Professional Documents
Culture Documents
ndice
Elementos de teora de colas
Descripcin de un sistema de colas....................................................................................................3
El proceso de Poisson y la distribucin exponencial.........................................................................4
Variables asociadas a un sistema de colas..........................................................................................9
Notacin de Kendall.........................................................................................................................11
Cola determinstica...........................................................................................................................11
Colas tipo M/M/1
Comprobacin de la distribucin de las llegadas.............................................................................14
Estudio de la cola.............................................................................................................................16
Medidas de eficacia en estado estacionario.....................................................................................19
Frmulas de Little............................................................................................................................21
Ejemplos...........................................................................................................................................22
Colas tipo M/M/C
Estudio de la cola.............................................................................................................................24
Medidas de eficacia en estado estacionario.....................................................................................28
Ejemplos...........................................................................................................................................29
Cola tipo M/M/C/K..........................................................................................................................34
Cuadro resumen................................................................................................................................37
Colas tipo M/G/1
Estudio de la cola.............................................................................................................................38
Frmula de Pollaczek-Khintchine....................................................................................................40
Distribucin estacionaria de los puntos de salida............................................................................42
Ejemplos...........................................................................................................................................43
Colas tipo M/Ek/1.............................................................................................................................45
Colas tipo M/G/1/N..........................................................................................................................45
Colas con parmetros variables
Caso general.....................................................................................................................................47
Cola con desaliento..........................................................................................................................48
Cola binomial...................................................................................................................................48
Cola con desaliento dependiente del tiempo de servicio.................................................................49
Cola con tasa de servicio dependiente del estado............................................................................50
Cola con servidor adicional cuando la cola es grande.....................................................................50
Colas con prdidas............................................................................................................................51
Problema de las mquinas................................................................................................................52
Redes de colas
Redes de colas en serie.....................................................................................................................55
Redes de colas abiertas.....................................................................................................................56
Redes de colas cerradas....................................................................................................................57
Redes de colas cclicas......................................................................................................................57
LLEGADAS
SERVIDOR /ES
COLA
SALIDAS
t n
n!
entonces, la probabilidad de que el tiempo entre llegadas sea mayor o igual a T (que es
igual a la probabilidad de que no haya ninguna llegada en un intervalo de duracin T ),
es:
P t T P0 (T ) e T
Por tanto, la probabilidad de que el intervalo entre llegadas sea menor o igual a
T es:
P t T 1 e T
que es una ley de distribucin exponencial. En estas condiciones, el valor medio del
intervalo entre llegadas ser:
E T
donde es el nmero de llegadas por unidad de tiempo, que recibe el nombre de tasa
de llegadas.
La distribucin exponencial tiene la propiedad de prdida de memoria:
P t TS t S
P t T S ; t S
P t S
P t T S
P t S
e (T S )
e S
e T P t T
L C
n trabajos, cul es la
P N
P N 0C,t m
C
0, t
m T t f T ( t ) dt
N 0C,t
mC L
C L
m 1
e Ct C t
L e L t dt
m!
C L m1
m!
t m e C L t dt
e x dx
Si hacemos m 1 y x at , tenemos
m 1
at m e at a dt
m 1
t m e at dt m!
y, por tanto,
a m 1 m at
t e dt 1
m!
P N 0C,t m
mC L
C L m
que, por ser ambas distribuciones independientes, ser una distribucin de Poisson de
parmetro L C . Por tanto, la probabilidad pedida ser:
N 0C,t
N 0L,t
N 0C,t
P N 0C,t k ; N 0L,t n k
P N 0L,t N 0C,t n
P N 0C,t k
N 0L,t
e Ct c t
N 0L,t N 0C,t n
k!
e L C
N 0C,t
e Lt L t
n k
n k !
t t n
L C
n!
kC nL k n !
n
L C n k ! k ! k
kC nL k
L C n
C
n
k L C
L C
n k
C
Bin n ,
L C
Segundo ejemplo:
El tiempo de vida de un tubo fluorescente hasta que deja de funcionar es una
exponencial de parmetro 10 horas. Una persona entra en una habitacin mientras el
tubo fluorescente est funcionando. Si quiere trabajar cinco horas, cul es la
probabilidad de que finalice su trabajo antes de que el fluorescente deje de funcionar? Si
la vida del fluorescente no fuese exponencial, cul sera la probabilidad anterior?
Si llamamos t al tiempo de vida del tubo fluorescente, la probabilidad pedida es:
P t 5 1 P t 5 1 F (5) e 5 e
21
0.6065
P T t 5 T t
1 F ( t 5)
F (t )
Tercer ejemplo:
En un equipo de msica compuesto por radio y altavoz, el tiempo de vida de la
radio es exponencial de parmetro 1000 horas y el del altavoz es exponencial con
parmetro 500 horas. Cul es la probabilidad de que falle antes la radio?
Si llamamos X 1 al tiempo de vida de la radio y X 2 al del altavoz, la
probabilidad pedida es:
7
P X 1 X 2
P X
0
X2
1 e
X 2 x f X 2 ( x ) dx
1x
2e
2 x
dx 2
2e
2 x
P X
0
x 2 e 2 x dx
dx
x
e 1 2 dx
2
1
1
1 2 1 2 3
ltimo ejemplo:
Consideremos un punto fijo en una autopista. Sean U 1 , U 2 , ... la sucesin de
tiempos entre llegadas de vehculo a este punto. Supongamos que U 1 , U 2 , ... son
variables aleatorias independientes e idnticamente distribuidas, con distribucin:
P U k t 1 e t te t
Calcular la distribucin del nmero de vehculos que pasan por ese punto fijo
durante el intervalo de tiempo 0, t .
Llamemos N t al nmero de vehculos que pasan por el punto durante un
intervalo de duracin t y Tn al instante en el que pasa el n-simo vehculo. Entonces la
probabilidad de que el n-simo vehculo pase dentro del intervalo 0, t es igual a la
probabilidad de que el nmero de vehculos que pasa durante el intervalo sea mayor que
n:
n 1
P Tn t P N t n 1
k 0
e t t
k!
para t 0
Una variable aleatoria Tn que tiene una distribucin de este tipo, se dice que
sigue una distribucin de Erlang de parmetros , n ; en concreto, las variables U k
siguen una distribucin de Erlang de parmetros ,2 .
k t k t k 1
si n k 0
wk 0
si n k 0
ya que, en efecto, la espera del k-simo elemento finalizar cuando el (k-1)-simo finalice
el servicio y abandone el sistema. Por otra parte, se puede comprobar que el tiempo de
espera tambin es:
wk
nk
k i
wk nk t k nk t k
i 1
k 1
si t k
i 1
que es una expresin muy til, ya que en el caso de que el sistema tenga C canales de
servicio, tenemos:
kl
w k min t i sil t k
1i C
l 1
donde t i es el tiempo de llegada del primer usuario a cada canal de servicio y sil es el
tiempo de duracin del servicio al l -simo usuario del i -simo canal de servicio. Todo
lo anterior quiere decir que, conocidos los tiempos de llegada y la duracin del servicio a
cada usuario, se puede reconstruir toda la historia de la cola.
Una vez vistas las variables asociadas al usuario, vamos a definir otras variables
asociadas a un instante de tiempo t . stas son:
9
n( t )
t.
nq (t )
n(t ) nq (t ) ns (t )
nq (t ) 0
n (t ) C
nCL (t ) C ns (t )
nq (t ) n(t ) C
n(t ) C ns (t ) C
n 0
CL
Otras variables asociadas a un instante son:
X (t )
nmero de usuarios que han llegado al sistema hasta el instante t .
Y ( t ) nmero de usuarios que han accedido al servicio hasta el instante t .
Z (t )
nmero de usuarios que han salido del sistema hasta el instante t .
X (t ) k t t k , t k 1
Y (t ) k t t k wk , t k 1 wk 1
Notacin de Kendall
De las relaciones expuestas en el apartado anterior se desprende que si
conocemos las series:
tk
sk
10
11
Cola determinstica
Vamos a estudiar una cola en la que los tiempos de llegada y de servicio son
determinsticos; es decir, una cola que responde a la notacin de Kendall D/D/1. Ms
concretamente, vamos a estudiar el caso en que las llegadas y los tiempos de servicios
son constantes.
Supongamos que los usuarios llegan en intervalos de duracin a (por tanto, la
tasa de llegadas es 1 a ) y que los servicios se producen en intervalos de duracin b
(tasa de servicios igual a 1 b ). Es decir:
sk
son:
tk
b
t k 1 a
k
0 si k i
tk
(k i)a si k i
y los tiempos de espera en cola:
(k 1)b si k i
wk 0 si k i y nk 0
(k 1)b (k i)a si k i y n 0
k
(k 1)b si k i
wk
(k 1)(b a) si k i
A la expresin ( k 1)(b a ) se le llama factor de crecimiento, y aumenta de
forma directamente proporcional a k .
Otras variables correspondientes a este tipo de colas son:
12
t
a
, donde el smbolo
Y (t )
t
b
X tK Y tK
i
tK
a
tk
1
b
K ia 1
b
ib K i b K i a b
Kb Ka ia b
de forma que el primer usuario que no tendr que esperar ser el nmero:
K
ia b
ab
k 1 b si k i
wk (k 1)b ( k i)a si i k K
0 si k K
13
14
10
31
40
20
10
es decir, que la media es sensiblemente igual a la varianza, podemos suponer que se trata
de una distribucin de Poisson.
Para mayor precisin podemos efectuar el siguiente procedimiento. Supongamos
que en el estudio de otro sistema de colas ha resultado la siguiente tabla:
n
fn
0-4
0
5
1
6
0
7
3
8
3
9
6
10
5
11
9
12
10
13
11
14
8
15
6
16
1
>16
0
11.65 n e 11.65
n!
15
en Pn
16
f n 63 Pn
n0
n
fn
0-4
0
5
1
en
6
0
11.3
7
3
8
3
9
10 11 12 13 14 15 16 >16
6
5
9
10 11
8
6
1
0
5.99 6.97 7.38 7.57 6.43 5.34
12.42
f n en 2
en
n
fn
en
2
0-4
0
5
1
6
0
11.3
1.64
7
3
8
3
9
10 11 12 13 14 15 16 >16
6
5
9
10 11
8
6
1
0
5.99 6.97 7.38 7.57 6.43 5.34
12.42
0 0.56 0.36 0.78 3.25 1.33
2.37
Para poder admitir la hiptesis con un nivel de confianza del 95%, es valor del
estadstico de contraste ha de ser menor que el correspondiente al valor de la distribucin
de la 2 para 0.95 y un nmero de grados de libertad que es:
(nmero de intervalos)-(nmero de parmetros)-1=8-1-1=6
valor que resulta ser:
26 ( 0.95) 12.602
que es mayor que el calculado para el estadstico de contraste, por lo cual podemos
aceptar la hiptesis de que la distribucin dada es de Poisson de media 11.65 , con
un nivel de confianza del 95%.
Estudio de la cola
16
Pn ( t ) P n( t ) n
n caben
Pn ( t ) h 0( h) h 0( h)
P0 (t h) P0 (t ) P0 (t ) h h P1 (t ) 0(h)
Si dividimos ambas por h y tomamos lmites cuando h 0 , tenemos las
siguientes ecuaciones diferenciales:
d
dt Pn (t ) Pn (t ) Pn 1 (t ) Pn 1 (t )
d P0 (t ) P 0 (t ) P1 (t )
dt
18
Pn ( t ) Pn y es finito, se
Si el sistema es estacionario, es decir, si existe tlim
d
dt Pn (t ) 0 Pn Pn 1 Pn 1
d
P0 (t ) 0 P0 P1 P1 P0
dt
P0 P0
P2
2
P0
2
n,
n
n 1
n 1
P0 n 1 P0
P0
n
Pn 1
Naturalmente, como se trata de probabilidades, para que esta solucin sea vlida
debe ser:
Pn
n 0
de forma que:
P0
n 0
vale:
a
1 r
19
n 0
n
1
y, entonces:
P0
P0
n0
n0
lo cual slo puede ser cierto para 1 . A este cociente lo denominamos e indica la
tasa de llegadas por unidad de servicio, y es lo que recibe el nombre de intensidad de
trfico. Entonces tenemos:
Pn n P0 n (1 )
n0
n0
n0
nPn n(1 ) n (1 ) n n 1
La expresin
n n 1
es la derivada de
n0
n n 1
n0
d
d
n 0
n0
n 1 . Por tanto:
d 1
1
d 1
1 2
L 1
1 2
20
Lq E N q 0 P0
( n 1) Pn
n 1
n(1 ) n
n 1
(1 ) n
n 1
(1 )
1
con lo cual:
Lq
2
2
(n 1) P N n
Lq E N q
P ( N n)
(n 1) P( N 2) (n 1) 1 P0n P1
n2
n2
N 2
n2
Lq
1 P0 P1
De manera que:
2
Lq
1
1
La funcin de distribucin de
Tq
es:
0 si t 0
P Tq t
1 e(1)t si t 0
y su media:
Wq E Tq
21
Frmulas de Little
Son un conjunto de frmulas vlidas siempre que el sistema sea estacionario y del
tipo M/M/1:
Nmero medio de clientes en el sistema:
Nmero medio de clientes en la cola:
L W
Lq Wq
Como
Wq
tenemos:
Lq
2
2
y como
W Wq
1
1
tenemos:
L
Ejemplos
La ventanilla de un banco realiza las transacciones en un tiempo medio de 2
minutos. Los clientes llegan a la ventanilla con una tasa de 20 clientes por hora. Si se
supone que las llegadas son de Poisson y los servicios exponenciales, se pide:
a) Porcentaje de tiempo en que el cajero est ocioso.
b) Tiempo medio de estancia de los clientes en la cola.
c) Fraccin de clientes que deben esperar.
Si la atencin a los clientes dura un promedio de 2 minutos, podemos decir que la
tasa de servicio es de 30 clientes por hora. Como
22
2
1
3
20
0.0667 horas
30 10
es decir, 4 minutos.
Por ltimo, la fraccin de clientes que deben esperar es:
Lq
L
2
3
, el sistema es
Po 1 1 (1 ) 0.4444
4
2
4
Lq
9 13333
.
1 1 3
3
23
10
0.1333 horas
15 5
es decir, de 8 minutos.
Por ltimo, la probabilidad de que un cliente est menos de 12 minutos en la
tienda es equivalente a la probabilidad es la probabilidad de que el tiempo de espera ms
el de servicio sean menores que 12, lo cual tiene una distribucin exponencial con
parmetros , 1 . Por tanto:
P T 12 1 e
(1 ) t
24
1 12
15
3 60
e
0.6321
0
nh 0(h)
Ch 0(h)
si
n0
1 n C
si
nC
si
0
0(h)
n 0:
si n 1
si n 2
P n(t h) 0 P0 (t h)
P0 (t ) 1 h 0(h)
P1 (t ) 1 h 0(h) h 0(h)
P0 (t ) h 0(h) h 0(h)
0(h)
25
P0 ( t h) P0 ( t ) 1 h P1 (t ) h 0( h)
P0 (t h) P0 (t ) hP0 (t ) hP1 (t ) 0( h)
(*)
Pn (t ) 1 h 0(h) 1 nh 0(h)
Pn (t ) h 0(h) nh 0(h)
Pn 1 (t ) h 0(h) 1 (n 1) h 0(h)
Pn 1 (t ) 1 h 0(h) (n 1) h 0(h) 0(h)
de manera que:
Pn ( t h) Pn 1 ( t ) h Pn ( t ) 1 ( n) h Pn 1 ( t ) ( n 1) h 0( h)
1 n C
(**)
Se emplea el smbolo
Pn ( t ) 1 h 0( h) 1 Ch 0( h)
Pn ( t ) h 0( h) Ch 0( h)
Pn 1 (t ) h 0( h) 1 C * h 0( h)
Pn 1 ( t ) 1 h 0(h) Ch 0( h)
0( h)
cuando n( t ) C
Pn ( t h) Pn 1 ( t ) h Pn ( t ) 1 C h Pn 1 ( t ) Ch 0( h)
y, finalmente,
d
Pn (t ) Pn 1 (t ) C Pn (t ) CPn 1 ( t )
dh
26
n C
(***)
cuya resolucin nos dar el comportamiento del sistema para cada instante.
No obstante, si suponemos que existe y es finito
Pn lim Pn (t )
t
0 P0 P1
(I)
0 Pn 1 n Pn n 1 Pn 1 1 n C
0 Pn 1 C Pn 0 CPn 1
n C
P
0
1
P1
P0
2
2
2
P0
1
P2
P1
3
3
3!
P0
n!
P0
27
(II)
(III)
Pn
P0
C nC C !
n!
Pn
n C
P0
n
C n C C !
n C
P0
C 1
n0 n !
Pn P0
n0
C nC C !
nC
Si llamamos
r
rn
rn
C
C !
n 0 n ! n C C
1 P0
C 1
r
C
rn
C n C C !
nC
rC
C!
r nC
C nC
nC
rC
C!
nC
n C
rC
C!
n0
rC
1
r CC
C ! 1 C ! C r
Entonces:
C 1
n
n 0 !
P0
C!
Puede probarse que es condicin necesaria y suficiente que para que el sistema
sea estacionario que
C
28
es decir, que la intensidad de trfico por canal sea inferior al nmero de canales.
nC
nC
n C Pn
rn
C nC C !
P0
nPn
nC
nC
CPn
nC
rn
C nC C !
P0
Lq P0
C 1 ! C 2
A partir de este resultado, con las frmulas de Little tenemos que el tiempo medio
de espera en la cola es:
Wq
Lq
1
Wq
29
0 sit 0
FTq (t ) P Tq t 1
P0 si t 0
C! C
C
C t
1 e
C 1! C P0 FTq (0) si t 0
Ejemplos
Una sucursal bancaria tiene dos cajas igualmente eficientes, capaces de atender un
promedio de 60 operaciones por hora con tiempos reales de servicio que se observan
exponenciales. Los clientes llegan con una tasa de 100 por hora. Determinar:
a) Probabilidad de que haya ms de 3 usuarios simultneamente en el banco.
b) Probabilidad de que alguno de los cajeros est ocioso.
c) Probabilidad de que un cliente permanezca ms de 3 minutos en la cola.
Tenemos un sistema con =100 usuarios por hora, =60 servicios por hora y
C 2 . Como se verifica que C , podemos afirmar que el sistema es estacionario.
Entonces, la probabilidad de que haya ms de tres usuarios es:
P n 3 1 P0 P1 P2 P3
C 1
n
n 0 !
P0
1
1
2!
n!
P1
P2
P3
1
C
P0
nC
C!
C!
100 1 100
1
60
2 60
120
120 100
0.0909
100
P0
0.0909 0.1515
60
n
1
nC
C!
P0
P0
P0
2 2!
de forma que:
30
1 100
2 60
P0
1 100
4 60
0.0909 0.1263
3
0.0909 0.1052
P n 3 1 P0 P1 P2 P3 0.5261
0 si t 0
FTq (t ) P Tq t 1
P0 si t 0
C! C
C
C t
1 e
C 1! C P0 FTq (0) si t 0
100
1.6667 usuarios por minuto
60
60
P Tq 3 1 P Tq
1 e 3 C
3 1
P0 FTq (0)
C 1! C
donde
C
C
FTq (0) 1
C! C
100
60
P0 1
0.0909 0.2425
100
2 2
60
2
31
100
60
P T 3 1
1 e
3 2 1.6667
2 1.6667
0.0909 0.2425
0.2786
Lq P0
0.82
0.5
P0
C 1 ! C 2
0.82 0.5
2 15
. 0.82
1.9555 P
0
donde
C 1
1
P0
n 0 n !
1
1
0.82
1 0.82
1
0.5
0
.
5
2
C!
6
2
1 0.82
6 0.5
15
.
15
. 0.82
0.1784
32
Lq
0.3489
0.4255 dias
0.82
Wq 2.4255 dias
Una clnica canina tiene 3 veterinarios para vacunar perros. El nmero de perros
que llegan a la clnica sigue una distribucin de Poisson con una tasa media de 12 por
hora. El tiempo medio empleado en vacunar a cada perro es de 2 minutos. Determinar:
a)
b)
c)
d)
e)
C 1
1
P0
n 0 n !
1
1
12 1 12
1
30 2 30
C!
2
1 12
6 30
90
90 12
33
0.6701
P0 67.01%
Lq
donde
Lq P0
12
30
12 30
0.6701
C 1 ! C 2
2 90 12
1.27 10 3
1
1
Wq
1.06 10 4 0.0334 horas 2.0064 minutos
30
P T
P T 0.1667 1 P T 0.1667
60
10
P T
60
P T 0.1667 1 P T 0.667 1
1 e
0.1667 C
C 1 ! C
donde es necesario expresar las tasas de llegadas y de servicio en unidades por minuto:
12
0.2 perros por minuto
60
30
0.5 perros por minuto
60
Entonces:
34
P0 FTq ( 0)
C
FTq ( 0) 1
C! C
0.2
3
0.5
P0 1
0.6701 0.9918
0.2
6 3
0.5
10
P T
60
0.2
0.5
0.5
1 e
2 15
. 0.2
0.6701 0.9918
0.0009
35
C 1
n0
n !
P0
C! 1
n!
Pn
K C 1
0 n C
P0
C n C C !
C n K
P0
Veamos un ejemplo: En un taller caben cuatro mquinas que son reparadas por
dos mecnicos. Las mquinas llegan al taller como promedio una vez cada tres horas y el
tiempo medio de reparacin es de 45 minutos. Cul es el nmero medio de mquinas
estropeadas en el taller?
Es evidente que se trata de un sistema con
0.3333
1.3333
C2
K 4
0.125 1
C
C 1
n 0
n!
P0
2
1
2 1
C! 1
0.3333
1
1.3333
36
K C 1
0.3333
1.3333
0.3333
2.6667
0.3333
2 1
2.6667
0.7778
P1
0.3333
P0
0.7778 0.1944
1.3333
1
P2
P3
C 0C!
1 0.3333
8 1.3333
P0
1 0.3333
4 1.3333
P0
C C!
P4
1 0.3333
2 1.3333
P0
C 2C!
0.7778 0.0243
0.7778 0.0030
0.7778 0.0004
nPn
n0
37
Cuadro resumen
Es evidente que la cola tipo M/M/1 es un caso particular de la cola M/M/C y
sta, a su vez, de la M/M/C/K, de forma que de las expresiones obtenidas para el caso
M/M/C/K, haciendo C=1 y K=, obtenemos las expresiones correspondientes a la
M/M/1. En el siguiente cuadro se presentan las expresiones correspondientes a los tres
tipos de colas vistos hasta ahora:
M/M/1
P0
M/M/C
C 1
n0
Pn
L
Lq
Wq
Pn n P0
n!
C 1 C C
C ! 1
nC
P0
n!
C n
C P
C ! 0
nC
PC
C 1
2
C 1
1 2
1
1
C 1
1
C 1
n0
PC
C C 1 k c 1
C ! 1
n!
Po
n!
n
C P
C n C C ! 0
0nC
CnK
n C Pn
nC
K
n C Pn
PC
C 1 2
nC
PC
38
M/M/C/K
1
n C Pn
nC
1 1
n C Pn
nC
X n nN
es una cadena de Markov. Es decir, que
X n 1
X n , X n 1 , ..., X 1 X n 1 X n
n t t 0
es un proceso estocstico con incrementos independientes y adems es markoviano. Por
consiguiente:
P X n 1 n t n1 X n n t n , X n1 n t n 1 ,..., X 1 n t1 P X n 1 n t n1 X n n t n
X n 1
X n nN
es un proceso estocstico de Markov.
39
An 1
S n 1 t , Dn t n , Dn 1 t n 1
N t n 1 t , t n 1 N (t ) Poisson t
P Aa st
P A a
e t t
a 0,1,2,...
a!
P A a s t dF (t )
e t t a
f (t ) dt
a!
Pij P X n1
e t t j i 1
f (t ) dt si j i 1,i 1
j X n i P A j i 1 0 j i 1!
0
si j i 1,i 1
Para i 0 , es evidente que cuando un usuario sale del sistema dejndolo vaco,
el sistema contina vaco hasta que llega el siguiente usuario. A partir de este instante, el
nmero de usuarios que llegar vendr dado por una distribucin de Poisson de
parmetro s . Entonces:
P0 j P X n 1 j X n 0 P A j P X n 1 j X n 1 P1 j
40
Frmula de Pollaczek-Kintchine
La frmula de Pollaczek-Kintchine, tambin conocida como frmula P-K, es la
que nos permite calcular las medidas de eficacia de un sistema de colas del tipo M/G/1.
Supongamos que existe la distribucin estacionaria. Se puede demostrar que,
como en casos anteriores es condicin necesaria y suficiente para que un sistema sea
estacionario que
E s
V s 2s
Si llamamos
L( D ) E X n
(*)
donde
1 si X n 0
0 si X n 0
U Xn
E X n 1 E X n E U X n E A
E A
E U Xn E A
s t f ( t ) dt
t f (t ) dt t f (t ) dt E
41
es decir,
E U Xn E A
Si
X n21
ahora
X n2
tomamos
, tenemos:
esperanzas
matemticas
teniendo
en
cuenta
0 E U 2 X n E A 2 2 E X n U X n 2 E AU X n 2 E AX n
X n U X n X n
E U X 2 E A E X
0 E U X n E A 2 2 E X n 2 E A
0 E A
2L
( D)
L( D )
E A2
2 L
E A E A
V A E A V A
2
V A
2 1
( D)
2 E A
V A
E A2
E V A s V E A
E s V s
2 2s 2 2s
Entonces:
E A 2 2 2s 2
L( D)
2 2 2 2s 2
2 1
42
que
L( D)
2 2 2s
2 1
2 2 2s
2 1
Aqu siguen siendo vlidas las frmulas de Little; por tanto, el tiempo medio de
permanencia en el sistema ser:
W
Pn n lim P n t n n
t
43
Pij P X n1
e t t
f (t ) dt si j i 1,i 1
j X n i P A j i 1 0 j i 1!
0
si j i 1,i 1
j i 1
P0 j P1 j
P A n
n llegadas al
e t t n
f (t ) dt
n!
k0
P 0
...
k1
k2
k1
k2
k0
k1
k0
...
...
...
k 3 ...
k 2 ...
k 1 ...
... ...
k3
Ejemplos
En cierto aeropuerto, el tiempo que un avin tarda en aterrizar desde que recibe
autorizacin de la torre de control tiene de media 4 minutos y varianza 0.15, pero con
distribucin desconocida. Las llegadas de aviones al aeropuerto son de Poisson con una
media de 8 aviones por hora. Calcular el tiempo medio de espera de un avin desde que
llega al aeropuerto hasta que recibe la autorizacin para aterrizar.
La tasa de llegadas es
8
0.1333 aviones por minuto, y la tasa de servicio
60
1
0.25 , con 2s 0.15 . Como es , el sistema es estacionario con
4
es de
44
1
L 1
0.8409
1
2.308 minutos
0.1333 0.25
1
0.0833
12
0.0833
0.75 1
0.1111
2 2 2s
0.75 2 0.08332 2 90
0.75
3124
.
2 1
2 1 0.75
3124
.
9 28.5 minutos
0.0833
45
1
0.1111
9
k k t k 1e kt
k 1!
K n P A n
e t t
n!
k k k 1 kt
t e
dt
k 1 !
En este caso, es fcil demostrar que la intensidad de trfico para el sistema es:
r
46
k1
k2
... k N 1
A N 1
k0
0
k1
k2
... k N 1
A N 1
k0
k1
... k N 2
...
... ...
...
...
k1
...
k0
...
0
AN 2
...
A1
A0
donde
A j 1 k j k j 1 k j 2 ...
ki
i j
0 1 i
i 1
i
i
1
i
i 1
donde se tiene:
0 1
k
k
k
k
i i 1 1 i 1 2 i 2 ... i 1 1
0
k0
k0
k 0 1 k 0
47
n g ( n)
d
dt Po (t ) 0 P0 (t ) 1 P1 (t )
d P ( t ) P ( t ) P ( t ) P ( t )
n
n n
n 1 n 1
n 1 n 1
dt n
de forma que se puede demostrar que es condicin necesaria y suficiente para que exista
la distribucin estable que:
1
i 1
i 1
j 0
j
1
j 1
0 1 2 ...i 1
...
i 1
Entonces se obtiene:
P0 1
Pn
i 1
0 1 2 ...i 1
1 2 3 ... i
0 1 2 ... n 1
P0
1 2 3 ... n
48
n 0,1,2,...
n 1
n n
P0 1
Pn
i 1
i i!
2
3
1 2 3 ...
2! 3!
n
ne
e
n!
n n!
Cola binomial
En este caso supondremos que el tamao de la cola (del dispositivo de espera) es
limitado, de forma que el nmero mximo de usuarios en cola simultneamente es N , y
que la tasa de llegadas es funcin del tamao del dispositivo de espera y de la cantidad de
usuarios en cola, es decir, del espacio disponible en el dispositivo de espera:
N n
n N (n 1)
0
n
n N
n N
Entonces,
P0 1
i 1
i
N ii
1
1 N
n
Pn
49
N
1 N
N n
1
P0 1
N
1
1
N
n
Pn
n 0, 0
i ( i 1)
i 0
Pn n
donde e
n ( n 1)
P0
50
n
n n
de forma que:
i
P0 1
1 2 3 ...i
i 1
n
n
Pn n P0
P0
1 2 3 ...n
n!
i 0
i!
n
n!
que modeliza un sistema de colas con infinitos servidores, modelo que se adapta muy
bien a algunos sistemas de autoservicio.
n N
C2
n N
1 2
1 N 1
n P0
Pn 1
n
2 n N P0
1 n N
n N
Este modelo se adapta bien al caso de una central telefnica con C lneas; en
este sistema, las llamadas que intentan acceder a la central cuando todas las lneas estn
ocupadas se pierden. El sistema respondera a la notacin de Kendall G/G/C/C. El
objetivo al disear un sistema de este tipo es minimizar la probabilidad de perder
usuarios.
Para ello, es necesario calcular cul es la probabilidad de perder un usuario. En
efecto, supongamos un sistema de colas del tipo G/M/C/C, en el que la tasa de llegadas
sea
n f ( n)
0 P0 P1
n n Pn n 1 Pn 1 (n 1) Pn 1 0 n C
CP P
C
C 1 C 1
nC
P0 1
Pn
i 1
0 1 2 ...i 1
i i!
0 1 2 ... ni 1
n n!
Pn 0
0nC
nC
0 1 2 ...C
P0
C C!
52
r2 r3
rC
P 0 1 r
...
2! 3!
C!
rn
Pn
P0
n!
Pn 0
i 1
ri
i!
0nC
nC
PC
...
2!
3!
C!
C!
siendo n el nmero de mquinas inactivas. Por otra parte, la tasa de reparacin (que es
la tasa de servicio del sistema de mantenimiento) es:
53
n
C
1 n C
nC
Pn (t ) P N ( t ) n
N (0) i
n 0
1 n C
C n M
Pn
M!
n P0
M n !
0n M
E N
M
n0
M
nPn
Pn
C
n C 1
55
REDES DE COLAS
Redes de colas abiertas
Una red de colas es un conjunto de vrtices o nodos conectados por un conjunto
de caminos, en los que cada nodo es un sistema de colas con uno o varios servidores, de
tal forma que los usuarios que salen de uno de los sistemas de colas entran en otro
situado en otro nodo, estando estos nodos conectados en una combinacin serieparalelo, donde cada servicio se resuelve de manera independiente.
Estas redes sirven para modelizar aquellos sistemas en que los usuarios necesitan
ser servidos por varios servidores diferentes. Casos tpicos son las redes de ordenadores,
la secuenciacin de tareas en la lnea de ensamblaje de una fbrica, etc. En la prctica
generalmente se consideran solamente redes de colas de tipo markoviano.
El primer tipo de redes de colas que consideraremos es el de las colas en tndem,
o redes de colas en serie, que responden muy bien como modelos de las cadenas de
montaje, de los reconocimientos mdicos por varios especialistas, intersecciones de
trfico, etc.
Comenzaremos por el caso ms sencillo que consiste en dos servidores, es decir,
dos sistemas de colas, conectados en serie. Los usuarios llegan al primer servidor de la
red de forma poissoniana, con tasa y, una vez que son servidos, pasan al segundo
servidor. Existen, por tanto dos procesos: N 1 (t ) que es el nmero de usuarios en el
primer sistema de colas en el instante t y N 2 ( t ) que es el nmero de usuarios en el
segundo sistema en el instante t . Analizaremos el proceso conjunto N 1 (t ), N 2 ( t )
como un proceso estocstico cuyo espacio de estados es:
n ,n
1
n1 , n 2 0,1,2,3, ...
Interesa conocer
Pn1n2 P N 1 n1 , N 2 n 2
1
1
1
2
donde 1 y 2 son las tasas de servicio de los dos sistemas de colas. Si en este
sistema establecemos las probabilidades de forma similar a como hemos hecho en los
sistemas de colas anteriores, obtendremos las siguientes ecuaciones:
56
P00 2 P01
n2 0
n1 0
P P
1
2 n1n2
1 n1 1,n2 1 2 Pn1 ,n2 1 Pn1 1,n2
n1 , n2 0
nn
Pnn1 2 11 22 P00 n1, n2 0
1 2
Pnn1 2 1 1 1 2 1 2 n1, n2
nn
P00 1 1 1 2 n1 n2 0
1 i in
i 1
ij
j 1
La red se llama abierta porque existe una probabilidad no nula de que un usuario
salga de la red. Interesa conocer la distribucin de probabilidad lmite Pn1 ,n2 ,...,nk del
nmero de usuarios en cada vrtice en estado estacionario. En 1957, J. R. Jackson
(diferente a R. R. P. Jackson mencionado en la pgina anterior) demostr que:
Pn1 ,n2 ,...,nk P1 (n1 ) P2 ( n 2 )... PK (n k )
57
Pi (0)
0 r Si
r!
Pi (r )
P (0) i
r Si
i S r Si S !
i
i
siendo los i conocidos como la tasa efectiva de llegadas al vrtice i , cuyos valores
son las soluciones al sistema de ecuaciones:
K
i i ij
i 1,2,..., K
j 1
A esta solucin para las redes de colas abiertas se la conoce como Teorema de
Jackson.
ij
j 1
donde
j ( n) min n, S j
Pi i
1 ( n1 ) 2 (n 2 )... i (ni )
r r rS S Sr S
r
r 1,2, ... , K
Pn ,n ,...,n
1
58
1
2 1
11 K K
2
2 2 11 2 1
3 2 3
3 3 2 2 3 3
.. ..
K K K1 K1 1
K 1
K
y, en la distribucin lmite:
Pn1 ,n2 ,...,nK
C 1N
59
K1
i 2
K
ni