You are on page 1of 8

Ley de Little.

La ley de Little relaciona los valores medios de tres variables de importancia en un sistema: N : Número medio de usuarios en el sistema T : Tiempo promedio de un cliente en el sistema  : Tasa media de arribo al sistema En este caso, “sistema” se utiliza en un sentido amplio, que puede involucrar ya sea la fila y los servidores, sólo la fila o sólo los servidores.

N es una variable de interés desde el punto de vista del sistema y permite dimensionar los buffers. T, el tiempo de retardo, es una variable de interés desde el punto de vista del usuario, ya que es lo que el debe esperar en la fila antes de ser atendido. La ley de Little relaciona estas variables a través de , la velocidad de entrada al sistema. Se define : (0,t): número de entradas al sistema en el intervalo (0,t) (0,t): número de salidas del sistema en el intervalo (0,t)

t).t) N(t)  (t) (t) ti Para ti. .t) Se define : N(t): número de usuarios en el sistema en el instante t Se observa que N(t)=(0. el área acumulada entre las dos curvas.t) y (0. es una medida del tiempo total que todos los clientes han permanecido en el sistema en el intervalo de tiempo [0.t). N(ti) = 3 Además. Esta cantidad se denomina (0.t) (0.N(t)  (0. (0.t)-(0.t].

t) tiene unidades de [clientes•segundo] La cantidad (0. tamaño de un buffer) N y T se relacionan a través de . es igual a la tasa media de llegadas al sistema multiplicado por el tiempo medio de permanencia de un usuario en el sistema. (t)  (t) (t)  (0. llegadas múltiples. t )   N (t )dt 0 t N(t) (0. una distribución de Poisson (M).. .  es en general la variable independiente. las llegadas pueden tener. etc. no se ha hecho ninguna suposición acerca de la distribución de probabilidad de las llegadas Es decir. y establece que el número medio de usuarios en un sistema. Este es el resultado final de la ley de Little. determinista (D). “la entrada al sistema” .. La ley de Little es útil para evaluar el desempeño de un sistema en términos de su capacidad Es importante notar que para la deducción de esta ley. Erlang (Er). por ejemplo. Las horas hombre son un cantidad que permite dimensionar la capacidad de un sistema. tiempo de retardo) con una variable espacial (N.t) es similar al concepto de Horas Hombre (HH). N  T La Ley de Little relaciona una variable temporal (T. velocidad de llegada.

La única condición que se impone es que el factor de utilización  del sistema sea menor que 1. la ley de Little es válida para una fila con distribución de llegadas general (G) Tampoco se ha hecho ninguna suposición acerca de la distribución de probabilidad del tiempo de atención. la ley de Little es válida para una distribución de tiempo de servicio General (G). Según la notación de Kendall.En otras palabras. Esta distribución puede ser cualquiera. Además. . se tiene que. el número de servidores en un sistema también es arbitrario. según la notación de Kendall.

ya que en su deducción no se supuso ninguna disciplina en particular. la disciplina de atención podría ser FIFO. En particular.Tampoco se ha hecho ninguna suposición acerca de la disciplina de atención que se esté utilizando. Es importante dejar en claro que un cambio en la disciplina de atención produce cambios en los resultados específicos de N. Los clientes . es posible que cuando lleguen clientes formen una línea o cola para esperar a que los recursos estén disponibles. En una aplicación típica los clientes solicitan recursos en instantes aleatorios y los utilizan durante un tiempo variable. la relación entre las tres variables se sigue cumpliendo MODELOS BÁSICOS DE COLAS El primer trabajo de Erlang sobre ingeniería del tráfico en sistemas telefónicos llevó al desarrollo de varios modelos fundamentales para el análisis de los sistemas con recursos compartidos. T y  Sin embargo. En cualquiera de estos casos. la ley de Little puede aplicarse. LIFO. La teoría de colas trata del análisis de estos tipos de sistemas. Proceso de llegada La figura (6) muestra los elementos básicos de un sistema de colas. Cuando todos los recursos están en uso. o con prioridad.

Suponemos que los intervalos de tiempo de llegada son variables aleatorias independientes con la misma distribución. En este caso el tiempo medio entre las salidas de los clientes es igual al tiempo de servicio medio. La capacidad total de procesamiento de un sistema de cola viene dada por cμ clientes/segundo. Del razonamiento que condujo a la fórmula de la velocidad de llegada. Tiempos de servicio Los recursos se denominan servidores porque su función es servir las peticiones del cliente. En particular la velocidad de llegada al sistema viene dada por λ = 1/E[τ] cliente /segundo Son interesantes varios casos especiales de procesos de llegada. τ2.1 … Por este motivo el caso en el que el tiempo entre llegadas es exponencial se llama proceso de llegada de Poisson. El número de servidores c en un sistema de cola puede ser mayor que uno. La velocidad máxima a la que un servidor puede atender a clientes se obtiene cuando el servidor está continuamente ocupado. Un sistema ideal de cola es aquel en el que los clientes llegan a intervalos iguales y en el que requieren un tiempo de servicio constante. El servidor es usualmente una línea de transmisión y el tiempo de servicio puede ser el tiempo requerido para transmitir un mensaje o la duración de una llamada telefónica. la capacidad de procesamiento viene claramente dada por μ = 1/E[X] cliente /segundo La capacidad de procesamiento μ se puede comparar con el flujo máximo que puede soportar un cauce. entonces el número de llegadas A(t) a un intervalo de longitud t viene dado por una variable aleatoria de Poisson con media E[A(t)] = λt: P[A(t) = k] =[(λt)k/k! ] e-λt para k =0. La capacidad de procesamiento de un único servidor viene dado por el máximo rendimiento o velocidad de salida.llegan al sistema en instantes de llegada τ1. Los resultados del proceso de llegada de la figura 2 siguen siendo válidos.. Mientras el tiempo de servicio sea menos que el tiempo entre llegadas. Se dice que las llegadas son deterministas cuando los tiempos entre llegadas son iguales a un mismo valor constante. Se puede demostrar que cuando los tiempos entre llegadas son exponenciales. cada cliente llega a un servidor . El tiempo necesario para servir a un cliente se llama tiempo de servicio y se denota con X. Se dice que el tiempo de llegada es exponencial si los tiempos entre llegadas son variables aleatorias exponenciales con media E[t] = 1/λ: P[τ>t] = e-t/E[τ] = e-λt para t> 0 El caso de los tiempos entre llegadas es de particular interés porque conduce a resultados analíticos manejables.

El número máximo de clientes permitido en un sistema de cola se denota con k. Nótese que k incluye tanto a los clientes en cola como a los que están atendiéndose. Cuando un sistema está completo. Aplicaciones de la teoría de colas • Algunos ejemplos de colas: _ Facturación en aeropuertos _ Cajeros automáticos _ Restaurantes de comida rápida _ Esperas en líneas de atención telefónica _ Intersecciones de tráfico _ Peajes _ Aviones en espera para aterrizar _ Llamadas a la policía o a compañías de servicios públicos . FIFO. con Nc(t) y el número en servicio con Ns(t). es decir. Denotamos en número total de clientes en el servicio con N(t). N(t) = k. Normalmente se suponen tipos de servicio FIFO. En general el tiempo entre llegadas y los tiempos de servicio son aleatorios. el número en cola. La combinación de un tiempo de servicio largo seguido por un tiempo entre llegadas corto puede conducir a una situación en la que el servidor no esté disponible cuando llegue un cliente. según prioridad de la clase y orden aleatorio del servicio. LIFO. las llegadas de nuevos clientes se bloquean o se pierden. se selecciona al siguiente cliente para recibir el servicio según los criterios del mismo.disponible y no hay tiempo de espera. como se muestra en la figura (6) Cuando un servidor queda disponible. Por este motivo en muchas aplicaciones se crea una cola de forma que el cliente puede esperar a que haya un servidor disponible.

. Cuando los clientes tienen que esperar en una cola para recibir nuestros servicios. La formación de colas es. las empresas deben tomar decisiones respecto al caudal de servicios que debe estar preparada para ofrecer. por otro lado. es por eso que esas decisiones implican dilemas que hay que resolver con información escasa. Sin embargo. pero contribuye con la información vital que se requiere para tomar las decisiones concernientes prediciendo algunas características sobre la línea de espera: probabilidad de que se formen.Conclusión La teoría de las colas es el estudio matemático de las colas o líneas de espera. La teoría de Little si no resuelve directamente el problema. están pagando un coste. un fenómeno común que ocurre siempre que la demanda efectiva de un servicio excede a la oferta efectiva. en tiempo. muchas veces es imposible predecir con exactitud cuándo llegarán los clientes que demandan el servicio o cuanto tiempo será necesario para dar ese servicio. el tiempo de espera promedio. Con frecuencia. Estar preparados para ofrecer todo servicio que se nos solicite en cualquier momento puede implicar mantener recursos ociosos y costos excesivos. Pero. más alto del que esperaban. por supuesto. carecer de la capacidad de servicio suficiente causa colas excesivamente largas en ciertos momentos. Las líneas de espera largas también son costosas por tanto para la empresa ya que producen pérdida de prestigio y pérdida de clientes.