Title: Teoria das filas
1Teoria das filas
2Teoria das filas
3ESSÊNCIA DE MODELOS DE FILAS
- Clientes
- Servidores
- Intervalo entre chegadas (continuo)
- Duração do serviço (continuo)
- POR QUE NÃO SIMULAR????
- São fórmulas
relevantes???
4ESSÊNCIA DE MODELOS DE FILAS
- Clientes
- Servidores
- Intervalo entre chegadas
- Duração do serviço
- Sofisticações sobre o tema
- fila limitada,desistência,priorid
ades....
5ESSÊNCIA DE MODELOS DE FILAS
- Clientes
- Servidores
- Intervalo entre chegadas
- Duração do serviço
- Sofisticações sobre o tema
- fila limitada,desistência,prioridades.
... - Ignorâncias heterogeneidade,sistemas de
filas,...
6O resultado mais aceito é simples
- Teorema de Little
- Eclientes no sistema NE ,
- Taxa média de chegadas?,
- Tempo médio gasto no sistema T,
- Então qualquer que seja fila ergódica, temos
- NE ?T (e NqE W) .
- .
7Littles theorem
- Nt médio em (0,t),
- ?(t) acumulado de clientes-segundos até t,
- Nt ?(t)/t
- a(t) chegadas em (0,t),
- Tt tempo de sistema/cliente até t (a-1 .? )
- ?t taxa média de chegada em (0,t) (a-1/t)
- Ergodicidade ? NE?T
8MODELÃO
- Processos de nascimento e morte
9MODELÃO
- Processos de nascimento e morte
- Qual o vetor de estado???
- Primeiro chute de clientes na fila/sistema por
categoria - Segundo...em filas de diferentes servidores
- Terceiro memória
10MODELÃO
- Processos de nascimento e morte (pràticamente)
sem memória - São os ditos Markovianos (M)
11MODELÃO
- Processos de nascimento e morte
- Mais fácil população eterna ou nascimento puro
- Intuição tempo discreto
- P(XT1 k)(1-p)P(XT k) p P(XT k-1) para kgt1
- Note p independe de k e de T ....
- (se quiséssemos poderíamos ter pT pK pT,k )
12Modelo de nascimento contínuo
- Nascimentos independentes (sem memória)
- P (exatamente 1 nascimento entre t e
t?/população é k) - ?k ? o(?), onde o(.)....
- o(.) e diferenciabilidade
- Então se Pk(t)PX(t)k, temos (com Plt0(.)0)
- Pk(t?)Pk(t) 1- (?k ?) -o(?) Pk-1(t) ?k ?
o(?) - Ou, para ??0, P.k(t) Pk(t) - (?k) Pk-1(t)
?k -
13Modelo M de nascimento contínuo
- Nascimentos independentes (sem memória)
- Poisson
- Taxa fixa de nascimentos
- P.k(t) Pk(t) -? Pk-1(t) ? (com Plt0(.)0)
. - Com Po(0) 1, temos Po(t) e-?t,
- P1(t) ?t
e-?t -
Pk(t) (k!)-1 (?t)k e-?t -
- (note que a cada instante as probabilidades
somam 1)
14Modelo M contínuo de morte
- Inverso de Poisson
- Tempos exponenciais
- Intervalos entre chegadas são exponenciais
- se e só se
- O processo de chegada é Poisson.
- Se chegadas Poisson,
- P(tempo da 1ª chegadagtt) 1- P0Poisson(t)1-
e-?t,
15Exponencial é sem memória
- Tempos exponenciais
- P(tempo da 1ª chegadagtt) 1- P0Poisson(t)1-
e-?t, - Sabendo que até o instante T não ocorreram
chegadas, - Qual a probabilidade da 1ª chegada ser em (Tt)??
16Exponencial é sem memória
- Tempos exponenciais
- P(tempo da 1ª chegadagtt) 1- P0Poisson(t)1-
e-?t, - Sabendo que até o instante T não ocorreram
chegadas, - Qual a probabilidade da 1ª chegada ser em (Tt)??
- P(t1Tt/t1gtT) 1-P(t1T)-1 P(t1Tt) -
P(t1T) 1- e-?t !!!!!
17M/M/1 é fácil
- Uma fila é dita ser M/M/1 se as chegadas são
Poisson de razão ? e os tempos de serviço
exponenciais de média µ . - Quais as estatísticas do sistema e qual a relação
entre saída e entrada ???
18M/M/1 é fácil
- Uma fila é dita ser M/M/1 se as chegadas são
Poisson de razão ? e os tempos de serviço
exponenciais de média µ . - Quais as estatísticas do sistema e qual a relação
entre saída e entrada ??? - Fazer grafo de nascimento e morte com bolinhas
que permitam ver que o sistema de equações
diferenciais é - P.k(t) Pk(t) - (?k) Pk-1(t) ?k Pk(t) -
(µk) Pk1(t) µk - Pk(t) - (?k µk) Pk-1(t) ?k
Pk(t) - (µk) Pk1(t) µk - com ?k? e µ µk .
19M/M/1 é fácil,mas não tanto
- Uma fila é dita ser M/M/1 se as chegadas são
Poisson de razão ? e os tempos de serviço
exponenciais de média µ . - P.k(t) Pk(t) - (?k) Pk-1(t) ?k Pk(t) -
(µk) Pk1(t) µk - - (? µ) Pk(t) ? Pk-1(t)
µPk1(t) - com ?k? e µ µk .
- Transitório
- Regime (se existir, ergodicidade) P.k(t) 0
20M/M/1 em regime é fácil
- Uma fila é dita ser M/M/1 se as chegadas são
Poisson de razão ? e os tempos de serviço
exponenciais de média µ . - P.k(t) - (? µ) Pk(t) ? Pk-1(t) µPk1(t)
- - (? µ) pk ? pk-1 µpk1 0
-
- Definido ?(?/µ), e impondo ?lt1,
- pkp0 ?k
- normalizando para soma de probabilidades 1,
temos p01-? - a/(1-a)Sak.
21M/M/1 impacto do congestionamento
- EN?/(1-?)
- ET? EN (1/µ)/(1-?)
- Var(N) ?/(1-?)2
22M/M/1 em regime é fácil
- Uma fila M/M/1 com chegadas Poisson de razão ?
e os tempos de serviço exponenciais de média µ
(µlt?) tem muito pouco naturalmente saída
Poisson de razão ? - Redes de Jackson
- .
23Complicando a M/M/1
- M/M/1 com desencorajamento (?k cai com k/ pg 99)
- M/M/8 (µkkµ)
- M/M/m (µk (mink,m)µ)
- M/M/1/K (?k? para kK, 0 caso contrário)
- M/M/m/m (só cabem m)- bonzinho para nós
- M/M/1//M pop. Finita M (?k?/(M-k) para kM, 0
caso contrário) - M/M/8//M
- M/M/m/k/M
24Servidores não homogêneos
- Filas x controle estocástico
- servidores não homogêneos
- Filas sob custos de expansão um mínimo de
capacidade de serviço é necessária. - Controle já tendo dois servidores instalados,
melhor política é a de risca no chão (limiar)
25Políticas de atendimento
- FCFS, LCFS até hipotética SCFS mudam os momentos
de ordem maior que média mas não afetam
estabilidade - Redes de filas até FCFS pode ser instável
(estações virtuais) no caso não acíclico - Surpresa kan-ban é instável regime não é
transitório.
26Complicando filas Markovianas
- Quanto tempo entre a chegada de um bundle de k
clientes em chegada individual Poison??
Telefonia - Ou
- Quanto tempo para ser servido por k servidores de
taxas kµ, correspondente a uma taxa média µ? - Erlang de parâmetros R(taxa) e k(forma)
- pdf fRk(t) (k-1)!-1 R (Rt)k-1 e-Rt .
- com k1 R? exponencial (? e-?t)
- com k?8 tende para Dirac, mas média também
explode - (exceto se mantiver (k/R) média constante)
27Ferramental
- Devido à presença de produtos de convolução (pdf
de soma de tempos, transferencia em sistemas
lineares..) transformadas de Laplace ou z . - Saída de M/M/1
- P(vazio). (tempo de chegada serviço)
- P(não vazio) (tempo de serviço)
28Mas, cuidadoparadoxo do tempo de espera
- Chegadas de ônibus no ponto dadas por exponencial
média 60 min. - Quanto tempo devo esperar por um onibus em
média??? - Primeira vista a falta de memória da exponencial
diz 60 minutos - Mas, se pensarmos que em média chegamos no meios
de um intervalo entre chegadas, eu deveia esperar
30 minutos!!!
29Mas, cuidadoparadoxo do tempo de espera
- - Mas, se pensarmos que em média chegamos no
meios de um intervalo entre chegadas, eu deveria
esperar 30 minutos!!! - Errado supondo 2 choferes se alternando um com
intervalos de 30 e 90 minutos (em média 60) - Teremos ¾ de chance chegar chofer lento e ¼ de
chance de chofer rápido, dando interarrival time
de 75 minutos. - Para exponencial tipico interval time é de 120
minutos, o que dá 0s 60 do memoryless