Práctica 1. Introducción a los modelos de colas simples ... - PoliformaT
Práctica 1. Introducción a los modelos de colas simples ... - PoliformaT
Práctica 1. Introducción a los modelos de colas simples ... - PoliformaT
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
EMSC Curso 2008-2009Índice <strong>de</strong> prestaciones Método λ b = 0,3 λ m = 0,6 λ a = 0,9Tiempo medio <strong>de</strong> respuesta AnalíticoTiempo medio <strong>de</strong> respuesta Simulación Tsim= 100Tiempo medio <strong>de</strong> respuesta Simulación Tsim= 100000Longitud media <strong>de</strong> la cola AnalíticoLongitud media <strong>de</strong> la cola Simulación Tsim= 100Longitud media <strong>de</strong> la cola Simulación Tsim= 100000Nota: Pue<strong>de</strong>s lanzar varias simulaciones en una sola ejecución. Consulta el Apéndice B al nal <strong>de</strong> esteboletín.Comprobarás cómo al variar el tiempo <strong>de</strong> simulación obtenemos resultados diferentes. Esto planteaun interesante problema sobre cuánto tiempo es necesario simular y cómo tratar estadísticamente <strong>los</strong>resultados <strong>de</strong> la simulación. Estos temas serán abordados con <strong>de</strong>talle en el Tema 4 <strong>de</strong> la asignatura. Demomento vamos a plantear otra cuestión.Cuestión 2 Modica el programa CSIM <strong>de</strong> la cuestión anterior para que la simulación termine cuandohayan atravesado la estación un <strong>de</strong>terminado número <strong>de</strong> clientes. Con <strong>los</strong> resultados obtenidos rellena latabla siguiente:Índice <strong>de</strong> prestaciones Método λ b = 0,3 λ m = 0,6 λ a = 0,9Tiempo medio <strong>de</strong> respuesta Simulación Nclientes= 100Tiempo medio <strong>de</strong> respuesta Simulación Nclientes= 100000Longitud media <strong>de</strong> la cola Simulación Nclientes= 100Longitud media <strong>de</strong> la cola Simulación Nclientes= 100000Cuestión 3 Para po<strong>de</strong>r resolver un mo<strong>de</strong>lo y obtener sus índices <strong>de</strong> prestaciones es necesario que secumpla la condición <strong>de</strong> estabilidad, que para una estación con un solo servidor signica que la tasa media<strong>de</strong> llegada <strong>de</strong>be ser menor que la tasa media <strong>de</strong> servicio (λ < µ). Comprueba mediante simulación quéocurre cuando no se cumple la condición <strong>de</strong> estabilidad (la estación está saturada). Usa, por ejemplo,λ sat = 1,2. Simula para 100000 clientes.Índice <strong>de</strong> prestaciones λ sat = 1,2Tiempo medio <strong>de</strong> respuestaLongitud media <strong>de</strong> la cola4.3. Estudio <strong>de</strong> la cola M/M/1/B: limitación <strong>de</strong> la capacidadLa cola M/M/1/B mo<strong>de</strong>la sistemas en <strong>los</strong> que la capacidad <strong>de</strong>l sistema es limitada (en realidadtodos <strong>los</strong> sistemas reales son limitados). Modica el programa anterior para introducir esa limitación enla capacidad. Recuerda que B es la capacidad total <strong>de</strong> la estación <strong>de</strong> servicio (cola más servidor). Losclientes que llegan a la estación cuando está llena se pier<strong>de</strong>n.Cuestión 4 Compara <strong>los</strong> resultados <strong>de</strong> la simulación y resultados analíticos para una cola M/M/1/B.Usa un tiempo <strong>de</strong> simulación <strong>de</strong> 100000 unida<strong>de</strong>s. Compara <strong>los</strong> resultados obtenidos en este apartado con<strong>los</strong> <strong>de</strong> la Cuestión <strong>1.</strong>V. Santonja 3 X. Molero
EMSC Curso 2008-2009Tiempo medio <strong>de</strong> respuesta (E[R]) λ b = 0,3 λ m = 0,6 λ a = 0,91 procesador2 procesadores4 procesadoresComo se pue<strong>de</strong> observar, a medida que aumenta el número <strong>de</strong> procesadores el tiempo <strong>de</strong> respuestadisminuye aproximándose al tiempo medio <strong>de</strong> servicio.4.6. Estudio <strong>de</strong> <strong>colas</strong> M/M/m/B/KEn este apartado vamos a estudiar un par <strong>de</strong> ejemp<strong>los</strong> <strong>de</strong> <strong>colas</strong> M/M/m/B/K: una cola M/M/3/5y una M/M/2/3/4.Cuestión 7 Compara <strong>los</strong> resultados <strong>de</strong> la simulación y resultados analíticos para una cola M/M/3/5con λ = 1,2 clientes/s y µ = 0,6 clientes/s.Índice <strong>de</strong> prestaciones Analítico SimulaciónTiempo medio <strong>de</strong> respuestaLongitud media <strong>de</strong> la colaProductividadUtilización <strong>de</strong> cada procesadorUtilización <strong>de</strong>l sistemaProporción <strong>de</strong> trabajos que se pier<strong>de</strong>nCuestión 8 Compara <strong>los</strong> resultados <strong>de</strong> la simulación y resultados analíticos para una cola M/M/2/3/4con λ = 0,6 clientes/s y µ = 0,6 clientes/s.Índice <strong>de</strong> prestaciones Analítico SimulaciónTiempo medio <strong>de</strong> respuestaLongitud media <strong>de</strong> la colaProductividadUtilización <strong>de</strong> cada procesadorUtilización <strong>de</strong>l sistema4.7. Estudio <strong>de</strong> la cola M/G/1: distribución <strong>de</strong>l tiempo <strong>de</strong> servicioEn este apartado queremos comparar el efecto <strong>de</strong> utilizar diferentes distribuciones <strong>de</strong>l tiempo <strong>de</strong>servicio or<strong>de</strong>nadas <strong>de</strong> menor a mayor variabilidad. Esta variabilidad se mi<strong>de</strong> con la varianza Var[S] o, loque es equivalente, por el coeciente <strong>de</strong> variación al cuadrado C 2 S = Var[S]/E[S]2 . Las funciones que seutilizan en CSIM para especicar las diferentes distribuciones son las siguientes:Determinista (Var[S] = 0, CS 2 = 0): simplemente usar el valor requerido <strong>de</strong>ntro <strong>de</strong> la función use().Ejemplo: use(estacion,4.56).Erlang <strong>de</strong> 2 etapas (Var[S] = E[S] 2 /2, CS 2 = 1/2): usar la función erlang(double med, doublevar) <strong>de</strong>ntro <strong>de</strong> use(), don<strong>de</strong> med es la media y var la varianza.Exponencial (Var[S] = E[S] 2 , CS 2 = 1): usar la función exponential(double med) <strong>de</strong>ntro <strong>de</strong> use(),don<strong>de</strong> med es la media.Hiperexponencial con varianza Var[S] = 2E[S] 2 o CS 2 = 2: usar la función hyperx(double med,double var) <strong>de</strong>ntro <strong>de</strong> use(), don<strong>de</strong> med es la media y var la varianza.Cuestión 9 Modica la distribución <strong>de</strong>l tiempo <strong>de</strong> servicio <strong>de</strong> la estación en el programa anterior yrellena las tablas siguientes con <strong>los</strong> valores obtenidos para el tiempo medio <strong>de</strong> respuesta.V. Santonja 5 X. Molero
EMSC Curso 2008-2009Tiempo medio <strong>de</strong> respuesta (E[R]) Método Estación λ b = 0,3 λ m = 0,6 λ a = 0,9Determinista Simulación M/D/1Determinista Analítico M/D/1Erlang <strong>de</strong> 2 etapas Simulación M/E 2 /1Erlang <strong>de</strong> 2 etapas Analítico M/E 2 /1Exponencial Simulación M/M/1Exponencial Analítico M/M/1Hiperexponencial ( CS 2 = 2) Simulación M/H/1Hiperexponencial ( CS 2 = 2) Analítico M/H/1Número medio <strong>de</strong> trabajos (E[N]) Método Estación λ b = 0,3 λ m = 0,6 λ a = 0,9Determinista Simulación M/D/1Determinista Analítico M/D/1Erlang <strong>de</strong> 2 etapas Simulación M/E 2 /1Erlang <strong>de</strong> 2 etapas Analítico M/E 2 /1Exponencial Simulación M/M/1Exponencial Analítico M/M/1Hiperexponencial ( CS 2 = 2) Simulación M/H/1Hiperexponencial ( CS 2 = 2) Analítico M/H/1A partir <strong>de</strong> <strong>los</strong> resultados <strong>de</strong> la tabla analiza la inuencia <strong>de</strong> la variabilidad <strong>de</strong>l tiempo <strong>de</strong> servicio(medida a través <strong>de</strong>l coeciente <strong>de</strong> variación al cuadrado CS) 2 sobre <strong>los</strong> índices <strong>de</strong> prestaciones.4.8. Planicación <strong>de</strong> la cola <strong>de</strong> la estaciónEn este apartado vamos a diferenciar 3 tipos <strong>de</strong> trabajos, con diferentes <strong>de</strong>mandas <strong>de</strong> servicio sobrela estación:Tipo <strong>de</strong> trabajo Cliente 1 Cliente 2 Cliente 3Frecuencia media <strong>de</strong> llegada λ/2 λ/3 λ/6Tiempo medio <strong>de</strong> servicio T S 2T S 5T SConsi<strong>de</strong>ra λ = 1,0 trabajos/s y T S = 0,4 s.Para especicar clientes <strong>de</strong> tipos diferentes en CSIM pue<strong>de</strong>s lanzar tres procesos: Cliente1(), Cliente2()y Cliente3(). En la <strong>de</strong>nición <strong>de</strong> cada proceso se <strong>de</strong>ne el uso especíco que éste hace <strong>de</strong> la estación. Enel proceso sim() habrá que generar <strong>los</strong> clientes <strong>de</strong> <strong>los</strong> tres tipos, cada uno con su tiempo entre llegadas(para implementar esta solución, consi<strong>de</strong>ra la i<strong>de</strong>a <strong>de</strong>l Apéndice C).A continuación se van a comparar <strong>los</strong> resultados <strong>de</strong> una cola M/M/1 que se obtienen al aplicar laspolíticas <strong>de</strong> servicio fcfs (rst come, rst served), lcfs_pr (last come, rst served, preemtive) y rnd_rob(round robin). En CSIM, las estaciones (facility) adoptan por <strong>de</strong>fecto la política fcfs, para cambiarlase usa la funciónvoid set_servicefunc(FACILITY f, void(*service_function)());para nuestro caso, podríamos hacerset_servicefunc(estacion, lcfs_pr);para la polítcia lcfs_pr. Para la política round robin se <strong>de</strong>be especicar el tamaño <strong>de</strong>l cuanto <strong>de</strong> tiempoque el servidor <strong>de</strong>dica a cada cliente. esto se hace con la or<strong>de</strong>n set_timeslice(). Por ejemplo:set_timeslice(estacion, 0.1);Cuestión 10 Rellena la tabla siguiente, anontando el tiempo medio <strong>de</strong> respuesta obtenidoV. Santonja 6 X. Molero