Beruflich Dokumente
Kultur Dokumente
Escuela de Ingenierı́a
Departamento de Ingenierı́a Industrial y de Sistemas
Sistemas de Espera
ICS2123 – Modelos Estocásticos
1 Definición
2 Modelos Markovianos
3 Modelos no Markovianos
4 Extensiones
Outline
1 Definición
2 Modelos Markovianos
3 Modelos no Markovianos
4 Extensiones
Motivación
A él le interesa profundamente la opinión que tengan sus clientes, entonces acoge
las quejas y decide mejorar su sistema de atención. Julio sabe que debe aumentar
la cantidad de trabajadores que atienden clientes, pero no sabe cuánto.
Motivación
Que tienen en común los siguientes sistemas?
Cajeros automáticos, check-in aeropuerto, locales de votación, peajes, centrales
telefónicas, restaurantes, semáforos.
Todos de alguna manera siguen el siguiente formato:
Motivación
Habrán notado que una parte importante del ámbito de los servicios existen
personas esperando a ser atendidas. En estos escenarios las empresas quieren
entregar un buen servicio a sus clientes, donde un servicio lento no es bienvenido.
En este tipo de sistemas existe un trade-off entre la calidad del servicio y los
costos totales, ya que al tener más servidores esto lleva a aumentar los costos,
pues muchas veces hay que contratar a una persona que haga el rol de servidor.
Definición
Modelos de este tipo son los que corresponden a sistemas de espera (o sistemas
de servicio, o modelos de colas), y para ellos nos interesará determinar, entre otras
cosas, medidas tales como el número promedio de clientes en el sistema, o en la
cola, o el tiempo promedio que un cliente debe esperar en la cola.
Para representar estos modelos, se usará la notación X1 /X2 /X3 /X4 , en donde:
X1 corresponde a la distribución de los tiempos entre llegadas.
X2 corresponde a la distribución de los tiempos de atención.
X3 corresponde a la cantidad de servidores en paralelo (1,2,3,...).
X4 corresponde a la capacidad del sistema.
Algunas consideraciones:
Si se omite X4 y se escribe X1 /X2 /X3 , se asume capacidad infinita para el
sistema.
Usaremos la letra M para representar que la distribución de tiempo
correspondiente es exponencial.
Usaremos la letra G para representar que la distribución de tiempo
correspondiente es una distribución general (no exponencial).
Medidas de desempeño
Ecuación de Little
Sean:
X (t): número de clientes en el sistema en el instante t (t ≥ 0).
Wi : tiempo de permanencia en el sistema del cliente i (i = 1, 2, 3, ...).
N(t): cantidad de clientes que han llegado en el intervalo [0, t] (t ≥ 0).
Zt
X (u)
X̄ (t) = du
t
0
Zt
X (u)
X̄ (t) = du
t
0
N(t)
X Wi
≈
t
i=1
N(t)
X Wi N(t)
= ·
N(t) t
i=1
N(t)
P Wi
representa el tiempo de permanencia promedio de los clientes que
i=1 N(t)
llegaron en el intervalo [0, t].
N(t)
representa la tasa media de llegada de los clientes que arribaron en el
t
intervalo [0, t].
Si hacemos t → ∞, la aproximación se convierte en igualdad, teniendo:
Zt N(t)
X (u) X Wi N(t)
lim du = lim · lim
t→∞ t t→∞ N(t) t→∞ t
0 i=1
Si consideramos:
Rt X (u)
L = lim du
t→∞ 0 t
N(t)
Wi P
W = lim
N(t)
t→∞ i=1
N(t)
λe = lim
t→∞ t
Podemos enunciar la ecuación de Little
Á. Lorca (PUC-Chile) Sistemas de Espera ICS2123 15 / 54
Definición
Ecuación de Little
Ecuación de Little
Para un sistema de espera se cumple la siguiente relación entre el número medio
de entidades en un sistema y el tiempo medio de permanencia de una entidad en
el sistema.
L = λe · W
Donde λe es la tasa media de entrada al sistema.
Ejercicio
Ejemplo
Si la esperanza de vida en Chile es de 81.5 años, y la población es de 17.760.000,
estime la tasa de natalidad en el paı́s.
Solución:
Sean:
L: cantidad de chilenos
W : esperanza de vida
λe : tasa de natalidad
Entonces,
L 17.760.000
λe = = ≈ 217.914
W 81.5
Outline
1 Definición
2 Modelos Markovianos
3 Modelos no Markovianos
4 Extensiones
Modelos markovianos
Sistema M/M/1
λ
Pn,n+1 =
λ+µ
µ
Pn,n−1 =
λ+µ
Pn,m = 0 ∀m 6= n + 1, n − 1
Sistema M/M/1
Recordando conceptos de CMTC, se tiene que la probabilidad de que X (t) = n es:
n
λn−1 λn−2 . . . λ0 λ
Pn = P0 = P0
µn µn−1 . . . µ1 µ
Adicionalmente, sabemos que:
∞
X
1 = Pn
n=0
∞
X
= P0 + Pn
n=1
∞
n
Xλ
= P0 + P0
n=1
µ
∞ n
X λ
= P0
n=0
µ
1
⇒ P0 = P
∞ n
λ
µ
n=0
Sistema M/M/1
Ası́:
λ
P0 = 1 −
µ
n
λ λ
Pn = 1−
µ µ
Ejercicio
Medidas de desempeño
Los clientes de un supermercado llegan a la caja de acuerdo a un proceso de
Poisson a tasa λ. Existe una única caja, cuyo tiempo de atención posee
distribución exponencial con tasa µ. Calcule:
Cantidad de personas promedio que hay en el sistema.
Cantidad de personas promedio que hay en la cola.
Cantidad de tiempo promedio que una persona pasa en el supermercado.
Ejercicio
Solución:
Se nos pide L:
∞
X
L = n · Pn
n=0
∞ n
X λ λ
= n 1−
n=0
µ µ
λ
=
µ−λ
Ejercicio
Se nos pide Lq :
∞
X
Lq = (n − 1) · Pn
n=1
∞
X ∞
X
= n · Pn − Pn
n=1 n=1
X∞
= n · Pn − (1 − P0 )
n=0
λ λ
= −
µ−λ µ
λ2
=
µ(µ − λ)
Ejercicio
Se nos pide W . Si se atiende por orden de llegada, y un cliente llega cuando
hay n − 1 clientes en la cola y 1 en la caja, entonces debe esperar a que
termine de atenderse al que está en la caja, se atiendan los otros n − 1
clientes esperando y que lo atiendan a él. Por lo tanto, el valor esperado de
n+1
tiempo de espera del cliente que llegarı́a es . Entonces:
µ
∞
X n+1
W = Pn
n=0
µ
∞ ∞
1 X X
= ·( nPn + Pn )
µ n=0 n=0
1 λ 1
= ·( + 1) =
µ µ−λ µ−λ
Notar que, si consideramos la ecuación de Little, tendrı́amos:
L λ 1 1
W = = · =
λe µ−λ λ µ−λ
Se llega al mismo resultado!
Á. Lorca (PUC-Chile) Sistemas de Espera ICS2123 28 / 54
Modelos Markovianos
Sistema M/M/1/K
Es decir, es muy parecido al sistema M/M/1, con la diferencia que si una entidad
llega al sistema y está lleno, entonces se va. Por lo tanto, la tasa de entrada
efectiva es distinta a la tasa de llegada λ.
λe = λ(1 − PK )
Sistema M/M/1/K
Además, podemos calcular:
n
λn−1 λn−2 . . . λ0 λ
Pn = P0 = P0
µn µn−1 . . . µ1 µ
K
P
De esta forma, sabiendo que Pn = 1:
n=0
1
P0 = K n
λ
P
µ
n=0
Esta sumatoria siempre converge, por lo que podemos reescribir esta expresión:
K +1
λ
XK n
λ 1 − µ
=
n=0
µ 1 − µλ
1 − µλ
⇒ P0 = K +1
1 − µλ
Á. Lorca (PUC-Chile) Sistemas de Espera ICS2123 30 / 54
Modelos Markovianos
Sistema M/M/1/K
K
X
L = nPn
n=0
K
1 − µλ
n
X λ
= n
K +1
µ
λ
n=0 1− µ
K K K +1
λ λ
λ
1 − µ −K µ + K µλ
!
µ
=
1 − µλ
K +1
λ
1− µ
Sistema M/M/1/K
Por lo tanto,
K K
K +1
λ λ
λ
1 − −K + K µλ
!
µ µ µ
W =
λ K +1
1−
µ λ(1 − PK )(1 − µλ )
Sistema M/M/c
Llegadas según un proceso de Poisson a tasa λ
Tiempos de atención exponenciales con media µ
c servidores
Capacidad infinita.
Es decir, es parecido al sistema M/M/1, pero ahora se pueden atender hasta c
entidades al mismo tiempo. Por lo tanto, si en el sistema hay c entidades o
menos, la cola va a ser nula.
La tasa de salida del sistema dependerá de la cantidad de clientes en ese momento:
n · µ si n ≤ c
µn =
c · µ si n > c
Entonces:
λn
P0 si n ≤ c
n!µn
Pn = λn
n−c
P0 si n > c
c!c µn
Sistema M/M/c
∞
P
Luego, como Pn = 1, se tiene que:
n=0
1
P0 = n
Pc λ P∞ λn
n
+ n−c
n=0 n!µ n=c+1 c!c µn
La primera sumatoria converge sı́ o sı́, mientras que la segunda sumatoria
λ
converge si < 1, y es posible demostrar que:
cµ
∞ λ
X λn λc cµ
= · λ
n=c+1
c!c n−c µn c!µc 1 − cµ
Sistema M/M/c
1
Wq = Lq
λq,e
Aquı́, la tasa efectiva de entrada a la cola es:
c−1
X
λq,e = λ(1 − Pn )
n=0
Sistema M/M/c
Proposición
Para un sistema M/M/c en que λ < cµ (es decir, para el que existen las
probabilidades lı́mites), el proceso de salida del sistema, en el largo plazo,
corresponde a un proceso de Poisson a tasa λ.
Por el contrario, para un sistema M/M/c en que λ ≥ cµ (es decir, para el que no
existen las probabilidades lı́mites), el proceso de salida del sistema, en el largo
plazo, corresponde a un proceso de Poisson a tasa cµ.
Sistema M/M/c/K
λn
P0 si n ≤ c
n!µn
Pn = λn
P0 si n > c
c!c n−c µn
Sistema M/M/c/K
K
P
Luego, como Pn = 1, se tiene que:
n=0
1
P0 = n
c
Pλ λn
K
P
n
+ n−c
n=0 n!µ n=c+1 c!c µn
Convergencia
Outline
1 Definición
2 Modelos Markovianos
3 Modelos no Markovianos
4 Extensiones
Sistema M/G /1
En la práctica, podrı́a ser no tan realista modelar los tiempos de atención con
distribución exponencial:
Sistema M/G /1
Entonces,
Xn + Yn+1 − 1 si Xn > 0
Xn+1 =
Yn+1 si Xn = 0
¡Xn es una CMTD! Sus cálculos son complejos, por lo que solamente usaremos su
valor esperado.
Sistema M/G /1
Fórmula de Pollacsek-Khinchin
Sea S el tiempo de servicio. Entonces, la cantidad media de clientes en el sistema
en el largo plazo está dada por:
λ2 E(S 2 )
lim E(Xn ) = λE(S) +
n→∞ 2(1 − λE(S))
Sistema G /M/1
Entonces,
Xn − Yn+1 + 1 si Xn − Yn+1 ≥ 0
Xn+1 =
1 si Xn − Yn+1 < 0
¡Xn es una CMTD! Sin embargo, es este caso no existe una fórmula explı́cita para
la cantidad media de clientes en el sistema.
Outline
1 Definición
2 Modelos Markovianos
3 Modelos no Markovianos
4 Extensiones
LIFO
Este sistema se puede modelar como una CMTC al igual que si la atención fuera
FIFO! La cadena quedarı́a exactamente igual, por lo que la distribución
estacionaria debe ser la misma. Ası́, P0 no cambia.
De la misma forma, el largo promedio de la cola o el tiempo de espera medio en la
cola no cambiará.
Entonces, ¿Da lo mismo la polı́tica de atención? ¿Cuál es la diferencia?
Variabilidad!
¿Qué ocurre si una entidad debe pasar por más de un servidor en el sistema?
λ
Llegada 1 2 Salida
Ejemplo
Un sistema productivo consiste en dos etapas. En la primera hay c máquinas en
paralelo que demoran un tiempo exponencial a tasa µ1 en procesar los productos,
y en la segunda existe una única máquina que demora un tiempo exponencial a
tasa µ2 en procesar productos. Si los productos arriban según un proceso de
Poisson a tasa λ:
Determine la condición de equilibrio del sistema.
Calcule el tiempo promedio de proceso de los productos asumiendo que se
cumple la condición de equilibrio del sistema.
Solución:
Por lo tanto:
Ejercicios Propuestos
Ejercicio 1:
Considere un negocio pequeño en que los clientes arriban de acuerdo a un proceso
de Poisson a tasa λ. Sin embargo, los clientes no son muy pacientes y solo
1
ingresan con probababilidad n+1 cuando hay n clientes dentro del negocio. Dentro
del negocio existe una única cajera que atiende en tiempos exponenciales a tasa µ.
Además, el sistema tiene capacidad finita N, es decir, entre los clientes que se
están atendiendo y los que esperan en la cola no puede haber más de N personas.
1 Calcule la proporción de clientes que no ingresan al local porque está lleno.
2 Calcule la cantidad media de clientes en el sistema y su permanencia media.
3 ¿Qué pasa con las cantidades calculadas anteriormente si ahora hay 2 cajeras
iguales?
Ejercicios Propuestos
Modelo no exponencial
Ejercicio 2:
Afuera de un supermercado hay un juego de niños con forma de auto donde los
niños se suben y este se mueve. Los niños llegan a este juego según un proceso
poisson con tasa α. Al juego se puede subir solo un niño a la vez y tiene una
duración de s minutos (no cambia).
1 Identifique el tipo de sistema de espera que representa esta situación.
2 Encuentre la proporción de tiempo en el largo plazo que el juego está
ocupado.
3 Encuentre el largo medio de la cola y el tiempo medio de espera en cola.
Ejercicios Propuestos
Servidores en serie
Ejercicio 3:
Considere la llegada de personas a un establecimiento para renovar su carnet de
conducir. Las personas llegan según un proceso Poisson con tasa λ. Cuando llega
la persona esta se dirige a la zona donde le toman los datos y los ingresan al
sistema. En esta zona hay 2 personas atendiendo independientemente con
tiempos de atención exponencial con tasa β (λ < 2β). Una vez que las personas
salen de esta zona van a sacarse la foto del carnet. Hay un solo fotógrafo y
demora un tiempo exponencial con tasa µ en sacar una foto (λ < µ). Después de
esto la persona se retira del establecimiento.
Considere que en ambas zonas de atención son independientes, se atienden según
una polı́tica FIFO, tienen filas únicas y tienen capacidad infinita. Calcule el
tiempo medio de permanencia y el número medio de clientes en el sistema.