📊 statistics

A Fractional M/M/1 Queue Governed by Stretched Non-Local Time Operators

Este artículo introduce una generalización no markoviana de la cola M/M/1 utilizando operadores temporales no locales extendidos, demostrando que, si bien la distribución en estado estacionario sigue siendo geométrica bajo las condiciones estándar de estabilidad, los parámetros fraccionarios alteran significativamente las tasas de convergencia transitoria y la dinámica de la cola de memoria larga.

Autores originales: Mehmet Sıddık Çadırcı

Publicado 2026-02-03

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mehmet Sıddık Çadırcı

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una cafetería concurrida con un solo barista. Este es el clásico modelo de cola M/M/1, un modelo matemático utilizado para comprender las filas, los tiempos de espera y la congestión. En la versión "clásica" de esta historia, el tiempo se mueve como un río suave y constante. Si llega un cliente, la probabilidad de que llegue el siguiente es la misma cada segundo, independientemente de lo que haya sucedido hace cinco minutos. El sistema no tiene memoria; vive enteramente en el momento presente.

Sin embargo, el mundo real no siempre es un río suave. A veces, el tiempo se siente "pegajoso" o "estirado". Tal vez el barista se distrae, o los clientes llegan en ráfagas impredecibles que parecen persistir. Aquí es donde entra el artículo de Mehmet Sıddık Çadırcı.

Aquí hay una explicación de las ideas centrales del artículo utilizando analogías simples:

1. El nuevo reloj "pegajoso"

Los autores proponen una nueva versión de la cola de la cafetería. En lugar de un río suave, imaginan que el tiempo está gobernado por un "operador de tiempo no local estirado".

La analogía: Piensa en la cola clásica como un tren que se mueve en una vía perfecta a una velocidad constante. El nuevo modelo es como ese mismo tren, pero ahora se mueve a través de una sustancia espesa y pegajosa como la miel.
Qué hace: En esta "miel", el tiempo no pasa de manera uniforme. El sistema recuerda el pasado. Si se formó una fila larga anteriormente, esa "memoria" afecta cómo se comporta la fila en este momento. El artículo reemplaza la matemática estándar para la "velocidad de cambio" (la derivada) con una herramienta más compleja llamada operador fraccionario estirado. Esta herramienta permite al modelo capturar la "memoria larga" y la "persistencia".

2. La función mágica: El Kilbas-Saigo

Para resolver la matemática de esta cola pegajosa y llena de memoria, los autores utilizan una herramienta matemática especial llamada función Kilbas-Saigo.

La analogía: En el modelo clásico, las matemáticas utilizan curvas exponenciales simples (como una pelota rodando por una colina y deteniéndose). En este nuevo modelo, la pelota rueda por una colina que cambia de forma a medida que avanza. La función Kilbas-Saigo es la forma específica de esa colina cambiante.
Por qué es importante: Esta función es una "superversión" de herramientas matemáticas más antiguas (como la función de Mittag-Leffler). Permite al modelo describir una variedad mucho más amplia de comportamientos de "relajación": qué tan rápido la fila se estabiliza después de una ráfaga.

3. El viajero del tiempo "fantasma"

Uno de los hallazgos más fascinantes es cómo esta nueva cola se relaciona con la antigua. El artículo demuestra que el comportamiento de esta cola compleja y llena de memoria es, en realidad, una cola clásica funcionando con un reloj aleatorio y distorsionado.

La analogía: Imagina dos cafeterías idénticas.
- Tienda A (Clásica): El tiempo transcurre normalmente.
- Tienda B (Fraccionaria): El barista es el mismo, los clientes son los mismos, pero el reloj en la pared está roto. Se acelera y se ralentiza aleatoriamente según una regla específica.
- El resultado: Si observas la Tienda B, parece que la fila se mueve más lento o se comporta de manera extraña, pero si pudieras "rebobinar" el reloj roto de la Tienda B para que coincida con el tiempo normal de la Tienda A, las dos filas se verían exactamente iguales.
La afirmación: El artículo demuestra matemáticamente que la cola fraccionaria es simplemente una cola clásica evaluada en un "tiempo aleatorio no decreciente".

4. La gran sorpresa: El resultado final no cambia

Podrías pensar que si el tiempo es pegajoso y la memoria es pesada, el estado final de la fila sería totalmente diferente. El artículo muestra que esto no es así.

La analogía: Ya sea que camines hacia la tienda a un paso ligero o que atravieses lodo profundo, si comienzas en el mismo lugar y sigues el mismo camino, eventualmente llegarás al mismo destino.
La afirmación: Siempre que la tienda no esté abrumada (la tasa de llegada sea menor que la tasa de servicio), la distribución de estado estacionario final de los clientes en la fila es exactamente la misma que la del modelo clásico. El "tiempo pegajoso" cambia qué tan rápido el sistema llega allí, pero no a dónde termina.

5. La verdadera diferencia: El viaje, no el destino

Aunque el destino final es el mismo, el viaje es muy diferente.

La analogía: En el modelo clásico, si la fila se alarga, se reduce a la normalidad muy rápidamente (exponencialmente rápido). En el nuevo modelo "pegajoso", la fila se reduce mucho más lentamente. Tienen "colas largas".
La afirmación: Los parámetros $\alpha$ $α$ y $\gamma$ $γ$ (que controlan la "pegajosidad" y el "estiramiento" del tiempo) afectan significativamente el régimen transitorio (el período temporal antes de que las cosas se asienten).
- $\alpha$ pequeño o $\gamma$ grande: El sistema tarda mucho más en calmarse. Mantiene la "memoria" de un período ocupado durante mucho tiempo.
- $\alpha$ grande: El sistema se comporta más como el modelo clásico de movimiento rápido.

Resumen

El artículo introduce una forma más flexible de modelar las líneas de espera que tiene en cuenta la "memoria" y la "pegajosidad" en el tiempo.

Cambia las reglas del tiempo: Reemplaza el tiempo estándar con una versión "estirada" que recuerda el pasado.
Utiliza una nueva herramienta matemática: La función Kilbas-Saigo para describir cómo se relaja el sistema.
Se conecta con lo antiguo: Demuestra que este nuevo sistema es solo un sistema antiguo funcionando con un reloj aleatorio extraño.
Mantiene el mismo final: El promedio a largo plazo del número de personas en la fila es el mismo que el del modelo clásico.
Ralentiza el inicio: La principal diferencia es que el sistema tarda mucho más en asentarse después de una ráfaga, creando "colas pesadas" donde la fila permanece más tiempo de lo esperado antes de volver a la normalidad.

Los autores validaron esto con simulaciones por computadora (Monte Carlo), mostrando que, al ajustar los parámetros de "pegajosidad", podían modelar sistemas que se relajan mucho más lento de lo que permiten los modelos tradicionales.

Resumen Técnico: Una cola M/M/1 fraccional gobernada por operadores de tiempo no local estirados

Planteamiento del Problema
La cola M/M/1 clásica es un sistema markoviano gobernado por ecuaciones de Kolmogorov hacia adelante lineales con derivadas temporales ordinarias. Si bien este marco es eficaz para sistemas con tiempos entre eventos sin memoria, no logra capturar los efectos temporales no locales, la persistencia y la relajación anómala que se observan a menudo en sistemas complejos del mundo real. Las generalizaciones fraccionales existentes suelen depender de la derivada de Caputo estándar, la cual introduce memoria pero carece de la flexibilidad necesaria para modelar comportos de escalamiento temporal más complejos. Este artículo aborda la brecha en la integración sistemática de operadores de tiempo no local extendidos en el análisis transitorio de modelos de colas para caracterizar mejor la dinámica de las colas de memoria larga.

Metodología
Los autores proponen una generalización no markoviana de la cola M/M/1 mediante la sustitución de la derivada temporal de primer orden estándar en las ecuaciones de Kolmogorov hacia adelante por un operador fraccional estirado extendido, denotado como $D^{(\alpha, \gamma)}_t$ . Este operador se define como $t^{-\gamma} {}^C D^\alpha_t$ , donde ${}^C D^\alpha_t$ es la derivada de Caputo de orden $\alpha$ con $0 < \alpha < 1$ , y $\gamma \ge 0$ es un parámetro de estiramiento que satisface $\alpha + \gamma \le 1$ .

El análisis procede a través de los siguientes pasos:

Formulación del Modelo: Las probabilidades de estado $p_n(t)$ están gobernadas por un sistema de ecuaciones diferencial-diferenciales fraccionales donde la derivada temporal es sustituida por $D^{(\alpha, \gamma)}_t$ .
Solución Analítica: Los autores emplean técnicas de transformada de Laplace para resolver las ecuaciones gobernantes. La estructura de la solución se basa en la función de Kilbas–Saigo ( $E_{a,m,l}$ ), una función especial que generaliza a la familia de Mittag-Leffler y sirve como la autofunción del operador fraccional estirado.
Representación Estocástica: Se construye una interpretación de cambio de tiempo, demostrando que el proceso de cola fraccional $\{N_{\alpha,\gamma}(t)\}$ es distributivamente equivalente a un proceso M/M/1 clásico evaluado en un tiempo aleatorio no decreciente $A_{\alpha,\gamma}(t)$ . Este tiempo aleatorio es la inversa de un subordinador asociado al operador estirado.
Validación Numérica: Se realizan simulaciones de Monte Carlo utilizando un esquema de simulación de tiempo variable. Las trayectorias de la M/M/1 clásica se generan mediante un algoritmo basado en eventos y se evalúan en tiempos operativos aleatorios derivados de la dinámica fraccional estirada para estimar métricas de desempeño transitorio.

Contribuciones Clave
El artículo realiza cuatro contribuciones primordiales:

Propuesta de Modelo Extendido: Introduce un modelo de cola M/M/1 fraccional que incorpora un operador de tiempo no local con un parámetro de estiramiento adicional ( $\gamma$ ), permitiendo un espectro de comportamientos de decaimiento más rico que los modelos fraccionales estándar.
Derivación Analítica: Deriva las probabilidades de estado transitorio explícitas expresadas en términos de la función de Kilbas–Saigo, proporcionando una representación de forma cerrada para la evolución del sistema.
Regímenes Límite: Define rigurosamente los casos límite que recuperan tanto la cola M/M/1 clásica estándar (cuando $\alpha \to 1, \gamma \to 0$ ) como la cola M/M/1 de tiempo fraccional estándar (cuando $\gamma \to 0$ ), asegurando la consistencia con la literatura existente.
Interpretación Estocástica: Establece un vínculo probabilístico entre la cola fraccional y un proceso clásico con cambio de tiempo, aclarando el mecanismo de introducción de memoria.

Resultados

Comportamiento Transitorio: Los parámetros fraccionales $(\alpha, \gamma)$ alteran significativamente el régimen transitorio. Específicamente, el sistema exhibe una relajación no exponencial y una convergencia más lenta al equilibrio en comparación con el caso clásico. La probabilidad de que el sistema esté vacío ( $p_0(t)$ ) y la longitud media de la cola ( $m(t)$ ) convergen a los valores de estado estacionario más lentamente a medida que aumentan los efectos de memoria (controlados por $\alpha$ y $\gamma$ ).
Distribución de Estado Estacionario: Bajo la condición de estabilidad estándar $\rho = \lambda/\mu < 1$ , el artículo demuestra que la distribución de estado estacionario sigue siendo geométrica y coincide exactamente con la de la cola M/M/1 clásica ( $\pi_n = (1-\rho)\rho^n$ ). Los parámetros fraccionales estirados afectan la tasa de convergencia, pero no alteran la medida invariante del sistema.
Dinámica de Colas (Tail Dynamics): Los ejemplos numéricos indican que la dinámica fraccional resulta en una dispersión más amplia de la distribución de la longitud de la cola en tiempos intermedios, resaltando los efectos de persistencia causados por el operador de tiempo no local.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco flexible y matemáticamente consistente para modelar sistemas de colas con memoria y efectos temporales no locales. Al utilizar la función de Kilbas–Saigó, el modelo cierra la brecha entre la dinámica clásica y la dinámica fraccional compleja, ofreciendo una herramienta para capturar la dinámica de colas de memoria larga que los modelos markovianos o los modelos fraccionales simples no pueden capturar. Los autores enfatizan que, si bien la distribución estacionaria es invariante bajo estos cambios de tiempo, las métricas de desempeño transitorio son altamente sensibles a los parámetros fraccionales, lo que hace que el modelo sea particularmente relevante para sistemas donde la velocidad de convergencia y los patrones de congestión transitoria son críticos. El trabajo valida que el marco extendido preserva la estructura de nacimiento-muerte lineal de la cola mientras introduce memoria a través de la evolución temporal.