Beruflich Dokumente
Kultur Dokumente
Fabian Mancilla
U. de Santiago de Chile
fabian.mancillac@usach.cl
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
1 / 24
Sistemas de Espera
Un sistema de espera consiste basicamente en un flujo de entidades de un cierto
tipo (personas, llamadas telefonicas, autom
oviles, procesos computacionales, etc.)
que llegan a una cierta infraestructura a solicitar un determinado servicio. Esta
infraestructura tiene capacidad limitada, por lo que no puede atender a todas las
entidades simultaneamente. En nuestro contexto, el proceso de llegada de las
entidades al sistema es de caracter aleatorio, as como tambien el proceso de
servicio.
Nuestro objetivo es estudiar la congestion o demora que se produce en estos
sistemas, desde el punto de vista de su variaci
on estoc
astica; es decir, en
promedio la capacidad de procesos del sistema sera suficiente para atender a las
entidades; sin embargo, las variaciones de los tiempos entre llegadas al sistema y
de los tiempos de servicio, en relaci
on a sus respectivos promedios, generaran una
congestion.
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
2 / 24
Sistemas de Espera
Graficamente un sistema de espera puede caracterizarse de la siguiente manera:
Centro de Servicio
Servidor 1
Salidas
Poblacin
Cola
Servidor 2
Servidor 3
Modelos Estoc
asticos
3 / 24
Sistemas de Espera
En estos sistemas nos interesara definir una o mas medidas de desempeno las que
pueden ser:
Tiempo promedio de espera en el sistema (W ) o en la cola (Wq ).
Largo promedio de la cola (Lq ).
Tasa de utilizaci
on de los servidores ().
Tiempo promedio de atenci
on en servidor (Ws ).
Las polticas de atenci
on usuales son FIFO (first input, first output), LIFO (last
input, first output) y SIRO (service in random order ).
Observaci
on: Por lo general, los sistemas de espera que estudiaremos obedecen a
la regla de conservacion del trabajo: un servidor no puede estar ocioso cuando hay
entidades esperando a ser atendidas.
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
4 / 24
Notacion de Kendall
La notaci
on de Kendall es una forma de describir abreviadamente un sistema de
espera. Se escribe de la siguiente forma:
A/B/n/K/D/E
A describe al proceso de llegadas (o distribuci
on del tiempo entre llegadas).
B describe la distribuci
on de los tiempo de servicio.
n describe el numero de servidores (en paralelo).
K describe la capacidad del sistema, es decir, el n
umero maximo de
entidades en cola y en servicio. Por defecto es infinito.
D describe el tamano de la poblaci
on de origen de las entidades que llegan
al sistema. Por defecto es infinito.
E describe la disciplina de atenci
on. Por defecto es FIFO.
Cuando los valores por defecto de K, D y E se utilizan, se utiliza la notaci
on:
A/B/n
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
5 / 24
Notacion de Kendall
Los smbolos tradicionalmente utilizados para A y B son:
GI distribuci
on general para los tiempos entre llegadas independientes.
G distribuci
on general para los tiempos de servicio.
M tiempos entre llegadas y/o de servicio exponenciales.
D tiempos entre llegadas y/o de servicio constantes.
Por ejemplo, el sistema M/M/2 corresponde a uno con tiempos entre llegadas y
de servicios exponenciales, con dos servidores, con capacidad infinita, la poblaci
on
de origen de las entidades es infinita y la disciplina de atenci
on es FIFO.
Por otro lado, el sistema M/G/3/20 corresponde a uno con tiempos entre
llegadas exponenciales, con distribuci
on G (no exponencial) de tiempos de
servicios, tres servisores, con capacidad de 20 entidades, la poblaci
on de origen de
las entidades es infinita y la disciplina de atenci
on es FIFO.
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
6 / 24
Sistema M/M/1
Este sistema corresponde al mas simple de la familia de sistemas de espera. Los
clientes arriban segun un proceso de Poisson (por que?) y los tiempos de
atenci
on del servidor se distribuyen de forma exponencial. Existe un unico servidor
y la capacidad total del sistema es infinita as como tambien la poblaci
on de
origen de las entidades. La disciplina de atenci
on es FIFO.
Cola
Servidor
Llegadas
Salidas
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
7 / 24
Sistema M/M/1
En este caso se tiene que;
n =
n =
...
n1
n+1
P0
2
P0
3
( + )P2 = P2 + P3 P3 = P2 =
P0
( + )P1 = P0 + P2 P2 = P1 =
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
8 / 24
Sistema M/M/1
Luego, si se define la tasa de utilizaci
on =
se tiene que,
Pn = n P0
Notese que el sistema no colapsara si < , es decir si < 1. Para obtener P0 ,
observemos que:
P0 +
Pn = 1 P0 +
n=1
Luego, como
n =
n=1
n P0 = 1
n=1
obtenemos,
1
P0 = 1
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
9 / 24
Sistema M/M/1
Para este sistema se define las siguientes medidas de desempeno;
N medio de entidades en el sistema L =
N medio de entidades en cola Lq =
2
1
Lq
Modelos Estoc
asticos
10 / 24
Sistema M/M/1
Si representamos L y W en funcion de obtenemos las siguientes graficas:
Modelos Estoc
asticos
11 / 24
Sistema M/M/1
Ejemplo: A una central telefonica de comunicaciones llegan mensajes de forma
aleatoria, en donde los tiempos entre llegadas se distribuye exponencialmente con
tasa de 240 mensajes por minuto. La velocidad de transmisi
on de la lnea de la
central es 800 caracteres por segundo. La distribuci
on de la longitud de los
mensajes es aproximadamente exponencial con longitud media de 176 caracteres.
1
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
12 / 24
Sistema M/M/C
Ahora consideraremos un sistema con m
ultiples servidores, en concreto, con
C 1 servidores.
...
2
2
C 1
(C 1)
C +1
C
C
si 0 n < C
n
n =
C si n C
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
13 / 24
Sistema M/M/C
Utilizando las ecuaciones de balance, tenemos que:
0 P0 = 1 P1 P1 =
0
P0
1
(1 + 1 )P1 = 0 P0 + 2 P2 P2 =
1 0
P0
2 1
(2 + 2 )P2 = 2 P2 + 3 P3 P3 =
2 1 0
P0
3 2 1
Luego,
Pn =
n1 n2 . . . 0
P0
n n1 . . . 1
Pn =
n1
Pn1 =
Pn1
n
n
o bien
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
14 / 24
Sistema M/M/C
P0
Pn =
n!
y si n C de tiene
Pn =
Fabi
an Mancilla (Usach)
n
CC
P0
C!
Modelos Estoc
asticos
15 / 24
Sistema M/M/C
Pn = 1 P0 +
n=1
C1
X
Pn +
n=1
Pn = 1
n=C
Obteniendo,
P0 =
C1
X
n=0
Fabi
an Mancilla (Usach)
n
n C !1
X
1
C
+
n!
C
C!
n=C
Modelos Estoc
asticos
16 / 24
Sistema M/M/C
P0 =
C1
X
n=0
n
C
1
1
+
n!
C!
, en donde se
C
1
1
C
Podemos obtener algunos indicadores claves del sistema M/M/C, como por
ejemplo la probabilidad de que un cliente tenga que hacer cola al llegar. Esta
probabilidad coincide con la probabilidad de que el cliente encuentre C o mas
clientes en el sistema, la cual denotaremos por C(C, a) (funcion de retraso de
Erlang), en donde a = /.
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
17 / 24
Sistema M/M/C
C(C, a) =
Pn
n=C
=1
C1
X
Pn
n=0
= 1 P0
C1
X
n=0
an
n!
aC
= C! P0
1
Luego, la probabilidad de que el cliente no tenga que hacer cola es 1 C(C, a).
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
18 / 24
Sistema M/M/C
C(C, a)
N medio de entidades en cola Lq =
1
N medio de entidades en servicio Ls =
C(C, a)
Lq
=
c(1 )
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
19 / 24
Sistema M/M/C
Ejemplo: En un hospital llegan pacientes a una tasa de 10 personas por hora.
S
olo existe dos box de atenci
on en los cuales se atienden a los pacientes con un
tiempo aleatorio exponencial de media 1/8 horas. Determine
1
P0
Ls
Ws ,
Lq
Wq .
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
20 / 24
Sistema M/M/1/K
En la practica, suele ocurrir que el sistema tiene capacidad finita K, en el sentido
de que si hay K entidades en el sistema no se pueden producir entradas.
...
K 1
si 0 n K 1
n =
0 si n = K
Este caso tiene una expresi
on similar para Pn que en el sistema M/M/1.
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
21 / 24
Sistema M/M/1/K
Es decir,
n
P0
Pn = P0 =
en donde,
K
X
n=0
Luego,
Pn = P0 +
K n
X
n=1
P0 = 1
P0 =
K+1 , si 6= 1
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
22 / 24
Sistema M/M/1/K
(K + 1)K+1
1
1 K+1
(1 + KK )
1
1 K+1
1
KK
Tiempo medio de espera en fila Wq =
1 1 K
1
KK
1
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
23 / 24
Sistema M/M/1/K
Ejemplo: Para el caso anterior de la central de comunicaciones suponga ahora
que se desea disenar el sistema de manera que el tama
no del acumulador sea
mnimo y la probabilidad de que el sistema este lleno sea menor que un 0.5 %.
Para ese tamano calcular L, Lq , W y Wq .
Ejemplo: A un sistema de atenci
on de una peque
na sucursal bancaria que tiene
solo un cajero, llegan personas seg
un un proceso de Poisson con una tasa = 10
[persona/hora], se sabe ademas que el cajero atiende personas de forma
exponencial a tasa = 30 [personas/hora]. Cuando una persona es atendida se
calcula que la probabilidad de que regrese a hacer otro tramite bancario es
= 0, 5.
1
Fabi
an Mancilla (Usach)
Modelos Estoc
asticos
24 / 24