You are on page 1of 65

Modelo

m/m/s

Teora de Colas

SISTEMA MULTIPLE
M/M/s

Teora Modelo m/m/s

Teora modelo m/m/s

Sistema de cola M/M/s

Caractersticas
- Clientes llegan de acuerdo a una distribucin Poisson con una
esperanza l.

- El tiempo de atencin se distribuye exponencialmente.


- Existen s servidores, cada uno atiende a una tasa de m clientes.

- Existe una poblacin infinita y la posibilidad de infinitas


filas.

Descripcin del modelo

Hay una sola cola, cuya capacidad es infinita, y s


servidores, La disciplina ser FIFO
Las llegadas se producen segn un proceso de
Poisson de razn l, donde l es el nmero medio de
llegadas por unidad de tiempo y 1/l es el tiempo
medio entre llegadas, Los tiempos entre llegadas se
distribuirn exponencialmente, Exp(l)
Los tiempos de servicio tambin se distribuirn
exponencialmente, Exp(m), de tal manera que m es
el nmero medio de clientes que cada servidor es
capaz de atender por unidad de tiempo y 1/m es el
tiempo medio de servicio

Condicin de no saturacin

Se demuestra que si lsm, el sistema se satura,


es decir, el nmero de clientes en la cola crece
indefinidamente con el tiempo, Por consiguiente,
la condicin de no saturacin ser:

l
1, donde
sm

Nosotros slo estudiaremos las colas que no se


saturan, Cuando una cola no se satura, tambin
se dice que alcanza el estado estacionario,

Probabilidades

Suponiendo que el sistema no se satura, se


deducen las siguientes frmulas para las
probabilidades pn de que haya n clientes en el
sistema, donde nN:
c

p0

s!1 n 0 n!
s

s 1

s n
p0 , si n 0,1,...,s

n!
pn s n
s p , en otro caso
0

s!

Medidas de rendimiento

Nmero medio de clientes en cola:


s s s 1 p0
Lq
2
s!1
Usamos razonamientos ya vistos para obtener:
W Wq
Lq lWq

m
L lW

Otras medidas de rendimiento

Nmero medio de servidores ocupados, S, En


el estado estacionario, la razn de las salidas
ser igual a la razn de las llegadas:

l
Sm l S S
m

Probabilidad de que un trabajo tenga que


esperar para recibir su servicio (frmula de
retraso de Erlang):
c s s p0
q
s!1

Teora Modelo m/m/s


M nmero de canales abiertos

l tasa promedio de arribo


m tasa promedio de servicio en cada canal
Po Probabilid ad de que existan CERO personas o unidades en el sistema
Po

1
n M 1 1 l

n 0 n ! m

1 l
Mm

M ! m Mm l
M

para Mm l

Ls nmero promedio de personas o unidades en el sistema :


M

lm l m
l

LS
Po

m
M 1.!.Mm l 2

Teora Modelo m/m/s


Ws Tiempo promedio que una unidad permanece en el sistema,
(en la cola y siendo servida (atendida) )
M

m l m
1 LS

WS
Po

2
m
l
M 1! Mm l
Lq Nmero promedio de personas o unidades en la lnea o cola, en espera de servicio
Lq LS

l
LS
m

Wq Tiempo promedio que una persona o unidad se


tarda en la cola esperando por servicio
1 Lq
Wq WS

Teora Modelo m/m/s


P0

sm


s! sm l n 0 n!
s

lm
Lq
P
2 0
( s 1)!( sm l )
s

Ws Wq

Pn n s P0 , si n k
s! s
n

s 1

l
Ls Lq
m

Wq

Pn
P0 , si n k
n!
n

1 s sm
P0
Pw
s! sm l

Lq

Teora Modelo m/m/s

Si s 2
Lq

4
Si s 3

Lq

(3 )(6 4 )
2

Medidas de performance

1
P0 s 1
1 l n 1 l s sm

m m

sm l
s!
n 0 n!
n

l
m

Pn
P0
n!

for n s.

Pn

l
m

s! s

ns

P0

for n > s.

l m
m
1

W
P
m
s 1!sm l
2

Las medidas del performance L, L , W , pueden ser obtenidas


q porq,las formulas.

1l
Pw

s! m

sm

sm

P0
sm l

Modelo M/M/s CASO ESPECIAL

Ejemplos

Ejemplo: Usando L como medida de


rendimiento, comparar estas dos alternativas:
Alternativa 1:

Alternativa 2:

m/2
l
m/2

Ejemplos

Alternativa 1:
L1

Alternativa 2:
l
l
2

m m
2
2

p02

2!1 n 0 n!
2

2 1

Ejemplos
1

4 2 2 4 4
p02
1 2
21
21

2 2
1

p02
1
21

1
2l
L2 lW2 l Wq 2 m lWq 2
lWq 2 2
m
2

4 3 p02
2 3 1
L2 Lq 2 2
2
2
2
2
1 1
21

Ejemplos
2 3
2 3 2 2 3
2
L2
2

1 1
1 1 1 1

Para que la alternativa 1 sea mejor, ha de


cumplirse que L1<L2:

2
2

0 1
1 1 1 1
1

1 2 1

Como <1 siempre se cumple, tendremos que


la alternativa 1 siempre es mejor, Es decir, no
conviene dividir la capacidad de procesamiento
en dos servidores

Ejemplos

Ejemplo: Usando el nmero medio de clientes en el


sistema como medida de rendimiento, comparar
estas dos alternativas:

Alternativa 2:

Alternativa 1:
l/2

m/2

m/2
l

l/2

m/2

m/2

Ejemplos

Alternativa 1 (ntese que hay 2 colas):


1
2
l
L1 2

, donde
1 1 1
m

Alternativa 2 (es la alternativa 2 del ejemplo


anterior):
l
l
2

m m
2
2

2
L2
1 1

Ejemplos

Para que la alternativa 2 sea mejor, ha de


cumplirse que L1>L2:
2

2
2
1

0 1
1 1 1 1
1

1 1 0

Como >0 siempre se cumple, tendremos que


la alternativa 2 siempre es mejor, Es decir, no
conviene poner dos colas, sino tener una nica
cola global

Ejemplos

Ejemplo: En una copistera se dispone de 3


mquinas fotocopiadoras a disposicin del pblico,
Cada mquina es capaz de servir, por trmino
medio, 8 trabajos cada hora, A la copistera llegan
como promedio 5 clientes a la hora,
Parmetros del sistema: l = 5 clientes/h, m = 8
clientes/h, s = 3 servidores, El sistema no se satura
porque <1,

l
5
5

sm 38 24

Ejemplos

Cul es la probabilidad de que las tres mquinas


estn libres a la vez?
s

p0

s!1 n 0 n!
s

s 1

3!1 n!
n 0

0
1
2
33 3

3!1 0! 1! 2!

5 25
125

8 128
2432

304
0,5342706
569

Cul es el nmero medio de clientes en la cola?

33 4 304
s s s 1 p0
302
569
Lq

0,00722643clientes
2
2
41791
s!1 3!1

Ejemplos

Cul es el tiempo medio de espera en la cola?


Wq

Lq

302
52

0,00144529h
541791 35979

Cul es el tiempo medio de espera en el sistema?


W Wq

52
1 514

0,126445h
35979 8 4065

Cul es el nmero medio de clientes en el


sistema?
514 514
L lW 5

0.632226clientes
4065 813

Ejemplo.

OFICINA POSTAL TOWN

La gerencia desea conocer las medidas relevantes al servicio en orden a:

LaLaoficina
postal Town atiende pblico los Sbados
evaluacin del nivel de servicio prestado.
entre las 9:00 a.m. y la 1:00 p.m.

El efecto de reducir el personal en un dependiente .

Datos
- En promedio, 100 clientes por hora visitan la oficina postal
durante este perodo. La oficina tiene tres dependientes.
- Cada atencin dura 1.5 minutos en promedio.
- La distribucin Poisson y exponencial describen la llegada de
los clientes y el proceso de atencin de estos respectivamente.

SOLUCION

Se trata de un sistema de colas M / M / 3 .


Datos de entrada
l 100 clientes por hora.
m 40 clientes por hora (60 / 1.5).
Existe un perodo estacionario (l < km
l 100 < km 3(40) = 120.