Kuyruk Teorisi: Bir Telefon Santralinden Modern İnternete Beklemenin Matematiği

Bir markette kasada bekliyorsunuz. Önünüzdeki insan sayısı 4. Her birinin işlem süresi ortalama 90 saniye. Bekleme süreniz ne kadar?

İlk sezgi: $4 \times 90 = 360$ saniye, yani 6 dakika. Doğru gibi görünse de, gerçek bir kasada başka insanlar gelmeye devam ediyor; arada birinin ödeme makinesi takılıyor; başkası birden bir şey unutuyor. Yani sıra uzunluğu rastgele değişiyor. Bu rasgeleliği matematiksel olarak modellemek için 20. yüzyıl başında kuyruk teorisi doğdu.

Bu teorinin babası, Danimarkalı bir mühendis olan Agner Krarup Erlang (1878–1929). 1909'da Kopenhag Telefon Şirketi'nde çalışırken, "bir telefon santralinde kaç tane hat olmalı ki çağrıların belirli bir kısmı bağlanmadan kalmasın?" sorusuyla karşılaştı. Cevap için yazdığı denklemler, bugün modern dijital dünyanın temel altyapı planlamasının matematiksel zeminidir.

Bir kuyruk neyin neyini içerir?

Kuyruk teorisinde her sistemin üç bileşeni vardır:

1. Geliş süreci: Birey ya da iş "siteme" ne sıklıkla geliyor? Genellikle Poisson süreci olarak modellenir; geliş aralıkları üstel dağılır.
2. Servis süreci: Bir iş kaç sürede tamamlanıyor? Yine bazı tip olasılık dağılımları (üstel, deterministik, genel).
3. Sayı ve disiplin: Kaç "servis noktası" (kasiyer, telefon hattı, sunucu) var? Sıra hangi disipline göre işliyor (FIFO – ilk gelen ilk hizmet, LIFO – son gelen ilk hizmet, öncelikli vb.)?

Bu üç bileşeni Kendall notasyonu ile gösteririz: $A/B/c$. Burada $A$ geliş dağılımı, $B$ servis dağılımı, $c$ servis noktası sayısı. Örnekler:

• M/M/1: Üstel geliş, üstel servis, 1 sunucu. (M = "Markovian" / üstel)
• M/M/c: Üstel geliş, üstel servis, $c$ sunucu.
• M/G/1: Üstel geliş, genel (herhangi) servis, 1 sunucu.

En sade örnek: M/M/1

En basit kuyruk modelidir. Müşteriler ortalama $\lambda$ sıklıkla gelir; her birinin servis süresi ortalama $1/\mu$. Yani doluluk oranı $\rho = \lambda / \mu$ — sunucunun ne kadar meşgul olduğu.

Eğer $\rho \ge 1$ ise: müşteriler servis edilenden daha hızlı geliyor; kuyruk sonsuza kadar büyür. Yani: $\lambda < \mu$ olmalı.

$\rho < 1$ varsayımıyla M/M/1 modelinin temel sonuçları:

• Ortalama sistem doluluğu (kuyrukta + serviste): $L = \dfrac{\rho}{1 - \rho}$
• Ortalama bekleme süresi (kuyrukta + serviste): $W = \dfrac{1}{\mu - \lambda} = \dfrac{1}{\mu(1 - \rho)}$
• Sadece kuyrukta bekleme süresi: $W_q = \dfrac{\rho}{\mu(1 - \rho)}$

İlginç bir nokta: kuyruktaki müşteri sayısı, $\rho \to 1$ olduğunda çok hızla büyür. Yani sunucu %80 doluyken kuyruk yönetilebilir; %95'e geldiğinde dramatik şekilde uzar; %100'e geldiğinde sonsuza patlar. Bu nedenle pratikte hiçbir sistem %100 dolulukta çalışmamaya özen gösterilir.

Erlang formülleri

Erlang'ın asıl katkısı, telefon hat planlaması için ortaya koyduğu iki ünlü formüldür:

Erlang B formülü (kayıp sistemi)

"$c$ hat var; eğer müşteri (çağrı) geldiğinde tüm hatlar doluysa, çağrı reddedilir/kaybedilir." Bu durumda, gelen bir çağrının reddedilme olasılığı:

$B(c, A) = \frac{A^c / c!}{\sum_{k=0}^{c} A^k / k!}$

Burada $A = \lambda / \mu$ "erlang yükü" (trafik yoğunluğu).

Erlang B, telefon santrali planlamasının yüzyıllık standart formülüdür. "Eğer şu kadar çağrı bekliyorsam ve kayıp oranını %1'in altında tutmak istiyorsam, kaç hat almalıyım?" sorusuna doğrudan cevap verir.

Erlang C formülü (bekleme sistemi)

"$c$ hat var; tüm hatlar doluysa müşteri beklemeye alınır." Bu durumda, gelen bir müşterinin beklemesi gerekme olasılığı:

$C(c, A) = \frac{\frac{A^c}{c!} \cdot \frac{c}{c - A}}{\sum_{k=0}^{c-1} \frac{A^k}{k!} + \frac{A^c}{c!} \cdot \frac{c}{c - A}}$

Erlang C, çağrı merkezi planlamasının standart formülüdür. "Çağrıların %80'ini 30 saniye içinde cevaplamak istiyorum; kaç çağrı görevlisi almalıyım?" gibi sorulara cevap verir.

Little'ın Yasası

Tüm kuyruk teorilerinin en zarif sonucu, John Little'ın 1961'de ispatladığı şu denklemdir:

$L = \lambda \cdot W$

Burada $L$ ortalama sistemdeki birey sayısı, $\lambda$ ortalama geliş hızı, $W$ ortalama bekleme süresi.

Bu formül inanılmaz geneldir: her kararlı kuyruk sistemi için doğrudur, geliş ya da servis dağılımı ne olursa olsun, sıra disiplini ne olursa olsun. M/M/1 olabilir, M/G/c olabilir, hatta gerçek hayattaki market kasası olabilir. Eğer ortalama bir sistemin uzun vadeli davranışına bakarsanız, $L = \lambda W$ daima geçerlidir.

Pratik örnek: Bir kahve dükkanına saatte 60 kişi geliyor ($\lambda = 1$ kişi/dak), ortalama bekleme + servis süresi 3 dakika ($W = 3$). O zaman ortalama dükkanda 3 kişi bulunur ($L = 3$). Bu hesabı yapmak için kuyruk dağılımının ne olduğunu bilmenize gerek yok.

Modern uygulamalar

Kuyruk teorisi bugün hâlâ yüzlerce uygulamada karşımıza çıkar:

• Telekomünikasyon: Telefon santralleri (orijinal motivasyon), internet veri paketleri, 5G ağ tasarımı.
• Bilgisayar sistemleri: Sunucu havuzları, veri tabanı sorgu işleme, web sayfa yükleme süresi tahmini.
• Çağrı merkezleri: Vardiya planlaması, müşteri memnuniyeti hedefleri.
• Sağlık hizmetleri: Acil servis kuyruk yönetimi, ameliyathane çizelgeleme.
• Üretim: Fabrika hat yönetimi (üretim akışı, stok seviyeleri).
• Trafik mühendisliği: Sinyalize kavşak optimizasyonu, otopark planlaması.
• Havayolu rezervasyon: Bilet kontuarları, bagaj alanları.
• Bankacılık: ATM sayısı, vezne sayısı planlaması.

Modern büyük teknoloji şirketleri (Google, Amazon, Microsoft) sunucu altyapılarını planlarken Erlang formüllerinin sofistike varyantlarını kullanır. Bir Amazon Prime sipariş işlemcisi, milyonlarca müşteriyi aynı anda işleyebilmek için kuyruk teorisinin yüzyıllık formülleri üzerine kurulu.

Bir hayat dersi

Kuyruk teorisi, "bekleme" gibi sıradan görünen bir kavramın altında ne kadar zengin bir matematik olduğunu göstermek için harika bir örnek. Bir kahve dükkanına girdiğinizde sıra uzunluğunu görüp "burası iyi yönetilmiyor" demek kolay. Ama doluluk oranını %80'den %95'e çıkardığınızda kuyruğun ne kadar dramatik şekilde uzayacağını matematik söylüyor — bu, sezgiyle anlaşılması zor bir gerçektir.

Bir başka önemli ders: artırılmış kapasite, doğrusal getiri sağlamaz. Bir sunucudan iki sunucuya geçtiğinizde, ortalama bekleme süresi yarıya inmez; daha dramatik şekilde düşer (Erlang formülleri bunu gösterir). Bu, neden büyük çağrı merkezlerinin küçük olanlardan çok daha verimli olduğunu açıklar.

Bir sonraki sefer bir kuyruğa girdiğinizde, Erlang'ın 1909'da Kopenhag'daki bir telefon şirketinin masasında yazdığı denklemlerin hâlâ sizin beklemenizin matematiksel modelini verdiğini hatırlayabilirsiniz. Beklemek, evrenin en evrensel matematik olgularından biridir.