Исследование систем массового обслуживания методом статистического моделирования.

Исследование систем массового обслуживания методом статистического моделирования.
Исследование систем массового обслуживания методом статистического моделирования.
24.09.2019

Теория массового обслуживания представляет собой область прикладной математики, использующую методы теории случайных процессов и теории вероятностей для исследования различной природы сложных систем. Теория массового обслуживания непосредственно не связана с оптимизацией. Назначение ее состоит в том, чтобы на основе результатов наблюдений за «входом» в систему предсказать ее возможности и организовать наилучшее обслуживание для конкретной ситуации и понять, как последнее отразится на стоимости системы в целом. Для систем, относящихся к системам массового обслуживания, существует определенный класс задач, решение которых позволяет ответить на актуальные для сегодняшнего времени вопросы. С какой интенсивностью должно проходить обслуживание или должен выполняться процесс при заданной интенсивности и других параметрах входящего потока требований, чтобы минимизировать очередь или задержку в подготовке документа или другого вида информации? Каковы вероятность появления задержки или очереди и ее величина? Сколько времени требование находится в очереди и каким образом минимизировать его задержку? Какова вероятность потери требования (клиента)? Какова должна быть оптимальная загрузка обслуживающих каналов? При каких параметрах системы достигаются минимальные потери прибыли? К этому перечню можно добавить еще целый ряд задач.

Система массового обслуживания (СМО) включает следующие структурообразующие объекты: источник требований; входной поток требований (поступление заявок); очередь; обслуживающую систему, как совокупность каналов обслуживания заявок; выходной поток (обслуженные заявки или удовлетворенные требования). Рассмотрим их модели.

Источник требований . По месту нахождения источника, формирующего требования, СМО делятся на разомкнутые, когда источник находится вне системы, и замкнутые, когда источник находится внутри системы.

Входной поток требований . Подавляющее большинство теоретических разработок по исследованию систем массового обслуживания выполнено для условия, когда входной поток требований является пуассоновским (простейшим). Этот поток обладает рядом важных свойств. Он стационарен, ординарен и не имеет последствий.

Модель входного пуассоновского потока представляется функцией вида:

Следующее важное для исследования свойство, которым обладает пуассоновский поток, заключается в том, что процедура разделения и объединения дает снова пуассоновские потоки. Тогда, если входной поток формируется из N независимых источников, каждый из которых порождает пуассоновский поток интенсивностью λ i (i =1,2,…, N ) , то его интенсивность будет определяться по формуле:

.

В случае разделения пуассоновского потока на N независимых потоков, получим, что интенсивность потока λ i будет равна r i λ , где r i – доля i – го потока во входном потоке требований.

Очередь. Очереди, определяемые как множество требований, ожидающих обслуживания, представляются несколькими моделями: очередь с отказами, с ограниченным временем ожидания (заявка ждет определенное время), ограниченной длиной и, наконец, неограниченным временем ожидания. Порядок поступления заявок на обслуживание называется дисциплиной очереди. Требования могут приниматься по мере поступления, случайным порядком, с приоритетом, по принципу «последняя – первая», по определенным каналам.

Процесс обслуживания . Основным параметром процесса обслуживания считается время обслуживания требования каналом j - t j (j =1,2,…, m ) . Величина τ j в каждом конкретном случае определяется рядом факторов: интенсивностью поступления заявок, квалификацией исполнителя, технологией работ, окружающей средой и т.д. Законы распределения случайной величины τ j могут быть самыми различными, но наибольшее распространение в практических приложениях получил экспоненциальный закон распределения. Функция распределения случайной величины τ j имеет вид:

Важнейшее свойство экспоненциального распределения заключается в следующем. При наличии нескольких однотипных каналов обслуживания и равной вероятности их выбора при поступлении заявки распределение времени обслуживания всеми m каналами будет показательной функцией вида:

Если СМО состоит из неоднородных каналов, то
, если же все каналы однородные, то
.

Выходной поток обслуженных требований. Выходной поток – это поток результатов деятельности, представленных выполненными требованиями в идее той или иной продукции или услуги. К основным параметрам выходного потока относятся интенсивность выхода из системы обслуженных требований и характер распределения времени между моментами выпуска продукции. В общем случае эти параметры определяются моделью входного потока, дисциплиной очереди и моделью обслуживания. Для СМО с параллельными каналами и однофазным обслуживанием существует теорема о том, что при пуассоновском входном потоке с параметром λ и одинаковом для каждого канала распределением времени обслуживания с параметром μ в стационарном состоянии выходной поток имеет пуассоновское распределение с параметром g. В монофазных системах выходной поток одного канала служит входным потоком для другого канала. Параметр g в простейшем случае определяется по формуле:

,

W S - среднее время пребывания требования в системе.

Особенность моделей СМО связана с достаточно строгим математическим описанием функционирования систем, что достигается благодаря их унификации по ряду признаков. Так, в зависимости от модели ожидания требованием начала обслуживания различают следующие СМО:

    система с потерями или отказами;

    система с ожиданием;

    система с ограниченным временем ожидания (ВО);

    система с ограниченной длиной очереди (ДО).

По числу каналов обслуживания системы делятся на одноканальные (m =1 ) и многоканальные (m >1 ). Структура СМО и характеристика ее объектов представлена на рисунке 1.21.

Одной из форм классификации СМО служит кодовая классификация Д. Кендалла. В соответствии с этой классификацией характеристику СМО записывают в виде трех, четырех или пяти символов. Например, a / b / c , где a – тип распределения входного потока требований, b – тип распределения времени обслуживания, c – число каналов обслуживания. Для пуассоновского и экспоненциального распределений принимают символ M , для любого произвольного распределения G . Например, запись М/М/2 означает, что входной поток требований пуассоновский, время обслуживания распределено по экспоненциальному закону, в системе имеются два канала. Четвертый символ (d) указывает допустимую длину очереди, пятый (e) – порядок отбора требований.

Рисунок 1.21 – Структура и характеристика объектов СМО

Модели СМО могут быть детерминированными или вероятностными. В первом случае параметры и переменные модели – это постоянные величины, во втором – случайные.

Исследование СМО заключается в нахождении показателей, характеризующих качество и условия работы обслуживающей системы и показателей, отражающих экономические последствия принятых решений согласно первым показателям. К показателям первой группы относятся следующие.

1. При установленных или проектных параметрах входящего потока:

а) вероятность поступления n требований в систему за период t (P n (T )) ;

б) вероятность наличия n требований в системе (P n ) .

2. При установленных или проектных параметрах обслуживания:

а) вероятность того, что все обслуживающие m каналов свободны (P 0 ) ;

б) вероятность того, что обслуживанием занято определенное число каналов (менеджеров, агентов) (P m ) ;

в) вероятность того, что r требований находится в очереди (P m + r ) .

3. При установленных или проектных параметрах входящего потока и системы обслуживания:

б) среднее число каналов m , занятых обслуживанием: E (m )= m k ;

в) среднее число простаивающих каналов: E (m 0 )=(m - m k ) ;

г) коэффициент использования (занятости) канала (K S ) ;

д) коэффициент простоя (отказа) канала (K 0 ) ;

е) относительная (Q ) и абсолютная (A ) пропускная способность СМО;

ж) среднее число требований, находящихся в системе (L S ) ;

з) среднее число требований, ожидающих в очереди (L q ) ;

и) среднее время ожидания требования в очереди (W q ) ;

к) среднее время пребывания требования в системе (W S ) .

Рассмотрим приемы вычисления показателей первой группы на примере наиболее распространенной модели СМО (M / M / m ≥2 ) с ожиданием, содержащей m параллельных обслуживающих каналов. Здесь поступающие требования не теряются и оставляют систему лишь после обслуживания. Каналы выполняют однородные операции, и время обслуживания каждым каналом t распределено по экспоненциальному закону с параметром m , а входящий поток - пуассоновский с параметром λ ; дисциплина очереди не регламентирована, и отсутствует ограничение на число поступающих требований. Модель СМО представляется в виде системы уравнений для стационарного состояния.

Определение вероятности наличия n требований (P n ) в системе зависит от соотношений числа поступающих требований (n ) за единицу времени и количества каналов обслуживания (m ).

1. Для условия, когда m =1, P n определяется по формуле математического ожидания дискретной случайной величины.

2. Для условия, когда 1≤ n ≤ m (вероятность, что все требования на обслуживании или очереди нет), P n рассчитывается по формуле:

Если ρ/ m <1 , то вероятность отсутствия требований в системе P 0 определяется по формуле для стационарного режима:

или по формуле математического ожидания дискретной случайной величины:

Коэффициенты использования (загрузки) каналов и простоя каналов соответственно определяются по формулам:

и
.

Среднее число требований, ожидающих очереди, находится из выражения:

.

Среднее время ожидания в очереди составит:

.

Среднее время пребывания требования в системе рассчитывается по формуле:

.

Среднее число требований, находящихся в системе, определяется следующим образом:

.

Для общего случая L S определяется по формуле математического ожидания дискретной случайной величины:

.

Для оценки параметров вероятностной системы и ее случайных процессов с позиции устойчивости предусматривается использование найденных значений характеристик случайных функций, являющихся неслучайными функциями аргумента t . К ним относят математическое ожидание, дисперсию, корреляционную функцию, коэффициент вариации, характеризующий некоторую среднюю реализацию случайного процесса (или случайной функции) по множеству наблюдений. Статистики находятся через параметры СМО. Например, дисперсия (D ) для числа требований, находящихся в системе, рассчитывается по формуле:

.

Показатели, характеризующие экономические последствия от принятия решений по совершенствованию обслуживания клиентов (потребителей), сводится к определению экономической эффективности и потерям в связи с отказом от обслуживания и ожиданием обслуживания.

Экономическая эффективность функционирования системы массового обслуживания составит:

Величина потерь определяется по следующим выражениям:

а) система с отказами:

б) система с ожиданием:

Для того чтобы продемонстрировать полезность использования методов теории массового обслуживания для решения управленческих задач, рассмотрим пример оценки СМО малой размерности.

Пример 1.9. Требуется провести оценку эффективности централизации нескольких отделов или служб с однородными функциями. В качестве объекта рассматриваются две службы такси, которые приобрела компания «Автосервис». Заявки клиентов между службами распределяются поровну. Спрос на такси к диспетчеру поступает с частотой 10 вызовов в час. Среднее время обслуживания одного клиента составляет 11,5 минут. Вызовы такси распределены во времени по пуассоновскому закону, а продолжительность обслуживания одного клиента – по экспоненциальному закону. Каждая служба такси оснащена двумя автомобилями.

Возникает вопрос об экономической целесообразности централизации управления таксопарком. Для этого необходимо сравнить два варианта:

1) вариант с независимым обслуживанием системами типа (М/М/2 ) при λ=10 вызовов/час, τ=11,5 мин. и m = 2;

2) вариант с одной очередью типа (М/М/4 ) при λ=10*2=20 вызовов/час, τ=11,5 мин. и m = 4;

Для начала определим коэффициенты загруженности службы по первому и второму вариантам. При m = 2 имеем:

Как видно из расчета, коэффициент загруженности службы такси достаточно высок. Очевидно, что он не изменяется и в варианте с m = 4, так как и числитель и знаменатель увеличиваются в два раза. На первый взгляд объединение не приводит к экономическому эффекту, а так как исследование эффективности функционирования СМО ориентировано на повышение качества удовлетворения требований потребителя, то необходимо оценить и параметры, характеризующие это направление деятельности.

Вычислим W q (среднее время ожидания клиентом автомобиля-такси).

Для первого случая при m = 2 имеем ρ=1,917. Определим вероятность того, что в системе нет требований (P 0 ):

Используя значение P 0 определим W q :

ч.

Для второго случая при m = 4 имеем ρ=3,83 и определим P 0 :

При значении P 0 =0,0042, получим, что

ч.

Приведенные оценки показывают, что централизация служб позволяет сократить среднее время ожидания клиентом вызванного по телефону такси примерно вдвое. Это не гарантия, что клиент откажется от заказа, но существенное сокращение времени ожидания. В дальнейшем, кроме создания единой службы такси, необходимо рассматривать вопрос об увеличении парка такси.

1. Основные понятия теории массового обслуживания.

2. Постановка задачи теории очередей.

3. Подходы решения задач теории очередей.

Краткое содержание темы

Практическая деятельность человека тесно связана с различного рода системами массового обслуживания. В области экономики - это банковское обслуживание, пользование объектами торговли и услугами сферы обслуживания и многие другие виды экономической деятельности.

Любая система массового обслуживания может включать в себя следующие элементы:

Входящий поток требований или заявок на обслуживание. Этот элемент является основным. Изучение входящего потока требований и его описание необходимо при организации любой системы массового обслуживания.

Очередь. В тех случаях, когда поступающие в систему массового обслуживания требования не могут быть удовлетворены немедленно, возникает очередь. В такой ситуации интерес может представлять длина этой очереди, порядок, по которому ожидающие требования направляются на обслуживание (как говорят, дисциплина очереди), время ожидания.

В отдельных случаях систем массового обслуживания очереди не допускаются, т.е. требование, заставшее систему занятой, не обслуживается (получает отказ).

Обслуживающее устройство. Этот элемент присутствует в любой системе массового обслуживания. От характеристик и параметров, способов организации обслуживающего устройства зависят не только время, необходимое на обслуживание одного требования, но и длина очереди и время ожидания.

Выходящий поток обслуженных требований. Этот элемент может оказаться очень важным в тех случаях, когда выходящий поток обслуженных требований является входящим для другой системы массового обслуживания.

Как правило, число требований на входе системы массового обслуживания за какой-либо промежуток времени и время обслуживания одного требования являются случайными величинами. Функционирование системы массового обслуживания в таком случае представляет собой случайный процесс, и методы исследования таких систем используют имитационное моделирование. Однако понять сущность задач и методов теории массового обслуживания можно на примерах детерминированных моделей систем массового обслуживания и прежде всего моделей теории очередей.

Основными компонентами модели очереди являются:

описание входящего потока требований;

описание способа, которым выполняется обслуживание (т.е. описание дисциплины обслуживания);

описание дисциплины очереди (т.е. каким образом из очереди выбираются клиенты на обслуживание: “первый пришел - первый обслужен”, “последний пришел - первый обслужен”, “по указанным приоритетам” и т.п.).

При конструировании модели очереди первоочередной задачей является символическое представление основных компонент, после чего изучаются соотношения между ними.

Принципиальными характеристиками очереди являются:

длина очереди в различные моменты времени;

общая продолжительность нахождения требования в системе обслуживания (т.е. время, потраченное на ожидание в очереди, плюс собственное время обслуживания);

время, в течение которого обслуживающее устройство было свободно.

Основной целью исследования систем массового обслуживания является установление равновесия между допустимыми нагрузками обслуживающего устройства, ограниченной пропускной способностью системы и раздражением клиента, с одной стороны, и допустимой стоимостью обслуживающих точек, с другой.

Рассмотрим систему массового обслуживания, имеющую один источник требований, проходящих через единственное обслуживающее устройство. Пусть имеют место следующие предположения:

1. Требования поступают через одинаковые интервалы времени. Каждый интервал имеет длину a единиц.

2. Требования обслуживаются за одинаковые интервалы времени, каждый интервал имеет длину b единиц. При этом, как только закончится обслуживание одного требования, обслуживающее устройство готово к обслуживанию следующего требования.

3. Дисциплина очереди устанавливается по правилу “Первый пришел - первый обслуживается”. Другими словами, ожидающие требования образуют очередь, и, когда обслуживающее устройство освободится, на обслуживание поступает требование, имеющее большее время ожидания.

Определим длину очереди как общее число требований, находящихся на обслуживании и ожидающих в очереди. Представим сформулированную задачу в виде следующей схемы:

Поведение системы зависит от того, как связаны между собой величины a и b. Возможны три случая: 1) b > a; 2) b = a; 3) b < a. Рассмотрим каждый из этих случаев.

1) Случай b > a. Это значит, что скорость обслуживания 1/b меньше, чем скорость поступления требований 1/a, т.е. требования обслуживаются и покидают систему медленнее, чем прибывают. Следовательно, в этом случае будет образовываться очередь и она будет постоянно возрастать.

2) Случай b = a. Если в очереди нет требований, то первое поступившее требование сразу начнет обслуживаться. Его обслуживание закончится в тот же самый момент, в который поступит на обслуживание следующее требование. Следовательно, требований, ожидающих обслуживания, не будет.

Если же первоначально имеется очередь, то ее длина будет оставаться постоянной.

3) Случай b < a. Это значит, что скорость обслуживания больше, чем скорость поступления требований. Следовательно, какое бы ни было начальное число ожидающих обслуживания требований, длина очереди будет сокращаться до 1 или 0.

Пусть в начале процесса число требований в очереди r 2 (если первоначально есть только одно требование (r = 1), то оно будет обслужено прежде, чем поступят на обслуживание следующие требования, и очередь будет пустой).

В общем случае, пусть имеем r требований, стоящих в очереди перед началом обслуживания. Тогда число требований (N), поступивших после начала процесса обслуживания до тех пор, пока сохраняется очередь, можно определить по формуле:

где обозначение [x] означает целую часть числа x. Действительно, очередь будет отсутствовать, если через обслуживающее устройство полностью пройдет N+r требований. Для этого потребуется (N+r)b единиц времени. За это время на обслуживание поступит N требований, так что к поступлению (N+1)-го требования обслуживающее устройство будет свободно и готово обслужить его сразу без всякой очереди. Но (N+1)-е требование поступит на обслуживание через (N+1)a единиц времени, при этом будет выполнено соотношение:

Докажем, что в полученном соотношении N больше правой части не более чем на 1. Действительно, первое стоящее в очереди требование будет уже обслужено, а первое вновь поступающее на обслуживание требование еще не появится в очереди (a > b). Поэтому справедливо соотношение:

aN (N+r-1)b или.

Таким образом, если к правой части соотношения добавим 1, то оно будет тождественно равно правой части соотношения. То есть прибавление 1 к правой части соотношения приводит его к соотношению - смысл неравенства меняется на противоположный. Это и требовалось доказать.

Очевидным является то, что N есть целое число. Следовательно, если от правой части в соотношении (10.2) взять целую часть и добавить к ней 1, то, исходя из предыдущих рассуждений, получим для вычисления N выражение (10.1).

Аналогичными рассуждениями и используя (10.1) можно найти, что для вычисления времени, которое необходимо для обслуживания всех ожидающих требований, справедлива формула:

В теории очередей важной функцией является функция времени ожидания обслуживания. Обозначим ее через W(t). Определим W(t) как время, которое необходимо затратить на ожидание обслуживания требования, поступившего в момент времени t (считаем, что t = 0 соответствует началу процесса обслуживания).

Определим формулу для W(t). Легко видеть, что требование, поступившее на обслуживание в момент t T-b (величина T определяется с использованием формулы (10.3)), найдет систему обслуживания пустой или только что освободившейся. Такому требованию не придется стоять в очереди. Требование, поступившее в момент времени tT-b, найдет впереди себя требований, стоящих в очереди, причем первое из них в этот же момент поступит на обслуживающее устройство. Эта величина получается следующим образом:

(начальная (число требований, обслужен- (число поступ-

очередь) - ных к моменту времени t) + лений)

Таким образом, время ожидания W(t) для рассматриваемого требования может быть выражено формулой:

Рассмотрим i-е требование в начальной очереди (0

Обобщая полученные результаты относительно функции W(t), получим для нее следующее выражение:

где i - номер i-го требования в начальной очереди; требования поступают в моменты времени a, 2a, ...; b = na (n = 1, 2, ...).

Исследование систем массового обслуживания методом статистического моделирования


1. Основные положения к выполнению лабораторной работы


Применение аналитических и численных методов исследования СМО ограничено случаями, когда система является марковской и описывается уравнениями размножения и гибели или может быть сведена к ней. В противном случае исследование СМО возможно с помощью метода имитационного моделирования, основанного на многократной имитации с помощью ЭВМ процессов, протекающих в системе, с последующей статистической обработкой полученных результатов.

В качестве основных величин, характеризующих функционирование исследуемой СМО используют оценки математического ожидания числа занятых каналов, длины очереди, времени ожидания заявок в очереди, вероятностей обслуживания заявок, и др. Так, для момента времени t (o£t£Tн), где Tн - время моделирования, могут быть вычислены.

Оценка математического ожидания числа занятых каналов:

здесь - число занятых каналов в момент времени t в j-й реализации; N - число реализаций (прогонов модели);

Оценка вероятности того, что в системе в момент времени t:

здесь - число реализаций, в которых на момент времени t в системе было k требований;

Оценка вероятности, что требование получит отказ:


где - общее число требований, появившихся к моменту времени t в j-й реализации; - число требований, получивших отказ к моменту времени t;

Оценка дисперсии числа занятых каналов в момент времени t:

Для получения представления о точности и надежности этих оценок могут быть найдены доверительные интервалы Ib при заданной доверительной вероятности b.

Для математического ожидания числа занятых каналов

Здесь tb находится из распределения Стьюдента при (N-1) степенях свободы. При больших N (N>30) вместо распределения Стьюдента можно пользоваться нормальным законом. В этом случае

где Ф(х) - интеграл вероятностей:


2. Для вероятностей

При больших N приближенно

где - С.К.О. оценки вероятности:

Кроме того, границы доверительных интервалов для вероятностей могут легко быть найдены из номограмм.


2. Для заданного (базового) варианта СМО получить результаты моделирования СМО. Величину t ож время ожидания в очереди принять неслучайной t ож > T мод. T мод брать по результатам счета лабораторной работы №1 (время окончания переходного процесса умноженное на 2). Число реализаций N=50. Построить графики изменения m L , a n , P обсл и их доверительных интервалов от времени. Величину доверительной вероятности принять равной ?=0,9


Решаем систему дифференциальных уравнений методом Рунге-Кутта (правые части уравнений записаны в векторе D, начальные условия - в векторе x):

Моделирование

Время моделирования Tмод = 3 (время окончания переходного процесса по результатам лабораторной работы равно 1.3 с).

Время ожидания выбираем из условия Tожид > Tмод, отсюда Tожид = 4 с.

Параметры модели:

Входной поток (интервал времени между заявками):

Интенсивность: 7

Очередь:

Длина очереди: 3

Время ухода из очереди:

Закон распределения: Детерминированный

Величина: 4

Каналы обслуживания:

Число каналов: 3

Время обслуживания:

Закон распределения: Экспоненциальный

Интенсивность: 2

Результаты работы программы:

Оценки математических ожиданий:



| 1,00 | 6,940 | 0,320 | 0,000 | 3,500 | 0,720 | 0,029 | 2,400 |

| 2,00 | 14,060 | 1,640 | 0,000 | 8,540 | 1,280 | 0,107 | 2,600 |

| 3,00 | 21,040 | 3,480 | 0,000 | 13,500 | 1,440 | 0,169 | 2,620 |

| 4,00 | 28,220 | 5,560 | 0,000 | 18,620 | 1,300 | 0,213 | 2,740 |

| 5,00 | 35,060 | 7,060 | 0,000 | 24,200 | 1,080 | 0,235 | 2,720 |

| 6,00 | 42,460 | 8,860 | 0,000 | 29,240 | 1,660 | 0,244 | 2,700 |

| 7,00 | 49,440 | 10,620 | 0,000 | 35,000 | 1,180 | 0,252 | 2,640 |

| 8,00 | 56,300 | 11,960 | 0,000 | 40,680 | 1,060 | 0,258 | 2,600 |

| 9,00 | 63,040 | 13,480 | 0,000 | 45,720 | 1,220 | 0,264 | 2,620 |

| 10,00 | 69,920 | 14,940 | 0,000 | 50,940 | 1,300 | 0,269 | 2,740 |

| 11,00 | 76,800 | 16,220 | 0,000 | 56,640 | 1,220 | 0,273 | 2,720 |

| 12,00 | 83,780 | 17,500 | 0,000 | 62,380 | 1,300 | 0,274 | 2,600 |

| 13,00 | 90,720 | 19,640 | 0,000 | 67,240 | 1,300 | 0,276 | 2,540 |

| 14,00 | 98,060 | 21,320 | 0,000 | 72,700 | 1,340 | 0,280 | 2,700 |

| 15,00 | 105,420 | 22,960 | 0,000 | 78,400 | 1,360 | 0,283 | 2,700 |

| 16,00 | 112,620 | 24,640 | 0,000 | 84,280 | 1,080 | 0,284 | 2,620 |

| 17,00 | 120,200 | 25,880 | 0,000 | 90,300 | 1,460 | 0,284 | 2,560 |

| 18,00 | 126,640 | 27,500 | 0,000 | 95,300 | 1,260 | 0,287 | 2,580 |

| 19,00 | 133,680 | 28,920 | 0,000 | 100,840 | 1,180 | 0,290 | 2,740 |

| 20,00 | 140,340 | 30,300 | 0,000 | 106,260 | 1,180 | 0,291 | 2,600 |


Оценки среднеквадратических отклонений:


| Время | Число заявок | Число отказов | Число потерь | Число обслуживаний | Длина очереди | Время ожидания | Занятые каналы |


| 1,00 | 2,745 | 0,785 | 0,000 | 1,941 | 1,000 | 0,046 | 0,916 |

| 2,00 | 3,722 | 2,197 | 0,000 | 3,054 | 1,200 | 0,086 | 0,774 |

| 3,00 | 4,906 | 3,067 | 0,000 | 3,822 | 1,235 | 0,105 | 0,718 |

| 4,00 | 5,231 | 4,176 | 0,000 | 4,151 | 1,204 | 0,100 | 0,558 |

| 5,00 | 5,984 | 5,131 | 0,000 | 4,507 | 1,110 | 0,097 | 0,530 |

| 6,00 | 6,548 | 5,830 | 0,000 | 4,773 | 1,210 | 0,088 | 0,670 |

| 7,00 | 7,518 | 6,495 | 0,000 | 5,355 | 1,125 | 0,085 | 0,624 |

| 8,00 | 7,759 | 6,971 | 0,000 | 5,773 | 1,173 | 0,082 | 0,692 |

| 9,00 | 7,725 | 7,278 | 0,000 | 6,000 | 1,237 | 0,080 | 0,718 |

| 10,00 | 8,143 | 7,882 | 0,000 | 6,077 | 1,100 | 0,080 | 0,558 |

| 11,00 | 9,361 | 8,367 | 0,000 | 6,802 | 1,118 | 0,076 | 0,722 |

| 12,00 | 10,286 | 8,690 | 0,000 | 6,831 | 1,268 | 0,075 | 0,824 |

| 13,00 | 10,438 | 8,885 | 0,000 | 6,553 | 1,204 | 0,070 | 0,780 |

| 14,00 | 10,887 | 9,321 | 0,000 | 6,394 | 1,193 | 0,067 | 0,670 |

| 15,00 | 10,398 | 8,991 | 0,000 | 6,587 | 1,179 | 0,065 | 0,670 |

| 16,00 | 10,805 | 9,333 | 0,000 | 6,600 | 1,110 | 0,063 | 0,745 |

| 17,00 | 11,144 | 9,704 | 0,000 | 7,108 | 1,152 | 0,063 | 0,875 |

| 18,00 | 11,704 | 10,425 | 0,000 | 7,566 | 1,261 | 0,062 | 0,776 |

| 19,00 | 11,853 | 10,665 | 0,000 | 7,606 | 1,089 | 0,061 | 0,521 |

| 20,00 | 11,969 | 10,562 | 0,000 | 8,009 | 1,107 | 0,059 | 0,800 |


Так какN = 50, то для построения доверительных интервалов, учитывая, что значение доверительной вероятности ? = 0.9, то t?рассчитывается с использованием нормального закона:

Математическое ожидание числа занятых каналов:

Mn - из Л.Р. 1

а - моделирование

Математическое ожидание средней длины очереди:

Вычисление доверительного интервала:


Для средней длины очереди:

Lm - из Л.Р. 1

m - моделирование


Вероятность обслуживания:


Вероятность обслуживания равна вероятности того, что в системе ещё не находится n+m требований, т.е. Po = 1 - Pn+m = 1 - P6

Вычисление доверительного интервала:

Для вероятности обслуживания:

Po1 - из Л.Р. 1

Po - моделирование


3. Для заданного (базового) варианта СМО исследовать влияние t ожид на характеристики системы в стационарном режиме


a) H(t) - детерминированный, tожид=Tожидания_среднее

b) H(t) подчинено экспоненциальному закону распределения. Математическое ожидание tожид равно Tожидания_среднее*{0,25; 0,5; 1; 2}.


Выводы


В лабораторной работы №2 были получены результаты моделирования базового варианта СМО. По полученным результатам были построены графики зависимостей числа занятых каналов, средней длины очереди и вероятности обслуживания и их доверительных интервалов от времени. Кривые, построенные по результатам лабораторной работы №1, попали в соответствующие доверительные интервалы.

В данной лабораторной работе были исследованы возможности применения метода имитационного моделирования для исследования систем массового обслуживания. Анализируя полученные результаты, можно сделать следующий вывод: использование метода имитационного моделирования допустимо, но более предпочтительным является использование аналитического аппарата для исследования СМО, т.к. этот путь исследования СМО является более простым и дает более точные результаты.

имитационный моделирование массовый обслуживание


Репетиторство

Нужна помощь по изучению какой-либы темы?

Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике.
Отправь заявку с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.

Предмет ТМО - системы массового обслуживания (СМО) и сети массового обслуживания. Под СМО понимают динамическую систему, предназначенную для эффективного обслуживания случайного потока заявок при ограниченных ресурсах системы. Обобщённая структура СМО приведена на рисунке 3.1.

Рис. 3.1. Схема СМО.

Поступающие на вход СМО однородные заявки в зависимости от порождающей причины делятся на типы, интенсивность потока заявок типа i (i=1…M) обозначено  i . Совокупность заявок всех типов - входящий поток СМО.

Обслуживание заявок выполняется m каналами. Различают универсальные и специализированные каналы обслуживания. Для универсального канала типа j считается известными функции распределения F ji () длительности обслуживания заявок произвольного типа. Для специализированных каналов функции распределения длительности обслуживания каналов заявок некоторых типов являются неопределёнными, назначение этих заявок на данный канал.

В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования экономических, производственных, технических и других систем, например, потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации ЭВМ от удалённых терминалов и т.д. При этом характерным для работы таких объектов является случайное поведение заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени.

Q - схемы можно исследовать аналитически и имитационными моделями. Последнее обеспечивает большую универсальность.

Рассмотрим понятие массового обслуживания.

В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и собственно обслуживание заявки. Это можно отобразить в виде некоторого i-ого прибора обслуживания П i , состоящего из накопителя заявок, в котором может находится одновременно l i =0…L i H заявок, где L i H - ёмкость i-ого накопителя, и канала обслуживания заявок, k i .

Рис. 3.2. Схема прибора СМО

На каждый элемент прибора обслуживания П i поступают потоки событий: в накопитель H i поток заявок w i , на канал k i - поток обслуживания u i .

Потоком событий (ПС) называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных событий. Однородный ПС характеризуется только моментами поступления этих событий (вызывающими моментами) и задаётся последовательностью {t n }={0t 1 t 2 …t n …}, где t n - момент поступления n- ого события - неотрицательное вещественное число. ОПС может быть также задан в виде последовательности промежутков времени между n-ым и n-1-ым событиями { n }.

Неоднородным ПС называется последовательность {t n , f n } , где t n - вызывающие моменты; f n - набор признаков события. Например, может быть задана принадлежность к тому или иному источнику заявок, наличие приоритета, возможность обслуживания тем или иным типом канала и т.п.

Рассмотрим ОПС, для которого  i { n }- случайные величины, независимые между собой. Тогда ПС называется потоком с ограниченным последействием.

ПС называется ординарным , если вероятность того, что на малый интервал времени t, примыкающий к моменту времени t попадает больше одного события Р  1 (t, t) пренебрежительно мала.

Если для любого интервала t событие P 0 (t, t) + P 1 (t, t) + Р  1 (t, t)=1, P 1 (t, t) - вероятность попадания на интервал t ровно одного события. Как сумма вероятностей событий, образующих полную группу и несовместных, то для ординарного потока событий P 0 (t, t) + P 1 (t, t)  1, Р  1 (t, t)=(t), где (t)- величина, порядок малости который выше, чем t, т.е. lim((t))=0 при t0.

Стационарным ПС называется поток, для которого вероятность появления того или иного числа событий на интервале времени зависит от длины этого участка и не зависит от того, где на оси времени 0 - t взят этот участок. Для ОПС справедливо 0*P 0 (t, t) + 1*P 1 (t, t)= P 1 (t, t) - среднее число событий на интервале t. Среднее число событий, наступающих на участке t в единицу времени составляет P 1 (t, t)/t. Рассмотрим предел этого выражения при t0

lim P 1 (t, t)/t=(t)*(1/един.вр.).

Если этот предел существует, то он называется интенсивностью (плотностью) ОПС. Для стандартного ПС (t)==const.

Применительно к элементарному каналу обслуживания k i можно считать что поток заявок w i W, т.е. интервалы времени между моментами появления заявок на входе k i образуют подмножество неуправляемых переменных, а поток обслуживания u i U, т.е. интервалы времени между началом и окончанием обслуживания заявки образуют подмножество управляемых переменных.

Заявки, обслуженные каналом k i и заявки, покинувшие прибор П i по различным причинам не обслуженными, образуют выходной поток y i Y.

Процесс функционирования прибора обслуживания П i можно представить как процесс изменения состояний его элементов во времени Z i (t). Переход в новое состояние для П i означает изменение кол-ва заявок, которые в нём находятся (в канале k i и накопителе H i). Т.о. вектор состояний для П i имеет вид: , где- состояния накопителя, (=0 - накопитель пуст,=1- в накопителе одна заявка…,=- накопитель занят полностью;- состояние каналаk i (=0 - канал свободен,=1 канал занят).

Q-схемы реальных объектов образуются композицией многих элементарных приборов обслуживания П i . Если k i различных приборов обслуживания соединены параллельно, то имеет место многоканальное обслуживание (многоканальная Q-схема), а если приборы П i и их параллельные композиции соединены последовательно, то имеет место многофазное обслуживание (многофазная Q-схема).

Т.о. для задания Q-схемы необходимо оператор сопряжения R, отражающий взаимосвязь элементов структуры.

Связи в Q-схеме изображают в виде стрелок (линий потока, отражающих направление движения заявок). Различают разомкнутые и замкнутые Q-схемы. В разомкнутой выходной поток не может снова поступить на какой-либо элемент, т.е. обратная связь отсутствует.

Собственными (внутренними) параметрами Q-схемы будут являться кол-во фаз L Ф, количество каналов в каждой фазе, L kj , j=1… L Ф, количество накопителей каждой фазы L kj , k=1… L Ф, ёмкость i-ого накопителя L i H . Следует отметить, что в теории массового обслуживания в зависимости от ёмкости накопителя применяют следующую терминологию:

    системы с потерями (L i H =0, накопитель отсутствует);

    системы с ожиданием (L i H );

    системы с ограниченной ёмкостью накопителя Н i (смешанные).

Обозначим всю совокупность собственных параметров Q-схемы как подмножество Н.

Для задания Q-схемы также необходимо описать алгоритмы её функционирования, которые определяют правила поведения заявок в различных неоднозначных ситуациях.

В зависимости от места возникновения таких ситуаций различают алгоритмы (дисциплины) ожидания заявок в накопителе Н i и обслуживания заявок каналом k i . Неоднородность потока заявок учитывается с помощью введения класса приоритетов.

В зависимости от динамики приоритетов Q-схемы различают статические и динамические. Статические приоритеты назначаются заранее и не зависят от состояний Q-схемы, т.е. они являются фиксированными в пределах решения конкретной задачи моделирования. Динамические приоритеты возникают при моделировании. Исходя из правил выбора заявок из накопитель Н i на обслуживание каналом k i можно выделить относительные и абсолютные приоритеты. Относительный приоритет означает, что заявка с более высоким приоритетом, поступившая в накопитель Н, ожидает окончания обслуживания представляющей заявки каналом k i и только после этого занимает канал. Абсолютный приоритет означает, что заявка с более высоким приоритетом, поступившая в накопитель, прерывает обслуживание каналом k i заявки с более низким приоритетом и сами занимает канал (при этом вытесненная из k i заявка может либо покинуть систему, либо может быть снова записана на какое-то место в Н i).

Необходимо также знать набор правил, по которым заявки покидают Н i и k i: для Н i – либо правила переполнения, либо правила ухода, связанные с истечением времени ожидания заявки в Н i ­ ; для k i – правила выбора маршрутов или направлений ухода. Кроме того, для заявок необходимо задать правила, по которым они остаются в канале k i , т.е. правила блокировок канала. При этом различают блокировки k i по выходу и по входу. Такие блокировки отражают наличие управляющих связей в Q‑схеме, регулирующих поток заявок в зависимости от состояний Q‑схемы. Набор возможных алгоритмов поведения заявок в Q‑схеме можно представить в виде некоторого оператора алгоритмов поведения заявок А.

Т.о. Q‑схема, описывающая процесс функционирования СМО любой сложности однозначно задаётся в виде набора множеств: Q = .

Марковские случайные процессы

Названы по имени выдающегося русского математика А.А.Маркова, впервые начавшего изучение вероятностной связи случайных величин и создавшего теорию, которую можно назвать "динамикой вероятностей". В настоящее время теория марковских процессов и ее приложения широко применяются в самых различных областях и, в том числе, в исследовании операций и теории принятия оптимальных решений.

Марковский процесс - дискретный или непрерывный случайный процесс X (t ), который можно полностью задать с помощью двух величин:

· вероятности P (x ,t ) того, что случайная величина x (t ) в момент времени t равна x , и

· вероятности P (x 2 , t 2 |x 1 ,t 1) того, что если x при t = t 1 равен x 1 , то при t = t 2 он равен x 2 .

Вторая из этих величин называется вероятностью перехода из состояния x 1 при t = t 1 в состояние x 2 при t = t 2 .

Цепями Маркова называют дискретные по времени и значению Марковские

процессы.

Пример 1

Предположим, что речь идет о последовательных бросаниях монеты при игре "в орлянку "; монета бросается в условные моменты времени t = 0, 1, ... и на каждом шаге игрок может выиграть ±1 с одинаковой вероятностью 1/2, таким образом в момент t его суммарный выигрыш есть случайная величина ξ(t) с возможными значениями j = 0, ±1, ... При условии, что ξ(t) = k, на следующем шаге выигрыш будет уже равен ξ(t+1) = k ± 1, принимая указанные знчения j = k ± 1 c одинаковой вероятностью 1/2. Условно можно сказать, что здесь с соответствующей вероятностью происходит переход из состояния ξ(t) = k в состояние ξ(t+1) = k ± 1.

19.5.1. Формулы и определения Марковских цепей

Обобщая этот пример, можно представить себе "систему" со счетным числом возможных "фазовых" состояний, которая с течением дискретного времени t = 0, 1, ... случайно переходит из состояния в состояние.

Пусть ξ(t) есть ее положение в момент t в результате цепочки случайных переходов ξ(0) - ξ(1) - ... - ξ(t) - ... ... (1)

Формально обозначим все возможные состояния целыми i = 0, ±1, ... Предположим, что при известном состоянии ξ(t) = k на следующем шаге система переходит в состояние ξ(t+1) = j с условной вероятностью

p kj = P(ξ(t+1) = j|ξ(t) = k) ... (2)

независимо от ее поведения в прошлом, точнее, независимо от цепочки переходов (1) до момента t:

P(ξ(t+1) = j|ξ(0) = i, ..., ξ(t) = k) = P(ξ(t+1) = j|ξ(t) = k) при всех t, k, j ... (3) - марковское свойство.

Такую вероятностную схему называют однородной цепью Маркова со счетным числом состояний - ее однородность состоит в том, что определенные в (2) переходные вероятности p kj , ∑ j p kj = 1, k = 0, ±1, ..., не зависят от времени, т.е.

P(ξ(t+1) = j|ξ(t) = k) = P ij - матрица вероятностей перехода за один шаг не зависит от n. Ясно, что P ij - квадратная матрица с неотрицатель-ными элементами и единичными суммами по строкам. Такая матрица (конечная или бесконечная) называется стохастической матрицей. Любая стохастическая матрица может служить матрицей переходных вероятностей.

Практический пример 1.

Предположим, что некая фирма осуществляет доставку оборудования по Москве: в северный округ (обозначим А), южный (В) и центральный (С). Фирма имеет группу курьеров, которая обслуживает эти районы. Понятно, что для осуществления следующей доставки курьер едет в тот район, который на данный момент ему ближе. Статистически было определено следующее:

1) после осуществления доставки в А следующая доставка в 30 случаях осуществляется в А, в 30 случаях - в В и в 40 случаях - в С;

2) после осуществления доставки в В следующая доставка в 40 случаях осуществляется в А, в 40 случаях - в В и в 20 случаях - в С;

3) после осуществления доставки в С следующая доставка в 50 случаях осуществляется в А, в 30 случаях - в В и в 20 случаях - в С.

Таким образом, район следующей доставки определяется только предыдущей доставкой.

Матрица вероятностей перехода будет выглядеть следующим образом:

Например, р 12 = 0.4 - это вероятность того, что после доставки в район В следующая доставка будет производиться в районе А. Допустим, что каждая доставка с последующим перемещением в следующий район занимает 15 минут. Тогда, в соответствии со статистическими данными, через 15 минут 30% из курьеров, находившихся в А, будут в А, 30% будут в В и 40% - в С. Так как в следующий момент времени каждый из курьеров обязательно будет в одном из округов, то сумма по столбцам равна 1. И поскольку мы имеем дело с вероятностями, каждый элемент матрицы 0<р ij <1. Наиболее важным обстоятельством, которое позволяет интерпретировать данную модель как цепь Маркова, является то, что местонахождение курьера в момент времени t+1 зависит только от местонахождения в момент времени t.

Теперь зададим простой вопрос: если курьер стартует из С, какова вероятность того, что осуществив две доставки, он будет в В, т.е. как можно достичь В в 2 шага? Итак, существует несколько путей з С в В за 2 шага:

1) сначала из С в С и потом из С в В;

2) С-->B и B-->B;

3) С-->A и A-->B.

Учитывая правило умножения независимых событий, получим, что искомая вероятность равна:

P = P(CA)*P(AB) + P(CB)*P(BB) + P(CC)*P(CB)

Подставляя числовые значения:

P = 0.5*0.3 + 0.3*0.4 + 0.2*0.3 = 0.33

Полученный результат говорит о том, что если курьер начал работу из С, то в 33 случаях из 100 он будет в В через две доставки. Ясно, что вычисления просты, но если Вам необходимо определить вероятность через 5 или 15 доставок - это может занять довольно много времени.

Рассмотрим более простой способ вычисления подобных вероятностей. Для того, чтобы получить вероятности перехода из различных состояний за 2 шага, возведем матрицу P в квадрат:

Тогда элемент (2, 3) - это вероятность перехода из С в В за 2 шага, которая была получена выше другим способом. Заметим, что элементы в матрице P 2 также находятся в пределах от 0 до 1, и сумма по столбцам равна 1.

Т.о. если Вам необходимо определить вероятности перехода из С в В за 3 шага:

1 способ. p(CA)*P(AB) + p(CB)*P(BB) + p(CC)*P(CB) = 0.37*0.3 + 0.33*0.4 + 0.3*0.3 = 0.333, где p(CA) - вероятность перехода из С в А за 2 шага (т.е. это элемент (1, 3) матрицы P 2).

2 способ. Вычислить матрицу P 3:

Матрица переходных вероятностей в 7 степени будет выглядеть следующим образом:

Легко заметить, что элементы каждой строки стремятся к некоторым числам. Это говорит о том, что после достаточно большого количества доставок уж не имеет значение в каком округе курьер начал работу. Т.о. в конце недели приблизительно 38,9% будут в А, 33,3% будут в В и 27,8% будут в С. Подобная сходимость гарантировано имеет место, если все элементы матрицы переходных вероятностей принадлежат интервалу (0, 1).

Теория массового обслуживания

Это раздел исследования операций , который рассматривает разнообразные процессы в экономике, а также в телефонной связи, здравоохранении и других областях, как процессы обслуживания, т. е. удовлетворения каких-то запросов, заказов (напр., обслуживание кораблей в порту - их разгрузка и погрузка, обслуживание токарей в инструментальной кладовой цеха - выдача им резцов, бслуживание клиентов в прачечной - стирка белья и т. д.).

При всем разнообразии эти процессы имеют общие черты: требования на обслуживание нерегулярно (случайно) поступают в канал обслуживания (место у причала, окно в раздаточной) и в зависимости от его занятости, продолжительности обслуживания и других факторов образуют очередьтребований .

Теория массового обслуживания изучает статистические закономерности поступления требований и на этой основе вырабатывает решения , т. е. такие характеристики, при которых затраты времени на ожидание в очереди, с одной стороны, и на простой каналов обслуживания - с другой, были бы наименьшими. Всю систему производства и потребления товаров можно трактовать как систему массового обслуживания, где встречаются люди (клиенты) и товары. Сумма потерь времени на ожидание в очередях и на простои каналов обслуживания (хранение товаров на складах) рассматривается как мера эффективности изучаемой экономической системы .

Методы анализа систем массового обслуживания

Методы и модели, применяемые в теории массового обслуживания, можно условно разделить на аналитические и имитационные.

Аналитические методы теории массового обслуживания позволяют получить характеристики системы как некоторые функции параметров ее функционирования. Благодаря этому появляется возможность проводить качественный анализ влияния отдельных факторов на эффективность работы СМО.

Имитационные методы основаны на моделировании процессов массового обслуживания на ЭВМ и применяются, если невозможно применение аналитических моделей.

В настоящее время теоретически наиболее разработаны и удоб­ны в практических приложениях методы решения задач массового обслуживания, в которых входящий поток требований является про­стейшим (пуассоновским).

Для простейшего потока частота поступлений требований в сис­тему подчиняется закону Пуассона, т.е. вероятность поступления за время t ровно к требований задается формулой:

Простейший поток обладает тремя основными свойствами:

1) ординарностью,

2) стационарностью и

3) отсутствием после­действия.

Ординарность потока означает практическую невозможность од­новременного поступления двух и более требований. Например, достаточно малой является вероятность того, что из группы стан­ков, обслуживаемых бригадой ремонтников, одновременно выйдут из строя несколько станков.

Стационарным называется поток, для которого математическое ожидание числа требований, поступающих в систему в единицу времени (обозначим А, - параметр распределения Пуассона), не меняется во времени. Таким образом, вероятность поступления в систему определенного количества требований в течение заданного промежутка времени At зависит от его величины и не зависит от начала его отсчета на оси времени.

Отсутствие последействия означает, что число требований, по­ступивших в систему до момента t, не определяет того, сколько требований поступит в систему за промежуток времени от t до t + Dt

Например, если на ткацком станке в данный момент времени произошел обрыв нити и он устранен ткачихой, то это не определя­ет, произойдет новый обрыв на данном станке в следующий момент или нет, тем более это не влияет на вероятность возникновения обрыва на других станках.

Важная характеристика СМО - время обслуживания требований в системе. Время обслуживания одного требования является, как правило, случайной величиной и, следовательно, может быть опи­сано законом распределения. Наибольшее распространение в тео­рии и особенно в практических приложениях получил экспоненци­альный закон распределения времени обслуживания. Функция распре­деления для этого закона имеет вид:

т.е. вероятность того, что время обслуживания не превзойдет неко­торой величины t, определяется формулой (5.2), где µ - параметр экспоненциального закона распределения времени обслуживания требований в системе, т.е. величина, обратная среднему времени обслуживания

Системы массового обслуживания классифицируются:

1. В зависимости от условий ожидания начала обслуживания:

· СМО с потерями (отказами)

· СМО с ожиданием

В СМО с отказами требования, поступающие в момент, когда все каналы обслуживания заняты, получают отказ и покидают сис­тему. Классическим примером системы с отказами является теле­фонная станция. Если вызываемый абонент занят, то требование на соединение с ним получает отказ и покидает систему.

В СМО с ожиданием требование, застав все обслуживающие ка­налы занятыми, становится в очередь и ожидает, пока освободится [ один из обслуживающих каналов.

СМО, допускающие очередь, но с ограниченным числом требований в ней, называются системами с ограниченной длиной очереди.

СМО, допускающие очередь, но с ограниченным сроком пре­бывания каждого требования в ней, называются системами с ограниченным временем ожидания.

2. По числу каналов обслуживания СМО делятся на:

Одноканальные;

Многоканальные.

3. По месту нахождения источника тре­бований СМО подразделяются на:

разомкнутые, когда источник требования находится вне сис­темы;

замкнутые, когда источник находится в самой системе.

19.7. Задачи анализа замкнутых и разомкнутых систем массового обслуживания

Замкнутые и разомкнутые системы,в зависимости от времени ожидания могут быть и системами массового обслуживания с ожиданием. Это наиболее распространенные СМО. Они изучаются с помощью аналитических моделей.

Системой массового обслуживания сожиданием называется система, в которой требования, поступившие в момент, когда все обслуживающие каналы заняты, ставятся в очередь и обслужива­ются по мере освобождения каналов.

Примером разомкнутой системы может служить ателье по ре­монту телевизоров. Здесь неисправные телевизоры - это источник требований на их обслуживание, они находятся вне самой системы, поэтому число требований можно считать неограниченным. К замкнутым СМО относится, например, станочный участок, в кото­ром станки являются источником неисправностей, а следовательно, источником требований на их обслуживание, например, бригадой наладчиков.

Общая постановка задачи состоит в следующем. Система имеет п обслуживающих каналов, каждый из которых может одновремен­но обслуживать только одно требование.

В систему поступает простейший (пуассоновский) поток требо­ваний с параметром А.. Если в момент поступления очередного тре­бования в системе на обслуживании уже находится не менее п тре­бований, т.е. все каналы заняты, то это требование становится в очередь и ждет начала обслуживания. Время обслуживания каждого требования - случайная вели­чина, которая подчиняется экспоненциальному закону распределе­ния с параметром µ .

СМО с ожиданием можно разбить на две большие группы: замкнутые и разомкнутые. К замкнутым относятся системы, в ко­торых поступающий поток требований возникает в самой системе и ограничен. Например, мастер, задачей которого является наладка станков в цехе, должен периодически их обслуживать. Каждый на­лаженный станок становится потенциальным источником требова­ний на наладку. В подобных системах общее число циркулирующих требований конечно и чаще всего постоянно.

Если питающий источник обладает бесконечным числом требо­ваний и находится вне системы, то системы называют разомкнуты­ми. Примерами разомкнутых систем могут служить магазины, кассы вокзалов, портов и др. Для этих систем поступающий поток требо­ваний можно считать неограниченным. Кроме того, довольно рас­пространены разомкнутые СМО с ожиданием и ограниченной дли­ной очереди, с ограниченным временем пребывания требования в очереди и др.

Отмеченные особенности функционирования СМО с ожидани­ем, обусловленные их видами, накладывают определенные условия на используемый математический аппарат. Расчет характеристик работы всех таких СМО может быть проведен на основе расчета вероятностей состояний СМО (так называемые формулы Эрланга).

Рассмотрим порядок расчета характеристик работы разомкнутых систем с ожиданием и ограниченной длиной очереди.

Такие СМО состоят из п обслуживающих каналов, каждый из которых может одновременно обслуживать только одно требование. В систему поступает простейший поток требований с параметром А., а время обслуживания требования является случайной величиной, которая подчиняется экспоненциальному закону распределения с параметром ц. Если в момент поступления очередного требования все п каналов заняты, а в очереди стоит не меньше т требований, то требование становится в очередь. Если же в очереди уже стоит т требований, то поступившее требование покидает СМО. Другими словами, требование получает отказ, если в системе находится п + т требований. Из уравнений, описывающих состояние таких систем, могут быть получены следующие формулы для расчета их основных характеристик.

1. Вероятность того, что все обслуживающие каналы свободны,

(5.14)

2. Вероятность того, что в системе находится к требований при условии, что общее число этих требований не превосходит числа обслуживающих каналов; другими словами, вероятность того, что занято к каналов,


3. Вероятность того, что в системе находится к требований, ко­гда число этих требований больше числа обслуживающих каналов,

(5.16)

4. Вероятность того, что все обслуживающие каналы заняты,

(5.17)

5. Вероятность отказа

(5.18)

6. Средняя длина очереди

7. Среднее число свободных от обслуживания каналов

Пример 2. Фирма занимается доставкой грузов по заказам и имеет четыре машины, которые работают круглосуточно. Поток заказов является простейшим, и в среднем за час поступает одна заявка. Время перевозки грузов подчиняется экспоненциальному закону распределения, и в среднем перевозка одного груза занимает один час. При количестве заказов на перевозки, равном 10, фирма прекращает прием заявок до тех пор, пока очередь не уменьшится.

Требуется определить характеристики работы фирмы.

Решение. Данная система относится к типу СМО с ожида­нием и ограниченной длиной очереди. Найдем параметры системы, приняв за единицу времени один час:

Вероятность того, что все машины свободны от перевозки гру­зов, находится по формуле (5.14):

Вероятность того, что в се машины заняты, определяется по формуле (5.17) и составляет

Тогда вероятность отказа в принятии заказа на перевозку, рассчитываемая по формуле (5.18) будет равна

, а средняя длина очереди в соответствии с формулой (5.19) составит

Тогда вероятность отказа в принятии заказа на перевозку, рас­считываемая по формуле (5.18), будет равна

а средняя длина очереди в соответствии с формулой (5.19) составит

Таким образом, заказчик практически никогда не получит отка­за в принятии заявки на перевозку, однако загрузка машин будет достаточно мала. Так например, лишь в двух случаях из ста будут заняты все четыре машины.

Перейдем к рассмотрению алгоритмов расчета характеристик функционирования замкнутых СМО с ожиданием. Поскольку сис­тема замкнутая, то к постановке задачи следует добавить условие: поток поступающих требований ограничен, т.е. в системе обслужи­вания одновременно не может находиться больше т требований (т - число обслуживаемых объектов). Такие СМО называются также системами с ожиданием и ограниченным потоком требований.

За критерий, характеризующий качество функционирования рассматриваемой системы, примем отношение средней длины оче­реди к наибольшему числу требований, находящихся одновременно в обслуживающей системе, или коэффициент простоя обслуживае­мых объектов. В качестве другого критерия возьмем отношение среднего числа незанятых обслуживающих каналов к их общему числу, или коэффициент простоя обслуживающих каналов.

Первый из критериев характеризует потери времени из-за ожи­дания начала обслуживания. Второй критерий показывает полноту загрузки обслуживающей системы и имеет важное значение в зада­чах организации труда.

Очевидно, что очередь может возникнуть только в том случае, когда число каналов меньше наибольшего числа требований, нахо­дящихся одновременно в обслуживающей системе (п < т).

Приведем последовательность расчетов характеристик замкну­тых СМО с ожиданием и необходимые формулы.

1. Параметр α=α/µ. - показатель загрузки системы, т.е. мате­матическое ожидание числа требований, поступающих в систему за время, равное средней длительности обслуживания

2. Вероятность того, что занято к обслуживающих каналов при условии, что число требований, находящихся в системе, не превос­ходит числа обслуживающих каналов системы,