Teoria de Filas e Sistemas de Comunicação - UERJ

Faculdade de Engenharia
Departamento de Engenharia Eletrônica

e Telecomunicações
Teoria de Filas e Sistemas de

Comunicação
Prof. Gil Pinheiro

(revisão: Outubro/2013)
Rev.: Out - 2013
1
1
Prof. Gil Pinheiro DETEL – Depto. de Engenharia Eletrônica e Telecomunicações
Programa
• Revisão de Probabilidade e Estatística
• Processos Estocásticos
• Teoria de Filas
• Os Sistemas de Filas M/M/1, M/M/m,
M/M/m/B, M/M/m/m, M/M/1/B, M/M/,
M/M/N/N/K, M/G/1
• Noções de Engenharia de Tráfego
Rev.: Out - 2013
• Redes de Filas
2
2
Revisão de Probabilidade e
Estatística
Rev.: Out - 2013
3
3
Variável Aleatória
• r é um evento no Espaço
Amostral S, r  S Espaço Amostral
• x é a probabilidade associada ao S
evento r, onde x é um número r
real (x  R) e x  [0 , 1]
• A Variável Aleatória X mapeia os X(r)
eventos de S em x, assim: X(r) = x x
x
• Assim X tem uma distribuição de 0 1
probabilidade na reta dos reais
(x  R)
• Função de Distribuição de Probabilidade (FDP):
A FDP de uma variável aleatória X, também conhecida como Função
Rev.: Out - 2013
de Distribuição Cumulativa é: F(x) = P[X  x] = Prob[r : X(r)  x ]
4
4
Cálculo da Probabilidade
• Uma variável aleatória contínua X é descrita através de sua função
distribuição de probabilidade F(x) ou sua função densidade de
probabilidade f(x)
• Função Distribuição de Probabilidade:
Pr[X  x] = F(x) , onde: F(-) = 0 e F() = 1
• Função Densidade de Probabilidade:

x +
dF ( x)
f ( x)  então: F(x) = f(y) dy Sendo: f(y) dy = 1
dx - -
Rev.: Out - 2013
5
5
Processos Estocásticos
Rev.: Out - 2013
6
6
Processo Estocástico
• Processo Estocástico: função ou seqüência aleatória
tempo-dependente
• Seja, por exemplo, n(t) a quantidade de pacotes trafegando
em uma rede de computadores no instante t
• n(t) é uma Variável Aleatória
• n(t) pode ser descrita através de uma Função Distribuição
de Probabilidade
• O tempo de espera, w(t), em uma fila também é uma
Variável Aleatória
Rev.: Out - 2013
7
7
Processos Contínuos e Discretos
• Processo de Estados Discretos
Número de estados possíveis de um sistema é uma quantidade finita,
ou contável. Também conhecido como Cadeia Estocástica. Ex.:
quantidade de pessoas numa fila, quantidade de celulares conectados
a uma ERB
• Processo de Estados Contínuos
Número de estados possíveis de um sistema é uma quantidade infinita,
ou não contável. Ex.: tempo de conexão de um aparelho telefônico,
tempo de espera numa fila
Rev.: Out - 2013
8
8
Processos de Markov
• É um Processo Estocástico onde:
– Os estados futuros do processo são independentes dos estados
passados e dependentes apenas do presente
• Para analisar um Processo de Markov não é necessário
conhecer toda a trajetória de estados passados, apenas
o estado anterior (o sistema não possui memória)
• Nome em homenagem a A.A.Markov, que em 1907
definiu e analisou esses processos
• Um Processo de Markov de estados discretos é
chamado Cadeia de Markov
• Aplicação: modelagem de Sistemas de Filas
Rev.: Out - 2013
9
9
Processos de Nascimento e Morte
• São Cadeias de Markov onde as transições de estado são
restritas a estados vizinhos apenas
• É possível representar o estado através de um número
inteiro
• Exemplo:
nascimento ou chegada
Estado
(pessoas 0 1 2  n-1 n n+1 
na fila)
Rev.: Out - 2013
morte ou partida
10
10
Teoria de Filas
Rev.: Out - 2013
11
11
Teoria de Filas
• Ferramenta matemática para tratar de eventos
aleatórios
• É o estudo da espera em filas
• Proporciona uma maneira de definir o
ambiente de um sistema de filas
matematicamente
• Permite prever respostas prováveis e tempos de
espera
Rev.: Out - 2013
12
12
Teoria de Filas (Objetivo)
• Avaliar o comportamento de um sistema de
filas e seus parâmetros, exemplos:
– Tempo de espera médio
– Probabilidade de formação de fila
– Porcentagem de clientes rejeitados pelo sistema
– Probabilidade de um cliente esperar mais do que um
certo tempo
– Número médio de clientes na fila
– Probabilidade de que todos os servidores estejam
Rev.: Out - 2013
ociosos
13
13
Análise de Sistemas de Fila
• Os sistemas de filas diferem entre si de
acordo com as hipóteses que fazemos a
respeito dos padrões de chegada e das taxas
de serviço
• Na análise, precisamos adotar hipóteses
sobre o comportamento do sistema. Caso
contrário, não se tem por onde começar
Rev.: Out - 2013
14
14
Hipótese: Sobre o Padrão de
Chegada dos Usuários
• Chegam a intervalos regulares?
• Chegam em grupo?
• Chega um de cada vez?

Rev.: Out - 2013
15
15
Características de um
Sistema de Fila
Rev.: Out - 2013
(Ex.: Usuários de computadores de uso compartilhado)

16
16
Características de um
Sistema de Fila
1. Processo de Chegada
2. Distribuição de Tempo de Serviço
3. Quantidade de Servidores
4. Tamanho do Sistema de Fila
5. População de Clientes
6. Disciplina de Atendimento
Rev.: Out - 2013
17
17
1. Processo de Chegada
• Se os clientes chegam em instantes t1, t2, ..., tj a
variável randômica j = tj - tj-1 é chamada Tempo
Interchegadas
• Assume-se que os j formam uma seqüência de
variáveis aleatórias independentes identicamente
distribuídas (v.a. IID)
• O processo de chegada mais comum é o Processo
de Poisson. Isto significa que os Tempos
Interchegadas são exponencialmente distribuídos
• Outras distribuições podem ser utilizadas, tais como
Rev.: Out - 2013
a Hiperexponencial, Erlang e Geral

18
18
2. Distribuição de Tempo de
Serviço (Processo de Serviço)
• O tempo gasto por cada cliente num computador é
chamado Tempo de Serviço
• É aceitável supor que os Tempos de Serviço de cada
cliente sejam variáveis aleatórias IID
• A distribuição mais utilizada para o Tempo de Serviço é a
Distribuição Exponencial
• Outras distribuições podem ser utilizadas, tais como a
Hiperexponencial, Erlang e Geral
Rev.: Out - 2013
19
19
• Single Server – atende a apenas um
cliente de cada vez
• Multi-Server – possui m servidores,
podendo atender m clientes
simultaneamente
• Infinite Server – cada cliente que
chega encontra sempre um servidor
disponível
Rev.: Out - 2013
20
20
• Exemplo:
Uma sala de computadores pode possuir um ou

mais computadores idênticos (servidores) e
todos fazendo parte de um sistema de fila único.
Se os computadores não forem idênticos, eles

podem ser subdivididos em grupos de mesmo
tipo, com filas separadas para cada um deles.
Nesse caso, cada grupo é um sistema de fila.
Rev.: Out - 2013
21
21
4. Tamanho do Sistema
(Capacidade do Sistema)
• Capacidade do sistema = capacidade da fila de
espera + quantidade de servidores (posições de
serviço)
• A capacidade máxima de clientes no sistema poderá
ser limitada por questões de espaço, custo ou para
evitar um tempo de espera muito longo
• Na maior parte dos sistemas, a capacidade da fila é
limitada (finita)
• Em sistemas com filas de capacidade infinita, todos
os clientes serão atendidos
• Em sistemas sem capacidade de espera ou com
capacidade limitada, pode ocorrer rejeição de
Rev.: Out - 2013
clientes
22
22
5. População de Clientes
• É a quantidade de usuários em potencial que
pode, em algum momento, usar o sistema
(ex.: clientes de banco, programa de
computador, assinante de linha telefônica)
• Nos sistema reais a população é limitada
(finita)
• Quando a população é finita, a taxa de
chegada dependerá da população
• População Infinita – taxa de chegada
constante
• População Finita – taxa de chegada variável
Rev.: Out - 2013
23
23
6. Disciplina de Serviço
• De uma fila, é o método de escolha da seqüência de
atendimento dos clientes na fila
• A disciplina mais utilizada é a FCFS ou FIFO
(primeiro a chegar é o primeiro a sair da fila)
• Outras disciplinas: LCFS, SIRO, RR
• O atendimento pode ser priorizado em função de:
– Tempo esperado de atendimento, ex.: menos demorado
primeiro
– Tamanho do cliente (pacote de mensagem), ex.: maior
primeiro, menor primeiro
– Maior sensibilidade a atrasos, ex.: mais sensíveis primeiro
– Qualidade de serviço (QoS)
Rev.: Out - 2013
24
24
Disciplina de Atendimento
(de serviço)
Disciplina de Descrição
Serviço
FCFS/FIFO First Come First to be Served
LIFS/LIFO Last In First to be Served
SIRO Select In Random Order
RD Atendimento baseado em prioridade
GD Distribuição genérica
Rev.: Out - 2013
Ex: algumas centrais telefônicas utilizam SIRO, comutadores de rede

utilizam FIFO
25
25
Classificação de Sistema de Fila
• Um sistema de fila é classificado por suas
características
• Utiliza-se a Notação de Kendall
A/ S / m / B / K / DS
Onde:
A = Distribuição de tempo interchegada
S = Distribuição de tempo de serviço
m = Número de canais de serviço simultâneo (servidores)
B = Quantidade de Buffers ou capacidade do sistema
K = Tamanho da população
Rev.: Out - 2013
DS = Disciplina de serviço
26
26
Classificação de Sistemas de Fila -
Distribuições
• As distribuições utilizadas para o tempo
interchegada e tempo de serviço são
simbolizadas por uma letra, conforme a seguir:
M = Exponencial
Ek = Erlang, com parâmetro K
Hk = Hiperexponencial, com parâmetro K
D = Determinístico
G = Distribuição Genérica
• A distribuição exponencial é chamada
memoryless (M)
• Uma distribuição determinística (D) significa
Rev.: Out - 2013
tempo de chegada e tempo de serviço constante,

ou sem variância
27
27
Exemplo 1
M/M/3/20/1500/FCFS
• Tempo interchegada exponencialmente distribuído
• Tempo de serviço exponencialmente distribuído
• Existem 3 servidores
• A fila possui um total de 20 posições de buffer. Consistindo
em 3 buffers para cada servidor, 17 posições de espera
compartilhados entre os tres servidores. Se a quantidade de
clientes no sistema for 20, os clientes que chegam são
perdidos até que a fila diminua
• Há uma população de 1500 clientes que podem ser
atendidos
• A disciplina de serviço é FCFS (primeiro a chegar, primeiro a
Rev.: Out - 2013
ser servido)
28
28
Exemplo 2
M/M/1
• Tempo interchegada exponencialmente distribuído ( =
processo de chegada do tipo Poisson)
• Tempo de serviço exponencialmente distribuído
• Existe 1 servidor
• A fila possui quantidade ilimitada de buffer (default)
• A população de clientes é infinita (default)
• A disciplina de serviço é FCFS (primeiro a chegar, primeiro
a ser servido) - (default)
Rev.: Out - 2013
29
29
Classificação de Sistema de Fila -
outros exemplos
não utilizados
• M/M/1 => M/M/1/  /  / FCFS

- Desprezar os três últimos símbolos quando:
disciplina é FCFS, população infinita e tamanho da fila
infinito
• M/M/1/B • M/M/
• M/M/m • M/G/1
• M/M/m/B • M/D/1
• M/M/m/m • M/M/m//k
Rev.: Out - 2013
30
30
Processos de Chegada -
Processo de Poisson
Hipóteses
• Dois clientes nunca chegam simultaneamente
– O 1º cliente chega no instante t0, o 2º no instante t1
e assim por diante ( 0 < t0 < t1 ,, ... , < tn )
• Os tempos entre chegadas estão distribuídos
exponencialmente
• A taxa de chegada (1/) também terá
distribuição exponencial
Rev.: Out - 2013
31
31
Processo de Poisson
• Se a taxa de chegada possui distribuição exponencial,
a probabilidade de k clientes chegarem dentro de T
segundos pode ser modelada pela distribuição de
Poisson: T T onde:  > 0, k = 0,1,2, ...
Pk (T )  e
k!
4
Número de
Chegadas
1
Rev.: Out - 2013
Chegadas
tc1 tc2 tc3 tc4 tempo
32
32
Processo de Poisson
• Num sistema com  = 0,4 chegadas/s, em T = 8 s, ocorrerão 3,19959
chegadas aproximadamente. Em média: 0,4 x 8 = 3,2 chegadas
0,25
k Pk k.Pk Pk
0 0,04076 0,00000 Valor médio
1 0,13044 0,13044 0,20
2 0,20870 0,41740
3 0,22262 0,66785
4 0,17809 0,71237 0,15
5 0,11398 0,56990
6 0,06079 0,36473
7 0,02779 0,19452 0,10
8 0,01112 0,08893
9 0,00395 0,03557
10 0,00126 0,01265
0,05
11 0,00037 0,00405
12 0,00010 0,00118
Rev.: Out - 2013
Soma = 0,99997 3,19959

0,00
k
1 2 3 4 5 6 7 8 9 10 11 12 13
33
33
Propriedades dos Processos de
Poisson
1
2  =  i
3
A junção de fluxos de Poisson resulta num fluxo de Poisson
p1
 p2 1 =  pi
p3
Rev.: Out - 2013
A partição de um fluxo de Poisson resulta em fluxos de Poisson

34
34
Propriedades dos Processos de
Poisson
  
>
Partidas de um sistema de fila M/M/1 é um fluxo de Poisson
1
 
2
3  i >
Rev.: Out - 2013
Partidas de um sistema de fila M/M/m é um fluxo de Poisson

35
35
Distribuição Exponencial
• Um método alternativo para descrever a distribuição de chegadas de clientes
é através do tempo decorrido entre chegadas sucessivas de clientes. A
distribuição de probabilidade F(t), em que o tempo interchegadas (ti) é
menor que t, para a distribuição discreta de Poisson de chegadas, é dada por
(Distribuição Exponencial):
P(tempo interchegadas t) = F(t) = 1 – e–t ,  > 0, t > 0
• Graficamente, a distribuição
exponencial, de tempos
interchegadas, é mostrada ao
lado
• Dado um tempo t no eixo
horizontal, o eixo vertical do
gráfico indica a probabilidade
Rev.: Out - 2013
de chegadas com ti < t

36
36
A Distribuição Exponencial
• É importante no estudo das filas pois o tempo de serviço pode ser
modelado por uma distribuição exponencial. Exemplos:
– No tráfego telefônico, é a duração de uma ligação
– Numa rede de comutação de pacotes é o tempo de transmissão de um
pacote, que é proporcional ao seu comprimento
• Não existe um embasamento matemático que justifique essa hipótese,
porém, a prática se aproxima bastante de uma distribuição exponencial
• Além disso, essa hipótese simplifica o tratamento matemático
• Do mesmo modo, a distribuição exponencial também pode ser
utilizada com boa aproximação na modelagem do tempo interchegada
Rev.: Out - 2013
37
37
A Distribuição Exponencial
0 , se t < 0
• Função Densidade de Probabilidade: f(t) =
 e–t , se t  0
0 , se t < 0
• Função Probabilidade acumulada: F(t) =
1 – e–t , se t  0
Densidade de
probabilidade Probabilidade
acumulada
Rev.: Out - 2013
38
38
Propriedades da Distribuição
Exponencial

• Média: E[X] = X = y . f(y) dy =1/
-

• Variância: V2[X] = y2 . f(y) dy = 1 / 2
-
• Desvio Padrão: x = 1/ ( é igual a Média!!! )
• Essa distribuição é utilizada para modelar:

– O tempo de serviço em uma central telefônica, o tempo em que um cliente
fica conectado
– Numa rede de comunicação, o tempo de serviço é o tempo necessário para
transmissão de um pacote através de um link de rede
Rev.: Out - 2013
39
39
Aplicação da Distribuição
Exponencial
• Gráficos do tamanho da fila para diferentes valores de desvio padrão

Rev.: Out - 2013
• Quando: desvio/valor médio = 1, temos a Distribuição Exponencial
40
40
Aplicação da Distribuição
Exponencial
Rev.: Out - 2013
Tempo de residência para diversas relações de

utilização () e desvio padrão ()
41
41
Notação de Modelos de Fila
Rev.: Out - 2013
 = Tempo interchegada = tempo decorrido entre duas chegadas

sucessivas
42
42
m Quantidade de servidores idênticos.
 Taxa média de chegada, de clientes (=1/E[]). Em alguns sistemas, poderá
depender do estado do sistema (quantidade de clientes).
s Tempo de serviço (de atendimento) de um cliente.
 Taxa média de serviço por servidor (=1/E[s])). Para m servidores, a taxa
média de serviço é m
n Quantidade total de clientes no sistema, também chamada tamanho da fila.
Inclui os clientes em espera por um servidor e os que estão sendo atendidos.
nq Quantidade de clientes aguardando atendimento. É sempre menor que n, pois
não inclui os clientes em serviço.
ns Quantidade de clientes em serviço.
r Tempo de resposta do sistema. Ou tempo total de residência dos clientes
dentro do sistema de fila (tempo de espera + tempo de atendimento).
w Tempo de espera para ser atendido. É o tempo decorrido entre a chegada e o
início do atendimento (serviço) do cliente.
Todas as variáveis, exceto  e , são variáveis aleatórias.

Rev.: Out - 2013
43
43
 Utilização do servidor (= / )
B Tamanho da fila, quando esta for finita (tamanho do Buffer)
 Tempo interchegadas (= 1/)
Rev.: Out - 2013
44
44
Estabilidade dos Sistemas de Filas
• Condição de Estabilidade: se a quantidade de clientes
no sistema aumenta, tendendo a infinito, o sistema é dito
Instável. Para haver estabilidade, a taxa média de
chegada deve ser menor que a taxa média de serviço (
< m). Esta regra não se aplica para população finita e
buffer finito (podem haver clientes rejeitados) – sistema
nunca fica instável
• Utilização de um servidor:  =  / 
 < 1, para Sistema de Fila ser Estável
• População no Sistema: n = nq + ns  E[n] = E[nq]+
E[ns]
Rev.: Out - 2013
• Tempo no Sistema: r = w + s  E[r] = E[w]+ E[s]

45
45
Equação de Little
• Permite calcular a quantidade de clientes (itens)
em qualquer Sistema de Fila. Resume-se a:
quantidade média = taxa de chegada x tempo médio
de resposta
• Esta relação se aplica a um Sistema Inteiro ou
parte de um Sistema de Fila
• Baseia-se numa visão tipo “Caixa Preta” do
Sistema de Fila
Chegada
Sistema de Partidas
s
Fila
Rev.: Out - 2013
(Caixa Preta)
46
46
Equação de Little - Aplicação
• A equação de Little pode ser aplicada a um subsistema
ou todo o sistema de Fila.
Quantidade
Rev.: Out - 2013
Tempo
47
47
Equação de Little - Aplicação
• Aplicando a equação de Little num subsistema
ou em todo o sistema de Fila:
– Na fila de espera: nq =  . w
– No servidor: ns =  . s =  / 
– No sistema inteiro: n =  . r
Rev.: Out - 2013
48
48
Equação de Little - Exemplo 1
Linha de
  
Buffer Transmissor Transmissã
(chegadas) (partidas) (partidas) o
• Se  é a taxa de chegada numa linha de transmissão,

nq é a quantidade média de pacotes esperando no
buffer (não sendo transmitidos), e w é o tempo
médio gasto por um pacote no buffer. Então, pela
equação de Little:
nq =  . w
Rev.: Out - 2013
49
49
Equação de Little – Exemplo 2
• Numa sala de espera de um consultório, há 15
clientes em média e taxa de chegada é de 1 cliente
a cada 30 segundos. Calcule o tempo médio de
espera dos clientes na sala. Os clientes são
atendidos na ordem de chegada (FIFO).
Temos que:
nq =15  = 2 clientes/minuto
Aplicando a equação de Little na fila: nq =  . w
Rev.: Out - 2013
Tempo de espera na fila: w = 15 / 2 = 7,5 minutos

50
50
O Sistema de Fila M/M/1
Rev.: Out - 2013
51
51
O Sistema de Fila M/M/1
• Sistema de fila com um servidor –
Exemplo: clientes na fila do caixa eletrônico
Rev.: Out - 2013
52
52
Modelo do Sistema de Fila M/M/1
Modelo
Simbologia

Rev.: Out - 2013

53
53
Características do Sistema de
Fila M/M/1
• Processo de chegada tipo Poisson (M)
• Tempo de serviço - distribuição exponencial
(M)
• Quantidade de servidores (= 1)
• Infinitas posições na fila de espera (clientes não
são perdidos)
• Disciplina de serviço do tipo FIFO
• População de clientes é infinita (taxa de
Rev.: Out - 2013
chegada é constante)
54
54
Sistema de Fila M/M/1 -
Diagrama de Transição de Estados
0 1 2 n-2 n-1 n n+1
Estado: 0 1 2  n–1 n n+1 
1 2 3 n-1 n n+1 n+2
Estado = quantidade total de clientes no sistema
Para o sistema M/M/1, temos:

n =  (Cte), n = 0, 1, 2, .... (taxa de chegadas no sistema)
Rev.: Out - 2013
n =  (Cte), n = 1, 2, 3, .... (taxa de partidas do sistema)

55
55
Estados do Sistema M/M/1
Distribuição de Tempo de serviço exponencial
Poison na chegada com média 1

1 partida,
n Estado 0 chegadas
0 partidas, 0 chegadas
ou
n+1 1 partida, 1 chegada
Mudanças de estado
n
possíveis entre os
instantes t e t + t
0 partidas,
n-1
1 chegada
Rev.: Out - 2013
t t + t Tempo
t
56
56
Estados do Sistema M/M/1
• Um sistema de fila M/M/1 será estudado a
seguir visando determinar seu equilíbrio, ou
seja, quando atinge a condição de regime
permanente
• Nessas condições, o sistema pode ser
identificado através de suas propriedades
estatísticas (tempo de espera, tempo de
residência, tamanho da fila, tempo de espera
na fila, etc)
• Esse estudo poderá ser estendido para
Rev.: Out - 2013
outros sistemas de fila (M/M/N, M/M/N/N, etc)

57
57
Cálculo do Estado do Sistema
.t .t
n–1 n n+1
.t .t
As 4 condições para haver n clientes no sistema em t + t:

1. Haviam n+1 pacotes no sistema em t, no intervalo t houve 1 partida e
nenhuma chegada
2. Haviam n-1 pacote no sistema em t, no intervalo t houve 1 chegada e
nenhuma partida
3. Haviam n pacotes no sistema em t, no intervalo t não houve partida e
nem chegada
4. Haviam n pacotes no sistema em t, no intervalo t houve 1 partida e 1
Rev.: Out - 2013
chegada
58
58
Transições de Estado (resumo)
Estado Inicial Eventos Durante Estado Final
(Instante t) t (t+t)
1 partida + 0
n+1 clientes n
chegada
0 partida + 1
n-1 clientes n
chegada
0 partida + 0
n clientes n
chegada
1 partida + 1
Rev.: Out - 2013
n clientes n
chegada
59
59
(T)k e- t
Relembrando que: P(k=1) =
(1 chegada) 1!
( t)k e- t
P(k=1, T=t) =
Onde T = t , sendo t pequeno, logo:
1!
(.t)2+ .... ]
= .t [ 1 - .t +
Então, para o processo de chegada:
2!
P( k = 1 e com T = t ) =  t + 0(t ) 0(t ) / .t
P( k = 0 e com T = t ) = 1   t + 0(t )
O tempo de serviço obedece a distribuição exponencial, assim as partidas
também seguem um processo de Poisson, então:
P(1 partida em t ) =  t + 0(t )
Rev.: Out - 2013
P(0 partida em t ) = 1   t + 0(t )
60
60
1 partida,
Estado 0 chegadas
0 partidas, 0 chegadas
ou
n+1 1 partida, 1 chegada
0 partidas,
n-1 1 chegada
t t + t Tempo
t
pn(t+t) = pn(t).[1 – .t – 0(t)].[1 – .t – 0(t)]

+ pn(t).[.t + 0(t)].[.t + 0(t)]
+ pn+1(t).[1 – .t – 0(t)].[.t + 0(t)]
Expressão + pn-1(t).[.t + 0(t)].[1 – .t – 0(t)]
Rev.: Out - 2013
61
61
Quando n=0:
p0 (t+ t) = p0 (t).[1 – . t – 0( t)].[1 – . t – 0( t)]
+ p0 (t).[ . t + 0( t)].[ . t + 0( t)]
Expressão B
+ p1 (t).[ . t + 0( t)].[ . t + 0( t)]
Da expressão B:
Lim p0 (t – t) – p0 (t)
t 0 t = – .p0 (t) + .p1 (t)
d p0 (t)
= – .p0 (t) + .p1 (t)
dt
Em regime permanente:
d p0 (t)  – .p0 (t) + .p1 (t) = 0
= 0
dt
Rev.: Out - 2013
62
62
Logo: 
p1 =  p0 Utilização:  =
 
Para n  1
Lim pn(t – t) – pn(t) Ignorando os termos em t2
t0 t e de ordem superior
d pn(t)
Teremos: = –.pn(t) – .pn(t) + .pn-1(t) + .pn+1(t)
Rev.: Out - 2013
dt
63
63
d pn (t)
Em regime permanente: = 0
dt
( + ).pn = .pn-1 + .pn+1 n 1
.p1 = .p0 n=0
Para a fila M/M/1:  n (1- )

pn = = 
1 -  n+1 
Para: > 1 N ∞ Para n  1:

Rev.: Out - 2013
pn =  n (1- )
64
64
População média no sistema em regime permanente:
  
E[n] =
n=1
n.p
n =
n=1

n.n .(1- ) =
1–
Tempo de residência no sistema, utilizando a Lei de Little:

/ 1 1
E[r] = E[n] /  = = =
(1 – ) .(1 – ) ( – )
Tempo na fila de espera:

1 1 
E[w] = E[r] – E[s] = – =
Rev.: Out - 2013
.(1 – )  ( – )
65
65
Gráfico de Chegadas e Partidas
6
Chegadas/Partidas
5
Número de
C(t) n
4
r4
3
r
3
2
r
1 2 P(t)
r1
Chegadas
tc1 tc2 tc3 tc4 tc5 tc6 tempo
Rev.: Out - 2013
Partidas
tp1 tp2 tp3 tp4
66
66
Quantidade de Clientes no Sistema
6
Clientes no Sistema
5
Estado Médio do Sistema (n)
4
Chegadas
tc1 tc2 tc3 tc4 tc5 tc6 tempo
Rev.: Out - 2013
Partidas
tp1 tp2 tp3 tp4
67
67
Tempo de Resposta do Sistema
Tempo de Resposta
Tempo de Resposta
Médio (r)
1 2 3 4 5 6 Número da Chegada
Rev.: Out - 2013
68
68
1. Parâmetros:  = Taxa de chegada (por unidade de tempo)
 = Taxa de serviço (por unidade de tempo)
2. Utilização do servidor (=intensidade de tráfego):    / 
3. Condição de Estabilidade:   1
4. Probabilidade de zero clientes no sistema: p0 = 1 – 
5. Probabilidade de n clientes no sistema:
pn = P[N = n] = (1 – )n , n = 0, 1, 2, ....
6. Probabilidade de haver mais que n clientes no sistema:
pn+ = P[R > n] = n
7. Quantidade média de clientes no sistema: n = /(1– )
8. Quantidade média de clientes na fila: nq = 2/(1– )
9. Tempo de residência (tempo de resposta) médio: r = 1 / [ (1 – )]
Rev.: Out - 2013
10. Probabilidade acumulada do tempo de residência:

P[ r  t ]= 1 – e–t(1)
69
69
• P(r < t) é a probabilidade do
tempo de residência ser menor
do que t
• Do gráfico, para t = 1.2 rmédio ,
então P(t) = 0.7, é a
probabilidade de um cliente ter
seu tempo de residência menor
que 1.2 rmédio
• Sendo rmédio o tempo médio de
residência = 1/(1–)
11. q-Percentil do tempo de residência: m(q) = r ln [ 100 / (100 – q) ]
m(q): é o tempo máximo de residência para q (%) de clientes
Rev.: Out - 2013
12. Tempo médio de espera na fila: w = nq /  = (2 /  ) / (1 - )
70
70
Exemplo 1
Um servidor de rede esta associado a 100 computadores através de uma
rede (LAN). O servidor mantêm um banco de dados para consultas dos
computadores. O tempo médio de resposta de uma consulta no servidor é
de 0,6 segundos e o desvio do tempo é igual a média. No horário de pico, a
taxa de consultas atinge a taxa de 20 consultas/minuto. Responda as
seguintes questões:
(1) Qual o tempo de resposta médio?
(2) Se o tempo de resposta máximo aceitável for 1,5 s (para 90% das
consultas), qual o percentual de aumento de tráfego?
(3) Com um acréscimo de 20% de tráfego, qual o aumento no tempo de
resposta?
Rev.: Out - 2013
71
71
Exemplo 1
s
c c c ... c
Assumindo um modelo M/M/1 para o sistema servidor, rede e micros. Os

atrasos na rede (tempo de propagação) e as colisões) são ignorados.
(1) Tempo de Resposta Médio:
• Taxa de chegada:  = 20 / 60 = 1/3 clientes/segundo
• Taxa de atendimento:  = 1 / 0,6 = 10 / 6 clientes/segundo
• Intensidade de tráfego (=utilização do servidor):    /  = 1/3 x 6/10
= 0,2
• Tempo de Resposta do Sistema: r = 1 / [(1 – )]  0,6 / (1 – 0,2) =
Rev.: Out - 2013
0,75 s (=0,6 s no atendimento + 0,15 s na fila de espera do servidor)

72
72
Exemplo 1
(2) Aumento de tráfego:
• Acréscimo no Tráfego quando r = 1,5 s para 90 % das requisições:
1,5 = r x ln[100/(100 - 90)] então: r = 0,65
• Como r = (1/) / (1 – )  (1/1,667) / (1 – )  0,65
• Logo:   0,077
• Assim, a intensidade de tráfego () deve cair de 0,2 para 0,077 para
que o tempo de residência (r) caia de 0,75 para 0,65
(3) Acréscimo no tempo de resposta:
• A intensidade de tráfego (utilização) foi aumentada em 20%, então: 
= 0,2 + 0,2 = 0,4
• Logo: r = (1/) / (1 – )  (1/1,667) / (1 – 0,4) = 1,00 s
Rev.: Out - 2013
73
73
Sistema de Fila M/M/m
Rev.: Out - 2013
74
74
Sistema de Fila M/M/m
• Sistema com m servidores iguais

• Cada servidor possui uma taxa de serviço igual a 
• Sistema sem perdas - se todos os servidores estiverem
ocupados, novos clientes aguardam na fila de espera
Rev.: Out - 2013
75
75
Sistema de Fila M/M/m -
     
Estado: 0 1  m–1 m m+1 
 2. (m1). m. m. m.
Para o sistema M/M/m:

n =  , n = 0, 1, 2, ..., 
n. , n = 1, 2, 3, ..., m-1
n =
Rev.: Out - 2013
m., n = m, m+1, m+2, m+3, ..., 

76
76
1. Parâmetros:  = Taxa de chegada
 = Taxa de serviço
m = Quantidade de servidores
2. Utilização (intensidade de tráfego) média de um servidor:   (/m) / 
3. Condição de Estabilidade:   1
4. Intensidade de tráfego do sistema (dos m servidores): ’   / 
1 Pq 
r  1 
  m(1   ) 
5. Tempo de residência médio:
 .Pq
Rev.: Out - 2013
6. Quantidade média de clientes no sistema: n  m. 

(1   )
77
77
 Pq 
7. Tempo de espera médio, sendo: w  r  s  s 1  s
 m(1   ) 
sPq sPq
Logo: w 
m(1   ) m A
Rev.: Out - 2013
78
78
Pq = probabilidade de todos os servidores estarem ocupados (ocorre
formação de fila). Onde:
(.m)m P0
Pq =
m! (1)
A equação anterior é conhecida como equação de Erlang-C. Tendo sido

tabulada e é bastante utilizada em sistemas de telefonia.
P0 = probabilidade do sistema estar vazio (sem clientes). Dada por:

1
m-1 (.m)n (.m)m
P0 =  n!
+
m! (1)
Rev.: Out - 2013
n=0
79
79
Exemplo: Sistema M/M/2
1/
1. Tempo de residência médio: r=
(12)
2
2. Quantidade média de clientes no sistema: n =
12
22
3. Probabilidade de formação de fila: Pq =
1
Rev.: Out - 2013
80
80
Sistema de Fila M/M/
Rev.: Out - 2013
81
81
• Sistema com quantidade infinita de servidores
• Todo o cliente que chega ao sistema encontra um
servidor livre e é imediatamente atendido
• Taxas de chegada e de serviço possuem distribuição
exponencial
• Não existe fila de espera, o comprimento da fila e o
tempo de espera são nulos
• É um sistema que introduz apenas um atraso
equivalente ao tempo de serviço
• Utiliza as equações do sistema M/M/m na situação
Rev.: Out - 2013
limite, quando m = 
82
82

• Probabilidade de sistema vazio: p0  e 
• Probabilidade de n clientes no sistema:
n 
 e 
pn    Para n > 0
   n!

• Quantidade de clientes no sistema: n 

1
• Tempo médio de residência:  r 
Rev.: Out - 2013
83
83
Sistema de Fila M/M/m/B
Rev.: Out - 2013
84
84
• Distribuição do tempo entre chegadas: Exponencial
• Distribuição do tempo de serviço: Exponencial
• Quantidade de Servidor(es): m
• Capacidade do Sistema: B
• Trata-se de um sistema com m servidores e B buffers,
onde B  m (cada servidor possui uma posição de
buffer)
• Se as B posições estiverem ocupadas, os clientes
subseqüentes são perdidos
Rev.: Out - 2013
85
85
Sistema de Fila M/M/m/B -
0 1 m-2 m-1 m m+1 k-1
Estado: 0 1  m–1 m m+1  B
1 2 m-1 m m+1 m+2 b
Estado = quantidade de clientes no sistema

Para o sistema M/M/m/B , onde B  m
n =  , n = 0, 1, 2, ..., B-1 e n = 0, para n  B
Rev.: Out - 2013
n = n. , n = 1, 2, 3, ..., m e n = m., para n > B

86
86
Sistema de Fila M/M/m/B -
      
Estado: 0 1  m–1 m m+1  B
 2. (m1). m. m. m. m.
Estado = quantidade de clientes no sistema

Sistema M/M/m/B , onde: B(buffers)  m(servers)
Rev.: Out - 2013
87
87
• Probabilidade do sistema estar vazio, nenhum servidor
ocupado: B  m 1 m
(n 1
 1 
m1
p0  1 
( )
m )

(m ) 

 m !(1   ) n 1 n! 
• Probabilidade de haverem n clientes no sistema:
pn 
(m )
n
p0
Para n < m:
n!
mm  n
Para m ≤ n ≤ B: pn  p0
m!
Rev.: Out - 2013
88
88
• Probabilidade do sistema estar vazio, nenhum servidor
ocupado:
( )
1
 1   Bm1 (m )m m1 (m )n 
p0  1   
 m !(1   ) n 1 n! 
• Probabilidade de haverem n clientes no sistema:
pn 
(m )
n
p0
Para n < m:
n!
mm  n
Para m ≤ n ≤ B: pn  p0
m!
Rev.: Out - 2013
89
89
B
• Quantidade de clientes na fila: nq   (n  m) p
n  m 1
n
nq
• Tempo de espera na fila: w 
'
Rev.: Out - 2013
90
90
Casos Particulares
do Sistema M/M/m/B
• O sistema M/M/m/B pode originar dois
tipos de sistemas de fila:
– Sistema M/M/m/m, onde m=B, que é aplicável a
sistemas de capacidade m e quantidade de
servidores m, sem espaço de espera. Cada um dos
m servidores comporta um cliente
– Sistema M/M/1/B, onde m=1, que é aplicável a
sistemas de capacidade B e 1 servidor. Ou seja, B-
1 posições de espera
Rev.: Out - 2013
91
91
Sistema de Fila M/M/m/m
Rev.: Out - 2013
92
92
• Distribuição do tempo entre chegadas: Exponencial
• Distribuição do tempo de serviço: Exponencial
• Quantidade de Servidor(es): m
• Capacidade do Sistema: m
• Trata-se de um sistema com m servidores e de
capacidade m (1 posição por servidor), sem espaço de
espera
• Se os m servidores estiverem ocupados, os clientes
subseqüentes são perdidos (ocorre bloqueio do
sistema)
Rev.: Out - 2013
93
93
1. Sistema M/M/m/m, sem espaço de espera
’
2. Número de posições em serviço = 1

número de servidores (não há fila de espera)
2

3. Chamadas que chegam:   3

4. Chamadas bloqueadas: .Pb
.Pb m
5. Chamadas não bloqueadas: ‘ .(1Pb) (Bloqueio) 
6. Pb = probabilidade dos m servidores

Rev.: Out - 2013
(linhas) estarem bloqueados (ocupadas)
94
94
1
 (m )  m n
Probabilidade de nenhum cliente no sistema: 0 

p  
 n  0 n! 
Probabilidade de n clientes no sistema: pn 

(m )
n
p0
n!
(m )m
Probabilidade de bloqueio do sistema P[n=m]: pb  m!
m
(m )n
 n!
Rev.: Out - 2013
n 0
95
95
m
Número médio de clientes no sistema: n   np
n 1
n
Taxa de chegada efetiva (clientes não rejeitados):

m1 m1
 '   pn    pn   (1  pb )
n 0 n 0
Tempo de residência: r  n  s
'
Rev.: Out - 2013
96
96
• Quando n=m, todas as linhas estão

ocupadas, as próximas requisições serão
bloqueadas
• A probabilidade de bloqueio será:
(m)m / m!
Pb = onde: =/
m
 (m) / i!
i
i=0
A equação anterior também é conhecida como distribuição Erlang-B de bloqueio, distribuição

Rev.: Out - 2013
de Erlang ou equação de perdas de Erlang do tipo B
97
97
Sistema de Fila M/M/1/B
Rev.: Out - 2013
98
98
• Sistema com 1 servidor e B-1 posições de
espera
• Caso particular do sistema M/M/m/B, onde
m=1
• Fila de espera possui tamanho finito, então
podem haver clientes perdidos, ou rejeitados
(bloqueio do sistema)
• Como todo o sistema com capacidade de fila
limitada, é sempre estável (<).
Rev.: Out - 2013
99
99
• Probabilidade de sistema vazio:
1  1
p0  para  ≠ 1 p0  para  = 1
1   B 1 B 1
• Probabilidade de n clientes no sistema:

1 
pn  p0  n   n
para 0 ≤ n ≤ B
1   B 1
• Probabilidade de bloqueio:
1 
pb  PB]  p0  B   B
1   B1
Rev.: Out - 2013
100
100
• Número de clientes no sistema:
( B  1)  B 1
n 
1  1   B 1
Rev.: Out - 2013
101
101
Sistema de Fila M/M/N/N/K
Rev.: Out - 2013
102
102
• Sistema representado esquematicamente conforme a
figura: 
1 
 1
2

2
T  n.

 N
K
• Sistema com N servidores, população K finita (onde: K

 N). Sem espaço de espera
• A taxa de serviço  possui distribuição exponencial
• Em dado instante, existirão n clientes (onde: 0 ≤ n ≤ N)
e cada um será atendido por um único servidor
Rev.: Out - 2013
• Se n > N, pode haver rejeição de clientes (bloqueio)

103
103
• Pode ser utilizado para modelar:
– Uma central telefônica com K assinantes
entradas e N troncos de saída
– Uma ERB com K usuários e N freqüências
de RF (canais)
Rev.: Out - 2013
104
104
Sistema de Fila M/G/1
Rev.: Out - 2013
105
105
• Sistema de fila onde a taxa de serviço
atende a distribuição Geral
• Pode ser utilizado, por exemplo, para
modelar o tráfego em:
– Sistemas com prioridade não preemptivos
– Sistemas onde o tempo de serviço está
dividido em classes conhecidas
Rev.: Out - 2013
106
106
   
• Quantidade de clientes no sistema: n   ( 
1  1   2 2  )
 1    2 
 1   
• Tempo de residência no sistema: r
n
  ( 
1  1   2 2 
  1    2
)

• Tempo de espera na fila: w r s

• Um caso particular do sistema M/G/1 é o M/D/1
(sistema determinístico), onde: =0
Rev.: Out - 2013
107
107
Noções de Engenharia
de Tráfego
Rev.: Out - 2013
108
108
Comutação de Circuitos
• Numa central de comutação de
circuitos podem haver M circuitos
de entrada e N circuitos de saída
1 1 • Cada circuito pode ser um canal
do tipo full-duplex
2 2
Central de • Cada circuito de entrada estará
Comutação conectado a uma saída durante
um certo tempo (tempo de
M N conexão)
• Se M>N, uma entrada poderá
não ter uma saída disponível,
num determinado instante de
tempo, se os N circuitos de saída
Rev.: Out - 2013
estiverem ocupados, ocorrendo

um bloqueio
109
109
Central Telefônica
• Uma central telefônica típica utiliza
uma central de comutação de circuitos
1 1
• Possui M assinantes e N linhas tronco
2 2 (trunk), onde: M >> N
Central
Telefônica • Não há espera por linha livre, então a
M N
central pode ser modelada por um
sistema de fila do tipo M/M/m/m, onde
m=N
• A taxa de chegada de chamadas para
as N linhas tronco é: N.
AN / N!
• A intensidade de tráfego total,
Pb = N oferecida para as N linhas tronco, é
 Ai / i!
•
dada pela letra A
A probabilidade de perdas (ligações
i=0
rejeitadas) é calculada utilizando a
Onde: A = (N.) /  = N. equação de perdas do tipo B de Erlang
Rev.: Out - 2013
110
110
Tráfego Telefônico
• A equação de perdas Erlang-B pode ser usada para
dimensionar sistemas telefônicos. Fornecendo uma estimativa
da probabilidade de ocupação (bloqueio) dos troncos (linhas), a
partir da demanda (tráfego) e da quantidade de linhas (troncos).
• Erlang – É uma unidade de tráfego telefônico, definida como a
quantidade de tempo, em horas (ou minutos), gasta para
atender todas as ligações que entram num sistema durante
uma hora (ou um minuto) de funcionamento.
• EXEMPLO:
– Numa central telefônica com 100 linhas, qual a demanda produzida
se cada linha recebe, em média, 2 chamadas / hora e essas têm
duração média de 3 minutos?
Solução:
chegam à central 100 x 2 = 200 chamadas por hora, que ocupam
200 x 3 = 600 minutos = 10 horas. Conseqüentemente, o tráfego é
de 10 horas por hora, ou seja: 10 erlang.
Rev.: Out - 2013
111
111
• A central telefônica possui N linhas, que podem operar
simultaneamente
• Cada linha possui uma ocupação média de s unidades de
tempo (segundos, minutos, ... ), que é a duração média de uma
chamada
• A demanda da central telefônica é de N. chamadas por
unidade de tempo
• Cada linha possui uma intensidade de tráfego igual a , onde:
– Duração média de uma ligação: s
– Taxa de serviço por linha:  = 1/s
– Intensidade média de tráfego por linha:  = /
• A intensidade de tráfego total é simbolizada pela letra A e o
tráfego total (de todas as linhas) oferecido à central será:
– A = N. = N./
Rev.: Out - 2013
112
112
• Quando aumenta-se a
1
quantidade de linhas da
0.9 central, o tráfego por linha
Pb = Probabilidade de Bloqueio
diminui
0.8
• Resultando na diminuição da
0.7
probabilidade de bloqueio
0.6 • Quando a quantidade de
0.5
linhas é maior que a
intensidade de tráfego (N >
0.4 A), resulta  < 1, ocorrendo
0.3
uma quede brusca na
probabilidade de bloqueio
0.2
• O gráfico ao lado mostra que
0.1 Pb cai bruscamente quando
0
A/N =  < 1
Rev.: Out - 2013
0 2 4 6 8 10 12
A/N
113
113
Dimensionamento de Centrais
Telefônicas
• Dada uma certa intensidade de tráfego (em
Erlangs)
• Avalia-se a probabilidade de bloqueio (ou de
perda) para diferentes quantidades de
troncos da central
• Ver gráfico Probabilidade de Bloqueio x
Quantidade de Troncos (linhas)
• O gráfico é obtido a partir da equação de
perdas de Erlang-B
Rev.: Out - 2013
114
114
Probabilidade de Bloqueio
x Quantidade de Linhas
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3 30
25
0.2 20
10 15
0.1
A=5
0
Rev.: Out - 2013
0 5 10 15 20 25 30 35
Quantidade de Linhas (N)
115
115
Exemplo - 1
1
• Dada uma intensidade de tráfego
0.9
máxima de 10 erlangs, avalia-se
0.8
a quantidade de troncos
0.7 necessária para uma
0.6 probabilidade de bloqueio
0.5 • No gráfico, verifica-se a
0.4
quantidade de linhas necessárias
para uma probabilidade de
0.3
A=10 bloqueio (ou perda) esperada
0.2
• Para o cálculo também se utiliza:
0.1
calculadora programável, tabela
0 de Erlang, programa de
Rev.: Out - 2013
0 5 10 15 20 25 30 35
Quantidade de Linhas (N) microcomputador
116
116
Tabela de Erlang do tipo B
Exemplo: Sistema do tipo M/M/N/N com A=2.158 Erlangs, N=7 linhas. Probabilidade
Rev.: Out - 2013
de bloqueio: Pb=0,005 (B= 0,5%)
117
117
Exemplo - 2
• Determinar a quantidade de linhas de
saída de uma central onde:
– Probabilidade de perdas: 0,5 %
– Quantidade de chamadas (m.): 31 por
minuto
– Duração média das chamadas: 3 minutos
Rev.: Out - 2013
118
118
Exemplo - 2
• Tráfego oferecido: A (m./) = 31x3 = 93
erlangs
• Achar N, tal que: Pb (A,N) < 0,005
• Calculando iterativamente:
– Pb(93,115)=0,0034
– Pb(93,114)=0,0042
– Pb(93,113)=0,0051
– N=114
• A central deve possuir 114 troncos de saída
Rev.: Out - 2013
119
119
Verificar o Dimensionamento
de uma Central Telefônica
• Avaliar o desempenho de uma central
telefônica com N troncos
• Um parâmetro de desempenho de uma
central telefônica é a probabilidade de
bloqueio para diversas intensidades de
tráfego (A)
Rev.: Out - 2013
120
120
x Tráfego
1
0.9
0.8
0.7
N=5
0.6
10
0.5
15
0.4 20
25
0.3 30
0.2
0.1
0
Rev.: Out - 2013
0 10 20 30 40 50 60
Intensidade de Tráfego (A - Erlangs)
121
121
Avaliação de uma Central
• Dada uma central com
– N=100 linhas
– s = 5 minutos / ligação
– Pb < 0,4 %
• Determinar
– Máxima intensidade de tráfego admissível
– A máxima taxa de chegada de ligações
para não ocorrer bloqueio
Rev.: Out - 2013
122
122
Avaliação de uma Central
• Tráfego oferecido: A = ?
• Probabilidade de perda: Pb(A,100) < 0,004
• Calculando iterativamente:
– Pb(79,100) = 0,003074
– Pb(80,100) = 0,003992
– Pb(81,100) = 0,00511
• Amax = 80 erlangs
• Sendo: A = m. = m./ = m..s
• Logo: max = 80/(100x5) = 0,16 chamadas/min.
Rev.: Out - 2013
123
123
Análise de um Concentrador
• 10 terminais estão conectados a um concentrador de
terminais
• Cada terminal gera um pacote a cada 8 segundos
• Pacotes têm 960 bits de comprimento em média
• Linha de saída com capacidade de 2400 b/s
• Tamanho do pacote e tempo entre chegadas de
pacotes com distribuição exponencial
• Determinar:
– Ocupação média do buffer
– Atraso médio no sistema
– Tempo médio de espera na fila
Rev.: Out - 2013
124
124
Sistema com Espera
• Quando as requisições podem esperar uma
linha livre, haverá fila de espera.
• Se a capacidade da fila for muito grande, não
haverá rejeição de clientes.
• O modelo M/M/m (sem perdas) pode ser
utilizado
• Central PABX com espera
–m = 8 linhas de saída.
–A = 4,5 Erlangs
Rev.: Out - 2013
–Calcular a probabilidade de espera

125
125
Sistema com Espera
• Os sistemas com espera e capacidade
infinita (muito elevada) são modelados
pelo sistema M/M/m
• Sendo a intensidade de tráfego A=(m.)/
• A probabilidade de espera (fila) será dada
pela equação de Erlang-C:
1
Am P0 m-1 An Am
Pq = Onde: P0 =  +
Rev.: Out - 2013
m! (1A/m) n=0 n! m! (1)
126
126
Sistema com Espera
• PBX
–Capacidade 40 ramais
–Cada ramal realiza diariamente, em média,
54 ligações
–A duração de cada ligação é, em média, 3
minutos
• Qual é o número de troncos de saída
necessários para uma probabilidade 5%
de espera?
Rev.: Out - 2013
• Qual o tempo de espera?

127
127
Sistemas com Prioridade
• Em sistemas com prioridade, os clientes são
atendidos pelo servidor conforme a
prioridade
• Num sistema com prioridade, cada classe de
prioridade é alocada em uma fila. Existirão
tantas filas quanto as classes pré-definidas.
• Normalmente, o servidor é alocado à fila de
menor prioridade, passando a atender outra
fila ao chegar um cliente de maior prioridade
Rev.: Out - 2013
128
128
QoS – Qualidade de Serviço
• A qualidade de serviço é necessária para adequar o
desempenho da rede ao atraso admissível para uma
determinada aplicação
• Um dos problemas do tráfego de redes é a latência, que
é decorrente da espera em filas de switches (FIFOs), do
desempenho aleatório do tráfego da rede, etc.
• Aplicações de multimídia requerem baixa latência, da
ordem de dezenas de milissegundos
• São definidas classes para os fluxos de dados, ao
passarem pelos switches, os fluxos de maior prioridade
são enviados primeiro num segmento de rede. Para
isso, são criadas filas de saída por classe de tráfego,
Rev.: Out - 2013
para cada segmento de rede.

129
129
Arquitetura de um Switch
Ethernet
Filas de
saída
Rev.: Out - 2013
130
130
Tipo de Serviço e Prioridade
- Exemplos
Prioridade do
Datagrama IP
Prioridade do Quadro
(VLAN)
Rev.: Out - 2013
131
131
QoS - Classes de Prioridade
(Conforme a IEEE 802.1D)
Rev.: Out - 2013
132
132
Comparação dos Sistemas STDM
x TDM Determinísticos e não
Determinísticos
Rev.: Out - 2013
133
133
Comparação dos Sistemas
TDM e STDM
• Serão avaliados os sistemas de transmissão do tipo
TDM (Time Division Multiplexing) e STDM (Statistical
Time Division Multiplexing) não determinísticos ou com
algum grau de determinismo
• O determinismo geralmente é utilizado em sistemas
onde o Jitter elevado é um fator restritivo no projeto do
sistema de transmissão, por exemplo, em sistemas de
voz ou vídeo em tempo real
• Na transmissão de dados, onde os atrasos não são
críticos, os sistemas não determinísticos são mais
eficientes
• O determinismo será considerado em dois aspectos, na
taxa de chegada e na taxa de serviço da informação a
Rev.: Out - 2013
ser transmitida
• Para simplificar a análise, serão avaliados sistemas com
apenas dois
Prof. Gil Pinheiro
fluxos
134 de informação
DETEL – Depto. de Engenharia Eletrônica e Telecomunicações
134
Sistemas TDM e STDM não
determinísticos
Rev.: Out - 2013
135
135
Sistema TDM
• O sistema TDM reserva o uso do canal de maneira
determinística. Ou seja, para cada fluxo de
informação há uma fração exata da capacidade do
canal
• Porém, o TDM deixa de ser eficiente quando aloca
um canal a um fluxo que não possui informação para
transmitir (a informação não chegou ao MUX,
multiplexador) ou não chegou totalmente durante a
reserva do canal)
• Os pacotes de informação de cada fluxo possuem
taxas de chegadas e de atendimento com distribuição
Rev.: Out - 2013
exponencial
136
136
Sistema TDM
• A capacidade disponível no canal (μ) é
dividida entre os 2 fluxos de informação no
domínio do tempo
• Teremos então, dois canais dedicados com
capacidade (μ/2) cada um
• Se cada fluxo possui taxa de chegada λ/2
• Como as taxas de chegada e de serviço
possuem distribuição exponencial, cada fluxo
é um sistema tipo M/M/1 com tempo de
resposta: r  1  2  2s
Rev.: Out - 2013
1
    (1   )

2 2
137
137
Sistema STDM
• Diferente do TDM, que reserva parte do
canal, haja ou não informação disponível
• O sistema STDM reserva o uso do canal de
maneira não determinística, alocando toda a
capacidade do canal ao fluxo que estiver
pronto para ser enviado
• Considerando que os pacotes de informação
da cada fluxo cheguem com uma taxa
distribuição exponencial
Rev.: Out - 2013
138
138
Sistema STDM
• A capacidade disponível no canal (μ) é
alocada totalmente, sob demanda, a cada
fluxo
• Teremos então um canal de alta capacidade
(μ) alocado a cada fluxo
• Se todos os fluxos associados possuem taxa
de chegada λ
• Como as taxas de chegada e de serviço
possuem distribuição exponencial, o canal
todo é um sistema tipo M/M/1 com tempo de
resposta:
Rev.: Out - 2013
1 s
r2  
  (1   )
139
139
Comparação TDM x STDM
• Comparando os tempos de residência: r1  2.r2
• Indicando que o STDM é 2 vezes mais eficiente
• O sistema STDM reserva o uso do canal de maneira
não determinística, alocando toda a capacidade do
canal ao fluxo que estiver pronto para ser enviado
• A comparação só é valida se os pacotes de
informação da cada fluxo chegarem com uma taxa
distribuição exponencial e as taxa de serviços forem
também exponenciais
• Esta situação ocorre em sistemas orientados a
pacotes (transmissão de dados), onde o tempo de
Rev.: Out - 2013
atraso variável (Jitter) não é crítico
140
140
Sistemas TDM e STDM com
Determinismo
Rev.: Out - 2013
141
141
Sistemas com Determinismo
• Os sistemas de transmissão analisados
até aqui assumiram modelos do tipo
M/M/1, sem nenhum determinismo
• No caso de haver determinismo, ou
desvio padrão nulo, os seguintes
sistemas são possíveis:
– M/D/1
– D/M/1
Rev.: Out - 2013
– D/D/1
142
142
Sistema TDM tipo M/D/1
• Nesse sistema, o tempo de serviço é fixo e a taxa de
chegada possui distribuição exponencial
• A capacidade disponível no canal (μ) é dividida entre os
2 fluxos de informação no domínio do tempo
• Teremos então, dois canais dedicados com capacidade
(μ/2) cada um
• Se cada fluxo possui taxa de chegada λ/2
• Como apenas as taxas de chegada possuem
distribuição exponencial, cada fluxo é um sistema tipo
M/D/1 com tempo de resposta:
2  (2   ) s
r1  
Rev.: Out - 2013
 (1   )
2 (1   )
2
143
143
Sistema STDM tipo M/D/1
• Nesse sistema, o tempo de serviço é fixo e a taxa
de chegada possui distribuição exponencial
• A capacidade disponível no canal (μ) é alocada
totalmente, sob demanda, a cada fluxo
• Teremos então um canal de alta capacidade (μ)
alocado a cada fluxo
• Se todos os fluxos associados possuem taxa de
chegada λ
• Como apenas as taxas de chegada e de serviço
possuem distribuição exponencial, o canal todo é
um sistema tipo M/D/1 com tempo de resposta:
2  (2   )( s / 2)
Rev.: Out - 2013
r2  
2 (1   ) (1   )
144
144
Sistemas Totalmente
Determinísticos - D/D/1
• Nesse sistema, o tempo de serviço é fixo e a
taxa de chegada é fixa
• Como é um sistema estável, logo:
– λ / μ é fixo e menor do que 1
– Então: λ < μ
• É um sistema sem espera e sem perdas
• Como não há espera, o tempo de residência é
o próprio tempo de serviço:
r2  s
Rev.: Out - 2013
145
145
Resumo - Tempos de Residência
Sistema TDM Sistema STDM
Não 2s
determinísticos
s
(M/M/1) (1   ) (1   )
Determinísticos (2   ) s (2   )( s / 2)
(M/D/1) (1   ) (1   )
Rev.: Out - 2013
146
146
Tempo de Residência
com Baixo Tráfego
ρ quase nulo
Não
determinísticos s
2s
(M/M/1)
Determinísticos
(M/D/1) 2s s
Rev.: Out - 2013
147
Prof. Gil Pinheiro Melhor DETEL – Depto. de Engenharia
Pior Eletrônica e Telecomunicações 147
Tempo de Residência
com Tráfego Intenso
ρ quase unitário
Não 2s s
determinísticos
(M/M/1) (1   ) (1   )
Determinísticos s ( s / 2)
(M/D/1) (1   ) (1   )
Rev.: Out - 2013
148
Prof. Gil Pinheiro Melhor DETEL – Depto. de Engenharia
Pior Eletrônica e Telecomunicações 148
Comparação Gráfica
12,000
10,000 TDM
Tempo de Resposta
(M/M/1)
8,000
STDM
6,000 (M/M/1)
4,000 TDM
(M/D/1)
2,000
STDM
0,000 (M/D/1)
0 0,2 0,4 0,6 0,8 1
Rev.: Out - 2013
Intensidade de Tráfego
TDM
(D/D/1)
149
149
Conclusão
• A inclusão do determinismo no tempo de serviço
permitiu quadruplicar o desempenho em relação
ao sistema TDM não determinístico
• O sistema de multiplexação estatística teve
sempre melhor desempenho que o não
estatístico
• Para baixas intensidades de tráfego, o sistema
determinístico D/D/1 é menos eficiente que o
M/D/1
• O sistema D/D/1 possui desempenho constante,
Rev.: Out - 2013
sendo o mais eficiente para intensidades de

tráfego elevadas
150
(> 67%)
150
Redes de Filas
Rev.: Out - 2013
151
151
Redes de Filas
Rede Paralela
Rede em série com re-alimentação

Rev.: Out - 2013
A existência de re-alimentação anula a característica

de distribuição de
152Poisson na rede.
152
Redes de Filas -
Propriedades Importantes
Rev.: Out - 2013
153
153
Teorema de Jackson
• É utilizado para analisar redes de Filas. O
Teorema de Jackson estabelece o seguinte:
1. Uma rede de filas possui m nós, cada nó fornece
um serviço independente com distribuição
exponencial
2. Todos os itens que entram na rede de filas (de
fora) possuem distribuição de Poisson
3. Qualquer item que sai de um nó, vai
imediatamente para o próximo nó, com uma
Rev.: Out - 2013
probabilidade k, ou sai do sistema

154
154
Redes de Filas
Teorema de Jackson
s2 d2
Nó 1
Nó 2
Nó 5
Nó 4
d4
Rev.: Out - 2013
s1
155
155
Redes de Filas -
Modelo de Rede de Fila
Servidor
Terminal 2
de Origem
1
Terminal 5 4
de Origem
Rede de Comutação Servidor

de Pacotes (roteadores)
Rev.: Out - 2013
156
156
Redes de Filas -
s2 d2
1
2
4 d4
Rev.: Out - 2013
s1
157
157
Redes de Filas -
Análise do Nó (Roteador) 1:
Probabilidades de Roteamento:  pi = 1
 sistema M/M/1 Balanço de Fluxo:  –  ki pi = 0

p1
link 1
p1. Tempo de Residência (pacote percorre
M nós roteadores):
1
p2 M
1 M
1 / i
E[r] =  = 
p2. link 2
i=1 i – i i=1 1 – i
p3
p3.
1
Entrada  Link 1 : E[r] =
link 3 1 – p1 
Rev.: Out - 2013
158
158
Redes de Filas -
Exemplo: Rede de 5 Nós 2 = 2
Probabilidade
de Roteamento
1 = 2 1/4 2
1
1/3
3/4 ?
1/2 2/3
3
5 1/2
5 = 2 4
?
Capacidade de Transmissão de cada link = 3 pacotes/s
T1,3 (Tempo de resposta entre nós 1 e 3, rota 1-2-3) = ?
Rev.: Out - 2013
T1,4 (Tempo de resposta entre nós 1 e 4, rota 1-5-4) = ?

T1,4 (Tempo de resposta entre nós 1 e 4, rota 1-5-2-4) = ?
159
159
Redes de Filas -
Exemplo: Rede de 5 Nós
2 = 2
1 = 2 1/4 2
1
(1/2)
1/3
3/4 (17/12) 17/12
(3/2) 1/2 2/3
(17/6) 3
5 1/2
5 = 2 4
(7/4)
55/12
Fora do parênteses: probabilidades

Rev.: Out - 2013
Valores associados a cada link

Entre parênteses: fluxo de informação
160
160
Redes de Filas -
Exemplo: Rede de 5 Nós
Tempos de Resposta:
1 1
T1,3 (rota 1-2-3) = + = 1,031 s
3 – 1/2 3 – 17/12
1 1
T1,4 (rota 1-5-4) = + = 1,467 s
3 – 3/2 3 – 7/4
1 1 1
T1,4 (rota 1-5-2-4) = + + = 7,467 s
3 – 3/2 3 – 7/4 3 – 17/6
Rev.: Out - 2013
161
161
Calculando o Estado da Rede
População média no sistema em regime permanente:
  
E[n] =
n=1

n.pn =
n=1

n.n .(1- ) =
1–

Onde: =

Tempo de residência no sistema, utilizando a Equação de Little:
/ 1
E[r] = E[n] /  = =
(1 – ) .(1 – )
Rev.: Out - 2013
162
162
Redes Abertas e Fechadas
• Uma rede aberta possui chegadas e saídas
para o meio externo


• Uma rede fechada não possui chegadas ou

partidas para o meio externo
Rev.: Out - 2013
163
163
Referências Bibliográficas
[1] Bertsekas, D., Gallager, R. - Data Networks, Prentice Hall, 1992.
[2] Giozza, W.F. (et al.) - Redes Locais de Computadores: Protocolos de Alto Nível e
Avaliação de Desempenho, McGraw-Hill / Embratel, 1986.
[3] Jain, Raj - The Art of Computer Systems Performance Analysis, John Wiley & Sons,
1991.
[4] Kleinrock, Leonard - Queueing Systems - Volume I, John Wiley & Sons, 1975.
[5] Rappaport, Theodore S. Wireless Communications, Prentice Hall, 2nd. Edition
[6] Schwartz, Mischa - Telecommunication Networks, Addison-Wesley, 1988.
[7] Stallings, William - Data and Computer Communications, Maxwell Macmillan, 1991.
[8] Stallings, William - Queueing Analysis, Apostila, 2000
(http://www.WilliamStallings.com/DCC6e.html).
[9] Teoria do Tráfego Telefônico, SIEMENS A.G., 1975
[10] http://athena.mat.ufrgs.br/~portos/erlang.html
Rev.: Out - 2013
164
164

Teoria de Filas e Sistemas de Comunicação - UERJ

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Teoria de Filas e Sistemas de Comunicação - UERJ

Enviado por

Direitos autorais:

Formatos disponíveis

Faculdade de Engenharia

Departamento de Engenharia Eletrônica

Teoria de Filas e Sistemas de

Prof. Gil Pinheiro

de Distribuição Cumulativa é: F(x) = P[X  x] = Prob[r : X(r)  x ]

• Função Distribuição de Probabilidade:

Pr[X  x] = F(x) , onde: F(-) = 0 e F() = 1

• Função Densidade de Probabilidade:

• Chega um de cada vez?

(Ex.: Usuários de computadores de uso compartilhado)

a Hiperexponencial, Erlang e Geral

Uma sala de computadores pode possuir um ou

Se os computadores não forem idênticos, eles

Ex: algumas centrais telefônicas utilizam SIRO, comutadores de rede

tempo de chegada e tempo de serviço constante,

• M/M/1 => M/M/1/  /  / FCFS

Soma = 0,99997 3,19959

A partição de um fluxo de Poisson resulta em fluxos de Poisson

Partidas de um sistema de fila M/M/m é um fluxo de Poisson

de chegadas com ti < t

• Desvio Padrão: x = 1/ ( é igual a Média!!! )

• Essa distribuição é utilizada para modelar:

• Gráficos do tamanho da fila para diferentes valores de desvio padrão

• Quando: desvio/valor médio = 1, temos a Distribuição Exponencial

Tempo de residência para diversas relações de

 = Tempo interchegada = tempo decorrido entre duas chegadas

Todas as variáveis, exceto  e , são variáveis aleatórias.

• Tempo no Sistema: r = w + s  E[r] = E[w]+ E[s]

• Se  é a taxa de chegada numa linha de transmissão,

Tempo de espera na fila: w = 15 / 2 = 7,5 minutos

Estado: 0 1 2  n–1 n n+1 

1 2 3 n-1 n n+1 n+2

Estado = quantidade total de clientes no sistema

Para o sistema M/M/1, temos:

n =  (Cte), n = 1, 2, 3, .... (taxa de partidas do sistema)

outros sistemas de fila (M/M/N, M/M/N/N, etc)

As 4 condições para haver n clientes no sistema em t + t:

P(0 partida em t ) = 1   t + 0(t )

pn(t+t) = pn(t).[1 – .t – 0(t)].[1 – .t – 0(t)]

Para a fila M/M/1:  n (1- )

Para: > 1 N ∞ Para n  1:

Tempo de residência no sistema, utilizando a Lei de Little:

Tempo na fila de espera:

10. Probabilidade acumulada do tempo de residência:

12. Tempo médio de espera na fila: w = nq /  = (2 /  ) / (1 - )

Assumindo um modelo M/M/1 para o sistema servidor, rede e micros. Os

0,75 s (=0,6 s no atendimento + 0,15 s na fila de espera do servidor)

• Sistema com m servidores iguais

Estado: 0 1  m–1 m m+1 

 2. (m1). m. m. m.

Para o sistema M/M/m:

m., n = m, m+1, m+2, m+3, ..., 

4. Intensidade de tráfego do sistema (dos m servidores): ’   / 

6. Quantidade média de clientes no sistema: n  m. 

A equação anterior é conhecida como equação de Erlang-C. Tendo sido

P0 = probabilidade do sistema estar vazio (sem clientes). Dada por:

Estado: 0 1  m–1 m m+1  B

1 2 m-1 m m+1 m+2 b

Estado = quantidade de clientes no sistema

n = n. , n = 1, 2, 3, ..., m e n = m., para n > B

Estado: 0 1  m–1 m m+1  B

 2. (m1). m. m. m. m.

Estado = quantidade de clientes no sistema

• Probabilidade de haverem n clientes no sistema: