Teoria de Colas

1
1.- INTRODUCCIN
La teora de colas es objeto de una amplia bibliografa que
aborda desde el estudio de sistemas formado por una cola
con un servidor hasta complejas redes de colas de espera.
Los sistemas de colas forman una amplia y til clase de
sistemas de eventos discretos, especialmente aquellos en
los que hay recursos compartidos, como son:
Sistemas de fabricacin
Sistemas de comunicacin
Sistemas informticos
La teora de colas ha tenido un nfasis especial en el
tratamiento de sistemas estocsticos.
El objetivo de la teora de colas en la bibliografa es el
estudio del comportamiento del sistema bajo ciertas
condiciones, dejando en un segundo plano la
determinacin de polticas ptimas de funcionamiento.
Por tanto, las herramientas desarrolladas son mas bien
descriptivas y no de prescripcin.
INTRODUCCIN A LA TEORA DE COLAS

Dpto. Ingeniera de Sistemas y Automtica
E.T.S. Ingenieros industriales-Valladolid
2 ESPECIFICCIONES DE MODELOS DE COLAS
Normalmente son tres las componentes para la

especificacin del proceso:
Especificacin de modelos estocsticos para los
procesos de llegada y de salida.
Especificacin de los parmetros estructurales del
sistema (Capacidad de la cola, nmero de servidores,
etc)
Especificacin de las polticas de operacin, por
ejemplo condiciones bajo las cuales un cliente es
aceptado, tipo de clientes,
Una cola con un nico servidor se representa
grficamente:
cola
A(t)
Llegada de
clientes
Servidor
B
(t)
Salida de
clientes
la cola tiene una capacidad infinita.

2.1 MODELOS ESTOCSTICOS PARA LOS

PROCESOS DE LLEGADA Y DE SERVICIO
Asociada a la llegada del k-simo cliente esta la asociada
la variable aleatoria Y K , que representa el tiempo
transcurrido entre la legada del cliente k-1 simo y el ksimo.
Se considera:
Y 0 =0,
Y1 =tiempo transcurrido hasta la llegada del primer
cliente.
Y k = tiempo transcurrido desde la llegada del cliente
k-1 hasta el cliente k.
Normalmente, se considera que el intervalo de tiempo
entre dos llegadas de clientes sucesivas es una variable
aleatoria idnticamente distribuida,es decir Y1 ,Y 2 , son
independientes e idnticamente distribuidas.
La distribucin de probabilidad:
A(t ) PY t
describe totalmente la sucesin de tiempos entre llegadas.

Su esperanza matemtica es:
EY
de tal manera que se interpreta como la tasa promedio de

llegada de clientes por unidad de tiempo

De manera similar asociamos a la partida de un cliente del

servidor una sucesin estocstica Z , Z ,, donde Z k es el
tiempo de servicio del k-simo cliente.
Se considera que las variables de la sucesin son
independientes e idnticamente distribuidas. Se define:
1
B(t ) PZ t
la esperanza matemtica de Z es:

EZ
de tal manera que es la tasa promedio de clientes

servidos por el servidor (siempre que haya clientes).
2.2 PARMETROS ESTRUCTURALES
Los parmetros estructurales de una cola son:
La capacidad de almacenamiento de la cola; se
denota como K.
K= indica capacidad ilimitada de la cola.
Nmero de servidores que atienden a la cola;
habitualmente se denota como m.
m=1 indica un nico servidor

2.3 POLTICAS DE OPERACIN

Se puede definir diferentes formas de manipular los
clientes en la cola as podemos destacar:
Nmero de clases de clientes: Podemos considerar la
existencia de diferentes clientes con diferentes
requerimientos del servidor.
Polticas de scheduling: En colas con clases
diferentes de servidores, podemos establecer unas
prioridades.
Disciplinas de la cola: describen el orden en el que se
atienden alos clientes que estn en cola.
Polticas de admisin: Incluso en colas con capacidad
infinita, se puede rechar a ciertos clientes
2.4 NOTACIN
En la teora de colas se utiliza la notacin:
A/B/m/K
Donde:
A es la distribucin de probabilidad de tiempo entre
dos llegadas consecutivas de clientes.
B es la distribucin de probabilidad del tiempo de
servicio.
M es el nmero de servidores.
K es la capacidad de almacenamiento de la cola.

Para A y B se utiliza la notacin:

G. Indica distribucin genrica; no se conoce nada
ms sobre el proceso
GI indica una distribucin genrica de un proceso de
renovacin.
D indica que el proceso es determinista, es decir el
tiempo entre dos llegadas consecutivas es fijo en el
proceso de llegada o bien el tiempo de servicio es fijo
en el proceso de servicio.
M indica proceso Markoviano. Es decir el tiempo
entre dos llegadas consecutivas en el proceso de
llegada o bien el tiempo de servicio en el proceso de
servicio tienen una distribucin exponencial.

3.-COMPORTAMIENTO DE UNA COLA

Definimos:
Z k tiempo de servicio del k-simo cliente
Y k tiempo que transcurre entre la llegada del
cliente k-1 y la llegada del cliente k-simo
A k tiempo de llegada del k-simo cliente.
D k tiempo de salida del k-simo cliente.
W k tiempo de espera del k-simo cliente. (dede
que llega hasta que el servidor comienza a dar
servicio)
S k tiempo en el sistema del cliente k-simo (desde
que llega hasta que abandona el sistema)
Se verifica que:
S k Dk Ak
S k Wk Z k
Dk Ak Wk Z k
Adems definimos las variables aleatorias:

X(t) longitud de la cola en el instante t (numero de
clientes en cola)
U(t) carga de trabajo en el instante t, es decir, tiempo
necesario para vaciar la cola si no llegase ningn
cliente ms.
En general X(t) es la variable que define el estado de la
cola.

El comportamiento estocstico del tiempo de espera W k

proporciona informacin relevante sobre el
comportamiento de la cola. La distribucin de
probabilidad de W k depende de k. sin embargo,
frecuentemente cuando k existe una distribucin de
probabilidad estacionaria independiente de k, tal que:
k
lim PWk t k lim PW t
si este lmite existe, la variable aleatoria W describe el

tiempo de espera tpico de un cliente una vez alcanzado
el estacionario. La esperanza matemtica de esta
variable aleatoria, E(W), representa el tiempo de espera
promedio de los clientes.
De manera anloga, si existe una distribucin de
probabilidad estacionaria para la sucesin {S k }, su
esperanza matemtica E[S] es el promedio del tiempo
en el sistema de los clientes en estado estacionario.
La misma idea se puede aplicar a los procesos
estocsticos {X(t)} y {U(t)}. Si existe una distribucin
de probabilidad estacionaria para estos procesos cuando
t entonces las variables aleatorias X y U son
utilizadas para describir la longitud de la cola y la carga
de trabajo en el sistema en estado estacionario.
Utilizaremos la notacin , n= 1,2,para referirnos a
la probabilidad de la longitud de la cola en estacionario,
esto es:
n
n PX n, n 0,1,2,...

Se verifica que E[X] es la longitud promedio de la cola

y E[U] es la carga de trabajo promedio.
Si se asume que se puede alcanzar el estacionario, nos
centraremos en el comportamiento de la cola en estado
estacionario y tendremos unos ndices de medida :
Promedio del tiempo de espera E[W]
Promedio de tiempo en el sistema E[S]
Promedio de la longitud de la cola, E[X]
Que es deseable que sean lo ms pequeas posible.
Y, adems,
Utilizacin del sistema. Fraccin del tiempo que el
servidor est ocupado.
Rendimiento del sistema, es decir, la tasa a la que
los clientes abandonan el sistema tras recibir
servicio
Que es deseable que sean tan grandes como sea posible
dentro de los rangos posibles:
La utilizacin del sistema no puede ser mayor que
1
El rendimiento del sistema no puede ser mayor que
la mxima tasa de servicio del servidor.
Definimos intensidad de trfico:
int ensidad de trfico tasa promedio de llegada
tasa promedio de salida

10
En el caso de una cola con un nico servidor, la

intensidad de trfico se define:
En un sistema con un nico servidor es la

probabilidad de que la cola este vaca en estado
estacionario, que se puede interpretar como la
fraccin de tiempo que el servidor est ocioso.
Entonces:
0
utilizaci n fraccion de tiempo que el servidor est ocupado 1 0

ren dim iento tasa de salida de clientes tras recibir servicio 1 0
en estado estacionario la tasa de clientes que llegan

debe ser igual a la tasa de clientes que salen:
1 0
de donde,
1 0
y, por tanto, la intensidad de trafico es la utilizacin

del sistema.
Si =1 el sistema est siempre ocioso ya que no
llegan clientes. Si =0 el sistema est siempre
ocupado y la longitud de la cola crece
indefinidamente (inestabilidad). Se verifica que:
0
0 1

11
4.- DINMICA DE UNA COLA

Vamos a considerar la cola:
A(t)
)
B(t)
Operando bajo una politica FCFS(se atiende a los

clientes en el orden en que van llegando). Una posble
evolucin del nmero de clientes en la cola puede tener
la forma:
A1
A2
Y2
A3
A4
Y3
Y4
2
W1
W2
1
W3
W1=0
Z2
Z1
D1
Z3
D2
Z4
D4
D3
Cuando llega el k-simo cliente hay dos casos posibles:

12
1. El sistema est vacio, adems Wk=0. El sistema

estar vaco cuando:
Dk 1 Ak
es decir, el cliente anterior sale antes de que el

nuevo cliente llegue. Entonces:
Dk 1 Ak 0 Wk 0
2. El sistema no est vaco, adems W 0. En este

caso el k-simo cliente debe esperar a que el
cliente anterior abandone el sistema.Entonces:
k
Dk 1 Ak 0 Wk Dk 1 Ak
Combinando los dos casos podemos obtener:

0
Wk
Dk 1 Ak
si Dk 1 Ak 0
si Dk 1 Ak 0
que podemos expresar como:

Wk max0, Dk 1 Ak
Por otra parte, ya vimos que:

Dk Ak Wk Z k
y ,por tanto:
Dk 1 Ak 1 Wk 1 Z k 1
definiendo
Yk Ak Ak 1

13
obtenemos que:
Wk max 0,Wk 1 Z k 1 Yk
S K max 0, S k 1 Yk Z k
Finalmente se obtiene una expresin recursiva para los

tiempos de partida:
Wk Dk Ak Z k
Dk maxAk , Dk 1 Z k
Estas relaciones
capturan las caractersticas de la dinmica de la cola.
Son de carcter general
5.-LA LEY DE LITTLE
Consideremos un sistema formador una cola con un
servidor.
N (t ) contabiliza el numero de clientes que llegan
N (t ) contabiliza el nmero de clientes que abandonan
el servidor
la longitud de la cola viene dada por X (t ) N (t ) N (t )
a

14
7
X(t)
N A (t)
N d (t)
t
En la figura se aprecian entre las dos lneas rectngulos:

Su altura es la unidad ya que corresponde a un cliente
Su anchura indica el tiempo de permanencia del
cliente
Dividiendo el rea entre ambas lneas por el nmero de
clientes que han llegado en el intervalo (0,t]
, n (t ) ,obtenemos el promedio de tiempo de permanencia de
un cliente en el sistema:
a
s (t )
u (t )
na (t )
Da manera anloga, el nmero promedio de clientes en el

sistema (longitud promedio de la cola)durante el intervalo
(0,t] es:
x (t )
u (t )
t

15
Dividiendo el nmero total de clientes que han llegado

durante el intervalo (0,t] por t, obtenemos la tasa promedio
de llegada de clientes:
(t )
na (t )
t
De las expresiones anteriores, se obtiene:

x (t ) (t ) s (t )
el nmero promedio de clientes en el sistemas es igual al

producto de la tasa de llegada por en tiempo promedio de
permanencia en el sistema
Vamos a asumir que:
lim (t )
t
lim s (t ) s
de tal manera que y s representan la tasa de llegada de
clientes y el tiempo en el sistema una vez alcanzado el
estacionario. De aqu se obtiene
t
x s
Supongamos que estos limites y relaciones existen para

cualquier realizacin de la dinmica del sistema, siendo
fijos y x , es decir, el proceso de llegada, el tiempo en el
sistema y la longitud de la cola son ergdicos.

16
En este caso los promedios son las esperanzas

matemticas en estado estacionario y, en concreto,:
EX ES
que es la ley de LITTLE.

Es importante remarcar que la ley de Little es:
independiente de los procesos estocsticos
independiente de las polticas de la cola
vlida para una combinacin arbitraria de colas y
servidores
independiente de la configuracin de una red de
colas
vlida para una cola sin considerar el servidor:
EX EW , siendo
EX la esperanza de clientes en cola (sin servidor)
EW la esperanza del tiempo de espera.
Considerando slo el servidor
Q
EX s EZ
o EX es el nmero de clientes en el servidor (0 1)

o EZ es la esperanza del tiempo de servicio
s

17
6.- ANLISIS DE SISTEMAS DE COLAS

MARKOVIANOS
En estos sistemas suponemos:
Los intervalos de tiempo entre llegadas estan
distribuidos exponencialmente con parmetro , es
decir G(t ) PY t 1 e
Los tiempos de servicio estn distribuidos
exponencialmente con intervalo , es
decir, Z (t ) PZ t 1 e
t
Cuando el proceso de llegada de clientes es un proceso de

Poisson, con independencia del proceso de servicio, se
verifica que la probabilidad de que al llegar un cliente en
el instante t se encuentre con n clientes en la cola es igual
a la probabilidad de que en el instante t haya n clientes en
la cola
n (t ) n (t )
6.1-La cola M/M/1

Un nico servidor
Cola de capacidad infinita
El proceso de llegada de clientes es de Poisson
o La tasa del proceso de llegada es
Los tiempos de servicio tienen una distribucin
exponencial
o La tasa de servicio es

18
Esta cola es realmente un proceso de nacimientomuerte
n N
+
1
se verifica que la probabilidad estacionaria de que la cola

est vaca es:
0
1
n 1
la serie geomtrica del denominador converge si
1.
Suponiendo que es cierto, se verifica:
1
n 1
y, por tanto,
0 1
La probabilidad estacionaria de que haya n clientes en la

cola viene dada por:
n
n 1 1 n

19
6.1.1 Utilizacin y rendimiento

La utilizacin se obtiene de forma inmediata:
1 0
El rendimiento es la tasa de salida del servidor, que es:

1 0
como cabe esperar ,ya que en estado estacionario las tasas

de llegada y de salida estn equilibradas
6.1.2 Longitud media de la cola

Es la esperanza matemtica de la distribucin estacionaria
del nmero de clientes en la cola:
n 0
n 0
EX n n 1 n n
teniendo en cuenta que:
n
n 0
1 2
obtenemos que:
EX
cabe destacar que cuando 1, EX . Esto indica que si

intentamos optimizar la utilizacin del servidor
mantenindolo ocupado tanto como sea posible, el servicio
a los clientes empeora porque la cola ser ms larga.
6.1.3 Tiempo medio en el sistema
Aplicando la ley de Little, se obtiene:
ES

20
que se puede expresar como

E S
se observa:
Cuando
0, ES 1
o indica que cuando el servidor est ocupado, el

tiempo en el sistema es el tiempo de servicio.
Cuando 1, ES
o Indica que si el servidor est muy ocupado, el
tiempo en el sistema aumenta.
6.1.4 Tiempo medio de espera
En estado estacionario se verifica que:
ES EW EZ EW
de donde:
EW
1

1 1
se observa que cuando
1, EW

21
6.2 LA COLA M/M/m

Es una cola con una capacidad infinita y m servidores
Cuando llega un cliente, este es atendido por un servidor

que est libre; si todos estn ocupados el cliente espera en
la cola hasta que haya un servidor libre.
Los tiempos entre llegadas de clientes tienen una
distribucin exponencial de tasa
El tiempo de servicio en cada servidor tiene una
distribucin exponencial de tasa
Es de destacar que la tasa efectiva de servicio depende del
estado del sistema:
Si hay n<m clientes en el sistema, hay n servidores
ocupados y la tasa de servicio es n
Si hay n>m clientes en el sistema, entonces la tasa de
servicio alcanza su mximo valor, que es m

22
El sistema se puede modelar como una cadena de

nacimiento-muerte de parmetros:
n
para todo n 0,1,2,
n si 0 n m
m si n m
m-2
2
2
m-1
(m-1)
m+1
m
m
m+2
m
Podemos obtener la probabilidad estacionaria de que la

cola est vaca:
m1
n
m1
0 1
m 1
n 1 2 n m 1!
n m m
n m 1
El segundo sumatorio es una progresin geomtrica, que

converge si 1 , que coincide con la idea intuitiva de
m
que la tasa de llegada no debe superar la mxima tasa de

servicio para que la cola sea estable.
Vamos a considerar

n m m
n m 1
;
m
nm1
nm
la suma infinita es:
de donde:
m m m m 1
0 1
n!
m! 1

23
Para obtener
si n m
podemos distinguir dos casos

n
n
0
n
0
n!
2 n
si n m
n m1
m1
mm
0
n
0
n m 1
m! m
2 m 1 m
que podemos expresar:

m n
n 1,2,, m 1
0
n
!
n
m
m n n m, m 1,
0 m!

Vamos a considerar la variable aleatoria B que indica el
nmero de servidores ocupados; su esperanza es:
m 1
EB n n m PX m
n 0
PX m
es la probabilidad de que estn presentes, al menos,

m clientes:
mm n
mm m
0
0
m! 1
n m m!
PX m n
nm

24
de donde:
m1 m n
m m 1 m 1 m1 m n1 m m1 m
EB n
m
0

0
n!
m! 1
m!
1
n 0
n 2 n 1!
m1 m m m 1
= m 1
0 m
m! 1
j 1 j!
el rendimiento del sistema es ya que en estacionario las

tasas de llegada y de salida han de ser iguales.

Es la esperanza matemtica de la variable X:
EX n n m
n 0
0
m! 1 2
como cabe esperar:

cuando
cuando
0, EX 0
1, EX

25

m
0 ES
m! 1 2
de donde
ES
cuando
m
0
1 m
m! m1 2
0, ES 1 ,
que indica que para valores
bajos del trfico, el cliente es atendido

inmediatamente.
6.2.4 Probabilidad de permanencia en cola

Es la probabilidad de que al llegar un cliente todos los
servidores estn ocupados y el cliente debe permanecer en
la cola; se denota por P . Se verifica que:
Q
PQ PX m n
nm
m!
0
1
6.3 LA COLA M/M/

Esta cola puede concebirse como un caso particular de la
cola M/M/m, cuando el nmero de servidores es . El
proceso es de nacimiento-muerte, con parmetros:
n para todo n 0,1,
n n para todo n 1,2,

26
siendo la tasa de llegada de los clientes y la tasa de

servicio de cada uno de los servidores
m-2
m-1
(m-1)
m+1
m+2
(m+1) (m+2)
La probabilidad estacionaria de que la cola est vaca,

viene dada por:
n
0 1
n 1 2 n
si
la
n 1 n!
serie converge y se obtiene:
0 e
se debe recalcar que no es la intensidad de trfico.

Por otra parte:
n e
n
n!
n 0,1,2
es la distribucin estacionaria del nmero de clientes en el

sistema; se observa que es una distribucin de Poisson con
parmetro .

27

La utilizacin del sistema se obtiene de forma inmediata:
1 0 1 e
el rendimiento es igual ala tasa de llegada

Es la esperanza de la variable aleatoria X, que como
hemos visto tiene una distribucin de Poisson:
EX
en este caso, no existe una cola fsica y , de hecho, X es el

nmero de servidores ocupados.

ES ES
Obviamente, como siempre hay un servidor libre para un

nuevo cliente, ste solo est en el sistema el tiempo de
servicio

28
6.4 LA COLA M/M/1/K

En este caso, la longitud de la cola est limitada a K
clientes, de manera que si llega alguno ms se rechaza;
este cliente rechazado se considera perdido, y la situacin
se conoce como bloqueo.
Por otra parte, la cola es semejante a la cola M/M/1 y
podemos utilizar un modelo de nacimiento-muerte para
analisis; la tasa de llegada es para todo
n=0,1,2 K-1 y 0 para n K
n
si 0 n K
n
0 si n K
para todo n 1,2,, K
(1- )
k
m-2
K-1
(1- )
0

29
La probabilidad
n
K

0 1
n 1
es:
la suma es una serie geomtrica finita que podemos

evaluar:
1
n

1
n 1
intuitivamente , si , se pierden clientes, pero la

longitud de la cola permanece acotada y no se produce una
situacin de inestabilidad (crecimiento indefinido de la
cola).
Vamos a definir
0
tenemos que:
1
1 K 1
1
n si 0 n K
n 1 K 1
0
si n K
que nos proporciona la distribucin de probabilidad

estacionaria.

30

La utilizacin del servidor viene dada por:
10
1 K
1 K 1
dado que puede ser tan grande como se quiera se

observa que cuando la utilizacin tiende a 1.
El rendimiento es dado por la tasa de salida:
1 0
1 K
1 K 1
que es inferior a la tasa de llegada
6.4.2 Probabilidad de bloqueo

Quiz la medida mas importante de comportamiento de
estas colas sea la probabilidad de que al llegar un clienta,
sea rechazado por encontrarse la cola llena. Esta
probabilidad se denomina probabilidad de bloqueo:
PB k 1
K
1 K 1
si mantenemos <1 y hacemos k el modelo se

aproxima al de la cola estable M/M/1 y P 0 .
B
Se verifica que 1 1 P que, simplemente

refleja el equilibrio de flujo en el sistema.
0

31

Es el valor esperado de X, es decir:
K
EX n n
n 0
1 K
nn
K 1
1 n 0
1 K 1
1 K
K K
aplicando la ley de Little:

EX 1 K ES
donde 1 es la tasa de clientes admitidos que es

diferente de , ya que esta es la tasa de clientes que llegan
antes de que algunos clientes puedan ser rechazados
K

32
6.5 LA COLA M/M/m/m

Esta cola est formada por m servidores idnticos y sin
ningn espacio de almacenamiento para los clientes, de tal
manera que si un cliente llega cuando estn ocupados los
m servidores el cliente es bloqueado y, por tanto, se
pierde.
M servidores
Clientes perdidos
La tasa de servicio depende del nmero de clientes en ele

sistema, de tal manera que el modelo de cadena de
nacimiento-muerte es:
si 0 n m
n
0 si n m
n n para todo n 1,2, m

33
El diagrama de transicin de estados es:
m-2
m-1
(m-1)
La probabilidad estacionaria de que la cola est vaca

viene dada por:
m
n
0 1
n 1 2 n
Tomamos
n
m
1
1
n 1 n!
.1
teniendo en cuenta que no representa la
intensidad de trfico. La suma es finita, pero aparecen

problemas de convergencia ya que pudede ser
arbitrariamente grande; esto implica que crece el nmero
de clientes son bloqueados a medida que , pero el
nmero de clientes el el sistema est acotado por m. Se
obtiene la distribucin de probabilidad:
m n
0
n 0 n!
1 n
m j
n!
n
j 0 j!
0
si 0 n m
si n m

34
6.5.1 Probabilidad de bloqueo

La probabilidad de que un cliente sea bloqueado es la
probabilidad de que al llegar un cliente, haya m clientes en
el sistema :
m
m!
PB m m j
j 0
j!
Esta ecuacin se conoce como frmula de Erlang y es

ampliamente utilizada para el anlisis de sistemas de
telefona.

35
6.6 LA COLA M/M/1//N

En esta cola tenemos un nico servidor, con un espacio de
cola infinito con una poblacin de clientes finita y acotada
por N. El servidor tiene una distribucin exponencial con
una tasa de servicio de . Cuando un cliente recibe
servicio desaloja el servidor y vuelve ala cola para recibir
servicio tras un tiempo aleatorio modelado con una
distribucin exponencial de parmetro
.
N servidores
La cola M/M/1//N puede sermodelada como una cadena

de nacimiento-muerte en la cual el estado es el nmero de
clientes en la cola; si este nmero es n entonces hay N-n
clientes que volvern a la cola y que, por tanto, ocupan Nn servidores de parmetro . La cadena de nacimientomuerte es:

36
(N-1)
2
N-2
N-1
Tenemos la superposicin de N-n procesos de Poisson y ,

por tanto, el modelo es:
( N n) si 0 n N
si n N
0
Se verifica que:
n 1
0 1
N N 1 N n 1
Dado que la suma es finita, no hay problemas de

convergencia. Tomamos y la expresin anterior es:
N
N!
0
n
n 0 N n !
Por otra parte

n
N N 1 N n 1
N!
n 0
N n!
de donde la distribucin de probabilidad estacionaria es:

37
1
N
N!
n
si n 0

n 0 N n !
N!
n 0
n
si 1 n N
n
!
0
si n N

La utilizacin del servidor es 1 .
El rendimiento viene dado por
0
6.6.2 Tiempo medio de respuesta

El tiempo de respuesta es una variable aleatoria R definida
pr el tiempo que transcurre desde que un cliente entra en
la cola hasta que se ha completado su servicio.
Aplicando la ley de Little al servidor :
EX 1 0 ER
Por otra parte, aplicando la ley de Little a las servidores de

tasa se obtiene:
EN X 1 0
A partir de ambas ecuaciones:

ER
N
1
1 0

38
ER
6.7 LA COLA M/M/m/K/N

Este tipo de cola engloba a todos los tipos anteriores, si
permitimos que los parmetros m,k y N tomen valores
finitos o infinitos.
K clientes
m servidores
N servidores

39
Como se observa es similar a la cola que hemos visto an el

apartado anterior, pero hay m servidores en vez de uno y
el espacio dentro de la cola est limitado a K clientes, de
manera que si llega un cliente ms, esa rechazado.
El anlisis de esta cola es bastante tedioso, as que
simplemente expondremos los resultados ms importantes.
La cadena de nacimiento-muerte que modela esta cola es:
N n
0
n
m
si 0 n K
si n K
si 0 n m
si n m
Es inmediato deducir que 0 para todo n>K.

Vamos a considerar ; la distribucin de probabilidad
n
estacionaria es:
N n
0
n
n
N n! m m n n
0 n m!
n 1,2,, m 1
n m, m 1,, K
y,
m1 N n N m1 K N m 1! n m1

0 1
N n! m
nm
n 1 n
m 1

40
7. REDES DE COLAS MARKOVIANAS

Las colas de de espera que hemos considerado hasta ahora
estn formadas por una nica cola con uno o varios
servidores; en algn caso se permite que el cliente tras
recibir servicio retorne a la cola.
En varios mbitos de la vida real, se tiene sistemas
formados por varios servidores cada uno con su cola, de
tal manera que los clientes circulan de una cola a otra
requiriendo diferentes servicios; un ejemplo son los
sistemas de fabricacin, en los cuales se puede modelar
cada mquina por un servidor y las piezas que circulan de
una mquina a otra son los clientes. Se justifica as que
extendamos nuestro estudio a redes de colas, formadas por
varias colas y en las cuales los clientes circulan de una
cola a otra.
Las redes de colas pueden ser:
Redes de colas abiertas: Los clientes proceden del
exterior y tras recibir los servicios requeridos,
abandonan el sistema.
Redes de colas cerradas: El nmero de clientes en el
sistema es fijo y circulan de una cola a otra
requiriendo diferentes servicios.
En una rede de colas denominaremos nodo al conjunto de
servidores con la cola asociada de tal manera que una red
de colas est formada por la interconexin de varios
nodos.

41
En los sistemas simples que hemos considerado hasta

ahora, nuestro objetivo era obtener la distribucin de
probabilidad estacionaria del estado X, donde X es la
longitud de la cola.
En una red de colas el estado X es un vector, cuya i-sima
componente corresponde al nmero de clientes en la cola
de i-simo nodo:
X X 1 , X 2 , X M
el principal objetivo del anlisis de una red de colas es la

obtencin de la distribucin de probabilidad estacionaria
de X:
(n1 , n2 ,nM ) PX 1 n1 , X 2 n2 X M nM
Para todos los posibles valores de
n1 ,nM , nl 0,1,2

42
Nuestro objetivo en las secciones siguientes es presentar

los principales resultados en el anlisis de redes de colas
Markovianas; esto implica que la llegada de clientes del
exterior y los tiempos de servicio de los servidores son
caracterizados por distribuciones exponenciales.
La primera cuestin que vamos a abordar es cmo son los
procesos de salida de clientes de una cola Markoviana, ya
que la composicin de varios junto con los clientes que
llegan del exterior conforman el proceso de llegada a un
nodo.
7.1 El PROCESO DE SALIDA DE LA COLA M/M/1

En primer lugar nos ocuparemos del proceso de salida de
una cola M/M/1; como es evidente si la cola siempre
estuviera llena, el proceso sera de Poisson con tasa ;
pero dado que esta situacin no es la real, el proceso de
salida de clientes no sabemos como es.
Teorema: El proceso de salida de una cola M/M/1 estable
y estacionaria con tasa de llegada es un proceso de
Poisson de tasa .
El teorema anterior se denomina teorema de Burke y es de

una gran importancia, ya que en el caso de redes de colas
esta propiedad nos permite desacoplar las colas y
estudiarlas por separado.

43
7.2 REDES DE COLAS ABIERTAS

Vamos a estudiar una red de colas abierta que est
formada por varios nodos siendo cada uno de ellos una
cola M/M/1. Asumiremos:
Hay un nico tipo de clientes.

Tenemos M nodos.
Cada nodo es una cola M/M/1
Cada nodo est formado por un nico servidor y una
cola de capacidad infinita.
Los nodos operan con una poltica de servir primero
al cliente que llega antes.
Los clientes circulan entre los nodos hasta que
finalmente abandonan el sistema.
Los clientes llegan del exterior al nodo i-simo
siguiendo un proceso de Poisson de tasa r .
La probabilidad de que un cliente tras recibir servicio
en el nodo i-simo vaya al nodo j-simo viene dada
por p
i
i, j
La tasa total de llegada al nodo i-simo es , siendo:

i
i ri j pi , j
i 1,2,, M
j 1
El primer sumando es el flujo de clientes desde el exterior

y el siguiente sumando es el flujo de clientes desde otros
nodos.

44
7.2.1 Colas en tandem

En primer lugar vamos a considerar el caso ms simple,
formado por dos colas M/M/1 en serie. En este caso el
vector de estado est formado por dos componentes,
conteniendo cada una el nmero de clientes en la cola
X X , X , por otra parte el conjunto de eventos que alteran
el estado del sistema est formado por dos elementos:
Llegada de un cliente a una cola.
Salida de un cliente del servidor.
1
Dado que todos los procesos son procesos de Poisson,

podemos modelar el sistema como una cadena de Harkov,
cuyo diagrama de transicin de estados es:
0,0
1,0
1
0,1
2,0
n1 ,0
1
1,1
1
0,2
De donde, podemos :
n1 1, n2 1 n1 1, n2 1 2 n1 , n2 1 1 2 (n1 , n2 ) 0
De forma similar, para los estados
(n1 ,0) siendo n1 0 :
n1 1,0 1 n1 ,1 2 n1 , n2 1 1 (n1 ,0) 0

45
Y para los estados 0, n
siendo n2 0
1 1, n2 1 2 0, n2 1 2 (0 , n2 ) 0
Finalmente, para el estado (0,0):

0,1 0,0 0
Adems la suma de las probabilidades verifican:
i, j 1
i 0 j 0
Este conjunto de ecuaciones puede ser resuelto y da lugar

a:
n1 , n2 1 1 1n 1 2 2n
1
siendo:
1
, 2
1
2
las intensidades de trfico de los nodos .
Cabe destacar que se ve a cada uno de los nodos por

separado con unas distribuciones de probabilidad
1 n1 1 1 1n
2 n2 1 2 2n
Tenemos una solucin en forma de producto:

n1 , n2 1 n1 2 n2
Observar que cuando aumenta el nodo con menor tasa de

servicio es el primero que causa la inestabilidad; por esta
razon se lo denomina nodo cuello de botella de la red.

46
Este resultado es, de hecho, resultado de la aplicacin del

teorema de Burke. ste permite el desacoplo de los dos
nodos y analizarlos de manera separada como colas M/M/!
separadas y, posteriormente, combinar los resultados.
7.2.2 Realimentacin de clientes
Es de gran inters poder extrapolar el apartado anterior
cuando algunos clientes que abandonan la cola se vuelven
a incorporar a ella inmediatamente.
En primer lugar vamos a tratar por qu la realimentacin
de clientes puede crear problemas:
o
1-p
Consideremos la cola representada en la figura, el proceso

de llegada de clientes externos es un proceso de Poisson
de tasa . Los clientes, tras haber recibido servicio
abandonan el sistema con una probabilidad 1-p o bien se
incorporan de nuevo a la cola con una probabilidad p.
La dificultad aparece en que el proceso de llegada de
clientes a la cola no es de Poisson, sin embargo el proceso
de salida de clientes es de Poisson.
Jackson estableci que aun en presencia de realimentacin
de clientes, existe solucin en forma de producto.

47
7.2.3 Solucin en forma de producto

En el anterior subapartado se ha establecido que no es
necesario en un nodo que el proceso de llegada sea de
Poisson, pero el nodo se comporta como si fuesen
procesos de Poisson y, por tanto, se tratan como si fuesen
nodos M/M/1.
En general tenemos soluciones en forma de producto:
n1 , n2 ,, nm 1 n1 2 n2 n nm
Siendo n la solucin de la i-sima cola, que ser una

cola M / M / m con tasa de servicio y tasa de llegada .
Para garantizar la existencia de solucin de distribucin de
probabilidad estacionaria imponemos en cada nodo la
condicin:
i
i ri pi , j mi i
j 1

48
7.3 REDES DE COLAS CERRADAS

Una red de colas cerrada es aquella en la que el nmero de
clientes en el sistema permanece fijo, no entran clientes
desde el exterior ni salen clientes hacia el exterior.
Desde el punto de vista de modelado, una red de colas
cerradas es una red de colas abierta tomando:
r 0
p
para todo i 1,2,, M
j 1
i, j
1 para todo i 1,2,, M
Bajo estas condiciones, la suma del nmero de clientes en

cada cola, esto es la suma de las variables de estado
permanece constante:
M
X
i 1
El espacio de estado es finito y est formado por las

posibles asignaciones de N clientes entre M nodos; el
nmero de asignaciones viene dado por:
M N 1 M N 1!

M 1
M 1!N!
Por otra parte, la expresin de balance de flujo implica:

i j p i , j
i 1,2, M
Existe una diferencia importante entre esta ecuacin y la

anloga para redes abiertas de colas. En las redes de colas
abiertas tenemos M ecuaciones linealmente
independientes. Por otra parte, en ausencia de clientes que
procedan del exterior tenemos M-1 ecuaciones linealmente
49
independientes. Esto implica que tenemos slo M-1

ecuaciones linealmente independientes por tanto, la
solucin , ,, contiene una constante libre cuya
interpretacin es la siguiente, supongamos que elegimos
como constante, entonces , i 1 se interpreta como el
rendimiento relativo del nodo i con respecto al del primer
nodo.
1
En este tipo de redes tambien existe una solucin en forme

de producto para la distribucin de probabilidad
estacionaria (n , n ,, n ) con la restriccin n N .
M
i 1
El punto de partida para la obtencin de la distribucin de

probabilidad estacionaria es las ecuaciones de flujo de la
cadena de Markov que modela la red cerrada de colas,
teniendo en cuenta:
Cualquier transicin del estado n , n ,n se debe a la
salida de un cliente de un nodo. Entonces el flujo de
probabilidad que sale de este estado viene dado por
1
i:ni 0
n1 , n2 ,, nM
Cualquier transicin hacia este estado se debe a la

salida de un cliente de un nodo j con n 0 el cual es
enrutado hacia el nodo i. La tasa de transicin de
estado es p .
El estado resultante de la transicin anterior es
n , n ,n , entonces el estado cuando el evento de tasa
p tiene lugar ser n , n ,, n 1,, n 1,n ; es decir,
el cliente abandona el nodo j y va al nodo i. El flujo de
probabilidad hacia n , n ,n es:
j
i, j
i, j

50
j:n j 0 i
j n1 , n2 ,, n j 1,, ni 1, nM
i, j
Por tanto, la ecuacin de balance de flujo es:

n , n ,, n = p n , n ,, n 1,, n
i:ni 0
j:n j 0 i
i, j
para todo n , n ,, n que satisfaga n

1
i 1
1, nM
N.
La solucin a estas ecuaciones es:

n1 , n2 ,, nM
Siendo
1
1n1 2n2 MnM
C( N )
i i
con
i
obtenido de
i j p i , j
i 1,2, M
con una constante libre elegida arbitrariamente.

C(N) es una constante que depende del nmero de clientes
N y que se obtiene de la condicin
1
1n1 2n2 MnM 1
C ( N ) n1, nM
Entonces para obtener la distribucin de probabilidad

estacionaria se debe seguir los pasos:
Resolver las ecuaciones lineales
i j p i , j
i 1,2, M
Fijar una constante arbitraria

Obtener C(N) de la expresin
1
1n1 2n2 MnM 1
C ( N ) n1, nM
La obtencin de C(N) no es una tarea trivial; a

continuacin se describen algunos procedimientos.

51
7.3.1 Obtencin de la constante C(N)

Para la computacin de C(N) existen varios
procedimientos computacionales; adems estos algoritmos
permiten evaluar varios aspectos de comportamiento de la
red de colas sin que sea necesario hallar n , n ,, n
1
Uno de los ms sencillos se debe a Buzen y est basado en

la relacin recursiva:
Ci k Ci 1 k i Ci k 1,
i 1,2,, M , k 2,3,, N
con condiciones iniciales

C1 (k ) 1k
k 1,2,, N
Ci (1) 1
i 1,2,, M
de donde:
C( N ) CM ( N )
Puede demostrarse que la utilizacin del nodo i cuando el

nmero de clientes es N, viene dado por:
i 1 i (0) i
C ( N 1)
C(N )
7.3.2 Anlisis del valor medio

Supongamos hora que estamos interesados slo en la
obtencin de medidas de comportamiento, como son el
rendimiento y los valores medios de longitud de la cola.
En este caso Reiser y Lavenberg desarrollaron un
procedimiento que permite obviar la computacin de
C(N).

52
Consideremos un cliente que llega al nodo i y sea S el

tiempo medio del cliente en el sistema; por otra parte, sea
X la longitud media de la cola cuando llega el cliente, se
verifica que:
i
Si
Xi
Siendo
el tiempo medio de servicio en el nodo i.
Se puede probar que en una cola cerrada con N clientes

X es igual que la longitud media de la cola en el i-simo
nodo en una red con N-1 clientes. Si :
i
X (N ) es la longitud media de la cola en el nodo i

S (N ) el tiempo medio en el sistema en el nodo i
cuando tenemos N clientes podemos escribir la expresin
recursiva:
i
Si ( N )
1 X ( N 1),
i
i 1,2,, M
con condiciones iniciales

X i (0) 0,
i 1,2,, M
Por otra parte utilizando la ley de Little tenemos:

M
N N X i (N )
i 1
siendo el rendimiento y N el nmero de clientes en la

red.
Se debe tener en cuenta que el rendimiento en estado
estacionario debe ser el mismo en todos los nodos
aplicando la ley de Little a un nodo y tomando
N
X i ( N ) N Si ( N )
i 1,2,, M

53
Obtenemos un conjunto de ecuaciones que definen un

algoritmo mediante X ( N ), S ( N ) y puede ser evaluado
para varios valores de N=1,2,
i
7.4 REDES CON SOLUCIN EN FORMA DE

PRODUCTO
Las redes que hemos visto en los apartados anteriores
reciben el nombre de redes con solucin en forma de
producto debido a que la distribucin de probabilidad
estacionaria puede ser expresada como un producto de
trminos asociados cada uno de ellos a un nodo.
Se puede pensar que es la naturaleza Markoviana del
sistema la razn fundamental para que la solucin en
forma de producto sea una descomposicin de soluciones
asociadas a los diferentes nodos. Adems hemos
considerado un nico tipo de clientes y una poltica de
atender antes al cliente que llega antes.
Existen redes de colas mucho ms complejas que tambin
admiten solucin en forma de producto; este hecho sugiere
que no es la naturaleza Markoviana del proceso sino ms
bien la estructura de la red de colas es lo que permite una
descomposicin.
La red con solucin en forma de producto ms destacada
es la denominada BMCP debida a Baskett,Cand,Munt y
Palacios (1975).

54
Esta red es una red de colas cerrada con K tipos de

clientes; cada clase de cliente est caracterizada por su
propia probabilidad de enrutado y su propia tasa de
servicio, es decir:
p es la probabilidad de que un cliente de clase k sea
enrutado desde el nodo i al nodo j
es la tasa de servicio de clientes de clase k en el
nodo i
Se permite la existencia de cuatro tipos de nodos:
1. Nodos con un nico servidor con tiempos de
servicio distribuidos exponencialmente y
para todas las clases de clientes. A politica de
servicio es dar servicio antes al cliente que llega
primero.
2. Nodos con un nico servidor y cualquier
distribucin del tiempo de servicio, con
posibilidad de que sea diferente para cada clase,
siempre y cuando la distribucin sea
diferenciable. La poltica de servicio puede ser
de tipo compartir procesador , esto es , cada
cliente recibe un periodo de tiempo fijo de
servicio y cuando ha terminado el tiempo para el
cliente, si no se ha finalizado el servicio, el
cliente se incorpora de nuevo a la cola.
3. El mismo tipo de nodos que en el caso 2, pero la
poltica de servicio es atender primero al cliente
que ha llegado el ltimo con reemplazo, es decir,
un cliente es desalojado del procesador si llega
un nuevo cliente.
k
i, j
k
i
k
i

55
4. Nodos con un infinito nmero de servidores y

cualquier distribucin del tiempo de servicio,
posiblemente diferente para cada clase de cliente
siempre y cuando la distribucin sea
diferenciable.
En este tipo de redes el estado en cada nodo es de la

forma: X X , X ,, X siendo X el nmero de clientes de
clase k en el nodo i. El vector de estado de la red es:
X X , X ,, X . Asumiendo que el nmero de clientes de
clase k es N se debe verificar para todo k que X N .
1
i ,1
i,2
i ,k
i ,k
i 1
i ,k
Aunque la notacin puede ser complicada lo mas

imprtante es indicar que existen soluciones en forma de
producto para redes con nodos con distribucin no
exponencial y con diferentes polticas de servicio.

56
8 COLAS NO MARKOVIANAS
En el estudio de las colas que hemos desarrollado hasta
ahora ha sido de vital importancia que podamos modelar
el comportamiento como procesos Markovianos y ms
concretamente como cadenas de nacimiento-muerte.
A continuacin vamos a considerar colas de espera con
procesos no- Markovianos , ms concretamente procesos
semimarkovianos generalizados. La mayor complicacin
surge del hecho de que el estado del sistema no puede ser
descrito solamente por el nmero de clientes en la cola
sino que ha de tenerse en cuenta el tiempo, ya que los
procesos ahora no carecen de memoria.
Este hecho es ms claro si tenemos en cuenta si hacemos
referencia al mecanismo para determinacin del evento E
que provoca la transicin en un proceso semi-Markoviano
generalizado generalizado . Sea x el estado actual con un
conjunto factible de eventos I(x). Cada evento j (x)
tiene un valor de reloj Y ; Entonces, la probabilidad de que
el evento que provoca la transicin sea un i (x) es dada
por la probabilidad de que el evento i tenga el menor valor
del tiempo de reloj de entre todos los eventos en (x) :
j
min
PE ' i P Y j
Y j
j ( x )

57
Para la determinacin de esta probabilidad necesitamos

informacin de las variables aleatorias Y , j ( x). Es en el
caso de cadenas de Markov en el que la propiedad de no
tener memoria nos permite obtener:
j
PE ' i
( x)
siendo la tasa de Poisson del evento i y ( x) . En

este caso no es necesario tener informacin de los valores
de reloj; por ejemplo en el caso de una cola M/M/1 con
eventos de llegada a y eventos de salida d la probabilidad
para todos los estados es:
j ( x )
PE ' a
PE ' d
Para tratar procesos de eventos no Markovianos, hay dos

posibles tcnicas:
Construir el proceso no Markoviano a partir de la
combinacin de procesos Markovianos, de tal manera
que los procesos Markovianos constituyen bloques
que sirven para construir modelos ms complicados.
Aprovechar las propiedades estructurales que no son
influenciadas por la naturaleza de los procesos de los
eventos; este procedimiento es ms complicado.

58
8.1 MTODO DE LOS PASOS

Vamos a considerar un conjunto de eventos e , e ,, e cada
uno de ellos generado por un proceso de Poisson de tasa .
La manera ms simple de combinar estos eventos para
obtener uno ms complejo es que ocurran en serie, es decir
el evento e ocurre cuando los eventos e , e ,, e han tenido
lugar de forma consecutiva. Sea Z el tiempo de vida del
evento e , entonces el tiempo de vida del evento e viene
dado por Z Z Z Z . Para obtener la distribucin del
tiempo de vida de este nuevo evento vamos a considerar m
servidores en serie:
1
Servidor de m pasos
Se considera que cuando un cliente entra en el primero de

los pasos ocupa todos los dems hasta que ha recibido
servicio en todos los pasos. Si Z es el tiempo de servicio
en el i-simo paso se verifica que:
i
Z Z1 Z 2 Z m
Dado que Z tiene una distribucin exponencial con tasa

m , se verifica que:
i
1 1

EZ m
m

59
Adems el tiempo promedio de servicio en este sistema es

1
.
A continuacin vamos a determinar la distribucin del

tiempo de servicio. Asumiendo que cada uno de los pasos
es independiente del resto, podemos obtener la fucin de
densidad de probabilidad Z como la convolucin de m
funciones de densidad de probabilidad exponenciales
cada una con tasa m . Omitiendo los detalles:
f z (t )
1
m 1
m m t e mt
m 1!
m 1
m t i
i 0
i!
FZ (t ) 1 e mt
t 0
t 0
Esta distribucin recibe el nombre de distribucin de

Erlang y se denota como E ; sta distribucin tiene dos
parmetros que son m y ; sin embargo su media slo de
pende de . La importancia de esto reside en que podemos
construir una variedad de tiempos de servicio no
exponenciales con la misma esperanza matemtica,pero
diferentes momentos de orden superior, por ejemplo la
varianza de Z es:
m
Var Z
1
m2

60
Mediante la variacin de m podemos generar

distribuciones de servicio que van desde la puramente
exponencial (m=1) hasta la determinista cuando m, .
La varianza de la distribucin que podemos construir no
puede ser mayor que la de una distribucin
exponencial, 1 .
2
El servidor de Erlang permite modelar una clase de

eventos no Markovianos preservando una estructura
Markoviana. La cola construida se denota como M / E / 1 en
la que la llegada de clientes es un proceso de Poisson de
tasa que son servidos por un servidor de Erlang de m
pasos; en este caso la informacin para especificar el
estado del sistema tiene dos partes:
La longitud de la cola X , X 1,2,
El paso en el que se encuentra el cliente que est
siendo servido.
Sin embargo esta descripcin del estado puede ser
condensada en una nica variable de estado X~ definida
como el nmero total de pasos en el sistema, es decir:
~
~
X 0 si X 0 y X X 1m m K 1 MX K 1 si X 0 el diagrama
de estados que resulta es
m

m+1
61
El modelo es una cadena de Markov, pero no es una

cadena de nacimiento-muerte debido a que una llegada de
cliente causa una transicin desde el estado n al estado
n+m.
Una de las limitaciones del servidor de Erlang de varios
pasos es que las distribuciones generadas no pueden tener
una varianza mayor que 1
2
8.2 ANLISIS DEL VALOR MEDIO DE UNA COLA

M/G/1
La cola ms simple no Markoviana que puede ser
analizada en detalle es la cola M/G/1 en la cual los clientes
llegan segn un proceso de Poisson, pero los tiempos de
servicio forman una sucesin de variables aleatorias
idnticamente distribuidas con una distribucin de
probabilidad arbitraria. Es posible obtener de forma
explcita el estado (nmero de clientes en la cola); sin
embargo, nos ocuparemos slo de la obtencin de la
longitud promedio de la cola E[X] que se denomina
anlisis de valor medio.

62
El resultado obtenido es conocido como la formula de

Pollaczek-Kinchin que tiene una gran cantidad de
aplicaciones:
EX
1
21
2
Siendo:
1 el tiempo medio de servicio.
la varianza de la distribucin del tiempo de

servicio.
es la intensidad de trfico.
es la tasa del proceso de llegada de Poisson


Teoria de Colas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria de Colas

Uploaded by

Copyright:

Available Formats

1

INTRODUCCIN A LA TEORA DE COLAS

2 ESPECIFICCIONES DE MODELOS DE COLAS

Normalmente son tres las componentes para la

la cola tiene una capacidad infinita.

INTRODUCCIN A LA TEORA DE COLAS

2.1 MODELOS ESTOCSTICOS PARA LOS

describe totalmente la sucesin de tiempos entre llegadas.

de tal manera que se interpreta como la tasa promedio de

INTRODUCCIN A LA TEORA DE COLAS

De manera similar asociamos a la partida de un cliente del

la esperanza matemtica de Z es:

de tal manera que es la tasa promedio de clientes

INTRODUCCIN A LA TEORA DE COLAS

2.3 POLTICAS DE OPERACIN

INTRODUCCIN A LA TEORA DE COLAS

Para A y B se utiliza la notacin:

INTRODUCCIN A LA TEORA DE COLAS

3.-COMPORTAMIENTO DE UNA COLA

Adems definimos las variables aleatorias:

INTRODUCCIN A LA TEORA DE COLAS

El comportamiento estocstico del tiempo de espera W k

lim PWk t k lim PW t

si este lmite existe, la variable aleatoria W describe el

INTRODUCCIN A LA TEORA DE COLAS

Se verifica que E[X] es la longitud promedio de la cola

INTRODUCCIN A LA TEORA DE COLAS

En el caso de una cola con un nico servidor, la

En un sistema con un nico servidor es la

utilizaci n fraccion de tiempo que el servidor est ocupado 1 0

en estado estacionario la tasa de clientes que llegan

y, por tanto, la intensidad de trafico es la utilizacin

INTRODUCCIN A LA TEORA DE COLAS

4.- DINMICA DE UNA COLA

Operando bajo una politica FCFS(se atiende a los

Cuando llega el k-simo cliente hay dos casos posibles:

INTRODUCCIN A LA TEORA DE COLAS

1. El sistema est vacio, adems Wk=0. El sistema

es decir, el cliente anterior sale antes de que el

2. El sistema no est vaco, adems W 0. En este

Combinando los dos casos podemos obtener:

que podemos expresar como:

Por otra parte, ya vimos que:

INTRODUCCIN A LA TEORA DE COLAS

Finalmente se obtiene una expresin recursiva para los

INTRODUCCIN A LA TEORA DE COLAS

En la figura se aprecian entre las dos lneas rectngulos:

Da manera anloga, el nmero promedio de clientes en el

INTRODUCCIN A LA TEORA DE COLAS

Dividiendo el nmero total de clientes que han llegado

De las expresiones anteriores, se obtiene:

el nmero promedio de clientes en el sistemas es igual al

Supongamos que estos limites y relaciones existen para

INTRODUCCIN A LA TEORA DE COLAS

En este caso los promedios son las esperanzas

que es la ley de LITTLE.

o EX es el nmero de clientes en el servidor (0 1)

INTRODUCCIN A LA TEORA DE COLAS

6.- ANLISIS DE SISTEMAS DE COLAS

Cuando el proceso de llegada de clientes es un proceso de

6.1-La cola M/M/1

INTRODUCCIN A LA TEORA DE COLAS

Esta cola es realmente un proceso de nacimientomuerte