Upload
senta
View
37
Download
0
Embed Size (px)
DESCRIPTION
Operations Research. Hoorcollege week 4 Deel 2 Inleiding wachtrijsystemen De klassificatie van Kendall Het M/M/1-model R.B.J. Pijlgroms Instituut Informatica en Elektrotechniek Hogeschool van Amsterdam. Wachtrijsystemen. K enmerken van Wachtrijen. verdeling van aankomsttijd - PowerPoint PPT Presentation
Citation preview
Operations Research
Hoorcollege week 4
Deel 2
Inleiding wachtrijsystemen
De klassificatie van Kendall
Het M/M/1-model
R.B.J. PijlgromsInstituut Informatica en ElektrotechniekHogeschool van Amsterdam
2
Wachtrijsystemen
3
Kenmerken van Wachtrijen
verdeling van aankomsttijd ook: inter arrival time
verdeling van bedieningstijd ook: service time
aantal servers of loketten#
serversaankomsten
bedieningen
4
Kenmerken van Wachtrijen (VERVOLG)
Verdeling van aankomst- resp. bedieningstijden
Notatie: M : de tussenaankomsttijd is negatief exponentiëel
verdeeld D : de tussenaankomsttijd is constant G : de tussenaankomsttijd is willekeurig verdeeld
5
Kenmerken van Wachtrijen (VERVOLG)
maximaal aantal toegestane klanten in het systeem of ook: systeem-capaciteit
omvang van de gehele populatie van mogelijke klanten
protocol van bediening van de wachtrij
6
Kenmerken van Wachtrijen (VERVOLG)
Systeem-capaciteit: oneindig: ‘iedereen’ kan zich als klant melden eindig: bijv. de wachtruimte is beperkt!
(vergelijk de printbuffer of het geheugen, beperkte ruimte in kapsalon.)
7
Kenmerken van Wachtrijen (VERVOLG)
De populatie (dit is iets anders dan de systeem-capaciteit) veelal oneindig (‘iedereen’ kan zich als klant
melden) soms eindig (vergelijk bijv. kapotte machines
die zich ‘melden’)
8
Kenmerken van Wachtrijen (VERVOLG)
Protocol: volgorde waarin de wachtrij wordt bediend FIFO - First In First Out
FCFS - First Come First Served LIFO - Last In First Out
LCFS - Last Come First Served SJN - Shortest Job Next SIRO - Service In Random Order SPT - Shortest Processing Time first PR - according to PRriority
9
De Kendall-notatie
de genoemde kenmerken worden afgekort volgens Kendall, bijv.: M/M/1/FIFO
negatief exponentieel verdeelde aankomsttijd negatief exponentieel verdeelde bedieningstijd één server systeem-capaciteit (= oneindige wachtruimte + 1 = ) oneindige populatie First In First Out bedieningsvolgorde
10
De Kendall-notatie (vervolg)
dit wordt afgekort tot M/M/1 voortaan meestal korte notatie
dus capaciteit en populatie worden dan oneindig verondersteld en volgorde is FIFO. Zoniet, dan de lange notatie.
Enkele voorbeeldenM/M/4 M/D/3/8M/G/1 M/M/4/4D/M/2/4 M/M/2/5/5
11
Notatie van Kendall
A/B/s/N/K met:
A = verdeling aankomsttussentijd
B = verdeling bedieningstijd
s = aantal servers
N = capaciteit van het systeem
K = omvang van de ‘doelgroep’
afkortingen verdelingen (d.w.z. A, B):
M = exponentieelD = constant/deterministischG = algemeen
(Ek = Erlang)
12
Parameters wachtrijsysteem Resumerend
gedrag wachtrij-systeem afhankelijk van
aankomstproces ( en verdeling tussentijd) bedieningsproces ( en verdeling bedientijd) aantal loketten capaciteit van het systeem omvang van de doelgroep bedienings-protocol
13
Kendall notatie oefeningen
kapsalon met 3 knipstoelen en 5 wachtstoelen
6 machines die onderhouden worden en 1 monteur met Poisson-verdeelde bedieningsintensiteit
vliegtuigen die landen op 1 landingsbaan Wachtrij in kantine met exponentieel
verdeelde tussenaankomsttijden en constante bedieningstijden
14
Interessante afgeleide systeem-variabelen
= bezettingsgraad (server utilization, percentage van de tijd dat een server bezig is waarbij s = aantal parallelle servers)
Pn = kans op n klanten in het systeem Nq = gemiddeld aantal klanten in het systeem
(bediening en wachtrij) Nw = gemiddeld aantal klanten in de wachtrij Tq = gemiddelde tijd dat een klant in het
systeem aanwezig is (bediening en wachtrij) Tw = gemiddelde tijd dat een klant in de
wachtrij aanwezig is
15
Overgangs- en stationair gedrag
overgangsgedrag (vanaf t = 0)
prestatie indicatoren als gemiddelde wachttijd Tw en gem. aantal klanten in de wachtrij Nw afhankelijk van de tijd d.w.z. Tw(t), Nw(t)
stationair gedrag ( t => ) prestatie-indicatoren als gemiddelde wachttijd niet meer afhankelijk van de tijd (d.w.z. de waarschijnlijkheid dat systeem zich in gegeven toestand bevindt is niet tijdsafhankelijk)
16
Overgangsgedrag
geschiedenis aantal klanten in systeem = grafiek aantal klanten tegen tijd
Kan ook in tabel Je moet het wachtrij-protocol kennen
FIFO (first in first out) LIFO (last in first out) SIRO (service in random order) SPT (shortest processing time first) PR (according to priority)
17
Geschiedenis
oefening
• aantal bezoeken afgelegd door verpleger (N) ?• voor alle N bezoeken de begintijd ?• voor alle bezoeken de door patient in systeem doorgebrachte tijd ?• voor alle bezoeken de door patient in rij doorgebrachte tijd ?
Nq
18
Het M/M/1// - model
19
Het M/M/1// - model
Negatief-exponentieel verdeelde tussenaankomsttijden ( gemiddelde aankomstintensiteit = [klanten/sec], gem. tussenaankomsttijd = [sec] ) (N.B.: =1/
Negatief-exponentieel verdeelde bedieningstijden (gemiddelde bedieningsintensiteit = [klanten/sec], gem. bedieningstijd Ts= [sec])
aantal loketten s = 1 Systeemcapaciteit is oneindig Populatiegrootte is oneindig
20
De Markov-keten en de evenwichtsvergelijkingen: M/M/1
…
- Markov-keten.- Cirkels geven toestanden aan waarin het systeem kan verkeren.- Overganskansen i.h.a. niet constant.
21
Het M/M/1-model
In het M/M/1-model is:het aankomstproces een Poisson-proces met
gemiddeld aankomsten per tijdseenheidde tijd tussen het afronden van twee bedieningen
negatief exp. verdeeld met gemiddeld bedieningen per tijdseenheid
het aantal servers = loketten gelijk aan 1
Dus parameters n en n hangen niet van n af!!
22
Het M/M/1-model (vervolg)
Dus n = voor alle n = 0, 1, 2, ... En n = voor alle n = 1, 2, 3, ... Wel moet gelden : <
anders loopt het systeem “vol”
De grootheid
wordt de bezettingsgraad van het systeem genoemd
De evenwichtsvergelijkingen worden :
( )1
23
Het M/M/1-model (vervolg)
...),2,1,0voor(:.
:
,...)2,1,0(
0
03
22323
02
11212
00101
1
nPPDus
PPPPPP
PPPPPP
PPPPP
Dus
nPP
nn
nn
0 1 2 3
…
n-1 n n+1 n+2
……
24
Het M/M/1-model (vervolg)
Bovendien is de som van alle kansen 1
...),2,1,0()1(:Dus
111
1
)!!1:N.B.(1...)1(
11
00
320
00
0
nP
PP
P
PP
nn
n
n
nn
25
Het M/M/1-model (vervolg)
VOORBEELD Er komen op een netwerkserver gemiddeld 10 berichten
per minuut binnen. De gemiddelde verwerkingstijd voor een bericht is 4
seconden.1. wat is de kans op een ‘idle server’?
2. wat is de kans op 1, 2 resp. 3 berichten in het systeem?
3. wat is de kans op minstens 4 berichten in het systeem?
26
Het M/M/1-model(vervolg)
ANTWOORD Eerst: is natuurlijk 10 (berichten per minuut)
En: is 15 !! (berichten per minuut)
Dus de bezettingsgraad = 10/15 = 2/3 De kans op een ‘idle server’ = de kans op 0
berichten in het systeem: P0 dus.
27
Het M/M/1-model (vervolg)
2
31
2
3
1
30 333
12
31
2
3
2
90 222
12
31
2
3
4
270148
12
31
2
3
8
810 099
0
1
22
2
33
3
dus P
P
P
P
.
( ) ( ) .
( ) ( ) .
( ) ( ) .
De kans op 4 of meer :1-0.333-0.222-0.148-0.099=0.198De kans op 4 of meer :1-0.333-0.222-0.148-0.099=0.198
We vonden:
Pn = n (1-)
28
Nogmaals de notaties voor afgeleide systeemvariabelen
We definieren een aantal stochasten: Ns = het aantal klanten dat bediend wordt
Tq = de tijd die een klant in het systeem doorbrengt
(ook wel de doorlooptijd genoemd)
Tw = de tijd die een klant in de rij staat
Ts = de tijd die nodig is voor de bediening van een klant
Nq = het aantal klanten in het systeem
Nw = het aantal klanten in de wachtrij
29
Little’s Result
We nemen voortaan aan dat alle genoemde stochasten niet afhangen van de tijd
Er geldt :Nq = Nw + Ns
Tq = Tw + Ts
Bovendien geldt Little’s result:E(Nq) = E(Tq)
E(Nw) = E(Tw) en
E(Ns) = E(Ts)
30
Little’s Result (vervolg)
Zoals aldoor is het gemiddeld aantal aankomsten per tijdseenheid
Little heeft bewezen dat dit resultaat geldig is onafhankelijk van de aankomstverdeling !!
Het bewijs is abstract, het resultaat eenvoudig en aannemelijk.
31
De verwachting van Nq (M/M/1-model)
0
00
0
)1(
)1(
)(
)(
k
k
k
k
kk
kq
q
k
kPk
kNPk
N
Ehelp!help!
wiskunde trucs!!!
20
2
32
432
32
432
0
)1(Dus
1voor)1(
1)('Dus
1voor)1(
1)(Maar
....4321)('
is...1)(Met
...)4321(
.....432
xx
xk
xx
xf
xx
xf
xxxxf
xxxxxf
xxxx
xxxxxk
k
k
k
k
33
De verwachting van Nq en Tq
Uit het voorgaande volgt dus: (bedenk dat < 1 )
)1()1()1()( 2)(1-qNE
En En dandan volgt met het Result van Little volgt met het Result van Little::
11
)(1
)( qq NT EE
34
het gemiddelde aantal klanten in het systeem als functie van de bezettingsgraad
0
5
10
15
20
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
bezettingsgraad
Nq
35
De verwachting van Nw en Tw
De verwachte wachttijd is : de verwachte totale tijd in het systeem minus de
verwachte bedieningsduur
)()()(
:dusen )()(
)(11
)()()(
2
ww
sqw
TN
TTT
EE
EEE
The End