MODELOS DE LINEAS DE ESPERA INTRODUCCION Los modelos de lneas de espera (LE) son importantes en la simulacin y modelacin de sistemas computacionales

debido a: Pueden ser usados para entender aspectos estocsticos de las redes de comunicacin y redes de cmputo. Pueden ser usados para simular servidores de sistemas diversos tales como: bancarios, sistemas de produccin, simulacin de vuelos, etc. Los profesionales que tpicamente enfrentan estos problemas son, los ingenieros de sistemas, industriales, de sistemas computacionales y de informtica; sin embargo, estos son problemas afectan todos los sectores productivos, de manera que las LE's tienen un gran potencial de aplicacin. Existen bsicamente dos maneras de abordar un problema de LE: Usando modelos matemticos obtenidos ex profeso para ciertos tipos de LEs que se presentan con frecuencia y Usando un modelo de simulacin de eventos discretos. El primer caso consiste bsicamente de un conjunto de frmulas que se aplican para ciertas caractersticas de un sistema de espera particular. Cuando se utiliza el trmino "modelo de lneas de espera", con frecuencia se entiende (correcta o incorrectamente) que se trata de este primer caso. Los modelos de lneas de espera tienen las siguientes caractersticas que los hacen atractivos: Son ms rpidos, que los modelos de simulacin. Son fciles de utilizar no requirindose grandes esfuerzos de programacin. Son ms baratos que los modelos de simulacin Pueden ser usados para validar sistemas de simulacin MonteCarlo, mediante condiciones que las LE's consideran. Pueden ser usados para validar sistemas de simulacin MonteCarlo, mediante condiciones que las LE's consideran. Aqu presentaremos los modelos de LE ms comunes. Para su presentacin, mostraremos la forma como se deriva solo para un caso, con lo que pretendemos ilustrar de qu manera se obtienen. Esto se hace con el objeto de presentar el grado de complejidad que representa obtener un modelo de Lneas de Espera. Para ello nos basaremos en los modelos de Nacimiento y Muerte, los cuales, suponemos que el alumno conoce al menos de manera superficial.

PROCESOS DE NACIMIENTO Y MUERTE. Los modelos de Lneas de Espera (LE), se derivan generalmente a partir de los procesos de Nacimiento y Muerte, los cuales son procesos de Markov con "Entradas Poisson y Tiempos de Servicio Exponencial". Esto significa que la situacin de espera en la cual el nmero de llegadas y salidas del sistema, durante un intervalo de tiempo, esta controlado por las siguientes condiciones [Taha]: La Probabilidad de que un evento (es decir llegada o salida) ocurra entre los instantes de tiempo t y t+h, depende nicamente de la longitud del intervalo de tiempo entre esos dos instantes, esto es depende solamente de h. Esto quiere decir que la probabilidad de ocurrencia de un evento durante el intervalo t y t+h no depende del nmero de eventos ocurridos antes de t ni tampoco del valor de t. Si h es intervalo de tiempo muy pequeo, la probabilidad de que ocurra un evento durante ese intervalo nunca es mayor que la unidad y siempre es positiva. Durante el intervalo h solo puede ocurrir un evento, es decir lo que puede variar es la probabilidad de que ocurra un evento durante ese intervalo.

Para determinar si se tiene un proceso tipo Poisson, se pueden realizar pruebas estadsticas, tales como la prueba Xi Cuadrada, sin embargo, una manera ms sencilla y utilizada con frecuencia en la prctica es observar el proceso durante un cierto tiempo y registrar el nmero de eventos que ocurren cada h unidades de tiempo; acto seguido se calcula la media y la desviacin estndar, s estas son aproximadamente iguales, entonces se dice que el nmero de ocurrencias sigue una distribucin de Poisson. Si un proceso es Poisson, entonces las probabilidad del tiempo entre ocurrencias de eventos es exponencial. Un sistema de nacimiento y muerte, se puede representar como sigue:
1

n-2

n-1

n+1

Sea: 0, 1, n, la media de llegadas cuando hay 0.1,n clientes en el sistema y 1, 2,,n,n+1, la tasa media de servicio cuando hay 1,2,n, n+1 clientes en el sistema. Sean Po, P1, Pn, las probabilidades de estado estable. Entonces usamos las ecuaciones de balance de flujos: Suma de flujos de entrada = Suma de flujos de salida

Para determinar cada Pi mediante este mtodo, escribimos las ecuaciones para cada nodo:

Utilizamos ahora: Cn = ( n-1 n-2 .0) / {n n-1.1} ..(1) Escribimos ahora la ecuacin del rengln n-1 usando Cn: Pn = Cn P0 (2)

Podemos generar un sistema de ecuaciones para determinar P0,P1,Pn; sin embargo, recuerda que una de las ecuaciones (2) es redundante y debe se reemplazada por: inf Pn =1 0 o bien inf P0 + Pn = 1 .(3) 1 Esto se consigue haciendo variar n desde 1 hasta infinito. Significa que la ecuacin (2) con la (3) formar un sistema consistente. Sustituyendo (2) en (3) inf P0 + CnP0 =1 1 Entonces P0 es igual a: 1 P0 = --------------------------------------- (4) inf 1 + Cn 1 La ecuacin (4) converge si Cn < 1, esto es un resultado que resulta del rea de Series y Sucesiones, y que se estudia normalmente en los cursos elementales de Clculo Diferencial e Integral, lgebra o Matemticas Discretas. Note que se puede calcular P0 de la ecuacin (4) ya que las tasas de llegadas y de servicios son por lo regular conocidas. Ntese tambin que con la ecuacin (2) podemos calcular todas las Pi's, puesto que P0 es ahora conocida. Recordamos el concepto de valor esperado de una variable aleatoria xi, que se define como: inf Xi Pi 0 Entonces el nmero esperado de clientes en el sistema L y el nmero esperado de clientes en la lnea de espera Lq.

Ahora vamos a definir los siguientes valores esperados:

L=

inf n Pn 0

inf Lq = (n-s) Pn n=s

Donde s es el nmero de servidores en el sistema.

ETIQUETACION DE MODELOS DE LE _ / _ / _ Estos modelos se etiquetan como sigue:

Distribucin Del tiempo Entre Llegadas

Distribucin Del tiempo de servicio

Nmero de servidores

Con frecuencia se usan las letras: M = Distribucin exponencial (Markoviana) Ek = Distribucin Erlang NOTACION DE KENDALL: Se utlizan dos notaciones de Kendall: a) A/B/S/K/m/Z b) A/B/S/Z/m/K D = Distribucin degenerada (tiempos constantes) G = Distribucin General

Es una notacin extendida de la anterior (es decir el caso anterior es un caso particular) donde: A= Distribucin del tiempo entre llegadas B= Distribucin del tiempo de servicio S= Nmero de servidores K=Nmero de clientes potenciales en el sistema o tamao de la fuente (Capacidad del sistema) m= Nmero de clientes en el sistema A y B pueden ser: Z= Disciplina de atencin de la lnea de espera

GI = Distribucin general independiente G = Distribucin general Ek =Distribucin Erlang M = Distribucin Exponencial (Markoviana) D = Distribucin degenerada o determinstica (tiempos constantes) Hk = Distribucin Hiperexponencial con k etapas

Los otros ndices de la notacin de Kendall pueden ser: K: Puede ser Finita infinita m: Puede ser Finito infinito Z: Puede ser FIFO, LIFO, etc. Es comn usar la notacin de Kendall simplificada A/B/S, cuando: La LE es infinita La fuente es infinita La disciplina es FIFO

MODELO M/M/1

En este modelo se considera que las tasas medias de llegadas y de servicio no cambian con el nmero de clientes en el sistema, es decir: n = , n= n = 0,1, n=1,2,

Entonces las ecuaciones del proceso de Nacimiento y muerte se convierten en: Cn = (/)n = n Pn = n P0 Donde: 1 P0 =-----------------------------, n= 1,2 ,,,, n=1,2,. (7)

(8)

(9)

inf 1+ 1
n

De la ecuacin (1) se obtiene la condicin: <1 (10)

En cuyo caso se obtiene: 1 P0 =-------------------------inf n 0 Esta serie es muy conocida y se ha comprobado que converge a 1-, de modo que: P0= 1- (11) en (8): Pn = (1-) n (12) (11)

Usando (5) y (6) y un proceso muy largo, se comprueba que: L = / ( 1-) Lq = 2 /( 1-)= 2/ ( - ) (13) (14)

MODELO M/M/S En este modelo se considera que: n = , n= 0,1,2,

n = n cuando n s s cuando n > s = /s < 1

Mediante un desarrollo similar al que se hizo para el modelo M/M/1, solo que ms tediosos, se obtiene:

1 P0=---------------------------------------------------------------------s-1

{ (/)n/(n!)
n=0

+ [ ( /) s / s! ] [1/( /s ] }

{(/)n/n!} P0 Pn= (/)n/s!sn-s} P0

Si 0 n s

Si n > s

de donde finalmente, las frmulas que utilizaremos con ms frecuencia son las siguientes:

Wq= Lq/ W = Wq + (1/) L= Lq + (/) Lq= {(/) s P0}/{s!(1-)2

(18a) (18b) (18c) (18d)

MODELO M/M/S/K: LE infinita

En los modelos de LE infinita, no se permite que el nmero de clientes en el sistema exceda un nmero especificado por K. A cualquier cliente que llegue cuando la LE este llena se le niega la entrada y este cliente lo deja para siempre. Entonces: n = para n=0,1,, .K-1 0 para n K Las expresiones que se obtienen para este caso son:

n n Cn =[ /] = 0

,para n=1,2,.,K ,para n > K Para < 1:

P0= {1- } Pn = {1- }

K+1] / {1- } K+1] n / {1- }

para n=1,2,..,K

(19bis) (19')

para n= 0,1,..,K (20)

K+1 K+1] L= { /(1- ) } - { (k+1 ) / (1- )}

Resultados para s=1

Lq = L -(1 - P0)

.(21)

L W= -------------------.(21') _ Lq Wq = -------------------- .(21'') _ _ = n Pn = (1-Pk)

(22)

BIBLIOGRAFIA
[1] members.libreopinion.com/ve/efrain-muretti/simulacion/ss_casos.pdf, Simulacin de

Sistemas Prof. Ing. Efran Muretti. [2] members.libreopinion.com/ve/efrain.../simulacion/ss_casos2.pdf, Simulacin de Sistemas Prof. Ing. Efran Muretti. [3]http://www.itescam.edu.mx/principal/webalumnos/sylabus/asignatura.php?clave_asig=INE0405&carrera=IIND0405001&id_d=1

INSTITUTITO TECNOLGICO DE TUXTLA GUTIRREZ

REA ING. EN SISTEMAS COMPUTACIONALES

MATERIA SIMULACIN

CATEDRTICO CHAMBE MORALES PEDRO ANTONIO

ALUMNOS GONZALES CORTEZ ROBERTO GMEZ VZQUEZ EXAL ALEJANDRO LPEZ LPEZ JUAN CARLOS GARCA PREZ ADOLFO

TEMA LENGUAJES DE SIMULACIN

TUXTLA GUTIERREZ, CHIAPAS A 30 DE ABRIL DE 2012