133000S4

- 253 -
13.5.2 Probabilidades de estado y tiempos medios de espera: M/D/1 Con la hiptesis de equilibrio estadstico se calculan ahora las probabilidades para M/D/1 de manera simple. La intensidad de llegada se representa por y el tiempo de ocupacin constante por h. Como se considera un sistema de tiempo de espera puro con un solo servidor, se tiene: Trfico ofrecido = Trfico transportado = es decir h < 1, (13.39)
pues en cada estado con excepcin de cero el trfico transportado es igual a un erlang. Se consideran dos pocas (puntos en el tiempo) t y t +h a una distancia de h. Todo cliente que es servido en poca t (no ms de uno) ha dejado el servidor en poca t +h. Los clientes que llegan durante el intervalo (t, t + h) estn an en el sistema de puesta en fila en poca t +h (en espera o en servicio). El proceso de llegada es un proceso de Poisson. Por tanto, para el intervalo de tiempo (t, t +h), se tiene p (j, h) =p {j llamadas en h} = Poisson distribuido (13.40) La probabilidad que en un determinado estado se encuentre en poca t +h se obtiene del estado en poca t teniendo en cuenta todas las llegadas y salidas durante (t; t +h). Mediante observacin en esas pocas se obtiene una cadena Markov incorporada en el proceso de trfico original (vase la figura 13.4). Se obtiene las ecuaciones de estado de Fry para n = 1 (Fry, 1928 [32]):
Adems, se obtuvo: p(0) = 1 . A
/VAR/WWW/APPS/CONVERSION/CURRENT/TMP/SCRATCH20510/97595316.DOC (133000)
- 254 -
Figura 13.4 Ilustracin de las ecuaciones de estado de Fry para el sistema de puesta en fila M/D/1 Leyendas de la figura 13.4 1) 2) 3) 4) 5) Estado Llegadas en (t, t+h) Llegada Salida Tiempo
y con la hiptesis de equilibrio estadstico pt(i) = pt+h(i), se halla sucesivamente:
y en general:
El ltimo trmino correspondiente a j = i siempre equivale a eiA, pues ( . En principio p(0) 1)! tambin se puede obtener requiriendo que todas las probabilidades de estado se deben aadir a uno. 13.5.3 Tiempos medios de espera y periodo ocupado: M/D/1 Para un proceso de llegada de Poisson la probabilidad D de retardo experimentando es igual a la probabilidad de no estar en estado cero (propiedad PASTA): D = A = 1 p(0) (13.43)
- 255 -
W representa el tiempo medio de espera para todos los clientes y w el tiempo medio de espera para los clientes que experimentan un tiempo de espera positivo. Se tiene siempre (3.20): w= W , D (13.44)
donde para todos los valores de n (ms adelante se ver n >1):
W y w se obtiene fcilmente considerando un periodo ocupado (vase la figura 13.1). En la poca (punto en el tiempo) en el que el sistema se pone vaci, se dice que este perdi su memoria (punto de regeneracin = punto de equilibrio), y el siguiente cliente llega conforme a un proceso de Poisson con intensidad (vase el ejemplo 6.2.1). Slo es necesario considerar un ciclo desde una poca en el que el sistema se pone en reposo hasta la siguiente poca en que vuelve a tomar ese estado. El ciclo comprende un periodo de reposo de duracin T0 y un periodo de ocupado de duracin T1 (vase la figura 13.1). La proporcin de tiempo en que el sistema est ocupado resulta entonces (13.7):
Un periodo de ocupado se compone de un nmero de llamadas uniformemente distribuidas (proceso de ramificacin) durante el periodo de ocupado. (Paradoja: ntese que no hay llegadas durante el ltimo tiempo de servicio de un periodo de ocupado). En promedio estos clientes, que experimentan un tiempo de espera positivo > 0, tienen los siguientes tiempos medios de espera:
Estos resultados tambin se obtienen utilizando la frmula de Pollaczek-Khintchine. La distribucin del nmero de clientes que llegan durante un periodo de ocupado se puede demostrar que viene dado por una distribucin de Borl:
13.5.4 Distribucin del tiempo de espera: M/D/1, FCFS Se puede obtener mediante la siguiente expresin:
donde h = 1 se toma como unidad de tiempo, t = T + , T es un entero, y 0 <1.
- 256 -
Figura 13.5 Distribucin del tiempo complementario para todos los clientes en el sistema de puesta en fila M/M/1 y M/D/1 para filas ordenadas (FCFS). Unidad de tiempo = tiempo medio de servicio. Se seala que el tiempo medio de servicio para M/D/1 es menor que para M/M/1 Leyendas de la figura 13.5 1) Distribucin del tiempo de espera p(W > t) El grfico de la distribucin del tiempo de espera presenta una irregularidad cada vez que el tiempo de espera supera un mltiplo entero del tiempo de ocupacin constante. En la figura 13.5 se muestra un ejemplo. La frmula (13.49) no es adecuada para la evaluacin numrica. Puede mostrar (Iversen, 1982 [41]) que el tiempo de espera se puede expresar en forma cerrada, como fue sealado por Erlang in 1909:
que es apropiado para la evaluacin numrica de pequeos tiempos de espera. Para tiempos de espera ms largo se utilizar, por lo general, slo valores enteros de t. Se puede mostrar (Iversen, 1982 [41]) que para un valor entero de t se tiene
Las probabilidades de estado p(i) se calculan con mayor precisin utilizando una frmula recursiva basada en las ecuaciones de estado de Fry (13.42):
- 257 -
Para tiempos de espera no enteros se puede expresar la distribucin del tiempo de espera en trminos de tiempos de espera enteros. Si se toma h = i, la ecuacin (13.50) puede ser entonces un desarrollo binomial expresado en potencias de , donde: t = T + , T entero, 0 < 1 Se obtiene entonces:
donde p {W T } viene dado por la ecuacin (13.51). La evaluacin numrica es muy precisa cuando se utilizan las ecuaciones (13.51), (13.52) y (13.53). 13.5.5 Probabilidades de estado: M/D/n Cuando se aplican las ecuaciones de estado de Fry (13.41) se obtienen ms combinaciones:
Con la hiptesis de equilibrio estadstico (A <n) se puede hacer caso omiso de los puntos absolutos en el tiempo:
El sistema de ecuaciones (13.55) slo se puede resolver por sustitucin, si se conoce p(0), p(1), . . .; p(n En la prctica, se pueden obtener valores numricos suponiendo un conjunto 1). aproximado de valores para p(0), p(1), . . ., p(n y luego sustituirlos en la frmula de recursin 1), (13.55) y obtener nuevos valores. Luego de algunas aproximaciones se obtienen los valores exactos. La solucin matemtica explcita se obtiene mediante funciones generatrices (The Erlang book, pginas 81 a 83). 13.5.6 Distribucin del tiempo de espera: M/D/n, FCFS La distribucin del tiempo de espera viene dada por la distribucin de Crommelin:
donde A es el trfico ofrecido y
La frmula (13.56) se puede expresar en forma cerrada a semejanza de la ecuacin (13.50):
Para valores enteros del tiempo de espera t se tiene:
- 258 -
El tiempo medio de espera exacto de todos los clientes W es difcil de calcular. Se puede obtener una aproximacin por medio de la expresin de Molina:
Para tiempos de espera no enteros t = T + , T entero, 0 < 1, se puede expresar la distribucin del tiempo de espera en trminos de tiempos de espera enteros en cuanto a M/D/1:
donde k = n(T + 1) y p(i) es la probabilidad de estado (13.55). 1 13.5.7 Proceso de llegada de Erlang-k: Ek/D/r Sea un sistema de puesta en fila de espera con n = r . k (siendo r y k valores enteros), proceso general de llegada GI, tiempo de servicio constante y criterio de puesta en fila ordenada (FCFS). Los clientes que llegan durante periodos de reposo buscan servidores en orden cclico 1; 2, . . ., n 1, n,1, 2, . . . Un determinado servidor dar servicio entonces a los n-simos clientes, pues los clientes debido al tiempo de servicio constante dejan los servidores en el mismo orden en que llegaron a los mismos. Ningn cliente puede superar a otro cliente. Un grupo de servidores constituidos por: X, x + k, x + 2 . k, . . ., x + (r 1) . k, 0<x k (13.62) darn servicio al k-simo cliente. Si se consideran los servidores conforme a la agrupacin (13.62), se estudian entonces como un solo grupo equivalente al sistema de puesta en fila GIk*/D/r, donde el proceso de llegada GIk* es una convolucin de k veces la distribucin del tiempo de llegada. Lo mismo sucede para los otros sistemas k 1. El trfico en estos sistemas k est mutuamente correlacionado, pero si slo se considera un sistema por vez, este es entonces un proceso de llegada GIk*/D/n, sistema de puesta en fila FCFS. La hiptesis de bsqueda cclica de los servidores no es necesaria con los sistemas individuales (13.62). Las probabilidades de estado, tiempos medios de espera, etc. son independientes del criterio de puesta en fila, que tiene importancia slo para la distribucin del tiempo de espera. Si el proceso de llegada GI fuera un proceso de Poisson, GIk* resulta entonces un proceso de llegada Erlang-k. Se encuentra as que los siguientes sistemas son equivalentes con respecto a la distribucin del tiempo de espera: M/D/r k, FCFS Ek/D/r, FCFS por tanto, Ek/D/r se puede obtener mediante tablas para M/D/n. Ejemplo 13.5.1: Procesos de llegada regulares En general, se sabe que para un determinado trfico por servidor el tiempo medio de espera disminuye cuando aumenta el nmero de servidores (economa de escala, convexidad). Por la misma razn, el tiempo medio de espera disminuye cuando el proceso de llegada se hace ms
- 259 -
regular. Esto se puede ver directamente de la equivalencia anterior, donde el proceso de llegada para Ek/D/r se hace ms regular para incrementos de k (siendo r constante). Para A = 0,9 erlang por servidor (L = longitud media de fila de espera) se tiene: E4/E1/2: E4/E2/2: E4/E3/2: E4/D/2: L = 4,5174, L = 2,6607, L = 2,0493, L = 0,8100.
13.5.8 Sistema de puesta en fila finito: M/D/1/k En sistemas reales siempre se tiene una fila de espera finita. En sistemas informticos la capacidad de almacenamiento es finita y en sistemas ATM hay memorias intermedias finitas. Lo mismo se aplica para posiciones de espera en sistemas de fabricacin flexibles FMS, flexible manufacturing systems). En un sistema con un solo servidor y (k posiciones de fila de espera se tienen (k +1) estados (0, 1, . 1) . . , k). Las ecuaciones de equilibrio para los estados 0, 1, . . ., k se pueden aplicar del mismo modo que las 2 ecuaciones de estado de Fry, pero no es posible formular ecuaciones simples independientes del tiempo para los estados k y k. Pero las primeras ecuaciones (k (13.53) junto con el requisito de 1 2) normalizacin
y el hecho que el trfico ofrecido es igual al trfico transportado ms el trfico rechazado (propiedad PASTA): A = 1 -p(0) + A . p(k) dan por resultado (k +1) ecuaciones lineales independientes, que son sencillas de resolver numricamente. Se obtienen tiempos de espera enteros de las probabilidades de estado y tiempos de espera no enteros de los tiempos de espera enteros, como se indic anteriormente. Ejemplo 13.5.2: Cubo no estanco El cubo no estanco es un mecanismo para controlar los procesos de llegada de clulas (paquetes) de un usuario (fuente de trfico) en un sistema ATM. El mecanismo corresponde a un sistema de puesta en fila de espera con tiempo de servicio constante (dimensin de la clula) y una memoria intermedia finita. Si el proceso de llegada es un proceso de Poisson, se tendr un sistema M/D/1/k. La magnitud de la fuga corresponde a la intensidad de llegada aceptable del promedio a largo plazo mientras que el tamao del cubo describe el exceso (incremento repentino permitido). El mecanismo funciona como un sistema de puesta en fila virtual en el que las clulas se aceptan inmediatamente o bien son rechazadas conforme al valor de un contador que es el valor entero de la funcin de carga (vase la figura 13.2). En un contrato entre el usuario y la red se celebra un acuerdo sobre la magnitud de la "fuga" y la dimensin del "cubo". Sobre esta base la red puede garantizar una determinada calidad de servicio.
- 260 -
13.6 Sistema de puesta en fila con un solo servidor: GI/G/1 En el 13.3 se indic que el tiempo medio de espera para todos los clientes en un sistema de puesta en fila M/G/1 viene dado por la frmula de Pollaczek-Khintchine:
donde es el factor de forma de la distribucin del tiempo de ocupacin. Se han analizado anteriormente los siguientes casos: M/M/1 ( 12.2.3): = 2
M/M/1 ( 13.5.3): = 1
Esto indica que cuanta mayor regularidad haya en la distribucin del tiempo de ocupacin, menor ser el trfico del tiempo de espera. (Para sistemas de prdidas con accesibilidad limitada es el caso opuesto: cuanto mayor sea el factor de forma menor ser la congestin.) En sistema con llegadas que no siguen el proceso de Poisson, los momentos de orden superior tambin tendrn influencia en el tiempo medio de espera. 13.6.1 Resultados generales Hasta este momento se ha tomado como hiptesis general que el proceso de llegada es un proceso de Poisson. Para otros procesos de llegada raramente es posible encontrar una expresin exacta para el tiempo medio de espera excepto en el caso en el que los tiempos de ocupacin tienen distribucin exponencial. En general, se puede requerir que el proceso de llegada o el bien el proceso de servicio sea tipo Markovian. Hasta el presente no hay frmulas de uso general para, por ejemplo, M/G/n. Para GI/G/1 es posible determinar los lmites superiores tericos para el tiempo medio de espera. Representando la varianza de los tiempos entre llegadas por va y la varianza de la distribucin del tiempo de ocupacin por vd, la desigualdad de Kingman (1961) indica un lmite superior para el tiempo medio de espera:
La frmula muestra que son las variaciones estocsticas que producen los tiempos de espera. La frmula (13.66) permite determinar el lmite terico superior. Una estimacin razonable del tiempo medio de espera real se puede obtener mediante la aproximacin de Marchal (Marchal, 1976 [78]):
donde a es el tiempo medio entre llegadas(A = s/a).
- 261 -
Esta aproximacin es un factor de ajuste de la desigualdad de Kingman de modo que concuerda con la frmula de Pollaczek-Khintchine para el caso M/G/1. Como ejemplo del proceso de llegada distinto del proceso de Poisson se analizar el sistema de puesta en fila GI/M/1, donde la distribucin de los tiempos entre llegadas es una distribucin general dada por la funcin de densidad f(t). 13.6.2 Probabilidades de estado: GI/M/1 Si el sistema se considera como un punto arbitrario en el tiempo, las probabilidades de estado no se describirn entonces por un proceso de Markov, pues la probabilidad de una llegada depender del intervalo de tiempo desde la ltima llegada. Sin embargo, si el sistema es considerado inmediatamente antes (o despus) de una poca de llegada, habr entonces independencia en el proceso de trfico pues los tiempos entre llegada son estocsticos independiente de los tiempos de ocupacin distribuidos exponencialmente. Las pocas de llegada son puntos de equilibrio (puntos de regeneracin) (vase el 5.2.2), y se analizar la denominada cadena de Markov incorporada. La probabilidad que inmediatamente antes de una poca de llegada se observe el sistema en estado j se representa por (j). En equilibrio estadstico se puede demostrar que se tendr el siguiente resultado (D.G. Kendall, 1953 [62]):
donde es la raz real positiva que satisface la ecuacin:
Las probabilidades en rgimen permanente se pueden obtener examinando dos pocas de llegada sucesivas t1 y t2 (similar a las ecuaciones de estado de Fry, vase el 13.5.5). Como el proceso de salida es un proceso de Poisson con intensidad constante , cuando hay clientes en el sistema, la probabilidad p(j) que j clientes completen el servicio entre dos pocas de llegada se puede expresar por el nmero de eventos en un proceso de Poisson durante un intervalo estocstico (tiempo entre llegadas). Se pueden formular las siguientes ecuaciones de estado:
La condicin de normalizacin es como siempre:
- 262 -
Se puede demostrar que la distribucin geomtrica indicada anteriormente es la nica solucin a este sistema de ecuaciones (Kendall, 1953 [62]). En principio, el sistema de puesta en fila de espera GI/M/n se puede resolver de la misma manera. La probabilidad p(j) resulta ms complicada pues la velocidad de salida depende del nmero de canales ocupados. Se debe sealar que (i) no es la probabilidad de encontrar al sistema en el estado i en un punto arbitrario del tiempo (promedio de tiempo), sino la probabilidad de encontrar el sistema en el estado i inmediatamente antes de una llegada (promedio de llamadas). 13.6.3 Caractersticas del sistema GI/M/1 La probabilidad de servicio inmediato resulta: p {inmediato} = (0) = 1 La probabilidad correspondiente de estar en espera resulta: D = p {espera}= El promedio del nmero de servidores ocupados en un punto aleatorio del tiempo (promedio temporal) es igual al trfico transportado (= al trfico ofrecido A < 1). El promedio del nmero de clientes en espera, inmediatamente antes de la llegada de un cliente, se obtiene a travs de las probabilidades de estado: (13.73) (13.72)
El tiempo medio de espera para todos los clientes: El promedio del nmero de clientes en el sistema antes de una poca de llegada es:
El promedio del tiempo de espera para todos los clientes resulta entonces:
El promedio de la longitud de la fila de espera tomado en todo el eje del tiempo (longitud de fila de espera virtual) resulta entonces (teorema Little):
El tiempo medio de espera para los clientes, que obtienen tiempos de espera, resulta:
- 263 -
Ejemplo 13.6.1: Tiempos medios de espera GI/M/1 Para M/M/1 se encuentra que = m = A. Para D/M/1 = d se obtiene de la ecuacin:
donde d debe estar entre (0,1). Se puede demostrar que 0 < d < m < 1 . As, el sistema de puesta en fila de espera D/M/1 tendr siempre menos tiempo medio de espera que M/M/1. Para A = 0,5 erlang se obtienen los siguientes tiempos medios de espera para todos los clientes (13.76): M/M/1: D/M/1:
= 0,5, = 0,2032,
W = 1, W = 0,2550,
w = 2. w = 1,3423.
donde el tiempo medio de ocupacin se utiliza como unidad de tiempo ( = 1). El tiempo medio de espera est lejos de ser proporcional con el factor de forma de la distribucin del tiempo entre llegadas. 13.6.4 Distribucin del tiempo de espera: GI/M/1, FCFS Cuando un cliente llega a un sistema de fila de espera, el nmero de clientes en el sistema est distribuido geomtricamente, y el cliente, por tanto, bajo la hiptesis que tiene un tiempo de espera positivo, debe esperar un nmero de fases exponenciales distribuidas geomtricamente. Esto dar por resultado un tiempo de espera con un parmetro dado en la ecuacin (13.78), cuando el criterio de puesta en fila es FCFS (vase el 12.4 y la figura 4.9). 13.7 Sistema de puesta en fila con retorno al punto de origen y comparticin de procesador El modelo de puesta en fila con retorno al punto de origen (RR, round robin) (vase la figura 13.6) se utiliza para un sistema informtico de comparticin en el tiempo en el que se requiere un tiempo de respuesta rpido para las operaciones ms cortas. Este criterio de puesta en fila tambin se denomina fila de espera adecuada pues los recursos disponibles estn distribuidos por igual entre las operaciones (clientes) en el sistema.
- 264 -
Figura 13.6 Sistema de puesta en fila de espera con retorno al punto de origen. Se atribuye un segmento de tiempo s (como mximo) a una operacin cada vez que est servida. Si la operacin no concluye durante este segmento de tiempo, retorna a una fila FCFS, que espera en trminos iguales con nuevas operaciones. Si se permite que s disminuya a cero se obtiene el criterio de puesta en fila PS (Comparticin de procesador) Leyendas de la figura 13.6 1) 2) 3) 4) Operaciones no concluidas Nuevas operaciones Fila de espera Operaciones concluidas
Las nuevas operaciones se ponen en una fila de espera FCFS, en las que esperan hasta que obtengan servicios dentro de un segmento de tiempo s que es el mismo para todas las operaciones. Si una operacin no concluye dentro de un segmento de tiempo, el servicio se interrumpe y la operacin se coloca al final de la fila de espera FCFS. Esto contina hasta que se satisface el tiempo de servicio total requerido. Se supone que la fila de espera es ilimitada, y que llegan nuevas operaciones conforme al proceso de Poisson (). La distribucin del tiempo de servicio puede ser general con el valor medio s. El intervalo de tiempo puede variar. Si resulta infinito, todas las operaciones estarn completadas la primera vez, y se tendr simplemente un sistema de puesta en fila M/G/1 con criterio FCFS. Si se permite que el segmento de tiempo disminuya a cero, se obtendr el modelo PS = comparticin de procesador, que tiene una diversidad de propiedades analticas precisas. El PS fue introducido por Kleinrock (1967) y se tratan en detalle en (Kleinrock, 1976 [67]). El modelo de comparticin de procesador se puede interpretar un sistema como de puesta en fila de espera donde todas las operaciones estn servidas continuamente por el servidor (comparticin de tiempo). Si en el sistema hay i operaciones, cada una de ellas obtiene la fraccin 1/i de la capacidad de la computadora. De modo que no hay fila de espera y el criterio de puesta en fila no tiene importancia. Cuando el trfico ofrecido A = . s es menor que uno se puede comprobar que las probabilidades en rgimen permanente vienen dada por:
es decir una distribucin geomtrica con el valor medio A/(1 A). El tiempo medio de ocupacin (promedio del tiempo de respuesta) para las operaciones con duracin t resulta:
Si esta operacin fuera la nica del sistema, su tiempo de ocupacin sera t. Como no hay fila de espera, se puede hablar de un retardo de tiempo medio para operaciones con duracin t.
- 265 -
Los valores medios correspondientes para una operacin aleatoria resultan naturalmente:
Esto indica que se obtienen exactamente los mismos valores medios que para M/M/1 (vase el 13.2). Pero el tiempo medio de espera real resulta proporcional a la duracin de la operacin que a menudo es una propiedad conveniente. No se formularn hiptesis acerca de la duracin de la operacin. El tiempo medio de espera resulta proporcional al tiempo medio de servicio. La proporcionalidad no debe ser interpretada como que dos operaciones de la misma duracin tienen el mismo tiempo de espera; slo es vlida en promedio. En comparacin con los valores para M/G/1 (mediante la aplicacin de la frmula (13.2) de Pollaczek-Khintchine) obtenidos anteriormente, los resultados pueden sorprender. Una propiedad muy til del modelo de comparticin de procesador es que el proceso de salida es del tipo Poisson como el proceso de llegada (vase el 13.2). Esto se puede explicar por el hecho que el proceso de salida tiene origen en el proceso de llegada mediante un desplazamiento estocstico de las pocas de llegada. El desplazamiento en el tiempo es igual al tiempo de respuesta con un valor medio dado por la ecuacin (13.80) (vase el 6.3.1, teorema de Palm). El modelo de comparticin de procesador es muy til para analizar sistemas de comparticin del tiempo y para modelar redes de puesta en fila de espera (vase el Captulo 14).
- 266 -
- 267 -
CAPTULO 14 Redes de filas de espera

Muchos sistemas se pueden modelar de manera que un cliente obtenga servicios a partir de varios nodos sucesivos, es decir, una vez que un cliente ha finalizado el servicio en un nodo pasa a otro. La demanda total de servicios se compone de demandas de servicios en distintos nodos. Por consiguiente, el sistema es una red de puesta fila de espera en la que cada una de las filas se denomina nodo. Como ejemplos de redes de puesta fila de espera cabe citar los sistemas de telecomunicaciones, los sistemas informticos, las redes de conmutacin de paquetes y los sistemas de fabricacin flexibles. En las redes de puesta en fila de espera se define la longitud de la fila en un nodo como el nmero total de clientes en el nodo, incluidos los clientes que estn servidos. Este Captulo tiene por objeto introducir la teora fundamental de las redes de puesta en fila de espera, ilustrada por aplicaciones. Por lo general, se considera que la teora es bastante complicada, lo que se debe principalmente a la complejidad de la notacin. Ahora bien, en este Captulo se introducirn de manera simple los modelos generales analticos de redes de puesta en fila de espera sobre la base de formas de producto, el algoritmo de convolucin, el algoritmo MDA y los ejemplos pertinentes. La teora de las redes de puesta en fila de espera es anloga a la teora de los sistemas multidimensionales (vanse los Captulos 10 y 11). En el Captulo 10 se examinaron los sistemas de prdidas multidimensionales mientras que en este Captulo se tratarn las redes de sistemas de puesta en fila de espera. 14.1 Introduccin a las redes de puesta en fila de espera Las redes de puesta en fila de espera se clasifican en abiertas y cerradas. En redes de puesta en fila cerradas la cantidad de clientes es fija mientras que en redes de puesta en fila abiertas la cantidad de clientes vara. En principio, una red abierta se puede transformar en una red cerrada agregando un nodo extra. El sistema de espera clsico de Erlang, M/N/n, es un ejemplo de un sistema de puesta en fila abierto, mientras que el modelo mquina/reparacin de Palm con S terminales es una red cerrada. Si hay ms que un tipo de clientes, la red puede ser una mezcla de red abierta y cerrada. En razn que el proceso de salida en un nodo es el proceso de llegada en otro, se deber prestar especial atencin al proceso de salida, en particular cuando se puede modelar como proceso de Poisson. Esto se examinar en el 14.2 (Sistemas simtricos de puesta en fila). El estado de una red de puesta en fila se define como la distribucin simultnea del nmero de clientes en cada nodo. Si K representa el nmero total de nodos, el estado se describe entonces mediante un vector p (i1, i2, . . . iK) donde iK es el nmero de clientes en el nodo k (k = 1, 2 . . . k). Con frecuencia el espacio de estado es muy amplio y las probabilidades de estado mediante la resolucin de ecuaciones de equilibrio de nodos son difciles de calcular. Si cada nodo es un sistema simtrico de puesta en fila, por ejemplo red de Jackson (vase el 14.3), se tendr entonces una forma de producto. Las probabilidades de estado de redes con forma de producto se pueden agregar y obtener utilizando el algoritmo de convolucin (vase el 14.4.1) o el algoritmo MVA (vase el 14.4.2) Las redes de Jackson pueden ser generalizadas en redes BCMP (vase el 14.5), donde hay N tipos de clientes. Los clientes de un tipo especfico pertenecen a una denominada cadena. En la figura 14.1 se ilustra un ejemplo de una red de puesta en fila con cuatro cadenas. Cuando el nmero de cadenas aumenta el espacio de estado se incrementa en consecuencia, y slo los sistemas con un pequeo nmero de cadenas se pueden calcular exactamente. En el caso de una red multicadena, el
- 268 -
estado de cada nodo resulta multidimensional (vase el 14.6). La forma de producto entre nodos se mantienen, y son aplicables los algoritmos de convolucin y MVA (vase el 14.7). La cantidad aproximada de algoritmos para grandes redes se puede encontrar en la literatura.
Figura 14.1 Ejemplo de una red de puesta en fila con cuatro cadenas abiertas 14.2 Sistemas simtricos de puesta en fila de espera Para analizar los sistemas de puesta en fila es importante conocer cundo el proceso de salida de un sistema de fila de espera es un proceso de Poisson. Se conocen cuatro modelos de puesta en fila que tienen esta propiedad. 1) M/M/n. Este es el teorema de Burke (1956 [13]), que expresa que el proceso de salida de un sistema M/M/n es un proceso de Poisson. Las probabilidades de espacio de estado estn dadas por la ecuacin (12.2):
donde A = / 2) M/G/ . Esto corresponde al caso de Poisson (vase el 7.2). Del 6.3 se sabe que una traslacin aleatoria de los eventos de un proceso de Poisson produce un nuevo proceso de Poisson. Este modelo se representa a veces como un sistema con criterio de puesta en fila IS, nmero infinito de servidores. Las probabilidades de estado vienen dadas por la distribucin de Poisson (7.6):
3)
M/G/1-PS. Este es un sistema de puesta en fila de un solo servidor con una distribucin general del tiempo de servicio y comparticin de procesador. Las probabilidades de estado son similares al caso M/M/1 (13.79): p(i) = (1 A) . Ai, i= 0, 1, 2, . . . . (14.4)
4) M/G/1-LCFS-PR (PR = con derecho prioritario). Este sistema tambin tiene las mismas probabilidades de espacio de estado que el modelo M/M/1 (14.4).
- 269 -
En la teora de redes de puesta en fila slo se consideran, por lo general, estos cuatro criterios de fila de espera. Sin embargo, aun para el sistema de prdidas de Erlang, el proceso de salida ser un proceso de Poisson si se incluyen clientes bloqueados. Estos cuatro sistemas se conocen como sistemas simtricos de puesta en fila de espera, pues son simtricos en el tiempo. Tanto el proceso de llegada como el de salida son procesos de Poisson y los sistemas son reversibles (Kelly, 1979 [60]). El proceso se denomina reversible pues tiene el mismo aspecto que cuando se invierte el tiempo (por ejemplo, se dice que una pelcula es reversible cuando su reproduccin hacia delante o hacia atrs parecen iguales). Con excepcin del modelo M/M/n estos sistemas simtricos de puesta en fila tienen como caracterstica comn que el cliente es servido inmediatamente a partir de su llegada. A continuacin se tratarn bsicamente los nodos M/M/n pero el modelo M/M/1 tambin incluye M/G/1-PS y M/G/1-LCFS-PR. 14.3 Teorema de Jackson En 1957, Jackson, que trabajaba con sistemas de fabricacin y planeamiento de la produccin, public un documento con un teorema que se denomina ahora teorema de Jackson (Jackson, 1957 [46]). En dicho teorema demostr que una red de puesta en fila de espera de nodos M/M/n tiene forma de producto. Sus conclusiones fueron inspiradas por el resultado obtenido por Burke el ao anterior (Burke, 1956 [13]). Teorema 14.1. Teorema de Jackson: Considrese una red de puesta en fila de espera abierta con K nodos que satisfacen las siguientes condiciones a) b) c) Cada nodo es un sistema de puesta en fila M/M/n. El nodo k tiene nk servidores y el promedio del tiempo de servicio es 1=k. Los clientes llegan desde fuera del sistema al nodo k conforme a un proceso de Poisson con intensidad k. Pueden llegar tambin clientes de otros nodos al nodo k. Un cliente, que acaba de finalizar su servicio en el nodo j, se transfiere inmediatamente al nodo k con probabilidad pjk o sale de la red con probabilidad:
Un cliente puede visitar varias veces el mismo nodo si pkk > 0. El promedio de la intensidad de llegada k en el nodo k se obtiene empleando las ecuaciones de equilibrio de flujo:
Sea p(i1, i2, . . ., iK) la representacin de las probabilidades de espacio de estado conforme a la hiptesis de equilibrio estadstico, es decir la probabilidad que haya ik clientes en el nodo k. Asimismo, se supone que
Las probabilidades de espacio de estado vienen dadas entonces en forma de producto:
- 270 -
Aqu para el nodo k, pk(ik) es la probabilidad de estado de un sistema de puesta en fila M/M/n con intensidad de llegadas k y velocidad de servicio k (14.1). El trfico ofrecido c/k =_k al nodo k debe ser menor que la capacidad nk del nodo para entrar en equilibrio estadstico (14.6). El punto fundamental del teorema de Jackson es que cada nodo puede ser considerado independientemente de los otros y que las probabilidades de estado vienen dadas por las frmula C de Erlang. Esto simplifica considerablemente el clculo de las probabilidades de espacio de estado. La prueba del teorema fue obtenida por Jackson en 1957 demostrando que la solucin satisface las ecuaciones de equilibrio para el equilibrio estadstico. En el ltimo modelo de Jackson (Jackson, 1963 [47] la intensidad de llegada proveniente del exterior:
puede depender del nmero corriente de clientes en la red. Asimismo, k puede depender del nmero de clientes en el nodo k. De esta manera, se pueden modelar redes de puesta en fila que sean cerradas, abiertas o mixtas. En los tres casos, las probabilidades de estado tienen forma de producto. El modelo de Gordon y Newell (1967 [33]), que se cita a menudo en la literatura, puede ser tratado como un caso especial del segundo modelo de Jackson.
Figura 14.2 Diagrama de transicin de estado de una red de puesta en fila abierta constituida por dos sistemas M/M/1 en serie Ejemplo 14.3.1: Dos nodos M/M/1 en serie La figura 14.2 muestra una red de puesta en fila abierta de dos nodos M/M/1 en serie. El diagrama de transicin de estado correspondiente se ilustra en la figura 14.3. Evidentemente, el diagrama de transicin de estado no es reversible: entre dos estados vecinos slo hay flujo en un sentido (vase el 10.2) y aparentemente no hay forma de producto. Si se resuelven las ecuaciones de equilibrio para obtener las probabilidades de estado se encuentra que la solucin se puede expresar en forma de producto:
donde A1 = /1 y A2 = /2. Las probabilidades de estado se pueden expresar en forma de producto p(i, j) = p(i) . p(j), donde p(i) es la probabilidad de estado para un sistema M/M/1 con trfico ofrecido A1 y p(j) es la probabilidad de estado para un sistema M/M/1 con trfico ofrecido A2. Las probabilidades de estado indicadas en la figura 14.3 son idnticas a las de la figura 14.4 que tiene equilibrio local y forma de producto. Es posible as encontrar un sistema que es reversible y tenga las mismas probabilidades de estado que el sistema no reversible. En la figura 14.3 hay equilibrio regional y no local. Si se considera un cuadrado de cuatro estados habr equilibrio para el mundo exterior pero, internamente, habr circulacin a travs de la diagonal de desplazamiento de estado. En redes de fila de espera los clientes a menudo son puestos en operacin bucle, de modo tal que un cliente puede visitar varias veces el mismo nodo. Si se tiene una red de puesta en fila con clientes en
- 271 -
bucle, donde los nodos son sistemas M/M/n, los procesos de llegada a cada uno de los nodos ya no son procesos de Poisson. De cualquier modo se pueden calcular las probabilidades de estado como si los nodos fueran sistemas M/M/n independientes. Esto se explica en el siguiente ejemplo. Ejemplo 14.3.2: Redes con retroalimentacin El concepto de retroalimentacin se introdujo en el ejemplo 14.3.1 en el que un cliente, que acaba de concluir su servicio en el nodo 2, retorno al nodo 1 con probabilidad p21. El cliente deja el sistema con probabilidad con 1 - p21. La ecuacin (14.5) de equilibrio de flujo permite calcular la intensidad de llegada total a cada nodo y la probabilidad p21 se debe elegir de modo tal que las relaciones 1=1 y 2=2 sean menor que uno. Si 1 0 y p21 1 se comprender que los procesos de llegada no son procesos de Poisson. Rara vez llegar un nuevo cliente, pero una vez que ha ingresado al sistema circular durante un tiempo relativamente largo. El nmero de circulaciones estar distribuido geomtricamente y el tiempo entre llegadas es la suma de los dos tiempos de servicio; es decir, cuando en el sistema hay uno o ms clientes, la velocidad de llegada a cada nodo ser relativamente alta, mientras que si en el sistema no hay clientes la velocidad ser muy baja. El proceso de llegada ser en rfagas. La situacin es similar a la descomposicin de una distribucin exponencial en una suma ponderada de distribuciones de Erlang-k, con factores geomtricos ponderados (vase el 4.4). En lugar de considerar una distribucin entre llegadas exponencial simple se puede descomponer esto en k fases (vase la figura 4.9) y considerar cada fase como una llegada. En consecuencia, el proceso de llegada ha sido transformado de un proceso de Poisson a un proceso con llegadas en rfagas.
Figura 14.3 Diagrama de transicin de estado para la red de puesta en fila abierta que se ilustra en la figura 14.2. El diagrama no es reversible
- 272 -
Figura 14.4 Diagrama de transicin de estado para dos sistemas de puesta en fila M/M/1 independientes con idntica intensidad de llegada, pero tiempos medios de servicio individuales. El diagrama es reversible 14.3.1 Suposicin de independencia de Kleinrock Si se considera una red de datos de vida real, los paquetes tendrn la misma longitud constante y, por tanto, el mismo tiempo de servicio en todos los enlaces y nodos de igual velocidad. La teora de redes de puesta en fila supone que un paquete (un cliente) toma muestras de un nuevo tiempo de servicio en cada nodo. Esta es una suposicin necesaria para la forma de producto. Kleinrock (1964 [65]), investig por primera vez esta suposicin y result ser una buena aproximacin en la prctica. 14.4 Redes de puesta en fila de una sola cadena Se examinarn principalmente las probabilidades de estado definidas por p(i1, i2; . . . , ik, . . . , iK), donde ik es la cantidad de clientes en el nodo k (1 k K). Cuando se trata de sistemas abiertos, las operaciones son ms sencillas de efectuar. Se resuelve primero la ecuacin (14.5) de equilibrio de flujo y se obtiene la intensidad de llegada agregada a cada nodo (k). Mediante la combinacin de las intensidades de llegada con la distribucin del tiempo de servicio (k) se obtiene el trfico ofrecido Ak en cada nodo y entonces, considerando el sistema de espera de Erlang, se obtienen las probabilidades de estado para cada nodo. 14.4.1 Algoritmo de convolucin para una red de puesta en fila cerrada Cuando se tratan redes de puesta en fila cerradas las operaciones son mucho ms complicadas. En este caso, solo se conoce la carga relativa en cada nodo y no la carga absoluta, es decir, se conoce c . j, pero no se conoce c. Se pueden obtener probabilidades de estado relativas no normalizadas. Por ltimo, se obtiene la normalizacin de las probabilidades de estado. Lamentablemente, normalizacin implica que se deben sumar todas las probabilidades de estado, es decir se debe calcular cada una de las probabilidades de estado (no normalizadas). El nmero de estados aumenta rpidamente cuando se incrementa el nmero de nodos y/o clientes. En general, la complejidad es similar a la correspondiente a sistemas de prdidas multidimensionales (vase el Captulo 10).
- 273 -
Se puede mostrar ahora cmo se puede aplicar el algoritmo de convolucin a las redes de puesta en fila. El mecanismo de la operacin corresponde al algoritmo de convolucin para sistemas con prdidas (vase el Captulo 10). Se considera una red de puesta en fila con K nodos y una sola cadena con S clientes. Se supone que los sistemas de puesta en fila en cada nodo son simtricos (vase el 14.2). El algoritmo tiene tres pasos: Paso 1. Sea la intensidad de llegada a un nodo arbitrario igual a uno y se obtiene entonces las intensidades relativas restantes k. Mediante la resolucin de la ecuacin (14.5) de equilibrio de flujo para la red cerrada se obtiene las velocidades de llegada relativas (k, 1 k K) para cada nodo. Por ltimo, se obtiene el trfico ofrecido relativo k = k/k. Paso 2. Considrese cada nodo como si estuviera aislado y tuviera el trfico ofrecido k (1 k K). Dependiendo del sistema de puesta en fila simtrico real en el nodo k, se extraen las probabilidades de estado relativas qk(i) en el nodo k. El espacio de estado estar limitado por la cantidad total de clientes S, es decir 0 i S. Paso 3. Repliguese recurrentemente las probabilidades de estado para cada nodo. Por ejemplo, para los primeros dos nodos se tienen:
donde:
Cuando todos los nodos han sido replegados se obtiene:
En razn que la cantidad total de clientes es fija (S) slo existe en el sistema combinado el estado q1,2. . . ,K(S) y, por tanto, este macroestado debe tener la probabilidad uno. Se pueden entonces normalizar todas las probabilidades de microestado. Cuando se efecta la ltima convolucin se pueden obtener las medidas de calidad de funcionamiento para el ltimo nodo. Variando el orden de convolucin de los nodos se pueden obtener las medidas de calidad de funcionamiento de todos ellos.
- 274 -
Figura 14.5 Modelo mquina Reparador como redes de puesta en fila cerradas con dos nodos. Los terminales corresponden a un nodo IS, en razn que las operaciones encuentran siempre un terminal en reposo, mientras que la CPU corresponde a un nodo M/M/1 Ejemplo 14.4.1: Modelo mquina Reparador de Palm Se examinar ahora el modelo mquina reparador de Palm introducido en el 12.5 como red de fila de espera cerrada (vase la figura 14.5). Hay S clientes y terminales. El tiempo de activacin medio es 1-1 y el tiempo de servicio medio en la CPU que es 2-1. En la terminologa de redes de fila de espera hay dos nodos: En el nodo 1 estn los terminales, es decir un sistema M/G/ (en realidad es un sistema M/G/S, pero en razn que la cantidad de clientes se limita a S, corresponde a un sistema M/G/), y el nodo 2 es la CPU, es decir un sistema M/M/1 con intensidad de servicio 2. Los flujos a los nodos son iguales (1 = 2 = ) y la carga relativa en el nodo 1 y nodo 2 son
1 = /1 y 2 = /2,
respectivamente. Si se considera cada nodo por separado se obtienen las probabilidades de estado de cada uno de ellos, q1(i) y q2(j), y por convolucin de q1(i) y q2(j) se obtiene q12(x), (0 x S), como se muestra en el cuadro 14.1. El ltimo trmino con S clientes (probabilidad no normalizada) q12(S) est compuesto por:
Por simple transposicin resulta:
donde
La probabilidad de que todos los terminales estn "activados" se identifica con el ultimo trmino (normalizado por la suma) (S terminales en el nodo 1, cero terminales en el nodo 2):
- 275 -
que es la frmula B de Erlang. As, el resultado est de acuerdo con el obtenido en el 12.5. Se observa que aparece con la misma potencia en todos los trminos de q1,2(S) y as corresponde a una constante que desaparece cuando se normaliza. Cuadro 14.1 Algoritmo de convolucin aplicado al modelo mquina Reparador de Palm. El nodo 1 es un sistema IS mientras que el nodo 2 es un sistema M/M/1 (vase el ejemplo 14.4.1)
Estado i Nodo 1 q1(i) Nodo 2 q2(i) Red de puesta en fila q12 = q1 * q2
Ejemplo 14.4.2: Servidor central En 1971 J.P. Buzen introdujo el modelo de servidor central que se ilustra en la figura 14.6 para modelar un sistema informtico multiprogramado con una CPU y un nmero de canales de entrada/salida (unidades perifricas). El grado de multiprogramacin S describe la cantidad de operaciones procesadas simultneamente. El nmero de unidades perifricas se representa por K 1 como se muestra en la figura 14.6, que tambin indica las probabilidades de transicin. Tpicamente una operacin requiere servicios cientos de veces, ya sea por la unidad central o bien por uno de los perifricos. Se supone que la operacin una vez finalizada es inmediatamente remplazada por otra; por tanto S es constante. Los tiempos de servicios estn todos distribuidos exponencialmente con intensidad i (i = 1, . . . ,K). Buzen formul un esquema para evaluar este sistema. El esquema es un caso especial del algoritmo de convolucin. Sea un caso con S = 4 clientes y K = 3 nodos, y:
- 276 -
Figura 14.6 Sistema de puesta en fila de servidor central constituido por un servidor central (CPU) y (K1) canales de entrada/salida. En el sistema circula un nmero fijo de operaciones S Leyendas de la figura 14.6 1) 2) 3) S operaciones de circulacin Nuevas operaciones Canales entrada/salida
Las cargas relativas resultan:
Si se aplica el algoritmo de convolucin se obtienen los resultados que figuran en el cuadro 14.2. El trmino q123(4) est compuesto por:
El nodo 3 sirve a los clientes en todos los estados con excepcin del estado q3(0) . q12(4) = 5. La utilizacin del nodo 3 es por tanto a3 = 52/57. Basado en las cargas relativas se obtienen ahora las cargas exactas:
El promedio del nmero de clientes en el nodo 3 es:
Cambiando el orden de convolucin se obtiene el promedio de longitudes de fila de espera L1 y L2 y concluye con:
- 277 -
Cuadro 14.2 Algoritmo de convolucin aplicado al sistema del servidor central

Estado i 0 1 2 3 4 Nodo 1 q1(i) 1 1 1 1 1 Nodo 2 q2(i) 1 1 1 1 1 Nodo 1*2 q12 = q1 * q2 1 2 3 4 5 Nodo 3 q3 1 2 4 8 16 Red de puesta en fila q123 = (q1 * q2) * q3 1 4 11 26 57
La suma de todos los promedios de longitudes de filas de espera es, por supuesto, igual al nmero de clientes S. Se debe sealar que en redes de puesta en fila se define la longitud de la fila de espera como la cantidad total de clientes en el nodo, incluidos los que estn recibiendo un servicio. De los tiempos medios de servicio y de utilizacin se obtiene el promedio de nmero de clientes que concluyen el servicio por unidad de tiempo en cada nodo:
Aplicando el resultado de Little se obtiene finalmente el tiempo medio de estado: Wk = Lk /k:
14.4.2 Algoritmo de valor medio El algoritmo de valor medio (MVA, mean value algorithm) es un mecanismo para calcular medidas de calidad de funcionamiento de redes de puesta en fila de espera. Combina de excelente manera dos resultados principales de la teora de puesta en fila de espera: el teorema de llegada ( 8.28) y la ley de Little ( 5.20). El algoritmo fue publicado por primera vez por Lavenberg y Reiser (1980 [73]). En el mismo se considera una red de puesta en fila con K nodos y S clientes (todos pertenecientes a una sola cadena). Las cargas relativas de los nodos se simbolizan por k (k = 1, 2, . . . ,K). El algoritmo es recurrente en el nmero de clientes, es decir, una red con x clientes se evala a partir de una red con x clientes. 1 Supngase que el promedio de la cantidad de clientes en el nodo k es Lk(x) donde x es el nmero de clientes total en la red. Obviamente:
- 278 -
El algoritmo acta recurrentemente en dos pasos: Paso 1: Aumentar el nmero de clientes de x a (x + 1). Conforme al teorema de llegada, el (x + 1)-simo cliente ver el sistema como si ste tuviera x clientes en equilibrio estadstico. Por tanto, el promedio de tiempo de ocupacin (tiempo de espera, + tiempo en servicio) en el nodo k es: Para M/M/1, M/G/1 M/G/1, y LCFS PS, PR:
para M/G/ :
donde sk es el promedio del tiempo de servicio en el nodo k que tiene nk servidores. En razn que solo se calcula el tiempo medio de espera, se puede suponer el criterio de fila de espera FCFS. Paso 2: Se aplica la ley de Little (L = .W), que es vlida para todos los sistemas en equilibrio estadstico. Para el nodo k se tiene Lk = k . Wk, donde k es la velocidad de llegada relativa al nodo k. Se tiene
La constante c se obtiene del nmero total de clientes:
Mediante estos dos pasos se ha efectuado la recursin de x a (x + 1) clientes. Para x = 1 no habr tiempo de espera en el sistema y Wk(1) es igual al promedio del tiempo de servicio sk. El algoritmo MVA se indica a continuacin para nodos de un solo servidor, pero es bastante sencillo generalizarlo a nodos con criterios de mltiples servidores, o bien infinitos servidores. Ejemplo 14.4.3: Modelo de servidor central Se aplica el algoritmo MVA al modelo de servidor central (vase el ejemplo 14.4.2). Las velocidades de llegada relativa son:
- 279 -
Nodo 1
Nodo 2
Nodo 3
Naturalmente, el resultado es idntico al obtenido con el algoritmo de convolucin. El tiempo de permanencia en cada nodo (utilizando la unidad de tiempo original) es el siguiente: W1(4) = 1,6154 . 28 = 45,23, W2(4) = 1,6154 . 40 = 64,62, W3(4) = 2,7693 . 280 = 775,38, Ejemplo 14.4.4: Algoritmo MVA aplicado al modelo mquina - reparador Se examina el modelo mquina - reparacin con S fuentes, tiempo de activacin del terminal A y tiempo de servicio CPU igual a una unidad de tiempo. Como se indic en el 12.5.2 esto es equivalente a un sistema de prdidas de Erlang con S servidores y trfico ofrecido A. Es tambin una red de puesta en fila cerrada con dos nodos y S clientes en una cadena. Si se aplica el algoritmo MVA a este sistema se obtendr entonces la frmula de recursin para la frmula B de Erlang (vase el 7.27). Las velocidades de visita relativa son idnticas, pues un cliente visita alternativamente el nodo 1 y el nodo 2: 1 = 2 = 1.
Nodo 1 Nodo 2
- 280 -
Se sabe que la longitud de la fila de espera en los terminales (nodo 1) es igual al trfico transportado en el sistema B de Erlang equivalente y que todos los otros clientes se quedan en la CPU (nodo 2). As tenemos en general:
Nodo 1 Nodo 2
De esto se obtiene la constante de normalizacin c = 1 Ex(A) y se calcula para el (x+1)-simo cliente:
pues se sabe que c = 1- Ex+1. Esta es la formula de recursin para la frmula B de Erlang. 14.5 Redes de puesta en fila BCMP En 1975 el modelo de Jackson fue ulteriormente generalizado por Baskett, Chandy, Muntz y Palacios (1975 [4]). Se demostr que las redes de puesta en fila con ms de un tipo de clientes tambin tienen forma de producto, siempre que: a) b) Cada nodo es un sistema de puesta en fila simtrico (vase el 14.2: proceso de llegada de Poisson proceso de salida de Poisson). Los clientes se clasifican en N canales. Cada canal se caracteriza por su propio tiempo de servicio medio si y por las probabilidades de transicin pij. Adems, un cliente puede cambiar de un canal a otro con una determinada probabilidad despus de haber terminado el servicio en un nodo. Si el criterio de puesta en fila en un nodo es M/M/n (incluido M/M/1) se aplica una restriccin: el promedio del tiempo de servicio debe ser idntico para todos los canales en un nodo.
Las redes BCMP pueden ser evaluadas con el algoritmo de convolucin multidimensional as como con el algoritmo MVA multidimensional. Estos dos algoritmos se describirn ms adelante. Las redes de puesta en fila mixtas (abiertas y cerradas) se proyectan calculando primero la carga de trfico en cada nodo de las cadenas abiertas. Este trfico debe ser transportado para que entren en equilibrio estadstico. La capacidad de los nodos est reducida por este trfico, y la red de puesta en fila cerrada se calcula por la capacidad reducida. Por tanto, el problema principal es calcular redes cerradas. Para ello, se utilizarn ms algoritmos entre los cuales los ms importantes son el algoritmo de convolucin y el algoritmo MVA.
- 281 -
14.6 Redes de puesta en fila multidimensionales En esta seccin se estudiarn redes de puesta en fila con ms de un tipo de clientes. Los clientes del mismo tipo pertenecen a una clase o canal especfico. En el Captulo 10 se analizaron sistemas de prdidas con diversos tipos de clientes (servicios) y se observ que se mantuvo la forma de producto y que se poda aplicar el algoritmo de convolucin. 14.6.1 Sistema de puesta en fila de un solo servidor M/M/1
Figura 14.7 Sistema de puesta en fila M/M/1 con dos tipos (de cadenas) de clientes La figura 14.7 ilustra un sistema de puesta en fila de un solo servidor con N = 2 tipos de clientes (cadenas). Los clientes llegan al sistema conforme a un proceso de llegada de Poisson con intensidad j (j = 1, 2). El estado (i, j) se define como un estado con i clientes tipo 1 y j clientes tipo 2. La intensidad de servicio i,j en el estado (i, j) se puede seleccionar pues sta depende del estado, por ejemplo:
La velocidad del servicio se puede interpretar de diversas maneras conforme al sistema simtrico de puesta en fila de un solo servidor. Una interpretacin corresponde a la comparticin del procesador, es decir, todos los (i + j) clientes comparten el servidor y la capacidad de ste es constante. La dependencia del estado es debida a la diferencia en velocidades de servicio entre los dos tipos de clientes; es decir, el nmero de clientes que ha terminado su operacin por unidad de tiempo depende de los tipos de clientes a los que se le est dando servicio. Otra interpretacin corresponde a un sistema M/M/1. Si se supone 1 = 2, se puede determinar que el cliente se le da servicio con probabilidad i/(i+j) de tipo 1, y con probabilidad j/(i+j) de tipo 2. Esto es independiente del criterio de servicio.
- 282 -
Figura 14.8 Diagrama de transicin de estado para un sistema M/M/1 multidimensional con comparticin de procesador En la figura 14.8 se ilustra parte del diagrama de transicin de estado. El diagrama es reversible, pues el flujo que circula en sentido horario es igual al flujo que circula en sentido antihorario. Por lo tanto, hay equilibrio local y todas las probabilidades de estado se pueden expresar por p(0, 0):
Normalizando la expresin se tiene que p(0, 0):
En comparacin con la frmula B de Erlang multidimensional se tiene ahora el factor adicional (i+j)!. El producto entre cadenas (dentro de un nodo) se pierde, pero el producto entre nodos se mantendr an. Si hay N tipos de clientes (cadenas) diferentes, las probabilidades de estado para un solo nodo resulta:
Esto se puede expresar por la distribucin polinmica (4.37):
- 283 -
Para un nmero ilimitado de posiciones de puesta en fila las probabilidades de estado del nmero total de clientes son: Si i = , el sistema es idntico a un sistema M/M/1 con velocidad de llegada = i i:
Para obtener este resultado se utiliza la expansin binomial. El diagrama de transicin de estado de la figura 14.8 tambin se puede interpretar como el diagrama de transicin de estado de un sistema M/G/1, LCFS-PR (con derecho prioritario). Es obvio que este sistema sea reversible pues el proceso sigue exactamente el mismo trayecto en el diagrama de transicin de estado fuera del estado cero y retorno a dicho estado. El diagrama de transicin de estado se puede mostrar diferente a la distribucin del tiempo de servicio, de modo que es vlido para el sistema de puesta en fila M/G/1. La figura 14.8 corresponde a un diagrama de transicin de estado para un sistema de puesta en fila de un solo servidor con tiempos de servicios distribuidos hiperexponencialmente (vase (10.7)), por ejemplo M/H2/1-LCFS-PR o PS. Cabe sealar que para el sistema M/M/1 (FCFS, LCFS, SIRO) es necesario suponer que todos los clientes tienen el mismo tiempo medio de servicio, que debe estar distribuido en forma exponencial. De otro modo, el cliente a quien se le est dando servicio no ser del tipo aleatorio que se encuentra entre los (i + j) clientes en el sistema. En conclusin, los sistemas de puesta en fila de un solo servidor con ms tipos de clientes slo tendr forma de producto cuando el nodo es un sistema de puesta en fila simtrico: M/G/1-PS, M/G/1-LCFS PR, o M/M/1 con el mismo tiempo de servicio para todos los clientes. 14.6.2 Sistema de puesta en fila M/M/n El trfico anterior se puede transportar a travs de un sistema con n servidores. Para (i + j) n se tiene las mismas probabilidades de estado relativas que para la frmula B de Erlang multidimensional. Para (i + j) > n slo se obtiene una interpretacin simple cuando i = , es decir, cuando todos los tipos de clientes (cadenas) tienen el mismo tiempo medio de ocupacin. Se calcula entonces las probabilidades de estado aplicando la ecuacin (14.1), y el sistema tiene forma de producto. El sistema M/M/ se puede considerar como un caso especial de M/M/n y ya ha sido tratado en relacin con sistemas de prdidas (vase el Captulo 12). 14.7 Redes cerradas de puesta en fila con mltiples cadenas El tratamiento de redes de puesta en fila con mltiples cadenas es anlogo al caso con una sola cadena. La nica diferencia es que las frmulas y algoritmos clsicos estn reemplazados por las frmulas multidimensionales pertinentes.
- 284 -
14.7.1 Algoritmo de convolucin El algoritmo es esencialmente el mismo que en el caso de una sola cadena: Paso 1. Considrese cada canal como si fuera el nico de la red. Obtngase la carga relativa en cada nodo resolviendo la ecuacin (14.5) de equilibrio de flujo. En un nodo de referencia arbitrario se supone que la carga es igual a uno. Para cada cadena se puede determinar un nodo diferente como nodo de referencia. Para la cadena j en el nodo k se obtiene la intensidad
j de llegada relativa k (el ndice superior indica la cadena) mediante la siguiente expresin:
donde: K = cantidad de nodos, N = cantidad de cadenas,

j pik = probabilidad que un cliente de la cadena j pase del nodo i al nodo k.
Se determina un nodo arbitrario como nodo de referencia, por ejemplo nodo 1, es decir 1j = 1. La carga relativa en el nodo k debido a clientes de la cadena j es entonces:
donde skj es el tiempo medio de servicio en el nodo k para clientes de la cadena j. Cabe sealar que j es un ndice superior y no una potencia. Paso 2. Basado en las cargas relativas halladas en el paso 1, obtnganse las probabilidades de estado multidimensionales para cada nodo. Cada nodo se considera aislado y se corta el espacio del estado conforme al nmero de clientes en cada cadena. Por ejemplo para el nodo k (1 k K): pk = pk(i1, i2, . . . ,iN), 0 ij Sj, j = 1, 2, . . . N,
donde Sj es el nmero de clientes en la cadena j. Paso 3. Para hallar las probabilidades de estado de toda la red, las probabilidades de estado de cada nodo se plantean de forma similar al caso de una sola cadena. La nica diferencia es que la convolucin es multidimensional. Cuando se efecta la ltima convolucin se pueden obtener las medidas de calidad de funcionamiento desde la ltima cadena. Nuevamente, al cambiar el orden de los nodos, se pueden obtener las medidas de calidad de funcionamiento de todos los nodos.
La cantidad de estados aumenta rpidamente. Por ejemplo, si la cadena j tiene Sj, el nmero total de estados en cada nodo ser:
La cantidad de modos en que N cadenas con Sj clientes en la cadena j pueden ser distribuidos en una red de puesta en fila con K nodos se calcula con la siguiente expresin:
- 285 -
donde kj (1 kj < k) es el nmero de nodos visitados por la cadena j y:
El algoritmo se ilustra mejor con un ejemplo. Ejemplo 14.7.1: Modelo mquina reparador de Palm con dos tipos de clientes Como se vio en el ejemplo 14.4.1, este sistema se puede modelar con una red de puesta en fila con dos nodos. El nodo 1 corresponde a los terminales (mquinas) mientras que el nodo 2 es la CPU (reparador). El nodo 2 es un sistema de servidor nico mientras que el nodo 1 est modelado como sistema de servidor infinito. El nmero de clientes en las cadenas son (S1 = 2; S2 = 3) y el tiempo medio de servicio en el nodo k es skj . La carga relativa de la cadena 1 se representa por 1 en el nodo 1 y por 2 en el nodo 2. En forma similar, la carga de la cadena 2 se simboliza por 1 y 2, respectivamente. Aplicando el algoritmo de convolucin se tiene: Paso 1. Cadena 1: Carga relativa: Cadena 2: Carga relativa: Paso 2. S1 = 2 clientes
2 = 1. s1 ,
S2 = 3 clientes
2 1 = 2 . s1 ,
1 2 = 1 . s2 .
2 2 = 2 . s2 .
Para el nodo 1 (IS) las probabilidades de estado relativas son (vase 14.1):
- 286 -
Para el nodo 2 (servidor nico) (vase 14.15) resulta:
Paso 3.
Se ponen los dos nodos en convolucin. Se sabe que el nmero total de clientes es (2, 3), es decir, slo hay inters en el estado (2, 3):
Utilizando los valores reales se tiene:
Se debe sealar que 1 y 2 juntos (cadena 1) siempre aparecen en la segunda potencia mientras que 1 y 2 (cadena 2) aparecen en la tercera potencia correspondiente al nmero de clientes en cada cadena. Debido a esto, slo las cargas relativas son pertinentes, y las probabilidades absolutas se obtienen por proceso de normalizacin dividiendo todos los trminos por q12(2, 3). Las probabilidades 2 3 de estado detalladas son ahora fciles de obtener. Slo en el estado con el trmino ( 1 . 1 )/12 est la CPU (reparador) inactiva. Si los dos tipos de clientes son idnticos el ejemplo se simplifica al modelo de mquina - reparador de Palm con cinco terminales. En este caso se tiene:
- 287 -
Si 1 = 1 = y 2 = 2 = 1, resulta:
es decir, se espera la frmula B de Erlang. 14.8 Otros algoritmos para redes de puesta en fila El algoritmo MVA es tambin aplicable a redes de puesta en fila con ms cadenas, pero no se describir en el presente Manual. Durante el ltimo decenio se han publicado diversos algoritmos. Un panorama general se puede encontrar en (Conway y Georganas, 1989 [16]). En general, los algoritmos exactos no son aplicables para redes amplias. Por tanto, se han elaborado muchos algoritmos aproximados para ser aplicados en redes de puesta en fila de dimensiones realistas. 14.9 Complejidad Las redes de puesta en fila tienen la misma complejidad que las redes de circuito conmutados con encaminamiento directo (vase el 11.5 y el cuadro 11.1). El espacio de estado de la red que figura en el cuadro 14.3 tiene el siguiente nmero de estados para cada nodo:
El caso ms desfavorable se produce cuando cada cadena est constituido por un cliente. El nmero de estado entonces resulta 2S, donde S es el nmero de cliente. Cuadro 14.3 Parmetros de una red de puesta en fila con N cadenas, K nodos y i Si clientes. El parmetro jk indica la carga de la cadena j en el nodo k (vase el cuadro 11.1)
Cadena Nodo Dimensin de la poblacin
14.10 Atribucin de la capacidad ptima Se considera ahora un sistema de transmisin de datos con K nodos, que son sistemas independientes de puesta en fila de un solo servidor M/M/1 (sistema de demora de Erlang con un servidor). El proceso de llegada al nodo k es un proceso de Poisson con mensajes de intensidad k (clientes) por
- 288 -
unidad de tiempo, y el tamao del mensaje est distribuido exponencialmente con el valor medio 1/k [bits]. La capacidad del nodo k es k [bits por unidad de tiempo]. Se introduce en la capacidad total la restriccin lineal siguiente:
Para cada atribucin de capacidad que satisface la ecuacin (14.21), se tiene el tiempo medio de permanencia (promedio de llamada) siguiente (vase el 12.4.1, combinacin en paralelo):
donde:
Definiendo:
se obtiene la ley de Kleinrock para atribucin de capacidad ptima (Kleinrock, 1964 [65]). Teorema 14.2 ley de las races cuadradas de Kleinrock: La atribucin de capacidad ptima que reduce T al mnimo (y as el nmero total de mensajes en todos los nodos) es:
con la condicin que:
Con esta atribucin ptima resulta:
En esta expresin se indica que a todos los nodos se atribuye primero la capacidad mnima necesaria i/i. La capacidad restante:
se atribuye entre los nodos en forma proporcional a la raz cuadrada del flujo medio k/k.
- 289 -
Esto se puede determinar introduciendo el multiplicador de Lagrange y considerar:
El valor mnimo de G se obtiene calculando k conforme a la ecuacin (14.26). Si todos los mensajes tienen el mismo valor medio k=, (se puede considerar entonces diferentes costos en los nodos conforme a la restriccin que se disponga de un monto fijo (Kleinrock, 1964 [65]).
- 290 -
- 291 -
CAPTULO 15 Mediciones de trfico

Se realizan mediciones de trfico con el fin de obtener informacin cuantitativa sobre la carga de un sistema y as poder dimensionarlo. Por mediciones de trfico se entiende cualquier tipo de compilacin de datos sobre la carga de trfico de un sistema. El sistema examinado puede ser un sistema fsico, por ejemplo una computadora, un sistema telefnico, o el laboratorio central de un hospital. Tambin puede ser un sistema ficticio. La compilacin de datos de un modelo informtico de simulacin corresponde a las medidas de trfico. La tarificacin de las llamadas telefnicas corresponde tambin a las mediciones de trfico cuando la unidad de medicin utilizada es una suma de dinero. La extensin y el tipo de mediciones, as como los parmetros (caractersticas de trfico) medidos en cada caso se han de elegir de conformidad con las demandas, y de tal manera que un mnimo de esfuerzos tcnicos y administrativos procure un mximo de informacin y de beneficios. Segn la naturaleza del trfico, una medicin efectuada durante un intervalo de tiempo limitado corresponde a un registro de determinada realizacin del proceso de trfico. As pues, la medicin es una muestra de una o ms variables estocsticas. Al repetir la medicin, se suele obtener un valor diferente y, por lo general, slo se puede afirmar que el parmetro desconocido (el parmetro de poblacin, por ejemplo el valor medio del trfico cursado), con una probabilidad determinada, se encuentra dentro de un determinado intervalo, denominado intervalo de confianza. La informacin es igual a la funcin de distribucin del parmetro. Por razones prcticas es, en general, suficiente conocer el valor medio y la varianza, es decir, la distribucin en s no reviste gran importancia. Este Captulo se centrar en las bases estadsticas para estimar la fiabilidad de una medicin, y en menor grado se examinarn los antecedentes tcnicos. Los siguientes anlisis suponen slo conocimientos elementales de la teora de las probabilidades. Como se mencion anteriormente, la teora tambin se aplica a los modelos estocsticos de simulacin informtica. 15.1 Principios y mtodos de medicin Las posibilidades tcnicas de medicin son decisivas para determinar qu se mide y cmo se efectan las mediciones. El primer equipo de medicin por programa controlado fue elaborado en la Universidad tcnica de Dinamarca, y se describe en (Andersen y Hansen e Iversen, 1971 [2]. Se puede, en principio, efectuar cualquier medicin de trfico conforme a un proceso de trfico, cuyo estado es discreto y el tiempo es continuo, combinando dos operaciones fundamentales: 1) Nmero de eventos: esto puede ser, por ejemplo el nmero de errores, nmero de tentativas de llamada, nmero de errores en un programa, cantidad de tareas que ejecutar un centro de computacin, etc. (vase el 5.1.1). Intervalos de tiempo: por ejemplo, tiempos de conversacin, tiempo de ejecucin de tareas en una computadora, tiempo de espera, etc. (vase el 5.1.2).
2)
Por medio de la combinacin de esas dos operaciones se puede obtener cualquier caracterstica de un proceso de trfico. La caracterstica ms importante es el volumen de trfico (transportado), es decir la adicin de todos los (intervalos de) tiempos de ocupacin en un determinado periodo de medicin. Desde un punto de vista funcional todos los mtodos de medicin de trfico se pueden dividir en las dos clases siguientes: 1) 2) Mtodos de medicin continuos. Mtodos de medicin discretos.
- 292 -
15.1.1 Mediciones continuas En este caso el punto de medida activa al equipo de medicin en el instante del evento. Aun cuando el mtodo de medicin sea continuo el resultado puede ser discreto. Ejemplo 15.1.1: Equipo de medicin: tiempo continuo Los equipos que funcionan conforme al principio continuo pueden ser, por ejemplo, los siguientes: a) b) c) Contadores electromecnicos cuyo conteo se aumenta en uno en el instante de un evento. Trazadores x de registro conectados a un punto que se activa durante una conexin. y Medidores de amperios/hora, que integran el consumo de potencia durante un periodo de medicin. Cuando se aplica en antiguas centrales electromecnicas para mediciones del volumen de trfico, cada lnea de enlace se conecta a travs de un resistor de 9,6 k, el cual durante la ocupacin se conecta entre 48V y tierra y consume 5 mA. Contadores del caudal de agua que miden el consumo de agua de un hogar. 15.1.2 Mediciones discretas En este caso el punto de medicin es pasivo y el equipo de medicin debe probar (determinar) por s mismo si se han producido cambios en los puntos de medicin (normalmente binarios, activado-desactivados). Este procedimiento se denomina mtodo de exploracin, cuyo barrido se hace generalmente en instantes regulares (constante = intervalos de tiempos determinsticos). Todos los eventos que se han producido entre dos instantes de exploracin consecutivos estn referidos en los que hace al tiempo al instante del ltimo barrido, y se consideran como producidos en este instante. Ejemplo 15.1.2: Equipo de medicin: tiempo discreto Los equipos que funcionan conforme al principio de tiempo discreto pueden ser, por ejemplo, los siguientes: a) Tarificacin de llamada conforme al principio de Karlsson, donde los impulsos de tasacin se emiten en tiempos regulares (la distancia depende del costo por unidad de tiempo) al medidor del abonado que ha iniciado la llamada. Cada unidad registrada (intervalo) corresponde a una determinada cantidad de dinero. Si se mide la duracin de una llamada por su costo, se observa entonces una distribucin discreta (0, 1, 2, . . . unidades). El mtodo lleva el nombre en honor al matemtico finlands S.A. Karlsson (Karlsson, 1937 [57]. En comparacin con la mayora de los otros mtodos, requiere un mnimo de administracin. El trfico transportado por un grupo de lneas de enlace de una central electromecnica se mide en la prctica conforme al principio de exploracin. Durante una hora se observa 100 veces (cada 36 segundos) el nmero de lneas de enlace ocupadas y este nmero se aade a un contador mecnico que indica as el trfico medio transportado con dos decimales. Contando asimismo la cantidad de llamadas se puede estimar el tiempo medio de ocupacin. El principio de exploracin es particularmente apropiado para su aplicacin en sistemas digitales. Por ejemplo, el equipo controlado por procesador elaborado en 1969 en la Universidad Tcnica de Dinamarca tena la capacidad de probar 1024 puntos de medida (por ejemplo, rels en una central electromecnica, lneas de enlace o canales) en un tiempo de 5ms. Los estados de cada punto de medicin (desocupado/ocupado o desactivado/activado) en los dos ltimos barridos se almacenan en la memoria de una computadora y, por comparacin de las lecturas, se pueden detectar los cambios de estado. Un cambio de estado 0 1 corresponde al inicio de una ocupacin y 1 0 al trmino de ocupacin (principio de ltima observacin). Las exploraciones estn controladas por un reloj. Por tanto, se puede supervisar cada canal durante un tiempo y medir sus intervalos, observndose as las
d)
b)
c)
- 293 -
distribuciones en el tiempo. Mientras que el equipo clsico (medidores de erlangs) mencionado anteriormente observa el proceso de trfico en el espacio de estado (vertical, representacin del nmero), el equipo de programa controlado observa el proceso de trfico en el espacio de tiempo (horizontal, representacin del intervalo), en tiempo discreto. La cantidad de informacin es casi independiente del intervalo de exploracin pues slo se almacenan los cambios de estado (el tiempo de un barrido se mide en un nmero entero de intervalos de exploracin). Los mtodos de medicin han tenido influencia decisiva en la manera de pensar y en el modo de formular y analizar los problemas estadsticos. El equipo clsico que funciona en el espacio de estado ha indicado que los anlisis estadsticos se han basado en probabilidades de estado, es decir bsicamente en procesos de renovacin. Desde el punto de vista matemtico estos modelos han sido bastante complejos (mediciones verticales). Los siguientes clculos son, en comparacin muy elementales y an ms generales, y se basan en el funcionamiento en espacio temporal del equipo de programa controlado. (Iversen, 1976 [38]) (mediciones horizontales). 15.2 Teora del muestreo Supngase que se tiene una muestra de n observaciones independiente e idnticamente distribuidas {X1, X2,. . . ,Xn} de una variable estocstica con el valor finito medio desconocido m1 y varianza finita ....2 (parmetros de poblacin). El valor medio y la varianza de la muestra se definen como sigue:
Los parmetros X y s2 son funciones de una variable estocstica y, por lo tanto, son tambin variables estocsticas definidas por una distribucin denominada distribucin de muestreo. El parmetro X es un estimador central del valor medio de poblacin desconocido m1, es decir:
Asimismo, s2/n es un estimador central de la varianza desconocida del valor medio de la muestra X , es decir:
Se describe la exactitud de la estimacin de un parmetro de muestreo por medio de un intervalo de confianza, con al cual una determinada probabilidad especifica cmo la estimacin se ubica en relacin con el valor terico desconocido. En este caso el intervalo de confianza del valor medio resulta:
donde: tn-1,1/2 es el percentil (1 /2) superior de la distribucin t con n grados de libertad. La 1 probabilidad de que el intervalo de confianza incluya el valor medio terico desconocido es igual a (1
- 294 -
) y se denomina nivel de confianza. En el cuadro 15.1 figuran algunos valores de la distribucin t. Cuando n se hace grande, la distribucin t converge a la distribucin normal y se puede utilizar el percentil de esta distribucin. La hiptesis de independencia se satisface para mediciones tomadas en diferentes das pero no, por ejemplo, para mediciones sucesivas por el mtodo de exploracin en un intervalo de tiempo limitado, pues la cantidad de canales ocupados en un instante dado estar correlacionada con el nmero de circuitos ocupados en la exploracin previa y en la siguiente. En las secciones prximas se calcular el valor medio y la varianza de las mediciones de trfico durante, por ejemplo, una hora. Este valor agregado para un determinado da puede ser utilizado entonces como simple observacin en las frmulas precedentes, donde la cantidad de observaciones ser tpicamente el nmero de das que se mide.
Figura 15.1 Observacin de un proceso de trfico por un mtodo de medicin continua y por el mtodo de exploracin con intervalos de barrido regulares. El mtodo de exploracin es suficiente para observar los cambios de estado Leyendas de la figura 15.1 1) Proceso de trfico continuo
- 295 -
2) 3) 4) 5)
Tiempo Proceso de trfico discreto Barrido Mtodo de exploracin
Cuadro 15.1 Percentiles de la distribucin t con n grados de libertad. Un valor especfico de corresponde a una masa de probabilidad /2 en ambos extremos de la distribucin t. Cuando n es grande, se pueden utilizar los percentiles de la distribucin normal
n 1 2 5 10 20 40
= 10% 6,314 2,920 2,015 1,812 1,725 1,684 1,645
= 5% 12,706 4,303 2,571 2,228 2,086 2,021 1,960
= 1% 63,657 9,925 4,032 3,169 2,845 2,704 2,576
Ejemplo 15.2.1: Intervalo de confianza para congestin de llamadas En un grupo troncal de 30 lneas de enlace (canales) se observa el resultado de 500 tentativas de llamada. Esta medicin se repite 11 veces y se obtienen los siguientes valores de congestin de llamadas (en porcentaje): 9,2; 3,6; 3,6; 2,0; 7,4; 2,2; 5,2; 5,4; 3,4; 2,0; 1,4 La suma total de las observaciones es 45,4 y el total de los cuadrados de las observaciones es 247,88 . Aplicando la ecuacin (15.1) X = 4,1273 % y con la ecuacin (15.2) s2 = 6,0502 (%) 22. Al nivel de 95% el intervalo de confianza resulta, utilizando los valores t del cuadro 15.1: (2,47 5,78). Cabe sealar que las observaciones se obtienen simulando un trfico PCT I de 25 erlang, que se ofrece a 30 canales. Conforme a la frmula B de Erlang la probabilidad terica de bloqueo es de 5,2603 %. Este valor se encuentra dentro del intervalo de confianza. Si se desea reducir el intervalo de confianza en un factor de 10, se debern efectuar 100 observaciones veces ms (vase la frmula 15.5), es decir 50 000 por mediciones (subejecucin). Se lleva a cabo esta simulacin y se observa una congestin de llamadas igual a 5,245 % y un intervalo de confianza (5,093 - 5,398). Esta simulacin requiere unos 10 segundos en un puesto de trabajo. 15.3 Mediciones continuas en un periodo ilimitado Las mediciones de intervalos de tiempo a travs de mtodos de medida continuos sin interrupciones son fciles de efectuar mediante la teora de muestreo descrita en el 15.2 Para la medicin del volumen de trfico o de la intensidad de trfico se pueden aplicar las frmulas (3.46) y (3.48) para una suma estocstica. Esto es en trminos generales, siendo la nica restriccin la independencia estocstica entre X y N. En la prctica, esto significa que los sistemas no deben tener congestin. En general se tendrn bajos porcentajes de congestin y aun en el caso ms desfavorable
- 296 -
puede suponer independencia. Sin duda, el caso ms importante es un proceso de llegada de Poisson con intensidad . Se tendr entonces una suma estocstica (vase el 3.3). Para el proceso de llegada de Poisson, cuando se considera un intervalo de tiempo T, se tendr:
y, por tanto, resulta:
donde m2,t es el segundo momento (no central) de la distribucin de tiempo de ocupacin, y t es el factor de forma de Palm de la misma distribucin:
- 297 -
Figura 15.2 Cuando se analizan las mediciones de trfico se pueden distinguir dos casos: a) Mediciones en un periodo de tiempo ilimitado. Toda llamada iniciada durante el periodo de medicin contribuye con su duracin total. b) Mediciones en un periodo de tiempo limitado. Cada llamada contribuye con su tiempo de ocupacin que puede estar establecido dentro del periodo de medicin. Los segmentos que identifican los tiempos de ocupacin que contribuyen con las mediciones se indican en la figura en lnea llena Leyendas de la figura 15.2 1) 2) 3) a: Periodo de medicin ilimitado Tiempo b: Periodo de medicin limitado
La distribucin de ST ser en este caso una distribucin de Poisson compuesta (Feller, 1950 [29]). La frmula corresponde a un volumen de trfico (por ejemplo, erlang-horas). Para muchas aplicaciones, tales como dimensionamiento, es importante determinar la cantidad media de canales ocupados, es decir intensidad (rgimen) de trfico = trfico por unidad de tiempo (m1,t = 1, = A), cuando se establece el tiempo medio de ocupacin como unidad de tiempo:
- 298 -
Estas ecuaciones son vlidas para distribuciones arbitrarias del tiempo de ocupacin. Las ecuaciones (15.8) y (15.9) fueron deducidas originalmente por C. Palm (1941 [80]). En (Rabe, 1949 [88]) se publicaron las frmulas para los casos especiales t = 1 (tiempo de ocupacin constante) y t = 2 (tiempo de ocupacin distribuidos exponencialmente). Las ecuaciones anteriores se utilizan para todas las llamadas que llegan dentro de intervalo T cuando se mide la duracin total de todos los tiempos de ocupacin sin importar el tiempo de permanencia (vase la figura 15.2a). Ejemplo 15.3.1: Exactitud de una medicin Se hace notar que siempre se obtiene el valor medio correcto de la intensidad de trfico (15.8). La varianza, sin embargo, es proporcional al factor de forma t. Para algunos casos comunes de distribuciones del tiempo de ocupacin se obtiene la siguiente varianza de la intensidad de trfico medida. Constante: Distribucin exponencial: Observada (figura 4.3): Observando el trfico telefnico, se encuentra a menudo que t es considerablemente ms grande que el valor 2 (distribucin exponencial), que se presume que es vlido en muchos modelos clsicos de teletrfico (vase la figura 4.3). Por tanto, la exactitud de una medicin es menor que la que figura en muchos cuadros. Sin embargo, esto se compensa por la hiptesis que los sistemas son no bloqueantes. En un sistema con bloqueo la varianza resulta menor debido a la correlacin negativa entre los tiempos de ocupacin y el nmero de llamadas. Ejemplo 15.3.2: Exactitud relativa de una medicin La exactitud relativa de una medicin viene dada por la siguiente relacin:
coeficiente de variacin De la misma se observa que si t = 4, se deber medir dos veces en un periodo para obtener la misma fiabilidad de una medicin como para el caso de tiempos de ocupacin con distribucin exponencial. Para un determinado intervalo de tiempo se observa que la exactitud de la intensidad de trfico cuando se mide un pequeo grupo de enlace es mucho mayor que cuando se mide un grupo de enlace grande, en razn que la exactitud slo depende de la intensidad de trfico A. Cuando se dimensiona un pequeo grupo de enlace, un error en la estimacin del trfico del 10% tiene mucho menos influencia que el mismo porcentaje de error en un grupo de enlace grande (vase el 7.5.1). Por tanto, se medir el mismo intervalo de tiempo en todos los grupos de enlace. En la figura 15.5 la exactitud relativa para una medicin continua se indica con la recta h = 0.
- 299 -
15.4 Mtodos de exploracin en un periodo ilimitado En esta seccin slo se considerarn intervalos de exploracin regulares (constantes). El mtodo de exploracin se aplica, por ejemplo, a mediciones de trfico, tarificacin de llamadas, simulaciones numricas, y control de procesador. Por el mtodo de exploracin se observa una distribucin de tiempo discreta para el tiempo de ocupacin que, en tiempo real, es generalmente continuo. En la prctica, se determina por lo general una distancia constante h entre los instantes de exploracin, y se encontrar la siguiente relacin entre el intervalo observado y el tiempo real (vase la figura 15.3): Tiempo observado 0h 1h 2h 3h ... Tiempo real 0 h 1h 0 h 2h 1 h 3h 2 h 4h ...
Se observa que hay una superposicin entre los intervalos continuos, de modo tal que la distribucin discreta no se puede obtener por la simple integracin de un intervalo continuo sobre un intervalo fijo de longitud h. Si los tiempos reales de ocupacin tienen una funcin de distribucin F(t), se observar la distribucin discreta siguiente (Iversen, 1976 [38]):
Figura 15.3 Con el mtodo de exploracin un intervalo continuo se transforma en un intervalo discreto. La transformacin no es nica (vase el 15.4) Leyendas de la figura 15.3 1) 2) Nmero de barridos observado Intervalo para el tiempo real (barrido)
- 300 -
Interpretacin: Se supone que el tiempo de llegada de la llamada es independiente del proceso de exploracin. Por tanto, la funcin de densidad del intervalo desde el instante de llegada de la llamada al tiempo de la primera exploracin est distribuido uniformemente y es igual a (1/h) (vase el 6.3.3). La probabilidad de observar instantes de barrido cero durante el tiempo de ocupacin de la llamada se representa por p(0) y es igual a la probabilidad que la llamada termine antes del tiempo del barrido siguiente. Para un valor fijo del tiempo de ocupacin t esta probabilidad es igual a F(t)/h, y para obtener la probabilidad total se integran todos los valores t posibles (0 t < h) y se aplica la ecuacin (15.10). De manera similar se extrae p(k) con la ecuacin (15.11). Por integracin parcial se puede determinar que para cualquier funcin de distribucin F(t) se observar siempre el valor medio correcto:
Cuando se utiliza la tarificacin de Karlsson se llegar tasar siempre el monto correcto. Para intervalos de ocupacin con distribucin exponencial, F(t) = 1 - t, se observar una distribucin e discreta denominada distribucin de Westerberg (Iversen, 1976 [38]):
Esta distribucin puede tener el valor medio y el factor de forma siguientes:
El factor de forma es igual a uno ms el cuadrado de la exactitud relativa de la medicin. Para una medicin continua el factor de forma es 2. La contribucin es debida a la influencia del principio 2 de medicin. El factor de forma es una medida de la exactitud de las mediciones. La figura 15.4 ilustra cmo depende el factor de forma del tiempo de ocupacin con distribucin exponencial observado en la duracin del intervalo de exploracin (15.16). Con mediciones continuas se obtiene una muestra ordinaria y por el mtodo de exploracin se obtiene una muestra de una muestra, de modo tal que hay incertidumbre en razn del mtodo de medicin as como del tamao limitado de la muestra. La figura 5.2 muestra un ejemplo de la distribucin de Westerberg. Es en particular la clase cero que se aparta de lo que se podra esperar de una distribucin exponencial continua. Si en la expresin para 2 s (15.9) se inserta el factor de forma, se obtiene entonces, fijando el tiempo medio de ocupacin como unidad de tiempo m1,t = 1/ = 1, las siguientes estimaciones de la intensidad de trfico cuando se emplea el mtodo de exploracin:
- 301 -
Con el mtodo de medicin continuo la varianza es 2A/T. Esto tambin se obtiene dejando h 0. En La figura 15.5 se muestra la exactitud relativa del volumen de trfico medido para una medicin continua (15.8) y (15.9), as como para el mtodo de exploracin (15.17). La ecuacin (15.17) fue formulada por (Palm, 1941 [80]), pero recin result conocida cuando fue divulgada por W.S. Hayward Jr. (1952 [35]). Ejemplo 15.4.1: Principios de tarificacin Para la tarificacin de llamadas se aplican varios principios. Adems, el rgimen de tasacin vara, por lo general, durante las 24 horas para influenciar los hbitos del abonado. Entre los principios se puede mencionar: a) b) Tasa fija por llamada. Este principio se aplica a menudo en sistemas manuales para llamadas locales (tarifa nica) Tarificacin de Karlsson. Esto corresponde al principio de medicin que se trata en esta seccin debido que el tiempo de ocupacin se fija al azar conforme a los impulsos de tasacin regulares. Este principio ha sido aplicado en Dinamarca en centrales de tipo de barras cruzadas. Tarificacin de Karlsson modificada. Se puede, por ejemplo, aadir un impulso adicional al comienzo de la llamada. En sistemas digitales en Dinamarca se aplica una tasa fija por llamada adems de una tasa proporcional a la duracin de la llamada. El comienzo del tiempo de ocupacin se sincroniza con el proceso de exploracin. Esto se aplica, por ejemplo, para llamadas atendidas por operador y en telfonos de alcanca. 15.5 Ejemplo numrico
2 Para una medicin especfica se calcula m1,i y i . La desviacin de la intensidad de trfico observada con relacin al valor terico correcto tiene una distribucin aproximadamente normal. Por tanto, el valor terico medio desconocido estar dentro del 95% de los intervalos de confianza calculados (vase el 15.2):
c)
d)
2 La varianza i es entonces decisiva para la exactitud de una medicin. Para estudiar qu factores son de mayor importancia se efectuarn clculos numricos de algunos ejemplos. Todas las frmulas se pueden calcular fcilmente con un calculador de bolsillo.
Ambos ejemplos suponen trfico PCT (es decir, proceso de llegada de Poisson y tiempos de I, ocupacin con distribucin exponencial), intensidad de trfico = 10 erlang, y tiempo medio de ocupacin = 180 segundos, que se fija como unidad de tiempo. Ejemplo a: Corresponde a una medicin de trfico clsica: Periodo de medicin = 3600 s = 20 unidades de tiempo = T. Intervalo de exploracin = 36 s = 0,2 unidades de tiempo = h = 1/s. (100 observaciones) Ejemplo b: En este caso slo se explora una vez por tiempo de ocupacin medio Periodo de medicin = 720 s = 4 unidades de tiempo = T. Intervalo de exploracin = 180 s = 1 unidad de tiempo = h = 1/s.
- 302 -
(4 observaciones) Del cuadro 15.5 se pueden extraer algunas conclusiones generales: Por el mtodo de exploracin se obtiene muy poca informacin comparada con una medicin continua ya que el intervalo de exploracin es menor que el tiempo medio de ocupacin (vase la figura 15.4). La medicin continua se puede considerar como una referencia ptima para cualquier mtodo discreto.
Figura 15.4 Factor de forma para tiempos de ocupacin con distribucin exponencial observados por intervalos de exploracin con distribucin Erlang-k en un periodo de medicin ilimitado. El caso k = corresponde a intervalos de exploracin regulares (constantes) que transforman la distribucin exponencial en distribucin de Westerberg. El caso k = 1 corresponde a intervalos de exploracin con distribucin exponencial(vase el mtodo de simulacin de la ruleta). El caso h = 0 corresponde a una medicin continua. Se observa que con intervalos de exploracin regulares casi no hay informacin si el intervalo de exploracin es menor que el tiempo medio de ocupacin (fijado como unidad de tiempo) Leyendas de la figura 15.4 1) 2) Factor de forma Intervalo de exploracin [s 1]
- 303 -
Figura 15.5 Con una escala logartmica doble se obtiene una relacin lineal entre la exactitud relativa de la intensidad de trfico A y el volumen de trfico medido A . T cuando se efecta en un periodo ilimitado. El intervalo de exploracin h = 0 corresponde a una medicin continua y h > 0 corresponde al mtodo de exploracin. La influencia de un mtodo de medicin limitado se representa en lnea punteada para el caso A = 1 erlang y una medicin continua teniendo en cuenta el intervalo de medicin limitado. El intervalo T se mide en tiempos medios de ocupacin Leyendas de la figura 15.5 1) 2) Exactitud relativa de A Volumen de trfico [s] El conocimiento que se obtiene en relacin con un periodo de medicin limitado produce ms informacin para una medicin breve (T <5), mientras que se obtiene muy poca informacin adicional para T >10. (En el proceso de trfico hay correlacin; la primera parte de un periodo de medicin produce ms informacin que las partes siguientes.) Utilizando el mtodo de la ruleta se obtiene mayor informacin que con el mtodo de exploracin (Iversen 1976, [38], 1977 [39]).
Todos los factores mencionados anteriormente tienen mucho menos influencia que el hecho que los tiempos de ocupacin reales se desvan a menudo del esquema de distribucin exponencial. En la prctica, se observa con frecuencia un factor de forma cercano a 4 6. La conclusin que se pueda hacer de los ejemplos anteriores es que para aplicaciones prcticas es ms pertinente aplicar la frmula elemental (15.8) con un factor de forma correcto que tomara en cuenta el mtodo y el periodo de medicin.
- 304 -
Cuadro 15.2 Comparacin numrica de diversos principios de medicin en diferentes intervalos de tiempo
Ejemplo a Ejemplo b
i2
Mtodo continuo Ilimitado (15.8) Limitado Mtodo de exploracin Ilimitado (15.17) Limitado Mtodo de la ruleta Ilimitado Limitado 1,0000 0,9500 1,0033 0,9535 1,1000 1,0500
i
1,0000 0,9747 1,0016 0,9765 1,0488 1,0247
i2
5,0000 3,7729 5,4099 4,2801 7,5000 6,2729
i
2,2361 1,9424 2,3259 2,0688 2,7386 2,5046
La teora anterior es exacta cuando se consideran tarificacin de llamadas y medicin de intervalos de tiempo. Para simulaciones estocsticas de computadora el proceso de trfico es generalmente estacionario y la teora se puede aplicar para estimacin de la fiabilidad de los resultados. Sin embargo, los resultados son aproximados ya que las hiptesis tericas acerca de sistemas libres y congestin pocas veces son de inters. En mediciones reales en sistemas de trabajo se tienen variaciones de trfico durante el da, errores tcnicos, errores de medicin, etc. Algunos de estos factores se compensan mutuamente y los resultados que se han calculado dan una buena estimacin de la fiabilidad, y constituyen una buena base para comparar medidas y principios de medicin.
- 305 -
BIBLIOGRAFA [1] [2] [3] [4] Abate, J. & Whitt, W. (1997): Limits and approximations for the M/G/1 LIFO waiting time distribution. Operations Research Letters, Vol. 20 (1997): 5, 199 206. Andersen, B. & Hansen, N.H. & og Iversen, V.B. (1971): Use of minicomputer for telephone traffic measurements. Teleteknik (Edicin inglesa) Vol. 15 (1971): 2, 33 46. Ash, G.R. (1998): Dynamic routing in telecommunications networks. McGraw-Hill 1998. 746 pp. Baskett, F. & Chandy, K.M. & Muntz, R.R. & Palacios, F.G. (1975): Open, Closed and Mixed Networks of Queues with Different Classes of Customers. Journ. of the ACM, abril 1975, pp. 248 260. (BCMP queueing networks). Bear, D. (1988): Principles of telecommunication traffic engineering. Revised 3rd Edition. Peter Peregrinus Ltd, Stevenage 1988. 250 pp. Bech, N.I. (1954): Metode til Beregning af Sprring i Alternativ Trunking- og Graderingssystemer. Teleteknik, Vol. 5 (1954) : 4, pp. 435 448. Bolotin, V.A. (1994): Telephone circuit holding time distributions. ITC 14, 14th International Teletraffic Congress. Antibes Juan-les-Pins, France, junio 6-10. 1994. Proceedings pp. 125 134. Elsevier 1994. Boots, N.K. & Tijms, H. (1999): A multiserver queueing system with impatient customers. Management Science, Vol. 45 (1999) : 3, 444 448. Bretschneider, G. (1956): Bie Berechnung von Leitungsgruppen fr berflieenden Verkehr. Nachrichtentechnische Zeitschrift, NTZ, Vol. 9 (1956) : 11, 533 540. Bretschneider, G. (1973): Extension of the equivalent random method to smooth traffics. ITC Seventh International Teletraffic Congress, Estocolmo, junio 1973. Paper 411. 9 pp. 7, Brockmeyer, E. (1954): The simple overffow problem in the theory of telephone traffic. Teleteknik 1954, pp. 361-374. En Dans. Traducido al ingls por la Copenhagen Telephone Company, abril 1955. 15 pp. Brockmeyer, E. & Halstrm, H.L. & Jensen, Arne (1948): The life and works of A.K. Erlang. Transactions of the Danish Academy of Technical Sciences, 1948, No. 2, 277 pp. Copenhague 1948. Burke, P.J. (1956): The Output of a Queueing System. Operations Research, Vol. 4 (1956), 699 704. Christensen, P.V. (1914): The number of selectors in automatic telephone systems. The Post Office Electrical Engineers Journal, Vol. 7 (1914) 271-281. Cobham, A. (1954): Priority assignment in waiting line problems. Operations Research, Vol. 2 (1954), 70 76. Conway, A.E. & Georganas, N.D. (1989): Queueing Networks Exact Computational Algorithms: A Unified Theory Based on Decomposition and Aggregation. The MIT Press 1989. 234 pp. Cooper, R.B. (1972): Introduction to Queueing Theory. Nueva York 1972. 277 pp. Cox, D.R. (1955): A Use of Complex Probabilities in the Theory of Stochastic Processes. Proc. Camb. Phil. Soc., Vol. 51 (1955), pp. 313 319.
[5] [6] [7]
[8] [9] [10] [11]
[12]
[13] [14] [15] [16]
[17] [18]
- 306 -
[19] [20] [21] [22] [23]
Cox, D.R. & Miller, H.D. (1965): The Theory of Stochastic Processes. Methuen & Co. Londres 1965. 398 pp. Cox, D.R.& Isham, V. (1980): Point Processes. Chapman and Hall. 1980. 188 pp. Crommelin, C.D. (1932): Delay Probability Formulae When the Holding Times are Constant. Post Office Electrical Engineers Journal, Vol. 25 (1932), pp. 41 50. Crommelin, C.D. (1934): Delay Probability Formulae. Post Office Electrical Engineers Journal, Vol. 26 (1934), pp. 266 274. Delbrouck, L.E.N. (1983): On the steady state distribution in a service facility carrying mixtures of traffic with different peakedness factor and capacity requirements. IEEE Transactions on Communications, Vol. COM-31 (1983): 11, 1209 1211. Dickmeiss, A. & Larsen, M. (1993): Sprringsberegninger i telenet. Master's thesis. Institut for Telekommunikation, Danmarks Tekniske Hjskole, 1993. 141 pp. Eilon, S. (1969): A simpler proof of L = W. Operations Research, Vol. 17 (1969), pp. 915 917. Elldin, A., and G. Lind (1964): Elementary Telephone Traffic Theory. Chapter 4. L.M. Ericsson AB, Estocolmo 1964. 46 pp. Engset, T.O. (1918): Die Wahrscheinlichkeitsrechnung zur Bestimmung der Whlerzahl in automatischen Fernsprechmtern. Elektrotechnische Zeitschrift, 1918, Heft 31. Traducido al ingls por Telektronikk (Noruega), junio 1991, 4pp. Eslamdoust, C. (1995): Design of large communication networks. Master's thesis. Department of Telecommunication, Technical University of Denmark, 1995. 108 + 133 pp. Feller, W. (1950): An introduction to probability theory and its applications. Vol. 1, Nueva York 1950. 461 pp. Fortet, R. & Grandjean, Ch. (1964): Congestion in a loss system when some calls want several devices simultaneously. Electrical Communications, Vol. 39 (1964) : 4, 513 526. Documento presentado al ITC Cuarto Congreso Internacional de Teletrfico, Londres, 4, Inglaterra 15 julio 1964. 21 Fredericks, A.A. (1980): Congestion in blocking systems a simple approximation technique. The Bell System Technical Journal, Vol. 59 (1980): 6, 805 827. Fry, T.C. (1928): Probability and its engineering uses. Nueva York 1928, 470 pp. Gordon, W.J, and & Newell, G.F. (1967): Closed queueing systems with exponential servers. Operations Research, Vol. 15 (1967), pp. 254 265. Grillo, D. & Skoog, R.A. & Chia, S. & Leung, K.K. (1998): Teletraffic engineering for mobile personal communications in ITU work: the need to match theory to practice. IEEE T Personal Communications, Vol. 5 (1998): 6, 38 58. Hayward, W.S. Jr. (1952): The reliability of telephone traffic load measurements by switch counts. The Bell System Technical Journal, Vol. 31 (1952): 2, 357 377. ITU-T (UIT-T) (1993): Unidad de intensidad de trfico. Recomendacin UIT-T B.18. 1993. 1 p. Iversen, V.B. (1973): Analysis of real teletraffic processes based on computerized measurements. Ericsson Technics, No. 1, 1973, pp. 1 "Holbk measurements". 64.
[24] [25] [26] [27]
[28] [29] [30]
[31] [32] [33] [34]
[35] [36] [37]
- 307 -
[38]
Iversen, V.B. (1976): On the accuracy in measurements of time intervals and traffic intensities with application to teletraffic and simulation. Ph.D. thesis. IMSOR, Technical University of Denmark 1976. 202 pp. Iversen, V.B. (1976): On General Point Processes in Teletraffic Theory with Applications to Measurements and Simulation. ITC-8, Eighth International Teletraffic Congress, paper 312/1 Melbourne 1976. Publicado en Teleteknik (Edicin inglesa) 1977 : 2, pp. 59 8. 70. Iversen, V.B. (1980): The A-formula. Teleteknik (Edicin inglesa), Vol. 23 (1980) : 2, 64 79. Iversen, V.B. (1982): Exact Calculation of Waiting Time Distributions in Queueing Systems with Constant Holding Times. Fjerde Nordiske Teletrafik Seminar (NTS-4), Fourth Nordic Teletraffic Seminar, Helsinki 1982. 31 pp. Iversen, V.B. (1987): The exact evaluation of multi service loss system with access control. Teleteknik, Edicin inglesa, Vol 31 (1987) : 2, 56-61. NTS Seventh Nordic Teletraffic 7, Seminar, Lund, Suecia, 25 de agosto, 1987, 22 pp. 27 Iversen, V.B. & Nielsen, B.F. (1985): Some properties of Coxian distributions with applications, pp. 61 in Proceedings of the International Conference on Modelling 66 Techniques and Tools for Performance Analysis. 5-7 de junio, 1985, Valbonne, Francia. North Holland Publ. Co. 1985. 365 pp. (Editor N. Abu El Ata). Iversen, V.B. & Stepanov, S.N. (1997): The usage of convolution algorithm with truncation for estimation of individual blocking probabilities in circuit-switched telecommunication networks. Proceedings of the 15th International Teletraffic Congress, ITC 15, Washington, DC, USA, 22-27 de junio 1997. 1327 1336. Iversen, V.B. & Sanders, B. (2001): Engset formul with continuous parameters theory and applications. AE, International Journal of Electronics and Communications, Vol. 55 (2001): 1, 3-9. Jackson, J.R. (1957): Networks of waiting lines. Operations Research, Vol. 5 (1957), pp. 518 521. Jackson, J.R. (1963): Jobshop-like queueing systems. Management Science, Vol. 10 (1963), No. 1, pp. 131 142. Jensen, Arne (1948): An Elucidation of A.K. Erlang's Statistical Works through the Theory of Stochastic Processes. Published in "The Erlangbook": E. Brockmeyer, H.L. Halstrm and A. Jensen: The Life and Works of A.K. Erlang. Kbenhavn 1948, pp. 23 100. Jensen, Arne (1948): Truncated multidimensional distributions. Pages 58 in "The Life and 70 Works of A.K. Erlang". Ref. Brockmeyer et al., 1948. Jensen, Arne (1950): Moe's Principle An econometric investigation intended as an aid in dimensioning and managing telephone plant. Theory and Tables. Copenhague 1950. 165 pp. Jerkins, J.L. & Neidhardt, A.L. & Wang, J.L. & Erramilli A. (1999): Operations measurement for engineering support of high-speed networks with self-similar traffic. ITC-16, 16th International Teletraffic Congress, Edinburgo, 7-11 de junio, 1999. Proceedings pp. 895 906. Elsevier 1999. Johannsen, Fr. (1908): "Busy". Copenhague 1908. 4 pp. Johansen, K. & Johansen, J. & Rasmussen, C. (1991): The broadband multiplexer, "transMux 1001". Teleteknik, Edicin inglesa, Vol. 34 (1991) : 1, 57 65.
[39]
[40] [41]
[42]
[43]
[44]
[45]
[46] [47] [48]
[49] [50] [51]
[52] [53]
- 308 -
[54]
Joys, L.A.: Variations of the Erlang, Engset and Jacobus Formul, Proceedings of the Fifth International Teletraffic Congress (ITC-5), Nueva York, USA, 1967, 107 111. Tambin publicado en: Teleteknik, (Edicin inglesa), 11 (1967), No. 1, 42 48. Joys, L.A. (1968): Engsets Formler for Sannsynlighetstetthet og dens Rekursionsformler. (Frmulas de Engset para probabilidad y sus frmulas recursivas, en noruego). Telektronikk 1968 No 1 pp. 54 2, 63. Joys, L.A. (1971): Comments on the Engset and Erlang formulae for telephone traffic losses. Thesis. Report TF No. 25,/71, Research Establishment, The Norwegian Telecommunications Administration. 1971. 127 pp. Karlsson, S.A. (1937): Tekniska anordninger f samtalsdebitering enligt tid. Helsingfors Telefonfrening, Tekniska Meddelanden 1937, No. 2, pp. 32 48. Kaufman, J.S. (1981): Blocking in a shared resource environment. IEEE Transactions on Communications, Vol. COM-29 (1981) : 10, 1474 1481. Keilson, J. (1966): The ergodic queue length distribution for queueing systems with finite capacity. Journal of Royal Statistical Society, Series B, Vol. 28 (1966), 190 201. Kelly, F.P. (1979): Reversibility and Stochastic Networks. John Wiley & Sons, 1979. 230 pp. Kendall, D.G. (1951): Some problems in the theory of queues. Journal of Royal Statistical Society, Series B, Vol. 13 (1951) : 2, 151 173. Kendall, D.G. (1953): Stochastic processes occuring in the theory of queues and their analysis by the method of the imbedded Markov chain. Ann. Math. Stat., Vol. 24 (1953), 338 354. Khintchine, A.Y. (1955): Mathematical Methods in the Theory of Queueing. Londres 1960. 124 pp. (Original en Ruso, 1955). Kingman, J.F.C. (1969): Markov population processes. J. Appl. Prob., Vol. 6 (1969), 1 18. Kleinrock, L. (1964): Communication Nets: Stochastic Message Flow and Delay. McGraw Hill 1964. Reimpreso por Dover Publications 1972. 209 pp. Kleinrock, L. (1975): Queueing Systems. Vol. I: Theory. Nueva York 1975. 417 pp. Kleinrock, L. (1976): Queueing Systems. Vol. II: Computer Applications. Nueva York 1976. 549 pp. Kosten, L. (1937): ber Sperrungswahrscheinlichkeiten bei Staffelschaltungen. Elek. Nachr. Techn., Vol. 14 (1937) 5 12. Kraimeche, B. & Schwartz, M. (1983): Circuit Access Control Strategies in integrated digital networks. IEEE INFOCOM, 9-12 de abril, 1984, San Francisco, USA, Proceedings pp. 230 235. Kruithof, J. (1937): Telefoonverkehrsrekening. De Ingenieur, Vol. 52 (1937) : E15 E25. Kuczura, A. (1973): The interrupted Poisson process as anflover ow process. The Bell System Technical Journal, Vol. 52 (1973) : 3, pp. 437 448. Kuczura, A. (1977): A method of moments for the analysis of a switched communication network's performance. IEEE Transactions on Communications, Vol. Com (1977): 25 2, 185 193.
[55]
[56]
[57] [58] [59] [60] [61] [62]
[63] [64] [65] [66] [67] [68] [69]
[70] [71] [72]
- 309 -
[73] [74] [75]
Lavenberg, S.S. & Reiser, M. (1980): Mean value analysis of closed multichain queueing networks. Journal of the Association for Computing Machinery, Vol. 27 (1980): 2, 313 322. Lind, G. (1976): Studies on the probability of a called subscriber being busy. ITC 8, Melbourne, noviembre de 1976. Paper 631. 8 pp. Listov Saabye, H. & Iversen V.B. (1989): ATMOS, a PC based tool for evaluating multi service telephone systems. IMSOR, Technical University of Denmark 1989, 75 pp. (en dans). Little, J.D.C. (1961): A proof for the queueing formula L = W. Operations Research, Vol. 9 (1961) : 383 387. Maral, G. (1995): VSAT Networks. John Wiley & Sons, 1995. 282 pp. Marchal, W.G. (1976): An approximate formula for waiting time in single server queues. AIIE Transactions, diciembre de 1976, 473 474. Nguyen, Than-Bang: Trafikplanlgningssystemet TES under Windows. Master's thesis. Department of Telecommunication, Technical University of Denmark 1995. 74 + 93 pp. Palm, C. (1941): Mttnoggrannhet vid bestmning af trafikmngd enligt genomskningsfrfarandet (Exactitud de las mediciones en la determinacin de volmenes de trfico por el mtodo de barrido). Tekn. Medd. K. Telegr. Styr., 1941, No. 7 pp. 97 9, 115. Palm, C. (1943): Intensittsschwankungen im Fernsprechverkehr. Ericsson Technics, No. 44, 1943, 189 pp. Traduccin al ingls por Chr. Jacobus: Intensity Variations in Telephone Traffic. North Holland Publ. Co. 1987. Palm, C. (1947): The assignment of workers in servicing automatic machines. Journal of Industrial Engineering, Vol. 9 (1958) : 28 Primera publicacin en Suecia en 1947. 42. Palm, C. (1947): Table of the Erlang Loss Formula. Telefonaktiebolaget L M Ericsson, Estocolmo 1947. 23 pp. Palm, C. (1957): Some propositions regarding flat and steep distribution functions, pp. 3 17 in TELE (Edicin inglesa), No. 1, 1957. Pinsky, E. & Conway, A.E. (1992): Computational algorithms for blocking probabilities in circuit switched networks. Annals of Operations Research, Vol. 35 (1992) 31 41. Postigo Boix, M. & Garca Haro, J. & Aguilar-Igartua, M. (2001): IMA: technical foundations, application and performance analysis. Computer Networks, Vol. 35 (2001) 165 183. Press, W.H. & Teukolsky, S.A. & Vetterling, W.T. & Flannery, B.P. (1995): Numerical recipes in C, the art of scientific computing. 2nd edition. Cambridge University Press, 1995. 994 pp. Rabe, F.W. (1949): Variations of telephone traffic. Electrical Communications, Vol. 26 (1949) 243 248. Riordan, J. (1956): Derivation of moments of overflow traffic. Appendix 1 (pp. 507 514) in (Wilkinson, 1956 [104]). Roberts, J.W. (1981): A service system with heterogeneous user requirements applications to multi service telecommunication systems. Pages 423 431 in Performance of data
[76] [77] [78] [79] [80]
[81]
[82] [83] [84] [85] [86]
[87]
[88] [89] [90]
- 310 -
communication systems and their applications. G. Pujolle (editor), North Holland Publ. Co. 1981. [91] [92] [93] Roberts, J.W. (2001): Traffic theory and the Internet. IEEE Communications Magazine Vol. 39 (2001) : 1, 94 99. Ross, K.W. & Tsang, D. (1990): Teletraffic engineering for product form circuit switched networks. Adv. Appl. Prob., Vol. 22 (1990) 657 675. Ross, K.W. & Tsang, D. (1990): Algorithms to determine exact blocking probabilities for multirate tree networks. IEEE Transactions on Communications. Vol. 38 (1990) : 8, 1266 1271. Rnnblom, N. (1958): Traffic loss of a circuit group consisting of both way circuits which is accessible for the internal and external traffic of a subscriber group. TELE (Edicin inglesa), 1959: 2, 79 92. Sanders, B. & Haemers, W.H. & Wilcke, R. (1983): Simple approximate techniques for congestion functions for smooth and peaked traffic. ITC Tenth International Teletraffic 10, Congress, Montreal, junio de 1983. Paper 4.4b 7 pp. 1. Stepanov, S.S. (1989): Optimization of numerical estimation of characteristics of multiflow models with repeated calls. Problems of Information Transmission, Vol. 25 (1989): 2, 67 78. Sutton, D.J. (1980): The application of reversible Markovp opulation processes to teletraffic. A.T.R. Vol. 13 (1980): 2, 3 8. Techguide (2001): Inverse Multiplexing scalable bandwidth solutions for the WAN. Techguide (The Technologu Guide Series), 2001, 46 pp. <www.techguide.com> Vaulot, . & Chaveau, J. (1949): Extension de la formule d'Erlang au cas ou le traffic est fonction du nombre d'abonns occups. Annales de Tlcommunications, Vol. 4 (1949) 319 324. Veir, B. (2002): Proposed Grade of Service chapter for handbook. Comisin de Estudio 2 del UIT-T, GT 3/2. Septiembre de 2001. 5 pginas. Villn, M. (2002): Overview of ITU Recommendations on traffic engineering. UIT T Comisin de Estudio 2, COM 2-KS 48/2-E. Mayo de 2002. 21 pp. Wallstrm, B. (1964): A distribution model for telephone traffic with varying call intensity, including overflow traffic. Ericsson Technics, 1964, No. 2, pp. 183 202. Wallstrm, B. (1966): Congestion studies in telephone systems with overflow facilities. Ericsson Technics, No. 3, 1966, pp. 187 351. Wilkinson, R.I. (1956): Theories for toll traffic engineering in the U.S.A. The Bell System Technical Journal, Vol. 35 (1956) 421 514.
[94]
[95]
[96] [97] [98] [99]
[100] [101] [102] [103] [104]
- 311 -
NDICE DE AUTORES Abate, J. Aguilar Igartua, M. Andersen, B. Ash, G.R. Baskett, F. Bear, D. Bech, N.I. Bolotin, V.A. Boots, N.K. Bretschneider, G. Brockmeyer, E. Burke, P.J. Buzen, J.P. Chandy, K.M. Chaveau, J. Chia, S. Christensen, P.V. Cobham, A. Conway, A.E. Cooper, R.B. Cox, D.R. Crommelin, C.D. Delbrouck, L.E.N. Dickmeiss, A. Eilon, S. Elldin, A. Engset, T.O. Erlang, A.K. Erramilli A. Eslamdoust, C. Feller, W. Flannery, B.P. Fortet, R. Fredericks, A.A. Fry, T.C. Garca Haro, J. Georganas, N.D. Gordon, W.J. Grandjean, Ch. Grillo, D. Haemers, W.H. Halstrm, H.L. Hansen, N.H., Hayward, W.S. Jr. Isham, V. Iversen, V.B. Jackson, J.R. Jensen, A. Jensen, Arne Jerkins, J.L. Johannsen, F. Johansen, J. Johansen, K. Joys, L.A. Karlsson, S.A. Kaufman, J.S. Keilson, J. Kelly, F.P. Kendall, D.G. Khintchine, A.Y. Kingman, J.F.C. Kleinrock, L. Kosten, L. Kraimeche, B.
- 312 -
Kruithof, J. Kuczura, A. Larsen, M. Lavenberg, S.S. Leung, K.K. Lind, G. Listov-Saabye, H. Little, J.D.C. Maral, G. Marchal, W.G. Miller, H.D. Moe, K. Muntz, R.R. Neidhardt, A.L. Newell, G.F. Nguyen, Thanh-Bang Nielsen, B.F. Palacios, F.G. Palm, C. Pinsky, E. Postigo Boix, M. Press, W.H. Rnnblom, N. Rabe, F.W. Raikov, D.A. Rasmussen, C. Reiser, M. Riordan, J. Roberts, J.W. Ross, K.W. Samuelson, P.A. Sanders, B.
Schwartz, M. Skoog, R.A. Stepanov, S.N. Sutton, D.J. Techguide Teukolsky, S.A. Tijms, H Tsang, D. UIT-T Vaulot, E. Veir, B. Veir, B. Vetterling, W.T. Villn, M. Wallstrm, B. Wang, J.L. Whitt, W. Wilcke, R. Wilkinson, R.I.
- 313 -
NDICE TEMTICO abonado A, abonado B, accesibilidad total sistema de retardo sistema de prdidas, activado/desactivado, algoritmo de Buzen, algoritmo de convolucin, cadenas mltiples, cadena simple, sistema de prdidas, algoritmo de Delbrouck, algoritmo de Fortet y Grandjean, algoritmo de Kaufman y Roberts, algoritmo MVA cadena simple almacenamiento y retransmisin, aproximacin de Marchal, aproximacin de Rapp asignacin demanda, fija atribucin de canal, atribucin de capacidad, bloqueo de paquete, bsqueda cclica, cadena, cadenas, calidad de servicio, cambio de fila, canal de control, canales de usuario, caso Binomial negativo, caso Binomial, curtosis, caso Engset, caso Erlang, caso Palm-Wallstrm, caso Pascal, caso Poisson, CCS, central de trnsito, central local, clasificacin de O'Dell, coeficiente de variacin, comparticin de procesador, comportamiento del abonado, comunicacin mvil, concentracin de trfico, concentracin, concepto de bloqueo, congestin de llamada, de tiempo, de trfico, conmutacin de circuitos, conmutacin de lneas, conmutacin de mensajes, conmutacin de paquetes, conservacin de trabajo, cordn, criterio de Kolmogorov, CSMA, cuadro, frmula B de Erlang cubo con fugas,
- 314 -
D/M/1, DECT, derecho preferente, desconexin forzada, desconvolucin, desigualdad de Kingman, desviacin normalizada, diagrama de transicin de estado, sistema de retardo de Erlang dimensionamiento, bloqueo fijo principio de mejora, disponibilidad, vase accesibilidad, distribucin Binomial negativa, distribucin Binomial, caracterstica del trfico, truncado, distribucin compuesta, distribucin de Poisson, distribucin con gran densidad en los extremos, distribucin de Engset, distribucin de Pareto, distribucin de Pascal, distribucin de Poisson, clculo, truncada, distribucin del tiempo de espera, FCFS, distribucin de Weibull, distribucin de Westerberg, distribucin Erlang-k,
distribucin exponencial, distribucin geomtrica, distribucin polinomial, distribuciones de tiempo, divisin de trfico, divisin en el tiempo, duracin de la llamada, EBHC, ecuacin flujo-equilibrio, ecuaciones de corte, ecuaciones de equilibrio, ecuaciones de nodo, Ek/D/r, encaminamiento alternativo, equilibrio estadstico, equilibrio, global, local, detallado, erlang, estrategia, estructura, estudios iterativos, exactitud relativa, expansin Binomial, expiracin, factor de forma de Palm, factor de forma, factores humanos, falta de memoria,
- 315 -
forma de producto, frmula 1 de Erlang, frmula B de Erlang, servicio hiperexponencial recursin multidimensional frmula C de Erlang, frmula de Engset recursin fuente espordica, funcin de carga, funcin de densidad, funcin de distribucin complementaria, funcin de distribucin de supervivencia, funcin de distribucin, funcin de mejora, funcin de riesgo, gestin de red, GI/G/1, GI/M/1, GI/M/1, FCFS, GoS, grado de servicio, GSM, HCS, herramienta ATMOS, hiptesis de independencia, HOM, hombre-mquina, hora cargada, tiempo uniforme,
IDC, identidad de Feller-Jensen, identidad de Palm, IDI, IMA, impedimento, ndice de dispersin, conteos, insensibilidad, intensidad de la llamada, intensidad de trfico, intensidad, intervalo de confianza, intervalo, IPP, Iridium, itinerancia, LAN, LCC, ley de conservacin de Kleinrock, ley de conservacin, ley de raz cuadrada de Kleinrock, ley de raz cuadrada, limitacin de clase, llamadas perdidas liberadas,
- 316 -
lgica de cableado, longitud de puesta en fila virtual, M/D/1/k, M/D/n, M/G/, M/G/1, M/G/1/k, M/G/1-LCFS-PR, M/G/1-LCFS-PR, M/G/1-PS, M/M/1, M/M/n, M/M/n, FCFS, M/M/n/S/S, macroclula, matriz de trfico, mediciones de trfico, mtodo de Berkeley, mtodo de carga reducido, mtodo de equivalencia de Wilkinson, mtodo de exploracin, mtodo de factor doble de Kruithof, mtodo de Fredericks y Hayward, mtodo de Newton-Raphson, mtodo del punto fijo de Erlang, mtodo de Sanders, mtodo EERT, mtodo ERT, mtodos de medicin, continuo, discreto, horizontal, vertical,
microclula, microprocesador, modelado, modelo mquina - reparador, modelo mquina-reparador de Palm, momento central, momento no central, multidimensional, Erlang-B sistema de prdidas, multiplexacin inversa, multiplexacin, cdigo de impulso, frecuencia, tiempo, multiplexin estadstica, multiplicador de Lagrange, ocupado, optimizacin triangular, origen, paginacin, paradoja, PCT-I, PCT-II, periodo de medicin, ilimitado, persistencia, principio de mejora, principio de Moe, sistema de prdidas, sistema de retardo, principio del ltimo examen, proceso Binomial, proceso de llegada Cox-2,
- 317 -
proceso de llegada generalizado, proceso de Markov reversible, proceso de Poisson interrumpido, proceso de Poisson, proceso estocstico, proceso reversible, propiedad de Markovian, propiedad PASTA, proteccin de circuito virtual, proteccin de servicio, protocolo Aloha, protocolo, PS, puesta en fila de espera, puntos de equilibrio, puntos de regeneracin, QoS, RDSI, RDSI-BA, receptor de cdigo, recursin, red en anillo, red de Jackson, red de poligonal, red de telecomunicaciones, red de trnsito, red digital de servicios integrados, red en estrella, redes de puesta en fila BCMP, redes de puesta en fila, registro, relacin de servicio, renegacin,
representacin de intervalos, representacin de nmero, RR, ruta directa, ruta primaria, ruta secundaria, simulacin con retorno al origen, simulacin de la ruleta, sin conexin, sin derecho preferente, sistema de Brockmeyer, sistema de espacio dividido, sistema de frecuencia portadora, sistema de Kosten, sistema de prdidas, sistema de retardo de Erlang, diagrama de transicin de estado, sistema de servidor central, sistema equivalente, sistema interactivo, sistema MIC, sistema SPC, sistema telefnico, controlado por programa, convencional, sistemas celular jerrquico, sistemas simtricos de puesta en fila, SJF, SM, suma estocstica,
- 318 -
tarificacin de Karlsson, tarificacin, tasa de extincin, tasa fija, teorema de Burke, teorema de descomposicin, teorema de Little, teorema de llegada, teorema de Raikov. teorema de superposicin, teora de la sobrecarga, teora de muestreo, teora de teletrfico conceptos de trfico, terminologa, terminal principal, tiempo de circulacin, tiempo de espera virtual, tiempo de estada, tiempo de recurrencia hacia adelante, tiempo de respuesta, tiempo de servicio, tiempo de vida, tiempo medio de espera, tiempo til residual, trfico aleatorio trfico BPP, trfico de segmentos mltiples, trfico de velocidad mltiple, trfico en rfagas, trfico ofrecido, trfico potencial, trfico preferencial, trfico puramente aleatorio tipo I,
trfico puramente aleatorio tipo II, trfico rechazado, trfico regularizado, trfico seudoaleatorio, trfico transportado, transmisor de cdigo, traspaso, trayecto de control, trayecto de voz, UIT-T, unidad de trfico, utilizacin, valor de mejora, valor medio, variable estocstica, en paralelo, en serie, j-simo ms largo, variaciones de trfico, varianza, velocidad de sealizacin de datos, volumen de trfico, VSAT,
_______________

133000S4

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

133000S4

Caricato da

Copyright:

Formati disponibili

- 253 -

Adems, se obtuvo: p(0) = 1 . A

y con la hiptesis de equilibrio estadstico pt(i) = pt+h(i), se halla sucesivamente:

donde para todos los valores de n (ms adelante se ver n >1):

donde h = 1 se toma como unidad de tiempo, t = T + , T es un entero, y 0 <1.

donde A es el trfico ofrecido y

La frmula (13.56) se puede expresar en forma cerrada a semejanza de la ecuacin (13.50):

Para valores enteros del tiempo de espera t se tiene:

donde a es el tiempo medio entre llegadas(A = s/a).

donde es la raz real positiva que satisface la ecuacin:

La condicin de normalizacin es como siempre:

CAPTULO 14 Redes de filas de espera

Las probabilidades de espacio de estado vienen dadas entonces en forma de producto:

Cuando todos los nodos han sido replegados se obtiene:

Por simple transposicin resulta:

Las cargas relativas resultan:

El promedio del nmero de clientes en el nodo 3 es:

Cuadro 14.2 Algoritmo de convolucin aplicado al sistema del servidor central

Aplicando el resultado de Little se obtiene finalmente el tiempo medio de estado: Wk = Lk /k:

La constante c se obtiene del nmero total de clientes:

De esto se obtiene la constante de normalizacin c = 1 Ex(A) y se calcula para el (x+1)-simo cliente:

Normalizando la expresin se tiene que p(0, 0):

Esto se puede expresar por la distribucin polinmica (4.37):

donde: K = cantidad de nodos, N = cantidad de cadenas,

donde kj (1 kj < k) es el nmero de nodos visitados por la cadena j y:

Para el nodo 2 (servidor nico) (vase 14.15) resulta:

Utilizando los valores reales se tiene:

con la condicin que:

Con esta atribucin ptima resulta:

Esto se puede determinar introduciendo el multiplicador de Lagrange y considerar:

CAPTULO 15 Mediciones de trfico

Tiempo Proceso de trfico discreto Barrido Mtodo de exploracin

= 10% 6,314 2,920 2,015 1,812 1,725 1,684 1,645

= 5% 12,706 4,303 2,571 2,228 2,086 2,021 1,960

= 1% 63,657 9,925 4,032 3,169 2,845 2,704 2,576

y, por tanto, resulta:

Esta distribucin puede tener el valor medio y el factor de forma siguientes:

[5] [6] [7]

[8] [9] [10] [11]

[13] [14] [15] [16]

[19] [20] [21] [22] [23]

[24] [25] [26] [27]

[28] [29] [30]

[31] [32] [33] [34]

[35] [36] [37]

[46] [47] [48]

[49] [50] [51]

[57] [58] [59] [60] [61] [62]

[63] [64] [65] [66] [67] [68] [69]

[70] [71] [72]

[73] [74] [75]

[76] [77] [78] [79] [80]

[82] [83] [84] [85] [86]

[88] [89] [90]

[96] [97] [98] [99]

[100] [101] [102] [103] [104]

Potrebbero piacerti anche