- 253 - Fuente: www.itu.int/ITU-D/study_groups/ SGP_2002-2006/SG2/133000S4.Doc - Resultado Suplementario (133000) - 254 - CAPÍTULO 14 Redes de filas de espera Muchos sistemas se pueden modelar de manera que un cliente obtenga servicios a partir de varios nodos sucesivos, es decir, una vez que un cliente ha finalizado el servicio en un nodo pasa a otro. La demanda total de servicios se compone de demandas de servicios en distintos nodos. Por consiguiente, el sistema es una red de puesta fila de espera en la que cada una de las filas se denomina nodo. Como ejemplos de redes de puesta fila de espera cabe citar los sistemas de telecomunicaciones, los sistemas informáticos, las redes de conmutación de paquetes y los sistemas de fabricación flexibles. En las redes de puesta en fila de espera se define la longitud de la fila en un nodo como el número total de clientes en el nodo, incluidos los clientes que están servidos. Este Capítulo tiene por objeto introducir la teoría fundamental de las redes de puesta en fila de espera, ilustrada por aplicaciones. Por lo general, se considera que la teoría es bastante complicada, lo que se debe principalmente a la complejidad de la notación. Ahora bien, en este Capítulo se introducirán de manera simple los modelos generales analíticos de redes de puesta en fila de espera sobre la base de formas de producto, el algoritmo de convolución, el algoritmo MDA y los ejemplos pertinentes. La teoría de las redes de puesta en fila de espera es análoga a la teoría de los sistemas multidimensionales (véanse los Capítulos 10 y 11). En el Capítulo 10 se examinaron los sistemas de pérdidas multidimensionales mientras que en este Capítulo se tratarán las redes de sistemas de puesta en fila de espera. 14.1 Introducción a las redes de puesta en fila de espera Las redes de puesta en fila de espera se clasifican en abiertas y cerradas. En redes de puesta en fila cerradas la cantidad de clientes es fija mientras que en redes de puesta en fila abiertas la cantidad de clientes varía. En principio, una red abierta se puede transformar en una red cerrada agregando un nodo extra. El sistema de espera clásico de Erlang, M/N/n, es un ejemplo de un sistema de puesta en fila abierto, mientras que el modelo máquina/reparación de Palm con S terminales es una red cerrada. Si hay más que un tipo de clientes, la red puede ser una mezcla de red abierta y cerrada. En razón que el proceso de salida en un nodo es el proceso de llegada en otro, se deberá prestar especial atención al proceso de salida, en particular cuando se puede modelar como proceso de Poisson. Esto se examinará en el § 14.2 (Sistemas simétricos de puesta en fila). El estado de una red de puesta en fila se define como la distribución simultánea del número de clientes en cada nodo. Si K representa el número total de nodos, el estado se describe entonces mediante un vector p (i1, i2, . . . iK) donde iK es el número de clientes en el nodo k (k = 1, 2 . . . k). Con frecuencia el espacio de estado es muy amplio y las probabilidades de estado mediante la resolución de ecuaciones de equilibrio de nodos son difíciles de calcular. Si cada nodo es un sistema simétrico de puesta en fila, por ejemplo red de Jackson (véase el § 14.3), se tendrá entonces una forma de producto. Las probabilidades de estado de redes con forma de producto se pueden agregar y obtener utilizando el algoritmo de convolución (véase el § 14.4.1) o el algoritmo MVA (véase el § 14.4.2) Las redes de Jackson pueden ser generalizadas en redes BCMP (véase el § 14.5), donde hay N tipos de clientes. Los clientes de un tipo específico pertenecen a una denominada cadena. En la figura 14.1 se ilustra un ejemplo de una red de puesta en fila con cuatro cadenas. Cuando el número de cadenas aumenta el espacio de estado se incrementa en consecuencia, y sólo los sistemas con un pequeño número de cadenas se pueden calcular exactamente. En el caso de una red multicadena, el (133000) - 255 - estado de cada nodo resulta multidimensional (véase el § 14.6). La forma de producto entre nodos se mantienen, y son aplicables los algoritmos de convolución y MVA (véase el § 14.7). La cantidad aproximada de algoritmos para grandes redes se puede encontrar en la literatura. Figura 14.1 Ejemplo de una red de puesta en fila con cuatro cadenas abiertas 14.2 Sistemas simétricos de puesta en fila de espera Para analizar los sistemas de puesta en fila es importante conocer cuándo el proceso de salida de un sistema de fila de espera es un proceso de Poisson. Se conocen cuatro modelos de puesta en fila que tienen esta propiedad. 1) M/M/n. Este es el teorema de Burke (1956 [13]), que expresa que el proceso de salida de un sistema M/M/n es un proceso de Poisson. Las probabilidades de espacio de estado están dadas por la ecuación (12.2): donde A = / 2) M/G/. Esto corresponde al caso de Poisson (véase el § 7.2). Del § 6.3 se sabe que una traslación aleatoria de los eventos de un proceso de Poisson produce un nuevo proceso de Poisson. Este modelo se representa a veces como un sistema con criterio de puesta en fila IS, número infinito de servidores. Las probabilidades de estado vienen dadas por la distribución de Poisson (7.6): 3) M/G/1-PS. Este es un sistema de puesta en fila de un solo servidor con una distribución general del tiempo de servicio y compartición de procesador. Las probabilidades de estado son similares al caso M/M/1 (13.79): p(i) = (1 A) . Ai, i= 0, 1, 2, . . . . (14.4) 4) M/G/1-LCFS-PR (PR = con derecho prioritario). Este sistema también tiene las mismas probabilidades de espacio de estado que el modelo M/M/1 (14.4). (133000) - 256 - En la teoría de redes de puesta en fila sólo se consideran, por lo general, estos cuatro criterios de fila de espera. Sin embargo, aun para el sistema de pérdidas de Erlang, el proceso de salida será un proceso de Poisson si se incluyen clientes bloqueados. Estos cuatro sistemas se conocen como sistemas simétricos de puesta en fila de espera, pues son simétricos en el tiempo. Tanto el proceso de llegada como el de salida son procesos de Poisson y los sistemas son reversibles (Kelly, 1979 [60]). El proceso se denomina reversible pues tiene el mismo aspecto que cuando se invierte el tiempo (por ejemplo, se dice que una película es reversible cuando su reproducción hacia delante o hacia atrás parecen iguales). Con excepción del modelo M/M/n estos sistemas simétricos de puesta en fila tienen como característica común que el cliente es servido inmediatamente a partir de su llegada. A continuación se tratarán básicamente los nodos M/M/n pero el modelo M/M/1 también incluye M/G/1-PS y M/G/1-LCFS-PR. 14.3 Teorema de Jackson En 1957, Jackson, que trabajaba con sistemas de fabricación y planeamiento de la producción, publicó un documento con un teorema que se denomina ahora teorema de Jackson (Jackson, 1957 [46]). En dicho teorema demostró que una red de puesta en fila de espera de nodos M/M/n tiene forma de producto. Sus conclusiones fueron inspiradas por el resultado obtenido por Burke el año anterior (Burke, 1956 [13]). Teorema 14.1. Teorema de Jackson: Considérese una red de puesta en fila de espera abierta con K nodos que satisfacen las siguientes condiciones a) Cada nodo es un sistema de puesta en fila M/M/n. El nodo k tiene nk servidores y el promedio del tiempo de servicio es 1=k. b) Los clientes llegan desde fuera del sistema al nodo k conforme a un proceso de Poisson con intensidad k. Pueden llegar también clientes de otros nodos al nodo k. c) Un cliente, que acaba de finalizar su servicio en el nodo j, se transfiere inmediatamente al nodo k con probabilidad pjk o sale de la red con probabilidad: Un cliente puede visitar varias veces el mismo nodo si pkk > 0. El promedio de la intensidad de llegada k en el nodo k se obtiene empleando las ecuaciones de equilibrio de flujo: Sea p(i1, i2, . . ., iK) la representación de las probabilidades de espacio de estado conforme a la hipótesis de equilibrio estadístico, es decir la probabilidad que haya ik clientes en el nodo k. Asimismo, se supone que Las probabilidades de espacio de estado vienen dadas entonces en forma de producto: (133000) - 257 - Aquí para el nodo k, pk(ik) es la probabilidad de estado de un sistema de puesta en fila M/M/n con intensidad de llegadas k y velocidad de servicio k (14.1). El tráfico ofrecido c/k =_k al nodo k debe ser menor que la capacidad nk del nodo para entrar en equilibrio estadístico (14.6). El punto fundamental del teorema de Jackson es que cada nodo puede ser considerado independientemente de los otros y que las probabilidades de estado vienen dadas por las fórmula C de Erlang. Esto simplifica considerablemente el cálculo de las probabilidades de espacio de estado. La prueba del teorema fue obtenida por Jackson en 1957 demostrando que la solución satisface las ecuaciones de equilibrio para el equilibrio estadístico. En el último modelo de Jackson (Jackson, 1963 [47] la intensidad de llegada proveniente del exterior: puede depender del número corriente de clientes en la red. Asimismo, k puede depender del número de clientes en el nodo k. De esta manera, se pueden modelar redes de puesta en fila que sean cerradas, abiertas o mixtas. En los tres casos, las probabilidades de estado tienen forma de producto. El modelo de Gordon y Newell (1967 [33]), que se cita a menudo en la literatura, puede ser tratado como un caso especial del segundo modelo de Jackson. Figura 14.2 Diagrama de transición de estado de una red de puesta en fila abierta constituida por dos sistemas M/M/1 en serie Ejemplo 14.3.1: Dos nodos M/M/1 en serie La figura 14.2 muestra una red de puesta en fila abierta de dos nodos M/M/1 en serie. El diagrama de transición de estado correspondiente se ilustra en la figura 14.3. Evidentemente, el diagrama de transición de estado no es reversible: entre dos estados vecinos sólo hay flujo en un sentido (véase el § 10.2) y aparentemente no hay forma de producto. Si se resuelven las ecuaciones de equilibrio para obtener las probabilidades de estado se encuentra que la solución se puede expresar en forma de producto: donde A1 = /1 y A2 = /2. Las probabilidades de estado se pueden expresar en forma de producto p(i, j) = p(i) . p(j), donde p(i) es la probabilidad de estado para un sistema M/M/1 con tráfico ofrecido A1 y p(j) es la probabilidad de estado para un sistema M/M/1 con tráfico ofrecido A2. Las probabilidades de estado indicadas en la figura 14.3 son idénticas a las de la figura 14.4 que tiene equilibrio local y forma de producto. Es posible así encontrar un sistema que es reversible y tenga las mismas probabilidades de estado que el sistema no reversible. En la figura 14.3 hay equilibrio regional y no local. Si se considera un cuadrado de cuatro estados habrá equilibrio para el mundo exterior pero, internamente, habrá circulación a través de la diagonal de desplazamiento de estado. (133000) - 258 - En redes de fila de espera los clientes a menudo son puestos en operación bucle, de modo tal que un cliente puede visitar varias veces el mismo nodo. Si se tiene una red de puesta en fila con clientes en bucle, donde los nodos son sistemas M/M/n, los procesos de llegada a cada uno de los nodos ya no son procesos de Poisson. De cualquier modo se pueden calcular las probabilidades de estado como si los nodos fueran sistemas M/M/n independientes. Esto se explica en el siguiente ejemplo. Ejemplo 14.3.2: Redes con retroalimentación El concepto de retroalimentación se introdujo en el ejemplo 14.3.1 en el que un cliente, que acaba de concluir su servicio en el nodo 2, retorno al nodo 1 con probabilidad p21. El cliente deja el sistema con probabilidad con 1 - p21. La ecuación (14.5) de equilibrio de flujo permite calcular la intensidad de llegada total a cada nodo y la probabilidad p21 se debe elegir de modo tal que las relaciones 1=1 y 2=2 sean menor que uno. Si 1 0 y p21 1 se comprenderá que los procesos de llegada no son procesos de Poisson. Rara vez llegará un nuevo cliente, pero una vez que ha ingresado al sistema circulará durante un tiempo relativamente largo. El número de circulaciones estará distribuido geométricamente y el tiempo entre llegadas es la suma de los dos tiempos de servicio; es decir, cuando en el sistema hay uno o más clientes, la velocidad de llegada a cada nodo será relativamente alta, mientras que si en el sistema no hay clientes la velocidad será muy baja. El proceso de llegada será en ráfagas. La situación es similar a la descomposición de una distribución exponencial en una suma ponderada de distribuciones de Erlang-k, con factores geométricos ponderados (véase el § 4.4). En lugar de considerar una distribución entre llegadas exponencial simple se puede descomponer esto en k fases (véase la figura 4.9) y considerar cada fase como una llegada. En consecuencia, el proceso de llegada ha sido transformado de un proceso de Poisson a un proceso con llegadas en ráfagas. Figura 14.3 Diagrama de transición de estado para la red de puesta en fila abierta que se ilustra en la figura 14.2. El diagrama no es reversible (133000) - 259 - Figura 14.4 Diagrama de transición de estado para dos sistemas de puesta en fila M/M/1 independientes con idéntica intensidad de llegada, pero tiempos medios de servicio individuales. El diagrama es reversible 14.3.1 Suposición de independencia de Kleinrock Si se considera una red de datos de vida real, los paquetes tendrán la misma longitud constante y, por tanto, el mismo tiempo de servicio en todos los enlaces y nodos de igual velocidad. La teoría de redes de puesta en fila supone que un paquete (un cliente) toma muestras de un nuevo tiempo de servicio en cada nodo. Esta es una suposición necesaria para la forma de producto. Kleinrock (1964 [65]), investigó por primera vez esta suposición y resultó ser una buena aproximación en la práctica. 14.4 Redes de puesta en fila de una sola cadena Se examinarán principalmente las probabilidades de estado definidas por p(i1, i2; . . . , ik, . . . , iK), donde ik es la cantidad de clientes en el nodo k (1 k K). Cuando se trata de sistemas abiertos, las operaciones son más sencillas de efectuar. Se resuelve primero la ecuación (14.5) de equilibrio de flujo y se obtiene la intensidad de llegada agregada a cada nodo (k). Mediante la combinación de las intensidades de llegada con la distribución del tiempo de servicio (k) se obtiene el tráfico ofrecido Ak en cada nodo y entonces, considerando el sistema de espera de Erlang, se obtienen las probabilidades de estado para cada nodo. 14.4.1 Algoritmo de convolución para una red de puesta en fila cerrada Cuando se tratan redes de puesta en fila cerradas las operaciones son mucho más complicadas. En este caso, solo se conoce la carga relativa en cada nodo y no la carga absoluta, es decir, se conoce c . j, pero no se conoce c. Se pueden obtener probabilidades de estado relativas no normalizadas. Por último, se obtiene la normalización de las probabilidades de estado. Lamentablemente, normalización implica que se deben sumar todas las probabilidades de estado, es decir se debe calcular cada una de las probabilidades de estado (no normalizadas). El número de estados aumenta rápidamente cuando se incrementa el número de nodos y/o clientes. En general, la complejidad es similar a la correspondiente a sistemas de pérdidas multidimensionales (véase el Capítulo 10). (133000) - 260 - Se puede mostrar ahora cómo se puede aplicar el algoritmo de convolución a las redes de puesta en fila. El mecanismo de la operación corresponde al algoritmo de convolución para sistemas con pérdidas (véase el Capítulo 10). Se considera una red de puesta en fila con K nodos y una sola cadena con S clientes. Se supone que los sistemas de puesta en fila en cada nodo son simétricos (véase el § 14.2). El algoritmo tiene tres pasos: • Paso 1. Sea la intensidad de llegada a un nodo arbitrario igual a uno y se obtiene entonces las intensidades relativas restantes k. Mediante la resolución de la ecuación (14.5) de equilibrio de flujo para la red cerrada se obtiene las velocidades de llegada relativas (k, 1 k K) para cada nodo. Por último, se obtiene el tráfico ofrecido relativo k = k/k. • Paso 2. Considérese cada nodo como si estuviera aislado y tuviera el tráfico ofrecido k (1 k K). Dependiendo del sistema de puesta en fila simétrico real en el nodo k, se extraen las probabilidades de estado relativas qk(i) en el nodo k. El espacio de estado estará limitado por la cantidad total de clientes S, es decir 0 i S. • Paso 3. Repliéguese recurrentemente las probabilidades de estado para cada nodo. Por ejemplo, para los primeros dos nodos se tienen: donde: Cuando todos los nodos han sido replegados se obtiene: En razón que la cantidad total de clientes es fija (S) sólo existe en el sistema combinado el estado q1,2. . . ,K(S) y, por tanto, este macroestado debe tener la probabilidad uno. Se pueden entonces normalizar todas las probabilidades de microestado. Cuando se efectúa la última convolución se pueden obtener las medidas de calidad de funcionamiento para el último nodo. Variando el orden de convolución de los nodos se pueden obtener las medidas de calidad de funcionamiento de todos ellos. (133000) - 261 - Figura 14.5 – Modelo máquina – Reparador como redes de puesta en fila cerradas con dos nodos. Los terminales corresponden a un nodo IS, en razón que las operaciones encuentran siempre un terminal en reposo, mientras que la CPU corresponde a un nodo M/M/1 Ejemplo 14.4.1: Modelo máquina – Reparador de Palm Se examinará ahora el modelo máquina – reparador de Palm introducido en el § 12.5 como red de fila de espera cerrada (véase la figura 14.5). Hay S clientes y terminales. El tiempo de activación medio es 1-1 y el tiempo de servicio medio en la CPU que es 2-1. En la terminología de redes de fila de espera hay dos nodos: En el nodo 1 están los terminales, es decir un sistema M/G/ (en realidad es un sistema M/G/S, pero en razón que la cantidad de clientes se limita a S, corresponde a un sistema M/G/), y el nodo 2 es la CPU, es decir un sistema M/M/1 con intensidad de servicio 2. Los flujos a los nodos son iguales (1 = 2 = ) y la carga relativa en el nodo 1 y nodo 2 son 1 = /1 y 2 = /2, respectivamente. Si se considera cada nodo por separado se obtienen las probabilidades de estado de cada uno de ellos, q1(i) y q2(j), y por convolución de q1(i) y q2(j) se obtiene q12(x), (0 x S), como se muestra en el cuadro 14.1. El último término con S clientes (probabilidad no normalizada) q12(S) está compuesto por: Por simple transposición resulta: donde La probabilidad de que todos los terminales estén "activados" se identifica con el ultimo término (normalizado por la suma) (S terminales en el nodo 1, cero terminales en el nodo 2): (133000) - 262 - que es la fórmula B de Erlang. Así, el resultado está de acuerdo con el obtenido en el § 12.5. Se observa que aparece con la misma potencia en todos los términos de q1,2(S) y así corresponde a una constante que desaparece cuando se normaliza. Cuadro 14.1 Algoritmo de convolución aplicado al modelo máquina – Reparador de Palm. El nodo 1 es un sistema IS mientras que el nodo 2 es un sistema M/M/1 (véase el ejemplo 14.4.1) Estado Nodo 1 Nodo 2 Red de puesta en fila i q1(i) q2(i) q12 = q1 * q2 Ejemplo 14.4.2: Servidor central En 1971 J.P. Buzen introdujo el modelo de servidor central que se ilustra en la figura 14.6 para modelar un sistema informático multiprogramado con una CPU y un número de canales de entrada/salida (unidades periféricas). El grado de multiprogramación S describe la cantidad de operaciones procesadas simultáneamente. El número de unidades periféricas se representa por K 1 como se muestra en la figura 14.6, que también indica las probabilidades de transición. Típicamente una operación requiere servicios cientos de veces, ya sea por la unidad central o bien por uno de los periféricos. Se supone que la operación una vez finalizada es inmediatamente remplazada por otra; por tanto S es constante. Los tiempos de servicios están todos distribuidos exponencialmente con intensidad i (i = 1, . . . ,K). Buzen formuló un esquema para evaluar este sistema. El esquema es un caso especial del algoritmo de convolución. Sea un caso con S = 4 clientes y K = 3 nodos, y: (133000) - 263 - Figura 14.6 – Sistema de puesta en fila de servidor central constituido por un servidor central (CPU) y (K1) canales de entrada/salida. En el sistema circula un número fijo de operaciones S Leyendas de la figura 14.6 1) S operaciones de circulación 2) Nuevas operaciones 3) Canales entrada/salida Las cargas relativas resultan: Si se aplica el algoritmo de convolución se obtienen los resultados que figuran en el cuadro 14.2. El término q123(4) está compuesto por: El nodo 3 sirve a los clientes en todos los estados con excepción del estado q3(0) . q12(4) = 5. La utilización del nodo 3 es por tanto a3 = 52/57. Basado en las cargas relativas se obtienen ahora las cargas exactas: El promedio del número de clientes en el nodo 3 es: Cambiando el orden de convolución se obtiene el promedio de longitudes de fila de espera L1 y L2 y concluye con: (133000) - 264 - Cuadro 14.2 – Algoritmo de convolución aplicado al sistema del servidor central Estado Nodo 1 Nodo 2 Nodo 1*2 Nodo 3 Red de puesta en fila i q1(i) q2(i) q12 = q1 * q2 q3 q123 = (q1 * q2) * q3 0 1 1 1 1 1 1 1 1 2 2 4 2 1 1 3 4 11 3 1 1 4 8 26 4 1 1 5 16 57 La suma de todos los promedios de longitudes de filas de espera es, por supuesto, igual al número de clientes S. Se debe señalar que en redes de puesta en fila se define la longitud de la fila de espera como la cantidad total de clientes en el nodo, incluidos los que están recibiendo un servicio. De los tiempos medios de servicio y de utilización se obtiene el promedio de número de clientes que concluyen el servicio por unidad de tiempo en cada nodo: Aplicando el resultado de Little se obtiene finalmente el tiempo medio de estado: Wk = Lk /k: 14.4.2 Algoritmo de valor medio El algoritmo de valor medio (MVA, mean value algorithm) es un mecanismo para calcular medidas de calidad de funcionamiento de redes de puesta en fila de espera. Combina de excelente manera dos resultados principales de la teoría de puesta en fila de espera: el teorema de llegada (§ 8.28) y la ley de Little (§ 5.20). El algoritmo fue publicado por primera vez por Lavenberg y Reiser (1980 [73]). En el mismo se considera una red de puesta en fila con K nodos y S clientes (todos pertenecientes a una sola cadena). Las cargas relativas de los nodos se simbolizan por k (k = 1, 2, . . . ,K). El algoritmo es recurrente en el número de clientes, es decir, una red con x clientes se evalúa a partir de una red con x1 clientes. Supóngase que el promedio de la cantidad de clientes en el nodo k es Lk(x) donde x es el número de clientes total en la red. Obviamente: (133000) - 265 - El algoritmo actúa recurrentemente en dos pasos: Paso 1: Aumentar el número de clientes de x a (x + 1). Conforme al teorema de llegada, el (x + 1)-ésimo cliente verá el sistema como si éste tuviera x clientes en equilibrio estadístico. Por tanto, el promedio de tiempo de ocupación (tiempo de espera, + tiempo en servicio) en el nodo k es: • Para M/M/1, M/G/1PS, M/G/1, y LCFSPR: • para M/G/: donde sk es el promedio del tiempo de servicio en el nodo k que tiene nk servidores. En razón que solo se calcula el tiempo medio de espera, se puede suponer el criterio de fila de espera FCFS. Paso 2: Se aplica la ley de Little (L = .W), que es válida para todos los sistemas en equilibrio estadístico. Para el nodo k se tiene Lk = k . Wk, donde k es la velocidad de llegada relativa al nodo k. Se tiene La constante c se obtiene del número total de clientes: Mediante estos dos pasos se ha efectuado la recursión de x a (x + 1) clientes. Para x = 1 no habrá tiempo de espera en el sistema y Wk(1) es igual al promedio del tiempo de servicio sk. El algoritmo MVA se indica a continuación para nodos de un solo servidor, pero es bastante sencillo generalizarlo a nodos con criterios de múltiples servidores, o bien infinitos servidores. Ejemplo 14.4.3: Modelo de servidor central Se aplica el algoritmo MVA al modelo de servidor central (véase el ejemplo 14.4.2). Las velocidades de llegada relativa son: (133000) - 266 - Nodo 1 Nodo 2 Nodo 3 Naturalmente, el resultado es idéntico al obtenido con el algoritmo de convolución. El tiempo de permanencia en cada nodo (utilizando la unidad de tiempo original) es el siguiente: W1(4) = 1,6154 . 28 = 45,23, W2(4) = 1,6154 . 40 = 64,62, W3(4) = 2,7693 . 280 = 775,38, Ejemplo 14.4.4: Algoritmo MVA aplicado al modelo máquina - reparador Se examina el modelo máquina - reparación con S fuentes, tiempo de activación del terminal A y tiempo de servicioCPU igual a una unidad de tiempo. Como se indicó en el § 12.5.2 esto es equivalente a un sistema de pérdidas de Erlang con S servidores y tráfico ofrecido A. Es también una red de puesta en fila cerrada con dos nodos y S clientes en una cadena. Si se aplica el algoritmo MVA a este sistema se obtendrá entonces la fórmula de recursión para la fórmula B de Erlang (véase el § 7.27). Las velocidades de visita relativa son idénticas, pues un cliente visita alternativamente el nodo 1 y el nodo 2: 1 = 2 = 1. Nodo 1 (133000) Nodo 2 - 267 - Se sabe que la longitud de la fila de espera en los terminales (nodo 1) es igual al tráfico transportado en el sistema B de Erlang equivalente y que todos los otros clientes se quedan en la CPU (nodo 2). Así tenemos en general: Nodo 1 Nodo 2 De esto se obtiene la constante de normalización c = 1 Ex(A) y se calcula para el (x+1)-ésimo cliente: pues se sabe que c = 1- Ex+1. Esta es la formula de recursión para la fórmula B de Erlang. 14.5 Redes de puesta en fila BCMP En 1975 el modelo de Jackson fue ulteriormente generalizado por Baskett, Chandy, Muntz y Palacios (1975 [4]). Se demostró que las redes de puesta en fila con más de un tipo de clientes también tienen forma de producto, siempre que: a) Cada nodo es un sistema de puesta en fila simétrico (véase el § 14.2: proceso de llegada de Poisson proceso de salida de Poisson). b) Los clientes se clasifican en N canales. Cada canal se caracteriza por su propio tiempo de servicio medio si y por las probabilidades de transición pij. Además, un cliente puede cambiar de un canal a otro con una determinada probabilidad después de haber terminado el servicio en un nodo. Si el criterio de puesta en fila en un nodo es M/M/n (incluido M/M/1) se aplica una restricción: el promedio del tiempo de servicio debe ser idéntico para todos los canales en un nodo. Las redes BCMP pueden ser evaluadas con el algoritmo de convolución multidimensional así como con el algoritmo MVA multidimensional. Estos dos algoritmos se describirán más adelante. Las redes de puesta en fila mixtas (abiertas y cerradas) se proyectan calculando primero la carga de tráfico en cada nodo de las cadenas abiertas. Este tráfico debe ser transportado para que entren en equilibrio estadístico. La capacidad de los nodos está reducida por este tráfico, y la red de puesta en fila cerrada se calcula por la capacidad reducida. Por tanto, el problema principal es calcular redes cerradas. Para ello, se utilizarán más algoritmos entre los cuales los más importantes son el algoritmo de convolución y el algoritmo MVA. (133000) - 268 - 14.6 Redes de puesta en fila multidimensionales En esta sección se estudiarán redes de puesta en fila con más de un tipo de clientes. Los clientes del mismo tipo pertenecen a una clase o canal específico. En el Capítulo 10 se analizaron sistemas de pérdidas con diversos tipos de clientes (servicios) y se observó que se mantuvo la forma de producto y que se podía aplicar el algoritmo de convolución. 14.6.1 Sistema de puesta en fila de un solo servidor M/M/1 Figura 14.7 – Sistema de puesta en fila M/M/1 con dos tipos (de cadenas) de clientes La figura 14.7 ilustra un sistema de puesta en fila de un solo servidor con N = 2 tipos de clientes (cadenas). Los clientes llegan al sistema conforme a un proceso de llegada de Poisson con intensidad j (j = 1, 2). El estado (i, j) se define como un estado con i clientes tipo 1 y j clientes tipo 2. La intensidad de servicio i,j en el estado (i, j) se puede seleccionar pues ésta depende del estado, por ejemplo: La velocidad del servicio se puede interpretar de diversas maneras conforme al sistema simétrico de puesta en fila de un solo servidor. Una interpretación corresponde a la compartición del procesador, es decir, todos los (i + j) clientes comparten el servidor y la capacidad de éste es constante. La dependencia del estado es debida a la diferencia en velocidades de servicio entre los dos tipos de clientes; es decir, el número de clientes que ha terminado su operación por unidad de tiempo depende de los tipos de clientes a los que se le está dando servicio. Otra interpretación corresponde a un sistema M/M/1. Si se supone 1 = 2, se puede determinar que el cliente se le da servicio con probabilidad i/(i+j) de tipo 1, y con probabilidad j/(i+j) de tipo 2. Esto es independiente del criterio de servicio. (133000) - 269 - Figura 14.8 – Diagrama de transición de estado para un sistema M/M/1 multidimensional con compartición de procesador En la figura 14.8 se ilustra parte del diagrama de transición de estado. El diagrama es reversible, pues el flujo que circula en sentido horario es igual al flujo que circula en sentido antihorario. Por lo tanto, hay equilibrio local y todas las probabilidades de estado se pueden expresar por p(0, 0): Normalizando la expresión se tiene que p(0, 0): En comparación con la fórmula B de Erlang multidimensional se tiene ahora el factor adicional (i+j)!. El producto entre cadenas (dentro de un nodo) se pierde, pero el producto entre nodos se mantendrá aún. Si hay N tipos de clientes (cadenas) diferentes, las probabilidades de estado para un solo nodo resulta: Esto se puede expresar por la distribución polinómica (4.37): (133000) - 270 - Para un número ilimitado de posiciones de puesta en fila las probabilidades de estado del número total de clientes son: Si i = , el sistema es idéntico a un sistema M/M/1 con velocidad de llegada = i i: Para obtener este resultado se utiliza la expansión binomial. El diagrama de transición de estado de la figura 14.8 también se puede interpretar como el diagrama de transición de estado de un sistema M/G/1, LCFS-PR (con derecho prioritario). Es obvio que este sistema sea reversible pues el proceso sigue exactamente el mismo trayecto en el diagrama de transición de estado fuera del estado cero y retorno a dicho estado. El diagrama de transición de estado se puede mostrar diferente a la distribución del tiempo de servicio, de modo que es válido para el sistema de puesta en fila M/G/1. La figura 14.8 corresponde a un diagrama de transición de estado para un sistema de puesta en fila de un solo servidor con tiempos de servicios distribuidos hiperexponencialmente (véase (10.7)), por ejemplo M/H2/1-LCFSPR o PS. Cabe señalar que para el sistema M/M/1 (FCFS, LCFS, SIRO) es necesario suponer que todos los clientes tienen el mismo tiempo medio de servicio, que debe estar distribuido en forma exponencial. De otro modo, el cliente a quien se le está dando servicio no será del tipo aleatorio que se encuentra entre los (i + j) clientes en el sistema. En conclusión, los sistemas de puesta en fila de un solo servidor con más tipos de clientes sólo tendrá forma de producto cuando el nodo es un sistema de puesta en fila simétrico: M/G/1-PS, M/G/1-LCFS PR, o M/M/1 con el mismo tiempo de servicio para todos los clientes. 14.6.2 Sistema de puesta en fila M/M/n El tráfico anterior se puede transportar a través de un sistema con n servidores. Para (i + j) n se tiene las mismas probabilidades de estado relativas que para la fórmula B de Erlang multidimensional. Para (i + j) > n sólo se obtiene una interpretación simple cuando i = , es decir, cuando todos los tipos de clientes (cadenas) tienen el mismo tiempo medio de ocupación. Se calcula entonces las probabilidades de estado aplicando la ecuación (14.1), y el sistema tiene forma de producto. El sistema M/M/ se puede considerar como un caso especial de M/M/n y ya ha sido tratado en relación con sistemas de pérdidas (véase el Capítulo 12). 14.7 Redes cerradas de puesta en fila con múltiples cadenas El tratamiento de redes de puesta en fila con múltiples cadenas es análogo al caso con una sola cadena. La única diferencia es que las fórmulas y algoritmos clásicos están reemplazados por las fórmulas multidimensionales pertinentes. (133000) - 271 - 14.7.1 Algoritmo de convolución El algoritmo es esencialmente el mismo que en el caso de una sola cadena: • Paso 1. Considérese cada canal como si fuera el único de la red. Obténgase la carga relativa en cada nodo resolviendo la ecuación (14.5) de equilibrio de flujo. En un nodo de referencia arbitrario se supone que la carga es igual a uno. Para cada cadena se puede determinar un nodo diferente como nodo de referencia. Para la cadena j en el nodo k se obtiene la intensidad de llegada relativa kj (el índice superior indica la cadena) mediante la siguiente expresión: donde: K = cantidad de nodos, N = cantidad de cadenas, pikj = probabilidad que un cliente de la cadena j pase del nodo i al nodo k. Se determina un nodo arbitrario como nodo de referencia, por ejemplo nodo 1, es decir 1j = 1. La carga relativa en el nodo k debido a clientes de la cadena j es entonces: donde skj es el tiempo medio de servicio en el nodo k para clientes de la cadena j. Cabe señalar que j es un índice superior y no una potencia. • Paso 2. Basado en las cargas relativas halladas en el paso 1, obténganse las probabilidades de estado multidimensionales para cada nodo. Cada nodo se considera aislado y se corta el espacio del estado conforme al número de clientes en cada cadena. Por ejemplo para el nodo k (1 k K): pk = pk(i1, i2, . . . ,iN), 0 ij Sj, j = 1, 2, . . . N, donde Sj es el número de clientes en la cadena j. • Paso 3. Para hallar las probabilidades de estado de toda la red, las probabilidades de estado de cada nodo se plantean de forma similar al caso de una sola cadena. La única diferencia es que la convolución es multidimensional. Cuando se efectúa la última convolución se pueden obtener las medidas de calidad de funcionamiento desde la última cadena. Nuevamente, al cambiar el orden de los nodos, se pueden obtener las medidas de calidad de funcionamiento de todos los nodos. La cantidad de estados aumenta rápidamente. Por ejemplo, si la cadena j tiene Sj, el número total de estados en cada nodo será: La cantidad de modos en que N cadenas con Sj clientes en la cadena j pueden ser distribuidos en una red de puesta en fila con K nodos se calcula con la siguiente expresión: (133000) - 272 - donde kj (1 kj < k) es el número de nodos visitados por la cadena j y: El algoritmo se ilustra mejor con un ejemplo. Ejemplo 14.7.1: Modelo máquina – reparador de Palm con dos tipos de clientes Como se vio en el ejemplo 14.4.1, este sistema se puede modelar con una red de puesta en fila con dos nodos. El nodo 1 corresponde a los terminales (máquinas) mientras que el nodo 2 es la CPU (reparador). El nodo 2 es un sistema de servidor único mientras que el nodo 1 está modelado como sistema de servidor infinito. El número de clientes en las cadenas son (S1 = 2; S2 = 3) y el tiempo medio de servicio en el nodo k es skj . La carga relativa de la cadena 1 se representa por 1 en el nodo 1 y por 2 en el nodo 2. En forma similar, la carga de la cadena 2 se simboliza por 1 y 2, respectivamente. Aplicando el algoritmo de convolución se tiene: • • Paso 1. Cadena 1: S1 = 2 clientes Carga relativa: 2 = 1. s11 , Cadena 2: S2 = 3 clientes Carga relativa: 1 = 2 . s12 , 2 = 1 . s12 . 2 = 2 . s22 . Paso 2. Para el nodo 1 (IS) las probabilidades de estado relativas son (véase 14.1): (133000) - 273 - Para el nodo 2 (servidor único) (véase 14.15) resulta: • Paso 3. Se ponen los dos nodos en convolución. Se sabe que el número total de clientes es (2, 3), es decir, sólo hay interés en el estado (2, 3): Utilizando los valores reales se tiene: Se debe señalar que 1 y 2 juntos (cadena 1) siempre aparecen en la segunda potencia mientras que 1 y 2 (cadena 2) aparecen en la tercera potencia correspondiente al número de clientes en cada cadena. Debido a esto, sólo las cargas relativas son pertinentes, y las probabilidades absolutas se obtienen por proceso de normalización dividiendo todos los términos por q12(2, 3). Las probabilidades de estado detalladas son ahora fáciles de obtener. Sólo en el estado con el término ( 12 . 13 )/12 está la CPU (reparador) inactiva. Si los dos tipos de clientes son idénticos el ejemplo se simplifica al modelo de máquina - reparador de Palm con cinco terminales. En este caso se tiene: (133000) - 274 - Si 1 = 1 = y 2 = 2 = 1, resulta: es decir, se espera la fórmula B de Erlang. 14.8 Otros algoritmos para redes de puesta en fila El algoritmo MVA es también aplicable a redes de puesta en fila con más cadenas, pero no se describirá en el presente Manual. Durante el último decenio se han publicado diversos algoritmos. Un panorama general se puede encontrar en (Conway y Georganas, 1989 [16]). En general, los algoritmos exactos no son aplicables para redes amplias. Por tanto, se han elaborado muchos algoritmos aproximados para ser aplicados en redes de puesta en fila de dimensiones realistas. 14.9 Complejidad Las redes de puesta en fila tienen la misma complejidad que las redes de circuito conmutados con encaminamiento directo (véase el § 11.5 y el cuadro 11.1). El espacio de estado de la red que figura en el cuadro 14.3 tiene el siguiente número de estados para cada nodo: El caso más desfavorable se produce cuando cada cadena está constituido por un cliente. El número de estado entonces resulta 2S, donde S es el número de cliente. Cuadro 14.3 – Parámetros de una red de puesta en fila con N cadenas, K nodos y i Si clientes. El parámetro jk indica la carga de la cadena j en el nodo k (véase el cuadro 11.1) Cadena 14.10 Nodo Dimensión de la población Atribución de la capacidad óptima Se considera ahora un sistema de transmisión de datos con K nodos, que son sistemas independientes de puesta en fila de un solo servidor M/M/1 (sistema de demora de Erlang con un servidor). El proceso de llegada al nodo k es un proceso de Poisson con mensajes de intensidad k (133000) - 275 - (clientes) por unidad de tiempo, y el tamaño del mensaje está distribuido exponencialmente con el valor medio 1/k [bits]. La capacidad del nodo k es k [bits por unidad de tiempo]. Se introduce en la capacidad total la restricción lineal siguiente: Para cada atribución de capacidad que satisface la ecuación (14.21), se tiene el tiempo medio de permanencia (promedio de llamada) siguiente (véase el § 12.4.1, combinación en paralelo): donde: Definiendo: se obtiene la ley de Kleinrock para atribución de capacidad óptima (Kleinrock, 1964 [65]). Teorema 14.2 ley de las raíces cuadradas de Kleinrock: La atribución de capacidad óptima que reduce T al mínimo (y así el número total de mensajes en todos los nodos) es: con la condición que: Con esta atribución óptima resulta: En esta expresión se indica que a todos los nodos se atribuye primero la capacidad mínima necesaria i/i. La capacidad restante: se atribuye entre los nodos en forma proporcional a la raíz cuadrada del flujo medio k/k. (133000) - 276 - Esto se puede determinar introduciendo el multiplicador de Lagrange y considerar: El valor mínimo de G se obtiene calculando k conforme a la ecuación (14.26). Si todos los mensajes tienen el mismo valor medio k=, (se puede considerar entonces diferentes costos en los nodos conforme a la restricción que se disponga de un monto fijo (Kleinrock, 1964 [65]). (133000) - 277 - (133000) - 278 - BIBLIOGRAFÍA [1] Abate, J. & Whitt, W. (1997): Limits and approximations for the M/G/1 LIFO waitingtime distribution. Operations Research Letters, Vol. 20 (1997): 5, 199206. [2] Andersen, B. & Hansen, N.H. & og Iversen, V.B. (1971): Use of minicomputer for telephone traffic measurements. Teleteknik (Edición inglesa) Vol. 15 (1971): 2, 3346. [3] Ash, G.R. (1998): Dynamic routing in telecommunications networks. McGraw-Hill 1998. 746 pp. [4] Baskett, F. & Chandy, K.M. & Muntz, R.R. & Palacios, F.G. (1975): Open, Closed and Mixed Networks of Queues with Different Classes of Customers. Journ. of the ACM, abril 1975, pp. 248260. (BCMP queueing networks). [5] Bear, D. (1988): Principles of telecommunication traffic engineering. Revised 3rd Edition. Peter Peregrinus Ltd, Stevenage 1988. 250 pp. [6] Bech, N.I. (1954): Metode til Beregning af Spærring i Alternativ Trunking- og Graderingssystemer. Teleteknik, Vol. 5 (1954) : 4, pp. 435448. [7] Bolotin, V.A. (1994): Telephone circuit holding time distributions. ITC 14, 14th International Teletraffic Congress. Antibes Juan-les-Pins, France, junio 6-10. 1994. Proceedings pp. 125134. Elsevier 1994. [8] Boots, N.K. & Tijms, H. (1999): A multiserver queueing system with impatient customers. Management Science, Vol. 45 (1999) : 3, 444448. [9] Bretschneider, G. (1956): Bie Berechnung von Leitungsgruppen für überfließenden Verkehr. Nachrichtentechnische Zeitschrift, NTZ, Vol. 9 (1956) : 11, 533540. [10] Bretschneider, G. (1973): Extension of the equivalent random method to smooth traffics. ITC7, Seventh International Teletraffic Congress, Estocolmo, junio 1973. Paper 411. 9 pp. [11] Brockmeyer, E. (1954): The simple overffow problem in the theory of telephone traffic. Teleteknik 1954, pp. 361-374. En Danés. Traducido al inglés por la Copenhagen Telephone Company, abril 1955. 15 pp. [12] Brockmeyer, E. & Halstrøm, H.L. & Jensen, Arne (1948): The life and works of A.K. Erlang. Transactions of the Danish Academy of Technical Sciences, 1948, No. 2, 277 pp. Copenhague 1948. [13] Burke, P.J. (1956): The Output of a Queueing System. Operations Research, Vol. 4 (1956), 699704. [14] Christensen, P.V. (1914): The number of selectors in automatic telephone systems. The Post Office Electrical Engineers Journal, Vol. 7 (1914) 271-281. [15] Cobham, A. (1954): Priority assignment in waiting line problems. Operations Research, Vol. 2 (1954), 7076. [16] Conway, A.E. & Georganas, N.D. (1989): Queueing Networks - Exact Computational Algorithms: A Unified Theory Based on Decomposition and Aggregation. The MIT Press 1989. 234 pp. [17] Cooper, R.B. (1972): Introduction to Queueing Theory. Nueva York 1972. 277 pp. [18] Cox, D.R. (1955): A Use of Complex Probabilities in the Theory of Stochastic Processes. Proc. Camb. Phil. Soc., Vol. 51 (1955), pp. 313319. (133000) - 279 - [19] Cox, D.R. & Miller, H.D. (1965): The Theory of Stochastic Processes. Methuen & Co. Londres 1965. 398 pp. [20] Cox, D.R.& Isham, V. (1980): Point Processes. Chapman and Hall. 1980. 188 pp. [21] Crommelin, C.D. (1932): Delay Probability Formulae When the Holding Times are Constant. Post Office Electrical Engineers Journal, Vol. 25 (1932), pp. 4150. [22] Crommelin, C.D. (1934): Delay Probability Formulae. Post Office Electrical Engineers Journal, Vol. 26 (1934), pp. 266274. [23] Delbrouck, L.E.N. (1983): On the steadystate distribution in a service facility carrying mixtures of traffic with different peakedness factor and capacity requirements. IEEE Transactions on Communications, Vol. COM-31 (1983): 11, 12091211. [24] Dickmeiss, A. & Larsen, M. (1993): Spærringsberegninger i telenet. Master's thesis. Institut for Telekommunikation, Danmarks Tekniske Højskole, 1993. 141 pp. [25] Eilon, S. (1969): A simpler proof of L = λW. Operations Research, Vol. 17 (1969), pp. 915917. [26] Elldin, A., and G. Lind (1964): Elementary Telephone Traffic Theory. Chapter 4. L.M. Ericsson AB, Estocolmo 1964. 46 pp. [27] Engset, T.O. (1918): Die Wahrscheinlichkeitsrechnung zur Bestimmung der Wählerzahl in automatischen Fernsprechämtern. Elektrotechnische Zeitschrift, 1918, Heft 31. Traducido al inglés por Telektronikk (Noruega), junio 1991, 4pp. [28] Eslamdoust, C. (1995): Design of large communication networks. Master's thesis. Department of Telecommunication, Technical University of Denmark, 1995. 108 + 133 pp. [29] Feller, W. (1950): An introduction to probability theory and its applications. Vol. 1, Nueva York 1950. 461 pp. [30] Fortet, R. & Grandjean, Ch. (1964): Congestion in a loss system when some calls want several devices simultaneously. Electrical Communications, Vol. 39 (1964) : 4, 513526. Documento presentado al ITC4, Cuarto Congreso Internacional de Teletráfico, Londres, Inglaterra 1521 julio 1964. [31] Fredericks, A.A. (1980): Congestion in blocking systems a simple approximation technique. The Bell System Technical Journal, Vol. 59 (1980): 6, 805827. [32] Fry, T.C. (1928): Probability and its engineering uses. Nueva York 1928, 470 pp. [33] Gordon, W.J, and & Newell, G.F. (1967): Closed queueing systems with exponential servers. Operations Research, Vol. 15 (1967), pp. 254265. [34] Grillo, D. & Skoog, R.A. & Chia, S. & Leung, K.K. (1998): Teletraffic engineering for mobile personal communications in ITUT work: the need to match theory to practice. IEEE Personal Communications, Vol. 5 (1998): 6, 3858. [35] Hayward, W.S. Jr. (1952): The reliability of telephone traffic load measurements by switch counts. The Bell System Technical Journal, Vol. 31 (1952): 2, 357377. [36] ITU-T (UIT-T) (1993): Unidad de intensidad de tráfico. Recomendación UIT-T B.18. 1993. 1 p. [37] Iversen, V.B. (1973): Analysis of real teletraffic processes based on computerized measurements. Ericsson Technics, No. 1, 1973, pp. 164. "Holbæk measurements". (133000) - 280 - [38] Iversen, V.B. (1976): On the accuracy in measurements of time intervals and traffic intensities with application to teletraffic and simulation. Ph.D.thesis. IMSOR, Technical University of Denmark 1976. 202 pp. [39] Iversen, V.B. (1976): On General Point Processes in Teletraffic Theory with Applications to Measurements and Simulation. ITC-8, Eighth International Teletraffic Congress, paper 312/18. Melbourne 1976. Publicado en Teleteknik (Edición inglesa) 1977 : 2, pp. 5970. [40] Iversen, V.B. (1980): The A-formula. Teleteknik (Edición inglesa), Vol. 23 (1980) : 2, 6479. [41] Iversen, V.B. (1982): Exact Calculation of Waiting Time Distributions in Queueing Systems with Constant Holding Times. Fjerde Nordiske Teletrafik Seminar (NTS-4), Fourth Nordic Teletraffic Seminar, Helsinki 1982. 31 pp. [42] Iversen, V.B. (1987): The exact evaluation of multiservice loss system with access control. Teleteknik, Edición inglesa, Vol 31 (1987) : 2, 56-61. NTS7, Seventh Nordic Teletraffic Seminar, Lund, Suecia, 2527 de agosto, 1987, 22 pp. [43] Iversen, V.B. & Nielsen, B.F. (1985): Some properties of Coxian distributions with applications, pp. 6166 in Proceedings of the International Conference on Modelling Techniques and Tools for Performance Analysis. 5-7 de junio, 1985, Valbonne, Francia. NorthHolland Publ. Co. 1985. 365 pp. (Editor N. Abu El Ata). [44] Iversen, V.B. & Stepanov, S.N. (1997): The usage of convolution algorithm with truncation for estimation of individual blocking probabilities in circuit-switched telecommunication networks. Proceedings of the 15th International Teletraffic Congress, ITC 15, Washington, DC, USA, 22-27 de junio 1997. 13271336. [45] Iversen, V.B. & Sanders, B. (2001): Engset formulæ with continuous parameters theory and applications. AEÜ, International Journal of Electronics and Communications, Vol. 55 (2001): 1, 3-9. [46] Jackson, J.R. (1957): Networks of waiting lines. Operations Research, Vol. 5 (1957), pp. 518521. [47] Jackson, J.R. (1963): Jobshop-like queueing systems. Management Science, Vol. 10 (1963), No. 1, pp. 131142. [48] Jensen, Arne (1948): An Elucidation of A.K. Erlang's Statistical Works through the Theory of Stochastic Processes. Published in "The Erlangbook": E. Brockmeyer, H.L. Halstrøm and A. Jensen: The Life and Works of A.K. Erlang. København 1948, pp. 23100. [49] Jensen, Arne (1948): Truncated multidimensional distributions. Pages 5870 in "The Life and Works of A.K. Erlang". Ref. Brockmeyer et al., 1948. [50] Jensen, Arne (1950): Moe's Principle An econometric investigation intended as an aid in dimensioning and managing telephone plant. Theory and Tables. Copenhague 1950. 165 pp. [51] Jerkins, J.L. & Neidhardt, A.L. & Wang, J.L. & Erramilli A. (1999): Operations measurement for engineering support of high-speed networks with self-similar traffic. ITC-16, 16th International Teletraffic Congress, Edinburgo, 7-11 de junio, 1999. Proceedings pp. 895906. Elsevier 1999. [52] Johannsen, Fr. (1908): "Busy". Copenhague 1908. 4 pp. (133000) - 281 - [53] Johansen, K. & Johansen, J. & Rasmussen, C. (1991): The broadband multiplexer, "transMux 1001". Teleteknik, Edición inglesa, Vol. 34 (1991) : 1, 5765. [54] Joys, L.A.: Variations of the Erlang, Engset and Jacobæus Formulæ, Proceedings of the Fifth International Teletraffic Congress (ITC-5), Nueva York, USA, 1967, 107111. También publicado en: Teleteknik, (Edición inglesa), 11 (1967), No. 1, 4248. [55] Joys, L.A. (1968): Engsets Formler for Sannsynlighetstetthet og dens Rekursionsformler. (Fórmulas de Engset para probabilidad y sus fórmulas recursivas, en noruego). Telektronikk 1968 No 12, pp. 5463. [56] Joys, L.A. (1971): Comments on the Engset and Erlang formulae for telephone traffic losses. Thesis. Report TF No. 25,/71, Research Establishment, The Norwegian Telecommunications Administration. 1971. 127 pp. [57] Karlsson, S.A. (1937): Tekniska anordninger fö samtalsdebitering enligt tid. Helsingfors Telefonförening, Tekniska Meddelanden 1937, No. 2, pp. 3248. [58] Kaufman, J.S. (1981): Blocking in a shared resource environment. IEEE Transactions on Communications, Vol. COM-29 (1981) : 10, 14741481. [59] Keilson, J. (1966): The ergodic queue length distribution for queueing systems with finite capacity. Journal of Royal Statistical Society, Series B, Vol. 28 (1966), 190201. [60] Kelly, F.P. (1979): Reversibility and Stochastic Networks. John Wiley & Sons, 1979. 230 pp. [61] Kendall, D.G. (1951): Some problems in the theory of queues. Journal of Royal Statistical Society, Series B, Vol. 13 (1951) : 2, 151173. [62] Kendall, D.G. (1953): Stochastic processes occuring in the theory of queues and their analysis by the method of the imbedded Markov chain. Ann. Math. Stat., Vol. 24 (1953), 338354. [63] Khintchine, A.Y. (1955): Mathematical Methods in the Theory of Queueing. Londres 1960. 124 pp. (Original en Ruso, 1955). [64] Kingman, J.F.C. (1969): Markov population processes. J. Appl. Prob., Vol. 6 (1969), 118. [65] Kleinrock, L. (1964): Communication Nets: Stochastic Message Flow and Delay. McGrawHill 1964. Reimpreso por Dover Publications 1972. 209 pp. [66] Kleinrock, L. (1975): Queueing Systems. Vol. I: Theory. Nueva York 1975. 417 pp. [67] Kleinrock, L. (1976): Queueing Systems. Vol. II: Computer Applications. Nueva York 1976. 549 pp. [68] Kosten, L. (1937): Über Sperrungswahrscheinlichkeiten bei Staffelschaltungen. Elek. Nachr. Techn., Vol. 14 (1937) 512. [69] Kraimeche, B. & Schwartz, M. (1983): Circuit Access Control Strategies in integrated digital networks. IEEE INFOCOM, 9-12 de abril, 1984, San Francisco, USA, Proceedings pp. 230235. [70] Kruithof, J. (1937): Telefoonverkehrsrekening. De Ingenieur, Vol. 52 (1937) : E15E25. [71] Kuczura, A. (1973): The interrupted Poisson process as anflover ow process. The Bell System Technical Journal, Vol. 52 (1973) : 3, pp. 437448. (133000) - 282 - [72] Kuczura, A. (1977): A method of moments for the analysis of a switched communication network's performance. IEEE Transactions on Communications, Vol. Com25 (1977): 2, 185193. [73] Lavenberg, S.S. & Reiser, M. (1980): Meanvalue analysis of closed multichain queueing networks. Journal of the Association for Computing Machinery, Vol. 27 (1980): 2, 313322. [74] Lind, G. (1976): Studies on the probability of a called subscriber being busy. ITC8, Melbourne, noviembre de 1976. Paper 631. 8 pp. [75] ListovSaabye, H. & Iversen V.B. (1989): ATMOS, a PCbased tool for evaluating multiservice telephone systems. IMSOR, Technical University of Denmark 1989, 75 pp. (en danés). [76] Little, J.D.C. (1961): A proof for the queueing formula L = λW. Operations Research, Vol. 9 (1961) : 383387. [77] Maral, G. (1995): VSAT Networks. John Wiley & Sons, 1995. 282 pp. [78] Marchal, W.G. (1976): An approximate formula for waiting time in single server queues. AIIE Transactions, diciembre de 1976, 473474. [79] Nguyen, Than-Bang: Trafikplanlægningssystemet TES under Windows. Master's thesis. Department of Telecommunication, Technical University of Denmark 1995. 74 + 93 pp. [80] Palm, C. (1941): Mättnoggrannhet vid bestämning af trafikmängd enligt genomsökningsförfarandet (Exactitud de las mediciones en la determinación de volúmenes de tráfico por el método de barrido). Tekn. Medd. K. Telegr. Styr., 1941, No. 79, pp. 97115. [81] Palm, C. (1943): Intensitätsschwankungen im Fernsprechverkehr. Ericsson Technics, No. 44, 1943, 189 pp. Traducción al inglés por Chr. Jacobæus: Intensity Variations in Telephone Traffic. NorthHolland Publ. Co. 1987. [82] Palm, C. (1947): The assignment of workers in servicing automatic machines. Journal of Industrial Engineering, Vol. 9 (1958) : 2842. Primera publicación en Suecia en 1947. [83] Palm, C. (1947): Table of the Erlang Loss Formula. Telefonaktiebolaget L M Ericsson, Estocolmo 1947. 23 pp. [84] Palm, C. (1957): Some propositions regarding flat and steep distribution functions, pp. 317 in TELE (Edición inglesa), No. 1, 1957. [85] Pinsky, E. & Conway, A.E. (1992): Computational algorithms for blocking probabilities in circuitswitched networks. Annals of Operations Research, Vol. 35 (1992) 3141. [86] PostigoBoix, M. & GarcíaHaro, J. & Aguilar-Igartua, M. (2001): IMA: technical foundations, application and performance analysis. Computer Networks, Vol. 35 (2001) 165183. [87] Press, W.H. & Teukolsky, S.A. & Vetterling, W.T. & Flannery, B.P. (1995): Numerical recipes in C, the art of scientific computing. 2nd edition. Cambridge University Press, 1995. 994 pp. [88] Rabe, F.W. (1949): Variations of telephone traffic. Electrical Communications, Vol. 26 (1949) 243248. [89] Riordan, J. (1956): Derivation of moments of overflow traffic. Appendix 1 (pp. 507514) in (Wilkinson, 1956 [104]). (133000) - 283 - [90] Roberts, J.W. (1981): A service system with heterogeneous user requirements applications to multiservice telecommunication systems. Pages 423431 in Performance of data communication systems and their applications. G. Pujolle (editor), NorthHolland Publ. Co. 1981. [91] Roberts, J.W. (2001): Traffic theory and the Internet. IEEE Communications Magazine Vol. 39 (2001) : 1, 9499. [92] Ross, K.W. & Tsang, D. (1990): Teletraffic engineering for productform circuitswitched networks. Adv. Appl. Prob., Vol. 22 (1990) 657675. [93] Ross, K.W. & Tsang, D. (1990): Algorithms to determine exact blocking probabilities for multirate tree networks. IEEE Transactions on Communications. Vol. 38 (1990) : 8, 12661271. [94] Rönnblom, N. (1958): Traffic loss of a circuit group consisting of bothway circuits which is accessible for the internal and external traffic of a subscriber group. TELE (Edición inglesa), 1959: 2, 7992. [95] Sanders, B. & Haemers, W.H. & Wilcke, R. (1983): Simple approximate techniques for congestion functions for smooth and peaked traffic. ITC10, Tenth International Teletraffic Congress, Montreal, junio de 1983. Paper 4.4b1. 7 pp. [96] Stepanov, S.S. (1989): Optimization of numerical estimation of characteristics of multiflow models with repeated calls. Problems of Information Transmission, Vol. 25 (1989): 2, 6778. [97] Sutton, D.J. (1980): The application of reversible Markovp opulation processes to teletraffic. A.T.R. Vol. 13 (1980): 2, 38. [98] Techguide (2001): Inverse Multiplexing scalable bandwidth solutions for the WAN. Techguide (The Technologu Guide Series), 2001, 46 pp. <www.techguide.com> [99] Vaulot, É. & Chaveau, J. (1949): Extension de la formule d'Erlang au cas ou le traffic est fonction du nombre d'abonnés occupés. Annales de Télécommunications, Vol. 4 (1949) 319324. [100] Veirø, B. (2002): Proposed Grade of Service chapter for handbook. Comisión de Estudio 2 del UIT-T, GT 3/2. Septiembre de 2001. 5 páginas. [101] Villén, M. (2002): Overview of ITU Recommendations on traffic engineering. UITT Comisión de Estudio 2, COM 2-KS 48/2-E. Mayo de 2002. 21 pp. [102] Wallström, B. (1964): A distribution model for telephone traffic with varying call intensity, including overflow traffic. Ericsson Technics, 1964, No. 2, pp. 183202. [103] Wallström, B. (1966): Congestion studies in telephone systems with overflow facilities. Ericsson Technics, No. 3, 1966, pp. 187351. [104] Wilkinson, R.I. (1956): Theories for toll traffic engineering in the U.S.A. The Bell System Technical Journal, Vol. 35 (1956) 421514. (133000)