CarlosLRamirez · February 27, 2025 18:45
diff --git a/simulacion_colas_simpy.py b/simulacion_colas_simpy.py
 """
 Simulación de un sistema de colas M/M/c utilizando SimPy.

 Este script simula el funcionamiento de un banco (o sistema similar) con múltiples servidores (cajeros).
 - Los clientes llegan al sistema de acuerdo a una distribución exponencial con tasa LAMBDA.
 - El tiempo de servicio también se genera de forma exponencial con tasa MU.
 - Se puede configurar el número de servidores mediante NUM_SERVIDORES.
  
 Durante la simulación se registran y calculan las siguientes métricas:
  - Utilización del servidor (rho), calculada como el tiempo total en que los servidores están ocupados 
    dividido por el tiempo total de simulación multiplicado por el número de servidores.
  - Número promedio de clientes en el sistema (L) y en la cola (L_q), mediante el área bajo la curva 
    de la cantidad de clientes.
  - Tiempo promedio en el sistema (W) y tiempo promedio de espera en la cola (Wq).

 Se imprime una tabla de eventos y, al final, se muestran los resultados de la simulación.
 """

 #Estructura básica de la simulación
 import simpy
 import random
 import numpy as np

 #RANDOM_SEED = 58
 SIM_TIME = 1000        #Tiempo total de simulación
 LAMBDA = 30          # Taza de llegadas (por unidad de tiempo)
 MU = 25              # Taza de servicio (por unidad de tiempo)
 NUM_SERVIDORES = 2   # Numero de servidores en el sistema

 #Variables Globales
 tiempo_ultimo_evento = 0.0
 area_clientes_cola   = 0.0
 area_clientes_sistema = 0.0
 tiempo_ocupado = 0.0
 total_cola = 0.0
 total_sistema = 0.0
 total_clientes_simulacion = 0


 # ---------------------------
 # Proceso: generacion_llegadas
 # ---------------------------
 # Este proceso genera clientes que van entrando al sistema
 # Los tiempos entre llegadas estan distribuidos exponencialmente 
 def generacion_llegadas(env,server):
    id_cliente = 0

    #Este bucle se ejecuta indefinidamente hasta el final de la simulación
    while True:
        tiempo_entre_llegadas = random.expovariate(LAMBDA)
        yield env.timeout(tiempo_entre_llegadas)
        id_cliente+=1
        #print(f"{env.now:.4f}: Se generó el cliente {id_cliente:d}. Tiempo entre llegadas {tiempo_entre_llegadas:.4f}")
        tiempo_llegada=env.now
        env.process(atencion_cliente(env,id_cliente,server,tiempo_llegada))

 # ---------------------------
 # Proceso: llegada_Cliente
 # ---------------------------
 # Este proceso (entidad) representa el ciclo de vida de un cliente en el sistema.
 # El cliente llega, solicita atención del cajero (o se pone en la cola), es atendido durante un
 # tiempo determinado y luego sale del sistema.
 def atencion_cliente(env,id_cliente,server,tiempo_llegada):
    
    global area_clientes_cola, area_clientes_sistema, tiempo_ultimo_evento,tiempo_ocupado, total_cola, total_sistema, total_clientes_simulacion
    
    print(f"{id_cliente:d},{env.now:.2f},LlegadaCliente,{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")
    actualizar_estadisticas(env,server)

    #Esta es la parte mas importante del proceso, aqui solicitamos el servidor, el proceso continua hasta que exista un servidor disponible
    #Esto es gestionado por Simpy
    with server.request() as request: 
        yield request 
        #Inicio del servicio
        print(f"{id_cliente:d},{env.now:.2f},InicioServicio,{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")

        #Generación del tiempo de servicio aleatorio (distribución exponencial)
        tiempo_servicio = random.expovariate(MU)
        
        #Captura del inicio del servicio
        inicio_servicio = env.now
        
        #Calculo del tiempo que estuvo el cleinte en cola
        total_cola += inicio_servicio - tiempo_llegada

        actualizar_estadisticas(env,server)

        #delay por el tiempo de servicio
        yield env.timeout(tiempo_servicio)

        #Captura del tiempo que el cliente estuvo siendo atendido, lo cual equivale a que el cajero estuvo ocupado
        tiempo_ocupado += env.now - inicio_servicio

        print(f"{id_cliente:d},{env.now:.2f},FinServicio(Salida),{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")

        actualizar_estadisticas(env,server)

        #Captura el fin del servicio
        fin_servicio=env.now

        #Calculo del total de tiempo que el cleinte estuvo en el sistema
        total_sistema += fin_servicio-tiempo_llegada

        #Registro de los clientes que van completando el servicio y saliendo del sistema
        #esto nos sirve la final para calcular el tiempo promedio que estuvieron los cleintes en cola y en el sistema
        #durante toda la simulación
        total_clientes_simulacion +=1

 # ---------------------------
 # Función para actualizar las estadisticas
 # ---------------------------
 # Esta función calcula el tiempo transcurrido desde el último evento y actualiza el área acumulada bajo la curva para el 
 # número de clientes en cola (area_clientes_cola) y en el sistema (area_clientes_sistema).
 def actualizar_estadisticas(env,server):

    global area_clientes_cola, area_clientes_sistema, tiempo_ultimo_evento
    delta_tiempo = env.now - tiempo_ultimo_evento

    clientes_cola = len(server.queue)
    cajeros_ocupados = server.count
    clientes_sistema = clientes_cola+cajeros_ocupados

    area_clientes_cola+=clientes_cola*delta_tiempo
    area_clientes_sistema+=clientes_sistema*delta_tiempo
    
 
    tiempo_ultimo_evento = env.now


 # ---------------------------
 # Configuración General de la simulación
 # ---------------------------
 def main():

    global area_clientes_cola, area_clientes_sistema, total_sistema, total_cola, total_clientes_simulacion

    #random.seed(RANDOM_SEED)
    banco = simpy.Environment()
    cajero = simpy.Resource(banco, capacity=NUM_SERVIDORES)
    banco.process(generacion_llegadas(banco,cajero))
    print("\n--- Tabla de Eventos ---")
    print("Num,Timestamp,Tipo Evento,Tamaño de la Cola,Cajeros Ocupados,Tiempo desde evento anterior")

    banco.run(until=SIM_TIME)

    #Calculo de resultados 
    utilizacion = (tiempo_ocupado / (SIM_TIME*NUM_SERVIDORES))*100
    L = area_clientes_sistema/SIM_TIME
    L_q=area_clientes_cola/SIM_TIME
    Wq=total_cola / total_clientes_simulacion
    W=total_sistema / total_clientes_simulacion

    #Despliegue de resultados de la simulación
    print("\n--- Resultados de la Simulación ---")
    print(f"Utilizacion del Servidor:                     {utilizacion:.2f}%")
    print(f"Numero de clientes promedio en el banco (L):  {L:.4f}")
    print(f"Numero de clientes promedio en cola (L_q):    {L_q:.4f}")
    print(f"Tiempo promedio de espera en el sistema (W):  {W:.4f}")
    print(f"Tiempo promedio de espera en la cola (Wq):    {Wq:.4f}")



 if __name__ == '__main__':
    main()
	"""
	Simulación de un sistema de colas M/M/c utilizando SimPy.

	Este script simula el funcionamiento de un banco (o sistema similar) con múltiples servidores (cajeros).
	- Los clientes llegan al sistema de acuerdo a una distribución exponencial con tasa LAMBDA.
	- El tiempo de servicio también se genera de forma exponencial con tasa MU.
	- Se puede configurar el número de servidores mediante NUM_SERVIDORES.

	Durante la simulación se registran y calculan las siguientes métricas:
	- Utilización del servidor (rho), calculada como el tiempo total en que los servidores están ocupados
	dividido por el tiempo total de simulación multiplicado por el número de servidores.
	- Número promedio de clientes en el sistema (L) y en la cola (L_q), mediante el área bajo la curva
	de la cantidad de clientes.
	- Tiempo promedio en el sistema (W) y tiempo promedio de espera en la cola (Wq).

	Se imprime una tabla de eventos y, al final, se muestran los resultados de la simulación.
	"""

	#Estructura básica de la simulación
	import simpy
	import random
	import numpy as np

	#RANDOM_SEED = 58
	SIM_TIME = 1000 #Tiempo total de simulación
	LAMBDA = 30 # Taza de llegadas (por unidad de tiempo)
	MU = 25 # Taza de servicio (por unidad de tiempo)
	NUM_SERVIDORES = 2 # Numero de servidores en el sistema

	#Variables Globales
	tiempo_ultimo_evento = 0.0
	area_clientes_cola = 0.0
	area_clientes_sistema = 0.0
	tiempo_ocupado = 0.0
	total_cola = 0.0
	total_sistema = 0.0
	total_clientes_simulacion = 0


	# ---------------------------
	# Proceso: generacion_llegadas
	# ---------------------------
	# Este proceso genera clientes que van entrando al sistema
	# Los tiempos entre llegadas estan distribuidos exponencialmente
	def generacion_llegadas(env,server):
	id_cliente = 0

	#Este bucle se ejecuta indefinidamente hasta el final de la simulación
	while True:
	tiempo_entre_llegadas = random.expovariate(LAMBDA)
	yield env.timeout(tiempo_entre_llegadas)
	id_cliente+=1
	#print(f"{env.now:.4f}: Se generó el cliente {id_cliente:d}. Tiempo entre llegadas {tiempo_entre_llegadas:.4f}")
	tiempo_llegada=env.now
	env.process(atencion_cliente(env,id_cliente,server,tiempo_llegada))

	# ---------------------------
	# Proceso: llegada_Cliente
	# ---------------------------
	# Este proceso (entidad) representa el ciclo de vida de un cliente en el sistema.
	# El cliente llega, solicita atención del cajero (o se pone en la cola), es atendido durante un
	# tiempo determinado y luego sale del sistema.
	def atencion_cliente(env,id_cliente,server,tiempo_llegada):

	global area_clientes_cola, area_clientes_sistema, tiempo_ultimo_evento,tiempo_ocupado, total_cola, total_sistema, total_clientes_simulacion

	print(f"{id_cliente:d},{env.now:.2f},LlegadaCliente,{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")
	actualizar_estadisticas(env,server)

	#Esta es la parte mas importante del proceso, aqui solicitamos el servidor, el proceso continua hasta que exista un servidor disponible
	#Esto es gestionado por Simpy
	with server.request() as request:
	yield request
	#Inicio del servicio
	print(f"{id_cliente:d},{env.now:.2f},InicioServicio,{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")

	#Generación del tiempo de servicio aleatorio (distribución exponencial)
	tiempo_servicio = random.expovariate(MU)

	#Captura del inicio del servicio
	inicio_servicio = env.now

	#Calculo del tiempo que estuvo el cleinte en cola
	total_cola += inicio_servicio - tiempo_llegada

	actualizar_estadisticas(env,server)

	#delay por el tiempo de servicio
	yield env.timeout(tiempo_servicio)

	#Captura del tiempo que el cliente estuvo siendo atendido, lo cual equivale a que el cajero estuvo ocupado
	tiempo_ocupado += env.now - inicio_servicio

	print(f"{id_cliente:d},{env.now:.2f},FinServicio(Salida),{len(server.queue):d},{server.count:d},{tiempo_ultimo_evento:.4f}")

	actualizar_estadisticas(env,server)

	#Captura el fin del servicio
	fin_servicio=env.now

	#Calculo del total de tiempo que el cleinte estuvo en el sistema
	total_sistema += fin_servicio-tiempo_llegada

	#Registro de los clientes que van completando el servicio y saliendo del sistema
	#esto nos sirve la final para calcular el tiempo promedio que estuvieron los cleintes en cola y en el sistema
	#durante toda la simulación
	total_clientes_simulacion +=1

	# ---------------------------
	# Función para actualizar las estadisticas
	# ---------------------------
	# Esta función calcula el tiempo transcurrido desde el último evento y actualiza el área acumulada bajo la curva para el
	# número de clientes en cola (area_clientes_cola) y en el sistema (area_clientes_sistema).
	def actualizar_estadisticas(env,server):

	global area_clientes_cola, area_clientes_sistema, tiempo_ultimo_evento
	delta_tiempo = env.now - tiempo_ultimo_evento

	clientes_cola = len(server.queue)
	cajeros_ocupados = server.count
	clientes_sistema = clientes_cola+cajeros_ocupados

	area_clientes_cola+=clientes_cola*delta_tiempo
	area_clientes_sistema+=clientes_sistema*delta_tiempo


	tiempo_ultimo_evento = env.now


	# ---------------------------
	# Configuración General de la simulación
	# ---------------------------
	def main():

	global area_clientes_cola, area_clientes_sistema, total_sistema, total_cola, total_clientes_simulacion

	#random.seed(RANDOM_SEED)
	banco = simpy.Environment()
	cajero = simpy.Resource(banco, capacity=NUM_SERVIDORES)
	banco.process(generacion_llegadas(banco,cajero))
	print("\n--- Tabla de Eventos ---")
	print("Num,Timestamp,Tipo Evento,Tamaño de la Cola,Cajeros Ocupados,Tiempo desde evento anterior")

	banco.run(until=SIM_TIME)

	#Calculo de resultados
	utilizacion = (tiempo_ocupado / (SIM_TIMENUM_SERVIDORES))100
	L = area_clientes_sistema/SIM_TIME
	L_q=area_clientes_cola/SIM_TIME
	Wq=total_cola / total_clientes_simulacion
	W=total_sistema / total_clientes_simulacion

	#Despliegue de resultados de la simulación
	print("\n--- Resultados de la Simulación ---")
	print(f"Utilizacion del Servidor: {utilizacion:.2f}%")
	print(f"Numero de clientes promedio en el banco (L): {L:.4f}")
	print(f"Numero de clientes promedio en cola (L_q): {L_q:.4f}")
	print(f"Tiempo promedio de espera en el sistema (W): {W:.4f}")
	print(f"Tiempo promedio de espera en la cola (Wq): {Wq:.4f}")



	if __name__ == '__main__':
	main()
No results found