Universidad Tcnica Federico Santa Mara

Departamento de Informtica
Los sistemas M/G/1 y M/G/k
Modelacin Estocstica y Simulacin
Prof. Dr. Hctor Allende O.
Mag. Marcelo Mendoza R.
Resumen.
En este trabajo se introduce la nocin de Procesos de Conteo para presentar el sistema
M/G/1 desde la perspectiva de Procesos Estocsticos . Se deducen algunas cantidades de inters
para la Teora de Colas y se presentan algunas variaciones al sistema M/G/1. Adems se plantea
el problema del sistema M/G/k resaltando su condicin de problema abierto. Los desarrollos
presentados en este trabajo estn basados en los desarrollos de Sheldon Ross [ver Ross, 1993].
Finalmente se comenta la inclusin de un nmero lmite de clientes en el sistema y su efecto en
algunas variables de inters.
Procesos de Conteo.
Un proceso estocstico
{ } 0 t ), t ( N se dice un proceso de conteo si N(t) representa el
nmero de eventos ocurridos hasta el instante t. Un proceso de conteo debe satisfacer:
0 ) t ( N
N(t) es un valor entero
Si s<t, entonces N(s)<N(t).
Si s<t, N(t) N(s) representa el nmero de eventos ocurridos en el intervalo (s,t).
Un proceso de Poisson
{ } 0 t ), t ( N con razn es un proceso de conteo que satisface
las siguientes condiciones:
N(0) = 0
Es de incrementos independientes.
El nmero de eventos que ocurren en el intervalo de largo t tiene una distribucin de Poisson
con media t, i.e.:
{ }
( )
,
! n
t
e n ) s ( N ) s t ( N P
n
t

+

,... 1 , 0 n
Adems se cumple que
t )] t ( N [ E
.
Definiremos como la secuencia de tiempo entre llegadas a la secuencia
{ } ,... 2 , 1 n , T
n
si
n
T representa el tiempo transcurrido entre el evento n-1 y el n-simo. Su distribucin se
comporta como:
{ } { }
{ } { } { }
t
1 2 2
t
1
e 0 ) s ( N ) s t ( N P s T / t T P t T P
e 0 ) t ( N P t T P


+ > >
>

n
T , n = 1,2,, son i.i.d.v.a. exponenciales con media

1
.
El tiempo de espera hasta el evento n-simo est dado por:
, T S
n
1 i
i n

1 n
que tiene una distribucin Gamma con parmetros n y , i.e.:
( )
,
)! 1 n (
t
e ) t ( f
1 n
t
S
n

0 t .
Proceso de Poisson Compuesto.
Un proceso estocstico
{ } 0 t ), t ( N se dice un proceso de Poisson compuesto si puede
ser representado por:
, Y ) t (
) t ( N
1 i
i

0 t
donde
{ } 0 t ), t ( N es un proceso de Poisson y
{ } 0 n , Y
n
es una familia de variables aleatorias
i.i.d. las cuales tambin son independientes de
{ } 0 t ), t ( N .
Teora de Colas.
Definicin del problema.
El problema a modelar consiste en el comportamiento dinmico de algunas variables de
inters de un sistema de servicio de clientes. Las cantidades de inters que se consideran en el
modelo son:
S : nmero de servidores.
n : nmero de clientes en el sistema.
N : nmero mximo de clientes en el sistema.
L : nmero promedio de clientes en el sistema.
Q
L
: nmero promedio de clientes esperando en la cola.
W : tiempo promedio de un cliente en el sistema.
Q
W
: tiempo promedio de un cliente esperando en el sistema.
Adems se puede definir la razn promedio de llegada de clientes
a
por:
t
) t ( N
lim
t
a


Entonces se pueden plantear las frmulas Littles:
Q a Q
a
W L
W L


El sistema M/G/1.
Notacin.
M : llegadas de Poisson con razn .
G : distribucin general de servicio.
1 : un servidor.
Figura 1. El sistema M/G/1.
En este modelo los clientes sern atendidos por orden de llegada FIFO(first input, first
output). Adems no existirn limitaciones en cuanto a la cantidad de clientes que el sistema
soporta (pueden ser atendidos infinitos clientes). Definiremos el trabajo en el sistema a la
legada de un cliente en un instante t como la suma de los tiempos remanentes de servicio de
todos los clientes en el sistema en ese instante. V denotar el tiempo promedio de trabajo en el
sistema. Sea s el tiempo de servicio y
*
Q
W el tiempo que un cliente debe esperar en la cola.
Entonces:
] S [ E
2
] SW [ E V
] dx ) x S ( SW [ E V
2 a *
Q a
S
0
*
Q a

+
+

En general, el tiempo de servicio ser independiente del tiempo en la cola, i.e.:
] S [ E
2
W ] S [ E V
2 a
Q a

+
Como el sistema es FIFO se cumple que
V W
Q

, por lo que:
]) S [ E 1 ( 2
] S [ E
W
2
Q

, (Pollaczek - Khintchine)
donde E[S] y ] S [ E
2
son los dos primeros momentos de la distribucin de servicio. Entonces es
posible obtener las siguientes cantidades de inters:
] S [ E
]) S [ E 1 ( 2
] S [ E
W L
] S [ E
]) S [ E 1 ( 2
] S [ E
] S [ E W W
]) S [ E 1 ( 2
] S [ E
W L
2 2
2
Q
2 2
Q Q
+

Observaciones:
i)A partir de la Teora de Procesos con renovacin, si un servidor est siempre ocupado, la
razn de partida
] S [ E
1
ser mayor que la razn de llegada . Entonces E[S]< 1, lo que
implica que las cantidades L, Q
L
, W y Q
W
son finitas.
ii) Como Var[S] =
2 2
] S [ E ] S [ E , si la media del tiempo de servicio es constante, todo
incremento en la varianza se refleja como un incremento de L, Q
L
, W y Q
W
.
iii) Existen formas alternativas para obtener Q
W
.
Tiempos de Ocio y de trabajo.
Un sistema alternar entre tiempo de trabajo (cuando hay al menos un cliente en el
sistema) y tiempos de ocio (servidor ocioso). Notaremos por
n
I y
n
B los largos de los n-simos
perodos de ocio y trabajo respectivamente
( ) 1 n . La proporcin de tiempo que el servidor
estar ocioso es:
n 1 n 1
n 1
n
0
B ... B I ... I
I .. I
lim P
+ + + + +
+ +

donde
n 1
I .. I + + y
n 1
B ... B + + son variables aleatorias i.i.d.. Aplicando la Ley de los Grandes
Nmeros:
] B [ E ] I [ E
] I [ E
P
0
+

,
con I y B variables aleatorias que representan los tiempos de ocio y trabajo. Como I representa
el tiempo desde que un cliente deja el sistema y en el no queda nadie, hasta que llegue el
siguiente, I se distribuye exponencialmente con razn y:

1
] I [ E
Como ] S [ E 1 P
0
, entonces:
] S [ E 1
] S [ E
] B [ E
] B [ E
1
1
] S [ E 1


+

Sea
n
a la proporcin de clientes que encuentran n clientes en el sistema cuando llegan.
Sea C el nmero de clientes servidos en un perodo de trabajo. Entonces de cada E[C] clientes
solo uno encontrar el sistema vaco, i.e.:
] C [ E
1
a
0

Pero ] S [ E 1 P a
0 0
(para llegadas de Poisson). Entonces:
] S [ E 1
1
] C [ E

.
Variaciones al modelo M/G/1.
M/G/1 con batch de llegada de tamao aleatorio.
Su pongamos que los clientes pueden llegar al mismo tiempo al sistema. Ello supone
que la cantidad de clientes puede incrementarse en una unidad de tiempo en cantidades
superiores a uno, cantidad que conoceremos como el tamao del batch de entrada. Notaremos
por N a la variable aleatoria que representa el tamao del batch, i.e.:
{ }
j
j N P
La frmula de trabajo en el sistema sigue siendo:
]
2
) S ( E
W ) S ( E ][ N [ E V
2
Q
+
Sin embargo, el tiempo de espera se incrementa al agregar un tiempo relacionado con el
tiempo en el sistema de los otros clientes que estn en el mismo batch, i.e.:
] W [ E V W
B Q
+
donde
B
W es el tiempo de espera inducido por el batch. La proporcin de clientes que pueden
provenir de un batch de tamao j es proporcional al tamao del batch y a su probabilidad j

,
i.e.:
Proporcin de clientes seleccionables =

j
j
j
j
j
Si nuestro cliente est en la posicin i-sima en su batch, deber esperar por i-1 clientes
antes que l sea atendido, i.e.:
] S [ E
2
1 j
j
1
) S ( E ) 1 i (
j Batch
W
E
j
1 i
size
B


1
]
1

1
]
1

j Batch
W
E ] W [ E
size
B
B
Proporcin de clientes selecc. del batch de tamao j
( ) ] N [ E ] N [ E
] N [ E 2
] S [ E
] W [ E
j ) 1 j (
] N [ E 2
] S [ E
] W [ E
2
B
j
j B



entonces:
( )
] S [ E ] N [ E 1
2
] S [ E ] N [ E
] N [ E 2
] N [ E ] N [ E ] S [ E
W
2 2
Q

Observaciones:
i) Q
W
es finito ssi
] S [ E
1
] N [ E <
.
ii) Para E[N] fijo, Q
W
es proporcional a Var[N].
iii) A partir de Q
W
se pueden deducir las cantidades de inters L, Q
L
y W considerando:
Q Q
Q
Q
W ] N [ E L
W ] N [ E W L
] S [ E W W


+
M/G/1 con colas prioritarias.
Supongamos que existen 2 tipos de clientes: el primero solo espera en el sistema a los clientes
de tipo 1 que hayan llegado antes que el y solo espera a un cliente del tipo 2 si este estaba en
servicio a su llegada. Un cliente de tipo 2 debe esperar que todos los clientes de tipo 1 sean
atendidos y debe esperar por todos los del tipo 2 que hayan llegado antes que l. Las llegadas se
distribuyen Poisson con razones
1
y
2
y el servicio tiene distribuciones
1
G y
2
G .
Notaremos por
i
Q
W el tiempo promedio en la cola del cliente tipo i, i=1,2. Entre clientes del
mismo tipo, como la prioridad es FIFO, el modelo se comporta como un M/G/1 y sus
distribuciones obedecen a las siguientes relaciones:
) x ( G ) x ( G ) x ( G
2
2
1
1
2 1

+
Se sabe que el trabajo viene dado por:
]) S [ E 1 ( 2
] S [ E
V
2

entonces si
2 1
+ :
]) S [ E ] S [ E 1 ( 2
] S [ E ] S [ E
V
2 2 1 1
2
2 2
2
1 1

+

Notaremos por
i
V
a la cantidad promedio de trabajo del tipo i y:
2
] S [ E
W ] S [ E V
2
i i i
Q i i
i

+ (**)
Definamos las siguientes cantidades:
2
] S [ E
V
W ] S [ E V
2
i i i
S
i
Q i i
i
Q

Interpretaremos a las cantidades
i
Q
V y
i
S
V como la cantidad promedio de trabajo de tipo
1 en la cola y la cantidad promedio de trabajo de tipo 1 en servicio, respectivamente. Entonces
podemos plantear la siguiente relacin:
]) S [ E 1 ( 2
] S [ E ] S [ E
W
1 1
2
2 2
2
1 1 1
Q

+
(*)
Como
2 1
V V V +
entonces:
2
S
2
Q
1
S
1
Q
2 2 1 1
2
2 2
2
1 1
V V V V
]) S [ E ] S [ E 1 ( 2
] S [ E ] S [ E
+ + +

+
2
Q 2 2
1
Q
2
Q
1
Q
W ] S [ E W
V W
+
+
entonces usando (*) se tiene:
]) S [ E 1 ])( S [ E ] S [ E 1 ( 2
] S [ E ] S [ E
W
1 1 2 2 1 1
2
2 2
2
1 1 2
Q

+

Observaciones:
i)
1
Q
W e4s una cantidad finita ssi 1 ] S [ E
1 1
< .
ii)
2
Q
W es finito ssi 1 ] S [ E ] S [ E
2 2 1 1
< + .
iii) Si hay n tipos de clientes, realizaremos el mismo anlisis anterior buscando las
cantidades
j
V
, j=1,n. La cantidad de trabajo en el sistema de clientes de tipo 1,,j
solo depende de su prioridad sobre los clientes de tipo j+1,,n. Entonces se pueden
definir dos clases generales de prioridad I y II tales que:
n 1 j II
j 1 I
...
, ...
+ +
+ +
+
De acuerdo a lo anterior, las esperanzas de los momentos de los tiempos de servicios
asociados estn dadas por:
] S [ E ] S [ E
], S [ E ] S [ E
], S [ E ] S [ E
2
i
n
1 j i
II
i
2
II
2
i
j
1 i
II
i
2
I
i
j
1 i
I
i
I

Adems el trabajo
I
V
es:
]) S [ E 1 ( 2
] S [ E ] S [ E ] S [ E
V
I I
2
II I II I
2
I I I

+

donde
j 1 I
V ... V V + +
para cada j = 1,,n, lo que genera que a partir de (**) se pueda
deducir la siguiente relacin:

+ +

i
1 i j
j j 1 1
2
n n
2
1 1 i
Q
]) S [ E ... ] S [ E 1 ( 2
] S [ E ... ] S [ E
W
, i=1,,n
El sistema M/G/k.
En un sistema de estas caractersticas los clientes llegan con distribucin de Poisson de
razn y son servidos por uno de los k servidores existentes, cada uno de los cuales tiene una
distribucin de servicio G, como se puede observar en la figura 2.
Figura 2. El sistema M/G/k.
Al igual que en el sistema M/G/1, el trabajo del sistema viene dado por la expresin:
] S [ E
2
W ] S [ E V
2 a
Q a

+ (***)
Si hay k servidores, el trabajo ser realizado a una razn k por unidad de tiempo. Esto
quiere decir que ante una llegada, el trabajo en el sistema viene dado por la expresin:
] R [ E kW V
Q
+
(****)
donde R es la suma de los tiempos de servicio remanentes al momento de la llegada. Si E[R] se
pudiera calcular, podramos despejar Q
W
usando las ecuaciones (***) y (****). Sin embargo la
estimacin de E[R] es un problema para el que no se conoce una respuesta exacta de manera
que se pueda calcular Q
W
. Las soluciones al problema estn dadas a partir de aproximaciones
que funcionan para algunos casos, como la aproximacin de Nozaki y Ross [ver Nozaki & Ross,
1978], a partir de la cual es posible aproximar Q
W
por:
1
]
1

]) S [ E k ( )! 1 k (
]) S [ E (
! n
]) S [ E (
]) S [ E k ( )! 1 k ( 2
]) S [ E ]( S [ E
W
k
1 k
0 n
n
2
1 k 2 k
Q
Esta es una buena aproximacin cuando la distribucin de servicio se aproxima a una
Gamma o a una Exponencial, pero en otros casos su comportamiento no es tan bueno, por lo
que este problema sigue estando abierto.
Sistema con capacidad finita.
El anlisis realizado ha supuesto que el sistema no tiene limitaciones en cuanto a la
cantidad de clientes que pueden estar en l. Sin embargo, los sistemas reales si tienen estas
limitaciones por lo que es de inters incluir esta situacin en el modelo. Notaremos por N al
nmero mximo de clientes en el sistema. Entonces
n
P denotar la probabilidad de que hayan n
clientes en el sistema. Es posible plantear las siguientes ecuaciones de balance:
1 N N
1 n 1 n n
1 0
P P N
P P P ) ( 1 N n 1
P P 0
estado al entra se cual la a razn estado el deja se cual la a Razn Estado

+ +

Para dejar el estado 0 debe producirse una llegada, por ello la razn es
0
P . Por el
contrario, para entrar al estado 0 se debe producir una salida estando en el estado 1, por lo que la
razn es
1
P . Para dejar un estado n, con 1 N n 1 , se debe producir una salida o una
llegada estando en n, por lo que la razn es
n
P ) ( + . Por el contrario, para entrar a n puede
producirse mediante una llegada estando en n-1 o bien con una salida estando en n+1, por lo que
la razn es
1 n 1 n
P P

+ . Al estar en el estado de cantidad lmite N de clientes slo es posible
dejar el sistema mediante una salida, por lo que la razn es
N
P . Por el contrario, para entrar al
estado N slo se puede hacer desde el estado N-1 mediante una llegada, por lo que la razn es
1 N
P

. Resolviendo el siguiente sistema de ecuaciones es posible obtener algunos resultados de
inters:
, P P
0 1

,
_

, P P P P
1 n n n 1 n

,
_

+
1 N n 1
. P P
1 N N

,
_

si resolvemos en trminos de
0
P podemos obtener:
0
N
1 N N
0
1 N
3 N 2 N 2 N 1 N
0
2
0 1 1 2
0 1
P P P
P P P P P
P P P P P
P P

,
_

,
_

,
_

,
_

,
_

,
_

Si usamos el hecho de que

N
0 n
n
1 P podemos obtener:
1 N
0
n
N
0 n
0
1
1
P
1 P
+

,
_

,
_

y entonces:
,
1
1
P
1 N
n
n
+

,
_

,
_

,
_

N ,..., 1 , 0 n
Usando el resultado anterior, la cantidad L puede ser expresada directamente como:
( )
( )

,
_

,
_

1
]
1

,
_

,
_

+
+

1 N
N 1 N
N
0 n
n
1
1 N N 1
L
nP L
Referencias
[Ross, 1993] Ross, S, Introduction to Probability Models, Academic Press, Inc., 1993.
[Nozaki & Ross, 1978] Nozaki, S. & Ross, S, Approximations in Finite Capacity Multiserver
Queues with Poisson Arrivals, J. Appl. Prob. 15, 1978.