1 Teoría de Erlang Jefferson Loayza Madariaga, Anita Quispe Mamani y Fabiola Pachao García Departamento de Electrónica Universidad Nacional de San Agustín jloayzamad@unsa.edu.pe, anmamaniqu@@unsa.edu.pe, fpachaog@unsa.edu Resumen—Estas instrucciones son una guía básica para la preparación de un trabajo para ser presentado ante la Revista Argentina de Trabajos Estudiantiles*. Este documento es en si mismo un ejemplo del formato deseado (inclusive este Resumen) y puede ser usado como una plantilla. El Resumen esta limitado a 150 palabras y no debe contener ecuaciones, figuras, tablas, o referencias. Debe concisamente enunciar que fue hecho, como fue hecho, resultados principales, y su trascendencia. Abstract--Basic guidelines for the preparation of a technical work for the Revista Argentina de Trabajos estudiantiles* are presented. This document is itself an example of the desired layout (inclusive of this abstract) and can be used as a template. The abstract is limited to 150 words and cannot contain equations, figures, tables, or references. It should concisely state what was done, how it was done, principal results, and their significance. I. INTRODUCCIÓN a teoría de Erlang es de suma importancia en la ingeniería telegráfica porque se puede calcular la probabilidad de una llamada bloqueada, realimentada, que espere ser atendida, según sean los diferentes casos que lo ocasione , debido al congestionamiento, muy pocos servidores entre otros, y se relaciona directamente a las telecomunicaciones en el aspecto de telefonía y el objetivo ahora es investigar la teoría de Erlang para conocer más acerca de las diferentes probabilidades que existen en el tráfico de red. L Por tal motivo decidimos trabajar en equipo para encontrar información más detallada de la distribución de Erlang y sus propiedades, los modelos de tráfico como Erlang B, Erlang B extendido, y Erlang C. El resultado de trabajar en equipo nos permitió relacionar ideas y mejorar nuestros conceptos acerca de la teoría de Erlang, y a la vez el trabajo en equipo se hizo en menos tiempo que de manera individual. Entonces se decidió profundizar la investigación en la distribución de Erlang y sus propiedades, los modelos de tráfico como Erlang B, Erlang B extendido, y Erlang C. II. DESARROLLO rgner Krarup Erlang, fue un matemático estadístico e ingeniero danés que invento los campos de ingeniería de trafico de telecomunicaciones y la teoría de colas, además creo la distribución de Erlang, que toma el nombre en honor a él. Erlang fue quien desarrollo el modelo, al estudiar las llamadas telefónicas en centrales de comunicación. A A. DISTRIBUCIONES Como antecedentes de la distribución de Erlang se tienen varias distribuciones como lo son: Distribución Exponencial Distribución Binomial Distribución de Bernoulli Distribución de Pascal Distribución Geométrica Cada una de estas distribuciones: 1) Distribuci ón Exponencial: Modelo el tiempo transcurrido entre 2 eventos, o bien el tiempo que transcurre para el primer evento. (1) De donde: T: Tiempo que transcurre para la primera ocurrencia En caso de las variables discretas se tiene las siguientes distribuciones: 2) Distribucion Binomial: Es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de “n” ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. 2 B. Generalización de la distribución de Erlang (2) La distribución Binomial generaliza la distribución de Bernoulli. Dado el caso: (6) Entonces: 3) Distribución de Bernoulli: La distribución de Bernoulli (o distribución dicotómica), es una distribución de probabilidad discreta, que toma valor 1 para la probabilidad de éxito y 0 para la probabilidad de fracaso. (7) Donde Y es la suma de 2 variables aleatorias con distribución exponencial Y se busca obtener la función de densidad de Y (8) Por lo que se plantea: (9) (3) 4) Distribución de Pascal: Sustituyendo la variable aleatoria Y (10) (4) La distribución de Pascal generaliza la distribución Geométrica. 5) Distribución Geométrica: La distribución geométrica es un modelo adecuado para aquellos procesos en los que se repiten pruebas hasta la consecución del éxito a resultado deseado. También implica la existencia de una dicotomía de posibles resultados y la independencia de las pruebas entre sí. Que es una probabilidad de variables aleatorias conjuntas Por independencia se sabe que la función de densidad es igual a: = (11) Y puesto que las marginales son las distribuciones de las variables aleatorias , y cada una tiene distribución exponencial. (12) Sustituyendo: (13) (5) Y para obtener la probabilidad buscada. Se realiza la integral doble sobre la región de interés. Para la primera Integral: Después de las anteoriores distribuciones. En el caso de la Variable Aleatoria Exponencial que modela el tiempo para la primera ocurrencia. Para la generalización consiste en buscar el tiempo para la resima ocurrencia, que en realidad es una suma de Variables Aleatorias Exponeciales. Por las características del proceso de Poisson sobre el que se construye la variable aleatoria exponencial, se tiene que las variables aleatorias exponenciales que se suman para construir la distribución de Erlang serán independientes e idénticamente distribuidas. 3 Fig. 1 Region de interes para la primera integral. Dado el siguiente caso para determinar la generalización de la distribución de Erlang: Dando la integral: (14) Y: Tiempo para la tercera ocurrencia (21) Entonces: Para la segunda Integral (22) Donde Y es la suma de 3 variables aleatorias con distribución exponencial y se busca obtener la función de densidad de Y. (23) Por lo que se plantea: (24) Sustituyendo la variable aleatoria Y (25) Fig. 2 Region de interes para la segunda integral. Que es una probabilidad de variables aleatorias conjuntas por independencia se sabe que la función de densidad: Dando la integral: (15) . . = . . (26) Y puesto que las marginales son las distribuciones de las variables aleatoria y cada una tiene distribución exponencial. (27) Quedando la integral doble: Sustituyendo: (16) (28) (17) Y para obtener la probabilidad buscada. Se realiza la integral triple sobre la región de interés. Realizando la integral doble: (29) (18) Derivando para obtener la funcion de densidad (30) Al realizar la Integral triple: (19) (31) (20) Que es la función de densidad de Y, la variable aleatoria que representa la suma de 2 variables aleatorias con distribución exponencial Derivando para obtener la función de densidad: (32) 4 (33) C. EL MODELO ERLANG B Conociendo el tráfico y la cantidad de líneas disponible, este modelo calcula la probabilidad de que una llamada en su primer intento sea bloqueada. [9] Que es la función de densidad de Y, la variable aleatoria que representa la suma de 3 variables aleatorias con distribución exponencial. De los resultados se puede construir una tabla. 1 Figura 1: Erlang B [9] Puede determinar la cantidad de líneas troncales, o líneas, necesarias para manejar una carga de llamadas durante un período de una hora. Sin embargo, la fórmula asume que las llamadas perdidas se borran; es decir, si las personas que llaman reciben una señal de ocupado, nunca Volver an a intentarlo. 2 3 n Forma para “n” términos: (34) (35) Que es la función de densidad de Erlang Parámetros de la función de densidad de Erlang: De tal forma que el nuevo cuadro resultante es: 1 2 3 Figura 2: Se tiene una entrada de fuentes infinitas, aleatorias y con un determinado grado de servicio que brindara el servicio a unas llamadas y otras en su primer intento las bloqueara sin retroalimentación. [8]. 1) Formula de Erlang B Es la probabilidad de bloqueo durante la conmutacion, porque todas las troncales estan ocupadas, por el congestionamiento que se produce en determinados momentos. Los cambios en la probabilidad se da en los siguientes casos: - El tráfico es originado por muchas fuentes. - Las llamadas son limpiadas asumiendo un “holding time” de cero. - El sistema está totalmente disponible. - Si un usuario se encuentra utilizando el servicio. - Las peticiones tráfico son representadas por una distribución de Poisson. L a probabilidad de bloqueo es la siguiente: n (36) - Donde: - N = Número de canales de servicio. - A = Carga ofrecida. 5 - B (N, A) =Probabilidad de bloqueo. La fórmula de Erlang B se usa para calcular cualquiera de los tres factores siguientes si conoce o predice los otros dos: a) Tráfico en hora punta (BHT): Número de horas de tráfico de llamadas durante el congestionamiento. b) Bloqueo: El porcentaje de llamadas bloqueadas porque no hay la cantidad de líneas requeridas en ese momento. c) Líneas: El número de líneas en un grupo troncal. Este es el modelo usado para el dimensionamiento de centrales telefónicas POTS tanto públicas como privadas. También se usa para el caso de VoIP, ya que se espera que VoIP tenga la misma QoS de POTS. 2) La cola M/M/c/c y la función de pérdida Erlang B El modelo de colas M/M/c/c es parecido pero no igual al modelo M/M/c (Múltiplos servidores), tienen semejanza en el número máximo de clientes permitidos en el sistema es C. Por ejemplo si hay c servidores instalados en una estación de trabajo y clientes que llegan para ser servidos se dan los siguientes casos: a) Si llega un cliente y un servidor está libre, pasa a ocuparlo y cuando finaliza deja el sistema. b) Si llega un cliente y todos los servidores están ocupados, se va el cliente (se produce una pérdida). En este modelo no se permite que se queden clientes en espera en el sistema. Ahora el espacio de estados es . Los clientes van llegando según un proceso de Poisson de intensidad ,pero en realidad al sistema no llegan con esa tasa, porque sucede el caso b). En cambio, los tiempos de servicio de los clientes siguen siendo como en el modelo M/M/c, variables aleatorias independientes e idénticamente distribuidas, con la ley exponencial de parámetro para cada uno de los servidores, independientes entre si. Por tanto se trata de un proceso de Nacimiento y Muerte con tasas de nacimiento y de defunción. [1] si y que al llegar un nuevo cliente encuentre todos los servidores bloqueados( se produce una perdida). Probabilidad de pérdida (37) (38) Como la expresión causa problemas de computación a causa de los factoriales (son números muy altos si c es relativamente grande), se suele usar otra fórmula iterativa que resulta inmediato comprobar: (39) 3) Comparación entre la fórmula Erlang B y Poisson Una comparación entre las formulas de bloqueo del Erlang B y la de Poisson muestra que la formula de Poisson resulta una buena opción para bloqueos mayores que la que se obtiene con la fórmula de Erlang B para una carga de tráfico dada. La fórmula de Erlang B y la de Poisson son usadas comúnmente para calcular las probabilidades de bloqueo para el sistema telefónico. Para sistemas donde se utiliza la fórmula de Erlang B y se presentan perdidas, el acarreo de tráfico A será: (40) Donde: A’= Trafico acarreado El trafico acarreado es igual en proporción al trafico ofrecido A que no tiene perdida y A*B[N, A] es el tráfico perdido. 4) Formula de Erlang B extendido El modelo de Erlang B extendido y Erlang B son diferentes, a pesar de que tienen su entrada con fuentes infinitas y la misma fórmula, un porcentaje de llamadas bloqueadas son retroalimentadas hasta que se les brinde el servicio. La fórmula de Erlang B extendido se ocupa principalmente en modelos como lo es un “modem pool”. Donde un “modem pool” es un grupo de módems utilizados para la recepción de llamadas entrantes, algunas de sus características es que son dispositivos analógicos y utilizan una velocidad de 33.6 kbps. Figura 3: Tasas para la cola M/M/c/c [9] 2.1) La fórmula (función de pérdida) Erlang B En este modelo es importante la efectividad de la función de pérdida de Erlang o formula de Erlang-B(la “B” viene de “blocked” , es decir las llegadas que no pueden ser atendidas inmediatamente, son bloqueadas), que es la probabilidad de Figura 4: Modelo de tráfico para Erlang B extendido. [8] En la figura se tiene una entrada de fuentes infinitas, aleatorias y con un determinado grado de servicio que brindara el servicio 6 a unas llamadas y a otras las bloqueara, pero un porcentaje de estas serán retroalimentadas hasta obtener el servicio. Ejemplo En este modelo se asume que un porcentaje de las llamadas bloqueadas son reintentadas de nuevo y el otro porcentaje se pierde. b. Fórmula La fórmula de Erlang C es la parte más importante de la ecuación. Le permite calcular la probabilidad de que una llamada espere (P w), dada la Intensidad de tráfico (A) y el Número de agentes (N) disponibles. Donde Figura 5: Erlang B extendido [9] La importancia de este modelo de trafico es que un porcentaje de las llamadas bloqueadas pueden ser reintentadas y atendidas, por ejemplo cuando nosotros hacemos una llamada y nos reponden lo volvemos ha intentar hasta que nos atiendan. Este modelo en si es una modificación del Erlang B pero con una extensión mas. Erlang es un cálculo iterativo, en lugar de una fórmula, que agrega un parámetro adicional, el factor de repetición, que define la proporción de rellamadas. [10] A: es la intensidad total del tráfico ofrecido en unidades de Erlangs. N: es la cantidad de servidores [número de troncales]. PW: es la probabilidad de que un cliente tenga que esperar para ser atendido. c.Proceso con ejemplo i. Entrada 1. Calcular (41) Como se indica en la ecuación de Erlang B. 2. Calcular el número probable de llamadas bloqueadas (42) 3. Calcular el número de rellamadas, suponiendo un Factor de Repetición, . (43) 4. Calcular el nuevo tráfico ofrecido donde 5. (44) es el nivel inicial de tráfico. Volver al paso 1 y repetir hasta que se obtenga un valor estable de . 3. Fórmula Erlang C a.concepto La fórmula de Erlang C supone una infinita población de fuentes, las cuales ofrecen en conjunto, un tráfico de A Erlangs hacia N servidores. Sin embargo, si todos los servidores están ocupados cuando una petición llega de una fuente, la petición es introducida en la cola. Un sin fin de números de peticiones podrían ir a la cola en este modo simultáneamente, es una ecuación matemática para calcular el número de agentes (asesores) que necesita en un centro de llamadas, dado el número de llamadas y el nivel de servicio que desea lograr. Necesitamos una serie de entradas . Utilizaremos un ejemplo trabajado de 100 llamadas por media hora, con un tiempo de gestión promedio de 3 minutos. Usaremos promedios de la industria para Nivel de servicio, Contracción y Ocupación máxima, que se muestran a continuación: -Número de llamadas - 100 -En un período de minutos - 30 -Tiempo promedio de manejo (segundos) - 180 (3 minutos) -Nivel de servicio requerido 80% -Tiempo de respuesta objetivo (segundos) 20 -Ocupación máxima del 85% -Contracción 30% ii. Calcula el número de llamadas por hora Entonces, tenemos 100 llamadas por 30 minutos, lo que equivale a 200 llamadas por hora. iii. Calcule la intensidad del tráfico (A) 7 La intensidad del tráfico es el período de tiempo que tardarían todas las llamadas telefónicas si se ordenaran de extremo a extremo. Entonces, si tenemos 200 llamadas con un tiempo de gestión promedio de 3 minutos, tendríamos un total de 200 x 3 = 600 minutos de llamada. Simplifiquemos la fórmula de Erlang C Para calcular la intensidad del tráfico, tome los minutos de llamada y divida por 60 para obtener el número de horas de llamada. Entonces, 600 minutos de llamada / 60 = 10 horas de llamada. Ahora la unidad técnica para Horas de Llamada se llama Erlang. Así que la intensidad del tráfico = 10 horas de llamada = 10 Erlangs. iv. Calcule el número bruto de agentes requeridos (N) Ahora debemos estimar el número bruto de agentes requeridos para manejar esta intensidad de tráfico. Sabemos que tenemos 10 Erlangs (10 llamadas por hora de tráfico por hora). Esto significa que el número mínimo de agentes que necesitaríamos en el centro de llamadas sería de 10 agentes. Esta cifra de 10 agentes supondría que todas las llamadas llegan exactamente en el momento en que finaliza una llamada anterior y que no hay colas. Entonces, comenzamos agregando 1 a la intensidad del tráfico. vi. Calcular el nivel de servicio Estimación 1: N = A + 1 = 10 + 1 = 11 Agentes Luego introducimos la Intensidad de tráfico (A) y el Número de agentes (N) en la fórmula de Erlang C para ver cuál es la probabilidad de que una llamada espere y luego calcular el Nivel de servicio. Luego aumentamos el número de agentes hasta que se alcanza el nivel de servicio. v. Calcule la fórmula de Erlang para la probabilidad de una llamada en espera N! = 11! = 39916800 A N = 10 11 Primero: Todo: Esto está por debajo del objetivo del 80%, por lo que necesitamos aumentar el número de agentes. vii. Aumente el número de agentes (N) en 1 para ver si se alcanza el nivel de servicio 8 Seguimos aumentando el número de agentes (N) en 1 para ver si se alcanza el nivel de servicio. viii. Velocidad promedio de respuesta (ASA) Resolviendo: a) N = 12 A = 10 ix. Porcentaje de llamadas contestadas inmediatamente x. Comprobar ocupación máxima Nivel de servicio como porcentaje 64.0%. Esto está por debajo del objetivo del 80%, por lo que necesitamos aumentar el número de agentes. La ocupación es el porcentaje de tiempo que todos los agentes del centro de llamadas pasan manejando los contactos de los clientes. La fórmula se muestra a continuación. b) N=13 A=10 Esto es menos del 85%, así que podemos mantenerlo en esto. Si esto es más del 85% Esto está por debajo del objetivo del 80%, por lo que necesitamos aumentar el número de agentes. c) N=14 A=10 Si tiene una ocupación de más del 85%, es probable que sus agentes se agoten y usted encontrará que el Tiempo promedio de manejo (AHT) puede aumentar para cubrirlo. xi. factor en la contracción La contracción es un factor que se usa ampliamente en la industria para incluir vacaciones, enfermedad, capacitación y reuniones, etc. El promedio de la industria es de alrededor del 30–35%. Contracción = 30% Esto está por encima del objetivo del 80%. Así que el número bruto de agentes = 14 xii. resumen 9 Así que el número total de agentes requeridos: 20 Nivel de servicio: 88.8% Probabilidad de que una llamada tenga que esperar: 17.4% Velocidad promedio de respuesta: 7.8 segundos % de llamadas contestadas inmediatamente: 82.6% III. ESPECIFICACIONES El NO SE SI BORRAR ESTA PARTE O NO IV. CONCLUSIONES 1. Se demostró que la distribución de Erlang es el equivalente de la distribución gamma con ciertos parámetros, además también se demostró que es la generalización de la Distribución Exponencial. 2. La fórmula de Erlang C es la parte más importante de la ecuación. Le permite calcular la probabilidad de que una llamada espere (P w), dada la Intensidad de tráfico (A) y el Número de agentes (N) disponibles. Suponiendo que las llamadas que fueron bloqueadas se quedaran en el sistema hasta que se puedan atender. 3. En conclusión, Erlang B es importante a la hora de Calcular la probabilidad de que una llamada sea bloqueada en su primer intento, y así resolver problemas de congestionamiento, de esta manera se establece la cantidad de servidores necesarios a utilizar en una hora de mucho tráfico, o de acuerdo a la cantidad de usuarios. V. REFERENCIAS [1] [2] [3] [4] [5] "Download the Free Contact Centre (Erlang) Calculator", Callcentrehelper.com, 2018. [Online]. Available: https://www.callcentrehelper.com/resource.php?id=61. [Accessed: 18Nov- 2018]. "Unidad Erlang", Es.wikipedia.org, 2018. [Online]. Available: https://es.wikipedia.org/wiki/Unidad_Erlang. [Accessed: 18- Nov2018]. T. Support, I. (VoIP) and T. Paper, "Traffic Analysis", Cisco, 2018. [Online]. Available: https://www.cisco.com/c/en/us/td/docs/ios/solutions_docs/voip_solutions /TA_ISD.html#wp1038738. [Accessed: 20- Nov- 2018]. "Erlang C Formula – Made Simple With an Easy Worked Example", Call Centre Helper, 2018. [Online]. Available: https://www.callcentrehelper.com/erlang-c-formula-example121281.htm. [Accessed: 22- Nov- 2018]. "teoría de colas | ON SOLUCIONES", Onsoluciones.wordpress.com, 2018. [Online]. Available: https://onsoluciones.wordpress.com/category/teoriade-colas/. [Accessed: 23- Nov- 2018]. G. Eason, B. Noble, and I.N. Sneddon, “On certain integrals of Lipschitz-Hankel type involving products of Bessel functions,” Phil. Trans. Roy. Soc. London, vol. A247, pp. 529-551, April 1955. [7] R. D. d. l. Torre, «Recordando a Erlang: Un breve paseo (sin esperas) por la Teoría de Colas,» Revista Electronica de Divulgación Matemática, vol. Volum 2009, nº 5, pp. 27-30, 29 Setiembre 2009. [8] I. H. C. ROBALINO, Ingeniería de Tráfico de Telecomunicaciones, Carrión CONSULTOR, 2012. [9] D. Marcano, «Conceptos y Elementos Básicos de Tráfico en Telecomunicaciones,» ATEL ASESORES C.A, [En línea]. Available: https://repository.unad.edu.co/bitstream/10596/5221/1/208062.pdf. [Último acceso: 23 noviembre 2018]. [10] Wikipedia, «Erlang B extendido,» 19 Abril 2018. [En línea]. Available: https://es.wikipedia.org/wiki/Unidad_Erlang. [Último acceso: 22 Noviembre 2018]. [11] J. E. O. Triviño, «INTRODUCCIÓN A LA TEORÍA DE TELETRÁFICO ESTADÍSTICA DE LAS TELECOMUNICACIONES,» 21 Febrero 2012. [En línea]. Available: http://disi.unal.edu.co/profesores/jeortizt/EstadTel/Archivos/14.%20Intro duccionALaTeoriaDeTeletrafico_24DeAbrilDe2012_ElPrincipal%20.pdf . [Último acceso: 2018 noviembre 20]. [12] Wikipedia, «Distribución de Erlang,» 2014. [En línea]. Available: https://es.m.wikipedia.org/wiki/Distribuci%C3%B3n_de_Erlang. [Último acceso: Noviembre 16 2018]. [6] E