Transpa Fab Avanzada JGG

FABRICACIN AVANZADA
Dpto. Ingeniera de sistemas y automtica

ETS. Ingenieros Industriales, Valladolid
1.PROCESOS DE MARKOV

Un proceso de Markov tiene la propiedad de que la
probabilidad de comportamiento futuro est totalmente
definida si se conoce el estado actual. El conocimiento de
estados previos al actual no altera la probabilidad de
comportamiento futuro.

Pr[asX(t)s b |X(t1 )= X1, X(t 2 )= X2 ,. . ., X(t n )=Xn ]=
= Pr[as X(t) sb | X(t1)=X (t)]
para cualesquiera t1, t 2 , t n

Si el conjunto de posibles estados del proceso es
numerable, el proceso recibe el nombre de cadena de
Markov.

Por otra parte, si todas las posibles realizaciones del
proceso Markoviano son funciones continuas
del tiempo el proceso se denomina proceso de difusin.

Para los procesos Markovianos se puede definir una
Probabilidad de transicin

Pr(Z,t ;Y,s)=Pr[X(t=Z)|X(s)=Y]

FABRICACIN AVANZADA

En el caso de cadenas de Markov, es posible definir una
matriz de probabilidades de transicin:

Pi,j(s,t)=Pr[X(t)=Xj | X(s)=Xi]

1.1 La ecuacin de Chapman-Kolmogorov

Es una de las relaciones ms importantes en las cadenas de
Markov. Se expresa:

Pi,j(s,t)=
r todo
Pr[X(t)=Xj|X(u)=Xr,X(s)=Xi] Pr[X(u)=Xr|X(s)=Xi]

siendo ssust

Por ser un proceso de Markov

Pr[X(t)=Xj|X(u)=Xr,X(s)=Xi]=Pr[X(t)=Xj|X(u)=Xr]=
=Pr,j(u,t)

por otra parte

Pr[X(u)=Xr|X(s)=Xi]=Pi,r(s,u)

de donde

Pi,j(s,t)=
r todo
Pi,r(s,u) Pr,j(u,t)

La ecuacin de Chapman-Kolmogorov permite obtener las
probablidades de transicin entre dos estados en un
FABRICACIN AVANZADA
intervalo de tiempo dado, a travs de las probabilidades de
transicin de los posibles estados intermedios.

1.2 La matriz de tasa de transicin:

Se define:

H(s,t) [Pi,j(s,t)]

la ecuacin de Chapman-Kolmogorov adopta la forma:

H(s,t)=H(s,u) H(u,t)

y por tanto

H(s,t+At)=H(s,t) H(t, t+At)
H(s,t+At)-H(s,t)=H(s,t)[ H(t, t+At)-I]

Dividiendo por At y tomando el lmite cuando At0

0
lim
At
t
t) H(s, - t) + t H(s,
A
A
=H(s,t) 0
lim
At
t
I - t) + t H(s,
A
A

Definiendo
Q(t) 0
lim
At
t
I - t) + t H(s,
A
A

se obtiene la forma diferencial de la ecuacin de
Chapman-Kolmogorov:

t
t s H
c
c ) , (
= H(s,t) Q(t)
y por tanto
H(s,t)=exp
(
}
t
s
d Q t t ) (
FABRICACIN AVANZADA

La matriz Q(s,t) se denomina matriz de tasa de transicin
y representa la variacin instantnea de las probabilidades
de transicin de un estado a otro.

-La forma diferencial de la ecuacin de Chapman-
Kolmogorov establece una evolucin dinmica de las
probabilidades de transicin y por tanto, de la
probabilidad de encontrar el proceso en un
determinado estado a medida que transcurre el tiempo.

- La evolucin de las probabilidades de estado viene dada
por un conjunto de ecuaciones diferenciales lineales
que pueden ser resueltas obteniendo la solucin y
realizar un anlisis del transitorio y del estacionario de
la probabilidad de estado

FABRICACIN AVANZADA

2. PROCESOS DE RENOVACIN

Un proceso de renovacin N(t) se define como un proceso
estocstico que toma valores enteros no negativos que
contabiliza el nmero de veces que ocurre un cierto evento
durante el intervalo (0,t], donde los intervalos de tiempo
entre dos eventos consecutivos son variables aleatorias,
positivas, independientes e idnticamente distribuidas.

Se utilizan con frecuencia para modelar la aparicin de
averas que implican la reparacin o sustitucin de un
componente defectuoso por uno nuevo.

El elemento k-simo de la sucesin de variables aleatorias
que da el intervalo de tiempo entre dos eventos
consecutivos ,{Xk}, se denomina tiempo de vida del
evento k-1.

N(t)
1
2
3
X1 X3 X2 X4
FABRICACIN AVANZADA

Asociado al proceso de renovacin N(t), se considera el
tiempo de espera hasta el n-simo evento

Sn=X1+X2+X3+......+Xn n>1

y la funcin de renovacin, que contabiliza el nmero
esperado de eventos durante el intervalo de tiempo (0,t]

M(t)=E[N(t)]

2.1 Teorema fundamental de la renovacin

Es el teorema ms importante de la teora de la
renovacin. Se puede enunciar del siguiente modo:

Sea Xk un proceso de renovacin con =E[X1] s ,
entonces:

1
) (
1
lim
= t M
t
t

este teorema relaciona la esperanza matemtica de las
variables aleatorias con la funcin de renovacin.

Si la varianza del proceso de renovacin es V(t)=var(N(t))
y E[X1]= y var[X1]=
2
o , se verifica:

3
2
lim
) (
o
=
t
t V
t

FABRICACIN AVANZADA

3. PROCESO DE POISSON

Un proceso de Poisson N(t), t >0, con parmetro es un
proceso de renovacin que contabiliza eventos, siendo la
funcin de distribucin de probabilidad del tiempo entre
eventos una funcin de distribucin exponencial:

t
e t F

=1 ) (

la funcin de densidad de probabilidad del tiempo entre
eventos es:

t
e t f

= ) (

cuya media y varianza son:

1
) ( = t E
2
1
) (
= t Var

La probabilidad de que el nmero de eventos ocurridos en
el intervalo (0,t] sea k, viene dada por la expresin:

| |
( )
!
) ( Pr
k
e t
k t N
t
k

= =

y con esta propiedad, es posible calcular los momentos:
FABRICACIN AVANZADA

| | t t M t N E = = ) ( ) (

| | ( ) | | | | t t N E t N E t N Var = =
2
2
) ( ) ( ) (

El proceso de Poisson es un modelo aceptable de un
proceso en el que se pueda asumir:

- En cada instante puede tener lugar como mximo
un evento.
-
) , ( ),..., , ( ), (
1 1 k k
t t N t t N t N
son variables aleatorias
independientes
-
| | ,.... 2 , 1 , 0 , ) , ( Pr
1
= =
n n t t N
k k depende de la
longitud del intervalo
) , (
1 k k
t t
, pero no depende
de los instantes
k k
t t ,
1
.

3.1 Propiedades relevantes

Los procesos de Poisson tienen unas propiedades de
indudable inters. De entre ellas podemos destacar

- Carece de memoria, es decir, la funcin de
distribucin de probabilidad del tiempo que debe
transcurrir hasta el prximo evento es siempre la
misma, con independencia del intervalo de tiempo
transcurrido desde el ltimo evento:
| |
T
e z V T Z V
= > + s 1 | Pr

- La superposicin de varios procesos de Poisson
caracterizado cada uno de ellos por su
FABRICACIN AVANZADA
parmetro
i
es tambin un proceso de Poisson de

parmetro
i

4. PROCESOS DE ACUMULACIN

Sea el proceso de renovacin cuyos tiempos de vida
vienen dados por la sucesin de variables aleatorias
{ }
K
X
. Asociado a
k
X
se considera la variable aleatoria
k
Y
,
de tal manera que la sucesin
{ }
K
Y
es una secuencia de
variables aleatorias independientes e idnticamente
distribuidas. Al proceso dado por:

+
=
=
1 ) (
1
) (
t N
k
k
Y t W

se lo denomina proceso de acumulacin.

La variable
k
Y
se puede interpretar como un coste
asociado al intervalo de tiempo
k
X , de tal manera que el
proceso de acumulacin es el coste acumulado durante el
intervalo de tiempo (0,t], durante el cual ha habido N(t)
eventos.

Si se considera:

| | =
1
X E

| | u =
1
Y E

aplicando la ecuacin de renovacin, se obtiene:

FABRICACIN AVANZADA

| |
u
= ) (
1
lim
t W E
t
t

El cociente
u
se puede interpretar como un coste
promedio por unidad de tiempo.

Por otra parte si
} {
k
X
y
} {
k
Y
son independientes, se
verifica:

| |
3
2
2
2
lim
) (
o
u
u
+ =
t
t W Var
t

siendo
| |
1
X Var =
o
y
| |
1
Y Var =
u
o

Los procesos de acumulacin tienen aplicacin en el
modelado de procesos en los cuales se ha de evaluar el
coste asociado a una serie de eventos; por ejemplo
modelos de reemplazo de componentes defectuosos en una
instalacin.

FABRICACIN AVANZADA

5. CAMINO ALEATORIO

Se va a considerar una sucesin de variables aleatorias
independientes, donde cada variable aleatoria slo puede
tomar dos valores (0 1) equiprobables.

Si se interpreta este proceso como el sentido (derecha o
izquierda) de los desplazamientos de longitud s que realiza
una partcula cada T segundos, se obtiene un proceso
estocstico X(t) que da la posicin unidimensional de la
partcula en cada instante que se denomina camino
aleatorio.

Suponiendo que para el instante t=nT, eel resultado de una
realizacin del camino aleatorio arroja un resultado de k
desplazamientos a la derecha y n-k hacia la izquierda:
T
S
t
X(t)
FABRICACIN AVANZADA

rs s n k s k n ks nT X = = = ) 2 ( ) ( ) (

| |
n
r n
n
rs nT X
2
1
2
) ( Pr
|
|
|
.
|
\
|
+
= =

de donde se obtiene:

| |
| |
2 2
) (
0 ) (
s n nT X E
nT X E
=
=

6. PROCESOS DE WIENER-LEVY

El proceso de Wiener-Levy se puede presentar como el
caso lmite del camino aleatorio cuando 0 s y 0 T

Si en el camino aleatorio se toma t=nT

| |
| |
T
s t
t X E
t X E
2
2
) (
0 ) (
=
=

haciendo tender s y T a cero, la varianza de X(t) se
mantiene finita y diferente de cero si y slo si s tiende a
cero como
T
. Asumiendo que esto es cierto, se verifica:

t s =o
2

y se define el proceso
| | ) ( lim ) (
0
T X t W
t
=

La funcin de densidad de probabilidad es:

FABRICACIN AVANZADA
(

=
t
t
t W f
o
e
o t
2
exp
2
1
) , (
2

si se fija el valor de t, la funcin de densidad de
probabilidad es la de una v.a. con distribucin normal y,
por tanto, si
s r = =

| |
| | t t W E
t W E
=
=
o ) (
0 ) (
2

fijado t, W(t) es una v.a. con distribucin normal, de
media 0 y varianza
t o
.

El proceso de Wiener-Levy se denomina tambin
Movimiento Browniano.

El movimiento Browniano puede ser definido como un
proceso estocstico que posee las propiedades:
- Cada incremento
) ( ) (
1 1
t W d t W +
es una v.a. con
distribucin normal de medioa cero y varianza
d o

donde
o
es fijo.
- Para cada par de intervalos de tiempos
disjuntos
| | | |
4 3 2 1
, , , t t t t
con
1 2 3 4
t t t t > > >
, los
incrementos
( ) ( )
3 4
t W t W
y
( ) ( )
1 2
t W t W
son v.a.
independientes.
- W(0)=0 siendo W(t) continua en t=0

FABRICACIN AVANZADA
El proceso
o
) (t W
se denomina Movimiento Browniano
Standard y tiene como particularidad que la varianza es t

7. MOVIMIENTO BROWNIANO REFLEJADO
EN EL ORIGEN

Dado un Movimiento Browniano
0 ), ( > t t W
, el proceso
estocstico Y(t) que tiene la distribucin de:

)
`
s
>
= = =
0 ) ( ) (
0 ) ( ) (
) ( ) ( ) (
t siW t W
t siW t W
t W t W t Y

se denomina Movimiento Browniano Reflejado en el
origen.

Intuitivamente se puede concebir como el movimiento de
una partcula confinada en el semieje positivo. Cuando la
partcula alcanza la frontera (0) es reflejada, alejndose de
dicha frontera.

La funcin de distribucin es:

| | | |
}
+
=
= s + s = = = s +
z
z
n
n n n n n
dy d X y f
t X z d t X z X t Y X t Y z d t Y
) , (
) ( | ) ( Pr ) ( ) ( | ) ( Pr
0 0

donde,
FABRICACIN AVANZADA

(

=
t
t
t W f
2
2
2
2
exp
2
1
) , (
o
=
o t

se verifica que:

| |
t
t
dx t X f t X t Y E
2
) , ( ) ( ) ( = =
}
+

| | | | t
t
t X E t Y E
|
.
|
\
|
= =
t t
2
1
2
) ( ) (
2 2

Y(t)
t
FABRICACIN AVANZADA

8.MOVIMIENTO BROWNIANO CON
DESPLAZAMIENTO

Dado un movimiento Browniano
) (
~
t W
, un Movimiento
Browniano con Desplazamiento es un proceso estoctico
que tiene la distribucin de:

0 ) (
~
) ( > + = t t t W t W

donde
es una constante que se denomina parmetro de

desplazamiento.

De forma intuitiva, se puede concebir como un
Movimiento Browniano al cual se superpone un
desplazamiento de velocidad constante.

Posee las propiedades:

- Cada incremento
) ( ) (
1 1
t W d t W +
es una v.a. con
distribucin normal de media
t
y varianza
;
2
t o
siendo
y
o
constantes.
FABRICACIN AVANZADA
- Para cada par de intervalos de tiempos
disjuntos
| | | |
4 3 2 1
, , , t t t t
con
1 2 3 4
t t t t > > >
, los
incrementos
( ) ( )
3 4
t W t W
y
( ) ( )
1 2
t W t W
son v.a.
independientes.
- W(0)=0 siendo W(t) continua en t=0

La v.a dada por:

) 0 ( ) ( max
0
W t W X
t
=
s s

tiene la distribucin de probabilidad dada por:

{ }
=
=
= > e X Pr

siendo

2
2
o
=

la funcin de densidad de probabilidad para el instante
en el que se alcanza por primera vez un valor
) 0 ( W z >

condicionado a que W(0)=
=
es:

( )
( )
(
(

=
t
t z
t
z
z t f
o
=
t o
=
=
2
exp
2
, |
2
3

FABRICACIN AVANZADA

9.APROXIMACIONES DE PROCESOS
ESTOCSTICOS

Dentro del estudio de procesos estocsticos, existe una
parte dedicada al anlisis de las propiedades de un
proceso estocstico X(t), a travs de las propiedades de
una sucesin de procesos estocsticos que convergen
hacia l
{ } ) (t X
n

) ( ) ( lim t X t X
n
n
=

El estudio formal da lugar a una serie de teoremas lmite
para procesos estocsticos que son de gran utilidad, ya
que en ciertos casos es posible encontrar una sucesin
de procesos estocsticos ms simples y de propiedades
conocidas que permiten inferir las propiedades de un
proceso ms difcil de analizar y hacia el cual
convergen.

FABRICACIN AVANZADA
9.1 Ley funcional fuerte de los grandes nmeros

Se va a considerar el proceso estocstico
{ } , 3 , 2 , 1 , = i X
i
, formado por una sucesin de v.a.
independientes e idnticamente distribuidas. A partir de
este proceso podemos definir la variable aleatoria

0 ) (
1
>
=
t X t S
t
i
i

donde

{ } 1 |, , 3 , 2 , 1 , + s s e = j t j j j t

Si se interpreta
i
X
como la demanda de un producto en el
periodo de tiempo i-simo, S(t) es la demanda acumulada
en el intervalo de tiempo
) , 0 [ t
.

Sea | | =
1
X E , entonces la ley funcional fuerte de los
grandes nmeros establece que:

) ( ) (
1
) ( t S t nt S
n
t S
n

con probabilidad 1 cuando
n
.

Esta ley establece que la media de mltiples realizaciones
del proceso S(t) converge hacia una funcin lineal del
tiempo.

FABRICACIN AVANZADA
9.2 TEOREMA FUNCIONAL DEL LMITE
CENTRAL.

Se va a considerar el proceso estocstico
{ } , 3 , 2 , 1 , = i X
i
, formado por una sucesin de v.a.
independientes e idnticamente distribuidas. A partir de
este proceso podemos definir la variable aleatoria

0 ) (
1
>
=
t X t S
t
i
i

donde

{ } 1 |, , 3 , 2 , 1 , + s s e = j t j j j t

siendo Ila matriz de covarianzas de
1
X ; el teorema
funcional del lmite central establece que:

| | ) (
) ( ) ( ) ( ) (
2
1
t S t W t S t S n t S
n n
I

cuando n siendo W(t) un Movimiento Browniano
Standard K-dimensional.

La convergencia en este caso es en distribucin, es decir,
la funcin de distribucin de probabilidad de
) (
t S
n
tiende
a la de
) (
t S
cuando n . El teorema funcional del
lmite central constituye una extensin aplicada a procesos
estocsticos del teorema del lmite central para variables
aleatorias

FABRICACIN AVANZADA
9.3 APROXIMACIONES FUERTES.
El teorema Funcional de las Aproximaciones Fuertes
engloba bajo una misma perspectiva la Ley Funcional de
los Grandes Nmeros y el teorema Funcional del Lmite
Central. Bsicamente establece que:

|
|
.
|
\
|
=
s s
r
T t
T
T o t S t S t S t S
1
0
) (
~
) ( ) (
~
) (
sup

cuando
T
, siendo 2 > r el orden de los momentos
finitos de la variable aleatoria
1
X y se define:

0 ) ( ) (
~
2
1
> I + = t t W t t S

De esta manera emergen tres niveles de aproximacin al
proceso
- 1.- S(t) Aproximacin detallada del proceso
(aproximacin microscpica)
- 2.-
) (
~
t S
Aproximacin intermedia del proceso
(aproximacin mesoscpica)
- 3.-
) (t S
Aproximacin agregada del proceso
(aproximacin macroscpica)

9.4 APROXIMACIONES DE LOS PROCESOS DE
RENOVACIN

Dado que el nmero de eventos que han tenido lugar hasta
el instante t (N(t)) no es suma de variables aleatorias, no se
puede aplicar las aproximaciones del apartado 9.3.
FABRICACIN AVANZADA

No obstante dado que
n n
X X X S + + + =
2 1
es suma de
variables aleatorias independientes e idnticamente
distribuidas y que
) ( ) ( t S si slo y si n t N
n
s
, entonces es
posible aplicar el Teorema Funcional del Lmite Central
para procesos de renovacin.

Si
| | | |
2
1 1
var o = = X y X E
, se obtiene:

t
n
nt N
n
1 ) (
lim

) (
1
) (
lim
2
3
t W
n
t n t n N
n

de donde la aproximacin fuerte de un proceso de
renovacin se puede expresar:

(
=
s s
r
T t
T o t W t t N
1
2
3
0
) (
1
) ( sup

cuando
T

FABRICACIN AVANZADA

10. TEORA DE COLAS DE ESPERA

La teora de colas de espera tiene por objeto:
- modelado
- anlisis
- control
de sistemas formados por varios servidores que atienden a
unos clientes que aguardan formando una cola de espera a
ser atendidos

Son muchos los sistemas que se ajustan a la idea de cola-
cliente-servidor:
- vehculos ante un semforo
- redes telemticas
- sistemas de fabricacin

El gran mbito de aplicacin de la teora de colas ha hecho
que exista un gran nmero de publicaciones sobre el tema.

Recientemente el inters que ha suscitado el estudio de los
sistemas de produccin como sistemas de eventos
discretos ha provocado que muchos investigadores se
dediquen al modelado, anlisis y control de sistemas de
produccin utilizando las redes de colas.

FABRICACIN AVANZADA

10.1 ELEMENTOS DE LOS SISTEMAS DE COLAS

En los sistemas de colas podemos diferenciar:

- clientes : Elementos que requieren unos servicios
- servidores: Elementos capaces de proporcionar un
servicio
- cola: En la cual se acumulan los clientes, en espera
de que un servidor les pueda atender.

Si bien en un sistema fsico estos elementos se pueden
reconocer con facilidad, la caracterstica utilizada para el
modelado de cada uno de ellos no se reconoce tan
fcilmente:
- Los clientes se caracterizan por el proceso de tiempos
de llegada, pudiendo haber un proceso por cada tipo
de clientes
- Los servidores se caracterizan por el proceso
formado por los tiempos de servicio; cada servidor
tiene un proceso para cada una de las clases de
clientes.
- La cola se caracteriza por el nmero de clientes que
contiene en cada instante. Tambin se puede
considerar el nmero mximo de clientes que admite
la cola como otro parmetro caracterstico de la cola.

FABRICACIN AVANZADA

10.2 NOTACIN

Para referirse a una cola est bastante extendida una
notacin cuya principal venteja es que describe de forma
explicita y concisa las propiedades de dicha cola. Esta
notacin tiene la forma:

A/B/m/K

- A es la distribucin del tiempo de llegada de los
clientes
- B es la distribucin de los tiempos de servicio
- m es el numero de servidores que atienden a dicha
cola
- K es el nmero mximo de clientes que puede haber
en la cola

Para las distribuciones de tiempos de llegada y servicio se
utiliza la notacin:

- G: Distribucin general de los tiempos de
servicio/llegada. No se establece ninguna
caracterstica sobre el proceso
- GI: Distribucin general de un proceso de
renovacin; los tiempos entre llegadas/servicios estn
idnticamente distribuidos.
- D: Los tiempos entre llegadas/servicios son
deterministas
- M: Los tiempos entre llegadas/servicios estn
distribuidos exponencialmente.

FABRICACIN AVANZADA
Si se omite K, se sobreentiende que la cola es de
capacidad infinita.
Ejemplos:
- M/M/1: cola con un nico servidor y
tiempos de llegada y servicio distribuidos
exponencialmente

- M/G/2/10: cola con dos servidores que admite
como mximo dos clientes. Los intervalos de
tiempo entre llegadas siguen una distribucin
exponencial y los tiempos de servicio una
general.

Cola Markoviana: tiempos de llegada y de servicio
distribuidos exponencialmente.

Grficamente una cola de espera se representa:

FABRICACIN AVANZADA

10.3 DINMICA DE UNA COLA

Para el k-simo cliente vamos a considerar:
- A
K
: Instante en el que llega a la cola
- D
K
: Instante en el que abandona el sistema despus
de haber recibido servicio
- W
K
: Tiempo de espera hasta que comienza el
servicio
- S
K
: Tiempo de permanencia en el sistema (S
K
=D
K
-
A
K
)
- Z
K
: Tiempo de servicio.
- Y
K
: Intervalo de tiempo transcurrido desde la llegada
del cliente k-1 hasta la llegada del cliente k-simo.

Vamos a considerar los procesos:
- X(t) : Nmero de clientes en la cola en el instante t
- U(t): Tiempo necesario para vaciar la cola si no
legase ningn cliente ms (carga del sistema)

X(t) es el proceso que describe el estado de la cola, sin
embargo se presta una especial atencin a W
K
. Se
verifican las relaciones:

k k k k
k k k
Z W A D
Z W S
+ + =
+ =

FABRICACIN AVANZADA
Cuado llega el k-simo cliente hay dos posibles
situaciones:
1. La cola est vaca
0 0
1
= s
s
k k k
k k
W A D
A D

2. -cola no est vaca
k k k k k
A D W A D = s
1 1
0

Los dos casos se pueden reunir en una nica expresin:
} , 0 max{
1 k k k
A D W =

y, por tanto

k k k k
k k k k
Z Y S S
Y Z W W
+ =
+ =

} , 0 max{
} , 0 max{
1
1 1

Finalmente, la dinmica de la cola queda descrita por:

k k k k
k k k k
Z D A D
Z A D W
+ =
=
} , max{
1

En general la funcin de distribucin de probabilidad de
W
K
depende de K, pero, con frecuencia existe una
distribucin de probabilidad estacionaria cuando K

| | | | t W t W
k
k
s = s

Pr Pr lim

Cuando este lmite existe la variable aleatoria W describe
el tiempo de espera de un cliente; entonces E[W] es el
tiempo medio de espera de un cliente y E[S] es el tiempo
medio de permanencia del cliente en el sistema.
FABRICACIN AVANZADA

Algo similar puede suceder con los procesos estocsticos
{X(t)} y {U(t)} para los cuales puede existir una
distribucin de probabilidad estacionaria cuando K ,
de tal manera que las variables aleatorias X y U describen
la longitud de la cola y la carga del sistema en
estacionario; E[X] y E[U] son la longitud media de la cola
y la carga media del sistema en estado estacionario.

En estado estacionario se definen los parmetros:

- Intensidad de trfico:
= =
servicio de Tasa
llegada de Tasa

- Utilizacin: Fraccin de tiempo que el servidor se
encuentra ocupado =1-Pr[X=0]
- Tasa de salida= tasa de partida de los clientes tras
recibir servicio = | |) 0 Pr 1 ( = X

En estado estacionario la tasa de salida ha de ser igual a la
tasa de llegada ya que si no fuese as o bien la cola crece
indefinidamente (tasa salidatasa de llegada) o bien se
generan clientes dentro de la cola(tasa salidatasa de
llegada).

Uno de los resultados generales ms importante en la
teora de colas es la Ley de Little:

E[X]=E[S]

Establece una relacin entre las funciones de distribucin
del tiempo de permanencia en la cola y el nmero de
clientes en el sistema a travs de sus esperanzas
matemticas.
FABRICACIN AVANZADA

11.REDES DE COLAS DE ESPERA:

Las redes de colas son sistemas en los cuales se puede
distinguir varios servidores que pueden dar diferentes
servicios y clientes que requieren estos servicios, de tal
forma que tras recibir servicio en un servidor, el cliente
puede circular hasta otra cola donde recibir otro servicio.

Existen multitud de sistemas fsicos que se ajustan a esta
idea:
- Sistemas de produccin
o Mquina (servidor)
o Pieza (cliente)

- Sistemas de transmisin de datos
o Computador (servidor)
o Mensaje (cliente)

El estado de una red de colas viene dado por el vector:
| | ) ( ), ( ), ( ) (
2 1
t X t X t X t X
m
=
que en cada componente tiene el nmero de clientes en
espera en la cola asociada a dicha componente.

La clasificacin ms simple de las redes de colas es:

o Redes de colas abiertas: En las cuales, los clientes
proceden del exterior de la res y tras recibir los
servicios requeridos, abandonan el sistema.
o Redes de colas cerradas: Los clientes ni llegan del
exterior ni salen del sistema; circulan de una cola a
otra requiriendo diferentes servicios
FABRICACIN AVANZADA

11.1 REDES ABIERTAS DE COLAS
MARKOVIANAS

Las redes abiertas de colas Markovianas estn formadas
por m nodos, donde cada nodo constituye una entidad
cola-servidor con un tiempo de servicio distribuido
exponencialmente

El estudio de la cola M/M/1 arroja un importante resultado
que recibe el nombre de teorema de Burke:
El proceso de los tiempos de salida del servidor de los
clientes es exponencial y con un parmetro igual al del
proceso de los tiempos de llegada

este resultado es de extrema importancia ya que en una red
los clientes que salen de una cola entran en otra para la
que el proceso de llegada ser markoviano.

RED DE COLAS ABIERTA
FABRICACIN AVANZADA
En estas redes se considera que el camino de un cliente no
es determinista definiendo una matriz | |
i j
p P
,
= cuyos
elementos son la probabilidad de que el cliente que
abandona el nodo j se dirija al nodo i; de esta forma la tasa
de llegada de clientes al nodo i, i , se expresa:

=
+ =
m
j
j i j i i
p r
1
,

donde ri es la tasa de llegada de clientes desde el exterior
al nodo i.

Si p i i, =0, la probabilidad estacionaria del nmero de
clientes en las colas , es el producto de las probabilidades
estacionarias del nmero de clientes en cada cola:

| | | | | | | | | |
m m m m
N X N X N X N X N X N X X = = = = = = = = Pr Pr Pr , , , Pr
2 2 1 1 2 2 1 1

es por esta razn que se dice que la cola tiene solucin en
forma de producto.
En el caso p i i, 0, el proceso de llegada al nodo i-simo no
es de Poisson, J.R. Jackson estableci que el nodo se
comporta como si tuviese un proceso de llegada de
Poisson y se mantiene la solucin en forma de producto.

FABRICACIN AVANZADA

11.2 REDES CERRADAS DE COLAS
MARKOVIANAS
En este tipo de redes , el nmero de clientes en la red se
mantiene constante y los clientes circulan de un nodo a
otro requiriendo los diferentes servicios que dan los
servidores.

Las redes cerradas se pueden concebir como un caso
particular de las redes abiertas en las cuales la tasa externa
de clientes es cero en todos los nodos; por tanto, se
restringe el espacio de posibles estados de la red, detal
manera que:

=
=
m
i
T i
N N
1

siendo NT el numero total de clientes en la red.

La distribucin de probabilidad estacionaria admite una
solucin en forma de producto:

| |
m
N
m
m
N N
T
m m
N C
N X N X N X
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= = = =

2 1
2
2
1
1
, 2 2 1 1
) (
1
, , Pr
donde C(NT ) es una constante que depende del nmero de
clientes , NT , y puede ser obtenida mediante la condicin:
1
) (
1
2 1
, 2 1 2
2
1
1
,
=
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
m
m
N
m
m
N N
N N N T
N C

La obtencin de C(NT ) no es una tarea sencilla cuando el
nmero de posibles estados es elevado, sin embargo
existen tcnicas computacionales eficientes y si tan solo se
est interesado en la longitud media de cada cola, se puede
utilizar el mtodo del valor medio.
FABRICACIN AVANZADA

11.3 REDES DE COLAS NO MARKOVIANAS

Cuando en una cola el proceso de los tiempos de llegada o
el proceso de los tiempos de servicio no es de Poisson, la
cola no es markoviana.

El anlisis de las colas no Markovianas es mucho ms
complejo, debido , principalmente a que el sistema no
carece de memoria y no basta con conocer el estado actual
para determinar la probabilidad de transicin a un nuevo
estado; se debe conocer la evolucin hasta el estado actual.

Si slo influye el tiempo transcurrido hasta el instante
actual la red cae dentro de los procesos semi-markovianos
generalizados.

Para el estudio de colas no markovianas, existen dos
procedimientos generales:
o Utilizar procesos markovianos como elementos
bsicos para construir un proceso no markoviano
o Estudio de propiedades estructurales del sistema que
permitan obtener informacin sobre su
comportamiento.
Existe una abundante bibliografa dedicada al estudio de
colas no markovianas con resultados en forma cerrada en
algunos casos; en otros casos se ha obtenido
aproximaciones que permiten un tratamiento
computacional del problema.

FABRICACIN AVANZADA

12- REDES DE FLUIDOS

En una red de colas el estado viene dado por el nmero de
clientes en cada cola -> el espacio de estado es discreto

Si se considera un sistema formado por nodos, donde cada
nodo consta de:
o Un depsito que almacena fluido que va ser
procesado.
o Dispositivo que procesa fluido.
y, adems
o Conducciones que permiten circular el fluido de
unos nodos a otros.
Se observa un cierto paralelismo con una red de colas:

o Fluido->clientes
o Depsito->cola
o Procesador de fluido ->servidor
Este nuevo sistema se denomina red de fluidos y su
principal diferencia con respecto a las redes de colas es
que su espacio de estado es continuo

FABRICACIN AVANZADA

12.1 MODELO DE UNA RED DE FLUIDOS

Se va a considerar una red de fluido con K nodos; cada
nodo consta de un buffer que almacena fluido y una
estacin de procesado de fluido.

Se define:
- Zk (i) Nivel de fluido en el buffer de la estacin
k-sima al final del periodo i-simo.
- k (i) Volumen de fluido que entra en el nodo k-
simo durante el periodo i-simo.
- k (i) Volumen de fluido que sale del nodo k-
simo durante el periodo i-simo.
- P=| |
k j
p
,
Matriz que da la proporcin de fluido
que, saliendo del nodo k, va directamente al
nodo j.
- k (i) Volumen mximo de fluido que se puede
procesar en el nodo k durante el periodo i-simo
(el buffer no se vaca)

El volumen de fluido en el depsito k-simo al final del
periodo i-simo se obtiene aplicando la ecuacin de
balance de fluido en el nodo
=
+ + =
K
j
k k j j k k k
i p i i i Z i Z
1
,
) ( ) ( ) ( ) 1 ( ) ( o o o
si se define
) ( ) ( ) ( i i i y
k k k
o =
yk (i) representa la prdida de volumen procesado debido a
que el buffer est vaco durante algunos instantes del
periodo i-simo.

FABRICACIN AVANZADA

Si se considera:

=
+ + =
K
j
k k j j k k
i p i i X
1
,
) ( ) ( ) ( o o

Xk (i) ser el balance de fluido si al comenzar el periodo
psimo el buffer esta vaco y todos los nodos procesan el
volumen mximo de fluido (los buffer siempre estn
llenos).

Si ahora se considera los vectores columna Z(i), X(i), Y(i)
en los cuales las componentes psima son Zk (i), Xk (i),
Yk (i), la ecuacin de balance de fluido es:

| |
0 ) (
) ( ' ) ( ) 1 ( ) (
>
+ + =
i Y
i Y P I i X i Z i Z

siendo

| |
=
+ + =
K
j
i I P i i X
1
) ( ) ( ) ( o
El menor de los Y(i) tal que verifique las relaciones
anteriores es el que da lugar al modo de operacin ms
eficiente de la red de fluido, ya que desperdicia el mnimo
de capacidad potencial de procesado.

Se verifica que:
| | { }
k
x y P i x y x 9 e > + > = 0 ' : 0 ) (
tiene un extremo inferior nico que, adems es la solucin
de:
| |
0 '
0
'
=
>
+ =
y z
z
y P I x z

FABRICACIN AVANZADA
La solucin de este problema dara el valor y que origina
el modo de operacin ms eficiente

12.2 FORMULACIN EN TRMINOS DE
ACUMULACIN

Se define:

| |

=
+ + =
=
=
t
t
t
t y t Y
t M I P t A Z t X
t t M
i t A
1
1
1
) ( ) (
) ( ) ( ) 0 ( ) (
) ( ) (
) ( ) (
o

donde

t es el nmero entero ms prximo a t.
Existe un nico par (Y,Z) que satisface las ecuaciones:

| |
| | K k t t Y t Y t Z
e decrecient no es t Y
Y
t Y
t Y P I T X t Z
k k k
, 2 , 1 ; , 2 , 1 ; 0 ) 1 ( ) ( ) (
) (
0 ) 0 (
0 ) (
) ( ' ) ( ) (
= = =
=
>
+ =

donde Y(t) es el menor de los posibles que satisface las
ecuaciones anteriores.

Dada X(t), quedan fijadas Y(t) e Z(t) a travs de las
relaciones indicadas. Z(t) e Y(t) pueden ser expresadas
como funciones de X(t):

)) ( ( ) (
)) ( ( ) (
t X t Y
t X t Z
+ =
u =

se verifica que las funciones + u, son lipschitzianas , es
decir, definida la norma:
FABRICACIN AVANZADA

( ) ) ( max sup ) (
1
0
t t
K k
T t
T

s s
s s
=

existe una constante h 0 > , tal que:

) ( ) ( )) ( ( )) ( (
) ( ) ( )) ( ( )) ( (
2 1 2 1
2 1 2 1
t X t X h t X t X
t X t X h t X t X
T
T
s + +
s u u
para todo
2 1
X y X

Hasta ahora se ha considerado un modelo de tiempo
discreto; un desarrollo anlogo se puede realizar cuando la
red se considera un sistema de tiempo continuo; en este
caso el modelo es:

| |
0 ) ( ) (
0 ) 0 (
0 ) (
) ( ' ) ( ) (
=
=
>
+ =
t dY t Z
Y
t dY
t Y P I T X t Z

y , fijada X(t) existe un nico par (Y,Z) que verifica todas
las condiciones:

)) ( ( ) (
)) ( ( ) (
t X t Y
t X t Z
+ =
u =

siendo X(t) una funcin K-dimensional del tiempo.

Definida X(t), el sistema evoluciona segn las ecuaciones
anteriores; teniendo en cuenta que X(t) representa el
balance de fluido en la situacin ficticia en la cual todos
los nodos procesan el mximo volumen posible, X(t) no
depende de la dinmica de la res de fluidos, sino de la
mxima capacidad de procesado de cada nodo. Si es
posible formular dicha capacidad de procesado como
FABRICACIN AVANZADA
funcin slo del tiempo X(t) dispara la dinmica de la red
a travs de los modelos obtenidos.

Una posibilidad es considerar que X(t) es aproximada por
una funcin de la forma:

t Z t X + = 0 ) 0 ( ) (

se obtiene as una red de fluido determinista.

12.3 DINMICA ANTE MOVIMIENTO
BROWNIANO
Vamos a considerar una red de fluidos cuya dinmica
viene dad por las ecuaciones:

| |
0 ) ( ) (
0 ) 0 (
0 ) (
) ( ' ) ( ) (
=
=
>
+ =
t dY t Z
Y
t dY
t Y P I T X t Z
k k

cuya solucin, dado X(t), es:

)) ( ( ) (
)) ( ( ) (
t X t Y
t X t Z
+ =
u =

y se considera el caso en que X(t) es un movimiento
Browniano k-dimensional con desplazamiento 0 y matriz
de covarianzas I ; en este caso el proceso:

)) ( ( ) ( t X t Z u =
es un movimiento Browniano k-dimensional reflejado en
el origen que evoluciona en el interior del ortante no
negativo
FABRICACIN AVANZADA

Si se verifica:

| | | | ( )
( ) k j P P
K k P
I P P I
j j k j k k k j k j
k k
= I + I = I
= =
s +
, , , , ,
,
1
2
, , 2 , 1 0
0 ' '
o

entonces existe una densidad de probabilidad estacionaria
para Z en forma de producto:

| | | | | | o q q
q
q
I P P I diag
siendo
z z z Z e Z f
k
k
K
k
z
k
k k
+ I = =
> = =

=
[
' ) ( 2 ) (
0 , , , ) (
1 1
2 1
1

Por ser X(t) un proceso estocstico no influenciado por la
propia dinmica del sistema, provoca una evolucin de la
red de fluidos que no es determinista, pero que permite
obtener una funcin de densidad de probabilidad
estacionaria del volumen de fluido en cada depsito.

La aproximacin fuerte de un proceso estocstico permite
obtener un modelo aproximado, que es un movimiento
Browniano; por tanto la red de fluido estocstica aproxima
el comportamiento de una red de colas.

Transpa Fab Avanzada JGG

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Transpa Fab Avanzada JGG

Transféré par

Droits d'auteur :

Formats disponibles

FABRICACIN AVANZADA

Dpto. Ingeniera de sistemas y automtica

es tambin un proceso de Poisson de

es una constante que se denomina parmetro de

Vous aimerez peut-être aussi