Systemy masowej obsługi

Podobne dokumenty
Podstawy Informatyki Elementy teorii masowej obsługi

Modelowanie komputerowe

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Elementy Modelowania Matematycznego

Spacery losowe generowanie realizacji procesu losowego

Literatura TEORIA MASOWEJ OBSŁUGI TEORIA KOLEJEK. Teoria masowej obsługi. Geneza. Teoria masowej obsługi

Ważne rozkłady i twierdzenia c.d.

Zmienne losowe ciągłe i ich rozkłady

Ważne rozkłady i twierdzenia

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Modelowanie niezawodności prostych struktur sprzętowych

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Podstawy symulacji komputerowej

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Wykład 2 Zmienne losowe i ich rozkłady

Zaawansowane metody numeryczne

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Agata Boratyńska Statystyka aktuarialna... 1

Rachunek prawdopodobieństwa i statystyka

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

MODELE MATEMATYCZNE W UBEZPIECZENIACH

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Prawa wielkich liczb, centralne twierdzenia graniczne

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

4,5. Dyskretne zmienne losowe (17.03; 31.03)

Weryfikacja hipotez statystycznych

Metoda największej wiarygodności

Wykład 3 Jednowymiarowe zmienne losowe

Dyskretne zmienne losowe

Badania operacyjne egzamin

Zmienne losowe ciągłe i ich rozkłady

Zagadnienia brzegowe dla równań eliptycznych

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

FUNKCJA LINIOWA - WYKRES

Prawdopodobieństwo i statystyka

Definicje i przykłady

Prawdopodobieństwo i statystyka

Lista 6. Kamil Matuszewski 13 kwietnia D n =

Rachunek prawdopodobieństwa dla informatyków

Matematyka ubezpieczeń majątkowych r.

Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów

Rozkłady statystyk z próby

Matematyka ubezpieczeń majątkowych r.

Wynik pomiaru jako zmienna losowa

Rachunek Prawdopodobieństwa i Statystyka

Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.

Rozdział 1 PROGRAMOWANIE LINIOWE

Prawdopodobieństwo i statystyka

Literatura TEORIA MASOWEJ OBSŁUGI TEORIA KOLEJEK. Geneza. Teoria masowej obsługi. Cele masowej obsługi. Teoria masowej obsługi

Metody Rozmyte i Algorytmy Ewolucyjne

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

TEORIA OBSŁUGI MASOWEJ

Matematyka ubezpieczeń majątkowych r.

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Zadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Matematyka ubezpieczeń majątkowych r.

Rozkłady wielu zmiennych

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

Równania różniczkowe wyższych rzędów

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

Algebra liniowa. Macierze i układy równań liniowych

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Systemy kolejkowe z histerezą- wprowadzenie

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego

1 Warunkowe wartości oczekiwane

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r.

Zadanie 1. są niezależne i mają rozkład z atomami: ( ),

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych.

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Politechnika Białostocka INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH. Doświadczalne sprawdzenie zasady superpozycji

Estymacja parametrów w modelu normalnym

Matematyka licea ogólnokształcące, technika

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

EGZAMIN MAGISTERSKI, 18 września 2013 Biomatematyka

Transkrypt:

Systemy masowej obsługi Celem niniejszego ćwiczenia jest: zapoznanie się z podstawowymi właściwościami najprostszego systemu analizowanego w ramach teorii masowej obsługi, systemu M/M/ zapoznanie się z podstawowymi własnościami prostego systemu z podziałem czasu (time-sharing) M/M//RNT poznanie podstawowych właściwości sieci stanowisk obsługi.. Jednokanałowy system masowej obsługi z regulaminem naturalnym M/M/ Podstawowy układ rozpatrywany w teorii masowej obsługi jest przedstawiony na rys.. Zawiera on: źródło zgłoszeń kolejkę zgłoszeń czekających na obsługę stanowisko obsługi. Źródło zgłoszeń W trakcie niniejszego ćwiczenia rozpatrywać będziemy jedynie źródła zgłoszeń nieskończenie wymiarowe, to znaczy takie, że odstępy czasu między kolejnymi generacjami zgłoszeń u, u 2, u 3,... są niezależnymi zmiennymi losowymi o tym samym rozkładzie. Dystrybuantę zmiennej losowej u będziemy oznaczali przez A(x) A x=p ux W dalszym ciągu zakładać będziemy, że zmienna losowa u posiada rozkład wykładniczy: A x= e λ x Proste przeliczenia prowadzą w tym przypadku do wniosku, że E u= λ co oznacza, że średnia liczba zgłoszeń na jednostkę czasu wynosi λ i że średnio w przedziale czasu o długości t nadchodzi λt zgłoszeń. Kolejka λ Kolejka jest scharakteryzowana przez regulamin, według którego wybierane są do obsługi zgromadzone w niej zgłoszenia. O systemie, w którym zgłoszenia obsługiwane są zgodnie z kolejnością nadejścia mówimy, że ma kolejkę z regulaminem naturalnym RN. W niniejszym ćwiczeniu właśnie takim systemem będziemy się zajmować. μ

Stanowisko obsługi Stanowisko obsługi charakteryzuje zmienna losowa v określająca czas trwania obsługi zgłoszeń. Dystrybuantę zmiennej losowej v będziemy oznaczali przez B(x) B x=p vx ze średnią E v= μ W dalszym ciągu będziemy zakładać że zmienna losowa v posiada rozkład wykładniczy B x= e μ x. Skrótową charakterystykę systemu obsługi ujmuje notacja Kendall'a: A/B/c/K/h/Z gdzie poszczególne symbole oznaczają: A typ rozkładu odstępów czasu między zgłoszeniami w strumieniu wejściowym B typ rozkładu czasów obsługi c liczba równoległych stanowisk obsługi K największa dopuszczalna liczba zgłoszeń w systemie h wymiar źródła zgłoszeń Z regulamin kolejki Symbole K, h, Z pomija się, jeżeli brak ograniczeń długości kolejki, źródło zgłoszeń ma nieskończony wymiar, a regulamin kolejki jest naturalny. W przypadku rozkładu wykładniczego na określenie jego typu używa się litery M. Zapis M/M/ oznacza więc system, do którego zgłoszenia napływają strumieniem Poissona (to znaczy odstępy czasu między zgłoszeniami mają rozkład wykładniczy) i są obsługiwane w czasie o rozkładzie wykładniczym w pojedynczym stanowisku obsługi. Regulamin kolejki jest naturalny a jej długość nieograniczona. Analiza pracy systemu M/M/ Niech n(t) oznacza liczbę zgłoszeń w systemie w chwili t. Niech P(n,t) oznacza prawdopodobieństwo tego, że w chwili t liczba zgłoszeń w systemie wynosi n. Jeżeli w chwili t + dt w systemie znajduje się n zgłoszeń, n, to jest to następstwem jednej z trzech możliwych sytuacji w chwili t w systemie było n zgłoszeń a w czasie dt nadeszło jeszcze jedno zgłoszenie. Obsługa żadnego zgłoszenia nie zakończyła się w tym czasie w chwili t w systemie było n zgłoszeń, w czasie dt nie nadeszło zgłoszenie i nie zakończyła się obsługa zgłoszenia w chwili t w systemie było n + zgłoszeń i zakończyła się obsługa jednego zgłoszenia i nie nadeszło żadne zgłoszenie. W przypadku gdy n = możliwe są oczywiście tylko dwie ostatnie sytuacje. Ponieważ rozkłady A(x) i B(x) są wykładnicze, prawdopodobieństwa nadejścia nowego zgłoszenia lub też zakończenia obsługi zgłoszenia w czasie dt zależą jedynie od długości przedziału dt i wynoszą odpowiednio λdt i μdt. Tak więc: P, tdt=p,t dtp,t dt dt P n,tdt=p n,t dt dtp n,t dt dtpnn,t dtdt stąd po przejściu do granicy dt, otrzymujemy 2

dp,t = P,t P,t dt dp n,t = P n,t P n,t P n,t dt W stacjonarnym stanie granicznym (który istnieje gdy = ), lim dp n,t =, a równania powyższe przyjmują postać P dt = P oraz P n = P n P n P n= n. P n,t=p n zachodzi t co uzupełnione warunkiem P n = daje rozwiązanie n= Stąd prawdopodobieństwo, że system pracuje wynosi P n = dlatego ρ nazywa się współczynnikiem wykorzystania lub obciążenia stanowiska obsługi. Proste przeliczenia prowadzą do n= wniosku, że średnia liczba zgłoszeń w systemie w stanie stacjonarnym wynosi: E n=n= n P n =. n= Wyznaczanie charakterystyk stanu stacjonarnego systemu M/M/ na drodze symulacji cyfrowej Wyznaczanie charakterystyk systemów masowej obsługi metodami analitycznymi nie zawsze jest tak proste jak w przypadku systemu M/M/. Gdy zawodzą te metody często wykorzystuje się metody symulacji cyfrowej (modelowania cyfrowego) polegające na generacji za pomocą maszyny cyfrowej realizacji procesu stochastycznego którego charakterystyki należy zbadać. W tym celu wykorzystuje się generatory liczb pseudolosowych, odpowiednio skonstruowane programy symulacji układów zdarzeń oraz metody statystyczne służące do oceny parametrów systemu. Generatory liczb pseudolosowych Generator liczb pseudolosowych jest procedurą generującą ciąg liczb, które można uważać za realizację ciągu niezależnych zmiennych losowych o tym samym rozkładzie. Najczęściej stosowanym generatorem liczb pseudolosowych x, x2,... o rozkładzie równomiernym na odcinku (,) jest generator multiplikatywny x n+ = A x n la x n m, gdzie A odpowiednio dobrana stała. Przez przekształcenie ciągu x, x2,... można uzyskiwać ciągi liczb pseudolosowych o innych rozkładach, np. rozkład wykładniczy ze średnią uzyskuje się wykorzystując przekształcenie y n = ln x n. Programy symulacji układów zdarzeń Program symulacji układów zdarzeń najczęściej ma budowę przedstawioną na schemacie blokowym: 3

Start Ustalenie warunków początkowych Czy spełnione są warunki zdarzenia? nie tak Zdarzenie Czy spełnione są warunki zdarzenia n? nie tak Zdarzenie n Wyznaczenie kolejnej istotnej chwili czasu tak Czy kontynuować generację zdarzeń? nie Obliczenia związane ze statystyczną oceną wyników Krótkiego komentarza wymaga tu problem biegu czasu w rozpatrywanym programie. Podczas ustalania warunków początkowych i realizacji zdarzeń (nadejście zgłoszenia, zakończenie obsługi, itp.) wyznacza się czas do chwili wystąpienia następnego zdarzenia określonego typu (korzysta się tu najczęściej z generatorów liczb pseudolosowych) tak, że w trakcie realizacji programu znany jest ciąg t, t2,..., t n określający czasy rozpoczęcia zdarzenia od do n. Każdrazowo, po zakończeniu realizacji z listy zdarzeń wybierany jest minimalny, dodatni element t i i odejmowany od wszystkich wartości t,.., t n. Tak więc, zdarzenia których czas do rozpoczęcia realizacji w danym przebiegu listy zdarzeń równa się zero mogą być wykonane. 4 Koniec

2. Badanie jednokanałowego systemu z podziałem czasu M/M//RNT Przyjmiemy, że rozpatrywany system jest systemem M/M/ w którym regulamin naturalny uzupełniono warunkiem, że zgłoszenie nie może przebywać na stanowisku obsługi dłużej niż ustalony kwant czasu θ. Jeżeli obsługa nie zostanie zakończona do tego czasu, zgłoszenie wraca na koniec kolejki, by doczekać na dokończenie obsługi. Jeżeli obsługa zostanie ukończona wcześniej, zgłoszenie opuszcza system a na jego miejsce wchodzi natychmiast następne, znajdujące się na czele kolejki. Tak opisany regulamin oznaczymy symbolem RNT a rozpatrywany system M/M//RNT. Całkowity czas v obsługi zgłoszeń w tym systemie ma rozkład wykładniczy: B x= e x. Zgodnie z podanymi zasadami regulaminu RNT rozkład czasu v T jednostkowego pobytu zgłoszenia na stanowisku obsługi ma postać B T x= { e x dla x dla x} Obliczmy wartość średnią zmiennej losowej v T E v T = x db T x= gdzie =e oraz wartość średnią kwadratu tej zmiennej E v 2 T = x 2 db T x= 2 2 2 Mimo różnych regulaminów kolejki w systemach M/M/ i M/M//RNT, liczby zgłoszeń w systemie n, n T i długości kolejek k, k T są takie same, gdyż nie zależą one od indywidualnych losów zgłoszenia. Mamy więc: E n T =E n, E k T =E k, T =. Czas oczekiwania w systemie M/M//RNT Zgłoszenie, którego czas obsługi ma wartość v, taką że k vk wymaga k wejść do stanowiska obsługi i k-krotnie oczekuje w kolejce na przydział kolejnej części czasu obsługi. Jego łączny średni czas oczekiwania jest sumą. k E w T = i= Czas oczekiwania na pierwsze wejście do systemu Na średni czas czekania E(w) składa się: E w i. czas potrzebny na obsługę wszystkich zgłoszeń zastanych w kolejce E k T E v T, gdzie E(k T ) średnia liczba zgłoszeń w kolejce E(v T ) średni czas obsługi czas potrzebny na dokończenie obsługi zgłoszenia, które w momencie wejścia do kolejki nowego zgłoszenia znajdowało się na stanowisku obsługi E s T E T, gdzie E(s T ) średnia liczba zgłoszeń na stanowisku obsługi E(τ T ) średni czas dokończenia obsługi. 5

Jak wiemy E k T =E k = 2 E s T =E s= E v T = E v 2 2 T = 2 2 Dodatkowo trzeba obliczyć E(τ T ). Załóżmy, że w chwili t = rozpoczyna się obsługa, której czas trwania v T ma dystrybuantę B T ( x ), zaś w chwili u nadchodzi zgłoszenie. Strumień zgłoszeń jest strumieniem Poisson'a a zatem u jest zmienną losową o rozkładzie równomiernym na odcinku [, θ]. Obliczymy dystrybuantę czasu dokończenia obsługi T( x ): T x= P { v T yx} dy P {yu}db T y wartość oczekiwaną tej wielkości E( τ T ): E T = x dt x= T x=p {v T ux v T u}= P { v T ux} P {v T u} x E T = E v 2 T 2 E v T =. = B T x y x E v T P { v T yx}dy dy dx y db T y = = x B T xdx E v T B T x y B T ydy = E v T x 2 2 db T x E v T oraz prawdopodobieństwo P P sytuacji, że obsługa, którą zgłoszenie zastaje na stanowisku obsługi, zostanie przerwana: Wtedy P P =P {v T = v T u}= P {v T=} P {v T u} = E w =E k T E v T E s T E T E w = 2 E w = 2 gdzie =, =e. e E v T = e E v T. 6

Czas czekania na drugie wejście do systemu Dla obliczenia wartości średniej czasu oczekiwania na drugie wejście do stanowiska obsługi wyznaczymy średnią liczbę zgłoszeń, które ustawiły się w kolejce po rozważanym zgłoszeniu i teraz, w momencie, gdy zostało ono zwrócone na koniec kolejki, wyprzedzają je. W czasie E(w) do kolejki nadchodzą zgłoszenia ze źródła o średniej wydajności λ zgłoszeń na jednostkę czasu i stanowiska obsługi, z którego część zgłoszeń powraca do kolejki (w czasie pierwszej części obsługi rozważanego zgłoszenia tylko ze źródła zgłoszeń). W czasie E(w) + θ źródło zgłoszeń wyśle średnio λ(e(w) + θ) zgłoszeń i dla ich obsługi będzie trzeba czasu λ(e(w) + θ)e(vt). W czasie E(w) stanowisko opuści średnio E(n) zgłoszeń, na które złoży się średnio E(k) zastanych w kolejce i średnio E(s) zastanych na stanowisku. Dla E(k) zgłoszeń zastanych w kolejce prawdopodobieństwo nie zakończenia obsługi w czasie θ i odesłania ich do kolejki wynosi =e. Dla E(s) zgłoszeń zastanych na stanowisku obsługi analogiczne prawdopodobieństwo P P wynosi P P = E v T. Tak więc możemy napisać, że w czasie E(w) do kolejki zostanie średnio zawrócona ze stanowiska obsługi następująca liczba zgłoszeń: L=E k E s E v T, zaś dla ich obsłużenia trzeba będzie średnio czasu L E(vT). Stąd: E w 2 =L E v T E v T E w = 2 E w E w 2 = 2 E w E w 2 = 2 E w E w 2 = 2 E w Czas oczekiwania na trzecie i następne wejścia do systemu Dla obliczenia E(w3) zauważmy, że dla obsługi zgłoszeń wysłanych w czasie E(w2) + θ przez źródło zgłoszeń będzie trzeba czasu λ(e(w2) + θ)e(vt). W czasie E(w2) stanowisko opuści E w 2 zgłoszeń z czego E w 2 wróci do kolejki dla dokończenia obsługi. Ich obsługa E v T E v T będzie wymagać czasu E w 2 E v T E v = E w stąd E w =E w E v E w T 2 3 2 T 2 lub ogólnie E w i =E w i E v T E w i. Schemat obliczeń czasów oczekiwania Wprowadźmy oznaczenia: x i = E w i, = 2, y=, E k =, =e podane powyżej wzory na obliczanie czasów oczekiwania przyjmują postać:. Wtedy 7

x =E k y, x 2 =x E k y, x i = y x i, i=2, 3, Tak więc E w i = x i, natomiast x i jest jedynie funkcją = oraz y=..badanie sieci stanowisk obsługi Niech będzie dana sieć złożona z 2 stanowisk obsługi jak na rysunku. λ λ μ p p λ λ 2 p 2 λ 2 λ 2 μ 2 p 2 p 2 λ 2 λ 22 p 22 Przyjmiemy, że oba stanowiska obsługi są typu M/M/. Rozkład czasów obsługi zgłoszeń w stanowisku i ma dystrybuantę B i x= e i x. Drogę obiegu zgłoszeń pomiędzy stanowiskami obsługi określają prawdopodobieństwa przejść p ij (prawdopodobieństwo, że zgłoszenie po zakończeniu obsługi na stanowisku i przejdzie do kolejki do stanowiska j, p i = p i p i2 jest prawdopodobieństwem, że zgłoszenie wychodząc ze stanowiska i opuszcza sieć). Do stanowiska i napływają zgłoszenia spoza sieci w formie strumienia Poissona o parametrze λi oraz zgłoszenia z innych stanowisk sieci. Analiza sieci Powyższą sieć można przeanalizować biorąc pod uwagę następujące jej własności: strumień zgłoszeń opuszczających stanowisko obsługi typu M/M/ jest strumieniem Poissona rozgałęzienie strumienia Poissona na dwa (lub więcej) strumieni zgłoszeń zachowuje tę własność podobnie jak i łączenia strumieni. Tak więc łączny wejściowy strumień zgłoszeń nadchodzących do i-tego stanowiska zawiera średnio λ i zgłoszeń w jednostce czasu i jest strumieniem Poissona: i p i 2 p 2 i, i=, 2, Po rozwiązaniu powyższego układu równań znamy strumienie wejściowe obu stanowisk obsługi i możemy określić stopień obciążenia tych stanowisk i = I i. Ponieważ powyższe związki w pełni definiują rozpatrywaną sieć, zachowanie się poszczególnych stanowisk można analizować osobno zgodnie z modelem M/M/. Powyższe rozumowanie można łatwo rozszerzyć na sieć złożoną z więcej niż dwóch stanowisk obsługi. 8

Plan ćwiczenia Stanowisko M/M/. Zdjąć przebieg jednej z realizacji procesu n i, i =,2,... m. 2. Zdjąć charakterystykę średniej liczby zgłoszeń w systemie E(n) = f(ρ) i porównać z wynikami uzyskanymi na drodze analitycznej 3. Dla ustalonej wartości parametru μ = zdjąć charakterystykę średniego czasu pobytu zgłoszenia w systemie E(τ) = f(ρ) i porównać z wynikami uzyskanymi na drodze analitycznej Stanowisko M/M//RNT. Zdjąć charakterystykę czasów czekania jako funkcję liczby wejść w systemie z podziałem czasu wykorzystując metodę symulacji cyfrowej. 2. Porównać wyniki uzyskane w punkcie poprzednim z otrzymanymi na podstawie odpowiednich wzorów. 3. Dla ustalonej wartości parametru μ = i trzech wybranych wartości θ zdjąć charakterystyki średniego czasu pobytu zgłoszenia w systemie E(τ) = f(ρ, θ) 4. Porównać uzyskane charakterystyki z podobną charakterystyką dla systemu M/M/ Sieć stanowisk M/M/. Obliczyć i porównać z wynikami symulacyjnymi średnią liczbę klientów w systemie pokazanym na rysunku poniżej dla różnych wartości prawdopodobieństwa p. μ = 5 λ= 2. Dla sieci zaproponowanej przez prowadzącego obliczyć i porównać z wynikami symulacyjnymi średnią liczbę klientów w systemie, średnie długości kolejek przed każdym ze stanowisk oraz łączny średni czas pobytu zgłoszenia w systemie. p 9