Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Índice
Redes de colas
Redes de colas en serie.....................................................................................................................55
Redes de colas abiertas.....................................................................................................................56
Redes de colas cerradas....................................................................................................................57
Redes de colas cíclicas......................................................................................................................57
2
ELEMENTOS DE TEORÍA DE COLAS
LLEGADAS SALIDAS
COLA SERVIDOR /ES
3
LIFO (Last-In-First-Out): se le da servicio al último que ha llegado, de forma
que la cola está ordenada en orden inverso al de llegada de los usuarios.
SIRO (Service-In-Random-Order): Se sortea aleatoriamente cuál de los
usuarios en espera accederá al servicio.
Pn (t )
P t T P0 (T ) e T
4
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 distribución exponencial. En estas condiciones, el valor medio del
intervalo entre llegadas será:
1
E T
donde es el número de llegadas por unidad de tiempo, que recibe el nombre de tasa
de llegadas.
La distribución exponencial tiene la propiedad de pérdida de memoria:
P t T S ; t S P t T S e (T S )
P t TS t S
P t S
P t S
e S
e T P t T
5
P N
P N 0C,t m C
0 ,t m T t f T (t ) dt
0
e Ct C t
m
P N 0C,t m L e L t dt
0 m!
mC L C L m1
C L m 1 0 m!
t m e C L t dt
1
1 !
Si hacemos m 1 y x at , tenemos
m 1
at m e at a dt a
m 1
t m e at dt m!
0 0
y, por tanto,
a m 1 m at
0 m!
t e dt 1
P N 0C,t m mC L
C L m
N 0L,t N 0C,t
que, por ser ambas distribuciones independientes, será una distribución de Poisson de
parámetro L C . Por tanto, la probabilidad pedida será:
6
P N 0C,t k ; N 0L,t N 0C,t n
P N 0C,t k N 0L,t N 0C,t n P N 0L,t N 0C,t n
e Ct c t e Lt L t
k n k
P N 0C,t k ; N 0L,t n k k!
n k !
P N 0L,t N 0C,t n e L C
L C
t t n
n!
k nk
kC nL k n ! n kC nL k n C L
L C n k ! k ! k L C k L C L C
n n
C
Bin n ,
L C
Segundo ejemplo:
El tiempo de vida de un tubo fluorescente hasta que deja de funcionar es una
exponencial de parámetro 10 horas. Una persona entra en una habitación mientras el
tubo fluorescente está funcionando. Si quiere trabajar cinco horas, ¿cuál es la
probabilidad de que finalice su trabajo antes de que el fluorescente deje de funcionar? ¿Si
la vida del fluorescente no fuese exponencial, cuál sería la probabilidad anterior?
21
P t 5 1 P t 5 1 F (5) e 5 e 0.6065
Tercer ejemplo:
En un equipo de música compuesto por radio y altavoz, el tiempo de vida de la
radio es exponencial de parámetro 1000 horas y el del altavoz es exponencial con
parámetro 500 horas. ¿Cuál es la probabilidad de que falle antes la radio?
7
P X 1 X 2
P X
0
1 X2
X 2 x f X 2 ( x ) dx
P X
0
1 x 2 e 2 x dx
1 e
1x 2 x
2e dx
0
e 1 2 dx
2 x x
2e dx 2
0 0
2 1 1
P X 1 X 2 1
1 2 1 2 3
Último ejemplo:
Consideremos un punto fijo en una autopista. Sean U 1 , U 2 , ... la sucesión de
tiempos entre llegadas de vehículo a este punto. Supongamos que U 1 , U 2 , ... son
variables aleatorias independientes e idénticamente distribuidas, con distribución:
P U k t 1 e t te t
Calcular la distribución del número de vehículos que pasan por ese punto fijo
durante el intervalo de tiempo 0, t .
Una variable aleatoria Tn que tiene una distribución de este tipo, se dice que
sigue una distribución de Erlang de parámetros , n ; en concreto, las variables U k
siguen una distribución de Erlang de parámetros ,2 .
8
k t k t k 1
wk rk 1 t k si n k 0
wk 0 si n k 0
ya que, en efecto, la espera del k-ésimo elemento finalizará cuando el (k-1)-ésimo finalice
el servicio y abandone el sistema. Por otra parte, se puede comprobar que el tiempo de
espera también es:
nk
wk s
i 1
k i wk nk t k nk t k
t k nk w k nk
k 1
wk t1 si t k
i 1
que es una expresión muy útil, 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 duración del servicio al l -ésimo usuario del i -ésimo canal de servicio. Todo
lo anterior quiere decir que, conocidos los tiempos de llegada y la duración 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 . Éstas son:
9
n( t ) número de usuarios en el sistema en el instante t.
nq (t ) número de usuarios en cola.
n s (t ) número de usuarios en servicio.
nCL ( t ) número de canales libres.
n(t ) nq (t ) ns (t )
nq (t ) 0
n (t ) C
nCL (t ) C ns (t )
nq (t ) n(t ) C
n(t ) Cns (t ) C
n 0
CL
Otras variables asociadas a un instante son:
n( t ) X ( t ) Z ( t )
nq ( t ) X ( t ) Y ( t )
Y ( t ) n s (t ) Z ( t )
X (t ) k t t k , t k 1
Y (t ) k t t k wk , t k 1 wk 1
Notación de Kendall
De las relaciones expuestas en el apartado anterior se desprende que si
conocemos las series:
tk sk
10
y el número de canales C tenemos toda la información necesaria para describir la cola.
Por eso, para describir un sistema de colas se emplea la notación de Kendall, que
consiste en un grupo de letras y números de la forma:
A/B/C/m/d
11
Cola determinística
Vamos a estudiar una cola en la que los tiempos de llegada y de servicio son
determinísticos; es decir, una cola que responde a la notación de Kendall D/D/1. Más
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 duración a (por tanto, la
tasa de llegadas es 1 a ) y que los servicios se producen en intervalos de duración b
(tasa de servicios igual a 1 b ). Es decir:
k tk t k 1 a k
sk b 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 expresión ( 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
número de usuarios que han llegado al sistema hasta el instante t :
t
X (t ) i , donde el símbolo indica “parte entera de”.
a
número de usuarios que han accedido al servicio hasta el instante t :
t
Y (t ) 1
b
número de usuarios que han salido del sistema hasta el instante t :
t
Z (t )
b
X tK Y tK
tK tk
i 1
a b
i K i
K ia 1
b
ib K i b K i a b
Kb Ka ia b
de forma que el primer usuario que no tendrá que esperar será el número:
ia b
K
ab
k 1 b si k i
wk (k 1)b ( k i)a si i k K
0 si k K
y la cola desaparece en el instante:
T t K w K ( K i )a ( K 1)b ( K i ) a ( K 1)b
13
14
COLAS TIPO M/M/1
nº de llegadas por 0 1 2 3 4 5 6
hora
frecuencia 10 31 40 20 10 4 6
n 2.207
y su cuasivarianza muestral:
sn2 2.147
n sn2
es decir, que la media es sensiblemente igual a la varianza, podemos suponer que se trata
de una distribución de Poisson.
Para mayor precisión podemos efectuar el siguiente procedimiento. Supongamos
que en el estudio de otro sistema de colas ha resultado la siguiente tabla:
n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
11.65 n e 11.65
Pn
n!
con lo cual, para cada valor de n son de esperar las siguientes ocurrencias:
15
16
en Pn f n 63 Pn
n0
n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
en 11.3 5.99 6.97 7.38 7.57 6.43 5.34 12.42
f n en 2
2 n
en
n 0-4 5 6 7 8 9 10 11 12 13 14 15 16 >16
fn 0 1 0 3 3 6 5 9 10 11 8 6 1 0
en 11.3 5.99 6.97 7.38 7.57 6.43 5.34 12.42
2 1.64 0 0.56 0.36 0.78 3.25 1.33 2.37
2 10.29
Para poder admitir la hipótesis con un nivel de confianza del 95%, es valor del
estadístico de contraste ha de ser menor que el correspondiente al valor de la distribución
de la 2 para 0.95 y un número de grados de libertad que es:
26 ( 0.95) 12.602
que es mayor que el calculado para el estadístico de contraste, por lo cual podemos
aceptar la hipótesis de que la distribución dada es de Poisson de media 11 .65 , con
un nivel de confianza del 95%.
Estudio de la cola
16
En el estudio de un sistema de colas, interesa conocer la probabilidad de tener n
usuarios en el sistema en el instante t , es decir:
Pn ( t ) P n( t ) n
lim Pn ( t ) Pn
t
Sobre estas hipótesis trataremos de calcular Pn . Para ello veamos que ocurre
con la probabilidad de que en el instante (t h) el número de usuarios en el sistema sea
n ; es decir:
Pn ( t h) P n(t h) n
Pn ( t ) 1 h 0( h ) 1 h 0( h)
17
Pn ( t ) h 0( h) h 0( h)
Pn1 ( t ) 1 h 0( h) h 0( h)
Pn1 (t ) h 0( h) 1 h 0(h)
P0 ( t h) P0 (t ) 1 h P1 (t ) h 0( h)
d
dt Pn (t ) Pn (t ) Pn 1 (t ) Pn 1 (t )
d P0 (t ) P 0 (t ) P1 (t )
dt
18
Si el sistema es estacionario, es decir, si existe tlim Pn ( t ) Pn y es finito, se
pueden resolver las ecuaciones diferenciales de la forma:
d
dt Pn (t ) 0 Pn Pn 1 Pn 1
d
P0 (t ) 0 P0 P1 P1 P0
dt
2
P2 P1 P0 P0 P0 P2 P0
2
n n 1 n 1
Pn 1 Pn Pn 1 n
P0 n 1 P0 P0
n
n 1
Pn 1 P0
n 1
Naturalmente, como se trata de probabilidades, para que esta solución sea válida
debe ser:
Pn 1
n 0
de forma que:
n
P0
n 0
n
a
1 r
19
n
1
n
n 0 1
y, entonces:
n 1
P0 n 1 P0
n
1
n0
n
n0
lo cual sólo 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
tráfico. Entonces tenemos:
Pn n P0 n (1 )
L E N nPn n(1 ) n (1 ) n n 1
n0 n0 n0
1
La expresión n n 1 es la derivada de n 1 . Por tanto:
n0 n 0
d n d 1 1 L 1
1
n n1
d n 0 d 1 1 2
1 2
n0
1
L
1
20
Y el número medio de usuarios en cola será:
(1 )
Lq E N q 0 P0
n 1
( n 1) Pn
n 1
n(1 ) n (1 ) n
n 1
1
con lo cual:
2 2
Lq
1
(n 1) P N n
Lq E N q
n2
N 2
Lq
P ( N n) P
(n 1) P( N 2) (n 1) 1 P0n P1
1 P0 P1
n2 n2
De manera que:
2
1 1
Lq
2 1
0 si t 0
P Tq t (1)t
1 e si t 0
y su media:
Wq E Tq
21
Fórmulas de Little
Son un conjunto de fórmulas válidas siempre que el sistema sea estacionario y del
tipo M/M/1:
Como
Wq
1
tenemos:
2 2
Lq
1
y como
1 1
W Wq
1
tenemos:
L
1
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:
22
2
1
3
P0 1 0.3333
20
Wq 0.0667 horas
30 10
es decir, 4 minutos.
Por último, la fracción de clientes que deben esperar es:
2
Lq 1 2
L 3
1
P n( t ) 1 1 P0 P1 1 P0 Po 1 1 (1 ) 0.4444
4
2 4
Lq 9 13333
.
1 1 3
3
23
El tiempo medio de espera en cola:
10
Wq 0.1333 horas
15 5
es decir, de 8 minutos.
Por último, la probabilidad de que un cliente está menos de 12 minutos en la
tienda es equivalente a la probabilidad es la probabilidad de que el tiempo de espera más
el de servicio sean menores que 12, lo cual tiene una distribución exponencial con
parámetros , 1 . Por tanto:
1 12
15
P T 12 1 e (1 ) t
1 e 3 60 0.6321
24
COLAS TIPO M/M/C
Estudio de la cola
De acuerdo con la notación de Kendall, las colas tipo M/M/C corresponden a
sistemas con llegadas markovianas de Poisson, con tiempos de servicio exponenciales
(ambas independientes) y con C canales de servicio o servidores.
En este caso, si llamamos n al número de usuarios en el sistema en un instante
dado, si es 0 n C , entonces la variable aleatoria Z ( t ) que corresponde al número de
usuarios que han salido del sistema (que han recibido servicio) hasta t se comporta
como un proceso estocástico de Poisson de parámetro n . En cambio, si n C ,
Z ( t ) se comporta como un proceso estocástico de Poisson de parámetro C .
Tomando un intervalo de tiempo infinitesimal h , según las mismas hipótesis que
hemos manejado anteriormente, es evidente que:
0 si n 1
0(h) si n2
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)
P0 ( t h) P0 (t ) 1 h P1 (t ) h 0( h)
25
P0 (t h) P0 (t ) hP0 (t ) hP1 ( t ) 0(h)
d
P0 (t ) P0 (t ) P1 (t ) (n 0) (*)
dh
de manera que:
Pn ( t h) Pn 1 ( t ) h Pn ( t ) 1 ( n) h Pn 1 ( t ) ( n 1) h 0( h)
d
Pn (t ) Pn 1 (t ) n Pn (t ) n 1 Pn 1 (t ) 1 n C (**)
dh
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 ) n C (***)
dh
26
Si reunimos las tres ecuaciones diferenciales así logradas (*), (**) y (***),
tenemos:
d
P0 (t ) P0 (t ) P1 (t ) (n 0)
dh
d
Pn ( t ) Pn 1 (t ) n Pn (t ) n 1 Pn 1 (t ) 1 n C
dh
d
Pn ( t ) Pn 1 ( t ) C Pn (t ) CPn 1 ( t ) n C
dh
cuya resolución nos dará el comportamiento del sistema para cada instante.
No obstante, si suponemos que existe y es finito
Pn lim Pn (t )
t
0 P0 P1 n 0
(I)
P1 P
0
27
n
1
Pn P0
C n C
C!
1 n
P0 n C
n!
Pn n
1
C n C C ! P0 n C
C 1 1 n
1
n
1 Pn P0
n0 n ! C nC
C
!
n0 n C
Si llamamos
r
C 1 r n
rn
1 P0 nC
n 0 n ! n C C C !
r
C
rn rC r nC rC rC rC 1 r CC
C nC C !
C!
C n C
C!
nC C!
n
C ! 1 C ! C r
nC nC nC n0
Entonces:
1
C 1 1 n 1
C
C
P0
n 0 n !
C ! C
Puede probarse que es condición necesaria y suficiente que para que el sistema
sea estacionario que
C
28
es decir, que la intensidad de tráfico por canal sea inferior al número de canales.
Lq E N n C Pn nPn CPn
nC nC nC
rn rn
n
C nC C !
P0 C
C nC C !
P0
nC nC
C
Lq P0
C 1 ! C
2
A partir de este resultado, con las fórmulas de Little tenemos que el tiempo medio
de espera en la cola es:
Lq
Wq
1
W Wq
L W
29
0 sit 0
C
C
FTq (t ) P Tq t 1 P0 si t 0
C! C
C
1 e
C t
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:
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 más de tres usuarios es:
P n 3 1 P0 P1 P2 P3
de forma que:
30
P n 3 1 P0 P1 P2 P3 0.5261
0 si t 0
C
C
FTq (t ) P Tq t 1 P0 si t 0
C! C
C
1 e
C t
C 1! C P0 FTq (0) si t 0
100
1.6667 usuarios por minuto
60
60
1 usuario por minuto
60
C
1 e
3 C
P Tq 3 1 P Tq
3 1
C 1! C
P0 FTq (0)
donde
C
100
2
C 2
60
FTq (0) 1 P0 1 0.0909 0.2425
2 2
100
C! C
60
31
0.0909 0.2425 0.2786
100 2 3 2 1.6667
1 e
60
P T 3 1
2 1.6667
Estamos ante un sistema de colas con tasa de llegadas 300 accidentes por
año o, lo que es lo mismo, 0.82 accidentes por día, con tasa de servicio 0.5
investigaciones por día y con C 3 canales de servicio.
El número medio de accidentes cuya investigación aún no ha comenzado es el
número medio de usuarios en cola:
C 0.82 3
0.82 0.5
0 .5 1.9555 P
Lq P0 P0 0
C 1 ! C
2 2
2 15. 0.82
donde
1
C 1 1 n 1
C
C
P0
n 0 n !
C ! C
1
1
2
1
3
3
1
2 6 3
1
0.82 1 0.82
2 3
1 0.82 15
.
1 0.1784
0.5 2 0.5 6 0.5 15
. 0.82
Lq 1.9555 P0 0.3489
32
El tiempo medio desde que se produce un accidente hasta que se empieza a
investigar es el tiempo medio de espera:
Lq 0.3489
Wq 0.4255 dias
0.82
1
W Wq 2.4255 dias
L W 1.9889
Una clínica canina tiene 3 veterinarios para vacunar perros. El número de perros
que llegan a la clínica sigue una distribución de Poisson con una tasa media de 12 por
hora. El tiempo medio empleado en vacunar a cada perro es de 2 minutos. Determinar:
C
33
P0 67.01%
Lq
Wq
donde
C 12 3
12 30
30 1.27 10 3
Lq P0 0.6701 2
C 1 ! C
2
2 90 12
1 1
W Wq 1.06 10 4 0.0334 horas 2.0064 minutos
30
L W 12 1.06 10 4 0.0013
10
P T P T 01667
. 1 P T 01667
.
60
C
10
1 e 0.1667 C
P T P T 0.1667 1 P T 0.667 1 P0 FTq ( 0)
60 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
C
0.2
3
C 3
0.5
FTq ( 0) 1 P0 1 0.6701 0.9918
63
0.2
C! C
0.5
35
Cola tipo M/M/C/K
Esta cola responde a las mismas hipótesis que la cola genérica M/M/C con la
limitación de que el número máximo de usuarios que se permiten simultáneamente en el
sistema es K .
Para este tipo de colas se demuestra que, si existe el estado estacionario, se
verifica:
1
C K C 1
1
C 1 1 n C
P0
n 0 n !
C ! 1
C
1
n
P0 0 n C
n!
Pn n
1
C n C C ! P0 C n K
Veamos un ejemplo: En un taller caben cuatro máquinas que son reparadas por
dos mecánicos. Las máquinas llegan al taller como promedio una vez cada tres horas y el
tiempo medio de reparación es de 45 minutos. ¿Cuál es el número medio de máquinas
estropeadas en el taller?
0.125 1
C
1
C
K C 1
1
C 1 1 n C
P0
n 0 n !
C ! 1
C
1
2
3
0.3333 0.3333
2 3
1 1
2
0.3333 1.3333 2.6667
1 1 0.7778
1.3333 0 .3333
2 1 2 1
2 2.6667
36
0.3333
P1 P0 0.7778 0.1944
1.3333
2 2
1 1 0.3333
P2 0 P0 0.7778 0.0243
C C! 2 1.3333
3 3
1 1 0.3333
P3 P0 0.7778 0.0030
C C! 4 1.3333
4 4
1 1 0.3333
P4 P0 0.7778 0.0004
C C!
2 8 1.3333
4
L E n nPn 0.1944 2 0.0243 3 0.003 4 0.0004 0.2536
n0
37
Cuadro resumen
Es evidente que la cola tipo M/M/1 es un caso particular de la cola M/M/C y
ésta, 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:
C n C n
Pn n
Pn P0 P0 nC Po 0nC
n!
Cn ! n
C P
n
C P nC
C ! 0 0 CnK
C nC C !
L PC K
1 C 1
C 1 2
C n C Pn
nC
Lq 2 K
1 1 2
PC
n C Pn
nC
Wq 1 1 K
1 C 1
2
PC
n C Pn
nC
W 1
1 PC 1 1 K
1 1
C 1 2
n C Pn
nC
38
COLAS TIPO M/G/1
Estudio de la cola
Según la notación de Kendall, este tipo de colas viene caracterizado por un
proceso de llegadas según una ley de Poisson de parámetro , mientras que los tiempos
de servicio siguen una ley de tipo general, cuya función de distribución es F (t ) .
Además, hay un único canal de servicio.
Si llamamos t n al instante en que se produce la salida del sistema del n-ésimo
usuario, y
X n n t n
X n nN
d
X n 1
X n , X n 1 ,... , X 1 X n 1 X n
d
donde el símbolo significa “converge en distribución”. Esto es cierto porque
n t t 0
X n 1 An 1 si X n 1
X n 1
An 1 si X n 0
De forma que X n1 sólo depende de X n y An1 y, por tanto, es evidente que
el proceso
X n nN
es un proceso estocástico de Markov.
39
Como las duraciones sn de los servicios son variables aleatorias independientes
con función de distribución F (t ) , podemos llamar Dn al instante en que sale del
sistema el n-ésimo usuario y, entonces, la variable aleatoria
An 1 S n 1 t , Dn t n , Dn 1 t n 1
tiene la misma distribución que la variable aleatoria
N t n 1 t , t n 1
d d
N t n 1 t , t n 1 N (t ) Poisson t
e t t
a
P Aa st a!
a 0,1,2,...
e t t a
P A a s t dF (t )
P A a
0
0 a!
f (t ) dt
e t t j i 1
Pij P X n1
j X n i P A j i 1 0 j i 1! f (t ) dt si j i 1,i 1
0 si j i 1,i 1
Para i 0 , es evidente que cuando un usuario sale del sistema dejándolo vacío,
el sistema continúa vacío hasta que llega el siguiente usuario. A partir de este instante, el
número de usuarios que llegará vendrá dado por una distribución de Poisson de
parámetro 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
Fórmula de Pollaczek-Kintchine
La fórmula de Pollaczek-Kintchine, también conocida como fórmula 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 distribución estacionaria. Se puede demostrar que,
como en casos anteriores es condición necesaria y suficiente para que un sistema sea
estacionario que
E s 1
V s 2s
Si llamamos
L( D ) E X n
L( D ) E X n E X n 1
X n 1 X n U X n A (*)
donde
1 si X n 0
U Xn
0 si X n 0
E X n 1 E X n E U X n E A
y , como las esperanzas matemáticas de X n1 y X n son iguales, tenemos, por el
teorema de Fubini:
E U Xn E A E A
0
s t f ( t ) dt
t f (t ) dt t f (t ) dt E
s
0 0
41
es decir,
E U Xn E A
Si ahora elevamos al cuadrado la igualdad (*), tenemos:
X n21 X n2 U 2 X n A 2 2 X n U X n 2 AU X n 2 AX n
U 2 X n U Xn y X n U X n X n
0 E U X n E A 2 2 E X n 2 E A E U X 2 E A E X
n n
0 E A 2
2L ( D)
2 2
2 L ( D)
L( D )
2 E A 2
2
2 1
V A E A V A
2
E A2 2
Entonces:
E A 2 2 2s 2
2 2 2 2s 2
L( D)
2 1
42
2 2 2s
L( D)
2 1
2 2 2s
L
2 1
Aquí siguen siendo válidas las fórmulas de Little; por tanto, el tiempo medio de
permanencia en el sistema será:
L
W
1
Wq W
Lq Wq L
Pn n lim P n t n n
t
Estos valores n serán los componentes del vector límite de la distribución
estacionaria del proceso de Markov ya descrito. Para calcularlos recordemos que:
43
e t t j i 1
Pij P X n1
j X n i P A j i 1 0 j i 1!
f (t ) dt si j i 1,i 1
0 si j i 1,i 1
P0 j P1 j
e t t n
k n P A n
0 n!
f (t ) dt
Pij k j i 1
k0 k1 k2 k3 ...
k0 k1 k2 k3 ...
P 0 k0 k1 k2 ...
0 0 k0 k1 ...
... ... ... ... ...
lim P n
n
Ejemplos
En cierto aeropuerto, el tiempo que un avión tarda en aterrizar desde que recibe
autorización de la torre de control tiene de media 4 minutos y varianza 0.15, pero con
distribución 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 avión desde que
llega al aeropuerto hasta que recibe la autorización para aterrizar.
8
La tasa de llegadas es 0.1333 aviones por minuto, y la tasa de servicio
60
1
es de 0.25 , con 2s 015
. . Como es , el sistema es estacionario con
4
intensidad de tráfico 0.5333 .
44
El número medio de aviones en el sistema será:
1 L 1 0.8409 1
Wq W 2.308 minutos
0.1333 0.25
1 1
En este caso es 0.0833 alumnos por minuto, 0.1111
12 9
exámenes por minuto y s2 90 .
Entonces:
0.0833
0.75 1
0.1111
2 2 2s 0.75 2 0.08332 2 90
L 0.75 3124
.
2 1 2 1 0.75
1 L 1 3124
.
Wq W 9 28.5 minutos
0.0833
45
Colas tipo M/Ek/1
Un tipo de sistemas de colas especialmente interesante es aquél en el que las
llegadas son de Poisson y la duración del servicio sigue una distribución de Erlang,
también llamada distribución K.
Esta distribución resulta de sumar k variables aleatorias independientes e
idénticamente distribuidas con distribución exponencial de parámetro , y su función de
densidad es:
f X (t )
k k t k 1e kt
k 1!
e t t k k k 1 kt
n
K n P A n
0 n!
k 1 !
t e dt
En este caso, es fácil demostrar que la intensidad de tráfico para el sistema es:
r
k
46
Colas tipo M/G/1/N
Como indica la notación de Kendall, se trata de un sistema de colas con llegadas
de Poisson y tiempos de servicio según una distribución de probabilidad cualquiera
conocida, pero con una capacidad máxima de N usuarios en el sistema
simultáneamente.
En este caso, la matriz de transición será del proceso estocástico asociado será de
la forma:
k0 k1 k2 ... k N 1 A N 1
k0 k1 k2 ... k N 1 A N 1
0 k0 k1 ... k N 2 A N 2
P
... ... ... ... ... ...
0 0 0 ... k1 A1
0 0 0 ... k0 A0
donde
A j 1 k j k j 1 k j 2 ... ki
i j
1
N
0 1 i
i 1
i
i N
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
COLAS CON PARÁMETROS VARIABLES
Caso general
En muchos sistemas de colas donde intervienen seres humanos es necesario tener
en cuenta el comportamiento de estas personas ante el sistema. Se da con frecuencia el
caso de las personas que renuncian a esperar en cola, el de personas que rompen la
disciplina de la cola, en que el gestor del sistema modifica los tiempos de servicio a la
vista del número de usuarios en cola, etc.
Se hace, por tanto, necesario introducir este comportamiento humano en la
modelización matemática del sistema. En general el comportamiento humano afectará a
la tasa de llegadas y a la tasa de servicio y, normalmente, la variación de estas tasas será
función del número de usuarios en el sistema, de tal forma que ya no tendremos tasas
constantes, sino unas tasas variables:
n f (n) n g ( n)
d
dt Po (t ) 0 P0 (t ) 1 P1 (t )
d P ( t ) P ( t ) P ( t ) P ( t )
dt n n n n n 1 n 1 n 1 n 1
de forma que se puede demostrar que es condición necesaria y suficiente para que exista
la distribución estable que:
i 1
j
0 1 2 ...i 1
1
j 1
1 ...
i 1 j 0 i 1 1 2 3 i
Entonces se obtiene:
1
0 1 2 ...i 1
P0 1
i 1
1 2 3 ... i
0 1 2 ... n 1
Pn P0
1 2 3 ... n
48
Cola con desaliento
Es el caso en el que algunos individuos, al llegar al sistema y observar que existe
un cierto número de usuarios en cola, desiste de acceder al sistema. En este caso, las
tasas de llegadas y de servicio puede ser modelizada de la forma:
n n 0,1,2,...
n 1
n n
En este caso, tendremos:
1
1
i 1
1
P0 1 e
i i! 2 3
... e
i 1 1 2 3
2! 3!
n ne
Pn e
n n! n!
Cola binomial
En este caso supondremos que el tamaño de la cola (del dispositivo de espera) es
limitado, de forma que el número máximo de usuarios en cola simultáneamente es N , y
que la tasa de llegadas es función del tamaño 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 N (n 1)
0 n N
n
Entonces,
1
N
N
1
P0 1
i 1
i
Nii
1
N
n N n
N 1 N
Pn 1 N
n
1 N
49
de tal forma que la probabilidad de que el número de usuarios en el sistema en un
momento dado sea n sigue una distribución binomial.
También existe la llamada cola binomial negativa. Se da esta cola cuando las tasas
de llegada y servicio son de la forma:
N n
n
N ( n 1)
n
i 0
i i ( i 1)
n ( n 1)
Pn n P0
donde e 2 .
50
n
n n
de forma que:
1
i i
P0 1
i 1
n
1 2 3 ...i
i 0 i!
n n
Pn P P
n 1 2 3 ...n
0
n! 0
P0 e
n
Pn e
n!
que modeliza un sistema de colas con infinitos servidores, modelo que se adapta muy
bien a algunos sistemas de autoservicio.
C 1 n N
C2 n N
1 2
P0
1 N 1
n P0 1 n N
Pn 1 n
2 n N P0 n N
51
Este modelo se adapta bien al caso de una central telefónica con C líneas; en
este sistema, las llamadas que intentan acceder a la central cuando todas las líneas están
ocupadas se pierden. El sistema respondería a la notación de Kendall G/G/C/C. El
objetivo al diseñar un sistema de este tipo es minimizar la probabilidad de perder
usuarios.
Para ello, es necesario calcular cuál 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)
n
0 P0 P1
n n Pn n 1 Pn 1 (n 1) Pn 1 0 n C
CP P nC
C C 1 C 1
1
C
0 1 2 ...i 1
P0 1
i 1
i i!
0 1 2 ... ni 1
Pn 0nC
n n!
Pn 0 nC
0 1 2 ...C
PC P0
C C!
52
1 1
r2 r3 rC C
ri
P 0 1 r
2! 3!
...
C!
1
i 1
i!
rn
Pn P0 0nC
n!
Pn 0 nC
m t 0 t
n m M n
siendo n el número de máquinas inactivas. Por otra parte, la tasa de reparación (que es
la tasa de servicio del sistema de mantenimiento) es:
53
n 1 n C
n
C nC
Pn (t ) P N (t ) n N (0) i
y, más concretamente, el valor de:
Pn lim Pn (t )
t
MP0 P1 n 0
M n n Pn M n 1 Pn 1 n 1 Pn 1 1 n C
M n C Pn M n 1 Pn 1 CPn 1 C n M
de donde obtenemos en situación estacionaria
M n
P0 0nC
n
Pn
M n!
n P C n M
n C n C C !
M!
Pn n P0 0n M
M n !
En este tipo de problemas se definen los conceptos de disponibilidad de
máquinas (proporción media de máquinas disponibles):
E N
1
M
C M
nPn
C
Pn
n0 n C 1
54
También se definen y tabulan otros parámetros como el coeficiente de pérdidas,
que es el cociente entre el número medio de máquinas que están trabajando y el número
total de máquinas, o el coeficiente de pérdidas de los equipos de mantenimiento, que
es el cociente entre el número medio de equipos de mantenimiento ociosos y el número
total de equipos de mantenimiento.
55
REDES DE COLAS
n ,n
1 2
n1 , n 2 0,1,2,3, ...
Interesa conocer
Pn1n2 P N 1 n1 , N 2 n 2
1 1 y 2 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
2 P0n2 1 P1,n2 1 2 P0,n2 1 n2 0
1 Pn1 0 2 Pn11 Pn1 1,0 n1 0
P P
1 2 n1n2 1 n1 1,n2 1 2 Pn1 ,n2 1 Pn1 1,n2 n1 , n2 0
i 1
K
1 ij 0
j 1
La red se llama abierta porque existe una probabilidad no nula de que un usuario
salga de la red. Interesa conocer la distribución de probabilidad límite Pn1 ,n2 ,...,nk del
número de usuarios en cada vértice en estado estacionario. En 1957, J. R. Jackson
(diferente a R. R. P. Jackson mencionado en la página anterior) demostró que:
57
i
r
i
Pi (0) 0 r Si
r!
Pi (r ) r
i
P (0) i r Si
i S r Si S !
i i
siendo los i conocidos como la tasa efectiva de llegadas al vértice i , cuyos valores
son las soluciones al sistema de ecuaciones:
K
i i ij j i 1,2,..., K
j 1
A esta solución para las redes de colas abiertas se la conoce como Teorema de
Jackson.
K n
Pi i
Pn1 ,n2 ,...,nK C
i 1 1 ( n1 ) 2 (n 2 )... i (ni )
donde
j (n) min n, S j y además se satisface que
r r rS S Sr S r 1,2, ... , K
r S
Pn ,n ,...,n
1 2 K
1
58
Redes de colas cíclicas
Una red de colas con K vértices se dice cíclica si se comporta de forma que los
usuarios se mueven siempre desde el vértice i al i 1 , para 1 i K , y desde el
vértice K pasan al 1. Para este tipo de redes se pueden establecer las siguientes
relaciones:
1
2 1
1 1 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 distribución límite:
ni
K
Pn1 ,n2 ,...,nK C 1N K1
i 2
59