Qué responde esta calculadora Erlang C
"¿Cuántos agentes necesitamos al teléfono?" y "¿cuántos servidores necesitamos en el lanzamiento?" son la misma pregunta. Las solicitudes llegan al azar, cada una ocupa un servidor durante un tiempo y quien encuentra todos los servidores ocupados espera en cola. Esta calculadora lo modela como una cola M/M/c y aplica la fórmula C de Erlang, publicada por el ingeniero danés A. K. Erlang en 1917, para darte la probabilidad de esperar, la espera media, la longitud de la cola y la proporción de llegadas atendidas dentro de un tiempo objetivo.
Después calcula a la inversa: busca el menor número de servidores que cumple tu nivel de servicio (y, si lo indicas, una espera media máxima) y muestra una tabla breve alrededor de ese número para ver qué cambia con un servidor más o menos.
Cómo usarla
- Tasa de llegadas λ: llamadas, chats, tickets o peticiones por segundo, minuto u hora. Usa la tasa de tu franja más cargada, no un promedio diario.
- Tiempo medio de servicio: tiempo medio de gestión por llegada (conversación más trabajo posterior en un centro de contacto, o tiempo de proceso de una petición en un servidor). También puedes introducir la tasa de servicio μ por servidor.
- Servidores c: agentes, workers, hilos o máquinas que atienden en paralelo. Déjalo vacío para ver los resultados con el número recomendado.
- Objetivo de nivel de servicio: proporción de llegadas que no deben esperar más de T. El valor por defecto, 80% en 20 segundos, es un ejemplo muy usado, no una ley ni una norma. Usa tu propio objetivo.
La misma herramienta sirve para capacidad TI: introduce peticiones por segundo y un tiempo de servicio en milisegundos, y entiende "servidores" como workers concurrentes.
Las fórmulas
Con una tasa de llegadas λ y un tiempo medio de servicio s (tasa de servicio μ = 1/s), el tráfico ofrecido es A = λ/μ erlangs y la ocupación es ρ = A/c. La cola solo es estable si A < c. Si no lo es, la cola crece sin límite y la calculadora lo indica en lugar de mostrar un número.
La probabilidad de que una llegada tenga que esperar es Erlang C, C(c, A). La calculadora la obtiene con la recursión de Erlang B, Bk = A·Bk−1 / (k + A·Bk−1), y C = c·B / (c − A(1 − B)). Este método no usa factoriales, así que sigue siendo exacto con miles de servidores. A partir de C:
- espera media en cola Wq = C / (cμ − λ), y tiempo medio en el sistema W = Wq + 1/μ;
- longitud media de la cola Lq = λWq, y número medio en el sistema L = Lq + A;
- nivel de servicio P(Wq ≤ T) = 1 − C·e−(cμ−λ)T (por orden de llegada).
Los resultados cumplen la ley de Little, L = λW, que aparece como comprobación. Puedes contrastarlo con la calculadora de throughput (ley de Little).
Ejemplo resuelto
Un servicio de soporte recibe 120 llamadas por hora (2 por minuto) y el tiempo medio de gestión es de 4 minutos, así que A = 2 × 4 = 8 erlangs. Con 10 agentes la ocupación es del 80%, el 40,9% de las llamadas espera, la espera media ronda los 49 segundos y solo el 65,4% se atiende en 20 segundos. Con 11 agentes la probabilidad de esperar baja al 24,5%, la espera media a 19,6 segundos y el nivel de servicio sube al 80,9%. Por tanto, 11 agentes cumplen un objetivo de 80% en 20 segundos. Con 12 agentes sería el 90,0%.
Comprobación con un libro de texto: en Teletraffic Engineering and Network Planning de Iversen (ejemplo 9.3.1), un sistema con 20 erlangs de tráfico, 100 segundos de servicio medio y 32 canales tiene una espera media de 0,075 s. Esta calculadora da 0,0747 s.
Ejemplo TI: 5.000 peticiones por segundo de 120 ms cada una son A = 600 erlangs. Para que el 99% empiece a procesarse en 50 ms se necesitan 610 workers concurrentes. Eso supone una ocupación del 98,4% y una espera media en cola de unos 7 ms.
Supuestos y límites
- Las llegadas son aleatorias e independientes (proceso de Poisson) y los tiempos de servicio siguen una distribución exponencial.
- Servidores idénticos atienden por orden de llegada y la sala de espera es ilimitada.
- Nadie abandona. En la realidad la gente cuelga, y entonces Erlang C sobrestima la espera y el personal necesario. El modelo Erlang A (M/M/N+M, Garnett, Mandelbaum y Reiman, 2002) incorpora el abandono.
- El resultado se refiere a agentes realmente disponibles para atender. Suma pausas, formación y ausencias (shrinkage).
- El tráfico a ráfagas, los reintentos y los tiempos de servicio muy variables suelen empeorar las colas respecto al modelo. Toma el resultado como un mínimo y compruébalo con carga real.
Para los límites de aceleración al paralelizar una tarea, consulta la calculadora de la ley de Amdahl.