Tema 6.

Teor´ de colas ıa
Abril 2006

1.

Nociones b´sicas a

En 1909 el dan´s Agner Krarup Erlang analiz´ la congesti´n del tr´fico telef´nico en e o o a o Copenhague, sus investigaciones terminaron en lo que hoy conocemos como la teor´ de ıa colas o de l´ ıneas de espera. Las colas las vemos todos los d´ como por ejemplo en los ıas, aeropuertos los pasajeros hacen fila para abordar el avi´n, en los bancos los ahorradores o hacen fila para ser atendidos por los cajeros, las peticiones realizadas a un servidor tambi´n e son una cola, etc.; Esta realidad se ve verificada en un estudio hecho en los Estados Unidos el cual concluy´ que un ciudadano promedio pasa cinco a˜os de su vida esperando en o n distintas colas, y de ellos casi seis meses parado en los sem´foros. a Definici´n: La teor´ de colas es un modelo matem´tico que estudia el comportamieno ıa a to de l´ ıneas de espera. Estas se presentan cuando los clientes llegan a una estaci´n de o servicio, la cual tiene una capacidad de atenci´n. Si el servidor est´ ocupado y el cliente o a decide esperar es entonces cuando se forma la cola.

1

La funci´n de densidad de probabilidad del tiempo entre llegadas: Es la o densidad de probabilidad del tiempo entre llegadas. es decir. Los supermercados utilizan el m´todo del primero en llegar es el primero e en ser servido (FIFO). s´lo existe un n´mero finito de o u clientes. la velocidad de entrada a se reducir´ significativamente. el cliente que se encuentra al frente de la cola se dirige a dicha caja. o La disciplina de ordenamiento en las colas: La disciplina de ordenamiento de una cola describe el orden seg´n el cual los clientes van siendo tomados de la cola u de espera. Tama˜ o m´ximo de las colas: No todos los sistemas de colas de espera poseen n a una capacidad infinita de recepci´n de clientes. En este caso tendremos un conjunto de colas independientes de un solo servidor y no un sistema multiservidor. el criterio de primero el que est´ m´s grave. o como la funci´n de densidad del tiempo entre llegadas. Esta densidad de probabilidad caracteriza el proceso de llegadas. Para analizar un sistema de colas de espera. el observador registrar´ el tiempo transcurrido desde que ocurri´ la llegada previa. ´ deben conocerse tanto la funci´n de densidad de probabilidad del tiempo de servicio. pero s´lo existe un n´mero finito de lugares en cola de espera. a Servidores: son los que prestan el servicio. Cuando demasiados clientes quieren o hacer cola. algunos o u de estos clientes se pierden o son rechazados. en un modelo de un sistema de tiempo compartido. En contraste.. cada cajero o cajera. En otros bancos. m´s a a menudo. Despu´s de que ıa o e hubiese transcurrido un tiempo suficientemente largo de estar registrando las muestras. etc. tienen una sola cola larga para todos sus clientes y cada vez que un cajero se libera. tiene su propia cola particular. El tiempo de servicio requerido varia entre un cliente y otro. un cliente puede presentar un carro lleno de art´ ıculos que abarrote la caja.1 segundos.2 seg. se despacha primero al que tenga menor trabajo. Si la mitad de ellos est´n esperando una respuesta. La cantidad de servidores necesita explicarse. tantos tiempos u ıa entre llegadas de 0. Describe el intervalo de tiempo entre dos llegadas consecutivas. no el primero en llegar es el e a primero en ser atendido. por ejemplo. la listas de n´meros podr´ clasificarse y agruparse: es decir. tantos de 0. la existencia de una larga cola no reduce la poblaci´n de clientes o a tal grado que se reduzca materialmente la velocidad de entradas. En las salas de urgencia de los hospitales se utiliza. Es conveniente notar expl´ ıcitamente que s´lo estamos considerando sistemas con un n´mero infinito de o u clientes. ante la fotocopiadora. por ejemplo. La funci´n de densidad probabilidad del tiempo de servicio: Cada cliente o requiere de cierta cantidad de tiempo proporcionado por el servidor. A este sistema se le denomina sistema de cola multiservidor o en paralelo. a los clientes que esperan en la cola.Conceptos b´sicos del modelo de lineas de espera o colas a Clientes: hace referencia al ente que espera por el servicio. 2 . Podr´ ıamos imaginarnos que contrat´ramos a una a persona para observar la llegada de los clientes. Muchos bancos. A cada llegada. En un entorno amistoso de oficina. y el siguiente puede traer unicamente una caja de galletas dulces.

s´lo se podr´ comunicar con los estados n − 1 o n + 1 con probabilidades de transici´n o a o µn y λn−1 respectivamente. es decir. Las letras DG se utilizan para una disciplina general. o 4. 2. Capacidad del sistema. por ejemplo FIFO (primero en entrar. N´ mero de servidores en paralelo. N´mero de elementos potenciales que requieren el sern o u vicio. la letra G cuando es una distribuci´n general. Modelo generalizado de Poisson La meta inmediata del modelo generalizado es deducir una expresi´n para pn que es o la probabilidad que haya exactamente n clientes en el sistema como una funci´n de λn la o ´ tasa de llegada y de µn la tasa de salida. quien la o utiliz´ en la forma (1/2/3). Una vez ingresan los elementos al sistema quedan sometidos a una disciplina de servicio. o a la letra G para una distribuci´n en general y D para determin´ o ıstica o degenerada. deseamos que las tasas 3 . primero en atender). Este modelo es de estado estable (no dependen del tiempo) para la l´ ınea generalizada de Poisson con c servidores en paralelo. Luego en 1966. la atenci´n es exponencial. la cola M/M/N : DG/N/∞ indica que la entrada o llegada es Poisson. Cuando la disposici´n de los servidores es otra. a esta notaci´n se le conoce en al literatura como notaci´n de o o o Kendall. Identifica una variable aleatoria disco reta que mide el n´mero de elementos que ingresan al sistema en un intervalo de u tiempo. aleatoria. La idea de esta notaci´n fue dada por Kendall en 1953. 6.5. Distribuci´n de probabilidad de llegada. vamos a tomar algunas de las o caracter´ ısticas mencionadas anteriormente para construir la siguiente notaci´n: o 1.Notaci´n o Con el fin de simplificar la descripci´n de una cola. Identifica el n´mero de servidores que u u prestan el servicio en el sistema en forma indistinguible. o o Ek cuando es Erlang. Es el n´mero m´ximo que admite el sistema en servicio u a y en cola. LIFO (´ltiu mo en entrar primero en atender). Por la naturaleza del problema. Se utiliza la letra M cuando la distribuci´n es exponencial. se tiene N servidores para prestar el servicio. Identifica una variable o aleatoria continua que mide el tiempo que dura el servicio. la disciplina de o la cola es general. se debe se˜alar expl´ o n ıcitamente. Bajo las condiciones de estado estable. 2. 5. en paralelo. Por ejemplo. la cual est´ asociada a un proceso de Poisson. cuando el proceso de Poisson se encuentra en el estado n. D cuando es determin´ ıstica. Se utiliza la letra M (Markov) cuando o la distribuci´n de entrada es Poisson. Distribuci´n de probabilidad del tiempo de servicio. s´lo se puede alojar N clientes y la poblaci´n que puede llegar a usar o o el servicio es infinita. Lee agrego los s´ ımbolos 4. Se trata de una funci´n de conteo. pues la notaci´n no lo permite. Tama˜ o de la poblaci´n. 3.

De la ecuaci´n de equilibrio para n = 0. = λn−1 pn−1 + µn+1 pn+1 Tasa esperada de flujo saliente desde el estado n Igualando las dos tasas obtenemos que: = (λn + µn )pn λn−1 pn−1 + µn+1 pn+1 = (λn + µn )pn n = 1. . . 3. Como el estado n se comunica s´lo con n − 1 y n + 1 entonces tenemos o Tasa esperada de flujo entrante desde el estado n Similarmente. . . 4 . . . o De donde: λ0 p0 = µ1 p1 Las ecuaciones de equilibrio se resuelven en forma recursiva comenzando con p1 y procediendo por inducci´n para determinar pn . para n=1 tenemos o λ0 p0 + µ2 p2 = (λ1 + µ1 )p1 sustituyendo p1 = λ0 p µ1 0 y simplificando tenemos p2 = λ1 λ0 p0 µ2 µ 1 En general tenemos pn = λn−1 λn−2 · · · λ0 p0 µn µn−1 · · · µ1 n = 1.esperadas de flujo entrante y saliente del estado n sean iguales. Para el caso n = 0 tenemos que el estado 0 s´lo se comunica con el estado 1. 2. o o obtenemos λ0 p1 = p0 µ1 A continuaci´n. 2.

N − 1 0 n = N. µn = µ. la longitud m´xima de la cola de espera es N − 1. Definiendo ρ = µ . 3. Modelos con un solo servidor Modelo M/M/1:DG/∞/∞ Este es un modelo con un s´lo servidor. . . . Similarmente. 1. =tiempo estimado de espera en la cola. del modelo generalizado de Poisson tenemos que pn = ρn p0 Como 1 = p0 (1 + ρ + ρ2 + · · · ) = po Ls = ρ 1−ρ 1 1−ρ ρ2 1−ρ tenemos que p0 = 1 − ρ.El valor de p0 se determina con la siguiente ecuaci´n: o ∞ pn = 1 n=0 Las siguientes definiciones son utilizadas para analizar la operaci´n de las l´ o ıneas de espera con el fin de hacer recomendaciones sobre el dise˜o del sistema: n Ls Lq Ws Wq =n´mero esperado de clientes en el sistema. µ n = 0. u =n´mero esperado de clientes en la cola. . n≤N n>N 1−ρ 1−ρN +1 1 ρ N +1 ρ=1 =1 5 .1. sin l´ o ımite en la capacidad del sistema o de la poblaci´n. a En t´rminos del modelo generalizado esta situaci´n se traduce en e o λn = µn = λ Haciendo ρ = µ . N + 1 . es decir. es decir. . Se supone que las tasas de llegadas son independientes del n´mero en el o u sistema.2. 3. 1. 2. λn = λ. . se supone que el servidor completa su servicio λ a una tasa constante. . u =tiempo estimado de espera en el sistema. . es decir. . Modelo M/M/1:DG/N/∞ La unica diferencia con el modelo anterior es que el n´mero m´ximo de clientes per´ u a mitidos en el sistema es N . pn = El valor de p0 est´ dado por a p0 = ρn p 0 0. Ws = 1 µ(1−ρ) Lq = Wq = ρ µ(1−ρ) 3. obtenemos λ n = 0.

Al usar c servidores paralelos se acelera la tasa de servicio. 1. . . Si el n´mero u de clientes en el sistema n es igual o excede a c. c + 2. 4. la tasa combinada de salidas es de nµ. . . si n es menor que c. . . 2. Por otra parte.1. N Ls = L q = Ls − λ(1−pN ) µ ρ(1−(N +1)ρN +N ρN +1 ) (1−ρ)(1−ρN +1 ) N 2 ρ=1 ρ=1 1 µ Wq = Lq λ(1−pN ) Ws = Wq + = Ls λ(1−pN ) 4. . . . nµ n = 0. c cµ n = c + 1. pn = El valor de p0 est´ dado por a c−1 n≤c n>c p0 = n=0 ρn ρc + n! c!(1 − ρ ) c −1 Lq = Wq cρ pc L s = Lq + ρ (c − ρ)2 Lq 1 = Ws = Wq + λ µ 6 . 1. . obtenemos ρn p n! n 0 ρ p cn−c c! 0 λ n = 0. En t´rminos del modelo generalizado tenemos: e λn = µn = λ Haciendo ρ = µ . 1. La tasa de servicio por servidor activo es tambi´n cona e stante e igual a µ. . . . Modelos con varios servidores Modelo M/M/c:DG/∞/∞ En este modelo los clientes llegan con una tasa constante λ y un m´ximo de c clientes a son atendidos simult´neamente. la tasa combinada de servicio es igual a cµ.La f´rmula para pn se puede resumir como o pn = 1−ρ ρn 1−ρN +1 1 ρ= N +1 ρ=1 1 n = 0. .

1 .2. . 1. obtenemos pn = El valor de p0 est´ dado por a ρn p0 n! p0 = exp−ρ Ls = ρ Ws = 1 µ Lq = W q = 0 7 . el n´mero de servidores es ilimitado porque el cliente mismo es tambi´n u e un servidor.4. c n = c. . Este es normalmente el caso en los establecimientos de autoservicio. obtenemos ρn p n| 0 ρn p cn−c c! 0 λ n = 0. es decir.Modelo de Autoservicio En este modelo. 1. . . Modelo M/M/∞:DG/∞/∞. Modelo M/M/c:DG/N/∞ La unica diferencia con el modelo anterior es que el n´mero m´ximo de clientes per´ u a mitidos en el sistema es N . .N ρ c−1 ρn ρc (1−( c )N −c+1 ) n=0 n! c!(1− ρ ) c −1 ρ c −1 =1 ρ c c−1 ρn n=0 n! + ρc (N c! − c + 1) =1 Lq = ρc+1 (c−1)!(c−ρ)2 2c! 1− p0 ρ N −c c − (N − c ρ c ρ N −c c 1− ρ c ) p0 ρ c =1 ρc (N −c)(N −c+1) =1 c n=0 (c Ls = Lq + (c − − n)pn ) 4. N pn = El valor de p0 est´ dado por: a     p0 =       n = 0. N + 1 .3.. N 0 n = N. . . En t´rminos del modelo generalizado esta situaci´n se traduce en e o λn = µn = λ Haciendo ρ = µ . . . Una vez m´s en t´rminos del modelo generalizado se tiene: a e λn =λ n ≥ 0 µn =µn n ≥ 0 λ Haciendo ρ = µ . la longitud m´xima de la l´ a ınea de espera es N − c. .. .. . . c cµ n = c + 1. nµ n = 0. . . . .