Simulacion de Modelos de Teletrafico Mediante Java, 1° ED. - Jesus Alcober

Jesus Alcober
Simulacin de modelos de teletrfico mediante Java
Este libro corresponde al manual de prcticas de un simulador de modelos b sicos de teletrfico. En los estudios de redes de comunicaciones, una parte importante corresponde a las herramientas matemticas que ayudan a dimensionar sistemas de comunicaciones, conocidas generalmente como teletrfico, que se basan en la teora de colas y los procesos estocsticos. El simulador de modelos de teletrfico es una herramienta til para la comprensin de estos sistemas porque permite el seguimiento paso a paso de su funcionamiento mediante un entorno de ventanas, as como la obtencin de parmetros de salida a partir de parmetros de entrada fijados por el usuario. El simulador est implementado mediante un applet de Java que se puede ejecutar libremente desde la direccin de Internet http://sena.upc.es/~alcober/docente/ Adems, el manual incluye un apndice con la teora bsica de teletrfico.
Pr cticas de teletr co
marzo de 1999
1 Introducci n
El objetivo de estas pr cticas es familiarizar al estudiante con los conceptos y la terminolog a propias de la teor a de las colas. El procedimiento utilizado se basa en una simulaci n gr ca mediante un applet de Java, que permite reproducir el funcionamiento del modelo con los par metros jados por el usuario. El applet consta de tres ventanas:
Parameters Statistics Simulation
En la parte superior del panel de entradas podemos observar cuatro opciones que determinan el modelo que simula el programa. La opci n que est activada determina la naturaleza de generaci n de llamadas y el servicio del sistema M M m, M D m, D M m, D D m . En cualquier momento se puede cambiar de modelo, simplemente con hacer clic en la opci n deseada.
1.1 Ventana Parameters
Debajo encontramos unas casillas con los siguientes signi cados: TIME BREAK es el tiempo entre cada uno de los pasos de la simulaci n. La cifra representada en el cuadro de texto se multiplica por 100 ms. El rango del tiempo de proceso en la simulaci n de 1 ... 5 . S lo se modi car si la simulaci n va excesivamente r pida. 1
los autores, 1998; Edicions UPC, 1998. Quedan rigurosamente prohibidas, sin la autorizacin escrita de los titulares del "copyright", bajo las sanciones establecidas en las leyes, la reproduccin total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografa y el tratamiento informtico, y la distribucin de ejemplares de ella mediante alquiler o prstamo pblicos.
Pr cticas de teletr co J. Alcober
LAMBDA es la tasa media de llegadas al sistema. Representa el n mero de llamadas que llegan al sistema por unidad de tiempo llamada tiempo. Su rango es de 0.1 ... 1.9 . MU es la tasa media de servicio. Representa el n mero medio de llamadas que el sistema sirve por unidad de tiempo llamada tiempo. Su rango es de 0.1 ... 2.0 . CIRCUITS indica el n mero de circuitos que tiene el servidor. Su rango es de 1 ... 4 . QUEUE ja el n mero m ximo de llamadas que pueden esperar en cola. Su rango es de 0 ... 8 . M s abajo encontramos una serie de botones que nos permiten controlar la simulaci n. RUN pone en marcha la simulaci n con los valores de los cuadros de texto superiores. STEP nos permite detener la simulaci n, y, si la accionamos repetidamente, nos permite simular paso a paso y observar detenidamente el comportamiento del sistema. Este bot n tambi n actualiza los valores de los cuadros de texto superiores. RESET termina la actual simulaci n y reinicia el sistema con una nueva simulaci n. EXIT termina de nitivamente con la simulaci n y elimina las ventanas.
1.2 Ventana Statistics
Esta ventana proporciona informaci n sobre los par metros de la propia simulaci n. QUEUE NAME sigue la nomenclatura Kendall A B C k, donde
A representa la distribuci n de la llegada M markoviano, D determinista B representa la distribuci n del servicio M marcoviano, D determinista C representa el n mero de circuitos k es el n mero m ximo de llamadas que puede contener el sistema incluida la que se est sirviendo.
los autores, 1998; Edicions UPC, 1998.
STEPS representa el n mero actual de pasos de la simulaci n. AVERAGE SERVICE TIME es el tiempo medio de servicio del sistema. AVERAGE WAIT TIME es el tiempo medio de espera en cola. MAX. QUEUE SIZE es la ocupaci n m xima que ha sufrido la cola. AVERAGE QUEUE SIZE es el n mero medio de llamadas que esperan en cola. TOTAL TX es el n mero total de paquetes transmitidos con xito. BLOCKING PROB. es la probabilidad de boqueo del sistema.
1.3 Ventana Simulation

La ventana Simulation tiene tres partes: A Animaci n del servidor, cola y llamada perdida. Representa lo que hay en el sistema en cada momento; es decir, qu llamadas se est n sirviendo, cu les est n esperando y cu l es la ltima llamada perdida. B Animaci n de la ocupaci n del servidor. Es una pantalla fraccionada en diez unidades de tiempo que representa el hist rico de lo que sucede en el servidor, concretamente en cada uno de los circuitos que lo componen. C Animaci n de la ocupaci n global del sistema. Es una pantalla fraccionada en diez unidades de tiempo que representa la ocupaci n global del sistema servidor m s cola. La ocupaci n del servidor se representa en azul y la de la cola en rojo. Adem s, tambi n se visualizan las probabilidades estimadas de ocurrencia de cada estado del sistema estado 0 hasta el estado k.
Si comparamos las dos pantallas de animaci n, observamos que la suma de la ocupaci n del servidor es exactamente la saturaci n en azul que dibujamos en la animaci n del cambio de estado. La parte pintada en rojo representa gr camente lo que sucede en la cola; es decir, cada anco de bajada de esta zona corresponde a un nal de servicio representado en la animaci n de la ocupaci n del servidor se distingue con una l nea roja al nal de cada llamada y signi ca que un circuito del servidor se ha quedado libre y, por tanto, la cola se vac a en una unidad.
2 Conceptos de tr co
El modelo b sico utilizado en teor a de colas corresponde a una poblaci n que genera llamadas con una tasa , estas llamadas llegan a un sistema de circuitos donde ser n servidas con una tasa . La primera parte podr a corresponder a la modelizaci n de generaci n aleatoria de llamadas correspondiente a una poblaci n grande. Es un par metro f cil de medir, porque s lo es necesario observar durante un tiempo de observaci n Tob el n mero de llamadas generadas N. Entonces,
Este par metro ser tanto m s able cuanto mayor sea Tob. Las unidades de ser n llamadas tiempo. A veces a la generaci n de llamadas tambi n se le llama llegada de llamadas al sistema, porque visto desde el sistema es como si llegasen. Una vez la llamada ha llegado al sistema se ha generado, entonces, en el caso de que haya recursos su cientes, se sirve. En nuestro caso los recursos son circuitos, pero estos modelos son aplicables a campos muy diversos. El tiempo de servicio de llamadas se modela como una variable aleatoria exponencial de tasa . Este par metro tambi n es f cil de medir, pues 1= es el tiempo medio de servicio, que se puede estimar midi ndolo. En caso de que no haya su cientes recursos para servir la llamada, hay dos pol ticas de funcionamiento, correspondientes al modelo de p rdida y al modelo de espera. El grado de servicio, la satisfacci n del cliente, se mide a trav s de la probabilidad de bloqueo PB . Esta probabilidad de bloqueo es diferente para cada modelo; es decir, en un modelo de p rdida la probabilidad de bloqueo es la probabilidad de p rdida, mientras que en un modelo de espera la probabilidad de bloqueo es la probabilidad de espera, aunque tambi n es importante el tiempo medio de espera en cola.
N = T
ob
2.1 Modelo de p rdida
En el modelo de p rdida, en caso de que una llamada llegue al sistema y encuentre que todos los recursos est n ocupados, sta no se sirve y se pierde.
En este caso un par metro de medida del grado de servicio es la probabilidad de p rdida PP , es decir, la probabilidad de que una llamada que llegue al sistema se encuentre con todos los recursos ocupados. Si el sistema est sobredimensionado, esta probabilidad es baja. Si el sistema est infradimensionado, esta probabilidad es alta. 1. Cu l es la probabilidad de p rdida PP en el sistema de un circuito de la gura? Estimadlo con la informaci n que veis. Fijaos que es el cociente entre el n mero de paquetes perdidos y el n mero de paquetes totales.
A la hora de dimensionar un sistema de p rdida se debe calcular el n mero de recursos su cientes para poder obtener una probabilidad de bloqueo adecuada. En el modelo de espera, en caso de que una llamada llegue al sistema y no encuentre recursos libres para ser servida, sta espera hasta que se libere alg n recurso. En este caso, el par metro para medir el grado de servicio es la probabilidad de demora PD , es decir, la probabilidad de que una llamada que llega al sistema tenga que esperar porque no hay recursos libres. Otro par metro interesante es el tiempo medio que una llamada tiene que esperar en cola hasta el momento de ser servida WQ . A la hora de dimensionar un sistema se calculan los recursos necesarios para poder cumplir con alguno de los par metros anteriores. 1. Cu l es la probabilidad de demora PD en el sistema de un circuito de la gura siguiente? Estimdalo con la informaci n que veis. Fijaos que es el cociente entre el n mero de paquetes demorados y el n mero de paquetes totales. 2. Y cu l es el tiempo medio que una llamada tiene que esperar en cola hasta ser servida, seg n la informaci n de la gura? Fijaos que se debe hacer un promedio de los tiempos de espera en cola.
2.2 Modelo de espera
2.3 Conceptos generales de tr co
Aunque consideremos en primer lugar el modelo de p rdida, los conceptos que ahora se de nen se aplican tambi n al modelo de espera. Se de ne intensidad de tr co instant neo cursado, o tr co instant neo cursado, Nt, como el n mero de circuitos ocupados a lo largo del tiempo. En el caso de un circuito, esta funci n podr a tener la siguiente forma, Se de ne volumen de tr co cursado Vtc de un circuito como la suma de los tiempos en que ste est ocupado en un tiempo de observaci n, Tob . En el ejemplo, Vtc = 5s. Si tenemos 2 circuitos, la funci n Nt podr a tener la siguiente forma: Y Vtc ser a en este caso la suma de los tiempos en que stos est n ocupados en un tiempo de observaci n Tob. En el ejemplo, Vtc = 6s. En general, para C circuitos,
Vtc =
Tob
N tdt
1. La funci n Nt de un sistema de circuitos tiene la siguiente forma,
a Cu ntos circuitos tiene nuestro sistema como m nimo? b Calculad el Vtc en un tiempo de observaci n Tob de las 10 unidades de tiempo. Hasta ahora hemos calculado el Vtc . Este par metro no da mucha informaci n. Qu quiere decir que tenemos un Vtc de 20 s ? En cambio, la relaci n entre Vtc y Tob s que nos desvela el porcentaje de ocupaci n del sistema. Se de ne intensidad de tr co cursado, o simplemente tr co cursado TC , como el cociente entre Vtc y Tob.
En el ejemplo, Vtc = 5s y Tob = 10s, entonces, TC = 0.5. En general,
Vtc TC = T
ob
Pr cticas de teletr co J. Alcober Vtc TC = T

Z
ob
Tob Tob N tdt
Gr camente, TC coincide con el valor que tiene una funci n constante que tenga el mismo valor que la integral de la funci n Nt, rea bajo la curva, en el tiempo de observaci n, ya que
Tob TC =
Tob
N tdt
En el caso del ltimo ejemplo, obtendr amos gr camente un valor que tendr a que aproximarse al que hab is calculado.
TC
En el ap ndice se puede ver que

c TC =
donde c es la tasa de llamadas llegadas al sistema y cursadas. Y de ello se extraen diferentes caracter sticas de TC. Para un sistema de un circuito:
TC es adimensional y tiene un nombre, Erlang, en honor a un matem tico dan s. As , en el ejemplo, TC = 0.5 E el tr co cursado es 0.5 erlangs. Se cumple que TC 1. TC nos da el porcentaje de ocupaci n del circuito.
Si en lugar de un circuito, tenemos C,

TC es adimensional y se da en Erlangs. Se cumple que TC C . TC nos da el porcentaje de ocupaci n del sistema.
Si consideramos un modelo de p rdida, es posible que alguna llamada llegue al sistema y se pierda. Por eso es interesante considerar el caso en que todas las llamadas sean servidas. Fijaos en que hasta ahora no nos preocup bamos de las llamadas que llegaban al sistema y no eran cursadas a causa de la falta de recursos libres para ser servidas. Pero es un par metro importante del grado de servicio. Para saber qu
perdemos, primero hemos de calcular qu tendr amos en el caso de que hubiera bastantes circuitos matem ticamente, in nitos circuitos para servir cualquier llamada que se generara. De nimos tr co ofrecido TO como el tr co cursado por un sistema con un in nito n mero de circuitos. En el simulador, el tr co ofrecido se podr a ver en un sistema con su cientes circuitos para servir todas las lamadas que llegasen.
Se puede ver que,
TO =
Y como en el modelo de p rdida, no todo el tr co ofrecido es cursado, y se de ne el tr co perdido TP como el tr co ofrecido que no se cursa.
TP = TO , TC
Tambi n se puede ver de la siguiente forma
p
c ,
Donde p es la tasa de llamadas que llegan al sistema y se pierden. Se cumple que C TO TC . Comprobadlo. Todos estos conceptos tambi n se pueden aplicar al modelo de espera. El volumen de tr co cursado Vtc de un circuito ser la suma de los tiempos en que ste est ocupado durante un tiempo de observaci n Tob . En el simulador, corresponde a la funci n dibujada en azul.
En el ejemplo, Vtc = 4:7s. Como antes, nos interesa la relaci n entre Vtc y Tob; ya que nos indica el porcentaje de ocupaci n del circuito. Se de ne intensidad de tr co cursado, o simplemente tr co cursado TC , como el cociente entre Vtc y Tob.
Pr cticas de teletr co J. Alcober Vtc TC = T
ob
Intuitivamente, en un modelo de espera puro todas las llamadas que lleguen al sistema ser n servidas tarde o temprano; el nico inconveniente es que quiz s, antes de ser servidas, tendr n que esperar en la cola. Por ello, seg n este razonamiento, no existir tr nsito perdido no se pierden llamadas y, por tanto, el tr co cursado ser el mismo que el tr co ofrecido esto lo veremos matem ticamente m s adelante. En cambio, habr una parte de las llamadas que lleguen al sistema que tendr n que esperar, d , y esto nos llevar a calcular un tr co demorado, que es otro par metro del grado de servicio. Hemos visto que el sistema de colas que estamos estudiando se caracteriza por tres par metros: , y C. Adem s, para relacionarlo con el grado de servicio, hemos de nido una serie de conceptos que nos ayudar n a medirlo. Ahora nos faltar relacionar estos conceptos con los par metros y con el grado de servicio. Todos estos sistemas se caracterizan por una serie de estados, caracterizados normalmente por el n mero de llamadas en el sistema. As , el estado 0 corresponde al sistema vac o, el estado 1 al sistema con una llamada, el estado 2 con dos llamadas, y as sucesivamente. Si se conoce la probabilidad de ocurrencia ver ap ndice de cualquier estado del sistema, entonces se puede calcular cualquiera de sus par metros TC, TP, PP, .... En el caso del simulador, se estimar la probabilidad de ocurrencia de cualquier estado del sistema, entonces se puede calcular una estimaci n de cualquiera de sus par metros TC, TP, PP, ....
3 Modelos de p rdida
Vamos a familiarizarnos con los conceptos que se han explicado en la secci n anterior y con el simulador. Veremos c mo a partir del simulador podemos calcular realmente estimar los conceptos que hemos visto anteriormente. En el ap ndice se dan los instrumentos matem ticos para calcularlos, y comprobaremos que los resultados coinciden. Comenzaremos por el caso m s sencillo, que es considerar que tanto las llegadas como el servicio no son aleatorios, sino determin sticos. Tambi n comenzaremos por los modelos de bloqueo. Un modelo se considera de bloqueo cuando una llamada que llega al sistema y no tiene recursos, circuitos, para ser atendida, se pierde.
3.1 Modelo D D C C
Este modelo compuesto de C circuitos y sin cola Q = 0 se caracteriza por tener las llegadas y el servicio determin sticos; es decir, las llegadas se producen peri dicamente cada 1= s y el servicio de cada llamada tarda exactamente 1= s.
10
Un sistema sobredimensionado es aquel en el que hay m s circuitos de los que se necesita para dar un grado de servicio satisfacci n del cliente razonable. Un sistema infradimensionado es aquel en el que hay menos circuitos de los necesarios para dar un grado de servicio aceptable. En un modelo de p rdida el grado de servicio est ntimamente ligado a la probabilidad de bloqueo. 1. Simulad el modelo D D 2 2 con un caso sobredimensionado. Por ejemplo, que lleguen llamadas cada 2 s, y que tarden en servirse 1 s. Esto = corresponder a una A = = = = = 0:5.
1 1 1 2
2. Cu les son las probabilidades que se obtienen por simulaci n de cada estado? a Cu l es la ocupaci n media del circuito 1 ? Y del circuito 2 ? b Podr amos quitar el circuito 2 y tener el mismo sistema aunque m s econ mico? c Cu l es la probabilidad de bloqueo; es decir, de cada 10 llamadas que lleguen, cu ntas perdemos como media? Perdemos alguna llamada? 3. Simula el modelo D D 1 1 con A=0.5. Simplemente reducimosel n mero de circuitos en una unidad.
11
a Cu les son las probabilidades que se obtienen por simulaci n de cada estado? b Cu l es el porcentaje de tiempo que el circuito est ocupado? Coincide con alg n par metro del sistema? Relacionadlo con A, P i P.
0 1
4. Vamos a ver si se cumplen estas relaciones en otros casos. Simulad el modelo D D 1 1 con A=0.9.
a Se mantienen las relaciones calculadas anteriormente? 5. Parece que no queramos sobrepasar A=1, vamos a hacerlo. Simulad el modelo D D 1 1 con A=1.25.
a Qu veis en la simulaci n? Fijaos en que se pierden llamadas. Coged una secuencia de numeraci n de llamadas perdidas. Cu l es la probabilidad de p rdida? Coincide con la que se da en el panel de estad sticas? b Cu l es el porcentaje de tiempo que el circuito est ocupado? Es un sistema sobredimensionado? Tiene este sistema un grado de servicio aceptable? C mo se puede mejorar de forma sencilla este grado de servicio?
12
6. Quiz s la soluci n sea a adir un circuito m s. Simulad un modelo D D 2 2 con A=1.25. Cu l es el porcentaje de tiempo que 1 circuito est ocupado, y el porcentaje de tiempo que 2 circuitos est n ocupados? Relacionadlos con las probabilidades de estado.
7. Cu l creeis que es la relaci n que hay entre A y C para que no se pierda ninguna llamada? 8. En conclusi n, si tenemos A=3.1. Cu l es el n mero de circuitos necesarios para dar un grado de servicio aceptable? 9. Dado un modelo D D 2 2, dibuja la gr ca de la probabilidad de bloqueo en funci n de para una a = 1. Este modelo compuesto de C circuitos y sin cola Q = 0 se caracteriza por tener las llegadas determin sticas y el servicio aleatorio; es decir, las llegadas se producen exactamente cada 1= s y el servicio de cada llamada tarda como media 1= s. 1. Simulad un modelo D M 1 1 con A=0.5. Comprobad que cada 2 s llega un llamada y que, como media, se tarda 1 s en servirse unas veces m s y otras menos.
3.2 Modelo D M C C
13
2. Se pierden llamadas? Por qu ? Anotad la probabilidad de bloqueo que se obtiene. Creeis que proporciona un grado de servicio aceptable? a Podr ais dar un valor de A para garantizar que no se pierdan llamadas? Por qu ? b Podr ais dar un valor de C para garantizar que no se pierdan llamadas? c Ya se ve que se puede ir reduciendo la probabilidad de bloqueo con un coste econ mico. Hay dos vertientes que tener en cuenta: con un coste econ mico jo tengo un grado de servicio determinado, y para conseguir un grado de servicio aceptable tendr un coste determinado. A la hora de dise ar quiz s tengamos jo un par metro y hayamos de calcular el otro. 3. Intuitivamente se ve que si aumentamos A, aumentaremos la probabilidad de p rdida. Simulad un modelo D M 1 1 con A=1 y anotad la probabilidad de bloqueo.
4. Tambi n se ve que si aumentamos C, disminuimos la probabilidad de bloqueo. Simulad un modelo D M 1 1 con A=1 y C=2 y anotad la probabilidad de bloqueo.
En conclusi n, para unas necesidades de tr co A, tenemos que poner un n mero de circuitos C tales que tengamos un grado de servicio aceptable.
14
Este modelo compuesto de C circuitos y sin cola Q=0 se caracteriza por tener las llegadas aleatorias y el servicio determin stico; es decir, las llegadas se producen, como media, cada 1= s y el servicio de cada llamada tarda exactamente 1= s. 1. Simulad un modelo M D 1 1 con A=0.5. Comprobad que llega una llamada cada 2 s como media unas veces m s y otras menos y que se tarda exactamente 1 s en servirse.
3.3 Modelo M D C C
2. Se pierden llamadas? Por qu ? Anotad la probabilidad de bloqueo que se obtiene. Creeis que proporciona un grado de servicio aceptable? a Podr ais dar un valor de A y o C para garantizar que no se pierden llamadas? Por qu ? 3. Intuitivamente se ve que si aumentamos A, aumentaremos la probabilidad de p rdida. Simula un modelo M D 1 1 con A=1 y anotad la probabilidad de bloqueo.
4. Tambi n se ve que si aumentamos C, disminuiremos la probabilidad de bloqueo. Simulad un modelo M D 2 2 con A = 1 y anotad la probabilidad de bloqueo.
15
3.4 Modelo M M C C
Este modelo compuesto de C circuitos y sin cola Q=0 se caracteriza por tener las llegadas aleatorias y el servicio aleatorio; es decir, las llegadas se producen como media cada 1= s y el servicio de cada llamada tarda una media de 1= s. 1. Simulad un modelo M M 1 1 con A=0.5. Comprobad que cada 2 s, como media, llega una llamada a veces m s y otras menos y que se tarda una media de 1 s en servirse unas veces m s y otras menos.
2. Anotad la probabilidad de bloqueo y comparadla con la probabilidad de bloqueo que hay en las tablas ErlangB 1,O.5 . 3. Intuitivamente se ve que si aumentamos A, aumentaremos la probabilidad de p rdida. Simula un modelo M M 1 1 con A = 1 y anotad la probabilidad de bloqueo. Calculadla matem ticamente tambi n.
16
4. Tambi n se ve que si aumentamos C, disminuiremos la probabilidad de bloqueo. Simulad un modelo M M 2 2 y anotad la probabilidad de bloqueo. Calculadla matem ticamente tambi n.
4 Modelos de espera
Un modelo se considera de espera cuando una llamada que llega al sistema y no tiene recursos, circuitos, para ser atendida, espera en una cola que puede ser nita o in nita. En el caso de que sea nita, cuando esta cola est llena y llega una llamada, la llamada se pierde. En el caso de que sea in nita, no se pierde ninguna llamada, pues todas esperan su turno en una cola que no tiene l mite. Notad que un modelo de bloqueo es un caso particular de modelo de espera con una cola nula Q = 0 . El modelo de espera puro es aquel en el que la cola es in nita, es decir, en el que no se pierden llamadas, pues si llega una llamada al sistema y encuentra todos los circuitos ocupados, espera en una cola a ser atendida.
4.1 Modelo D D C C+Q
Este modelo compuesto de C circuitos y una cola de Q elementos se caracteriza por tener las llegadas y el servicio determin stico; es decir, las llegadas se
17
producen peri dicamente cada 1= s y el servicio de cada llamada tarda exactamente 1= s. Un sistema sobredimensionado es aquel en el que hay m s circuitos de los que se necesita para dar un grado de servicio satisfacci n del cliente razonable. Un sistema infradimensionado es aquel en el que hay menos circuitos de los necesarios para dar un grado de servicio aceptable. Querr amos calcular el n mero de circuitos necesarios para dar un grado de servicio aceptable. 1. Simulad un modelo D D 2 10 con un caso de sobredimensionado. Por ejemplo, que lleguen llamadas cada 2 s y que tarden en servirse 1 s. Esto = corresponder a una A = = = = = 0:5.
1 1 1 2
a Cu les son las probabilidades que se obtienen por simulaci n de cada estado? b Qu utilidad tiene la cola en este modelo? Podr amos quitarla? Es decir, tiene el mismo comportamiento el modelo D D 2 10 que el modelo D D 2 2 ? Si no lo veis claro, simuladlo. c Es un sistema sobredimensionado? 2. Simulad un modelo D D 1 9 con A=0.5 . Simplemente reducimos en un circuito.
a Cu les son las probabilidades que se obtienen por simulaci n de cada estado?
18
b Qu utilidad tiene la cola en este modelo? Podr amos quitarla? Es decir, tiene el mismo comportamiento el modelo D D 1 9 que el modelo D D 1 1 ? c Es un sistema sobredimensionado? d Cu l es el porcentaje de tiempo que el circuito est ocupado? Coincide con alg n par metro del sistema? Relacionadlo con A, P , P ,...
0 1
3. Veamos si lo antedicho se cumple. Simulad un modelo D D 1 9 con A=0.75 y A=0.9.
a Se mantienen las relaciones calculadas anteriormente? 4. Parece que no queramos pasar de A = 1 ; hag moslo. Simulad el modelo D D 1 9 con A=1.25.
19
a Qu veis en la simulaci n? Donde se estabiliza el sistema? Cu les creeis que ser an las probabilidades de estado al cabo de un buen rato? b Cu l es ahora el porcentaje de tiempo que el circuito est ocupado? Es un sistema sobredimensionado? Tiene este sistema un grado de servicio aceptable? C mo se puede aportar de forma m s sencilla este grado de servicio? 5. Puede que la soluci n sea a adir un circuito m s. Simulad un modelo D D 2 10 con A=1.25. Qu porcentaje de tiempo est ocupado 1 circuito, y qu porcentaje de tiempo est n ocupados 2 circuitos? Relacionadlos con las probabilidades de estado.
6. Cu l creeis que es la relaci n que existe entre A y C para que se proporcione un grado de servicio aceptable? 7. En conclusi n, si tenemos una A = 3.1, qu n mero de circuitos es necesario para dar un grado de servicio aceptable?
4.2 Modelo D M C C+Q
Este modelo compuesto de C circuitos y una cola de Q elementos se caracteriza por tener las llegadas determin sticas y el servicio aleatorio; es decir, las llegadas
20
se producen exactamente cada 1= s y el servicio de cada llamada tarda, como media, 1= s. 1. Simula un modelo D M 1 9 con A=0.5. Comprobad que cada 2 s llega una llamada y que se tarda una media de 1 s en servirse. a Cu l es el porcentaje de ocupaci n del circuito? Concuerda con las f rmulas anteriores? b Se utiliza la cola durante la simulaci n? c Qu deber a pasar para que un elemento fuera a la cola? 2. Simulad un modelo D M 1 9 con A=1. Explicad qu observais.
4.3 Modelo M M C C+Q
Este modelo compuesto de C circuitos y con cola de longitud m xima Q se caracteriza por tener las llegadas aleatorias y el servicio aleatorio; es decir, las llegadas se producen, como media, cada 1= s, y el servicio de cada llamada tarda una media de 1= s. 1. Simulad un modelo M M 1 10 con A=0.5 . Comprobad que llega como media una llamada cada 2 s unas veces m s y otras menos y que se tarda una media de 1 s en servirse unas veces m s y otras menos. a Se podr a decir que corresponde a un modelo de espera puro? Por qu ? b Haced una tabla con los valores te ricos, considerando un modelo de espera puro, y con los simulados de los 10 primeros estados. Se parecen? c Calculad de forma te rica y simulada la probabilidad de p rdida y la probabilidad de demora, as como el tiempo medio de espera en cola. Se parecen? A qu conclusi n podr ais llegar? 2. Consideremos otro caso. Simula un modelo M M 1 2 con A=1 . a Se podr a decir que corresponde a un modelo de espera puro? Y de p rdida puro? Por qu ? b Haced una tabla con los valores te ricos y simulados de los estados. Se parecen? c Calculad de forma te rica y simulada la probabilidad de p rdida y la probabilidad de demora, as como el tiempo medio de espera en cola. Se parecen? A qu conclusi n podr ais llegar? d Parece que si aumentamos C, disminuiremos la probabilidad de p rdida. Comprobadlo simulando el sistema M M 2 3 con A = 1 y comparadlo con el valor te rico.
21
e Parece tambi n que si aumentamos A, aumentamos la probabilidad de p rdida. Comprobadlo simulando el sistema M M 2 3 con A = 2 y comparadlo con el valor te rico.
5 Ap ndice
5.1 Modelo de generaci n de llamadas Procesos de Poisson

Comenzaremos solucionando un problema paralelo. Supongamos en primer lugar que lanzamos al azar n puntos sobre un intervalo 0,T. Qu probabilidad hay de que k de estos n puntos caigan en un subintervalo t = t ; t de 0, T?
1 2
t1 t2
La probabilidad de que, si se lanza un punto, caiga en t, es
Si el experimento se repite n veces, la probabilidad que k de estos n puntos caigan en un subintervalo t = t ; t de 0,T es:
1 2
t p= t , T
2
t T
entonces se podr a demostrar que

k n,k P fk de los n en tg = n k p 1 , p Si suponemos que n 1 y T t, pero n=T = se mantiene constante,
n pk 1 , pn,k e,np npk k k!

P fk en tg = e,t t k!
y como np = t,
k
Si en vez de hablar de puntos, hablamos de generaci n de llamadas, entonces la probabilidad de que se generen k llamadas en un intervalo t, por parte de una poblaci n in nita que genera una tasa de llamadas , es

P fk en tg = e,t t k!
22
Se dice que la generaci n de llamadas por parte de esta poblaci n in nita viene modelada por un proceso estoc stico de Poisson.
poblacio
Para ver el signi cado f sico de , calcularemos cu ntas llamadas se generan como media en un tiempo de observaci n Tob.
= N
1 X
i
=0
iP fienTobg =
1 X
i
=0
ob ie,Tob T i!
= e,Tob Tob
1 X
i
=1
Tob i, i , 1!
= Tob
es la suma de las tasas de los procesos que se suman.

1 1 + 2 2
Propiedades de los procesos de Poisson Aditiva La suma de procesos de Poisson es otro proceso de Poisson, cuya tasa
Multiplicativa La divisi n de un proceso de Poisson a trav s de un conjunto de probabilidades Pi son procesos de Poisson cuyas tasas son, respectivamente, la tasa del proceso inicial multiplicada por la probabilidad correspondiente Pi .
P0 P0 P1 P1
23
El pr ximo paso ser caracterizar estad sticamente el tiempo entre llegadas consecutivas en un proceso de Poisson, es decir, calcularemos su funci n de densidad de probabilidad. Sea t el instante en que se produce una llegada y sea t el instante en que se produce la siguiente llegada. De nimos la variable aleatoria x como la distancia t , t . Queremos calcular la funci n de distribuci n de x, F x. F x es la probabilidad de que x x, pero x x quiere decir que hay al menos 1 llegada entre t i t + x, y este valor lo conocemos porque, debido a ser un proceso de Poisson,
0 1 1 0 0 0
Caracterizaci n del tiempo entre llegadas consecutivas en un proceso de Poisson
P f0 en xg = e,x x 0!
= e,x
Por tanto,
F x = 1 , e,x
Y la funci n de densidad de probabilidad ser :
Es decir, el tiempo entre llegadas consecutivas en un proceso de Poisson es una variable aleatoria exponencial.
d F x = e,x ux f x = dx
Tiempo medio entre llegadas consecutivas S lo es necesario calcular la

esperanza de esta variable aleatoria.
E x =
Z
0
f xdx =
Z
0
1 e,x dx =
Debido a medidas experimentales, se ha comprobado que el comportamiento del servicio de llamadas se puede modelar como una variable aleatoria exponencial, de tasa . S lo alrededor del origen hay discrepancia.
5.2 Modelo de servicio de llamadas Servicio exponencial
f x = e,x ux
24
Signi cado f sico de
El tiempo medio de duraci n del servicio la duraci n de una llamada se puede calcular a partir de este modelo mediante su esperanza.
E x =
Z
0
f xdx =
Z
0
Entonces, el inverso de es el tiempo medio de servicio. El pr ximo paso ser caracterizar estoc sticamente el modelo de p rdidas y el modelo de espera, por lo que utilizaremos la parte de la teor a de colas correspondiente a los procesos de Markov. Un sistema se puede modelar a trav s de un proceso de Markov si ste presenta un n mero nito o in nito de estados Ei por los cuales va pasando aleatoriamente, y tiene memoria nula, es decir, no depende del pasado. Cada estado Ei tiene asociado una probabilidad de ocurrencia Pi , que querremos calcular porque nos caracterizar estoc sticamente el sistema. Un proceso de Markov se dice que es de nacimiento y muerte si los saltos desde un estado Ei s lo pueden darse hacia el estado inmediatamente superior Ei o el estado inmediatamente inferior Ei, . Se puede dibujar un diagrama de estados del sistema de la siguiente forma
+1 1
1 e,x dx =
5.3 Procesos de Markov de nacimiento y muerte
0 E0 1 E1
1 E2 2
2
...
donde i es la tasa de probabilidad de nacimiento en el estado Ei , y i es la tasa de probabilidad de muerte en el estado Ei . En r gimen permanente hay un balance de ujos entrantes y salientes de cualquier super cie del diagrama de estados. El ujo es el producto de la tasa de probabilidad y la probabilidad de ocurrencia. En la super cie S ,
0
P
0
= 1 P1
En la super cie S ,
1
1 + 1 P1 = 0 P0 + 2 P2
Y en la super cie Si ,

i + i Pi = i,1 Pi,1 + i+1 Pi+1
S1 E1 1 2 Si
25
S0 E0
1 E2
2
...
i-1
i
...
Ei i i+2
5.4 Modelo de p rdida puro
Consideremos una poblaci n in nita que llega a un sistema compuesto por C circuitos o canales. La tasa de generaci n de llamadas es y la tasa de servicio de llamadas es .
poblacio 1 2 ... ... C
Consideremos un modelo de p rdidas, es decir, una llamada que llegue cuando el sistema est saturado, con los C circuitos ocupados, se perder y no ser servida. La probabilidad de encontrar el sistema en este estado ser de gran inter s. Un sistema con estas caracter sticas es un proceso de Markov de nacimiento y muerto, con i = y i = i. Por tanto, el diagrama de estados ser
0 1 2 2 3
... (C-1)
C-1
C
C
Vamos a calcular las probabilidades de ocurrencia Pi . Igualaremos ujos por diferentes super cies.

0 S1 1 2 2 3
... (C-1)
26
S C-1 C
C
S0
C-1
En la super cie S ,
0
P
y si A = =,
= P1
P
En la super cie S ,
1
P
= AP0
+ P1 = P0 + 2P2
y desarrollando,
P
Y en la superf cie SC , ,
1
AP
2
AP 2!
2
+ C , 1PC ,1 = PC ,2 + CPC
y desarrollando,
Tenemos, pues, Pn en funci n de P , que nos falta calcular. Para hacerlo, aprovechamos que se ha de cumplir que
0
AP PC = C C,
AC P C!
C X i
=0
Pi = 1
entonces,

C X

0
27
y se obtiene,
Pi = P
1+A+
=0
2!
+ +
AC = 1 C!
1
Y, en conclusi n,
C = 1+A + A + + A C
2
2!
PC
=0
Ai i
!
Para medir el grado de servicio, calcularemos la probabilidad de bloqueo PB . En el caso del modelo de p rdida, corresponde a la probabilidad de p rdida PP . Como ya hemos apuntado antes, sta ser la probabilidad de encontrar el sistema en estado de saturaci n, que es equivalente a Encontrarlo con los C circuitos ocupados Encontrarlo en el estado EC , Si una llamada llega al sistema en este estado, se pierde y no se sirve. Esta probabilidad es PC , y es, por de nici n, la probabilidad de p rdida PP .
An Pn = PCn Ai i i
! =0 !
; per 0 n C
Esta es un funci n de A y C y recibe el nombre de d'ErlangB A; C .
PC = PP = PCC Ai i i
! =0 !
AC
ErlangB A; C = PC = PP
De aqu podemos obtener los diferentes tr cos del sistema. Vamos a calcular el TC. Para esto, como conocemos las probabilidades de cada estado y sabemos las llamadas que se est cursando en cada estado, el TC ser el promedio de las llamadas cursadas a cada estado por la probabilidad de cada estado.
AC C = PC Ai i i
! =0 !
TC = 0P
+ 1P1 + + CPC =
C X i
=1
iPi =
C X
=1
i iP A i! i
0

C X
=1
28
= AP0
, Aj X Ai, = AP C i i , 1! j j!
1 1 0 =0
= A 1 , ErlangB A; C = A 1 , PP
Para calcular el TO, lo que se hace es calcular el TC de un sistema con los mismos par metros y e in nitos circuitos. Si lo hac is, hallar is que TO=A. A partir de aqu , se puede calcular el tr co perdido TP,
TP = TO , TC = A , A 1 , PP = APP = AErlangB A; C

De aqu se puede extraer que el TC es la relaci n entre la tasa de llamadas cursadas y la tasa de llamadas servidas
1 , PP = c TC = TO1 , PP =
5.5 Modelo de espera puro
Consideremos una poblaci n in nita que llega a un sistema compuesto por C circuitos o canales. La tasa de generaci n de llamada es y la tasa de servicio de llamadas es .
poblacio ... 1 2 ... ... C
Consideremos un modelo de espera, es decir, una llamada que llegue cuando el sistema est saturado, con los C circuitos ocupados, esperar a que uno de los circuitos se vac e para ser servida; en caso de que lleguen m s llamadas y el sistema est lleno, stas se pondr n en una cola de capacidad in nita. Un sistema con estas caracter sticas es un proceso de Markov de nacimiento y muerte, con i = y i = i para 0 i C y i = C para i C .
0 1 2 2 3
... (C-1)
C-1
C
C
C+1
C
C+2
C
... C
29
Vamos a calcular las probabilidades de ocurrencia Pi . Igualaremos ujos por diferentes super cies.
S0 0 S1 1 2 2 3
... (C-1)
S C-1
SC C
C+1
C
... C
S C+i
... C
C-1
C
C+i
C
En la super cie S ,
0
P
y si A = =,
= P1
P
En la super cie S ,
1
P
= AP0
+ P1 = P0 + 2P2
y desarrollando,
P
En la super cie SC , ,
1
AP
2
AP 2!
2
+ C , 1PC ,1 = PC ,2 + CPC
y desarrollando,
En la super cie SC , y desarrollando,
AP PC = C C,
AC P C!
+ CPC = PC ,1 + CPC +1
PC
+1
A P = AC A P C C C! C

En la super cie SC i ,
+
30
+ CPC +i = PC +i,1 + CPC +i+1
y desarrollando,
C A i A A PC i = C PC i = C ! C P Tenemos, pues, Pn en funci n de P , que nos falta calcular. Para hacerlo,
+1 + +1 + 0 0
aprovechamos que se ha de cumplir que

C X i
=0
Pi = 1
Entonces,
C X i
=0
Pi = P 1 + A + A 2!
0
AC + + C!
A A 1+ + C C
+
!!
=1
y se obtiene
C A ,A 1+A + A ++ A C 1+ C + C +

2
= PC
2!
=0
Ai + AC A i C C ,A
! !
= PC ,1 Ai
=0
AC C i + C C ,A
! !
Y, en conclusi n,
8
Pn =
PC i n C A ; para 0 n C i A iC A C C ,A A A n,C C C PC i C A ; para C n i A i A C C ,A

! =0 !
An
+
!
=0
Para medir el grado de servicio, calcularemos la probabilidad de bloqueo PB . En el caso del modelo de espera, corresponde a la probabilidad de demora PD . De la misma manera que antes, nos interesar calcular la probabilidad de encontrar el sistema en estado de saturaci n, que es equivalente a Encontrarlo con los C circuitos ocupados

+1 +2
31
Encontrarlo en los estados EC , EC , EC , ... Si una llamada llega al sistema en este estado, se pone a la cola y espera a que se sirvan todas las llamadas que est n por delante en la cola, y no se pierde. Esta probabilidad, por de nici n, es la probabilidad de demora PD .
C A n,C A AC C PD = PC + PC + PC + = =P C! C , A n C C! C Esta es la funci n de A y C y recibe el nombre de ErlangC A; C .
+1 +2 0 =
1 X
ErlangC A; C = PC + PC
+1
+ PC +2 + = PD = P0
AC C C! C , A
De aqu podemos obtener los tr cos del sistema. De la misma manera que para el modelo de p rdidas, se puede ver que TO=A. Para calcular el TC haremos como en el modelo de p rdida. Para esto, como conocemos las probabilidades de cada estado y sabemos las llamadas que se est n cursando en cada estado, el TC ser el promedio de las llamadas cursadas a cada estado por la probabilidad de cada estado.
TC = 0P
=
+ 1P1 + + CPC + CPC +1 + CPC +2 + =
C X i
=1
iPi +
1 X
i C
= +1
CPi =
C X
=1
C X
=1
1 i X AC A i,C = iP A + CP i! i C C! C i
0 0 = +1 1
1 A j i, CX A A = AP + CP C! j C = i i , 1!
0 0 =1
Ai, + AC C = AP i i , 1! C ! C , A
1 0 =1
C X
=A
P P
0 0
=A
De aqu se puede calcular el tr co perdido TP,
TP = TO , TC = A , A = A PB = 0
32
Estos resultados los podr amos haber obtenido inicialmente, puesto que en un modelo de espera, todo el tr co que se ofrece se cursa. Por tanto, TO = TC = A. Igualmente, no se pierde ning n tr co, TP = 0. Tambi n podr amos de nir un tr co demorado TD como la parte del tr co ofrecido que se demora, es decir, que llega al sistema y ha de esperar.
TD = TO PD = AErlangC A; C
5.6 Relaci n de Little
La relaci n de Little relaciona el tiempo medio de permanencia en un sistema con la tasa de entrada al sistema y el n mero medio de elementos que hay dentro.
= W N
La relaci n de Little sirve para calcular el otro gran par metro de medida del grado de servicio en modelos de espera: el tiempo medio de espera en cola. En el modelo de p rdidas, el n mero medio de llamadas al sistema coincide con el n mero medio de circuitos ocupados, es decir, TC. Por tanto,
=N W =
A 1 , ErlangB A; C = 1 1 , Erlang A; C B
En el modelo de espera es un poco m s complejo, porque hemos de calcular el n mero medio de llamadas al sistema, que ser la suma del n mero primero, N Q y el n mero medio de llamadas en los circuitos medio de llamadas en cola N NC o sea, el n mero medio de circuitos ocupados.
=N Q + N C = N Q + TC = N Q + A N Hemos de calcular, por tanto, NQ . Q = 0P N + 0P1 + + 0PC + 1PC +1 + 2PC +2 + =
1 X
i C
= +1
i , C Pi =
1 X
i C
= +1
i , C P0
1 A j AC A i,C = P AC X C! C C! j j C
0 =1
= P0
AC A 1 A C ! C ,1 , C
= ErlangC A; C
A C ,A

Entonces,
=N Q + A = Erlang C A; C N
33
A + A = A ErlangC A; C + 1 C ,A C ,A
Y, aplicando la relaci n de Little,

= W N
Erlang A; C C = +1 C ,A

Simulacion de Modelos de Teletrafico Mediante Java, 1° ED. - Jesus Alcober

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Simulacion de Modelos de Teletrafico Mediante Java, 1° ED. - Jesus Alcober

Diunggah oleh

Hak Cipta:

Format Tersedia

Jesus Alcober

Simulacin de modelos de teletrfico mediante Java

1.1 Ventana Parameters

Pr cticas de teletr co J. Alcober

1.2 Ventana Statistics

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

1.3 Ventana Simulation

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

2.1 Modelo de p rdida

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

2.2 Modelo de espera

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

2.3 Conceptos generales de tr co

1. La funci n Nt de un sistema de circuitos tiene la siguiente forma,

En el ejemplo, Vtc = 5s y Tob = 10s, entonces, TC = 0.5. En general,

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober Vtc TC = T

Tob Tob N tdt

En el ap ndice se puede ver que

Si en lugar de un circuito, tenemos C,

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

Se puede ver que,

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober Vtc TC = T

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

4.1 Modelo D D C C+Q

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

3. Veamos si lo antedicho se cumple. Simulad un modelo D D 1 9 con A=0.75 y A=0.9.

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

4.2 Modelo D M C C+Q

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

4.3 Modelo M M C C+Q

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

5.1 Modelo de generaci n de llamadas Procesos de Poisson

La probabilidad de que, si se lanza un punto, caiga en t, es

entonces se podr a demostrar que

k n,k P fk de los n en tg = n k p 1 , p Si suponemos que n 1 y T t, pero n=T =  se mantiene constante,

n pk 1 , pn,k  e,np npk k k!

los autores, 1998; Edicions UPC, 1998.

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

1. La funci n Nt de un sistema de circuitos tiene la siguiente forma,

Pr cticas de teletr co J. Alcober Vtc TC = T

Tob Tob N tdt

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober Vtc TC = T

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

5.1 Modelo de generaci n de llamadas Procesos de Poisson

k n,k P fk de los n en tg = n k p 1 , p Si suponemos que n 1 y T t, pero n=T = se mantiene constante,

n pk 1 , pn,k e,np npk k k!

Pr cticas de teletr co J. Alcober

Tob i, i , 1!

Pr cticas de teletr co J. Alcober

d F x = e,x ux f x = dx

5.2 Modelo de servicio de llamadas Servicio exponencial

f x = e,x ux

Pr cticas de teletr co J. Alcober

Signi cado f sico de

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

+ P1 = P0 + 2P2

+ C , 1PC ,1 = PC ,2 + CPC

Pr cticas de teletr co J. Alcober

Esta es un funci n de A y C y recibe el nombre de d'ErlangB A; C .

Pr cticas de teletr co J. Alcober

TP = TO , TC = A , A 1 , PP = APP = AErlangB A; C

Pr cticas de teletr co J. Alcober

+ P1 = P0 + 2P2

+ C , 1PC ,1 = PC ,2 + CPC

+ CPC = PC ,1 + CPC +1

Pr cticas de teletr co J. Alcober

+ CPC +i = PC +i,1 + CPC +i+1

PC i n C A ; para 0 n C i A iC A C C ,A A A n,C C C PC i C A ; para C n i A i A C C ,A

Pr cticas de teletr co J. Alcober

Pr cticas de teletr co J. Alcober

A 1 , ErlangB A; C = 1 1 , Erlang A; C B

Pr cticas de teletr co J. Alcober