Ley de Little.

La ley de Little relaciona los valores medios de tres variables de importancia en un sistema: N : Nmero medio de usuarios en el sistema T : Tiempo promedio de un cliente en el sistema : Tasa media de arribo al sistema En este caso, sistema se utiliza en un sentido amplio, que puede involucrar ya sea la fila y los servidores, slo la fila o slo los servidores.

N es una variable de inters desde el punto de vista del sistema y permite dimensionar los buffers. T, el tiempo de retardo, es una variable de inters desde el punto de vista del usuario, ya que es lo que el debe esperar en la fila antes de ser atendido. La ley de Little relaciona estas variables a travs de , la velocidad de entrada al sistema. Se define : (0,t): nmero de entradas al sistema en el intervalo (0,t) (0,t): nmero de salidas del sistema en el intervalo (0,t)

N(t)
(0,t)

(0,t)

Se define : N(t): nmero de usuarios en el sistema en el instante t Se observa que N(t)=(0,t)-(0,t)

N(t)

(t) (t)

ti Para ti, N(ti) = 3

Adems, el rea acumulada entre las dos curvas, (0,t) y (0,t), es una medida del tiempo total que todos los clientes han permanecido en el sistema en el intervalo de tiempo [0,t]. Esta cantidad se denomina (0,t).

 (t)
(t) (t)

(0, t ) N (t )dt
0

N(t)

(0,t) tiene unidades de [clientessegundo] La cantidad (0,t) es similar al concepto de Horas Hombre (HH). Las horas hombre son un cantidad que permite dimensionar la capacidad de un sistema.

Este es el resultado final de la ley de Little, y establece que el nmero medio de usuarios en un sistema, es igual a la tasa media de llegadas al sistema multiplicado por el tiempo medio de permanencia de un usuario en el sistema.

N T
La Ley de Little relaciona una variable temporal (T, tiempo de retardo) con una variable espacial (N, por ejemplo, tamao de un buffer) N y T se relacionan a travs de , velocidad de llegada. es en general la variable independiente, la entrada al sistema . La ley de Little es til para evaluar el desempeo de un sistema en trminos de su capacidad Es importante notar que para la deduccin de esta ley, no se ha hecho ninguna suposicin acerca de la distribucin de probabilidad de las llegadas Es decir, las llegadas pueden tener, una distribucin de Poisson (M), Erlang (Er), determinista (D), llegadas mltiples, etc...

En otras palabras, se tiene que, segn la notacin de Kendall, la ley de Little es vlida para una fila con distribucin de llegadas general (G)

Tampoco se ha hecho ninguna suposicin acerca de la distribucin de probabilidad del tiempo de atencin. Esta distribucin puede ser cualquiera. Segn la notacin de Kendall, la ley de Little es vlida para una distribucin de tiempo de servicio General (G). Adems, el nmero de servidores en un sistema tambin es arbitrario. La nica condicin que se impone es que el factor de utilizacin del sistema sea menor que 1.

Tampoco se ha hecho ninguna suposicin acerca de la disciplina de atencin que se est utilizando. En particular, la disciplina de atencin podra ser FIFO, LIFO, o con prioridad. En cualquiera de estos casos, la ley de Little puede aplicarse, ya que en su deduccin no se supuso ninguna disciplina en particular. Es importante dejar en claro que un cambio en la disciplina de atencin produce cambios en los resultados especficos de N, T y Sin embargo, la relacin entre las tres variables se sigue cumpliendo

MODELOS BSICOS DE COLAS El primer trabajo de Erlang sobre ingeniera del trfico en sistemas telefnicos llev al desarrollo de varios modelos fundamentales para el anlisis de los sistemas con recursos compartidos. En una aplicacin tpica los clientes solicitan recursos en instantes aleatorios y los utilizan durante un tiempo variable. Cuando todos los recursos estn en uso, es posible que cuando lleguen clientes formen una lnea o cola para esperar a que los recursos estn disponibles. La teora de colas trata del anlisis de estos tipos de sistemas. Proceso de llegada La figura (6) muestra los elementos bsicos de un sistema de colas. Los clientes

llegan al sistema en instantes de llegada 1, 2.. Suponemos que los intervalos de tiempo de llegada son variables aleatorias independientes con la misma distribucin. Los resultados del proceso de llegada de la figura 2 siguen siendo vlidos. En particular la velocidad de llegada al sistema viene dada por = 1/E[] cliente /segundo Son interesantes varios casos especiales de procesos de llegada. Se dice que las llegadas son deterministas cuando los tiempos entre llegadas son iguales a un mismo valor constante. Se dice que el tiempo de llegada es exponencial si los tiempos entre llegadas son variables aleatorias exponenciales con media E[t] = 1/: P[>t] = e-t/E[] = e-t para t> 0 El caso de los tiempos entre llegadas es de particular inters porque conduce a resultados analticos manejables. Se puede demostrar que cuando los tiempos entre llegadas son exponenciales, entonces el nmero de llegadas A(t) a un intervalo de longitud t viene dado por una variable aleatoria de Poisson con media E[A(t)] = t: P[A(t) = k] =[(t)k/k! ] e-t para k =0,1

Por este motivo el caso en el que el tiempo entre llegadas es exponencial se llama proceso de llegada de Poisson. Tiempos de servicio Los recursos se denominan servidores porque su funcin es servir las peticiones del cliente. El tiempo necesario para servir a un cliente se llama tiempo de servicio y se denota con X. El servidor es usualmente una lnea de transmisin y el tiempo de servicio puede ser el tiempo requerido para transmitir un mensaje o la duracin de una llamada telefnica. La velocidad mxima a la que un servidor puede atender a clientes se obtiene cuando el servidor est continuamente ocupado. En este caso el tiempo medio entre las salidas de los clientes es igual al tiempo de servicio medio. La capacidad de procesamiento de un nico servidor viene dado por el mximo rendimiento o velocidad de salida. Del razonamiento que condujo a la frmula de la velocidad de llegada, la capacidad de procesamiento viene claramente dada por = 1/E[X] cliente /segundo La capacidad de procesamiento se puede comparar con el flujo mximo que puede soportar un cauce. El nmero de servidores c en un sistema de cola puede ser mayor que uno. La capacidad total de procesamiento de un sistema de cola viene dada por c clientes/segundo. Un sistema ideal de cola es aquel en el que los clientes llegan a intervalos iguales y en el que requieren un tiempo de servicio constante. Mientras el tiempo de servicio sea menos que el tiempo entre llegadas, cada cliente llega a un servidor

disponible y no hay tiempo de espera. En general el tiempo entre llegadas y los tiempos de servicio son aleatorios. La combinacin de un tiempo de servicio largo seguido por un tiempo entre llegadas corto puede conducir a una situacin en la que el servidor no est disponible cuando llegue un cliente. Por este motivo en muchas aplicaciones se crea una cola de forma que el cliente puede esperar a que haya un servidor disponible, como se muestra en la figura (6)

Cuando un servidor queda disponible, se selecciona al siguiente cliente para recibir el servicio segn los criterios del mismo, FIFO, LIFO, segn prioridad de la clase y orden aleatorio del servicio. Normalmente se suponen tipos de servicio FIFO. El nmero mximo de clientes permitido en un sistema de cola se denota con k. Ntese que k incluye tanto a los clientes en cola como a los que estn atendindose. Denotamos en nmero total de clientes en el servicio con N(t); el nmero en cola, con Nc(t) y el nmero en servicio con Ns(t). Cuando un sistema est completo, es decir, N(t) = k, las llegadas de nuevos clientes se bloquean o se pierden.

Aplicaciones de la teora de colas Algunos ejemplos de colas: _ Facturacin en aeropuertos _ Cajeros automticos _ Restaurantes de comida rpida _ Esperas en lneas de atencin telefnica _ Intersecciones de trfico _ Peajes _ Aviones en espera para aterrizar _ Llamadas a la polica o a compaas de servicios pblicos

Conclusin

La teora de las colas es el estudio matemtico de las colas o lneas de espera. La formacin de colas es, por supuesto, un fenmeno comn que ocurre siempre que la demanda efectiva de un servicio excede a la oferta efectiva.

Con frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios que debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible predecir con exactitud cundo llegarn los clientes que demandan el servicio o cuanto tiempo ser necesario para dar ese servicio; es por eso que esas decisiones implican dilemas que hay que resolver con informacin escasa. Estar preparados para ofrecer todo servicio que se nos solicite en cualquier momento puede implicar mantener recursos ociosos y costos excesivos. Pero, por otro lado, carecer de la capacidad de servicio suficiente causa colas excesivamente largas en ciertos momentos. Cuando los clientes tienen que esperar en una cola para recibir nuestros servicios, estn pagando un coste, en tiempo, ms alto del que esperaban. Las lneas de espera largas tambin son costosas por tanto para la empresa ya que producen prdida de prestigio y prdida de clientes.

La teora de Little si no resuelve directamente el problema, pero contribuye con la informacin vital que se requiere para tomar las decisiones concernientes prediciendo algunas caractersticas sobre la lnea de espera: probabilidad de que se formen, el tiempo de espera promedio.