Beruflich Dokumente
Kultur Dokumente
Una de las herramientas matemáticas más poderosas para realizar análisis cuantitativos de
las redes de ordenadores es la teoría de colas de espera. Esta técnica se desarrollo
primeramente para analizar el comportamiento estadístico de los sistemas de conmutación
telefónica, sin embargo, desde entonces, también ha sido aplicada para resolver muchos
problemas de redes.
SISTEMAS DE COLAS
Se pueden utilizar sistemas de colas de espera para modelar procesos en los cuales los
clientes van llegando, esperan su turno para recibir el servicio, reciben el servicio y luego se
marchan. Ejemplos de sistemas de colas de espera se encuentran en las cajas registradoras
de los supermercados, en las ventanillas despachadoras de boletos para la Serie Mundial de
béisbol y en las salas de espera de los consultorios médicos. Los sistemas de colas de espera
pueden definirse mediante cinco componentes:
Conviene notar explícitamente que sólo estamos considerando sistemas con un numero
infinito de clientes ( es decir, la existencia de una larga cola no reduce la población de
clientes a tal grado que se reduzca materialmente la velocidad de entradas). ( En contraste,
en un modelo de un sistema de tiempo compartido, sólo existe un número finito de clientes.
Si la mitad de ellos están esperando una respuesta, la velocidad de entrada se reducirá
significativamente.)
La densidad de probabilidad del tiempo entre llegadas describe el intervalo de tiempo entre
llegadas consecutivas. Podríamos imaginarnos que contratáramos a alguna persona (por
ejemplo, a un estudiante de posgrado, ya que no cuestan mucho) para observar la llegada de
los clientes. A cada llegada, el observador registraría el tiempo transcurrido desde que
ocurrió la llegada previa. Después de que hubiese transcurrido un tiempo suficientemente
largo de estar registrando las muestras, la listas de números podría clasificarse y agruparse:
es decir, tantos tiempos entre llegadas de 0.1 segundos, tantos de 0.2 seg., etc. Esta densidad
de probabilidad caracteriza el proceso de llegadas.
Cada cliente requiere de cierta cantidad de tiempo proporcionado por el servidor. El tiempo
de servicio requerido varia entre un cliente y otro ( por ejemplo, un cliente puede presentar
un carro lleno de artículos que abarrote la caja, y el siguiente puede traer únicamente una
caja de galletas dulces). Para analizar un sistema de colas de espera, deben conocerse tanto
la función de densidad de probabilidad del tiempo de servicio, como la función de densidad
del tiempo entre llegadas.
La cantidad de servidores no necesita explicarse. Muchos bancos, por ejemplo, tienen una
sola cola larga para todos sus clientes y, cada vez que un cajero se libera, el cliente que se
encuentra al frente de la cola se dirige a dicha caja. A este sistema se le denomina sistema
de cola multiservidor. En otros bancos , cada cajero o cajera, tiene su propia cola particular.
En este caso tendremos un conjunto de colas independientes de un solo servidor, y no un
sistema multiservidor.
La disciplina de ordenamiento de una cola describe el orden según el cual los clientes van
siendo tomados de la cola de espera. Los supermercados utilizan el método del primero en
llegar es el primero en ser servido. En las salas de urgencia de los hospitales se utiliza, más
amenudo, el criterio de primero el que esté más grave, no el primero en llegar es el primero
en ser atendido. En un entorno amistoso de oficina, ante la fotocopiadora, se despacha
primero al que tenga menor trabajo.
No todos los sistemas de colas de espera poseen una capacidad infinita de recepción de
clientes. Cuando demasiados clientes quieren hacer cola, pero sólo existe un número finito
de lugares en cola de espera, algunos de estos clientes se pierden o son rechazados.
El estado del arte actual cubre desde el sistema M/M/1, del cual se conoce absolutamente
todo, hasta el sistema G/G/m, para el no se conoce, hasta la fecha, ninguna solución
analítica exacta.
Ahora demostraremos que las llegadas de Poisson generan una densidad de probabilidad de
tiempo entre llegadas de tipo exponencial. La probabilidad, a(t)δt, de que un intervalo entre
llegadas se encuentre entre t y t+δt, es exactamente la probabilidad de que no existan
llegadas durante un tiempo t, multiplicada por la probabilidad de que exista una sola llegada
en el intervalo infinitesimal δt:
donde
.
En el limite δt--->0 y el factor exponencial en P1 se acerca a la unidad, por lo tanto
Nótese que la integración de la ecuación A-2, entre 0 y &inf; es igual a 1, como debe ser.
PROCESO DE POISSON
El proceso de llegada de Poisson es el más usado en el diseño de los modelos de colas. Este
ha sido muy difundido para el trafico de redes telefónicas así como para la evaluación del
desempeño de sistemas de conmutación en general. Además el proceso de Poisson se ha
utilizado para modelar la generación de fotones y la estadística de fotodetectores, a fin de
representar procesos de ruido por impacto y estudiar el fenómeno de generación de
electrones-huecos en semiconductores, entre otras aplicaciones.
Considérese un pequeño intervalo de tiempo δt(δt-->0, separando los tiempos t y t+δt, como
se muestra en la figura 2.2. Entonces:
La varianza:
La distribución de Poisson de la ecuación (2.1) se deriva sin dificultad usando los tres
enunciados del proceso de Poisson. Con referencia a la figura 2.3, considerése una
secuencia de m pequeños intervalos, cada uno de longitud δt. Sea p=λδt la probabilidad de
un evento (llegada) en cualquier intervalo δt, mientras que laprobabilidad de 0 eventos es
q=1-λδt. Usando el enunciado de independencia, parece entonces que la probabilidad de k
eventos(llegadas) en cualquier intervalo T=mδt está dada por la distribución binomial
con
Ahora, sea δt-->0, pero con T=mδt fijo. Usando la ecuación que que define la exponencial,
Ahora considérese un intervalo grande de tiempo, y señálense los intervalos en los que
ocurre un evento (llegada) Poisson. Se obtiene una secuencia aleatoria de puntos como la
demostrada en la figura 2.4. El tiempo entre las llegadas sucesivas se representa con el
simbolo τ. Es evidente que τ es una variable aleatoria positiva con distribución continua. En
la estadística de Poisson, τ es una variable aleatoria de distribución exponencial; es decir, su
función de densidad de probabilidad está dada por
un flujo de Poisson, con parámetro de llegada . Esta es una propiedad muy útil, y
constituye una de las razones por las que amenudo se usan modelos de procesos de llegadas
de Poisson para las llegadas. En el contexto de redes de conmutación de paquetes y
conmutación de circuitos, esta situación ocurre al combinar estadística de paquetes y
llamadas de varias fuentes de datos (terminales y teléfonos), cada una de las cuales genera
paquetes o llamadas (según el caso) con cierta tasa de Poisson. Una prueba sencilla es la
siguiente: sea el número de eventos en un proceso de Poisson i, i=1,2,...m en el
intervalo (t,t+δt). Sea N(t,t+δt) el número total de eventos de flujo compuesto. Entonces
COLAS M/M/Q
Supongamos ahora un modelo de nodo algo más realista, donde llegan de media λ tramas
por segundo, que pueden ser canalizadas por Q lineas de salida. Si una trama llega en un
momento en que todas las lineas de salida se encuentran ocupadas, es descartada. La
pregunta es ¿qué número de salidas están ocupadas por término medio?. Una representación
de la cadena de estados en este caso es la siguiente:
Obsérvese que el número de transiciones por unidad de tiempo hacia un estado inferior
depende del estado actual. Claramente, cuantas más líneas haya ocupadas en un momento
dado, mayor es la probabilidad de que alguna quede libre en el instante siguiente.
El sistema que hemos de resolver ahora es el siguiente:
con .
COLAS M/G/1
siendo u(x) la función escalón unitario. Supóngase que j tiende a infinito, y que para
entonces ya se ha establecido el equilibrio. Si se toman las expectancias de ambos lados de
la ecuación anterior, y como ,se tiene que
Es de esperar que el número promedio de llegadas en el intervalo de servicio sea menor que
uno. Y en efecto
Elevando ambos miembros de la ecuación (32), tomando las expectancias cuandoj tiende a
infinito, considerando que y suponiendo finalmente
son independientes, se obtiene finalmente que:
de donde:
donde es la varianza de la distribución del tiempod e servicio. Con todo esto, se llega
finalmente a la ecuación de Pollacek-Kinchine:
REDES DE COLAS
Una red de colas es un conjunto de nudos interconectados entre sí. Un cliente comienza su
camino en un nodo, donde espera su servicio durante un cierto tiempo, y salta a
continuación a otro, donde recibirá otro servicio. Las redes de colas pueden ser cerradas,
cuando hay un número fijo de clientes circulando, abiertas, cuando los clientes pueden
abandonar el sistema y/o otros pueden incorporarse a él, y mixtas, donde hay una población
fija y una población flotante.
La red más sencilla que podemos concebir es una formada por dos nudos en serie, cada uno
de los cuales tiene distribuciones exponenciales para los tiempos entre llegadas y para los
tiempos entre servicios.
El estudio de redes de colas se facilita enormemente por el Teorema de Burke. Burke
demostró que, en régimen estacionarío, la salida de un sistema M/M/m con una tasa de
entrada γ estadísticamente independiente del proceso de entrada. Intuitivamente se
comprende que si consideramos todo el sistema como una caja negra donde entran un
número determinado de clientes por segundo, en el equilibrio forzosamente han de salir el
mismo número de clientes por segundo, y que si la entrada es <<desordenada>> y la
operación de los servidores también lo es, la salida ha de ser forzosamente
<<desordenada>>.
El tiempo medio de respuesta de la red será igual a la suma de los tiempos medios de
respuesta en cada uno de los nodos, ya que cada nodo es independiente:
donde .
Este resultado puede generalizarse a cualquier número de nodos donde cada uno tiene uno o
más servidores exponenciales y todas las entradas son procesos de Poisson. Así, en general:
Posteriormente pudieron identificarse las condiciones bajo las cuales un sistema general con
N nodos y L clases de clientes cada una de ellas con una matriz propia, tiene solución
en forma de producto, como en (47). Para ello, los nodos que tienen entradas de poisson. Se
identificaron cuatro familias de nudos diferentes:
Consideremos a continuación una red cerrada de colas con una única clase de clientes, cuyo
número K es fijo, que circulan incesantemente por una red de N nodos, de alguno de los
cuatro tipos enumerados anteriormente. Puesto que no hay ni entradas ni salidas de la red,
se cumple que
y como al menos algunas de las son distintas de cero, el sistema anterior es linealmente
dependiente, lo que significa que no podemos encontrar los valores absolutos de los ,
sino relaciones . Ahora bien, las probabilidades dependen de los , de modo que
tampoco podemos encontrar estos en forma absoluta, y, aunque sigue existiendo una
solución en forma de producto, ya no es como en (47), sino:
donde C es una constante de normalización.
En cualquier caso, el número de estados de una red cerrada es
que para N=K=10 es del orden de cuarenta millones. Quiere esto decir que no existen
técnicas analíticas viables para solucionar el problema, y es necesario recurrir a algún
método aproximado.
El método del valor medio esta diseñado para evitar el calculo de . Consideremos una
red ciclica formada por una colección de nodos en serie donde la salida del último está
conectada a la entrada del primero. Están dados el número de clientes K y el número de
nodos N. es la tasa de servicio del nodo i, es el número de clientes que se
encuentran en el nodo i y es el tiempo medio de respuesta del nodo i. La capacidad de
servicio de la cadena es clientes por segundo, y coincide con la salida del segundo nodo.
A cada nodo i son aplicables las tres relaciones siguientes:
La primera ecuación tiene dos térmonos. El primero es el tiempo medio que el próximo
cliente (que aún no ha llegado) va a tardar en ser servido. El segundo es el tiempo que va a
tener que esperar en la cola antes de que sean servidos los clientes que van delante de él.
Las ecuaciones segunda y tercera no son más que la ley de Little aplicada a la cadena como
un todo y al nodo i. ¿ Cuál es el valor del término entre corchetes en la primera ecuación ?
Un argumento heurístico es que, ya que la primera ecuación está escrita desde el punto de
vista de un cliente que <<aún no ha llegado>> este término no vale , sino . En
resumen, se tiene el sistema de ecuaciones:
Ahora, este sistema puede solucionarse de forma iterativa, comenzando con .
Hecha esta suposición, la tercera permite encontrar , que en la primera proporciona
γ(1), quien a su vez, sustituida en la segunda, da , valor con el que comenzamos una
nueva iteración.
Tratemos de extender estos resultados al caso en que tenemos una red de cadenas. En este
caso, la salida de cada nudo puede ramificarse en varios caminos, cada uno de los cuales es
parte de un circuito cerrado. Asimismo, cada nudo puede recolectar entradas provinientes de
varios circuitos. Definamos las cantidades siguientes:
= vector de población
Este conjunto de ecuaciones puede, al igual que antes, resolverse de forma iterativa, aunque
existe también un algoritmo aproximado que reduce la complejidad computacional.