-02*
*(CLAB )* 1.000 *0.1000E-02*0.1009E-02* 1.009 *0.1000E-02*
*(CLAC )* 1.000 *0.1333E-02*0.1346E-02* 1.009 *0.1333E-02*
*(CLBA )* 1.000 *0.1250E-02*0.1262E-02* 1.009 *0.1250E-02*
*(CLBC )* 1.000 *0.8333E-03*0.8412E-03* 1.009 *0.8333E-03*
*(CLBD )* 1.000 *0.4167E-03*0.4206E-03* 1.009 *0.4167E-03*
*(CLCB )* 1.000 *0.2000E-02*0.2019E-02* 1.009 *0.2000E-02*
*(CLDB )* 1.000 *0.2500E-02*0.2524E-02* 1.009 *0.2500E-02*
* * * * * * *
* CPU 5 * 1.000 *0.7000E-02*0.7049E-02* 1.007 *0.7000E-02*
*(CLAC )* 1.000 *0.1333E-02*0.1343E-02* 1.007 *0.1333E-02*
*(CLBC )* 1.000 *0.8333E-03*0.8392E-03* 1.007 *0.8333E-03*
*(CLCA )* 1.000 *0.1333E-02*0.1343E-02* 1.007 *0.1333E-02*
*(CLCB )* 1.000 *0.2000E-02*0.2014E-02* 1.007 *0.2000E-02*
*(CLCD )* 1.000 *0.6667E-03*0.6714E-03* 1.007 *0.6667E-03*
*(CLDC )* 1.000 *0.8333E-03*0.8392E-03* 1.007 *0.8333E-03*
* * * * * * *
* CPU 6 * 1.000 *0.7000E-02*0.7049E-02* 1.007 *0.7000E-02*
*(CLAC )* 1.000 *0.1333E-02*0.1343E-02* 1.007 *0.1333E-02*
*(CLBC )* 1.000 *0.8333E-03*0.8392E-03* 1.007 *0.8333E-03*
*(CLCA )* 1.000 *0.1333E-02*0.1343E-02* 1.007 *0.1333E-02*
*(CLCB )* 1.000 *0.2000E-02*0.2014E-02* 1.007 *0.2000E-02*
*(CLCD )* 1.000 *0.6667E-03*0.6714E-03* 1.007 *0.6667E-03*
*(CLDC )* 1.000 *0.8333E-03*0.8392E-03* 1.007 *0.8333E-03*
* * * * * * *
* CPU 7 * 1.000 *0.7750E-02*0.7811E-02* 1.008 *0.7750E-02*
*(CLAD )* 1.000 *0.1667E-02*0.1680E-02* 1.008 *0.1667E-02*
*(CLBD )* 1.000 *0.4167E-03*0.4199E-03* 1.008 *0.4167E-03*
*(CLCD )* 1.000 *0.6667E-03*0.6719E-03* 1.008 *0.6667E-03*
*(CLDA )* 1.000 *0.1667E-02*0.1680E-02* 1.008 *0.1667E-02*
*(CLDB )* 1.000 *0.2500E-02*0.2520E-02* 1.008 *0.2500E-02*
*(CLDC )* 1.000 *0.8333E-03*0.8398E-03* 1.008 *0.8333E-03*
* * * * * * *
* CPU 8 * 1.000 *0.9083E-02*0.9167E-02* 1.009 *0.9083E-02*
*(CLAD )* 1.000 *0.1667E-02*0.1682E-02* 1.009 *0.1667E-02*
*(CLBD )* 1.000 *0.4167E-03*0.4205E-03* 1.009 *0.4167E-03*
*(CLCA )* 1.000 *0.1333E-02*0.1346E-02* 1.009 *0.1333E-02*
*(CLCD )* 1.000 *0.6667E-03*0.6728E-03* 1.009 *0.6667E-03*
*(CLDA )* 1.000 *0.1667E-02*0.1682E-02* 1.009 *0.1667E-02*
*(CLDB )* 1.000 *0.2500E-02*0.2523E-02* 1.009 *0.2500E-02*
*(CLDC )* 1.000 *0.8333E-03*0.8410E-03* 1.009 *0.8333E-03*
* * * * * * *
*******************************************************************
MEMORY USED: 62251 WORDS OF 4 BYTES
( 7.78 % OF TOTAL MEMORY)

114.1 146.1 109.6
109.2 108.6 106.3
148.4 113.8 110.0
114.6 115.7 110.4

190
191 /END/

Obsrvese que en este caso se ha solicitado que los resultados estn desglosados por clases de
mensajes.
4.1.2.1.2. Estudio por simulacin
Si se quisiera rehacer el estudio utilizando la simulacin, el modelo resulta simplificado y
mucho ms prximo a la realidad puesto que los mensajes cuando estn al final de la lnea,
buscan la siguiente lnea por consulta en la tabla de encaminamiento (tal como se hara en
303
realidad en el nodo al recibir el mensaje) teniendo en cuenta cual es el destino final del
mismo. Ahora bien. su tiempo de clculo aumenta de manera muy importante.
Para comparar la calidad de los resultados, stos se han calculado mediante el uso de la cola
auxiliar destinada a este objetivo y por suma de los tiempos medios de respuesta
correspondientes a cada uno de los tramos que constituyen el camino de un tipo de mensajes
determinado. Pueden compararse los resultados obtenidos de este modelo con los obtenidos
en el modelo de hiptesis equivalentes del apartado anterior.
SIMULOG *** QNAP2 *** ( 01-07-92 ) V 9.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE INTEGER J;
2 QUEUE GEN,LINIA(8,8),R(4,4);
3 REAL DIREC(8,4)=(0,2,2,2,
4 1,4,4,8,
5 4,0,4,4,
6 2,3,6,8,
7 6,6,0,6,
8 8,4,5,8,
9 8,8,8,0,
10 2,4,6,7);
11
12 REAL TRAB,TRAC,TRAD,TRBA,TRBC,TRBD,TRCA,TRCB,TRCD,TRDA,TR
==> DB,TRDC;
13 INTEGER OD(12) = ( 60,140,240,
14 315,365,390,
15 470,590,630,
16 730,880,930);
17 INTEGER I,K;
18 CUSTOMER INTEGER ORIG,DESTI;
19 REF CUSTOMER C;
20 /EXEC/ FOR I := 1 STEP 1 UNTIL 8 DO FOR K := 1 STEP 1 UNTIL 8 DO
21 LINIA(I,K).J := K;


22 /STATION/ NAME = GEN;
23 TYPE = SOURCE;
24 SERVICE = BEGIN
25 EXP(60000./930.);
26 I:= RINT(1,930);
27 FOR K := 1 STEP 1 UNTIL 11 DO
28 BEGIN
29 IF I < OD(K) THEN
30 BEGIN
31 ORIG := 1;
32 DESTI := 2;
33 C := NEW(CUSTOMER);
34 TRANSIT(C,R(ORIG,DESTI));
35 TRANSIT(LINIA(2 * ORIG - 1,2 * ORIG));
36 END;
37 IF ((I > OD(K)) AND (I <= OD(K + 1))) THEN
38 BEGIN
39 ORIG := K/3 + 1;
40 K := K + 1;
41 DESTI := K - K/3 * 3;
42 IF DESTI = 0 THEN DESTI := 3;
43 IF DESTI >= ORIG THEN DESTI := DESTI + 1;
44 C := NEW(CUSTOMER);
45 TRANSIT(C,R(ORIG,DESTI));
46 TRANSIT(LINIA(2 * ORIG - 1,2 * ORIG));
47 END;
48 END;
49 END;
50
51 /STATION/ NAME = LINIA;
52 SERVICE = BEGIN
53 EXP(256.*8./64.);
304
54 I:=DIREC(J,DESTI);
55 IF I=0 THEN
56 BEGIN
57 C := R(ORIG,DESTI).FIRST;
58 WHILE C <> SON DO C := C.NEXT;
59 TRANSIT(C,OUT);
60 TRANSIT (OUT);
61 END;
62 TRANSIT (LINIA(J,I));
63 END;
64
65 /CONTROL/ TMAX= 300000;
66 ACCURACY= ALL QUEUE;
67
68 /EXEC/ BEGIN
69 PRINT;
70 SIMUL;
71 TRAB := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
72 MRESPONSE(LINIA(4,3));
73 TRAC := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,4))+
74 MRESPONSE(LINIA(4,6))+MRESPONSE(LINIA(6,5));
75 TRAD := MRESPONSE(LINIA(1,2))+MRESPONSE(LINIA(2,8))+
76 MRESPONSE(LINIA(8,7));
77 TRBA := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,2))+
78 MRESPONSE(LINIA(2,1));
79 TRBC := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,6))+
80 MRESPONSE(LINIA(6,5));
81 TRBD := MRESPONSE(LINIA(3,4))+MRESPONSE(LINIA(4,8))+
82 MRESPONSE(LINIA(8,7));
83 TRCA := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
84 MRESPONSE(LINIA(8,2))+MRESPONSE(LINIA(2,1));
85 TRCD := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,8))+
86 MRESPONSE(LINIA(8,7));
87 TRCB := MRESPONSE(LINIA(5,6))+MRESPONSE(LINIA(6,4))+
88 MRESPONSE(LINIA(4,3));
89 TRDA := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,2))+
90 MRESPONSE(LINIA(2,1));
91 TRDB := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,4))+
92 MRESPONSE(LINIA(4,3));
93 TRDC := MRESPONSE(LINIA(7,8))+MRESPONSE(LINIA(8,6))+
94 MRESPONSE(LINIA(6,5));
95 PRINT(TRAB,TRAC,TRAD);
96 PRINT(TRBA,TRBC,TRBD);
97 PRINT(TRCA,TRCB,TRCD);
98 PRINT(TRDA,TRDB,TRDC);
99 END;



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 300000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* GEN * 64.03 * 1.000 * 1.000 * 64.03 * 4684*
* +/- * 1.829 *0.0000E+00*0.0000E+00* 1.829 * *
* * * * * * *
* LINIA 2 * 30.88 *0.1246 *0.1477 * 36.61 * 1210*
* +/- * 2.017 *0.1055E-01*0.1607E-01* 3.188 * *
* * * * * * *
* LINIA 9 * 31.34 *0.1347 *0.1531 * 35.63 * 1289*
* +/- * 1.999 *0.1170E-01*0.1384E-01* 2.597 * *
* * * * * * *
* LINIA 12 * 31.07 *0.7519E-01*0.8277E-01* 34.20 * 726*
* +/- * 2.504 *0.7059E-02*0.1367E-01* 3.444 * *
* * * * * * *
* LINIA 16 * 34.91 *0.5632E-01*0.6102E-01* 37.82 * 484*
* +/- * 4.215 *0.9778E-02*0.1091E-01* 5.125 * *
305
* * * * * * *
* LINIA 20 * 32.59 *0.7801E-01*0.8174E-01* 34.15 * 718*
* +/- * 2.378 *0.7146E-02*0.8014E-02* 2.579 * *
* * * * * * *
* LINIA 26 * 34.57 *0.4171E-01*0.4353E-01* 36.08 * 362*
* +/- * 3.707 *0.6404E-02*0.6778E-02* 4.122 * *
* * * * * * *
* LINIA 27 * 32.92 *0.1857 *0.2277 * 40.37 * 1691*
* +/- * 1.851 *0.1625E-01*0.2106E-01* 3.039 * *
* * * * * * *
* LINIA 30 * 35.30 *0.7448E-01*0.8044E-01* 38.12 * 633*
* +/- * 3.819 *0.9264E-02*0.1115E-01* 4.429 * *
* * * * * * *
* LINIA 32 * 28.69 *0.1243E-01*0.1243E-01* 28.69 * 130*
* +/- * 4.742 *0.2918E-02*0.2918E-02* 4.742 * *
* * * * * * *
* LINIA 38 * 30.73 *0.1345 *0.1547 * 35.35 * 1313*
* +/- * 1.734 *0.1065E-01*0.1591E-01* 2.745 * *
* * * * * * *
* LINIA 44 * 32.35 *0.6922E-01*0.7420E-01* 34.68 * 642*
* +/- * 2.659 *0.8011E-02*0.9049E-02* 3.228 * *
* * * * * * *
* LINIA 45 * 31.92 *0.9321E-01*0.1024 * 35.07 * 876*
* +/- * 2.950 *0.8071E-02*0.1099E-01* 3.485 * *
* * * * * * *
* LINIA 48 * 29.55 *0.6609E-01*0.6892E-01* 30.81 * 671*
* +/- * 2.910 *0.6452E-02*0.6856E-02* 2.968 * *
* * * * * * *
* LINIA 56 * 32.19 *0.1548 *0.1929 * 40.11 * 1443*
* +/- * 2.196 *0.1281E-01*0.2053E-01* 3.851 * *
* * * * * * *
* LINIA 58 * 32.63 *0.1008 *0.1104 * 35.71 * 927*
* +/- * 2.415 *0.9855E-02*0.1273E-01* 3.771 * *
* * * * * * *
* LINIA 60 * 33.53 *0.8171E-01*0.8924E-01* 36.62 * 731*
* +/- * 2.046 *0.8194E-02*0.9643E-02* 3.040 * *
* * * * * * *
* LINIA 62 * 35.31 *0.2860E-01*0.2887E-01* 35.64 * 243*
* +/- * 5.058 *0.5594E-02*0.5755E-02* 5.120 * *
* * * * * * *
* LINIA 63 * 34.11 *0.9402E-01*0.1019 * 36.97 * 827*
* +/- * 2.188 *0.8583E-02*0.9742E-02* 2.344 * *
* * * * * * *
* R 2 *0.0000E+00*0.0000E+00*0.1180 * 110.9 * 319*
* +/- *0.0000E+00*0.0000E+00*0.3193E-01* 9.902 * *
* * * * * * *
* R 3 *0.0000E+00*0.0000E+00*0.1920 * 141.5 * 407*
* +/- *0.0000E+00*0.0000E+00*0.2514E-01* 14.12 * *
* * * * * * *
* R 4 *0.0000E+00*0.0000E+00*0.1836 * 113.8 * 484*
* +/- *0.0000E+00*0.0000E+00*0.2303E-01* 8.691 * *
* * * * * * *
* R 5 *0.0000E+00*0.0000E+00*0.1280 * 106.1 * 362*
* +/- *0.0000E+00*0.0000E+00*0.1609E-01* 7.103 * *
* * * * * * *
* R 7 *0.0000E+00*0.0000E+00*0.8297E-01* 110.1 * 226*
* +/- *0.0000E+00*0.0000E+00*0.1289E-01* 9.790 * *
* * * * * * *
* R 8 *0.0000E+00*0.0000E+00*0.4081E-01* 94.18 * 130*
* +/- *0.0000E+00*0.0000E+00*0.7638E-02* 9.646 * *
* * * * * * *
* R 9 *0.0000E+00*0.0000E+00*0.2082 * 136.4 * 458*
* +/- *0.0000E+00*0.0000E+00*0.2374E-01* 6.981 * *
* * * * * * *
* R 10 *0.0000E+00*0.0000E+00*0.2370 * 110.8 * 642*
* +/- *0.0000E+00*0.0000E+00*0.2296E-01* 6.225 * *
* * * * * * *
* R 12 *0.0000E+00*0.0000E+00*0.7255E-01* 102.2 * 213*
* +/- *0.0000E+00*0.0000E+00*0.7541E-02* 7.903 * *
306
* * * * * * *
* R 13 *0.0000E+00*0.0000E+00*0.1787 * 114.3 * 469*
* +/- *0.0000E+00*0.0000E+00*0.2146E-01* 8.399 * *
* * * * * * *
* R 14 *0.0000E+00*0.0000E+00*0.2829 * 116.2 * 730*
* +/- *0.0000E+00*0.0000E+00*0.3170E-01* 6.388 * *
* * * * * * *
* R 15 *0.0000E+00*0.0000E+00*0.8914E-01* 110.0 * 243*
* +/- *0.0000E+00*0.0000E+00*0.1678E-01* 9.066 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...

MEMORY USED: 105146 WORDS OF 4 BYTES
( 4.21 % OF TOTAL MEMORY)

111.2 144.0 111.4
105.9 107.3 99.80
137.5 110.4 103.1
111.4 117.1 110.8

100
101 /END/

Se puede observar la concordancia de los resultados obtenidos por el tratamiento del modelo
analtico con los dos obtenidos del modelo de simulacin.
4.1.2.2. Considerando el mecanismo de control de trfico
La primera idea que parecera poder usarse para representar el mecanismo de control de flujo
por ventana deslizante sera suponer que la cola de entrada fuera de capacidad limitada. No
obstante, rpidamente hay que descartar la idea ya que con esta hiptesis los mensajes que
llegan al sistema cuando la cola esta llena se pierden, cuando en realidad esperan a que se
produzca el retorno del mensaje de confirmacin de transmisin correcta de los mensajes
enviados.
4.2. REDES CON COMPARTICIN DEL MEDIO
4.2.1. SISTEMA DE POLLING
Para empezar, se puede considerar el caso del mecanismo de polling circular (roll-call
polling) en que el controlador enva por turno mensajes de polling a cada estacin remota y
cada una de ellas responde al controlador centralizado con los mensajes recibidos desde la
ltima transmisin o con una indicacin de no tener mensajes pendientes. Si se considera un
sistema con N terminales, donde para la estacin i, w
i
es el tiempo necesario para enviar un
mensaje de polling, m
i
la longitud media de los mensajes (incluyendo los bits de control del
mensaje o paquete) medida en tiempo de transmisin por la lnea correspondiente, M
2i
es
momento de segundo orden de las longitudes de mensaje y
i
es la frecuencia de llegada de
mensajes, se puede observar que se est en un caso de servidor multi-cola estudiado en el
apartdo 3.10. del primer volumen de esta obra. En este caso, normalmente, el tiempo de
propagacin puede considerarse prcticamente constante, por lo que su variancia es nula. La
frmula que nos daba el tiempo de espera de los mensajes en la estacin para el caso
simtrico en el que se supone que todas las estaciones remotas tienen el mismo
comportamiento (se puede suprimir el subndice i) era
( )
( )
0
2 0
1 2
1
2
2

+
+

=
M N c
u
W
u

donde el signo - corresponde al sistema exhaustivo y el + al sistema con puerta.
307
Al considerarse nula va variancia del tiempo de propagacin, se obtiene que
( )
( )
0
2 0
1 2
1

+
=
M N c
W
Las variables que aparecen se pueden calcular de la forma siguiente c
0
= Nw,
0
= Nt y =
t. Finalmente se puede analizar que w,, el tiempo total necesario para enviar un mensaje de
polling, depende de t
P
, tiempo de transmisin de un mensaje de polling, de t
S
, tiempo de
sincronizacin de un mensaje de polling y de u, tiempo de propagacin del mensaje, que
depende de la velocidad de propagacin de la energa en el medio considerado y de la
topologa de conexin de las estaciones y es la suma de los tiempos requeridos por las seales
para propagarse de ida y vuelta entre cada estacin y el controlador; con estas condiciones se
puede escribir que
w = t
P
+ t
S
+ u

En el caso de polling en cascada (hub polling) el controlador enva un mensaje de polling a la
estacin remota ms alejada, la cual devuelve los mensajes en espera y enva el mensaje (o
indicacin con el ltimo mensaje transmitido) de polling a la estacin ms prxima a ella, la
cual repite el mecanismo hasta que el mensaje de polling es devuelto al controlador.
Para este esquema de funcionamiento toda la deduccin realizada para el polling circular
sigue siendo vlida a condicin de cambiar el valor del tiempo necesario para enviar un
mensaje de polling, w, que ahora depende solamente del tiempo de sincronizacin, t
S
, y del
tiempo de propagacin de entre dos estaciones consecutivas, que en un esquema donexin
lineal, puede tomarse en primera aproximacin como u(1 + N)/(2N). As pues,
w = t
S
+ u(1 + N)/(2N)

4.2.2. TCNICAS DE ACCESO AL AZAR
La alternativa a utilizar de forma controlada un medio de comunicacin, como era el polling,
es utilizar el medio de comunicacin de forma aleatoria de tal manera que cada estacin
transmita cuando quiera, pero estableciendo los mecanismos necesarios para detectar los
conflictos y colisiones que se puedan producir y sin que exista ninguna estacin central de
control, lo que conduce a una arquitectura completamente descentralizada.
Los ejemplos clsicos de este tipo de conexin son los referenciados en la literatura como
Aloha puro y Aloha ranurado (slotted Aloha) desarrollados a principios de los aos setenta en
la Universidad de Hawaii (ABRA73).
4.2.2.1. Aloha puro
En el Aloha puro cada estacin transmite cuando le llega el mensaje, es decir en un instante
aleatorio. Como consecuencia de ello dos o ms mensajes pueden solaparse en el tiempo
provocando una colisin y debe existir algn mecanismo para detectarlas. En el sistema
original todos los mensajes se transmitan por radio y una central de recepcin era la
encargada de detectar las colisiones. En caso de una colisin las estaciones en conflicto
intentan retransmitir el mensaje, pero deben decalar sus reintentos aleatoriamente, siguiendo
algn algoritmo de resolucin de colisiones para evitar que se produzca de nuevo.
Si se considera que hay N estaciones que compiten por utilizar el canal, que cada una de las
cuales transmite en promedio paquetes por segundo que llegan distribuidos segn una ley
de Poisson. Estos paquetes se pueden considerar de longitud fija m, medida en tiempo, de
acuerdo con la capacidad del canal.
308
En estas circunstancias, la utilizacin del canal por los paquetes llegados al sistema ser
(equivalente a la intensidad de trfico)
= Nm
Ahora bien la frecuencia total de llegada de paquetes de una estacin al canal de transmisin,
considerando los llegados de nuevo y las retransmisiones, ser ' > , que se admitir que
tambin est distribuida segn una ley de Poisson (lo cual es cierto si los tiempos de espera
para las retransmisiones son grandes), y con lo que la utilizacin real del canal ser entonces
G, que vendr dado por
G = N'm
Si se considera ahora un paquete tpico de m segundos de longitud, sufrir una colisin con
otro paquete si se solapa con l en cualquier punto. Es fcil ver que es necesario un intervalo
de 2m segundos sin ningn otro paquete para que no se produzca la colisin (fig. 4.2). A
partir de la ley de Poisson se puede escribir que esta probabilidad vale
G m N
e e
2 2
=
m
m
m m
2m
Colisin
Con colisin
Sin colisin

Figura 4.2.
La relacin /G representa la fraccin de mensajes transmitidos con xito por el canal y debe
ser igual a la probabilidad que se acaba de calcular de que no haya colisin. En consecuencia,
se tiene que la expresin de la productividad normalizada (utilizacin) del Aloha puro es:
= G e
-2G
La productividad mxima se puede determinar derivando respecto a G e igualando a cero, de
donde se obtiene que G = 0.5 y = 0.5 e
-1
= 0.18.
Este clculo pone de manifiesto que la productividad mxima de este sistema est limitada al
18% de la capacidad del canal.
Finalmente se pueden a calcular los retardos que se producirn en este sistema. Para
determinarlos se debe definir la estrategia de retransmisin cuando se produce una colisin.
Si se admite que se procede eligiendo al azar un intervalo mltiplo entero de la longitud m del
paquete y generado al azar entre 1 y K y se denominan R el tiempo necesario para detectar
una colisin (tiempos de transmisin y de proceso) y E el nmero medio de retransmisiones
por mensaje transmitido, en consecuencia, el tiempo medio D requerido para transmitir un
paquete con xito ser
309
(

|
.
|

\
| +
+ + + =
2
1
1
K
R E R m D
El nmero medio de retransmisiones depender del intervalo de retransmisin K.
Evidentemente, cuanto mayor sea K tanto menor sern las nuevas colisiones que se
producirn hasta llegar a desaparecer esta dependencia. Cuando esto suceda, obviamente se
podr escribir
E
G
+ =

1

y sustituyendo la ecuacin de la productividad, se obtiene
E = e
2G
- 1
4.2.2.2. Aloha ranurado
Este sistema es idntico al anterior solo que existe un reloj centralizado que divide el tiempo
en intervalos de longitud m y las transmisiones slo pueden iniciarse al inicio de cada
intervalo.
Esto permite que el intervalo durante el cual pueden producirse colisiones quede reducido a
m, con lo que la productividad normalizada viene definida por
= Ge
-G
que tiene el mximo para G = 1 y esta productividad mxima vale = e
-1
= 0.368, el doble
del obtenido para el Aloha puro.
Finalmente para determinar los retardos que se producirn en este sistema, se puede proceder
como en el caso del Aloha puro y admitir el mismo mecanismo de solucin de colisiones. De
esta forma el tiempo medio D requerido para transmitir un paquete con xito ser
(

|
.
|

\
| +
+ + + + =
2
1
5 . 0 5 . 1
K
R E R m D

Respecto al nmero medio de retransmisiones tambin se puede escribir
E
G
+ =

1

y sustituyendo la ecuacin de la productividad normalizada, se obtiene
E = e
G
- 1
4.3. REDES DE REA LOCAL
En este apartado se estudiarn las redes de rea local con polticas CSMA/CD sobre un bus y
de circulacin de testigo (token passing), respectivamente, para poder proceder finalmente a
su comparacin.
4.3.1. REDES LOCALES CSMA/CD
Visto el bajo rendimiento que puede obtenerse de las estrategias tipo Aloha, que alcanzan
como mximo el 36.8% en el caso ranurado con un sincronismo total entre todas las
estaciones, se han propuesto numerosas estrategias alternativas con el fin de mejorarlo. Entre
310
otras se puede considerar la familia de protocolos de tipo CSMA/CD (Carrier Sensing
Multiple Access/Collission Detection), cuyo ejemplo ms representativo es el Ethernet. Las
caractersticas principales de este procedimiento son:
- todas las estaciones pueden "oir" las transmisiones que se producen en el canal;
- una estacin puede transmitir si detecta la seal portadora (de ah la denominacin de
carrier sensing) que el canal est ocioso;
- puesto que pueden producirse colisiones cuando dos o ms estaciones separadas
fisicamente al detectar el canal libre inician cada una su transmisin; cuando una estacin
detecta una colisin (de ah la denominacin de collision detection), transmite una seal
especial notificando a las dems estaciones este efecto y aborta su transmisin.
El mecanismo de detectar la portadora y, por lo tanto, de transmitir solamente si se aprecia
libre el canal ya es una mejora con respecto al Aloha; y la deteccin de colisiones abortando
el mensaje en vez de continuar con su emisin hasta el final es otra.
Se han propuesto numerosas tcnicas que difieren principalmente en la gestin de la
transmisin cuando se ha detectado la lnea ocupada. Por ejemplo, en el esquema p-
persistente una estacin que detecta el canal ocupado transmite con probabilidad p cuando el
canal queda libre y con probabilidad 1 - p difiere la transmisin del intervalo de propagacin
t
p
. La forma de determinar p depende de diversas estrategias. Todos los esquemas se refieren
a estaciones capaces de detectar el fin de una transmisin tan pronto como sta ha terminado.
Ello requiere que el tiempo de propagacin entre extremos t
p
sea pequeo comparado con el
de transmisin del mensaje m. Esta condicin se representa normalmente por tener un
parmetro a = t
p
/m << 1. Si el tiempo de propagacin se hace demasiado largo (a tendiendo a
1 o mayor), el esquema degenera hacia una simple estrategia Aloha. El bien conocido
Ethernet es un protocolo CSMA/CD 1-persistente con una determinacin aleatoria de retrasos
tipo Aloha cuando se detecta una colisin; ahora bien, este intervalo se dobla cada vez que se
produce una nueva colisin hasta alcanzar un valor mximo en cuyo momento la estacin
comunica a los niveles superiores el fallo de la transmisin.
4.3.1.1. Estudio analtico de la productividad
Para empezar se puede estudiar la productividad mxima que se puede obtener de un red de
este tipo y despus se analizarn los tiempos de respuesta que se pueden obtener.
A B
Dos direcciones
t
p

Figura 4.3.
Considrese la topologa de la figura 4.3 en la que las estaciones tienen conexin pasiva a un
bus de dos direcciones. Si se consideran las dos estaciones ms alejadas, A y B, para
determinar el tiempo necesario para transmitir un mensaje entre ambas, cuyo inverso ser la
productividad mxima en la peor de las situaciones y se denomina tiempo virtual de
transmisin, t
v
a ese tiempo, que como muestra la figura 4.4 consta de tres componentes:
- el tiempo m de transmisin del mensaje
311
- el tiempo t
p
para detectar la terminacin del mensaje
- mltiplo de 2t
p
unidades de tiempo para resolver las colisiones una vez se hayan detectado.
tiempo para detectar una colisin
intervalo de colisin
tiempo de deteccin
m
. . . .
t
p
2t
p
2t
p
2t
p

Figura 4.4.
Cuando se produce una colisin se requieren 2Jt
p
unidades de tiempo para resolverla, donde J
representa el nmero de retransmisiones que se han realizado para resolver la colisin. Este
parmetro es comparable al E = G/ - 1, que se introdujo al estudiar los sistemas Aloha. El
tiempo de transmisin virtual valdr entonces
t
v
= m + t
p
+ 2Jt
p
= m[1 + a(1 + 2J)]
A continuacin se debe encontrar el valor de J, que depende de la estrategia de retransmisin
y que, para el caso del Ethernet, es funcin de la duplicacin de intervalos. No obstante y para
simplificar (aunque con una aproximacin suficiente) se puede admitir que la longitud del
intervalo de colisin est distribuido geomtricamente en unidades de 2t
p
con parmetro p
c
.
En consecuencia el nmero medio de retransmisiones ser
( )
c
k
k
c c
p p kp J 1 1
1
1
= =


Se ha transformado pues el problema de determinar J en el de hacerlo con p
c
. Para ello se
considera que hay N estaciones en la red tratando de transmitir (N >> 1) y que la probabilidad
de que una estacin transmita en un intervalo 2t
p
sea p. La probabilidad de que exactamente
una estacin transmita y tenga xito es entonces
p
c
= n p (1 - p)
n - 1
Es fcil encontrar entonces que el valor que maximiza esta expresin es p = 1/N. Usando este
valor y haciendo tender N a infinito, se encuentra en el lmite que
1
1
max
1
1 lim


=
|
.
|

\
|
= e
N
p
N
N c
y sustituyendo este valor sucesivamente en las ecuaciones anteriores, se encuentra
( ) | | e a m t
v
2 1 1 + + =
cuyo inverso nos dar la productividad mxima que es posible obtener y cuyo valor
normalizado o utilizacin ser
( ) a e a
m
44 . 6 1
1
2 1 1
1
+
=
+ +
=
312
Como ejemplo, para a = 0.1, la mxima utilizacin posible es del 60%, notablemente superior
al mximo alcanzable en el mejor de los casos del Aloha que era del 36.8%.
4.3.1.2. Estudio analtico del tiempo de respuesta
Para estudiar el tiempo de respuesta de una red de este tipo, se puede representar el bus de
una red CSMA/CD como muestra la figura 4.5 haciendo las siguientes suposiciones:
- en cada nodo j, para j = 1, 2, , n, los mensajes llegan con una frecuencia
j
, para los
cuales se fija un tiempo de transmisin m; la cola de cada nodo se supone de capacidad
infinita gestionada con disciplina FIFO.
- los nodos estn equidistribuidos sobre el bus y el tiempo de propagacin entre los nodos i y
j (i > j) es
ij
= t
p
(i - j)/(n - 1).
- cuando termina la seal portadora, cada nodo retrasa el acceso al bus de un tiempo
conocido como tiempo entre tramas (inter-frame gap), que est distribuido
exponencialmente con media t
gap
.
- cuando se produce una colisin cada nodo transmite una seal de detencin (jam signal) de
longitud t
jam
para asegurar el final de la operacin. El tiempo de retransmisin est
distribuido exponencialmente con media
-1
.
1

1
m
1
2

2
m
2
j

j
m
j
n

n
m
n

Figura 4.5.
El tiempo medio de respuesta del nodo j, R
j
, es la suma de la espera en el nodo, R
qj
, ms el
tiempo de acceso del nodo j, R
aj
.
R
j
= R
qj
+ R
aj
El tiempo de espera en el nodo puede estudiarse mediante una cola M/G/1, es decir,
( )
( )
j s
j
j
qj
S C R
j
2
1
' 1 2
'
+

=

donde
S
j
= m
j
+ R
aj
( )
j j j j
S m + = '
y
2
j
s
C es el coeficiente cuadrtico de variacin del tiempo S
j
.
La estimacin de
2
j
s
C es algo complicada y se puede aproximar por
2
j
s
C = 1. Entonces se
obtiene que el tiempo medio de respuesta vale
313
aj
aj j j
j j
j
R
R
S
R +


=
1
2

donde
j
=
j
m
j
y solo queda por determinar R
aj
. Este tiempo puede expresarse por
R
aj
= p
0j
t
dj
+ n
cj
t
bj
donde:
- p
0j
es la probabilidad que un mensaje llegue al nodo j cuando est ocioso, es decir, p
0j
= 1 -

j
-
j
R
aj

- t
dj
es el retraso medio debido a que el bus est ocupado, es decir
k
m
j k j
k
dj
m
M
t
k
2 1
2

=

- n
cj
es el nmero medio de colisiones por unidad de tiempo, es decir
( )
cj
bj j cj j
cj
p
p p p p
n

+
=
1
1
0 0

donde p
cj
es la probabilidad que se produzca una colisin cuando el nodo j transmite un
mensaje, es decir,
v
j
k
j k j
k
cj
P P p


+

1
1
1
0

con

=
=
n
j
j
1
0
, P
k
, probabilidad que se produzca una colisin despus de que el nodo j
transmita un mensaje, que vale
( )
( )
( )
| |

+ +
+ =
k j i
m
i
m
i k k
k k i
jk k
e p e p e p P
,
'
0
'
0
2
0
1 1

siendo

< < < <


< < < <
< < < <
=
j k i i k j
j i k k i j
i j k k j i
kj
ij
, para , 2
, para , 2
, para , 0
'
y P
v
,probabilidad de se produzca una colisin cuando el nodo j est ocioso, que vale
( ) | |


+ =
j i
i i v
ij ij i
e p e p P
2
0
2
0
1 1

- t
bj
es tiempo medio de la operacin de retransmisin, es decir
t
bj
=t
jam
+
-1
+ t
dj
314
A partir de las frmulas anteriores se puede determinar R
aj
por iteracin, inicializada con R
aj

= 0 y, una vez obtenido, R
j
.
4.3.1.3. Estudio por simulacin
Para este estudio se supone que la carga est uniformemente distribuida en su generacin y en
su destino. Como en casos anteriores, se usar una cola ficticia para determinar el tiempo de
respuesta del sistema as como su intervalo de confianza.
El inters de este modelo reside en el uso de flags para controlar el uso del canal de
comunicacin y la retransmisin de los mensajes que han sufrido colisin. Puesto que los
lenguajes de modelizacin no disponen del mecanismo que permite "oir" la transmisin que
se acaba de realizar, la modelizacin se basa en conocimiento del instante en que se efectu la
transmisin precedente y el tiempo de propagacin (intervalo dentro del cual una nueva
transmisin provocar una colisin). En cuanto a los resultados conviene observar que a
medida que aumenta la frecuencia de llegada aumenta el nmero de colisiones, que se puede
determinar por diferencia entre los mensajes generados y los que han salido del canal de
comunicacin (bus).
4.3.1.3.1. Primer modelo
En este modelo simplificado se supone que en el momento de la transmisin, una estacin
est en un extremo y todas las dems en el otro, es decir, el tiempo de propagacin entre
estaciones es constante e igual al necesario para que la luz recorra el bus en su totalidad.


SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE S, EST(8), BUS, R, SF;
2 CUSTOMER INTEGER I;
3 CUSTOMER REAL TSERV, TESP;
4 REAL TARR, SERV, ESP, TEMPS, TPROP, TEMPSC;
5 REF CUSTOMER C,D;
6 LABEL L;
7 FLAG FL, BL;
8 INTEGER CONF = 0;
9
10 /STATION/ NAME = S;
11 TYPE = SOURCE;
12 SERVICE = BEGIN
13 EXP(TARR);
14 I := RINT(1,8);
15 TSERV := EXP(SERV);
16 IF TSERV < 3.*TPROP THEN TSERV := 3.*TPROP;
17 C := NEW(CUSTOMER);
18 TRANSIT(C,R);
19 TRANSIT(EST(I));
20 END;
21
22 /STATION/ NAME = EST;
23 SERVICE = BEGIN
24 L: IF BUS.NB = 0 THEN
25 BEGIN
26 C := NEW(CUSTOMER);
27 C.TSERV := TSERV;
28 UNSET(FL);
29 UNSET(BL);
30 TEMPS := TIME + TPROP;
31 TRANSIT(C, BUS);
32 WAIT(FL);
33 IF CONF = 0 THEN
34 BEGIN
35 SET(BL);
315
36 TRANSIT(OUT);
37 END;
38 SET(BL);
39 CONF := 0;
40 TESP := EXP(ESP);
41 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
42 CST(TESP);
43 GOTO L;
44 END;
45 IF (TIME < TEMPS) AND (CONF = 0) THEN
46 BEGIN
47 CONF := 1;
48 D := BUS.FIRST;
49 TEMPSC := TEMPS - TIME;
50 CST(TEMPSC);
51 TRANSIT(D, OUT);
52 SET(FL);
53 TESP := EXP(ESP);
54 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
55 CST(TESP);
56 GOTO L;
57 END;
58 IF (TIME < TEMPS) AND (CONF = 1) THEN
59 BEGIN
60 TESP := EXP(ESP);
61 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
62 CST(TESP);
63 GOTO L;

64 END;
65 WAIT(BL);
66 GOTO L;
67 END;
68
69 /STATION/ NAME = BUS;
70 SERVICE = BEGIN
71 CST(TSERV + 2.*TPROP);
72 C := R.FIRST;
73 WHILE C.FATHER <> FATHER DO C := C.NEXT;
74 TRANSIT(C, OUT);
75 SET(FL);
76 TRANSIT(OUT);
77 END;
78
79 /STATION/ NAME = SF;
80 INIT = 1;
81 SERVICE = BEGIN
82 SET(FL);
83 SET(BL);
84 TRANSIT(OUT);
85 END;
86
87 /CONTROL/ TMAX = 100000.; ACCURACY = ALL QUEUE;
88
89 /EXEC/ BEGIN
90 TPROP := 0.01;
91 SERV := 0.8;
92 ESP := 0.1;
93 TEMPS := -TPROP;
94 FOR TARR := 5, 2.5, 1.25 DO SIMUL;
95 END;



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
316
* * * * * * *
* S * 5.073 * 1.000 * 1.000 * 5.073 * 19713*
* +/- *0.7027E-01*0.0000E+00*0.0000E+00*0.7027E-01* *
* * * * * * *
* EST 1 *0.9595 *0.2390E-01*0.2459E-01*0.9873 * 2491*
* +/- *0.4293E-01*0.1102E-02*0.1180E-02*0.5266E-01* *
* * * * * * *
* EST 2 *0.9714 *0.2364E-01*0.2425E-01*0.9966 * 2433*
* +/- *0.3115E-01*0.1343E-02*0.1491E-02*0.3891E-01* *
* * * * * * *
* EST 3 *0.9993 *0.2534E-01*0.2609E-01* 1.029 * 2536*
* +/- *0.4504E-01*0.1101E-02*0.1159E-02*0.4904E-01* *
* * * * * * *
* EST 4 *0.9660 *0.2350E-01*0.2407E-01*0.9892 * 2433*
* +/- *0.4483E-01*0.1456E-02*0.1518E-02*0.7335E-01* *
* * * * * * *
* EST 5 *0.9709 *0.2321E-01*0.2356E-01*0.9856 * 2390*
* +/- *0.4695E-01*0.1439E-02*0.1497E-02*0.4730E-01* *
* * * * * * *
* EST 6 *0.9677 *0.2312E-01*0.2366E-01*0.9905 * 2389*
* +/- *0.3450E-01*0.9612E-03*0.1328E-02*0.4168E-01* *
* * * * * * *
* EST 7 *0.9455 *0.2308E-01*0.2367E-01*0.9696 * 2441*
* +/- *0.3795E-01*0.1200E-02*0.1322E-02*0.3643E-01* *
* * * * * * *
* EST 8 *0.9635 *0.2505E-01*0.2576E-01*0.9906 * 2600*
* +/- *0.3988E-01*0.1589E-02*0.1727E-02*0.4196E-01* *
* * * * * * *
* BUS *0.7994 *0.1624 *0.1624 *0.7994 * 20314*
* +/- *0.9631E-02*0.2830E-02*0.2830E-02*0.9631E-02* *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.1956 *0.9924 * 19713*
* +/- *0.0000E+00*0.0000E+00*0.5210E-02*0.2011E-01* *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 20091 WORDS OF 4 BYTES
( 2.51 % OF TOTAL MEMORY)



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* S * 2.523 * 1.000 * 1.000 * 2.523 * 39639*
* +/- *0.3238E-01*0.0000E+00*0.0000E+00*0.3238E-01* *
* * * * * * *
* EST 1 * 1.190 *0.6058E-01*0.6443E-01* 1.266 * 5091*
* +/- *0.3643E-01*0.1890E-02*0.2066E-02*0.4254E-01* *
* * * * * * *
* EST 2 * 1.189 *0.5951E-01*0.6372E-01* 1.274 * 5003*
* +/- *0.3580E-01*0.4234E-02*0.3192E-02*0.4344E-01* *
* * * * * * *
* EST 3 * 1.174 *0.5754E-01*0.6086E-01* 1.242 * 4901*
* +/- *0.4252E-01*0.2450E-02*0.2627E-02*0.4427E-01* *
* * * * * * *
* EST 4 * 1.191 *0.5883E-01*0.6312E-01* 1.278 * 4937*
* +/- *0.3555E-01*0.2305E-02*0.2675E-02*0.4592E-01* *
* * * * * * *
* EST 5 * 1.198 *0.5927E-01*0.6323E-01* 1.278 * 4949*
* +/- *0.4266E-01*0.2633E-02*0.2816E-02*0.4674E-01* *
317
* * * * * * *
* EST 6 * 1.185 *0.5835E-01*0.6266E-01* 1.272 * 4926*
* +/- *0.3425E-01*0.2123E-02*0.2498E-02*0.4209E-01* *
* * * * * * *
* EST 7 * 1.181 *0.5895E-01*0.6315E-01* 1.265 * 4993*
* +/- *0.3740E-01*0.2661E-02*0.3207E-02*0.5317E-01* *
* * * * * * *
* EST 8 * 1.182 *0.5717E-01*0.6104E-01* 1.262 * 4837*
* +/- *0.3262E-01*0.2484E-02*0.3251E-02*0.4343E-01* *
* * * * * * *
* BUS *0.7520 *0.3316 *0.3316 *0.7520 * 44091*
* +/- *0.1085E-01*0.4436E-02*0.4436E-02*0.1085E-01* *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.5022 * 1.267 * 39637*
* +/- *0.0000E+00*0.0000E+00*0.1750E-01*0.2458E-01* *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 20364 WORDS OF 4 BYTES
( 2.55 % OF TOTAL MEMORY)



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* S * 1.257 * 1.000 * 1.000 * 1.257 * 79568*
* +/- *0.9795E-02*0.0000E+00*0.0000E+00*0.9795E-02* *
* * * * * * *
* EST 1 * 2.045 *0.2052 *0.2709 * 2.699 * 10034*
* +/- *0.5773E-01*0.8730E-02*0.1612E-01*0.1282 * *
* * * * * * *
* EST 2 * 2.020 *0.2039 *0.2667 * 2.642 * 10096*
* +/- *0.7101E-01*0.8998E-02*0.1768E-01*0.1390 * *
* * * * * * *
* EST 3 * 2.011 *0.1991 *0.2592 * 2.617 * 9904*
* +/- *0.6745E-01*0.8805E-02*0.1469E-01*0.1115 * *
* * * * * * *
* EST 4 * 2.028 *0.2000 *0.2602 * 2.637 * 9864*
* +/- *0.5786E-01*0.6761E-02*0.1179E-01*0.1073 * *
* * * * * * *
* EST 5 * 2.001 *0.2017 *0.2622 * 2.601 * 10079*
* +/- *0.6415E-01*0.6065E-02*0.1510E-01*0.1624 * *
* * * * * * *
* EST 6 * 2.035 *0.1993 *0.2610 * 2.664 * 9797*
* +/- *0.7039E-01*0.8648E-02*0.1688E-01*0.1333 * *
* * * * * * *
* EST 7 * 2.021 *0.2007 *0.2594 * 2.611 * 9934*
* +/- *0.6259E-01*0.7496E-02*0.1742E-01*0.2369 * *
* * * * * * *
* EST 8 * 2.014 *0.1985 *0.2571 * 2.608 * 9858*
* +/- *0.7488E-01*0.7814E-02*0.1403E-01*0.1413 * *
* * * * * * *
* BUS *0.5523 *0.6622 *0.6622 *0.5523 * 119899*
* +/- *0.5897E-02*0.7369E-02*0.7369E-02*0.5897E-02* *
* * * * * * *
* R *0.0000E+00*0.0000E+00* 2.096 * 2.635 * 79566*
* +/- *0.0000E+00*0.0000E+00*0.8279E-01*0.1023 * *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
318
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 21279 WORDS OF 4 BYTES
( 2.66 % OF TOTAL MEMORY)

96
97 /END/

4.3.1.3.2. Segundo modelo
Este modelo, ms detallado, tiene en cuenta la distancia entre cada par de estaciones a efecto
de determinar el tiempo de propagacin del mensaje entre ellas se presenta a continuacin. En
este caso se ha supuesto las estaciones equidistantes sobre el bus.


SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE REAL POS;
2 QUEUE S, EST(8), BUS, R, SF;
3 CUSTOMER INTEGER I;
4 CUSTOMER REAL TSERV, TESP, TEMPSC;
5 REAL TARR, SERV, ESP, TEMPS, VPROP, TPROP, TCONF;
6 REF CUSTOMER C,D;
7 LABEL L;
8 FLAG FL, BL;
9 INTEGER J, CONF = 0;
10
11 /EXEC/ FOR J := 1 STEP 1 UNTIL 8 DO EST(J).POS := 2.*(J - 1)/7.;
12
13 /STATION/ NAME = S;
14 TYPE = SOURCE;
15 SERVICE = BEGIN
16 EXP(TARR);
17 I := RINT(1,8);
18 TSERV := EXP(SERV);
19 IF TSERV < 3.*TPROP THEN TSERV := 3.*TPROP;
20 D := NEW(CUSTOMER);
21 TRANSIT(D,R);
22 TRANSIT(EST(I));
23 END;
24
25 /STATION/ NAME = EST;
26 SERVICE = BEGIN
27 L: IF BUS.NB = 0 THEN
28 BEGIN
29 D := NEW(CUSTOMER);
30 D.I := I;
31 D.TSERV := TSERV;
32 UNSET(FL);
33 UNSET(BL);
34 TEMPS := TIME;
35 TRANSIT(D, BUS);
36 WAIT(FL);
37 IF CONF = 0 THEN
38 BEGIN
39 SET(BL);
40 TRANSIT(OUT);
41 END;
42 SET(BL);
43 CONF := 0;
44 TESP := EXP(ESP);
45 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
46 CST(TESP);
319
47 GOTO L;
48 END;
49 TCONF := TEMPS +
50 ABS(POS-EST(BUS.FIRST.I).POS)/VPRO
==> P;
51 IF (TIME < TCONF) AND (CONF = 0) THEN
52 BEGIN
53 CONF := 1;
54 C := BUS.FIRST;
55 TEMPSC := TCONF - TIME;
56 CST(TEMPSC);
57 TRANSIT(C, OUT);
58 SET(FL);
59 TESP := EXP(ESP);
60 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
61 CST(TESP);
62 GOTO L;
63 END;
64 TCONF := TEMPS +
65 ABS(POS-EST(BUS.FIRST.I).POS)/VPRO
==> P;
66 IF (TIME < TCONF) AND (CONF = 1) THEN
67 BEGIN
68 TESP := EXP(ESP);
69 IF TESP<2.*TPROP THEN TESP := 2. * TPROP;
70 CST(TESP);
71 GOTO L;
72 END;
73 WAIT(BL);
74 GOTO L;
75 END;
76
77 /STATION/ NAME = BUS;
78 SERVICE = BEGIN
79 CST(TSERV + 2.*TPROP);
80 D := R.FIRST;
81 WHILE D.FATHER <> FATHER DO D := D.NEXT;
82 TRANSIT(D, OUT);
83 SET(FL);
84 TRANSIT(OUT);
85 END;
86
87 /STATION/ NAME = SF;
88 INIT = 1;
89 SERVICE = BEGIN
90 SET(FL);
91 SET(BL);
92 TRANSIT(OUT);
93 END;
94
95 /CONTROL/ TMAX = 100000.; ACCURACY = ALL QUEUE;
96
97 /EXEC/ BEGIN
98 VPROP := 200.;
99 TPROP := 2. / VPROP;
100 SERV := 1000. * 8. * 1000. / 10000000.;
101 ESP := 0.1;
102 TEMPS := -TPROP;
103 FOR TARR := 5., 2.5, 1.25 DO SIMUL;
104 END;



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
320
* S * 5.068 * 1.000 * 1.000 * 5.068 * 19733*
* +/- *0.5344E-01*0.0000E+00*0.0000E+00*0.5344E-01* *
* * * * * * *
* EST 1 *0.9360 *0.2311E-01*0.2379E-01*0.9635 * 2469*
* +/- *0.5033E-01*0.1296E-02*0.1320E-02*0.4063E-01* *
* * * * * * *
* EST 2 *0.9808 *0.2440E-01*0.2500E-01* 1.005 * 2488*
* +/- *0.4080E-01*0.1663E-02*0.1820E-02*0.4532E-01* *
* * * * * * *
* EST 3 *0.9902 *0.2520E-01*0.2585E-01* 1.016 * 2545*
* +/- *0.2786E-01*0.1102E-02*0.1162E-02*0.2986E-01* *
* * * * * * *
* EST 4 *0.9907 *0.2406E-01*0.2470E-01* 1.017 * 2429*
* +/- *0.5019E-01*0.1498E-02*0.1643E-02*0.5540E-01* *
* * * * * * *
* EST 5 *0.9684 *0.2372E-01*0.2421E-01*0.9887 * 2449*
* +/- *0.4366E-01*0.1340E-02*0.1452E-02*0.5112E-01* *
* * * * * * *
* EST 6 *0.9767 *0.2320E-01*0.2373E-01*0.9991 * 2375*
* +/- *0.4694E-01*0.1332E-02*0.1313E-02*0.4745E-01* *
* * * * * * *
* EST 7 *0.9461 *0.2287E-01*0.2357E-01*0.9753 * 2417*
* +/- *0.4056E-01*0.1226E-02*0.1296E-02*0.4393E-01* *
* * * * * * *
* EST 8 *0.9627 *0.2465E-01*0.2556E-01*0.9981 * 2561*
* +/- *0.4653E-01*0.1694E-02*0.1838E-02*0.4692E-01* *
* * * * * * *
* BUS *0.8065 *0.1627 *0.1627 *0.8065 * 20173*
* +/- *0.9759E-02*0.2653E-02*0.2653E-02*0.9759E-02* *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.1964 *0.9954 * 19733*
* +/- *0.0000E+00*0.0000E+00*0.5582E-02*0.2419E-01* *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 20303 WORDS OF 4 BYTES
( 2.54 % OF TOTAL MEMORY)



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* S * 2.526 * 1.000 * 1.000 * 2.526 * 39581*
* +/- *0.2548E-01*0.0000E+00*0.0000E+00*0.2548E-01* *
* * * * * * *
* EST 1 * 1.158 *0.5923E-01*0.6320E-01* 1.235 * 5116*
* +/- *0.3427E-01*0.2213E-02*0.2338E-02*0.4100E-01* *
* * * * * * *
* EST 2 * 1.165 *0.5716E-01*0.6059E-01* 1.235 * 4905*
* +/- *0.3564E-01*0.2838E-02*0.3470E-02*0.3341E-01* *
* * * * * * *
* EST 3 * 1.169 *0.5670E-01*0.5981E-01* 1.233 * 4850*
* +/- *0.3230E-01*0.1764E-02*0.2189E-02*0.3443E-01* *
* * * * * * *
* EST 4 * 1.149 *0.5730E-01*0.6068E-01* 1.217 * 4985*
* +/- *0.3344E-01*0.2136E-02*0.2580E-02*0.2837E-01* *
* * * * * * *
* EST 5 * 1.172 *0.5659E-01*0.6003E-01* 1.243 * 4830*
* +/- *0.3511E-01*0.2234E-02*0.2464E-02*0.4163E-01* *
* * * * * * *
321
* EST 6 * 1.152 *0.5751E-01*0.6145E-01* 1.231 * 4992*
* +/- *0.3814E-01*0.4050E-02*0.3213E-02*0.4757E-01* *
* * * * * * *
* EST 7 * 1.137 *0.5757E-01*0.6111E-01* 1.207 * 5063*
* +/- *0.3089E-01*0.2267E-02*0.2390E-02*0.3661E-01* *
* * * * * * *
* EST 8 * 1.168 *0.5655E-01*0.6052E-01* 1.250 * 4840*
* +/- *0.3664E-01*0.2391E-02*0.3958E-02*0.5169E-01* *
* * * * * * *
* BUS *0.7676 *0.3288 *0.3288 *0.7676 * 42839*
* +/- *0.1029E-01*0.3980E-02*0.3980E-02*0.1029E-01* *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.4874 * 1.231 * 39581*
* +/- *0.0000E+00*0.0000E+00*0.1392E-01*0.2546E-01* *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 20494 WORDS OF 4 BYTES
( 2.56 % OF TOTAL MEMORY)



***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 100000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* S * 1.262 * 1.000 * 1.000 * 1.262 * 79204*
* +/- *0.1006E-01*0.0000E+00*0.0000E+00*0.1006E-01* *
* * * * * * *
* EST 1 * 2.094 *0.2085 *0.2821 * 2.833 * 9959*
* +/- *0.7286E-01*0.7572E-02*0.1523E-01*0.1692 * *
* * * * * * *
* EST 2 * 1.960 *0.1920 *0.2433 * 2.484 * 9796*
* +/- *0.5722E-01*0.6981E-02*0.7738E-02*0.1101 * *
* * * * * * *
* EST 3 * 1.887 *0.1879 *0.2456 * 2.466 * 9960*
* +/- *0.6054E-01*0.7918E-02*0.1728E-01*0.1566 * *
* * * * * * *
* EST 4 * 1.981 *0.1953 *0.2487 * 2.523 * 9859*
* +/- *0.6218E-01*0.7137E-02*0.1469E-01*0.1484 * *
* * * * * * *
* EST 5 * 1.932 *0.1934 *0.2475 * 2.471 * 10014*
* +/- *0.5231E-01*0.7738E-02*0.1554E-01*0.1104 * *
* * * * * * *
* EST 6 * 1.950 *0.1920 *0.2470 * 2.509 * 9845*
* +/- *0.6601E-01*0.8493E-02*0.2069E-01*0.1586 * *
* * * * * * *
* EST 7 * 1.951 *0.1950 *0.2484 * 2.484 * 9997*
* +/- *0.5944E-01*0.6637E-02*0.1218E-01*0.1058 * *
* * * * * * *
* EST 8 * 2.083 *0.2036 *0.2781 * 2.846 * 9774*
* +/- *0.8340E-01*0.9369E-02*0.2129E-01*0.1961 * *
* * * * * * *
* BUS *0.5861 *0.6600 *0.6600 *0.5861 * 112617*
* +/- *0.5736E-02*0.8169E-02*0.8169E-02*0.5736E-02* *
* * * * * * *
* R *0.0000E+00*0.0000E+00* 2.041 * 2.577 * 79204*
* +/- *0.0000E+00*0.0000E+00*0.9304E-01*0.9968E-01* *
* * * * * * *
* SF *0.0000E+00*0.0000E+00*0.0000E+00*0.0000E+00* 1*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
322
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 21829 WORDS OF 4 BYTES
( 2.73 % OF TOTAL MEMORY)


105
106 /END/

4.3.2. REDES LOCALES DE PASO DE TESTIGO (TOKEN RING)
El funcionamiento de este algoritmo, al menos desde el punto de vista de su comportamiento,
es similar al del polling en cascada (hub polling); la diferencia estriba en que no hay ningn
controlador central. Todas las estaciones funcionan de forma descentralizada. Todos los
mensajes se mueven alrededor de un anillo y son repetidos activamente por cada estacin por
la que pasan, tal como muestra la figura 4.6. La estacin que encuentra su propia direccin
como destino, copia el mensaje para enviarlo a los terminales o procesadores conectados a
ella, mientras pasa hacia la siguiente estacin. La estacin que ha emitido el mensaje lo
destruye cuando le llega desde el anillo.

Figura 4.6.
La red de paso de testigo es un estndar para las redes de rea local basado en un control de
acceso de tipo secuencial. En este protocolo, la seal que autoriza la transmisin, denominada
testigo o token, circula entre los nodos conectados al anillo. Un nodo que tenga datos a
transmitir, atrapa el token libre y lo convierte en ocupado que transporta un mensaje con la
direccin de destino. Una vez que el mensaje haya sido recibido por el nodo de destino, el
token regresa al nodo origen para indicar la finalizacin de la transmisin y repetir el proceso
si hay an mensajes a transmitir o enviarlo libre otra vez al anillo. Esto significa que, como
mximo, hay un mensaje circulando en el anillo. Hay tres criterios para hacer de nuevo libre
el token:
- tipo exhaustivo: el token se convierte en libre despus de haber transmitido todos los datos,
incluso los recibidos durante la transmisin.
- tipo con puerta: el token se convierte en libre despus de haber transmitido los datos que
estaban en espera al iniciar la transmisin.
- tipo limitado: el token se convierte en libre despus de haber transmitido todos los datos
posibles durante un perodo de tiempo preestablecido o cuando la cola se vaca si el perodo
es ms corto.
323
4.3.2.1. Estudio analtico
Una red de rea local de este tipo puede modelarse tal como muestra la figura 4.7. El token
puede considerarse como un servidor simple que se pasea alrededor del anillo para servir a
los nodos que tienen datos a transmitir. Se trata pues de modelo multi-cola tal como el que se
describe en el apartado 3.10. del primer volumen de esta obra.
j - 1

j -1

j + 1
j + 1
j

n
n
1
2

Figura 4.7.
Sea n el nmero de nodos, y u
j
y
2
j
u
, respectivamente, la media y la variancia del tiempo de
paso del nodo j al siguiente. Este tiempo es la suma del tiempo de propagacin y del retardo
del nodo debido al proceso y al registro de decalaje que existe en l. Sean c
j
y M
2j
la media y
el momento de segundo orden del tiempo de un ciclo, respectivamente. El tiempo de un ciclo
est definido por el que transcurre entre dos pasos consecutivos del token por un nodo.
4.3.2.1.1. Caso simtrico
Si el sistema es simtrico y el proceso de llegada es de Poisson, de acuerdo con los resultados
obtenidos en el apartado 3.10. del primer volumen de esta obra, el tiempo de respuesta para
cualquier nodo vale
( )
( )
0
2 0
2
1 2
1
2
+
+

=
M n c
u
R
u

El signo toma el signo - para el caso exhaustivo y el + para el caso con puerta, es la
frecuencia de llegada del proceso de Poisson a un nodo, m y M
2
son, respectivamente, la
media y el momento de segundo orden del tiempo de servicio. La utilizacin del nodo es =
m,
0
= n es la utilizacin del servidor rotativo y c
0
= nu el tiempo total de latencia en
vaco del token.
4.3.2.1.2. Caso asimtrico
En este caso an puede considerarse que el tiempo del ciclo del token c
j
y viene dado por
c
c
c
j


=
0
0
1

donde

= =
= =
n
j
j
n
j
j
u c
1
0
1
0
y . Por lo tanto, de acuerdo con el punto 3.10 del primer
volumen de esta obra, el tiempo medio de respuesta del nodo j viene dado por
324
( )
c
M
R
j
c
j j
2
1
2
=
donde el signo tiene el mismo significado que en el apartado anterior.
Esta ecuacin tiene el inconveniente que el momento de segundo orden del tiempo de ciclo
j
c
M
2
requiere una compleja iteracin con un importante tiempo de clculo. Un mtodo
aproximado se expone a continuacin.
El tiempo entre visitas se define como el perodo que transcurre desde que el token deja el
nodo hasta que regresa a l. Sean v
j
y
j
v
M
2
, respectivamente, la media y el momento de
segundo orden del tiempo entre visitas. Entonces, de acuerdo con el apartado 3.10. del primer
volumen de esta obra, se tiene que el tiempo de respuesta del nodo j vale
( )

+ =
1 2 2
2
2
j j
j
v
j
M
v
M
R
j

El segundo miembro de la igualdad es la suma del tiempo residual entre visitas y el tiempo de
respuesta por la cola del nodo, por lo que la frmula anterior tanto es vlida para el caso
exhaustivo como para el caso con puerta.
Promediando la expresin anterior con
j
se obtiene
( ) ( )
( )

= = =


+

=
n
j
j j
n
j
j j
n
j
j j
c
M R
1 0
0
1
2
0
0
1
1
1 2 1 2

donde el signo tiene el sentido ya citado y se supone que 0
2
=
j
u
. Por otro lado, si se ha
supuesto que c
j
= c es independiente de j, parece razonable hacerlo tambin con el momento
de segundo orden, es decir
c c
M M
j
2 2
= . Con ello a partir de la expresin anterior se puede
determinar M
2c
que se puede sustituir en la expresin del tiempo de respuesta, con lo que se
obtiene
( )
( )
(
(
(
(



+


=

=
=
n
j
j j
n
j
j j
j
j
M
c R
1
1
2 0
0
0
1
1 2
1

donde el signo toma el signo - para el caso exhaustivo y el signo + para el caso con puerta..
4.3.2.2. Estudio por simulacin
Cada nodo puede considerarse como la asociacin de una cola pasiva en donde espera el
mensaje a que llegue el token para ser transmitido y de una segunda estacin que representa el
nodo conectado al anillo. Esta segunda estacin sirve dos tipos de clientes: token y mensajes.
En este ejemplo se estudiar una red, en que la carga est uniformemente distribuida en su
generacin y en su destino. Como en casos anteriores se crear una cola ficticia para
determinar el tiempo de respuesta del sistema as como su intervalo de confianza.
Se puede observar en estos resultados que a medida que aumenta la frecuencia de llegada (en
el modelo, disminuye el tiempo medio entre llegadas) disminuye el nmero de token que
circula por la red y aumenta el nmero de mensajes.


325
SIMULOG *** QNAP2 *** ( 15-FEB-88 ) V 5.0
(C) COPYRIGHT BY CII HONEYWELL BULL AND INRIA, 1986


1 /DECLARE/ QUEUE INTEGER N, M;
2 QUEUE NUS(8),ESP(8),S,R;
3 INTEGER I;
4 REAL TARR;
5 CUSTOMER REAL TSERV;
6 CUSTOMER INTEGER ORIGEN,DESTI;
7 REF CUSTOMER C,D;
8 FLAG SEM;
9 CLASS TOK,MIS;
10
11 /STATION/ NAME = S;
12 TYPE = SOURCE;
13 SERVICE = BEGIN
14 EXP(TARR);
15 ORIGEN := RINT(1,8);
16 DESTI := RINT(1,7);
17 IF DESTI >= ORIGEN THEN DESTI := DESTI + 1;
18 TSERV := EXP(800.); & microsegons
19 C := NEW(CUSTOMER);
20 TRANSIT(C,R,MIS);
21 TRANSIT(ESP(ORIGEN),MIS);
22 END;
23
24 /STATION/ NAME = NUS;
25 TYPE = MULTIPLE(2);
26 SERVICE(TOK) = BEGIN
27 WHILE ESP(N).NB > 0 DO
28 BEGIN
29 D := ESP(N).FIRST;
30 CST(D.TSERV);
31 TRANSIT(D,NUS(M));
32 UNSET(SEM);
33 WAIT(SEM);
34 END;
35 CST(20); & microsegons
36 TRANSIT(NUS(M));
37 END;
38 SERVICE(MIS) = BEGIN
39 IF N = ORIGEN THEN
40 BEGIN
41 SET(SEM);
42 TRANSIT(OUT);
43 END;
44 IF N = DESTI THEN
45 BEGIN
46 C := R.FIRST;
47 WHILE SON <> C DO C := C.NEXT;
48 TRANSIT(C,OUT);
49 END;
50 CST(1.6); & microsegons
51 TRANSIT(NUS(M));
52 END;
53
54 /STATION/ NAME = NUS(1);
55 INIT(TOK) = 1;
56
57 /CONTROL/ TMAX = 10000000; CLASS = ALL QUEUE;
58 ACCURACY = ALL QUEUE, ALL CLASS;
59
60 /EXEC/ BEGIN
61 FOR I := 1 STEP 1 UNTIL 8 DO
62 BEGIN
63 NUS(I).N := I;
64 ESP(I).N := I;
65 NUS(I).M := I + 1;
326
66 END;
67 NUS(8).M := 1;
68 FOR TARR := 100000, 10000, 5000, 1000, 800 DO
69 BEGIN
70 PRINT;
71 PRINT ("TEMPS ENTRE ARRIBADES ",TARR,"MICROSEG");
72 SIMUL;
73 END;
74 END;


TEMPS ENTRE ARRIBADES 0.1000E+06MICROSEG


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 10000000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* NUS 1 * 20.11 *0.6248E-01*0.1250 * 20.11 * 62141*
* +/- *0.1347 *0.3563E-03*0.7126E-03*0.1347 * *
*(TOK )* 20.14 *0.6247E-01*0.1249 * 20.14 * 62038*
* +/- *0.1349 *0.3569E-03*0.7137E-03*0.1349 * *
*(MIS )* 1.398 *0.7199E-05*0.1440E-04* 1.398 * 103*
* +/- *-1.000 *0.1365E-05*0.2730E-05*-1.000 * *
* * * * * * *
* NUS 2 * 20.07 *0.6237E-01*0.1247 * 20.07 * 62140*
* +/- *0.8790E-01*0.3143E-03*0.6286E-03*0.8790E-01* *
*(TOK )* 20.10 *0.6236E-01*0.1247 * 20.10 * 62037*
* +/- *0.8881E-01*0.3151E-03*0.6302E-03*0.8881E-01* *
*(MIS )* 1.382 *0.7119E-05*0.1424E-04* 1.382 * 103*
* +/- *-1.000 *0.1691E-05*0.3381E-05*-1.000 * *
* * * * * * *
* NUS 3 * 20.09 *0.6242E-01*0.1248 * 20.09 * 62140*
* +/- *0.7185E-01*0.2305E-03*0.4610E-03*0.7185E-01* *
*(TOK )* 20.12 *0.6241E-01*0.1248 * 20.12 * 62037*
* +/- *0.7276E-01*0.2315E-03*0.4629E-03*0.7276E-01* *
*(MIS )* 1.351 *0.6959E-05*0.1392E-04* 1.351 * 103*
* +/- *-1.000 *0.1862E-05*0.3724E-05*-1.000 * *
* * * * * * *
* NUS 4 * 20.08 *0.6239E-01*0.1248 * 20.08 * 62140*
* +/- *0.1148 *0.3504E-03*0.7009E-03*0.1148 * *
*(TOK )* 20.11 *0.6238E-01*0.1248 * 20.11 * 62037*
* +/- *0.1140 *0.3514E-03*0.7028E-03*0.1140 * *
*(MIS )* 1.522 *0.7839E-05*0.1568E-04* 1.522 * 103*
* +/- *-1.000 *0.1646E-05*0.3292E-05*-1.000 * *
* * * * * * *
* NUS 5 * 20.19 *0.6274E-01*0.1255 * 20.19 * 62140*
* +/- *0.1325 *0.3989E-03*0.7978E-03*0.1325 * *
*(TOK )* 20.22 *0.6273E-01*0.1255 * 20.22 * 62037*
* +/- *0.1470 *0.3994E-03*0.7988E-03*0.1470 * *
*(MIS )* 1.382 *0.7119E-05*0.1424E-04* 1.382 * 103*
* +/- *-1.000 *0.1337E-05*0.2674E-05*-1.000 * *
* * * * * * *
* NUS 6 * 20.11 *0.6249E-01*0.1250 * 20.11 * 62140*
* +/- *0.1433 *0.4475E-03*0.8951E-03*0.1433 * *
*(TOK )* 20.14 *0.6248E-01*0.1250 * 20.14 * 62037*
* +/- *0.1429 *0.4480E-03*0.8960E-03*0.1429 * *
*(MIS )* 1.398 *0.7199E-05*0.1440E-04* 1.398 * 103*
* +/- *-1.000 *0.1526E-05*0.3053E-05*-1.000 * *
* * * * * * *
* NUS 7 * 20.11 *0.6249E-01*0.1250 * 20.11 * 62140*
* +/- *0.1094 *0.3093E-03*0.6186E-03*0.1094 * *
*(TOK )* 20.15 *0.6249E-01*0.1250 * 20.15 * 62037*
* +/- *0.9936E-01*0.3094E-03*0.6187E-03*0.9936E-01* *
*(MIS )* 1.398 *0.7199E-05*0.1440E-04* 1.398 * 103*
* +/- *-1.000 *0.1483E-05*0.2966E-05*-1.000 * *
* * * * * * *
327
* NUS 8 * 20.17 *0.6268E-01*0.1254 * 20.17 * 62140*
* +/- *0.1637 *0.4324E-03*0.8647E-03*0.1637 * *
*(TOK )* 20.20 *0.6267E-01*0.1253 * 20.20 * 62037*
* +/- *0.1642 *0.4327E-03*0.8654E-03*0.1642 * *
*(MIS )* 1.367 *0.7039E-05*0.1408E-04* 1.367 * 103*
* +/- *-1.000 *0.1334E-05*0.2667E-05*-1.000 * *
* * * * * * *
* ESP 1 *0.0000E+00*0.0000E+00*0.9553E-03* 734.8 * 13*
* +/- *-1.000 *0.0000E+00*0.8521E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.9553E-03* 734.8 * 13*
* +/- *-1.000 *0.0000E+00*0.8521E-03*-1.000 * *
* * * * * * *
* ESP 2 *0.0000E+00*0.0000E+00*0.7404E-03* 528.8 * 14*
* +/- *-1.000 *0.0000E+00*0.6695E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.7404E-03* 528.8 * 14*
* +/- *-1.000 *0.0000E+00*0.6695E-03*-1.000 * *
* * * * * * *
* ESP 3 *0.0000E+00*0.0000E+00*0.8659E-03* 541.2 * 16*
* +/- *-1.000 *0.0000E+00*0.4874E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.8659E-03* 541.2 * 16*
* +/- *-1.000 *0.0000E+00*0.4874E-03*-1.000 * *
* * * * * * *
* ESP 4 *0.0000E+00*0.0000E+00*0.7169E-03* 1434. * 5*
* +/- *-1.000 *0.0000E+00*0.6916E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.7169E-03* 1434. * 5*
* +/- *-1.000 *0.0000E+00*0.6916E-03*-1.000 * *
* * * * * * *
* ESP 5 *0.0000E+00*0.0000E+00*0.1484E-02* 1060. * 14*
* +/- *-1.000 *0.0000E+00*0.9771E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1484E-02* 1060. * 14*
* +/- *-1.000 *0.0000E+00*0.9771E-03*-1.000 * *
* * * * * * *
* ESP 6 *0.0000E+00*0.0000E+00*0.9811E-03* 754.7 * 13*
* +/- *-1.000 *0.0000E+00*0.9433E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.9811E-03* 754.7 * 13*
* +/- *-1.000 *0.0000E+00*0.9433E-03*-1.000 * *
* * * * * * *
* ESP 7 *0.0000E+00*0.0000E+00*0.9871E-03* 759.3 * 13*
* +/- *-1.000 *0.0000E+00*0.6366E-03*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.9871E-03* 759.3 * 13*
* +/- *-1.000 *0.0000E+00*0.6366E-03*-1.000 * *
* * * * * * *
* ESP 8 *0.0000E+00*0.0000E+00*0.1368E-02* 912.0 * 15*
* +/- *-1.000 *0.0000E+00*0.1041E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1368E-02* 912.0 * 15*
* +/- *-1.000 *0.0000E+00*0.1041E-02*-1.000 * *
* * * * * * *
* S *0.9609E+05* 1.000 * 1.000 *0.9609E+05* 103*
* +/- *-1.000 *0.0000E+00*0.0000E+00*-1.000 * *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.8148E-02* 791.0 * 103*
* +/- *-1.000 *0.0000E+00*0.2265E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.8148E-02* 791.0 * 103*
* +/- *-1.000 *0.0000E+00*0.2265E-02*-1.000 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 71019 WORDS OF 4 BYTES
( 8.88 % OF TOTAL MEMORY)


TEMPS ENTRE ARRIBADES 0.1000E+05MICROSEG


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 10000000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
328
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* NUS 1 * 21.31 *0.6245E-01*0.1249 * 21.31 * 58612*
* +/- *0.4077 *0.1228E-02*0.2456E-02*0.4077 * *
*(TOK )* 21.66 *0.6238E-01*0.1248 * 21.66 * 57608*
* +/- *0.4775 *0.1230E-02*0.2460E-02*0.4775 * *
*(MIS )* 1.402 *0.7039E-04*0.1408E-03* 1.402 * 1004*
* +/- *0.3061E-01*0.5425E-05*0.1085E-04*0.3061E-01* *
* * * * * * *
* NUS 2 * 21.70 *0.6360E-01*0.1272 * 21.70 * 58612*
* +/- *0.5427 *0.1433E-02*0.2866E-02*0.5427 * *
*(TOK )* 22.06 *0.6353E-01*0.1271 * 22.06 * 57608*
* +/- *0.5847 *0.1434E-02*0.2868E-02*0.5847 * *
*(MIS )* 1.381 *0.6935E-04*0.1387E-03* 1.381 * 1004*
* +/- *0.4022E-01*0.4872E-05*0.9745E-05*0.4022E-01* *
* * * * * * *
* NUS 3 * 21.54 *0.6314E-01*0.1263 * 21.54 * 58612*
* +/- *0.5847 *0.1705E-02*0.3410E-02*0.5847 * *
*(TOK )* 21.90 *0.6307E-01*0.1261 * 21.90 * 57608*
* +/- *0.5530 *0.1706E-02*0.3412E-02*0.5530 * *
*(MIS )* 1.393 *0.6991E-04*0.1398E-03* 1.393 * 1004*
* +/- *0.3717E-01*0.4980E-05*0.9959E-05*0.3717E-01* *
* * * * * * *
* NUS 4 * 21.30 *0.6241E-01*0.1248 * 21.30 * 58611*
* +/- *0.4710 *0.1174E-02*0.2348E-02*0.4710 * *
*(TOK )* 21.64 *0.6234E-01*0.1247 * 21.64 * 57607*
* +/- *0.4629 *0.1175E-02*0.2349E-02*0.4629 * *
*(MIS )* 1.399 *0.7023E-04*0.1405E-03* 1.399 * 1004*
* +/- *0.3573E-01*0.4258E-05*0.8516E-05*0.3573E-01* *
* * * * * * *
* NUS 5 * 21.02 *0.6161E-01*0.1232 * 21.02 * 58611*
* +/- *0.4159 *0.9359E-03*0.1872E-02*0.4159 * *
*(TOK )* 21.37 *0.6154E-01*0.1231 * 21.37 * 57607*
* +/- *0.4241 *0.9370E-03*0.1874E-02*0.4241 * *
*(MIS )* 1.415 *0.7103E-04*0.1421E-03* 1.415 * 1004*
* +/- *0.3856E-01*0.7813E-05*0.1563E-04*0.3856E-01* *
* * * * * * *
* NUS 6 * 21.06 *0.6171E-01*0.1234 * 21.06 * 58611*
* +/- *0.4502 *0.1248E-02*0.2497E-02*0.4502 * *
*(TOK )* 21.40 *0.6164E-01*0.1233 * 21.40 * 57607*
* +/- *0.4786 *0.1249E-02*0.2499E-02*0.4786 * *
*(MIS )* 1.413 *0.7095E-04*0.1419E-03* 1.413 * 1004*
* +/- *0.3104E-01*0.4489E-05*0.8978E-05*0.3104E-01* *
* * * * * * *
* NUS 7 * 21.39 *0.6269E-01*0.1254 * 21.39 * 58611*
* +/- *0.4933 *0.1266E-02*0.2532E-02*0.4933 * *
*(TOK )* 21.74 *0.6262E-01*0.1252 * 21.74 * 57607*
* +/- *0.3923 *0.1268E-02*0.2537E-02*0.3923 * *
*(MIS )* 1.410 *0.7079E-04*0.1416E-03* 1.410 * 1004*
* +/- *0.3545E-01*0.7663E-05*0.1533E-04*0.3545E-01* *
* * * * * * *
* NUS 8 * 21.48 *0.6294E-01*0.1259 * 21.48 * 58611*
* +/- *0.6782 *0.1235E-02*0.2471E-02*0.6782 * *
*(TOK )* 21.83 *0.6287E-01*0.1257 * 21.83 * 57607*
* +/- *0.7549 *0.1235E-02*0.2470E-02*0.7549 * *
*(MIS )* 1.385 *0.6951E-04*0.1390E-03* 1.385 * 1004*
* +/- *0.3685E-01*0.4594E-05*0.9188E-05*0.3685E-01* *
* * * * * * *
* ESP 1 *0.0000E+00*0.0000E+00*0.1149E-01* 926.7 * 124*
* +/- *-1.000 *0.0000E+00*0.3546E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1149E-01* 926.7 * 124*
* +/- *-1.000 *0.0000E+00*0.3546E-02*-1.000 * *
* * * * * * *
* ESP 2 *0.0000E+00*0.0000E+00*0.1344E-01* 980.8 * 137*
* +/- *0.0000E+00*0.0000E+00*0.3167E-02* 125.4 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1344E-01* 980.8 * 137*
* +/- *0.0000E+00*0.0000E+00*0.3167E-02* 125.4 * *
* * * * * * *
329
* ESP 3 *0.0000E+00*0.0000E+00*0.1317E-01* 1013. * 130*
* +/- *0.0000E+00*0.0000E+00*0.3675E-02* 180.5 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1317E-01* 1013. * 130*
* +/- *0.0000E+00*0.0000E+00*0.3675E-02* 180.5 * *
* * * * * * *
* ESP 4 *0.0000E+00*0.0000E+00*0.1155E-01* 916.4 * 126*
* +/- *-1.000 *0.0000E+00*0.3341E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1155E-01* 916.4 * 126*
* +/- *-1.000 *0.0000E+00*0.3341E-02*-1.000 * *
* * * * * * *
* ESP 5 *0.0000E+00*0.0000E+00*0.1060E-01* 914.1 * 116*
* +/- *-1.000 *0.0000E+00*0.3776E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1060E-01* 914.1 * 116*
* +/- *-1.000 *0.0000E+00*0.3776E-02*-1.000 * *
* * * * * * *
* ESP 6 *0.0000E+00*0.0000E+00*0.9766E-02* 834.7 * 117*
* +/- *-1.000 *0.0000E+00*0.2652E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.9766E-02* 834.7 * 117*
* +/- *-1.000 *0.0000E+00*0.2652E-02*-1.000 * *
* * * * * * *
* ESP 7 *0.0000E+00*0.0000E+00*0.1208E-01* 1015. * 119*
* +/- *-1.000 *0.0000E+00*0.3174E-02*-1.000 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1208E-01* 1015. * 119*
* +/- *-1.000 *0.0000E+00*0.3174E-02*-1.000 * *
* * * * * * *
* ESP 8 *0.0000E+00*0.0000E+00*0.1295E-01* 959.5 * 135*
* +/- *0.0000E+00*0.0000E+00*0.3163E-02* 200.6 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1295E-01* 959.5 * 135*
* +/- *0.0000E+00*0.0000E+00*0.3163E-02* 200.6 * *
* * * * * * *
* S * 9958. * 1.000 * 1.000 * 9958. * 1004*
* +/- * 670.0 *0.0000E+00*0.0000E+00* 670.0 * *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.9552E-01* 951.4 * 1004*
* +/- *0.0000E+00*0.0000E+00*0.9458E-02* 75.77 * *
*(MIS )*0.0000E+00*0.0000E+00*0.9552E-01* 951.4 * 1004*
* +/- *0.0000E+00*0.0000E+00*0.9458E-02* 75.77 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 114402 WORDS OF 4 BYTES
( 14.30 % OF TOTAL MEMORY)


TEMPS ENTRE ARRIBADES 5000. MICROSEG


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 10000000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* NUS 1 * 23.08 *0.6347E-01*0.1269 * 23.08 * 55004*
* +/- *0.7897 *0.1457E-02*0.2915E-02*0.7897 * *
*(TOK )* 23.86 *0.6333E-01*0.1267 * 23.86 * 53097*
* +/- *0.8166 *0.1459E-02*0.2918E-02*0.8166 * *
*(MIS )* 1.407 *0.1341E-03*0.2683E-03* 1.407 * 1907*
* +/- *0.2212E-01*0.5279E-05*0.1056E-04*0.2212E-01* *
* * * * * * *
* NUS 2 * 22.79 *0.6268E-01*0.1254 * 22.79 * 55004*
* +/- *0.7083 *0.1866E-02*0.3732E-02*0.7083 * *
*(TOK )* 23.56 *0.6255E-01*0.1251 * 23.56 * 53097*
* +/- *0.7842 *0.1868E-02*0.3736E-02*0.7842 * *
*(MIS )* 1.394 *0.1329E-03*0.2659E-03* 1.394 * 1907*
* +/- *0.2787E-01*0.5300E-05*0.1060E-04*0.2787E-01* *
* * * * * * *
330
* NUS 3 * 22.77 *0.6264E-01*0.1253 * 22.77 * 55004*
* +/- *0.6724 *0.1742E-02*0.3483E-02*0.6724 * *
*(TOK )* 23.54 *0.6250E-01*0.1250 * 23.54 * 53097*
* +/- *0.7247 *0.1745E-02*0.3489E-02*0.7247 * *
*(MIS )* 1.388 *0.1323E-03*0.2646E-03* 1.388 * 1907*
* +/- *0.2528E-01*0.6444E-05*0.1289E-04*0.2528E-01* *
* * * * * * *
* NUS 4 * 22.75 *0.6256E-01*0.1251 * 22.75 * 55003*
* +/- *0.7598 *0.1669E-02*0.3338E-02*0.7598 * *
*(TOK )* 23.51 *0.6243E-01*0.1249 * 23.51 * 53096*
* +/- *0.7937 *0.1671E-02*0.3342E-02*0.7937 * *
*(MIS )* 1.400 *0.1335E-03*0.2670E-03* 1.400 * 1907*
* +/- *0.3245E-01*0.6034E-05*0.1207E-04*0.3245E-01* *
* * * * * * *
* NUS 5 * 22.17 *0.6097E-01*0.1219 * 22.17 * 55003*
* +/- *0.4554 *0.1371E-02*0.2742E-02*0.4554 * *
*(TOK )* 22.92 *0.6084E-01*0.1217 * 22.92 * 53096*
* +/- *0.4840 *0.1374E-02*0.2749E-02*0.4840 * *
*(MIS )* 1.411 *0.1345E-03*0.2691E-03* 1.411 * 1907*
* +/- *0.2250E-01*0.6395E-05*0.1279E-04*0.2250E-01* *
* * * * * * *
* NUS 6 * 23.01 *0.6329E-01*0.1266 * 23.01 * 55003*
* +/- *0.6081 *0.1499E-02*0.2999E-02*0.6081 * *
*(TOK )* 23.79 *0.6316E-01*0.1263 * 23.79 * 53096*
* +/- *0.6393 *0.1500E-02*0.3001E-02*0.6393 * *
*(MIS )* 1.398 *0.1333E-03*0.2667E-03* 1.398 * 1907*
* +/- *0.3430E-01*0.6302E-05*0.1260E-04*0.3430E-01* *
* * * * * * *
* NUS 7 * 22.85 *0.6283E-01*0.1257 * 22.85 * 55003*
* +/- *0.5257 *0.1693E-02*0.3385E-02*0.5257 * *
*(TOK )* 23.62 *0.6270E-01*0.1254 * 23.62 * 53096*
* +/- *0.5936 *0.1693E-02*0.3387E-02*0.5936 * *
*(MIS )* 1.401 *0.1336E-03*0.2672E-03* 1.401 * 1907*
* +/- *0.2262E-01*0.6097E-05*0.1219E-04*0.2262E-01* *
* * * * * * *
* NUS 8 * 22.77 *0.6262E-01*0.1252 * 22.77 * 55003*
* +/- *0.7135 *0.1713E-02*0.3427E-02*0.7135 * *
*(TOK )* 23.54 *0.6249E-01*0.1250 * 23.54 * 53096*
* +/- *0.7746 *0.1717E-02*0.3435E-02*0.7746 * *
*(MIS )* 1.399 *0.1334E-03*0.2668E-03* 1.399 * 1907*
* +/- *0.2593E-01*0.6813E-05*0.1363E-04*0.2593E-01* *
* * * * * * *
* ESP 1 *0.0000E+00*0.0000E+00*0.2628E-01* 1143. * 230*
* +/- *0.0000E+00*0.0000E+00*0.4818E-02* 130.4 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2628E-01* 1143. * 230*
* +/- *0.0000E+00*0.0000E+00*0.4818E-02* 130.4 * *
* * * * * * *
* ESP 2 *0.0000E+00*0.0000E+00*0.2528E-01* 1032. * 245*
* +/- *0.0000E+00*0.0000E+00*0.6259E-02* 196.0 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2528E-01* 1032. * 245*
* +/- *0.0000E+00*0.0000E+00*0.6259E-02* 196.0 * *
* * * * * * *
* ESP 3 *0.0000E+00*0.0000E+00*0.2585E-01* 1022. * 253*
* +/- *0.0000E+00*0.0000E+00*0.5623E-02* 139.7 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2585E-01* 1022. * 253*
* +/- *0.0000E+00*0.0000E+00*0.5623E-02* 139.7 * *
* * * * * * *
* ESP 4 *0.0000E+00*0.0000E+00*0.2423E-01* 1018. * 238*
* +/- *0.0000E+00*0.0000E+00*0.4552E-02* 113.2 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2423E-01* 1018. * 238*
* +/- *0.0000E+00*0.0000E+00*0.4552E-02* 113.2 * *
* * * * * * *
* ESP 5 *0.0000E+00*0.0000E+00*0.1968E-01* 874.7 * 225*
* +/- *0.0000E+00*0.0000E+00*0.2966E-02* 106.6 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1968E-01* 874.7 * 225*
* +/- *0.0000E+00*0.0000E+00*0.2966E-02* 106.6 * *
* * * * * * *
* ESP 6 *0.0000E+00*0.0000E+00*0.2637E-01* 1099. * 240*
* +/- *0.0000E+00*0.0000E+00*0.5124E-02* 149.2 * *
331
*(MIS )*0.0000E+00*0.0000E+00*0.2637E-01* 1099. * 240*
* +/- *0.0000E+00*0.0000E+00*0.5124E-02* 149.2 * *
* * * * * * *
* ESP 7 *0.0000E+00*0.0000E+00*0.2572E-01* 1085. * 237*
* +/- *0.0000E+00*0.0000E+00*0.4317E-02* 147.0 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2572E-01* 1085. * 237*
* +/- *0.0000E+00*0.0000E+00*0.4317E-02* 147.0 * *
* * * * * * *
* ESP 8 *0.0000E+00*0.0000E+00*0.2500E-01* 1046. * 239*
* +/- *0.0000E+00*0.0000E+00*0.5461E-02* 173.0 * *
*(MIS )*0.0000E+00*0.0000E+00*0.2500E-01* 1046. * 239*
* +/- *0.0000E+00*0.0000E+00*0.5461E-02* 173.0 * *
* * * * * * *
* S * 5238. * 1.000 * 1.000 * 5238. * 1907*
* +/- * 219.7 *0.0000E+00*0.0000E+00* 219.7 * *
* * * * * * *
* R *0.0000E+00*0.0000E+00*0.1993 * 1045. * 1907*
* +/- *0.0000E+00*0.0000E+00*0.1847E-01* 74.18 * *
*(MIS )*0.0000E+00*0.0000E+00*0.1993 * 1045. * 1907*
* +/- *0.0000E+00*0.0000E+00*0.1847E-01* 74.18 * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 157613 WORDS OF 4 BYTES
( 19.70 % OF TOTAL MEMORY)


TEMPS ENTRE ARRIBADES 1000. MICROSEG


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 10000000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* NUS 1 * 61.63 *0.6358E-01*0.1272 * 61.63 * 20631*
* +/- * 6.193 *0.3718E-02*0.7435E-02* 6.193 * *
*(TOK )* 119.1 *0.6288E-01*0.1258 * 119.1 * 10562*
* +/- * 20.65 *0.3716E-02*0.7433E-02* 20.65 * *
*(MIS )* 1.390 *0.6999E-03*0.1400E-02* 1.390 * 10069*
* +/- *0.9350E-02*0.1776E-04*0.3552E-04*0.9350E-02* *
* * * * * * *
* NUS 2 * 63.39 *0.6539E-01*0.1308 * 63.39 * 20631*
* +/- * 4.534 *0.3894E-02*0.7787E-02* 4.534 * *
*(TOK )* 122.5 *0.6468E-01*0.1294 * 122.5 * 10562*
* +/- * 16.47 *0.3904E-02*0.7809E-02* 16.47 * *
*(MIS )* 1.396 *0.7026E-03*0.1405E-02* 1.396 * 10069*
* +/- *0.1102E-01*0.2228E-04*0.4456E-04*0.1102E-01* *
* * * * * * *
* NUS 3 * 62.98 *0.6497E-01*0.1299 * 62.98 * 20631*
* +/- * 5.727 *0.3575E-02*0.7150E-02* 5.727 * *
*(TOK )* 121.7 *0.6427E-01*0.1285 * 121.7 * 10562*
* +/- * 29.96 *0.3579E-02*0.7158E-02* 29.96 * *
*(MIS )* 1.389 *0.6994E-03*0.1399E-02* 1.389 * 10069*
* +/- *0.9545E-02*0.1971E-04*0.3942E-04*0.9545E-02* *
* * * * * * *
* NUS 4 * 60.30 *0.6220E-01*0.1244 * 60.30 * 20631*
* +/- * 5.706 *0.4437E-02*0.8874E-02* 5.706 * *
*(TOK )* 116.4 *0.6149E-01*0.1230 * 116.4 * 10562*
* +/- * 19.09 *0.4432E-02*0.8865E-02* 19.09 * *
*(MIS )* 1.409 *0.7095E-03*0.1419E-02* 1.409 * 10069*
* +/- *0.1115E-01*0.2008E-04*0.4017E-04*0.1115E-01* *
* * * * * * *
* NUS 5 * 60.82 *0.6274E-01*0.1255 * 60.82 * 20631*
* +/- * 7.048 *0.4138E-02*0.8275E-02* 7.048 * *
*(TOK )* 117.5 *0.6203E-01*0.1241 * 117.5 * 10562*
332
* +/- * 19.66 *0.4143E-02*0.8285E-02* 19.66 * *
*(MIS )* 1.404 *0.7069E-03*0.1414E-02* 1.404 * 10069*
* +/- *0.1153E-01*0.1863E-04*0.3726E-04*0.1153E-01* *
* * * * * * *
* NUS 6 * 58.71 *0.6056E-01*0.1211 * 58.71 * 20631*
* +/- * 6.512 *0.4101E-02*0.8203E-02* 6.512 * *
*(TOK )* 113.3 *0.5985E-01*0.1197 * 113.3 * 10562*
* +/- * 30.61 *0.4105E-02*0.8210E-02* 30.61 * *
*(MIS )* 1.411 *0.7102E-03*0.1420E-02* 1.411 * 10069*
* +/- *0.1168E-01*0.2026E-04*0.4051E-04*0.1168E-01* *
* * * * * * *
* NUS 7 * 57.14 *0.5913E-01*0.1183 * 57.14 * 20630*
* +/- * 6.698 *0.3162E-02*0.6325E-02* 6.698 * *
*(TOK )* 110.3 *0.5842E-01*0.1168 * 110.3 * 10561*
* +/- * 18.34 *0.3164E-02*0.6328E-02* 18.34 * *
*(MIS )* 1.409 *0.7096E-03*0.1419E-02* 1.409 * 10069*
* +/- *0.9951E-02*0.2002E-04*0.4005E-04*0.9951E-02* *
* * * * * * *
* NUS 8 * 65.03 *0.6708E-01*0.1342 * 65.03 * 20630*
* +/- * 6.675 *0.3661E-02*0.7321E-02* 6.675 * *
*(TOK )* 125.7 *0.6638E-01*0.1328 * 125.7 * 10561*
* +/- * 32.18 *0.3660E-02*0.7320E-02* 32.18 * *
*(MIS )* 1.390 *0.6998E-03*0.1400E-02* 1.390 * 10069*
* +/- *0.1438E-01*0.1897E-04*0.3795E-04*0.1438E-01* *
* * * * * * *
* ESP 1 *0.0000E+00*0.0000E+00*0.7598 * 5756. * 1319*
* +/- *0.0000E+00*0.0000E+00*0.1753 * 1254. * *
*(MIS )*0.0000E+00*0.0000E+00*0.7598 * 5756. * 1319*
* +/- *0.0000E+00*0.0000E+00*0.1753 * 1254. * *
* * * * * * *
* ESP 2 *0.0000E+00*0.0000E+00*0.7163 * 5564. * 1285*
* +/- *0.0000E+00*0.0000E+00*0.1420 * 1172. * *
*(MIS )*0.0000E+00*0.0000E+00*0.7163 * 5564. * 1285*
* +/- *0.0000E+00*0.0000E+00*0.1420 * 1172. * *
* * * * * * *
* ESP 3 *0.0000E+00*0.0000E+00*0.7218 * 5436. * 1325*
* +/- *0.0000E+00*0.0000E+00*0.1340 * 1028. * *
*(MIS )*0.0000E+00*0.0000E+00*0.7218 * 5436. * 1325*
* +/- *0.0000E+00*0.0000E+00*0.1340 * 1028. * *
* * * * * * *
* ESP 4 *0.0000E+00*0.0000E+00*0.6485 * 5402. * 1199*
* +/- *0.0000E+00*0.0000E+00*0.1442 * 1177. * *
*(MIS )*0.0000E+00*0.0000E+00*0.6485 * 5402. * 1199*
* +/- *0.0000E+00*0.0000E+00*0.1442 * 1177. * *
* * * * * * *
* ESP 5 *0.0000E+00*0.0000E+00*0.7021 * 5699. * 1232*
* +/- *0.0000E+00*0.0000E+00*0.1777 * 1054. * *
*(MIS )*0.0000E+00*0.0000E+00*0.7021 * 5699. * 1232*
* +/- *0.0000E+00*0.0000E+00*0.1777 * 1054. * *
* * * * * * *
* ESP 6 *0.0000E+00*0.0000E+00*0.6706 * 5635. * 1190*
* +/- *0.0000E+00*0.0000E+00*0.1593 * 1203. * *
*(MIS )*0.0000E+00*0.0000E+00*0.6706 * 5635. * 1190*
* +/- *0.0000E+00*0.0000E+00*0.1593 * 1203. * *
* * * * * * *
* ESP 7 *0.0000E+00*0.0000E+00*0.6491 * 5413. * 1198*
* +/- *0.0000E+00*0.0000E+00*0.1391 * 1111. * *
*(MIS )*0.0000E+00*0.0000E+00*0.6491 * 5413. * 1198*
* +/- *0.0000E+00*0.0000E+00*0.1391 * 1111. * *
* * * * * * *
* ESP 8 *0.0000E+00*0.0000E+00*0.6883 * 5200. * 1321*
* +/- *0.0000E+00*0.0000E+00*0.1291 * 907.1 * *
*(MIS )*0.0000E+00*0.0000E+00*0.6883 * 5200. * 1321*
* +/- *0.0000E+00*0.0000E+00*0.1291 * 907.1 * *
* * * * * * *
* S * 992.0 * 1.000 * 1.000 * 992.0 * 10079*
* +/- * 23.59 *0.0000E+00*0.0000E+00* 23.59 * *
* * * * * * *
* R *0.0000E+00*0.0000E+00* 5.561 * 5517. * 10069*
333
* +/- *0.0000E+00*0.0000E+00* 1.161 * 1063. * *
*(MIS )*0.0000E+00*0.0000E+00* 5.561 * 5517. * 10069*
* +/- *0.0000E+00*0.0000E+00* 1.161 * 1063. * *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 203232 WORDS OF 4 BYTES
( 25.40 % OF TOTAL MEMORY)


TEMPS ENTRE ARRIBADES 800.0 MICROSEG


***SIMULATION WITH SPECTRAL METHOD ***
... TIME = 10000000.00 , NB SAMPLES = 512 , CONF. LEVEL = 0.95
*******************************************************************
* NAME * SERVICE * BUSY PCT * CUST NB * RESPONSE * SERV NB *
*******************************************************************
* * * * * * *
* NUS 1 * 109.5 *0.6738E-01*0.1348 * 109.5 * 12306*
* +/- * 6.905 *0.3586E-02*0.7173E-02* 6.905 * *
*(TOK )*0.2511E+05*0.6653E-01*0.1331 *0.2511E+05* 53*
* +/- *-1.000 *0.3590E-02*0.7179E-02*-1.000 * *
*(MIS )* 1.388 *0.8504E-03*0.1701E-02* 1.388 * 12253*
* +/- *0.6208E-02*0.9743E-05*0.1949E-04*0.6208E-02* *
* * * * * * *
* NUS 2 * 101.4 *0.6239E-01*0.1248 * 101.4 * 12306*
* +/- * 5.621 *0.2796E-02*0.5592E-02* 5.621 * *
*(TOK )*0.2322E+05*0.6154E-01*0.1231 *0.2322E+05* 53*
* +/- *-1.000 *0.2801E-02*0.5602E-02*-1.000 * *
*(MIS )* 1.401 *0.8583E-03*0.1717E-02* 1.401 * 12253*
* +/- *0.6746E-02*0.1243E-04*0.2486E-04*0.6746E-02* *
* * * * * * *
* NUS 3 * 96.70 *0.5950E-01*0.1190 * 96.70 * 12306*
* +/- * 5.425 *0.3074E-02*0.6148E-02* 5.425 * *
*(TOK )*0.2213E+05*0.5864E-01*0.1173 *0.2213E+05* 53*
* +/- *-1.000 *0.3074E-02*0.6148E-02*-1.000 * *
*(MIS )* 1.409 *0.8635E-03*0.1727E-02* 1.409 * 12253*
* +/- *0.6752E-02*0.1281E-04*0.2563E-04*0.6752E-02* *
* * * * * * *
* NUS 4 * 102.6 *0.6311E-01*0.1262 * 102.6 * 12306*
* +/- * 5.116 *0.2576E-02*0.5152E-02* 5.116 * *
*(TOK )*0.2349E+05*0.6225E-01*0.1245 *0.2349E+05* 53*
* +/- *-1.000 *0.2576E-02*0.5152E-02*-1.000 * *
*(MIS )* 1.407 *0.8622E-03*0.1724E-02* 1.407 * 12253*
* +/- *0.6784E-02*0.1131E-04*0.2261E-04*0.6784E-02* *
* * * * * * *
* NUS 5 * 107.5 *0.6615E-01*0.1323 * 107.5 * 12306*
* +/- * 3.395 *0.1742E-02*0.3485E-02* 3.395 * *
*(TOK )*0.2464E+05*0.6529E-01*0.1306 *0.2464E+05* 53*
* +/- *-1.000 *0.1747E-02*0.3494E-02*-1.000 * *
*(MIS )* 1.399 *0.8573E-03*0.1715E-02* 1.399 * 12253*
* +/- *0.5035E-02*0.1366E-04*0.2733E-04*0.5035E-02* *
* * * * * * *
* NUS 6 * 97.64 *0.6008E-01*0.1202 * 97.64 * 12306*
* +/- * 3.719 *0.3193E-02*0.6385E-02* 3.719 * *
*(TOK )*0.2235E+05*0.5922E-01*0.1184 *0.2235E+05* 53*
* +/- *-1.000 *0.3198E-02*0.6396E-02*-1.000 * *
*(MIS )* 1.402 *0.8588E-03*0.1718E-02* 1.402 * 12253*
* +/- *0.6413E-02*0.1194E-04*0.2389E-04*0.6413E-02* *
* * * * * * *
* NUS 7 * 104.8 *0.6473E-01*0.1295 * 104.8 * 12305*
* +/- * 4.550 *0.3379E-02*0.6758E-02* 4.550 * *
*(TOK )*0.2446E+05*0.6387E-01*0.1277 *0.2446E+05* 52*
* +/- *-1.000 *0.3384E-02*0.6769E-02*-1.000 * *
*(MIS )* 1.396 *0.8553E-03*0.1711E-02* 1.396 * 12253*
* +/- *0.4878E-02*0.1412E-04*0.2824E-04*0.4878E-02* *
334
* * * * * * *
* NUS 8 * 103.2 *0.6352E-01*0.1270 * 103.2 * 12305*
* +/- * 4.519 *0.2117E-02*0.4234E-02* 4.519 * *
*(TOK )*0.2410E+05*0.6266E-01*0.1253 *0.2410E+05* 52*
* +/- *-1.000 *0.2115E-02*0.4230E-02*-1.000 * *
*(MIS )* 1.396 *0.8551E-03*0.1710E-02* 1.396 * 12253*
* +/- *0.5278E-02*0.1169E-04*0.2338E-04*0.5278E-02* *
* * * * * * *
* ESP 1 *0.0000E+00*0.0000E+00* 20.89 *0.1285E+06* 1622*
* +/- *0.0000E+00*0.0000E+00* 2.330 *0.1118E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 20.89 *0.1285E+06* 1622*
* +/- *0.0000E+00*0.0000E+00* 2.330 *0.1118E+05* *
* * * * * * *
* ESP 2 *0.0000E+00*0.0000E+00* 19.79 *0.1297E+06* 1523*
* +/- *0.0000E+00*0.0000E+00* 2.213 *0.1044E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 19.79 *0.1297E+06* 1523*
* +/- *0.0000E+00*0.0000E+00* 2.213 *0.1044E+05* *
* * * * * * *
* ESP 3 *0.0000E+00*0.0000E+00* 18.60 *0.1274E+06* 1458*
* +/- *0.0000E+00*0.0000E+00* 1.609 *0.1332E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 18.60 *0.1274E+06* 1458*
* +/- *0.0000E+00*0.0000E+00* 1.609 *0.1332E+05* *
* * * * * * *
* ESP 4 *0.0000E+00*0.0000E+00* 18.17 *0.1232E+06* 1474*
* +/- *0.0000E+00*0.0000E+00* 1.572 *0.1280E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 18.17 *0.1232E+06* 1474*
* +/- *0.0000E+00*0.0000E+00* 1.572 *0.1280E+05* *
* * * * * * *
* ESP 5 *0.0000E+00*0.0000E+00* 19.04 *0.1240E+06* 1535*
* +/- *0.0000E+00*0.0000E+00* 2.000 *0.1414E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 19.04 *0.1240E+06* 1535*
* +/- *0.0000E+00*0.0000E+00* 2.000 *0.1414E+05* *
* * * * * * *
* ESP 6 *0.0000E+00*0.0000E+00* 19.32 *0.1273E+06* 1517*
* +/- *0.0000E+00*0.0000E+00* 2.245 *0.1378E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 19.32 *0.1273E+06* 1517*
* +/- *0.0000E+00*0.0000E+00* 2.245 *0.1378E+05* *
* * * * * * *
* ESP 7 *0.0000E+00*0.0000E+00* 20.31 *0.1297E+06* 1561*
* +/- *0.0000E+00*0.0000E+00* 1.996 *0.1299E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 20.31 *0.1297E+06* 1561*
* +/- *0.0000E+00*0.0000E+00* 1.996 *0.1299E+05* *
* * * * * * *
* ESP 8 *0.0000E+00*0.0000E+00* 19.63 *0.1249E+06* 1563*
* +/- *0.0000E+00*0.0000E+00* 1.951 *0.1021E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 19.63 *0.1249E+06* 1563*
* +/- *0.0000E+00*0.0000E+00* 1.951 *0.1021E+05* *
* * * * * * *
* S * 811.1 * 1.000 * 1.000 * 811.1 * 12328*
* +/- * 14.66 *0.0000E+00*0.0000E+00* 14.66 * *
* * * * * * *
* R *0.0000E+00*0.0000E+00* 155.7 *0.1269E+06* 12253*
* +/- *0.0000E+00*0.0000E+00* 24.78 *0.2250E+05* *
*(MIS )*0.0000E+00*0.0000E+00* 155.7 *0.1269E+06* 12253*
* +/- *0.0000E+00*0.0000E+00* 24.78 *0.2250E+05* *
* * * * * * *
*******************************************************************
... END OF SIMULATION ...


MEMORY USED: 264749 WORDS OF 4 BYTES
( 33.09 % OF TOTAL MEMORY)

75 /END/

Para ahorrar tiempo de simulacin, es posible parar la rotacin del token cuando en la red no
quedan mensajes. cuando llega un mensaje, puede calcularse la posicin del token y relanzar
su rotacin.
335
4.3.3. COMPARACIN DE ESTRATEGIAS EN REDES LOCALES: PASO DE
TESTIGO Y CSMA/CD
Existen numerosos estudios de comparacin del comportamiento de redes de rea local de
tipo de paso de testigo y de tipo CSMA/CD. El resumen de todos ellos podra ser:
- las redes de tipo CSMA/CD resultan ventajosas cuando la utilizacin que se hace de ellas
no es elevada, es decir, cuando el nivel de colisiones es bajo.
- las redes de tipo de paso de testigo resultan ventajosas cuando la utilizacin que se hace de
ellas es elevada, es decir, cuando el overhead provocado por la latencia de las estaciones y
la circulacin del testigo tienen poco peso frente a la informacin transmitida.
Ahora bien, en el caso de seleccionar una entre varias redes es preciso recurrir a la definicin
de la carga estimada y utilizar las ecuaciones descritas en los apartados anteriores para
determinar los tiempos de respuesta que se pueden esperar. Este resultado junto con la
proyeccin estimada de la carga en el futuro nos puede proporcionar una referencia
interesante a la hora de seleccionar una red de rea local para una aplicacin determinada.

4.4. REDES DIGITALES DE SERVICIOS INTEGRADOS DE BANDA
ANCHA (ATM)
El mundo de los modelos de los sistemas ATM cubre un mbito extraordinariamente amplio
y que est en constante evolucin.
En este apartado slo se tratarn algunos aspectos que pueden considerarse bsicos en el
estudio de las prestaciones que se estima que tendrn estos futuros sistemas. En particular se
tratarn los aspectos de la caracterizacin de las fuentes de trfico, de las mtricas de la
calidad del servicio, de la superposicin de secuencias de trfico, de la gestin del trfico y de
la conmutacin de celdas ATM.
En este apartado slo se expondrn modelos analticos ad hoc y no de simulacin, ya que
estos ltimos no aportan ninguna originalidad especial y simplemente consisten en
representar los mecanismos de los que se han construido los modelos analticos.
Hay que tener en cuenta, adems, que todos los modelos que se puedan construir en la
actualidad son slo estimaciones de realidades que todava no se conocen.
4.4.1. CARACTERIZACIN DE LAS FUENTES DE TRFICO
Simplificando el problema de las fuentes de trfico en redes ATM se puede decir que hay dos
tipos de fuente:
- las de frecuencia de bits constante (constant bit rate, CBR) entre las que se pueden
encontrar la voz (donde aun cuando la generacin de sonido no es constante, s lo es a los
efectos de frecuencia de generacin de bits ya que se transmiten tambin los perodos de
silencio) y el video codificado a frecuencia de bits constante.
- las de frecuencia de bits variable (variable bit rate, VBR) entre las que se pueden encontrar
los paquetes de datos, las imgenes y el video codificado de forma diferencial.
Las fuentes del primer tipo son fciles de caracterizar ya que simplemente conociendo los bits
que se generan por unidad de tiempo y la capacidad de carga til de las celdas ATM se puede
determinar con facilidad la frecuencia de llegada de celdas.
En el segundo caso se trata de fuentes que generan a rfagas. Sin embargo, la definicin de
rafagueo (burstiness) no es nica en la literatura. Entre otras medidas de este concepto se
encuentran:
- la relacin entre las frecuencias de pico y media de generacin de bits.
336
- la longitud media de una rfaga, esto es, el perodo activo medio en que la fuente genera a
la frecuencia de pico.
- el coeficiente cuadrtico de variacin (relacin entre la variancia y el cuadrado de la media)
del tiempo entre llegadas consecutivas de celdas.
De ellas la que se ha adoptado como estndar es la primera. La figura 4.8 muestra el rafagueo
de algunas aplicaciones que se supone sern tpicas de este entorno.
Diversos parmetros que se usan frecuentemente para caracterizar fuentes VBR son:
- R
p
, frecuencia de pico de generacin de celdas
- N, nmero medio de celdas en un perodo activo
- T
i
, tiempo medio entre el inicio de un perodo activo y el inicio del siguiente perodo activo
- m, frecuencia media de generacin de celdas
- , rafagueo del trfico
(
(
(
(




=
k k k
k
k
Q
. . .
. . . .
. . .
. . .
2 1
2 2 21
1 12 1

1K 10K 100K 1M 10M 100M
Frecuencia de pico (bit/s)
1
10
100
1000
R
a
f
a
g
u
e
o
Correo
multimedia
Telecon-
ferencia
Composicin
de imgenes
Acceso a bases
de datos mulimedia
Clculo
distribuido
Visuaizacin
interactiva
e-mail

Figura 4.8.
Sean a
-1
y s
-1
respectivamente la duracin media de los perodos activo y silente. Sea, adems,
T el mnimo tiempo entre llegadas de celdas durante el perodo activo. Entonces, se tiene:
T
i
= (a
-1
+

s
-1
) R
p
= 1/T m = a
-1
/(a
-1
+

s
-1
) = R
p
/m N = a
-1
/T
337
4.4.1.1. Servicios a CBR
Los servicios a CBR generan trfico a frecuencia constante y pueden describirse simplemente
por su frecuencia de pico, que coincide con la media y, por lo tanto su rafagueo es igual a 1.
La voz en CBR se codifica mediante la tcnica PCM (pulse code modulation) en que se
convierte una seal analgica a formato digital representando muestras de la amplitud de la
seal original mediante impulsos codificados en binario.
La ITU recomienda usar 64 Kb/s para la voz en CBR. A esta frecuencia, la seal analgica se
muestrea cada 125 s y la amplitud de la seal se discretiza en 256 niveles, que requiere que
cada trama de PCM tenga 8 bits. En general, la frecuencia de generacin ser:
Ancho de banda = (bits/muestra) x (muestras/s)
Ejemplos tpicos de servicios de este tipo son voz, video y audio con requerimientos de ancho
de banda descritos en la tabla 4.1.
Telefona 64
Estreo de Hi-fi 1400
Telefax grupo III 14.4
Telefax grupo IV 64
Telefax propietario 1500

Tabla 4.1.
4.4.1.2. Servicios a VBR
El trfico generado por una fuente de este tipo o alterna perodos de actividad y silencio o
tiene una frecuencia de generacin que vara continuamente. Adems, y como consecuencia
de ello, el rafagueo es mayor que la unidad y con frecuencia mucho mayor. El problema que
ello genera desde el punto de vista de la gestin de la red es que no puede asignarse el ancho
de banda en funcin de la frecuencia de pico ya que provocara una importante subutilizacin
de la red. Cualquier otro tipo de asignacin de ancho de banda exige un control del grado
calidad de servicio que se obtenga.
4.4.1.2.1. Servicios de video
El video se presenta a los usuarios como una serie de tramas en que el movimiento de la
escena se refleja en pequeos cambios entre las tramas visualizadas secuencialmente. Las
tramas aparecen en la pantalla a frecuencia constante, 24 30 tramas por segundo, de tal
forma que el ojo humano integre las diferencias entre tramas para recuperar la sensacin de
movimiento. La representacin digital de las seales de video requiere la transformacin del
campo continuo de la imagen en el dominio discreto. Esta transformacin es una aplicacin
de muestras de la imagen continua en un conjunto finito de amplitudes discretas que recubren
el mbito de intensidades de la imagen, de forma similar a como el PCM permita codificar la
voz.
La generacin que se producir ser pues:
Ancho de banda = (bit/pixel) (pixel/trama) (trama/s)
Ejemplos tpicos de estos anchos de banda aparecen en la tabla 4.2.
Servicio Ancho de banda (Kb/s)
338
Tiempo real (1/4 de pantalla, baja resolucin;
128 120 pixeles; 9 bit/pixel; 15 trama/s)

2074

64
Tiempo real (1/4 de pantalla, alta resolucin;
128 120 pixeles; 9 bit/pixel; 15 trama/s)

4147

384
Tiempo real (pantalla completa, alta resolucin;
128 240 pixeles; 9 bit/pixel; 30 trama/s)

8294

2000
No tiempo real, servidor de baja resolucin
(352 x 240 pixel; 9 bit/pixel; 10trama/s)

7603

384
Servidor de calidad VCR (352 x 240 pixel;
24 bit/pixel; 30 trama/s)

60825

1100
Servidor de calidad de estudio (640 x 480 pixel;
24 bit/pixel; 30 trama/s)

221184

4000
HDTV (1125 lneas; 24 bit/pixel; 30 trama/s) 800000 60000 - 127000

Tabla 4.2.
Las tramas de video se general a una frecuencia constante definida por la frecuencia de
exhibicin. Puesto que el volumen de datos transmitidos por trama vara debido a las
diferencias entre tramas y a la forma de codificarlas, las aplicaciones de video general trfico
de forma continua a frecuencias variables. Tpicamente, las tramas de escenas de alta
actividad y los cambios de escena contienen grandes cantidades de datos seguidos de tramas
que contienen menos datos, puesto que estas tramas que siguen pueden predecirse a partir de
las que las preceden. El video es un servicio relativamente nuevo en las redes de
comunicacin y sus caractersticas de trfico no son bien conocidas. Se diferencia de la voz y
los datos en que las secuencias de bits exhiben diversos tipos de correlacin entre tramas
consecutivas.
En trminos matemticos, suponiendo que x(n) es un proceso estacionario, el coeficiente de
correlacin para un decalaje t, C(t), se define como:
( )
( ) ( ) | | | | ( ) ( ) | | | | { }
( ) | | n x
t n x E t n x n x E n x E
n C
Var
+ +
=
donde x(n) es la cantidad de informacin generada en la n-sima trama, ( ) | | n x E es la
esperanza matemtica de x(n), y ( ) | | n x Var es la varianza de x(n).
El numerador
( ) ( ) | | | | ( ) ( ) | | | | { } t n x E t n x n x E n x E + +
es la covarianza de x(n) y x(n + t). C(n)
mide el grado de asociacin entre la cantidad de datos transmitidos en las tramas n-sima y (n
+ t)-sima. Obsrvese que -1 C(n) 1. Si C(n) > 0 entonces se dice que x(n) y x(n + t) estn
correladas positivamente, esto es x(n + t) crece (decrece) cuando lo hace x(n). Las dos
variables aleatorias x(n) y x(n + t) se dice que no estn correladas si C(n) = 0. Obsrvese que
el coeficiente de correlacin es una medida del grado de linealidad entre dos variables
aleatorias. Un valor de C(n) prximo a 1 o a -1 indica un alto grado de linealidad, mientras
que un valor (o prximo a) 0 indica solamente la ausencia de relacin lineal entre x(n)
( ) t n x + y aunque no presupone la ausencia de otro tipo de relacin no lineal.
A efectos de presentacin, los niveles de actividad de las aplicaciones de video pueden
clasificarse en dos categoras: uniforme y no uniforme.
Servicio de video Ancho de
banda bruto
(Kb/s)
Ancho de banda
comprimido (Kb/s)
339
4.4.1.2.1.1. Escenas de video con nivel de actividad uniforme
En las escenas con nivel actividad uniforme, el cambio en el contenido de informacin de
tramas consecutivas no es significativo. Una aplicacin tpica es el videotelfono donde la
pantalla muestra una persona hablando.
a) Modelo autoregresivo de estado continuo
Sea (n) la frecuencia de bit de la n-sima trama. El modelo autoregresivo propuesto por
Maglaris et al. estima que la frecuencia de bit de la n-sima trama a partir de la (n - 1)-sima
es
(n) = a(n - 1) + b(n)
donde a y b son constantes y (n) es una variable aleatoria gaussiana de media m. La media
E() y la autocovarianza de la frecuencia de bit C(n) valen
a
bm
E

=
1
( )
2
2
1 a
a b
n C
n

=
que pueden usarse para determinar las dos variables desconocidas a y b a partir de los valores
medidos de la media y de la autocovarianza.
Este modelo es bastante exacto con respecto de las medidas reales pero no es prctico para
usarlo en estudios analticos de modelos de colas aunque s lo es en modelos de simulacin.
b) Modelos markovianos de tiempo continuo y estado discreto
Este modelo tratable analticamente fue tambin desarrollado por Maglaris et al. Sean P y L
respectivamente las frecuencias mxima y mnima de bits generados por la fuente de video.
Adems, se supone que las posibles frecuencias entre P y L estn cuantificadas
uniformemente en M niveles de tamao constante A = (P - L)/M. Considerando cada nivel de
cuantificacin como un estado, se tiene el estado i correspondiente a una frecuencia (i),
donde
(i) = iA, 0 i M
Entonces, la frecuencia real de la fuente es (i) + L. Las frecuencias de transicin entre los
estados del sistema vienen dadas por
( )
( )

= =
+ = =
=
contrario caso en 0
1 ; 1 y si
1 0 ; 1 y si
, M i i k i j i
M i i k i j i M
k j R
La eleccin de estas frecuencias se basa en la observacin que si una fuente de video est en
una fase de alta actividad, entonces es ms frecuente que pase a una fase de menor actividad
que una de mayor. De forma similar, si la fuente est en una fase de baja actividad es ms
probable que pase a una de mayor actividad que a una de menor.
M se elige arbitrariamente; si se toman valores grandes se tendr una mayor granularidad en
la cuantificacin de las frecuencias de bits, aumentando, por lo tanto, la precisin del modelo.
Sin embargo, cuando M se hace mayor (y por lo tanto el nmero de estados), la complejidad
de los modelos para analizar tal tipo de fuentes tambin lo har. Por lo tanto, como es
habitual, hay que buscar un equilibrio entre precisin y complejidad.
Sea
i
la probabilidad en rgimen estacionario que el proceso de Markov est en el estado i, 0
i M.
i
es la solucin del siguiente conjunto de ecuaciones
( ) ( ) 1 , , 0 , 1
1
= + =
+
M i i i M
i i

340
1
0
=

=
M
i
i

Es fcil verificar por sustitucin que las
i
valen
( )
M i
i M i
M
i M i
i
, , 0 ,
! !
!
=
|
|
.
|

\
|
+

|
|
.
|

\
|
+

=


Las incgnitas A, y se estiman igualando la media E[|, la varianza Var[| y la
autocovarianza C[gt] del proceso de Markov con los valores medidos usando las siguientes
ecuaciones
| | ( ) MAp i E
M
i
i
= =

=0

donde p = /( + ),
| | | | | | | |
2 2
Var = E E

donde | |
2
E es el momento de segundo orden de la frecuencia de bits,
| | ( ) p p MA = 1 Var
2

| | | |
( ) +
= e C Var
c) Modelos markovianos de tiempo y estado discretos
Similar al anterior este modelo se define sobre los estados de 0 a M donde el estado i
corresponde al nivel discretizado de frecuencia (i). En este modelo, el tiempo se discretiza
en intervalos de longitud fija siendo cada intervalo igual al de generacin de una trama. Al
final de cada intervalo, el proceso se mueve del estado i al estado i + 1 con probabilidad
i
, o
al estado i - 1 con probabilidad
i
, o permanece en el estado i con probabilidad
i
, de tal forma
que
i
+
i
+
i
= 1. Las probabilidades de transicin de estado son pues:
( )

= =
= =
+ = =
=
si
1 ; 1 y si
1 0 ; 1 y si
,
i k j
M i i k i j
M i i k i j
k j p
i
i
i

Las probabilidades de transicin en este modelo han de tener una ordenacin similar a las del
modelo anterior. As pues

i

i + 1
para 0 i M - 1

i

i - 1
para 1 i M
M se elige arbitrariamente. Para los valores de
i
y
i
se han propuesto diversos conjuntos,
como por ejemplo:
Conjunto I:
i
= c(1 - i/M);
i
= ci/M;
i
= 1 - c
Conjunto II:
i
= c
1
(1 - i/M);
i
= c
2
i/M;
i
= 1 - c
1
+ (c
1
- c
2
)i/M
Conjunto III:
i
= c
1
(i - M)
2
;
i
= c
2
i
2
;
i
= 1 - c
1
(i - M)
2
- c
2
i
2

341
donde c, c
1
y c
2
son constantes.
Ambos modelos markovianos capturan la rpida disminucin del coeficiente de correlacin
de la frecuencia de bits en tramas consecutivas, que decae a partir de pocos centenares de
milisegundos. Estos modelos no son adecuados para la modelizacin de niveles de actividad
no uniforme debido a que
- las transiciones desde el estado i se permiten slo a sus estados vecinos i + 1 e i - 1, que
considera solo pequeos cambios en las frecuencias de generacin de bits.
- las correlaciones a largo plazo en los cambios de escena que tardan algunos segundos en
producirse no pueden ser capturados por estos modelos.
4.4.1.2.1.2. Escenas de video con nivel de actividad no uniforme
En los videos de movimiento, adems de la rpida disminucin de las correlaciones a corto
plazo, hay una lenta disminucin de las correlaciones a largo plazo de la cantidad de
informacin generada por trama que se produce en los instantes de cambio de escena.
a) Modelo markoviano bidimensional de tiempo continuo
Este modelo propuesto por Sen et al es una generalizacin de los anteriores. Cada dimensin
del modelo puede considerarse como una cadena de Markov unidimensional de las tratadas
en el apartado anterior. En dos dimensiones es posible modelar las pequeas fluctuaciones en
la frecuencia de generacin de bits entre tramas consecutivas para incluir los saltos a mayores
o menores frecuencias de generacin, pudiendo modelar la correlacin en los cambios de
escena. Sean A
h
y A
l
los intervalos de cuantificacin de la alta y la baja frecuencia,
respectivamente. En general se definen N
1
+ 1 niveles de baja frecuencia y N
2
+ 1 de alta y
sea (i, j) el estado que corresponde a la frecuencia (iA
h
+jA
l
), 0 i N
2
, 0 j N
1
. De
acuerdo con las pruebas de validacin citadas en el apartado anterior, una fuente de video
sencilla puede caracterizarse precisamente con N
1
= 1, mientras que N
2
se elige de forma
arbitraria pero suficientemente grande para explorar todas las frecuencias de generacin de bit
igualmente probables. Como se indic anteriormente tanto la precisin como la complejidad
del modelo crecen cuando N
1
lo hace. La figura 4.9 muestra la representacin del proceso
bidimensional de Markov para una fuente sencilla. Las frecuencias de transicin entre los
estados de esta cadena de Markov bidimensional se definen de la forma siguiente:
A
h
+ A
l
2A
h
+ A
l
0
N
2
A
h
N
2
A
h
+ A
l
(N
2
+ 1)c
2d
A
h
2A
h
A
l
N
2
c
N
2
c
(N
2
+ 1)c
c
c
N
2
d
N
2
d 2d d
d
N
1
a N
1
a N
1
a b b b

Figura 4.9.
( ) ( ) { }
( )
( )

= = = =
= = + = =
= = = =
+ = = = =
=
1 2 2 1 2 1
1 2 2 1 2 1 2
1 2 2 1 2 1
1 2 2 1 2 1 1
2 2 1 1
0 ; 1 ; y 1 ; si
0 ; 1 0 ; y 1 ; si
1 ; 0 ; 1 ; y si
1 0 ; 0 ; 1 ; y si
, , ,
N j N i j m m i k i k id
N j N i j m m i k i k c i N
N j N i j m j m i k k jb
N j N i j m j m i k k a j N
m k m k R

342
Con N
1
= 1, los parmetros usados para caracterizar el proceso de Markov en funcin de los
parmetros de la fuente son:
1/d = tiempo medio de permanencia en el nivel alto de actividad;
1/c = tiempo medio de permanencia en el nivel bajo de actividad;
q = fraccin de tiempo en el nivel alto de actividad, q = c /(c + d);
= relacin entre la frecuencia de generacin de datos en el nivel alto de actividad y el
nivel bajo;
C[0] = varianza;
C[] = funcin de covarianza;
= la frecuencia media global de generacin de bits.
Entonces, | | ( )
2
1
1 0
l
A p p N C = , donde p = a /(a + b), | | | |
( ) +
=
b a
e C C 0 ,
l
h l
pA N
A pA N
1
1
+
= y
h l
qA pA N + =
1
A partir de datos reales, puede recogerse un conjunto de estadsticas para estimar los valores
de q, 1/d, C[0], C[], y . Usando las ecuaciones anteriores pueden determinarse los valores
de A
h
, A
l
, a y b para caracterizar completamente el proceso de Markov.
b) Proceso de medias mviles autoregresivas (ARMA)
Adems de los dos tipos de correlacin modelados en las cadenas de Markov
bidimensionales, puede suceder que la covarianza de las secuencias de bits de fuentes de
video presente otras correlaciones para otros decalajes. El significado de esta correlacin se
resume de la forma siguiente:
- La funcin de autocovarianza no se desvanece para decalajes k 0, incluso cuando se
superponen un gran nmero de fuentes codificadas. Por lo tanto, la suposicin que la
superposicin de un gran nmero de fuentes se comporta como una secuencia poissoniana
no es vlida en estos entornos.
- El efecto de la correlacin de los procesos de llegada depende de la utilizacin de la cola.
Con niveles de utilizacin de hasta el 61%, se observa que su efecto es despreciable,
mientras que su efecto en el comportamiento de la cola se hace significativo a partir del
76% de utilizacin. A mayores cargas, se observa adems que ligeros cambios en la
autocovarianza provoca cambios significativos en el comportamiento de las mtricas de
prestaciones (retraso y probabilidad de prdida).
Se propone el modelo ARMA para tener en cuenta estas correlaciones adems de capturar las
dos ya citadas que se producen en escenas de nivel de actividad no uniforme. Sea {X
n
} la
secuencia de variables aleatorias que representan el proceso de llegada de celdas de video.
Suponiendo que E[X
n
] = E[X
0
] y que Covarianza(X
n
, X
0
) = Covarianza(X
n + k
, X
n
) = R(k), la
funcin de autocovarianza R(k) depende slo del decalaje k. La caracterizacin de las
estadsticas del proceso de llegada de celdas ATM mediante un modelo ARMA es un
procedimiento de tres pasos de acuerdo con Grunenfelder et al.:
1. Paso de medida. Se estiman la media, la varianza y la autocovarianza a largo plazo a
partir de la salida de celdas del codificador.
2. Paso de estimacin de parmetros. El procedimiento ARMA consta de un filtro de orden
finito, un filtro recursivo y una no linealidad sin memoria. Los parmetros del modelo
matemtico ARMA se estiman a partir de los datos medidos.
343
3. Paso de la funcin de transferencia. Este paso produce la secuencia de tiempos entre
llegadas de celdas tomando en consideracin un ruido blanco.
El proceso de llegada ARMA se usa en simulaciones para estimar la funcin de distribucin
de probabilidad del retraso en la cola y la media y la varianza del tiempo entre salidas visto
por una celda que llega. Sin embargo estos modelos no pueden usarse en modelizacin
analtica.
4.4.1.2.2. Servicios de voz
En el apartado 4.4.1.1. se ha visto la caracterizacin de los servicios de voz codificados por
PCM produciendo una secuencia de CBR. Sin embargo, para mejorar la eficiencia de la
transmisin sin reducir la calidad de la voz, puede extenderse el PCM al PCM diferencial
(DPCM) e incluso al PCM diferencial adaptativo (ADPCM) especificados por la ITU-T.
Una fuente de voz alterna perodos de habla (activos) con otros de silencio. En CBR se
transmiten tanto los perodos activos como los de silencio, lo que provoca un uso ineficiente
de los recursos de la red. Para alcanzar altos niveles de utilizacin de estos recursos, las
fuentes de voz pueden transformarse en fuentes VBR de tal forma que los paquetes se
generan slo cuando la fuente est activa, aumentando, en consecuencia la eficiencia de la
transmisin. La transmisin de celdas generadas durante los perodos activos, usando
codificacin ADPCM, alcanza una relacin de compresin superior a 4 sin degradacin
apreciable en la calidad de la voz.
Un perodo activo de una fuente de voz corresponde a pronunciar un prrafo, mientras que
uno de silencio corresponde a la ausencia de voz (pausas para respirar, recopilacin de las
propias ideas, escucha del interlocutor, etc.). Los perodos de silencio constituyen el 60-65%
del tiempo de transmisin de las llamadas de voz en cada direccin. Ms especficamente, el
promedio de los perodos activo y silente son respectivamente 352 ms y 650 ms, resultados de
medicin. Adems, en una conversacin normal, la duracin del perodo activo se ajusta
razonablemente bien a una distribucin exponencial, mientras que la duracin del de silencio
se ajusta menos bien. Sin embargo, los modelos de fuentes de voz ms frecuentemente usados
suponen que tanto el perodo activo como el de silencio tienen duraciones distribuidas
exponencialmente. Se ha hallado que la precisin de los modelos a dos estados con
duraciones distribuidas exponencialmente es razonablemente buena si se multiplexan ms de
25 fuentes de voz, mientras que el modelo es poco conveniente si el nmero de fuentes
multiplexadas es inferior a 10.
4.4.1.2.2.1. Proceso de Poisson interrumpido (IPP, Interrumped Poisson Process)
El IPP es un proceso de Poisson que alternativamente genera durante un perodo de tiempo
distribuido exponencialmente (perodo activo) y deja de hacerlo durante otro perodo de
tiempo distribuido tambin exponencialmente pero con una distribucin independiente de la
anterior (perodo de silencio). Durante el perodo activo, el tiempo entre llegadas de paquetes
est distribuido exponencialmente (proceso de Poisson), mientras que no se generan paquetes
durante el perodo de silencio. Como se ha dicho todos los procesos se consideran
independientes.
Sean 1/
A
, 1/
S
y , respectivamente las duraciones medias de los perodos activo y silente y
la frecuencia de generacin de paquetes durante el perodo activo. Entonces, la funcin de
distribucin de probabilidad del perodo activo, Pr[X t], del perodo silente, Pr[Y t], y de
los tiempos entre llegadas de paquetes en el perodo activo, Pr[Z t], son
| |
t
A
e t X

= 1 Pr , | |
t
S
e t Y

= 1 Pr y | |
t
e t Z

= 1 Pr . Adems sean
A
y
S
,
respectivamente, la probabilidad que el proceso de Markov de dos estados se halle en el
perodo activo y silente. Entonces
344
S A
A
A
+

= y
S A
S
S
+

=
Sea ahora (s) la transformada de Laplace de la distribucin de los tiempos entre llegadas de
paquetes y considrese el proceso de actividad/inactividad justo despus de la llegada de un
paquete. El tiempo hasta la siguiente llegada es el mnimo de (X, Z). El acontecimiento es una
llegada con probabilidad /( +
A
) y es un cambio de un estado activo a un estado silente
con probabilidad
A
/( +
A
). Al final del perodo de silencio, el proceso se repite de nuevo,
por lo tanto, se tiene
( ) +
|
|
.
|

\
|
+ +
+
+

+

+
+ +
+
+

=
2
s s s
s
A
A
A S
S
A
A
A
A
A

+
|
|
.
|

\
|
+ +
+
+

|
|
.
|

\
|
+

|
|
.
|

\
|
+

+
3 2 2
s s
A
A
A S
S
A
A

y despus de algunas manipulaciones
( )
( )
( ) + + + +
+
=
S A S
S
s s
s
s
2

Los dos primeros momentos de la distribucin de tiempos entre llegadas de paquetes, E[X], y
su coeficiente cuadrtico de variacin c
2
, son entonces
| |
S
S A
X E

+
=

( )
2
2
2
1
S A
A
c
+

+ =

Una IPP con parmetros (
A
,
S
, ) es equivalente a una distribucin hiperexponencial de
parmetros (p
1
,
1
, p
2
,
2
), donde
( ) ( ) | | { }
2 / 1
2
1
4 5 . 0
A S A S A
+ + + + + =
( ) ( ) | | { }
2 / 1
2
2
4 5 . 0
A S A S A
+ + + + =

2 1
2
1


= p

p
2
= 1 p
1
Recprocamente, el IPP, (
A
,
S
, ), equivalente de una distribucin hiperexponencial de
parmetros (p
1
,
1
, p
2
,
2
) es
= p
1

1
+ p
2

2
( )


=
2
2 1 2 1
p p
A

345


=
2 1
S

A continuacin se va a estudiar el problema siguiente: Dados los tres primeros momentos de
los tiempos entre llegadas, E[X], E[X
2
] y E[X
3
], cules son los parmetros de la distribucin
exponencial (o del IPP) que tienen estos mismos tres momentos?
Siempre que
| | | | | | { }
2 3
5 . 1 X E X E X E >

los parmetros (p
1
,
1
, p
2
,
2
) vienen determinados de forma nica por las ecuaciones
| | | | | |
| | { } | | | |
3
2
2
3 2
2 3
2 6
X E X E X E
X E X E X E
u


=

| | { } | |
| | { } | | | |
3
2
2
2 2
2 3
6 12
X E X E X E
X E X E
v


=

( ) | |
2 / 1
2
2 1
4 5 . 0 , v u u =

| |
|
|
.
|

\
|



=
1 2 1
2 1
2
1
X E p
p
1
= 1 p
2
Si la condicin anterior no se cumple, entonces hay un nmero infinito de formas de
seleccionar los parmetros de la distribucin hiperexponencial. El siguiente conjunto est
sugerido por Marie en el contexto del anlisis aproximado de redes de colas.
| | X E
2
1
=

| |
2
2
1
c X E
=
( )
2
2 1
1
2
5 . 0
c
p


=
En estas ecuaciones se supone que el coeficiente cuadrtico de variacin es mayor o igual que
1, que, como se ha visto es precisamente el caso. Obsrvese que si se usan las frmulas
anteriores para obtener los parmetros de la distribucin hiperexponencial (que ajusta slo los
dos primeros momentos), entonces no hay una correspondencia uno a uno entre sus
parmetros y el IPP equivalente. En este caso, puede elegirse arbitrariamente uno de los
parmetros del IPP. Por ejemplo, puede elegirse de tal forma que 1/ sea el tiempo de
transmisin de una celda en el medio.
4.4.1.2.2.1. Proceso de Bernouilli interrumpido (IBP, Interrumped Bernouilli Process)
Este proceso es la versin discreta del IPP. El tiempo est ranurado, con la longitud de cada
ranura igual al tiempo de una celda en el medio. Una ranura estar en estado activo o en
estado silente. Una ranura en estado activo contiene una celda con probabilidad y ninguna
con probabilidad 1 - , mientras que no llega ninguna celda en estado silente. Cuando una
346
ranura est en estado activo (independientemente de si contiene celda o no), la siguiente
ranura estar tambin en estado activo con probabilidad p y cambiar a estado silente con
probabilidad 1 - p. De modo similar, si una ranura est en estado silente, la siguiente tambin
lo estar con probabilidad q y cambiar a estado activo con probabilidad 1 - q. De acuerdo
con todo esto, tanto el perodo activo, Pr[X = x], como el silente, Pr[Y = y], estn distribuidos
geomtricamente. Esto es
| | ( ) 1 , 1 Pr
1
= =

x p p x X
x

| | ( ) 1 , 1 Pr
1
= =

y q q y Y
y

con duraciones medias de 1/(1 p) y 1/(1 q).
De forma similar a la versin continua, la solucin de la probabilidades en rgimen
estacionario de estar el estado activo,
A
, y silente,
S
son
q p
q
A

=
2
1

q p
p
S

=
2
1

La media E[X], el coeficiente cuadrtico de variacin, c
2
, y el momento de tercer orden,
E[X
3
], de la distribucin de los tiempos entre llegadas de celdas de un IBP pueden obtenerse
de la transformada en z, (z), del IBP y se definen en funcin de (p, q, ) como sigue
( )
( ) | |
( )( ) ( ) | | 1 1 1 1
1
2
+ + +
+
=
z p q z q p
q p z p z
z

( )
( ) q
q p
X E


=
1
2

( )( )
( )
)
`


+
+ = 1
2
1
1
2
2
q p
q p p
c
( )
( )
( ) ( )
( )
( )
( )
( )
2
2
3
2
2 2 2
3
2 3 3 1
1
1
1 2
1 1
1 2
6
p
c
q
q
q
q
q
q
X E
+
+
)
`


+


=
donde = 1/E[X] es la probabilidad que una ranura contenga una celda, definida como la
utilizacin de la fuente. Suponiendo que una ranura en un perodo activo contenga siempre
una celda (es decir, = 1), entonces las expresiones anteriores se reducen a
| |
q
q p
X E


=
1
2

( )( )
( )
2
2
2
1
q p
q p p
c

+
=
| |
( )
( )
2
2
2
3
2 3 3
1
1 6
p
c
q
q
X E
+
+


=
347
Dados los valores de E[X], c
2
y E[X
3
], los parmetros del IBP que ajusta estos momentos no
pueden obtenerse de forma directa debido a la complejidad de la expresin de E[X
3
]. Sin
embargo, puede usarse el siguiente algoritmo propuesto por Park y Perros, que proporciona
una buena estimacin de los parmetros (p, q, ). Sea a el valor absoluto de a.
0. Sea = ; min = 100000.
1. Hacer = + . Si 1, entonces parar el algoritmo.
2. Si las dos condiciones siguientes no se cumplen, entonces volver a 1.
Condicin 1: ( ) 0 2 3 1
2 2
> + c
Condicin 2: ( ) 0 2 2 3 1
2 2 2
> + + c
3. Calcular p y q, de acuerdo con
+
+
=
2 2
2 2
2
2 3
c
c
p

+
+ +
=
2 2
2 2 2
2
2 2 3
c
c
q
4. Calcular el tercer momento, m
3
, del IBP con parmetros (p, q, ) mediante las frmulas
anteriores. Si | | <
3
3
X E m , entonces parar el algoritmo. En caso contrario, si
| |
3
3
min X E m > , entonces salvar los parmetros (p, q, ) y hacer | |
3
3
min X E m =
y volver al paso 1.
El algoritmo busca la mnima diferencia entre el tercer momento de la distribucin y del IBP
con los parmetros estimados. Si no se usa el tercer momento, entonces es necesario
establecer arbitrariamente el valor de uno de los tres parmetros y calcular los otros dos a
partir de las ecuaciones de los dos primeros momentos. En particular si se hace = 1, pueden
usarse las frmulas correspondientes a esta hiptesis para estimar los valores de p y q. En este
caso se tiene
( )
2
1 2
1
c
p

=

( )
( )

=
1
1
1
p
q
4.4.1.2.3. Servicios de datos
El trmino datos se utiliza aqu para indicar cualquier aplicacin que use texto codificado, es
decir cualquier aplicacin que no sea ni voz, ni audio ni video ni imagen. A pesar de que las
redes se utilizan desde hace mucho tiempo, las caractersticas del trfico de las fuentes de
datos son mal conocidas. La principal dificultad reside en que no hay una conexin de datos
tpica ya que las hay, como las transferencias de archivos, que transfieren grandes cantidades
de datos de forma casi continua durante la duracin de la conexin, otras, como el correo
electrnico enva solo algunos centenares de bytes. Otras conexiones trabajan de forma
conectada mientras que otras lo hacen de forma desconectada. Las aplicaciones interactivas
requieren intercambios bidireccionales mientras que la actualizacin de una base de datos
puede usar conexiones unidireccionales. Adems, hay que tener en cuenta que las redes ATM
se usan para interconectar LANs, es decir, no conecta pares de usuarios, sino los grupos de
usuarios conectados a cada LAN. Teniendo en cuenta todas estas dificultades, se tratan a
continuacin diferentes aplicaciones de datos.
348
4.4.1.2.3.1. Interconexin de LANs
Estadsticas tomadas sobre el trfico de redes ethernet ponen de manifiesto que los paquetes
transmitidos tienden a ser de tres tamaos distintos como consecuencia de tres diferentes
clases de aplicacin. Los paquetes cortos se transmiten durante las comunicaciones entre los
terminales y el sistema central, mientras que las aplicaciones basadas en el protocolo NFS
(network-file system) generan paquetes cortos en una direccin y de tamao medio en
direccin contraria. El mximo tamao de paquete en una red ethernet is de 1512 bytes, usado
principalmente durante las aplicaciones de transferencia de archivos (figura 4.10). Por lo
tanto el trfico de una red ethernet puede modelarse como un proceso de actividad-silencio
con una distribucin del perodo activo que sigue la que muestra la figura 4.10, donde el
tamao medio del paquete son 876.6 bytes que, a la capacidad habitual de 10 Mb/s, equivale
a 0.7 ms. La duracin media del perodo de silencio se determinar en funcin del trfico total
que exista en la red.
0.342
46
0.093
144
0.565
1500
P
r
o
b
a
b
i
l
i
d
a
d
Longitud del paquete en bytes

Figura 4.10.
P
r
o
b
a
b
i
l
i
d
a
d
Longitud del paquete en bytes
0.2
0.4
0.6
0.8
64 192 384 768 1535

Figura 4.11.
La figura 4.11 muestra una distribucin tpica de los paquetes de una red token-ring, recogida
en los laboratorios de IBM en Research Triangle Park de Carolina del Norte. Basado en estas
medidas, el trfico de una red token-ring, similar al de una ethernet, se observa que se
comporta tambin como un proceso de actividad-silencio. El perodo activo medio, que puede
incluir uno o ms paquetes, es de 205 bytes con un coeficiente cuadrtico de variacin de 2.4.
Las capacidades estndar de una red token-ring son 4 16 Mb/s.
349
4.4.1.2.3.2. Comunicacin interactiva
Considrese una estacin de trabajo conectada a un sistema de comunicacin. En un sistema
interactivo, la estacin de trabajo transmite una peticin de servicio a otra posicin de la red.
Algn tiempo ms tarde, la estacin recibe el mensaje de respuesta e inicia el perodo de
reflexin, durante el cual no se produce ninguna comunicacin, todo lo cual est representado
en la figura 4.12.
Transm.
mensaje
peticin
Transm.
mensaje
respuesta
Tiempo
respuesta
servidor
Perodo de interaccin
Tiempo de respuesta del sistema
Tiempo de reflexin
del usuario
Mensaje de
peticin
Mensaje de
respuesta
Mensaje de
peticin

Figura 4.12.
Los requerimientos de productividad de las aplicaciones interactivas dependen de las
longitudes de los mensajes de peticin y de respuesta y de la duracin del perodo de
interaccin, que es la suma de los tiempos medios de respuesta del sistema y del tiempo de
reflexin del usuario. La tabla adjunta muestra las caractersticas temporales y las
necesidades de transferencia de algunas aplicaciones tpicas.
Requerimientos de algunas aplicaciones interactivas

Aplicacin
Longitud de
mensaje
(bytes)
Perodo de
interaccin
(segundos)
Productividad
interactiva
(bytes/s)
Lectura de base de datos
1240 30 41
Recuperacin de base de datos
1240 9 138
Exploracin de base de datos
1240 3 413
Servidor de archivos compartido en PC
12000 20 600

En una aplicacin de lectura de base de datos se supone que el usuario lee directamente una
pgina de informacin, mientras que en la recuperacin y exploracin de bases de datos se
considera la bsqueda sobre un conjunto de pginas de una base de datos para encontrar una
informacin determinada. La longitud de mensaje de 1240 bytes corresponde a la longitud de
los benchmarks con los terminales de pantalla IBM 3270. La aplicacin de servidor de
archivos en PC representa la comunicacin de archivos desde una base de datos alfanumrica
comn a usuarios de PC, solicitada a velocidad humana. Todas las medidas realizadas ponen
de manifiesto, adems, que el 80% de los accesos se realizan a archivos de menos de 10000
bytes.
Los usuarios de los sistemas de comunicaciones requieren altas capacidades de transferencia
no a causa de que tengan que transmitir grandes volmenes de datos sino porque requieren
tiempos de respuesta rpidos, especialmente en las aplicaciones interactivas. Una excepcin
es el caso del clculo altas prestaciones en que un problema complejo que requiere grandes
350
tiempos de proceso con grandes volmenes de datos se resuelve en un conjunto de
supercomputadores conectado a travs de una red de comunicacin de alta velocidad.
4.4.1.2.3.2. Clculo de altas prestaciones
En el clculo distribuido, una tarea se divide en un cierto nmero de partes o subtareas y cada
una de ellas se carga en un supercomputador distinto y se ejecutan simultneamente con el fin
de ganar en prestaciones. Durante el clculo los computadores necesitan intercambiar
informacin para agregar los resultados obtenidos por cada subtarea. La red de comunicacin
permite a los computadores realizar este intercambio. si la comunicacin entre computadores
es lenta comparada con su velocidad de clculo o no puede solaparse con el clculo, entonces
cada computador estar ocioso mientras espera los datos y, por lo tanto, infrautilizado. El
tamao del paquete es un factor importante en la determinacin de la productividad de la
comunicacin. En experimentos realizados con un sistema de entrada salida de un
supercomputador Cray modelo D, se observ que la productividad del canal de entrada-
salida, cuya capacidad es de 800 Mb/s, era de 280 Mb/s con paquetes de 16 Kbytes. El
tamao del paquete que permita saturar el enlace era de 256 Kbytes, que es equivalente a una
rfaga de aproximadamente 5600 celdas.
Para ilustrar las demandas de gran ancho de banda en aplicaciones de clculo de altas
prestaciones, se presentan a continuacin algunos resultados observados en la aplicacin de la
planificacin dinmica de la radioterapia. Los datos en este sistema pasan de un
supercomputador Cray a la interfaz de terminal de red a travs de un enlace HIPPI. Las
estadsticas recogidas se convierten para simular el trfico en una red ATM. La frecuencia de
trfico indica el trfico ATM total que llega en un intervalo fijo de N ranuras dividido por la
duracin del intervalo. Cuando se promedia el trfico sobre N = 8000 ranuras, la frecuencia
de pico se observa que es alrededor de 145 Mb/s, mientras que es igual a 600 Mb/s con N =
200 ranuras. El trfico, como se esperaba, alterna perodos de actividad y de silencio. Hay
solo tres duraciones observadas distintas del perodo de actividad, correspondientes a
paquetes HIPPI de longitudes de 24 bytes, 2264 bytes y de 16 Kbytes, como muestra la figura
4.13.
1.0
0.75
0.5
0.25
0
20 60 420
P
r
o
b
b
i
l
i
t
y
Active period (cells)

Figura 4.13
El nmero medio de celdas ATM medido es de 372.9, con un coeficiente cuadrtico de
variacin de 0.155. Por consiguiente, estadsticamente el perodo activo tiene poca variacin
y puede modelarse mediante una distribucin de Erlang con seis fases o mediante una
distribucin constante. Por otra parte, se observa que el perodo de silencio tiene un gran
coeficiente cuadrtico de variacin de 83.
351
Estos primeros resultados indican que ni el IPP ni el IBP son candidatos razonables para
modelar con precisin el comportamiento de una fuente de datos. Una alternativa es suponer
que estos dos modelos markovianos producen buenos resultados y usarlos sin ningn cambio.
Alternativamente, pueden desarrollarse nuevos modelos para el trfico de datos en que la
duracin de lso perodos de silencio no son exponenciales (o geomtricos). sin embargo,
puede esperarse que estos modelos sean mucho ms complejos que los IPP o IBP y puedan
tener un uso limitado (como el ARPA para la modelizacin de las fuentes de trfico video).
4.4.1.2.4. Servicios de multimedia
El trmino multimedia se usa para referirse a la representacin, almacenamiento,
recuperacin y diseminacin de informacin procesable expresada en diversos media, tales
como texto, voz, video, grficos, imagen, audio y video, Ejemplos de aplicaciones
multimedia incluyen teleconferencia, video en demanda, imgenes mdicas, anuncios, etc.
Texto anotado con voz
Voz (32 Kb/s)
1 pgina de texto/30 s (1.24 x (8/30) Kb/s)
32.3
Imgenes de oficina anotadas con voz
Voz (32 Kb/s)
1 pgina/90 s (60 x (8/90) Kb/s)
37.3
Imgenes de alta resolucin anotadas con voz
Voz (32 Kb/s)
1 imagen/90 s
*
[(2000 x 2000 x 12)/(10 x 90 x 1000) Kb/s]
85.3
Sonido de calidad CD y sistema de oficina (p. e. biblioteca)
Audio (384 Kb/s)
1 imagen/60 s
*
[(2000 x 2000 x 12)/(10 x 60 x 1000) Kb/s]
392
Teleconferencia compleja
Voz (32 Kb/s)
Pginas de texto de 1.24 KB/60 s (1.24 x (8/60) Kb/s)
Grgicos de 35 KB/60 s (35 x (8/60) Kb/s)
2 imgenes de alta de resolucin de 60 KB/60 s
2 ventanas de video de baja calidad (128 Kb/s)
325
Sistema de distribucin de video
Sonido con calidad CD (1100 Kb/s)
Video de calidad VCR (384 Kb/s)
1484
Nota: Ratio de compresin 10:1; resolucin 2000 x 2000; 12 bit/pixel
Tabla 4.4.
Las aplicaciones multimedia difieren de las unimedia de diversas maneras. Varias
aplicaciones multimedia implican grupos de usuarios y requieren conexiones punto-
multipunto o multipunto-multipunto. En general, imponen condiciones estrictas de tiempo
real a la red. Puesto que emplean diferentes tipos de media, la mayora de las aplicaciones
multimedia general grandes cantidades de secuencias de bits. La tabla 4.4 muestra las
necesidades de ancho de banda de algunas aplicaciones multimedia, de acuerdo con
[RUSS93].

Aplicacin
Ancho
de
Banda
(Kb/s)
352
Los servicios multimedia en redes B-ISDN incluyen entro otros aspectos:
- Establecimiento de llamadas mltiples
- Control en tiempo real de servicios integrados de tiempo real tales como video, audio y voz
- Sincronizacin entre grupos de usuarios
- Asignacin dinmica de los recursos de la red que tenga en consideracin los diferentes de
servicio de cada aplicacin integrada en el servicio.
- Transferencia multipunto eficiente
- Sincronizacin de las distintas aplicaciones, como entre video y audio.
4.4.2. MTRICAS DE LA CALIDAD DEL SERVICIO
4.4.2.1. Parmetros de control de llamada
Hay tres mtricas de inters en las redes orientadas a conexin, como las redes ATM:
- Retraso de establecimiento de la conexin
- Retraso de liberacin de la conexin
- Probabilidad de aceptacin de la conexin
4.4.2.1.1. Retraso de establecimiento de la conexin
El retraso de establecimiento de la conexin es el intervalo de tiempo entre la transferencia
del mensaje de establecimiento de la llamada y la transmisin del mensaje de aceptacin de la
conexin. No es una mtrica especfica de ATM y est determinado principalmente por los
retrasos en el proceso en los distintos puntos de transferencia de la seal en la red.
Suponiendo que los retrasos por proceso en los intercambios ATM son similares a los de la
ISDN, el retraso medio de establecimiento debe ser inferior a 4500 ms con el 95% de los
valores del retraso inferiores a 8350 ms.
4.4.2.1.2. Retraso de liberacin de la conexin
El retraso de liberacin de la conexin es el intervalo de tiempo entre la transferencia del
mensaje de liberacin de la conexin y la transmisin del mensaje de aceptacin de la
liberacin. Pueden hacerse unas consideraciones similares a las del caso anterior, por lo que
el retraso medio de liberacin debe ser inferior a 300 ms con el 95% de los valores del retraso
inferiores a 850 ms.
4.4.2.1.3. Probabilidad de aceptacin de la conexin
La probabilidad de aceptacin de la conexin es la proporcin de llamadas aceptadas sobre un
perodo de tiempo suficientemente largo. Tambin se la denomina probabilidad de bloqueo,
por extensin de este mismo concepto existente en telefona.
Es uno de las ms importantes mtricas de comportamiento usadas para la asignacin de los
recursos de la red y tambin en el dimensionamiento de las redes.
Sin embargo, con la introduccin del B-ISDN hay una nueva incertidumbre con respecto a las
caractersticas futuras del trfico y de los servicios. A pesar de ello se han hecho esfuerzos
para estimar los tiempos de conexin y las frecuencias de llamada de las nuevas aplicaciones
B-ISDN para su planificacin inicial.
4.4.2.2. Parmetros de transferencia de la informacin
Constituyen el conjunto de parmetros requeridos por las aplicaciones y usados por la red
para determinar si se puede admitir o no una nueva conexin. Tales parmetros en las redes
ATM incluyen:
353
- Tasa de error de bits
- Tasa de prdida de celdas
- Tasa de insercin de celdas
- Retraso de transferencia
- Variacin del retraso de las celdas (jitter)
- Sincronizacin de objetos relacionados (skew)
4.4.2.2.1. Tasa de error de bits
La tasa de error de bits (Bit error ratio, BER) es la relacin entre los errores de bit que se han
producido en el campo de informacin y el nmero total de bits transmitidos en el campo de
informacin. No es una mtrica especfica de las redes ATM. Comparado con las redes
existentes, el BER en ATM se espera que sea mucho menor, debido a la introduccin de la
tecnologa de fibra ptica como medio de transmisin. La tabla 4.5 presenta unas primeras
recomendaciones sobre el BER para diversos servicios B-ISDN.

Aplicacin Frecuencia de bits BER
*
BER
**
Videotelfono 2 Mb/s 1 x 10
-11
1.3 x 10
-6

Videoconferencia 5 Mb/s 10
-11
1.8 x 10
-6

Distribucin de TV 20-50 Mb/s 3 x 10
-13
6 x 10
-7

MPEG1 1.5 Mb/s 4 x 10
-11
2.5 x 10
-6

MPEG2 10 Mb/s 6 x 10
-12
1.5 x 10
-6

Sin control de error en AAL
Correccin del error de un bit en cada celda y correccin por prdida de celdas en AAL.
Tabla 4.5.
Suponiendo que los errores en los bits se producen aleatoriamente, la probabilidad que no
haya errores en los datos de una celda ATM de 48 bytes (384 bits) en un enlace es
(1 - BER)
384
As, por ejemplo, con BER = 10
-6
, esta probabilidad es igual a 0.99617, que aumenta a
0.999996 con BER = 10
-9
.
4.4.2.2.2. Tasa de prdida de celdas
La tasa de prdida de celdas (Cell loss ratio, CLR) es la relacin entre el nmero de celdas
perdidas y el nmero total de celdas enviadas por un usuario dentro de un intervalo de tiempo
especificado. CLR es una mtrica especifica de ATM y tiene un impacto significativo en la
QoS proporcionada a los usuarios. Todos los AAL, excepto el AAL 5, incluyen nmeros de
secuencia de las celdas para detectar en el receptor las celdas perdidas. La tabla 4.6 nos
muestra algunos valores fijados como objetivos en aplicaciones tpicas. Las celdas se pierden
en las redes por dos razones: desbordamiento de la capacidad de los buffers y errores en los
bits de la cabecera que pueden detectarse pero no corregirse.

354
Aplicacin Frecuencia de bits CLR
*
CLR
**
Videotelfono (CBR) 0.064-2 Mb/s 10
-8
8 x 10
-6

Videotelfono (VBR) 2 Mb/s 10
-8
8 x 10
-6

Videoconferencia 5 Mb/s 4 x 10
-9
5 x 10
-6

Distribucin de TV 20-50 Mb/s 10
-10
8 x 10
-7

MPEG1 1.5 Mb/s 10
-8
9.5 x 10
-6

MPEG2 10 Mb/s 2 x 10
-9
4 x 10
-6

Sin control de error en AAL
Correccin del error de un bit en cada celda y correccin por prdida de celdas en AAL.
Tabla 4.6.
El efecto de las prdidas de celdas y las acciones que toman las redes ATM sobre las celdas
perdidas difieren segn los distintos tipos de servicios. Por ejemplo, los servicios de datos
requieren valores muy bajos del CLR, mientras que los servicios de voz pueden tolerar
prdidas moderadas de celdas.
Para un CLR dado, el tiempo medio entre prdidas de celdas (average time between cell
losses, ATBCL) viene dado por
segundos
CLR (Mb/s) n codificaci de Frecuencia
10 8 53
ATCBCL
6


=


En la tabla 4.7 tenemos una muestra de los valores que puede tomar esta variable.

Frecuencia de codificacin ATBCL
64 Kb/s 6625 s
1.544 Mb/s 274.6 s
45 Mb/s 9.42 s
155 Mb/s 2.735 s
620 Mb/s 0.684 s
Tabla 4.7. ATBCL para CLR = 10
-6
Puesto que las prdidas de celdas se producen con mayor frecuencia cuando aumenta la
velocidad de codificacin, se requiere concebir contramedidas extraordinarias en las redes
ATM, en particular, para las aplicaciones sensibles a las prdidas. Los requerimientos de
prdidas de celdas de las aplicaciones son valores promedio y proporcionan slo una
informacin parcial. Por ejemplo, el tiempo entre prdidas de celdas con un CLR de 10
-6
es
igual a 2.735 s en un enlace de 155 Mb/s. El impacto de tener dos prdidas de celdas
consecutivas cada 5.47 s tiene un impacto ms significativo sobre la imagen de la calidad
comparado con el de una cada 2.735 s. Por lo tanto, estamos en una mejor situacin si las
prdidas se distribuyen uniformemente a lo largo de la duracin de un servicio de vdeo; por
el contrario, en un servicio de transmisin de datos, preferiramos perder todas las celdas que
siguen a una perdida perteneciendo al mismo mensaje, puesto que deberemos retransmitir el
mensaje si ste no llega correctamente al receptor.
4.4.2.2.3. Tasa de insercin de celdas
La tasa de insercin de celdas (Cell insertion ratio, CIR) es la relacin entre las celdas
entregadas en una direccin incorrecta y todas las celdas enviadas. Este error se produce
cuando no se detecta un error en la cabecera de la celda.
Las celdas que llegan sin ser esperadas pueden provocar la prdida de sincronizacin en
determinados servicios. Adems, las celdas mal encaminadas producen un aumento el trfico
355
en enlaces distintos de los que deba usar la conexin a la que perteneca la celda. La tabla 4.8
da la lista de algunos valores tpicos de la CIR.

Servicio CIR
Telefona 10
-3

Transmisin de datos 10
-6

Clculo distribuido 10
-6

Sonido Hi Fi 10
-7

Control de procesos remotos 10
-6

Tabla 4.8.
4.4.2.2.4. Retraso de transferencia
El retraso de transferencia (Transfer delay) entre dos puntos de la red se define como el
tiempo transcurrido desde que el primer bit abandona el primer punto de observacin hasta el
instante que el ltimo bit pasa por el segundo punto de observacin. Los dos puntos son las
dos interfaces en cada nodo terminal si la mtrica considerada es el retraso de extremo a
extremo. Los diversos factores que componen el retraso en una red ATM son:
- Retraso de codificacin: El tiempo requerido para convertir una seal no digital en digital.
Depende del algoritmo de codificacin y del hardware y el software usado para ello.
Tambin se considera como retraso de codificacin, por ejemplo, el tiempo de
compresin.
- Retraso de paquetizacin: El tiempo requerido para acumular el nmero de bits para
formar una celda ATM, que depende del tipo de nivel de adaptacin usado y del
generador de bits. Por ejemplo, voz PCM transmitida usando AAL 1 introducira un
retraso de paquetizacin de 47 8/64 = 5.875 ms, mientras que tomara solamente 44
8/10 = 35.2 s para llenar una celda en una transmisin vdeo MPEG-II usando AAL 2.
- Retraso de propagacin: El tiempo debido a la velocidad de la luz en el medio de
transmisin y depende de la distancia entre la fuente y el destino. La tabla 4.9 muestra
algunos tiempos de los retrasos de propagacin en distintos medios.
- Retraso de transmisin: Antes de poder efectuar ningn proceso, es preciso que los 424
bits de la celda lleguen desde el enlace. El retraso depende de la velocidad del enlace y se
hace despreciable a medida que la velocidad de transmisin aumenta. Por ejemplo, una
celda en un enlace a 155 Mb/s tarda alrededor de 2.73 s, pero se reduce a 0.68 s en un
enlace a 622 Mb/s.

Medio de transmisin Retraso de propagacin
Cable coaxial 4 s/km
Cable de fibra ptica 5 s/km
Cable coaxial submarino 6 s/km
Satlite (14000 Km de altitud) 110 ms
Satlite (36000 Km de altitud) 360 ms
Tabla 4.9.
- Retraso de conmutacin: El tiempo que tarda la celda en atravesar el conmutador.
Depende de la velocidad interna del conmutador y del overhead aadido por el
encaminamiento de la celda dentro del conmutador. Por ejemplo, una red Banyan con 256
puertos de enterada (salida) construida con elementos de 2 2 requerira 1 byte de
356
overhead por celda para el autoencaminamiento dentro del conmutador. En un
conmutador ATM tpico, el tiempo total que necesita para conmutar una celda consta de
una consulta a una tabla para determinar el puerto de salida y del tiempo que toma en
atravesar el conmutador desde el puerto de entrada al de salida. Este ltimo tiempo,
adems de la velocidad de los enlaces internos, depende de la tcnica de resolucin de la
contencin usada en el tejido de conmutacin.
- Retraso en las colas: Los conmutadores ATM pueden tener buffers en los puertos de
entrada, o en los de salida, o internos, o en cualquier combinacin. Su utilidad se discutir
en el anlisis de los conmutadores. Este componente tiene en cuenta los tiempos pasados
por las celdas en ellos.
- Retraso por reensamblado: El tiempo para recomponer un mensaje a partir de las celdas
que lo componen. Debe efectuarse esta tarea antes de entregar el mensaje a la aplicacin.
La tabla 4.10 muestra los valores del retraso tpico de extremo a extremo para algunos
servicios tpicos.
Servicio BER CLR Retraso (ms)
Transmisin de datos 10
-7
10
-6
1000
Clculo distribuido 10
-7
10
-6
50
Sonido Hi Fi 10
-5
10
-5
1000
Control de procesos remotos 10
-5
10
-3
1000
Tabla 4.10.
4.4.2.2.5. Variacin del retraso de las celdas (jitter)
El retraso de extremo a extremo de la i-sima celda es D + W
i
, donde D es una constante que
incluye los retrasos de propagacin y transmisin (ms la conmutacin) y W
i
es la
componente aleatoria del retraso que aparece por causa de la estancia en los buffers dentro de
la red. El tiempo entre llegadas de celdas en el receptor viene dado por
(D + W
i+1
) (D + W
i
) =
Idealmente, los tiempos entre llegadas de celdas en el receptor son iguales a los tiempos entre
salidas de celdas, que es el caso si W
i+1
= W
i
. Sin embargo, debido a la aleatoriedad de la red,
la variable aleatoria W
i
no es constante.
La variacin del retraso de las celdas (jitter) (Cell delay variation, CDV) tiene varias
definiciones, como:
- La variancia del retraso de transmisin de la conexin, esto es | | ( ) | |
2
i i
W E W E .
- La diferencia entre los valores del retraso de trnsito de las celdas de una conexin: W
i+1
-
W
i
; esto es | | w W W
i i
>
+1
Pr .
- Variacin instantnea del retraso de trnsito de las celdas respecto de la media; esto es
| | | | w W E W
i i
> Pr .
La tabla 4.11 presenta el retraso y el jitter de distintos servicios de vdeo.

357
Aplicacin Retraso (ms) Jitter (ms)
Videoconferencia a 64 Kb/s 300 130
Vdeo NTSC con NTSC a 1.5 Mb/s 5 6.5
Vdeo HDTV a 20 Mb/s 0.8 1
Voz comprimida a 16 Kb/s 30 130
Voz MPEG a 256 Kb/s 7 9.1
Tabla 4.11.
Puede reducirse el jitter mediante el uso adecuado de un buffer, tal como muestra la figura
4.14.
Emisor
Receptor
Red
Eliminador de
jitter

Figura 4.14.
4.4.2.2.6. Sincronizacin de objetos relacionados (skew)
La sincronizacin de objetos relacionados (skew) se define como la diferencia en los instantes
de presentacin de dos objetos relacionados (por ejemplo, las secuencias de vdeo y de
audio). La sincronizacin gruesa representa los retrasos gruesos entre al imagen y el sonido
que la acompaa, mientras que el fino representa los retrasos entre el movimiento de los
labios y la voz. Sus objetivos en diversas aplicaciones multimedia aparecen en la tabla 4.12.
4.4.3 GESTIN DEL TRFICO
Dentro del concepto de gestin del trfico se incluyen todas las tcnicas de controlar el uso de
los recursos de la red para prevenir o corregir que la red se convierta en un cuello de botella.
Aplicacin Objetivo del skew
Audio+texto o imagen
(sesin en una direccin)
Skew grueso < 1 s
Audio + vdeo
(sesiones multipunto a multipunto)
Skew grueso < 200 ms
Skew fino:
Audio en avance del vdeo < 20 ms
Vdeo en avance del audio < 120 ms
Teleconferencia compleja
audio+vdeo+imagen+texto
Skew grueso < 200 ms
Skew fino:
Audio en avance del vdeo < 20 ms
Vdeo en avance del audio < 120 ms
Tabla 4.12.
Las redes de conmutacin de circuitos y las de conmutacin de paquetes tenan mecanismos
de gestin del trfico. Sin embargo, al estar dedicadas a un nico tipo de trfico, estos
mecanismos no se pueden exportar directamente a las redes ATM, pensadas para hacer pasar
a su travs todos los tipos de trfico, cada uno con caractersticas y exigencias de calidad de
servicio distintas. Es preciso desarrollar nuevos mecanismos especficos que tengan en cuenta
no tan slo los aspectos citados sino tambin la velocidad prevista de los enlaces, muy
superior a la de las redes precedentes.
358
4.4.3.1. Caractersticas particulares de las redes ATM
En redes de conmutacin de circuitos, a cada conexin se asignaba una cantidad fija de ancho
de banda y se proporcionaba una frecuencia constante de transmisin a las entidades
comunicantes durante toda la duracin de la conexin.
En las redes de conmutacin de paquetes, el control de trfico es mucho ms complejo debido
a la naturaleza aleatoria de las caractersticas del trfico de llegada y a los problemas de
contencin en los recursos de la red. En estas redes haba dos tipos de control de trfico:
- El control de flujo trataba de regular la frecuencia con que el emisor enviaba paquetes. Se
usaban normalmente mecanismos de ventana deslizante.
- El control de congestin trataba de regular el flujo del trfico en los enlaces de entrada en
cada nodo de la red.
Sin embargo, estas dos tcnicas no son directamente trasladables a las redes ATM. Algunos
de los aspectos que impiden esta traslacin son los siguientes:
1. Las diversas fuentes de VBR pueden generar trfico a frecuencias significativamente
diferentes. Mientras una transmisin de voz genera unos pocos kilobits por segundo, la
HDTV puede generar varios megabits por segundo. Adems, estas generaciones pueden
adoptar formas muy variadas a lo largo del tiempo.
2. Una misma fuente puede generar mltiples tipos de trfico (voz, datos, imgenes) con
diferentes caractersticas.
3. Adems de las mtricas clsicas de comportamiento, como bloqueo de llamadas o
prdida de celdas, las redes ATM han de tener en cuenta el mximo retraso, el jitter y el
skew.
4. Los distintos servicios tienen diferentes tipos de exigencias de calidad de servicio en
niveles considerablemente variados. El multiplexado de varios trficos VBR en una
misma conexin y tambin con trfico CBR complica la posibilidad de predecir el
comportamiento de la red para ambos tipos de aplicaciones. Los servicios de tiempo real
son especialmente sensibles a la degradacin del comportamiento.
5. Las caractersticas del trfico de los distintos servicios todava no se conocen bien.
6. Puesto que la velocidad de transmisin aumenta (menor tiempo de transmisin), y
tambin lo hace la relacin entre la duracin de la llamada y el tiempo de transmisin de
una celda, se aaden nuevas dimensiones al problema. Debido a los aumentos de la
dimensin de la red y de la velocidad de los enlaces, el nmero de celdas en trnsito en la
red se hace mucho mayor. Adems los tiempos de propagacin grandes comparados con
los tiempos de transmisin hacen aumentar el tiempo que pasa desde la aparicin de la
congestin hasta el momento de su deteccin por los elementos de control de la red.
7. Las altas velocidades de transmisin limitan el tiempo disponible para el proceso sobre la
marcha en los nodos intermedios.
Considerando las altas velocidades de transmisin, el conjunto de algoritmos de control debe
ser tan simple como sea posible para permitir sus implantaciones en hardware. Adems, es
posible que los usuarios no sean capaces de definir con precisin las caractersticas de su
trfico. Por lo tanto las tcnicas de control no slo deben usar sencillas caracterizaciones de
las fuentes que faciliten a los usuarios un conocimiento intuitivo, sino que tambin deben ser
robustos y minimizar las consecuencias de especificaciones de trfico poco precisas. Un
sistema de control de trfico puede provocar o la congestin de la red o la infrautilizacin de
los recursos de la red. Un problema aadido es que las redes ATM no slo deben soportar las
359
aplicaciones actuales sino las emergentes aplicaciones multimedia y tambin otras ahora
inimaginables.
Los mecanismos de control de congestin se pueden clasificar en dos categoras: control
preventivo y control correctivo. Las tcnicas de control preventivo de la congestin tratan de
prevenir la congestin tomando las acciones apropiadas antes de que se produzca la
congestin. Sin embargo, est admitido que las tcnicas de control preventivo no son
suficientes para eliminar los problemas de congestin en las redes ATM y que, cuando se
produce la congestin, es necesario reaccionar ante el problema. Las tcnicas de control
reactivo propuestas inician la recuperacin a partir del estado congestionado. En un esquema
reactivo, la red est monitorizada para detectar la congestin. Cuando se detecta la
congestin, se pide a las fuentes de ralentizar o parar su transmisin hasta que se elimine la
congestin. El problema principal de los esquemas reactivos es el elevado valor del producto
del retraso de propagacin por el ancho de banda en las redes ATM, que introduce la
posibilidad que para el instante que una fuente recibe una notificacin, puede ser demasiado
tarde para reaccionar.
Las distintas tcnicas de control se aplica en distintos momentos. La figura 4.15 muestra
diversas tcnicas propuestas para las redes ATM y los momentos en que son ms efectivas.
4.4.3.2. Provisin de recursos
La provisin de recursos es una importante funcin de gestin de trfico para las redes
existentes. Su papel es proporcionar un aceptable nivel del comportamiento del bloqueo de
conexiones. La topologa de la red, el nmero de enlaces y sus anchos de banda y el nmero
de nodos de acceso y de conmutacin deben determinarse a partir del conocimiento de los
requerimientos de trfico.
360
Contol
adaptivo de
frecuencia
Control preventivo Control reactivo
Tiempo
de celda
Retraso de
propagacin
Duracin de
la conexin
Largo
plazo
Provisin
de recursos
Control de admisin
de llamadas
Encaminamiento
de llamadas
Codificacin
dinmica de
fuentes
Negociacin
de parmetros
en la llamada
Ventanas
adaptivas
Conformado
de trfico
Marcado del
exceso de trfico
Descartado
selectivo
Verificacin
del trfico

Figura 4.15.
A medida que el tiempo pasa, el nmero de usuarios, la cantidad de trfico generado y los
tipos de aplicaciones usadas cambiarn. En consecuencia, la red dimensionada para otras
hiptesis debe corregirse y adaptarse a las necesidades actuales; por lo tanto deben aadirse
enlaces y nodos, o sustituirlos por otros elementos de mayor capacidad y velocidad. Para ello
deben usarse todas las tcnicas clsicas usadas en el dimensionamiento de las redes
existentes, adaptndolas a las caractersticas de las redes B-ISDN.
Sin embargo, en ciertos aspectos las redes ATM, al tener un nico recurso para asignar, el
camino virtual, ciertos aspectos de provisin de recursos quedan simplificados. Recordemos
que un camino virtual es una conexin semipermanente con un ancho de banda determinado y
prefijado. Dependiendo del trfico, algn camino virtual puede estar subutilizado mientras
que otros, que pueden compartir el mismo enlace fsico, estn saturados. Esta situacin puede
tener soluciones a corto plazo. Sin embargo, deben encontrarse soluciones a largo plazo
(definicin de caminos virtuales, capacidad de los enlaces, etc.). Este es todava un problema
abierto en las redes ATM.
4.4.3.3. Control de admisin de llamadas
Cuando se recibe en la red la peticin de una nueva conexin, se ejecuta el procedimiento de
admisin de llamadas para decidir si se la acepta o la rechaza. Se acepta la llamada si hay
recursos suficientes para proporcionar la QoS solicitada por la nueva peticin de conexin sin
afectar a la QoS proporcionada a las conexiones existentes. En consecuencia, aparece la
necesidad de responder a dos cuestiones:
Cmo se determina el ancho de banda requerido por la nueva conexin?
361
Cmo puede asegurarse que los niveles de servicio requeridos por las conexiones
existentes no estarn afectados cuando se multiplexen junto con esta nueva conexin?
Cualquier tcnica diseada para responder a estas dos cuestiones debe ser capaz de funcionar
en tiempo real y debe intentar maximizar la utilizacin de los recursos de la red. El primer
paso es determinar el conjunto de parmetros requeridos para describir adecuadamente la
actividad de la fuente de trfico para poder efectuar una prediccin precisa de las mtricas de
inters de la red. Es preciso pues tener una buena descripcin del trfico y de la red.
El trfico ya se ha estudiado.
Una red ATM puede modelarse como una coleccin de colas. Tericamente no hay ningn
problema en encontrar la solucin. Sin embargo, es prcticamente imposible resolverlo en
tiempo real debido a su dimensin (cientos de colas con miles de fuentes). Debemos pues
enfocar el problema mediante descomposicin.
Para resolver una cola aislada se requiere la caracterizacin de su secuencia de llegadas, de su
capacidad efectiva de su servidor y de la dimensin de buffer. Un enlace i puede modelarse
como una cola simple con N secuencias de llegada, un buffer de capacidad K y un tiempo de
servicio constante (igual a 53 8/velocidad del enlace), donde N es el nmero de conexiones
multiplexadas en el nodo i. El anlisis de tal cola se hace pronto irrealizable a medida que
aumenta el nmero de secuencias multiplexadas. Por ejemplo, consideremos el caso que cada
secuencia est modelada por un IBP de dos estados. Entonces la obtencin de la tasa de
prdidas requerir la solucin de un sistema de 2
N
(K +1) ecuaciones lineales. Una cola con 10
posiciones en el buffer y 100 fuentes requerir la solucin de un sistema de 11264 ecuaciones
lineales.
El enfoque tpico para vencer esta dificultad consiste en reducir la dimensionalidad del
problema por reduccin del nmero de secuencias que llegan a la cola a un valor
suficientemente pequeo.
Para obtener las medidas de comportamiento deseadas cuando llega una peticin de una
nueva conexin, la cola puede analizarse con solo dos secuencias de llegada: una
correspondiente a la de la nueva conexin y otra representando la superposicin de todas las
existentes en el momento de la llegada. Dependiendo de como se modele la superposicin del
trfico, la dimensionalidad del problema puede reducirse, haciendo, por consiguiente, ms
factible la solucin. Vamos pues a estudiar, antes de entrar en el problema del control de
aceptacin de llamadas, propiamente dicho, a estudiar la superposicin de secuencias de
llegada.
4.4.3.3.1. Superposicin de procesos de llegada
Si todas las secuencias de llegada fueran poissonianas, no habra ningn problema de
superposicin: el proceso agrupando todas las llegadas seguira siendo poissoniano.
Desgraciadamente, los procesos que describen las secuencias de llegada no lo son, por lo que
hay que recurrir a otros tipos de modelos. Suponiendo que el trfico de la nueva llegada est
caracterizado por un IBP de dos estados y que el trfico existente se representa como un
proceso MMBP de k estados, el nmero de ecuaciones a resolver es de 2k(K + 1). Para k = 2 y
K =100, tenemos 404 ecuaciones. Vemos pues que se puede lograr una importante reduccin
de la dimensionalidad.
Existen diversas tcnicas, principalmente aproximadas, usadas para superponer secuencias de
llegada. Frecuentemente se representan como procesos de Poisson modulados
markovianamente (Markov Modulate Poisson Process, MMPP) o como procesos de
Bernouilli modulados markovianamente (Markov Modulate Bernouilli Process, MMBP) con
un nmero de estados variable en el proceso de Markov, aunque normalmente se eligen los de
dos estados.
362
4.4.3.3.1.1. MMPP
Un MMPP es un proceso de Poisson doblemente estocstico. Las llegadas se producen segn
un proceso de Poisson con una frecuencia que vara de acuerdo con una cadena de Markov de
k estados, independiente del proceso de llegada. Un MMPP se caracteriza por la matriz de
frecuencias de transicin de la cadena de Markov subyacente y por las frecuencias de llegada.
Sea i es estado de la cadena de Markov, { } k i ,...., 1 ,
ij
la frecuencia de transicin del estado
i al estado j, con i j, y
i
la frecuencia de llegada cuando la cadena de Markov est en el
estado i, con
i
> 0. Definamos

=
=
k
j i j
ij i
; 1

En forma matricial tenemos
(
(
(
(




=
k k k
k
k
Q
. . .
. . . .
. . .
. . .
2 1
2 2 21
1 12 1

(
(
(
(

=
k
. . . 0 0
. . . .
0 . . . 0
0 . . . 0
2
1

Suponiendo que Q no depende del tiempo t, el vector de probabilidad en rgimen estacionario
de Q es la solucin del siguiente sistema de ecuaciones:
1 ; 0
1
= =

=
k
i
i
Q
Representemos por X
m
el tiempo entre las llegadas (m 1)-sima y m-sima. La distribucin
de X
m
depende de los estados del proceso de Markov entre las dos llegadas, digamos entre los
estados i y j. Entre los instantes de ambas llegadas, se produce un cierto nmero de
transiciones, geomtricamente distribuido, desde el estado i al estado j a travs de uno o
varios pasos durante los cuales no se produce ninguna llegada. Este perodo viene finalmente
seguido por una transicin desde el estado i al estado j en que se produce la llegada cuando el
proceso est en el estado j. Sean:
- J
m
= estado del proceso de Markov en el instante en que se produce la m-sima llegada.
- F
ij
(x) = Pr[J
m
= j, X
m
x , J
m - 1
= i], m 2, la probabilidad que el tiempo entre las llegadas
(m 1)-sima y m-sima sea menor o igual que x, y que el proceso en el estado j cuando se
produce la m-sima llegada dado que la (m 1)-sima llegada se haya producido cuando el
sistema estaba en el estado i. Cuando el instante de origen no corresponde con uno de
llegada, hay que definir las probabilidades Pr[J
1
= j, X
1
x , J
0
= i], es decir, cuando m =
1.
- ( ) ( ) | | x F x F
ij
= , i, j = 1, ., k.
Entonces la secuencia ( ) { } 0 , , m X J
m m
es un proceso markoviano de renovacin con matriz
de probabilidades de transicin F(x), donde
( )
( )
=



0
x
u Q
du e x F
con
363
( ) ( ) =
1
Q F
Para obtener los momentos condicionales entre del tiempo entre las llegadas (m 1)-sima y
m-sima, observemos primero que la transformada de Laplace de F(), f
*
(s), viene dada por
( ) ( ) | | ( ) + = =
1 *
exp Q sI sX E s f
El r-simo momento de X
m
,
r
m
, puede obtenerse entonces de la r-sima derivada de f
*
(s), que
vale
( ) | | ( )
( )
1 , 1 , !
1
1
1
=
+

m r Q Q r
r
m
r
m

De forma similar, la matriz transformada de Laplace conjunta f
*
(s
1
, s
2
, ., s
m
) de X
1
, X
2
, .,
X
m
, m > 1, viene dada por
( ) ( ) | |

=

=
+ =
(

|
.
|

\
|
=
m
j
j
m
l
l l m
Q I s X s E s s s f
1
1
1
2 1
*
exp ,...., ,
Entonces
1; m + 1
= E[X
1
X
m + 1
] se obtiene a partir de f
*
(s
1
, s
2
, ., s
m
):
( ) ( ) | |
( )
( ) =

+

+
2
1
1 2
1 ; 1
Q Q Q
m
m

Entonces el paso r-simo de la matriz de correlacin E[X
1
E[X
1
]]E[X
r + 1
E[X
r + 1
]], r 1,
viene dado por
( ) ( ) | | ( ) | |( )

2 1
1
1 2
Q Q I Q Q
m

Para caracterizar completamente un MMPP, debe definirse el estado inicial del proceso P.
Dos posibles definiciones son:
- MMPP empieza en un instante arbitrario que es P = /, donde = (
1
, .,
1
)
T
se
conoce como el entorno estacionario del MMPP
- P es el vector estacionario F(), conocido como el intervalo estacionario del MMPP.
Dado el vector de probabilidad inicial P del MMPP, su matriz de transicin en el m-simo
paso, esto es, su probabilidad de estar en el estado j se produzca en el instante m-simo con j
= 1, 2, ., k, viene dada por
( ) | |
m
Q P
1

Los momentos de la distribucin de los tiempos entre llegadas y la matriz de coeficientes de
correlacin se determinan de forma similar.
Consideremos el MMPP de dos estados con parmetros Q y , donde
(



=
2 2
1 1
Q
(

=
2
1
0
0

Sean, adems,
- T
i
= tiempo hasta la siguiente llegada dado que se produce una llegada cuando el proceso
est en el estado i.
364
- t
i
= tiempo hasta el siguiente acontecimiento dado que se produce una llegada cuando el
proceso est en el estado i.
Consideremos el proceso inmediatamente despus de que se produzca una llegada en el
estado i. Debido a la falta de memoria de la distribucin exponencial, el tiempo de
permanencia en el estado i est exponencialmente distribuido con media
i
. El siguiente
acontecimiento es o una llegada o una transicin desde el estado i a otro estado, siendo la
distribucin del tiempo hasta el prximo acontecimiento el mnimo de las dos variables
aleatorias. Puesto que los dos acontecimientos estn exponencialmente distribuidos con
frecuencias
i
y
i
, el tiempo hasta el siguiente acontecimiento est exponencialmente
distribuido con frecuencia (
i
+
i
). Adems, el siguiente acontecimiento ser una llegada con
probabilidad (en adelante c.p.)
i
/(
i
+
i
) o una transicin de estado c.p.
i
/(
i
+
i
).
Entonces,
( )
( )

+ +
+
=
1 1 1 2 1
1 1 1 1
1
/ c.p.
/ c.p.
T t
t
T
( )
( )

+ +
+
=
2 2 2 1 2
2 2 2 2
2
/ c.p.
/ c.p.
T t
t
T
La transformada de Laplace de T
1
, A
1
(s), y de T
2
, A
2
(s), se obtienen de la forma siguiente,
( ) ( ) s A
s s
s A
2
1 1
1
1 1
1 1
1 1
1
1 1
1 1
1
+

+ +
+
+
+

+ +
+
=
( ) ( ) s A
s s
s A
1
2 2
2
2 2
2 2
2 2
2
2 2
2 2
2
+

+ +
+
+
+

+ +
+
=
Resolviendo
( )
( )
( )( )
2 1 2 2 1 1
2 2 1 2 1
1
+ + + +
+ + +
=
s s
s
s A
( )
( )
( )( )
2 1 2 2 1 1
1 1 2 1 2
2
+ + + +
+ + +
=
s s
s
s A
Dados A
1
(s) y A
2
(s), y (
1
,
2
) = (
1
/(
1
+
2
),
2
/(
1
+
2
), la transformada de Laplace de la
funcin de distribucin de la probabilidad del tiempo entre llegadas incondicional A(s) viene
dada por
( ) ( ) ( )
( )
( )( )
( )
2 1 2 1 1 2
2
2 1 2 1 1 2
2 1 2 1 1 2 2 1 1 2
2
2 1
2
1 2
2 2 1 1
1
1
+ +
+ + + +
+
+ + +
+
+
= + =
s s
s
s A s A s A

La media E[T] y el coeficiente cuadrtico de variacin c
2
(T) del tiempo entre llegadas de un
MMPP de dos estados se obtiene a partir de las dos primeras derivadas de A(s) y son
| |
1 2 2 1
2 1
+
+
= T E
365
( )
( )
( )( )
2
2 1 1 2 1 2 2 1
2
2 1 2 1 2
2
+ + +

= T c
Adems, la correlacin con decalaje unitario del tiempo entre celdas C(1) es
( )
| | ( ) | | ( ) | |
( )
( )
( )( )( )
2
2 1 1 2 1 2 2 1
2
2 1 2 1 2 1 1 1
Var
1
+ + +

=

=
+ +
T c
T
T E T T E T E
C
r r r r

Observemos que un IPP es un caso particular de MMPP con k = 2 y
2
= 0. Adems, si
1
=

2
, entonces el MMPP se reduce a un proceso de Poisson con frecuencia
1
.
4.4.3.3.1.2. Superposicin de MMPPs
La superposicin de MMPPs es otro MMPP. Consideremos N MMPPs, cada uno con
parmetros Q
i
y
i
. Entonces la matriz de transicin Q y la matriz de frecuencias de llegada
del proceso resultante de la superposicin son
N N
Q Q Q Q = = .... y ....
2 1 2 1

donde es la suma de Kronecker, definida a continuacin. Observemos que tanto Q como
son matrices de k k, donde

=
=
N
i
i
k k
1

La suma de Kronecker de dos matrices Q
1
y Q
2
se define como sigue:
( ) ( )
2 1 2 1
1 2
Q I I Q Q Q
Q Q
+ =
donde 2 , 1 , = i I
i
Q
, es la matriz identidad del mismo orden que la matriz Q
i
y representa el
producto de Kronecker, que se define para dos matrices C = [c
ij
] y D = [d
ij
] como
(
(
(

=
D c D c D c
D c D c D c
D C
nm n n
m
. . .
. . . . . . . . . . . .
. . .
2 1
1 12 11

De forma equivalente, el estado resultante de la superposicin de N MMPPs es (i
1
, i
2
, , i
N
),
donde i
j
representa el j-simo MMPP componente. La frecuencia total de llegada en el estado
(i
1
, i
2
, , i
N
) es la suma de las frecuencias de llegada de los procesos componentes, que
dependen del estado i
j
; esto es
( )

=
=
N
j
i N
j
i i i
1
2 1
,..., ,
La tasa de transicin desde el estado (i
1
, i
2
, , i
j
= k, , i
N
) al estado (i
1
, i
2
, , i
j
= m, ,
i
N
) viene dado por la frecuencia de paso del estado i
j
= k al estado i
j
= m en el j-simo MMPP
componente.
Cuando el nmero de procesos componentes aumenta, el nmero de estados del proceso
resultante de la superposicin crece exponencialmente. Para reducir la complejidad de
resolver las colas con un gran nmero de procesos de llegada, el proceso superpuesto puede
aproximarse por un proceso ms sencillo que capture las caractersticas importantes del
366
proceso original con la mayor precisin posible. El modelo ms sencillo que tiene el potencial
de aproximar con una precisin razonable un MMPP de un gran nmero de fases es el MMPP
de dos fases definido por cuatro parmetros (
1
,
2
) y (
1
,
2
). Entonces, el problema se
reduce a elegir los parmetros del MMPP de dos estados usando cuatro mtricas del proceso
superpuesto. Por ejemplo, supongamos que se conocen los cuatro primeros momentos del
proceso superpuesto. Entonces, usando las ecuaciones de los cuatro primeros momentos del
MMPP de dos estados y los valores dados, tenemos un sistema de cuatro ecuaciones con
cuatro incgnitas, que puede resolverse para obtener los valores de las incgnitas. Sin
embargo, en general, no hay garanta que haya un MMPP que ajuste exactamente los cuatro
primeros momentos del proceso superpuesto. Incluso si hay un ajuste exacto, tenemos que
tratar un sistema no lineal. Por lo tanto, el ajuste debe hacerse de forma aproximada.
Consideremos el proceso que cuenta celdas en que el tiempo entre llegadas est distribuido
segn un MMPP de dos estados y representemos por M(t) y J(t), respectivamente, el nmero
de celdas llegadas durante (0, t], t > 0, y el estado del MMPP en el instante t, J(t) = 1, 2.
Entonces el proceso [M(t), J(t)] tiene como media m, varianza v y momento de tercer orden

3
del proceso de llegada
2 1
1 2 2 1
+
+
= m
( )
( )
2
2 1
2 1
2
1 2
+

= v
2 1
3
1 2
3
2 1
3
+
+
=
Adems, para capturar la correlacin de la secuencia de llegadas, sea r(t) la funcin de
covariancia que caracteriza la dependencia entre los tiempos de llegada en dos instantes
distintos. La siguiente igualdad es vlida para una amplia clase de procesos de Poisson
doblemente estocsticos, cuando T tiende a infinito
( ) | |
( ) | |
( )
m
dt t r
T m E
T m

+ =
0
2
1
Var

Adems, representemos por la constante de tiempo definida por
( )

=
0
1
dt t r
v

Entonces, la aproximacin exponencial de la covariancia r
ap
(t) = v exp[-t/] que ajusta r(0) y
la integral de la covariancia es una buena aproximacin de r(t) para un amplio conjunto de
condiciones. Para un MMPP de dos estados, viene dado por
2 1
1
+
=
Entonces, dados m, v,
3
y , los parmetros del MMPP de dos estados se obtienen por
( ) ( ) +

=
+
=
1

1
1
2 1

+ =
v
m
v
m
2 1

donde
367
( )
5 . 1
3
3 2
3
y 4
2
1
v
m mv m
= + + =
En este mbito no es necesario construir el proceso superpuesto y obtener los parmetros m,
v,
3
y , para obtener los parmetros del MMPP de dos estados. En su lugar, observemos que
M(t) es el proceso que cuenta las llegadas y que las secuencias son independientes con
parmetros m
i
, v
i
,
i3
y
i
, i = 1, , N, tenemos

= = = =
= = = =
N
i
i
i
N
i
i
N
i
i
N
i
i
v
v
v v m m
1 1
3 3
1 1

que simplifica el procedimiento.
4.4.3.3.1.3. MMBP
En este proceso el tiempo est discretizado en ranuras de longitud fija. La probabilidad que
una ranura contenga una celda es un proceso de Bernouilli con un parmetro que vara de
acuerdo con un proceso de Markov de r estados, que es independiente del proceso de llegada.
Al final de cada ranura, el proceso de Markov pasa del estado i al estado j c.p. p
ij
o permanece
en el estado i c.p. p
ii
, de tal forma que
r i p
r
j
ij
..., 2, , 1 , 1
1
= =

=

En el estado i, una ranura contiene una celda c.p.
i
y ninguna celda c.p. 1 -
i
. Las
probabilidades de llegada de las celdas y el proceso de Markov subyacente se suponen
independientes entre s. Un MMBP se caracteriza por la matriz de probabilidad de transicin
P y la matriz diagonal de probabilidades de llegada:
(
(
(

=
rr r r
r
p p p
p p p
P
. . .
. . . . . . . . . . . .
. . .
2 1
1 12 11

(
(
(

=
r
. . . 0 0
. . . . . . . . . . . .
0 . . . 0
1

Para determinar la funcin generatriz T(z) de los tiempos entre llegadas de celdas en un
MMBP, representemos por
j
la probabilidad en rgimen estacionario que el MMBP est en
el estado j, y = (
1
, ,
r
) y representemos por b
j
la probabilidad condicional que el
MMBP est en el estado j si se ha producido la llegada de una celda y b = (b
1
, , b
r
). Entonces
es la solucin del sistema de ecuaciones P = y / = b con ( )
T
r
= ,....,
1
. T(z)
puede obtenerse de forma similar a como se hizo con los MMPP,
( ) ( ) | | =

P I zP I bz z T
1

de donde a partir de las sucesivas derivadas podramos obtener los distintos momentos de la
distribucin.
Consideremos ahora el MMBP de dos estados con matriz de probabilidad de transicin P y
matriz de probabilidades de llegada :
(

=
(


=
0
0

1
1
q q
p p
P
368
Dado que el proceso de Markov est en el estado 1 (2), permanecer en el mismo estado en la
siguiente ranura c.p. p (q) o cambiar de estado c.p. 1 p (1 q). La probabilidad que el
MMBP est en el estado i,
i
, es la solucin del sistema de ecuaciones
| | | | 1 y , ,
2 1 2 1 2 1
= + = P
Esto es,
q p
p
q p
q

=
2
1

2
1
2 1

La probabilidad que una ranura contenga una celda (utilizacin de la fuente) viene dada por
( ) ( )
q p
p q

+
= + =
2
1 1
2 1

A continuacin obtenemos la funcin generatriz de los tiempos entre llegadas de celdas. Sea
T
i
el intervalo hasta la prxima llegada, si el proceso de Markov est en el estado i y sea T el
tiempo entre llegadas de una celda. Consideremos el instante en que se produce una llegada
cuando el proceso de Markov est en el estado 1. En la siguiente ranura:
- El MMBP puede permanecer en el estado 1 y se produce una llegada, lo cual sucede c.p.
p
- El MMBP puede moverse al estado 2 y se produce una llegada, lo cual sucede c.p. (1 -
p)
- El MMBP puede permanecer en el estado 1 y no se produce ninguna llegada, lo cual
sucede c.p. p(1 - )
- El MMBP puede moverse al estado 2, y no se produce ninguna llegada, lo cual sucede
c.p. (1 - p)(1 - )
Por lo tanto tenemos
( )
( )
( )( )
( )
( )
( )( )

+
+
+
=

+
+
+
=
1 1 c.p. 1
1 c.p. 1
1 c.p. 1
T y
1 1 c.p. 1
1 c.p. 1
1 c.p. 1
1
2 2
2
1 1
q T
q T
q q
p T
p T
p p
T
De donde se obtiene
( )
( ) ( ) ( ) | |
( )( )( ) ( ) ( ) | | 1 1 1 1 1 1
1 1 1
2
2
1
+ + +
+ +
=
z q p z q p
z p p z q p
z T
( )
( ) ( ) ( ) | |
( )( )( ) ( ) ( ) | | 1 1 1 1 1 1
1 1 1
2
2
2
+ + +
+ +
=
z q p z q p
z q q z q p
z T
Representemos ahora por a la probabilidad que el MMBP est en el estado i y que se
produzca una llegada. Usando la independencia de las llegadas y el proceso de Markov,
tenemos a
1
=
1
y a
2
=
2
. Entonces, si se produce una llegada, la probabilidad que el
MMBP est en el estado i, b
i
, es igual a
2 1
2
2
2 1
1
1

a a
a
b
a a
a
b
+
=
+
=
369
Prescindiendo de forma apropiada de las condiciones en los tiempos entre llegadas T
1
y T
2
, la
transformada en z de los tiempos entre llegadas viene dada por
( )
0 1
2
2
1
2
2
d z d z d
z c z c
z T
+ +
+
=
( ) ( )( ) ( )( ) | |
2 2
2
1 1 1 1 1 + = p q q p c
( ) ( ) | |( ) ( ) | | + + = q q p p p q c 1 1 1 1
1

( )( )( ) ( ) ( ) | | + + = p q q p d 1 1 1 1 1
2

( ) ( ) | | ( ) ( ) | | + + = 1 1 1 1
1
q p p q d
( ) ( ) + = p q d 1 1
0

En general, el k-simo momento del tiempo entre llegadas con B = (b
1
, b
2
) es igual a
| | ( ) e F F I B k T E
k k k 1
!

=
donde e = (1, 1)
T
y
( ) ( )( )
( )( ) ( )
(



=
1 1 1
1 1 1
q q
p p
F
La media E[T] y el coeficiente cuadrtico de variacin c
2
del tiempo entre llegadas de celdas
se obtienen entonces a partir de las respectivas derivadas de T(z):
| |
( ) ( ) +

=
p q
q p
T E
1 1
2

( ) ( ) | |
( ) ( ) ( )
( ) ( )
( ) ( ) | | ( ) ( ) | |( )
( ) ( ) ( ) ( ) | |
1
1 1 1 2
1 1 1 1 1 2
2
1 1
1 1 1
1 1 2
2
2

+ + +
+ + +
+
+

+

+ + +
+
=
q p p q q p
q p p q q p
q p
p q
q p p q
p q
c

La autocorrelacin del tiempo entre llegadas de un MMBP puede obtenerse de forma similar
al de los MMPP. Sea t el intervalo de tiempo entre una ranura determinada cuando el proceso
de llegada est en el estado i y la ranura en que se produce la siguiente llegada en el estado j.
Entonces
( )
( )( )
( )
( )( )
( )

+
+

=

+
+

=
1 c.p. 1
1 1 c.p. 1
1 c.p. 1

1 1 c.p. 1
1 c.p. 1
c.p. 1
21
11 21
21
11 11
q t
q t
q
t
p t
p t
p
t
( )
( )
( )( )
( )( )
( )( )

+
+

=

+
+

=
1 1 c.p. 1
1 1 c.p. 1
c.p. 1

1 1 c.p. 1
1 c.p. 1
1 c.p. 1
22
12 22
22
12 12
q t
q t
q
t
p t
p t
p
t
Sean S
n
el estado del proceso de llegada cuando se produce la n-sima llegada, T
nj
el tiempo
entre las llegadas (n - 1)-sima y n-sima, la cual se produce en el estado j. Definiendo
370
| | i S z E A
n
T
ij
nj
= =
1
|
y usando las definiciones de t
ij
y de T
nj
, tenemos
| | 2 , 1 , , = = j i z E A
ij
t
ij

Entonces,
( ) ( )( )
( ) ( )( ) ( )
( ) ( ) ( )( )
( )( ) ( ) ) ( 1 ) ( 1 1 ) (
) ( 1 1 ) ( 1 1 ) (
) ( 1 ) ( 1 1 1 ) (
) ( 1 1 ) ( 1 ) (
22 12 21
22 12 12
21 11 21
21 11 11
z qzA z zA q qz z A
z zA p z pzA z p z A
z qzA z zA q z q z A
z zA p z pzA pz z A
+ + =
+ + =
+ + =
+ + =

Definamos, adems,
( ) | | ( ) | |
( )
( ) ( )
( ) ( )
( )
( )
( )
( )
( )
( )
(

=
(

=
(

=
= = = =


2 1 2
2 1 1
2 1
2
1
22 21
12 11
1 2 1 2 1 1
,
,
,
| z , y |
1
z z C
z z C
z z C
z B
z B
z B
z A z A
z A z A
z A
i S z E z z C j S z E z B
n
T T
i n
T
j
n n n

Entonces,
( ) ( ) ( )

=
=
2
1
2 1 2 1
,
j
j ij
z B z A z z C
Viendo que C(z
1
, z
2
) = A(z
1
) B(z
2
), podemos reescribir
( ) ( )( )
( )( ) ( )
( ) ( )
( ) ( )
( )
( )
(



=
(



qz z q
z p pz
z A z A
z A z A
qz z q
z p pz
1
1
1 1 1 1
1 1 1 1
22 21
12 11

o, de forma equivalente,
( ) | | ( ) z P z A I zP I =
El trmino P(I - ) representa una transicin sin llegada, mientras que P representa una
transicin con llegada. Despejando A(z),
( ) ( ) | | z P I zP I z A =
1

Viendo que B
i
(z) = A
i1
(z) + A
i2
(z),
( ) ( ) | | ez P I zP I z B =
1

De la definicin de (z
1
, z
2
), tenemos
| | ( ) ( ) | |
( )
( )
( )
( ) ( )
( )
( ) ( )
( ) ( )
2 1
2 1 2
2 1 1
2 2 2 1
1 1
1

1 1
1
,
,
2 1 z
1
z B z A
p q
p
p q
q
z z C
z z C
S P S P z E
n n
T T
n n
(

+

+

=
=
(

= = =


371
Entonces
| |
( )
( ) ( )
( )
( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) | | ( ) | | e P I P I P I P I
p q
p
p q
q
z
z B
z
z A
p q
p
p q
q
T T E
z z
n n

(

+

+

=
=

+

+

=

= =

2 2
1 ; 1
2
2
1
1
1
1 1
1

1 1
1
1 1
1

1 1
1
2 1

De donde la funcin de autocorrelacin del tiempo entre llegadas de celdas sucesivas viene
dado por
| |
| |
| | | | | |
| |
( ) ( )( )( )
( ) ( ) ( ) ( ) | |
2 2 2
2 2
1 1 1
1
1 1 1 2
1 1 1
Varianza Varianza
Covarianza
+ + +
+
=
=

= =

q p p q q p c
q p q p
T
T E T E T T E
T
T T
n
n n n n
n
n n

Observemos que si = , el MMBP tiene solo un estado y se convierte en un proceso de
Bernouilli. Si o o son iguales a cero, entonces el MMBP degenera en un IBP. En ambos
casos especiales, la autocorrelacin de los tiempos entre llegadas de celdas es igual a cero,
que puede validarse fcilmente a partir de la funcin de autocorrelacin con decalaje igual a
1.
4.4.3.3.1.4. Superposicin de MMBPs
La superposicin de MMBPs es un proceso conmutado de lotes de Bernouilli (Switched
Batch Bernouilli Process, SBBP). El tiempo en un SBBP est dividido en ranuras de igual
longitud. Las llegadas durante una ranura se producen como un proceso de lotes con una
distribucin de lotes de la misma longitud que varan segn una cadena de Markov de k
estados.
Por simplicidad de presentacin, el proceso superpuesto se discute solamente para la
superposicin de N MMBPs, cada uno de dos estados y parmetros P
i
y
i
. Sea i
j
el estado
del j-simo proceso MMBP componente. Entonces el proceso superpuesto tiene 2
N
estados en
que cada estado (i
1
, i
2
, ., i
N
) representa el estado de los N procesos MMBP.
En particular, al final de una ranura, cada proceso componente en el estado 1 se mueve al
estado 2 c.p. (1 p
i
) o permanece en el estado 1 c.p. p
i
. Las probabilidades respectivas para
los procesos componentes que estn en el estado 2 son iguales a (1 q
i
) y q
i
, respectivamente.
Definamos, adems, ( )
*
j j
i i p como la probabilidad que el j-simo proceso componente
est en el estado
*
j
i , si estaba en el estado i durante la ranura previa, y ( ) ' i i p como la
probabilidad que el SBBP est en el estado i, si estaba en el estado i durante la ranura previa.
Entonces,
( ) ( )

=
=
N
j
j j
i i p i i p
1
*
'
Las probabilidades ( ) ' i i p definen los elementos de la matriz de probabilidades de
transicin del proceso superpuesto. Para caracterizar completamente el SBBP, sea B
i
la
variable aleatoria que representa la distribucin del tamao del lote cuando el proceso
superpuesto est en el estado i = (i
1
, i
2
, ., i
N
). Sea (i
j
) la probabilidad que se produzca la
llegada de una celda en el proceso componente j; (i
j
) =
j
si el proceso est en el estado 1 o
372
(i
j
) =
j
si est en el estado 2. En los dos extremos, ninguno de los procesos componentes
puede generar una celda, esto es, B
i
= 0, que se produce c.p.
( ) | |

=

N
j
j
i
1
1
o cada proceso componente puede generar una celda, esto es, B
i
= N, c.p.
( )

=

N
j
j
i
1

Cuando se generan m celdas, m de las N fuentes generan celdas, mientras que no se producen
llegadas de las otras N m fuentes. Hay
( )! !
!
m N m
N

diferentes combinaciones de las m de las


N fuentes generando celdas para que esto suceda. Sea S
l
el conjunto de las m-tuplas de ndices
y S = (1, , N). Adems, sea q N los ndices del proceso componente l que genera celdas,
mientras que los que no generan celdas viene dado en N q. La distribucin de probabilidad
viene dado ahora por
| | ( ) ( ) | |
( )
N l i i l B
l j j
s r q S i
j
q i
j i
,...., 0 , 1 Pr = = =



Entonces el proceso superpuesto es un SBBP de 2
N
estados con una matriz de probabilidad de
transicin P = [ ( ) ' i i p ] y una distribucin del tamao del lote Pr[B
i
= l] para cada estado i
y l = 0, , N.
4.4.3.3.2. Asignacin de ancho de banda

4.4.3.3.3. Algoritmos de admisin de llamadas

4.4.3.4. Conformacin del trfico

4.4.3.5. Deteccin de infracciones de trfico

4.4.3.6. Descarte selectivo

4.4.3.7. Mecanismos reactivos de control de la congestin

4.4.4. CONMUTACIN DE CELDAS ATM

También podría gustarte