На практическом занятии рассмотрим этот путь и сравним результаты моделирования с теоретическим решением. Случайная величина с экспоненциальным распределением
При исследовании операций часто приходится сталкиваться с системами, предназначенными для многоразового использования при решении однотипных задач. Возникающие при этом процессы получили название процессов обслуживания , а системы - систем массового обслуживания (СМО) . Примерами таких систем являются телефонные системы, ремонтные мастерские, вычислительные комплексы, билетные кассы, магазины, парикмахерские и т.п.
Каждая СМО состоит из определенного числа обслуживающих единиц (приборов, устройств, пунктов, станций), которые будем называть каналами обслуживания . Каналами могут быть линии связи, рабочие точки, вычислительные машины, продавцы и др. По числу каналов СМО подразделяют на одноканальные и многоканальные .
Заявки поступают в СМО обычно не регулярно, а случайно, образуя так называемый случайный поток заявок (требований) . Обслуживание заявок, вообще говоря, также продолжается какое-то случайное время. Случайный характер потока заявок и времени обслуживания приводит к тому, что СМО оказывается загруженной неравномерно: в какие-то периоды времени скапливается очень большое количество заявок (они либо становятся в очередь, либо покидают СМО необслуженными), в другие же периоды СМО работает с недогрузкой или простаивает.
Предметом теории массового обслуживания является построение математических моделей, связывающих заданные условия работы СМО (число каналов, их производительность, характер потока заявок и т.п.) с показателями эффективности СМО, описывающими ее способность справляться с потоком заявок.
В качестве показателей эффективности СМО используются: среднее число заявок, обслуживаемых в единицу времени; среднее число заявок в очереди; среднее время ожидания обслуживания; вероятность отказа в обслуживании без ожидания; вероятность того, что число заявок в очереди превысит определенное значение и т.п.
СМО делят на два основных типа (класса): СМО с отказами и СМО с ожиданием (очередью) . В СМО с отказами заявка, поступившая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем процессе обслуживания не участвует (например, заявка на телефонный разговор в момент, когда все каналы заняты, получает отказ и покидает СМО необслуженной). В СМО с ожиданием заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь на обслуживание.
СМО с ожиданием подразделяются на разные виды в зависимости от того, как организована очередь: с ограниченной или неограниченной длиной очереди, с ограниченным временем ожидания и т.п.
Для классификации СМО важное значение имеет дисциплина обслуживания , определяющая порядок выбора заявок из числа поступивших и порядок распределения их между свободными каналами. По этому признаку обслуживание заявки может быть организовано по принципу "первая пришла - первая обслужена", "последняя пришла - первая обслужена" (такой порядок может применяться, например, при извлечении для обслуживания изделий со склада, ибо последние из них оказываются часто более доступными) или обслуживание с приоритетом (когда в первую очередь обслуживаются наиболее важные заявки). Приоритет может быть как абсолютным , когда более важная заявка"вытесняет" из-под обслуживания обычную заявку (например, в случае аварийной ситуации плановые работы ремонтных бригад прерываются до ликвидации аварии), так и относительным , когда более важная заявка получает лишь "лучшее" место в очереди.
Понятие марковского случайного процесса
Процесс работы СМО представляет собой случайный процесс .
Под случайным (вероятностным или стохастическим) процессом понимается процесс изменения во времени состояния какой-либо системы в соответствии с вероятностными закономерностями.
Процесс называется процессом с дискретными состояниями , если его возможные состояния можно заранее перечислить, а переход системы из состояния в состояние происходит мгновенно (скачком). Процесс называется процессом с непрерывным временем , если моменты возможных переходов системы из состояния в состояние не фиксированы заранее, а случайны.
Процесс работы СМО представляет собой случайный процесс с дискретными состояниями и непрерывным временем. Это означает, что состояние СМО меняется скачком в случайные моменты появления каких-то событий (например, прихода новой заявки, окончания обслуживания и т.п.).
Математический анализ работы СМО существенно упрощается, если процесс этой работы - марковский. Случайный процесс называется марковским или случайным процессом без последствия , если для любого момента времени вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент и не зависят от того, когда и как система пришла в это состояние.
Пример марковского процесса: система - счетчик в такси. Состояние системы в момент характеризуется числом километров (десятых долей километров), пройденных автомобилем до данного момента. Пусть в момент счетчик показывает . Вероятность того, что в момент счетчик покажет то или иное число километров (точнее, соответствующее число рублей) , зависит от , но не зависит от того, в какие моменты времени изменялись показания счетчика до момента .
Многие процессы можно приближенно считать марковскими. Например, процесс игры в шахматы; система - группа шахматных фигур. Состояние системы характеризуется числом фигур противника, сохранившихся на доске в момент . Вероятность того, что в момент материальный перевес будет на стороне одного из противников, зависит в первую очередь от того, в каком состоянии находится система в данный момент , а не от того, когда и в какой последовательности исчезли фигуры с доски до момента .
В ряде случаев предысторией рассматриваемых процессов можно просто пренебречь и применять для их изучения марковские модели.
При анализе случайных процессов с дискретными состояниями удобно пользоваться геометрической схемой - так называемым графом состояний . Обычно состояния системы изображаются прямоугольниками (кружками), а возможные переходы из состояния в состояние - стрелками (ориентированными дугами), соединяющими состояния.
Пример 1. Построить граф состояний следующего случайного процесса: устройство состоит из двух узлов, каждый из которых в случайный момент времени может выйти из строя, после чего мгновенно начинаете» ремонт узла, продолжающийся заранее неизвестное случайное время.
Решение. Возможные состояния системы: - оба узла исправны; - первый узел ремонтируется, второй исправен; - второй узел ремонтируется, первый исправен; - оба узла ремонтируются. Граф системы приведен на рис. 1.
Стрелка, направленная, например, из в , означает переход системы в момент отказа первого узла, из в - переход в момент окончания ремонта этого узла.
На графе отсутствуют стрелки из в и из в . Это объясняется тем, что выходы узлов из строя предполагаются независимыми друг от друга и, например, вероятностью одновременного выхода из строя двух узлов (переход из в ) или одновременного окончания ремонтов двух узлов (переход из в ) можно пренебречь.
Для математического описания марковского случайного процесса с дискретными состояниями и непрерывным временем, протекающего в СМО, познакомимся с одним из важных понятий теории вероятностей - понятием потока событий.
Потоки событий
Под потоком событий понимается последовательность однородных событий, следующих одно за другим в какие-то случайные моменты времени (например, поток вызовов на телефонной станции, поток отказов ЭВМ, поток покупателей и т.п.).
Поток характеризуется интенсивностью - частотой появления событий или средним числом событий, поступающих в СМО в единицу времени.
Поток событий называется регулярным , если события следуют одно за другим через определенные равные промежутки времени. Например, поток изделий на конвейере сборочного цеха (с постоянной скоростью движения) является регулярным.
Поток событий называется стационарным , если его вероятностные характеристики не зависят от времени. В частности, интенсивность стационарного потока есть величина постоянная: . Например, поток автомобилей на городском проспекте не является стационарным в течение суток, но этот поток можно считать стационарным в течение суток, скажем, в часы пик. Обращаем внимание на то, что в последнем случае фактическое число проходящих автомобилей в единицу времени (например, в каждую минуту) может заметно отличаться друг от друга, но среднее их число будет постоянно и не будет зависеть от времени.
Поток событий называется потоком без последействия , если для любых двух непересекающихся участков времени и - число событий, попадающих на один из них, не зависит от числа событий, попадающих на другие. Например, поток пассажиров, входящих в метро, практически не имеет последействия. А, скажем, поток покупателей, отходящих с покупками от прилавка, уже имеет последействие (хотя бы потому, что интервал времени между отдельными покупателями не может быть меньше, чем минимальное время обслуживания каждого из них).
Поток событий называется ординарным , если вероятность попадания на малый (элементарный) участок времени двух и более событий пренебрежимо мала по сравнению с вероятностью попадания одного события. Другими словами, поток событий ординарен, если события появляются в нем поодиночке, а не группами. Например, поток поездов, подходящих к станции, ординарен, а поток вагонов не ординарен.
Поток событий называется простейшим (или стационарным пуассоновским ), если он одновременно стационарен, ординарен и не имеет последействия. Название "простейший" объясняется тем, что СМО с простейшими потоками имеет наиболее простое математическое описание. Заметим, что регулярный поток не является "простейшим", так как он обладает последействием: моменты появления событий в таком потоке жестко зафиксированы.
Простейший поток в качестве предельного возникает в теории случайных процессов столь же естественно, как в теории вероятностей нормальное распределение получается в качестве предельного для суммы случайных величин: при наложении (суперпозиции) достаточно большого числа независимых, стационарных и ординарных потоков (сравнимых между собой по интенсивностям получается поток, близкий к простейшему с интенсивностью , равной сумме интенсивностей входящих потоков, т.е. . Рассмотрим на оси времени (рис. 1) простейший поток событий как неограниченную последовательность случайных точек.
Можно показать, что для простейшего потока число т событий (точек), попадающих на произвольный участок времени , распределено по закону Пуассона
для которого математическое ожидание случайной величины равно ее дисперсии: .
В частности, вероятность того, что за время не произойдет ни одного события , равна
Найдем распределение интервала времени между произвольными двумя соседними событиями простейшего потока.
В соответствии с (2) вероятность того, что на участке времени длиной не появится ни одного из последующих событий, равна
а вероятность противоположного события, т.е. функция распределения случайной величины , есть
Плотность вероятности случайной величины есть производная ее функции распределения (рис. 3), т.е.
Распределение, задаваемое плотностью вероятности (5) или функцией распределения (4), называется показательным (или экспоненциальным ). Таким образом, интервал времени между двумя соседними произвольными событиями имеет показательное распределение, для которого математическое ожидание равно среднему квадратическому отклонению случайной величины
и обратно по величине интенсивности потока .
Важнейшее свойство показательного распределения (присущее только показательному распределению) состоит в следующем: если промежуток времени, распределенный по показательному закону, уже длился некоторое время , то это никак не влияет на закон распределения оставшейся части промежутка : он будет таким же, как и закон распределения всего промежутка .
Другими словами, для интервала времени между двумя последовательными соседними событиями потока, имеющего показательное распределение, любые сведения о том, сколько времени протекал этот интервал, не влияют на закон распределения оставшейся части. Это свойство показательного закона представляет собой, в сущности, другую формулировку для "отсутствия последействия" - основного свойства простейшего потока.
Для простейшего потока с интенсивностью вероятность попадания на (Заметим, что эта приближенная формула, получаемая заменой функции лишь двумя первыми членами ее разложения в ряд по степеням , тем точнее, чем меньше ).
Введение........................................................................................................... 3
1 Марковские цепи с конечным числом состояний и дискретным временем 4
2 Марковские цепи с конечным числом состояний и непрерывным временем 8
3 Процессы рождения и гибели.................................................................... 11
4 Основные понятия и классификация систем массового обслуживания... 14
5 Основные типы открытых систем массового обслуживания.................... 20
5.1 Одноканальная система массового обслуживания с отказами.............. 20
5.2 Многоканальная система массового обслуживания с отказами........... 21
5.3 Одноканальная система массового обслуживания с ограниченной длиной очереди........................................................................................................................ 23
5.4 Одноканальная система массового обслуживания с неограниченной очередью........................................................................................................................ 26
5.5 Многоканальная система массового обслуживания с ограниченной очередью........................................................................................................................ 27
5.6 Многоканальная система массового обслуживания с неограниченной очередью........................................................................................................................ 30
5.7 Многоканальная система массового обслуживания с ограниченной очередью и ограниченным временем ожидания в очереди............................................. 32
6 Метод Монте-Карло................................................................................... 36
6.1 Основная идея метода............................................................................. 36
6.2 Разыгрывание непрерывной случайной величины................................ 36
6.3 Случайная величина с экспоненциальным распределением................. 38
7 Исследование системы массового обслуживания..................................... 40
7.1 Проверка гипотезы о показательном распределении............................ 40
7.2 Расчет основных показателей системы массового обслуживания........ 45
7.3 Выводы о работе исследуемой СМО..................................................... 50
8 Исследование видоизмененной СМО........................................................ 51
Заключение.................................................................................................... 53
Список использованных источников............................................................ 54
Введение
Темой моей дипломной работы является исследование системы массового обслуживания. В своем изначальном состоянии рассматриваемая мной СМО представляет собой один из классических случаев, а конкретно M/M/2/5 по принятому обозначению Кэндалла. После исследования системы были сделаны выводы о неэффективности ее работы. Были предложены методы оптимизации работы СМО, но с этими изменениями система перестает быть классической. Основная проблема при исследовании систем массового обслуживания заключается в том, что в реальности они могут быть исследованы с использованием классической теории массового обслуживания только в редких случаях. Потоки входящих и исходящих заявок могут оказаться не простейшими, следовательно, нахождение предельных вероятностей состояний с использованием системы дифференциальных уравнений Колмогорова невозможно, в системе могут присутствовать приоритетные классы, тогда расчет основных показателей СМО также невозможен.
Для оптимизации работы СМО была введена система из двух приоритетных классов и увеличено число обслуживающих каналов. В таком случае целесообразно применить методы имитационного моделирования, например метод Монте-Карло. Основная идея метода заключается в том, что вместо неизвестной случайной величины принимается ее математическое ожидание в достаточно большой серии испытаний. Производится разыгрывание случайной величины (в данном случае это интенсивности входящего и исходящего потоков) изначально равномерно распределенной. Затем осуществляется переход от равномерного распределения к показательному распределению, посредством формул перехода. Была написана программа на языке VisualBasic, реализующая этот метод.
1 Марковские цепи с конечным числом состояний и дискретным временем
Пусть некоторая система S может находиться в одном из состояний конечного (или счетного) множества возможных состояний S 1 , S 2 ,…, S n , а переход из одного состояния в другое возможен только в определенные дискретные моменты времени t 1 , t 2 , t 3 , называемые шагами.
Если система переходит из одного состояния в другое случайно, то говорят, что имеет место случайный процесс с дискретным временем.
Случайный процесс называется марковским, если вероятность перехода из любого состояния S i в любое состояние S j не зависит от того, как и когда система S попала в состояние S i (т.е. в системе S отсутствует последствие). В таком случае говорят, что функционирование системы S описывается дискретной цепью Маркова.
Переходы системы S в различные состояния удобно изображать с помощью графа состояний (рис. 1).
Рисунок 1 – Пример размеченного графа состояний
Вершины графа S 1 , S 2 , S 3 обозначают возможные состояния системы. Стрелка, направленная из вершины S i в вершину S j обозначает переход ; число, стоящее рядом со стрелкой, обозначает величину вероятности этого перехода. Стрелка, замыкающаяся на i-той вершине графа, обозначает, что система остается в состоянии S i с вероятностью, стоящей у стрелки.
Графу системы, содержащему n вершин, можно поставить в соответствие матрицу NxN, элементами которой являются вероятности переходов p ij между вершинами графа. Например, граф на рис. 1 описывается матрицей P:
называемой матрицей вероятностей переходов. Элементы матрицы p ij удовлетворяют условиям:
Элементы матрицы p ij – дают вероятности переходов в системе за один шаг. Переход
S i – S j за два шага можно рассматривать как происходящий на первом шаге из S i в некоторое промежуточное состояние S k и на втором шаге из S k в S i . Таким образом, для элементов матрицы вероятностей переходов из S i в S j за два шага получим:
В общем случае перехода за m шагов для элементов матрицы вероятностей переходов справедлива формула:
(3)
Получим два эквивалентных выражения для :
Пусть система S описывается матрицей вероятностей переходов Р:
Если обозначить через Р(m) матрицу, элементами которой являются рi вероятности переходов из S i в S j за m шагов, то справедлива формула
где матрица Р m получается умножением матрицы P саму на себя m раз.
Исходное состояние системы характеризуется вектором состояния системы Q(q i) (называемым также стохастическим вектором).
где q j - вероятность того, что исходным состоянием системы является S j состояние. Аналогично (1) и (2) справедливы соотношения
Обозначим через
вектор состояния системы после m шагов, где q j – вероятность того, что после m шагов система находится в S i состоянии. Тогда справедлива формула
Если вероятности переходов P ij остаются постоянными, то такие марковские цепи называются стационарными. В противном случае марковская цепь называется нестационарной.
2. Марковские цепи с конечным числом состояний и непрерывным временем
Если система S может переходить в другое состояние случайным образом в произвольный момент времени, то говорят о случайном процессе с непрерывным временем. В отсутствии последействия такой процесс называется непрерывной марковской цепью. При этом вероятности переходов для любых i и j в любой момент времени равны нулю (в силу непрерывности времени). По этой причине вместо вероятности перехода вводится величина - плотность вероятности перехода из состояния в состояние , определяемая как предел:
Если величины не зависят от t, то марковский процесс называется однородным. Если за время система может изменить свое состояние не более чем один раз, то говорят, что случайный процесс является ординарным. Величину называют интенсивностью перехода системы из S i в S j . На графе состояний системы численные значения ставят рядом со стрелками, показывающими переходы в вершины графа.
Зная интенсивности переходов можно найти величины p 1 (t), p 2 (t),…, p n (t) – вероятности нахождения системы S в состояниях S 1 , S 2 ,…, S n соответственно. При этом выполняется условие:
Распределение вероятностей состояний системы, которое можно характеризовать вектором , называется стационарным, если оно не зависит от времени, т.е. все компоненты вектора являются константами.
Состояния S i и Sj называются сообщающимися, если возможны переходы .
Состояние S i называется существенным, если всякое S j , достижимое из S i , является сообщающимся с S i . Состояние S i называется несущественным, если оно не является существенным.
Если существуют предельные вероятности состояний системы:
,
не зависящие от начального состояния системы, то говорят, что при в системе устанавливается стационарный режим.
Система, в которой существуют предельные (финальные) вероятности состояний системы, называется эргодической, а протекающий в ней случайный процесс эргодическим.
Теорема 1. Если S i – несущественное состояние, то т.е. при система выходит из любого несущественного состояния.
Теорема 2. Чтобы система с конечным числом состояний имела единственное предельное распределение вероятностей состояний, необходимо и достаточно, чтобы все ее существенные состояния сообщались между собой.
Если случайный процесс, происходящий в системе с дискретными состояниями является непрерывной марковской цепью, то для вероятностей p 1 (t), р 2 (t),…, p n (t) можно составить систему линейных дифференциальных уравнений, называемых уравнениями Колмогорова. При составлении уравнений удобно пользоваться графом состояний системы. В левой части каждого из них стоит производная вероятности какого-то (j-го) состояния. В правой части – сумма произведений вероятностей всех состояний, из которых возможен переход в данное состояние, на интенсивности соответствующих потоков, минус суммарная интенсивность всех потоков, выводящих систему из данного (j-го) состояния, умноженная на вероятность данного (j-го) состояния.
3 Процессы рождения и гибели
Так называется широкий класс случайных процессов, происходящих в системе, размеченный граф состояний которой изображен на рис. 3.
Рисунок 2 – Граф состояний для процессов гибели и размножения
Здесь величины , ,…, – интенсивности переходов системы из состояния в состояние слева направо, можно интерпретировать как интенсивности рождения (возникновения заявок) в системе. Аналогично, величины ,,…, – интенсивности переходов системы из состояния в состояние справа налево, можно интерпретировать как интенсивности гибели (выполнения заявок) в системе.
Поскольку все состояния являются сообщающимися и существенными, существует (в силу теоремы 2) предельное (финальное) распределение вероятностей состояний. Получим формулы для финальных вероятностей состояний системы.
В стационарных условиях для каждого состояния поток, входящий в данное состояние должен равняться потоку, исходящему из данного состояния. Таким образом, имеем:
Для состояния S 0:
Следовательно:
Для состояния S 1:
Следовательно:
С учетом того, что :
(4)
, ,…, 
(5)
4. Основные понятия и классификация систем массового обслуживания
Заявкой (или требованием) называется спрос на удовлетворение какой-либо потребности (далее потребности предполагаются однотипными). Выполнение заявки называется обслуживанием заявки.
Системой массового обслуживания (СМО) называется любая система для выполнения заявок, поступающих в неё в случайные моменты времени.
Поступление заявки в СМО называется событием. Последовательность событий, заключающихся в поступлении заявок в СМО, называется входящим потоком заявок. Последовательность событий, заключающихся в выполнении заявок в СМО, называется выходящим потоком заявок.
Поток заявок называется простейшим, если он удовлетворяет следующим условиям:
1) отсутствие последействия, т.е. заявки поступают независимо друг от друга;
2) стационарность, т.е. вероятность поступления данного числа заявок на любом временном отрезке зависит лишь от величины этого отрезка и не зависит от значения t 1 , что позволяет говорить о среднем числе заявок за единицу времени, λ, называемом интенсивностью потока заявок;
3) ординарность, т.е. в любой момент времени в СМО поступает лишь одна заявка, а поступление одновременно двух и более заявок пренебрежимо мало.
Для простейшего потока вероятность p i (t) поступления в СМО ровно i заявок за время t вычисляется по формуле:
(6)
т.е. вероятности распределены по закону Пуассона с параметром λt. По этой причине простейший поток называется также пуассоновским потоком.
Функция распределения F(t) случайного интервала времени T между двумя последовательными заявками по определению равна 
. Но , где – вероятность того, что следующая после последней заявки поступит в СМО по истечении времени t, т.е. за время t в СМО не поступит ни одна заявка. Но вероятность этого события находится из (6) при i = 0. Таким образом:
Плотность вероятности f(t) случайной величины T определяется формулой:
,
Математическое ожидание, дисперсия и среднее квадратическое отклонение случайной величины T равны соответственно:
Каналом обслуживания называется устройство в СМО, обслуживающее заявку. СМО, содержащее один канал обслуживания, называется одноканальной, а содержащее более одного канала обслуживания – многоканальной.
Если заявка, поступающая в СМО, может получить отказ в обслуживании (в силу занятости всех каналов обслуживания) и в случае отказа вынуждена покинуть СМО, то такая СМО называется СМО с отказами.
Если в случае отказа в обслуживании заявки могут вставать в очередь, то такие СМО называются СМО с очередью (или с ожиданием). При этом различают СМО с ограниченной и неограниченной очередью. Очередь может быть ограничена как по количеству мест, так и по времени ожидания. Различают СМО открытого и замкнутого типа. В СМО открытого типа поток заявок не зависит от СМО. В СМО замкнутого типа обслуживается ограниченный круг клиентов, а число заявок может существенно зависеть от состояния СМО (например, бригада слесарей – наладчиков, обслуживающих станки на заводе).
СМО могут также различаться по дисциплине обслуживания.
Если в СМО нет приоритета, то заявки отбираются из очереди в канал по различным правилам.
· Первым пришел – первым обслужен (FCFS – First Came – First Served)
· Последним пришел – первым обслужен (LCFS – Last Came – First Served)
· Первоочередное обслуживание требований с кратчайшей длительностью обслуживания (SPT/SJE)
· Первоочередное обслуживание требований с кратчайшей длительностью дообслуживания (SRPT)
· Первоочередное обслуживание требований с кратчайшей средней длительностью обслуживания (SEPT)
· Первоочередное обслуживание требований с кратчайшей средней длительностью дообслуживания (SERPT)
Приоритеты бывают двух типов – абсолютный и относительный.
Если требование в процессе обслуживания может быть удалено из канала и возвращено в очередь (либо вовсе покидает СМО) при поступлении требования с более высоким приоритетом, то система работает с абсолютным приоритетом. Если обслуживание любого требования, находящегося в канале не может быть прервано, то СМО работает с относительным приоритетом. Существуют также приоритеты, осуществляемые с помощью конкретного правила или набора правил. Примером может служить приоритет, изменяющийся с течением времени.
СМО описываются некоторыми параметрами, которые характеризуют эффективность работы системы.
– число каналов в СМО;
– интенсивность поступления в СМО заявок;
– интенсивность обслуживания заявок;
– коэффициент загрузки СМО;
– число мест в очереди;
– вероятность отказа в обслуживании поступившей в СМО заявки;
– вероятность обслуживания поступившей в СМО заявки (относительная пропускная способность СМО);
При этом:
(8)
А – среднее число заявок, обслуживаемых в СМО в единицу времени (абсолютная пропускная способность СМО)
– среднее число заявок, находящихся в СМО
– среднее число каналов в СМО, занятых обслуживанием заявок. В тоже время это – среднее число заявок, обслуживаемых в СМО за единицу времени. Величина определяется как математическое ожидание случайного числа занятых обслуживанием n каналов.
, (10)
где – вероятность нахождения системы в S k состоянии.
– коэффициент занятости каналов
– среднее время ожидания заявки в очереди
– интенсивность ухода заявок из очереди
– среднее число заявок в очереди. Определяется как математическое ожидание случайной величины m – числа заявок, состоящих в очереди
(11)
Здесь – вероятность нахождения в очереди i заявок;
– среднее время пребывания заявки с СМО
– среднее время пребывания заявки в очереди
Для открытых СМО справедливы соотношения:
(12)
Эти соотношения называются формулами Литтла и применяются только для стационарных потоков заявок и обслуживания.
Рассмотрим некоторые конкретные типы СМО. При этом будет предполагаться, что плотность распределения промежутка времени между двумя последовательными событиями в СМО имеет показательное распределение (7), а все потоки являются простейшими.
5. Основные типы открытых систем массового обслуживания
5.1 Одноканальная система массового обслуживания с отказами
Размеченный граф состояний одноканальной СМО представлен на рисунке 3.
Рисунок 3 – Граф состояний одноканальной СМО
Здесь и – интенсивность потока заявок и выполнения заявок соответственно. Состояние системы S o обозначает, что канал свободен, а S 1 – что канал занят обслуживанием заявки.
Система дифференциальных уравнений Колмогорова для такой СМО имеет вид:
где p o (t) и p 1 (t) – вероятности нахождения СМО в состояниях So и S1 соответственно. Уравнения для финальных вероятностей p o и p 1 получим, приравнивая нулю производные в первых двух уравнениях системы. В результате получим:
(14)
(15)
Вероятность p 0 по своему смыслу есть вероятность обслуживания заявки p обс, т. к. канал является свободным, а вероятность р 1 по своему смыслу является вероятностью отказа в обслуживании поступающей в СМО заявки р отк, т. к. канал занят обслуживанием предыдущей заявки.
5.2 Многоканальная система массового обслуживания с отказами
Пусть СМО содержит n каналов, интенсивность входящего потока заявок равна , а интенсивность обслуживания заявки каждым каналом равна . Размеченный граф состояний системы изображён на рисунке 4.
Рисунок 4 – Граф состояний многоканальной СМО с отказами
Состояние S 0 означает, что все каналы свободны, состояние S k (k = 1, n) означает, что обслуживанием заявок заняты k каналов. Переход из одного состояния в другое соседнее правое происходит скачкообразно под воздействием входящего потока заявок интенсивностью независимо от числа работающих каналов (верхние стрелки). Для перехода системы из одного состояния в соседнее левое неважно, какой именно канал освободится. Величина характеризует интенсивность обслуживания заявок при работе в СМО k каналов (нижние стрелки).
Сравнивая графы на рис. 3 и на рис. 5 легко увидеть, что многоканальная СМО с отказами является частным случаем системы рождения и гибели, если в последней принять и
(16)
При этом для нахождения финальных вероятностей можно воспользоваться формулами (4) и (5). С учётом (16) получим из них:
(17)
(18)
Формулы (17) и (18) называются формулами Эрланга – основателя теории массового обслуживания.
Вероятность отказа в обслуживании заявки р отк равна вероятности того, что все каналы заняты, т.е. система находится в состоянии S n . Таким образом,
(19)
Относительную пропускную способность СМО найдём из (8) и (19):
(20)
Абсолютную пропускную способность найдём из (9) и (20):
Среднее число занятых обслуживанием каналов можно найти по формуле (10), однако сделаем это проще. Так как каждый занятый канал в единицу времени обслуживает в среднем заявок, то можно найти по формуле:
5.3 Одноканальная система массового обслуживания с ограниченной длиной очереди
В СМО с ограниченной очередью число мест m в очереди ограничено. Следовательно, заявка, поступившая в момент времени, когда все места в очереди заняты, отклоняется и покидает СМО. Граф такой СМО представлен на рисунке 5.
|
Рисунок 5 – Граф состояний одноканальной СМО с ограниченной очередью
Состояния СМО представляются следующим образом:
S 0 – канал обслуживания свободен,
S 1 – канал обслуживания занят, но очереди нет,
S 2 – канал обслуживания занят, в очереди одна заявка,
S k +1 – канал обслуживания занят, в очереди k заявок,
S m +1 – канал обслуживания занят, все m мест в очереди заняты.
Для получения необходимых формул можно воспользоваться тем обстоятельством, что СМО на рисунок 5 является частным случаем системы рождения и гибели, представленной на рисунке 2, если в последней принять и
(21)
Выражения для финальных вероятностей состояний рассматриваемой СМО можно найти из (4) и (5) с учётом (21). В результате получим:
При р = 1 формулы (22), (23) принимают вид
При m = 0 (очереди нет) формулы (22), (23) переходят в формулы (14) и (15) для одноканальной СМО с отказами.
Поступившая в СМО заявка получает отказ в обслуживании, если СМО находится в состоянии S m +1 , т.е. вероятность отказа в обслуживании заявки равна:
Относительная пропускная способность СМО равна:
Среднее число заявок, стоящих в очереди L оч, находится по формуле
и может быть записано в виде:
(24)
При формула (24) принимает вид:
– среднее число заявок, находящихся в СМО, находится по формуле(10)
и может быть записано в виде:
(25)
При , из (25) получим:
Среднее время пребывания заявки в СМО и в очереди находится по формулам (12) и (13) соответственно.
5.4 Одноканальная система массового обслуживания с неограниченной очередью
Примером такой СМО может служить директор предприятия, вынужденный рано или поздно решать вопросы, относящиеся к его компетенции, или, например, очередь в булочной с одним кассиром. Граф такой СМО изображён на рисунке 6.
Рисунок 6 – Граф состояний одноканальной СМО с неограниченной очередью
Все характеристики такой СМО можно получить из формул предыдущего раздела, полагая в них . При этом необходимо различать два существенно разных случая: а) ; б) . В первом случае, как это видно из формул (22), (23), р 0 = 0 и p k = 0 (при всех конечных значениях k). Это означает, что при очередь неограниченно возрастает, т.е. этот случай практического интереса не представляет.
Рассмотрим случай, когда . Формулы (22) и (23) при этом запишутся в виде:
Поскольку в СМО отсутствует ограничение на длину очереди, то любая заявка может быть обслужена, т.е.
Абсолютная пропускная способность равна:
Среднее число заявок в очереди получим из формулы (24) при :
Среднее число обслуживаемых заявок есть:
Среднее время пребывания заявки в СМО и в очереди определяются формулами (12) и (13).
5.5 Многоканальная система массового обслуживания с ограниченной очередью
Пусть на вход СМО, имеющей каналов обслуживания, поступает пуассоновский поток заявок с интенсивностью . Интенсивность обслуживания заявки каждым каналом равна , а максимальное число мест в очереди равно .
Граф такой системы представлен на рисунке 7.
Рисунок 7 – Граф состояний многоканальной СМО с ограниченной очередью
– все каналы свободны, очереди нет;
– заняты l каналов (l = 1, n), очереди нет;
Заняты все n каналов, в очереди находится i заявок (i = 1, m).
Сравнение графов на рисунке 2 и рисунке 7 показывает, что последняя система является частным случаем системы рождения и гибели, если в ней сделать следующие замены (левые обозначения относятся к системе рождения и гибели):
Выражения для финальных вероятностей легко найти из формул (4) и (5). В результате получим:
(26)
Образование очереди происходит, когда в момент поступления в СМО очередной заявки все каналы заняты, т.е. в системе находятся либо n, либо (n+1),…, либо (n + m– 1) заявок. Т.к. эти события несовместны, то вероятность образования очереди p оч
равна сумме соответствующих вероятностей 
:
(27)
Относительная пропускная способность равна:
Среднее число заявок, находящихся в очереди, определяется по формуле (11) и может быть записано в виде:
(28)
Среднее число заявок, находящихся в СМО:
Среднее время пребывания заявки в СМО и в очереди определяется формулами (12) и (13).
5.6 Многоканальная система массового обслуживания с неограниченной очередью
Граф такой СМО изображен на рисунке 8 и получается из графа на рисунке 7 при .
Рисунок 8 – Граф состояний многоканальной СМО с неограниченной очередью
Формулы для финальных вероятностей можно получить из формул для n-канальной СМО с ограниченной очередью при . При этом следует иметь в виду, что при вероятность р 0 = р 1 =…= p n = 0, т.е. очередь неограниченно возрастает. Следовательно, этот случай практического интереса не представляет и ниже рассматривается лишь случай . При из (26) получим:
Формулы для остальных вероятностей имеют тот же вид, что и для СМО с ограниченной очередью:
Из (27) получим выражение для вероятности образования очереди заявок:
Поскольку очередь не ограничена, то вероятность отказа в обслуживании заявки:
Абсолютная пропускная способность:
Из формулы (28) при получим выражение для среднего числа заявок в очереди:
Среднее число обслуживаемых заявок определяется формулой:
Среднее время пребывания в СМО и в очереди определяется формулами (12) и (13).
5.7 Многоканальная система массового обслуживания с ограниченной очередью и ограниченным временем ожидания в очереди
Отличие такой СМО от СМО, рассмотренной в подразделе 5.5, состоит в том, что время ожидания обслуживания, когда заявка находится в очереди, считается случайной величиной, распределённой по показательному закону с параметром , где – среднее время ожидания заявки в очереди, а – имеет смысл интенсивности потока ухода заявок из очереди. Граф такой СМО изображён на рисунке 9.
Рисунок 9 – Граф многоканальной СМО с ограниченной очередью и ограниченным временем ожидания в очереди
Остальные обозначения имеют здесь тот же смысл, что и в подразделе.
Сравнение графов на рис. 3 и 9 показывает, что последняя система является частным случаем системы рождения и гибели, если в ней сделать следующие замены (левые обозначения относятся к системе рождения и гибели):
Выражения для финальных вероятностей легко найти из формул (4) и (5) с учетом (29). В результате получим:
,
где . Вероятность образования очереди определяется формулой:
Отказ в обслуживании заявки происходит, когда все m мест в очереди заняты, т.е. вероятность отказа в обслуживании:
Относительная пропускная способность:
Абсолютная пропускная способность:
Среднее число заявок, находящихся в очереди, находится по формуле (11) и равно:
Среднее число заявок, обслуживаемых в СМО, находится по формуле (10) и равно:
Среднее время пребывания заявки в СМО складывается из среднего времени ожидания в очереди и среднего времени обслуживания заявки:
6. Метод Монте-Карло
6.1 Основная идея метода
Сущность метода Монте-Карло состоит в следующем: требуется найти значение а некоторой изучаемой величины. Для этого выбирают такую случайную величину Х, математическое ожидание которой равно а: М(Х)=а.
Практически же поступают так: производят n испытаний, в результате которых получают n возможных значений Х; вычисляют их среднее арифметическое и принимают в качестве оценки (приближённого значения) a * искомого числа a:
Поскольку метод Монте-Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний.
6.2 Разыгрывание непрерывной случайной величины
Пусть необходимо получить значения случайной величины , распределенной в интервале с плотностью . Докажем, что значения можно найти из уравнения
где – случайная величина, равномерно распределенная на интервале .
Т.е. выбрав очередное значение надо решить уравнение (30) и найти очередное значение . Для доказательства рассмотрим функцию:
Имеем общие свойства плотности вероятности:
Из (31) и (32) следует, что 
, а производная 
.
Значит, функция монотонно возрастает от 0 до 1. И любая прямая , где , пересекает график функции в единственной точке, абсциссу которой мы и принимаем за . Таким образом, уравнение (30) всегда имеет одно и только одно решение.
Выберем теперь произвольный интервал , содержащийся внутри . Точкам этого интервала отвечают ординаты кривой, удовлетворяющие неравенству 
. Поэтому, если принадлежит интервалу , то
Принадлежит интервалу , и наоборот. Значит: . Т.к. равномерно распределена в , то
, а это как раз и означает, что случайная величина , являющаяся корнем уравнения (30) имеет плотность вероятностей .
6.3 Случайная величина с экспоненциальным распределением
Простейшим потоком (или потоком Пуассона) называется такой поток заявок, когда промежуток времени между двумя последовательными заявками есть случайная величина, распределенная на интервале с плотностью
Вычислим математическое ожидание: 
После интегрирования по частям, получим:
.
Параметр есть интенсивность потока заявок.
Формулу для розыгрыша получим из уравнения (30), которое в данном случае запишется так: .
Вычислив интеграл, стоящий слева, получим соотношение . Отсюда, выражая , получим:
(33)
Т.к. величина распределена также как и , следовательно, формулу (33) можно записать в виде:
7 Исследование системы массового обслуживания
7.1 Проверка гипотезы о показательном распределении
Исследуемое мной предприятие представляет собой двухканальную систему массового обслуживания с ограниченной очередью. На вход поступает пуассоновский поток заявок с интенсивностью λ. Интенсивности обслуживания заявок каждым из каналов μ, а максимальное число мест в очереди m.
Начальные параметры:
Время обслуживания заявок имеет эмпирическое распределение, указанное ниже и имеет среднее значение .
Мной были проведены контрольные замеры времени обработки заявок, поступающих в данную СМО. Чтобы приступить к исследованию, необходимо установить по этим замерам закон распределения времени обработки заявок.
Таблица 6.1 – Группировка заявок по времени обработки
Выдвигается гипотеза о показательном распределении генеральной совокупности.
Для того чтобы, при уровне значимости проверить гипотезу о том, что непрерывная случайная величина распределена по показательному закону, надо:
1) Найти по заданному эмпирическому распределению выборочную среднюю . Для этого, каждый i – й интервал заменяем его серединой и составляем последовательность равноотстоящих вариант и соответствующих им частот.
2) Принять в качестве оценки параметра λ показательного распределения величину, обратную выборочной средней:
3) Найти вероятности попадания X в частичные интервалы по формуле:
4) Вычислить теоретические частоты:
где - объем выборки
5) Сравнить эмпирические и теоретические частоты с помощью критерия Пирсона, приняв число степеней свободы , где S – число интервалов первоначальной выборки.
Таблица 6.2 – Группировка заявок по времени обработки с усредненным временным интервалом
Найдем выборочную среднюю:
2) Примем в качестве оценки параметра λ экспоненциального распределения величину, равную 
. Тогда:
()
3) Найдем вероятности попадания X в каждый из интервалов по формуле:
Для первого интервала:
Для второго интервала:
Для третьего интервала:
Для четвертого интервала:
Для пятого интервала:
Для шестого интервала:
Для седьмого интервала:
Для восьмого интервала:
4) Вычислим теоретические частоты:
Результаты вычислений заносим в таблицу. Сравниваем эмпирические и теоретические частоты с помощью критерия Пирсона.
Для этого вычислим разности , их квадраты, затем отношения . Суммируя значения последнего столбца, находим наблюдаемое значение критерия Пирсона. По таблице критических точек распределения при уровне значимости и числу степеней свободы находим критическую точку
Таблица 6.3 – Результаты вычислений
| i | ||||||
| 1 | 22 | 0,285 | 34,77 | -12,77 | 163,073 | 4,690 |
| 2 | 25 | 0,204 | 24,888 | 0,112 | 0,013 | 0,001 |
| 3 | 23 | 0,146 | 17,812 | 5,188 | 26,915 | 1,511 |
| 4 | 16 | 0,104 | 12,688 | 3,312 | 10,969 | 0,865 |
| 5 | 14 | 0,075 | 9,15 | 4,85 | 23,523 | 2,571 |
| 6 | 10 | 0,053 | 6,466 | 3,534 | 12,489 | 1,932 |
| 7 | 8 | 0,038 | 4,636 | 3,364 | 11,316 | 2,441 |
| 8 | 4 | 0,027 | 3,294 | 0,706 | 0,498 | 0,151 |
| 122 |
Т.к. , то нет оснований отвергнуть гипотезу о распределении X по показательному закону. Другими словами, данные наблюдений согласуются с этой гипотезой.
7.2 Расчет основных показателей системы массового обслуживания
Данная система представляет собой частный случай системы гибели и размножения.
Граф данной системы:
Рисунок 10 – Граф состояний исследуемой СМО
Поскольку все состояния являются сообщающимися и существенными, то существует предельное распределение вероятностей состояний. В стационарных условиях поток, входящий в данное состояние должен быть равен потоку, выходящему из данного состояния.
(1)
Для состояния S 0:
Следовательно:
Для состояния S 1:
Следовательно:
С учетом того, что :
Аналогично получаем уравнения для остальных состояний системы. В результате получим систему уравнений:
Решение этой системы будет иметь вид:
; ; 
; 
; 
;
; 
.
Или, с учетом (1):
Коэффициент загруженности СМО:
С учетом этого предельные вероятности перепишем в виде:
Наивероятнейшее состояние – оба канала СМО заняты и заняты все места в очереди.
Вероятность образования очереди:
Отказ в обслуживании заявки происходит, когда все m мест в очереди заняты, т.е.:
Относительная пропускная способность равна:
Вероятность того, что вновь поступившая заявка будет обслужена, равна 0,529
Абсолютная пропускная способность:
СМО обслуживает в среднем 0,13225 заявок в минуту.
Среднее число заявок, находящихся в очереди:
Среднее число заявок в очереди близко к максимальной длине очереди.
Среднее число заявок, обслуживаемых в СМО, может быть записано в виде:
В среднем все каналы СМО постоянно заняты.
Среднее число заявок, находящихся в СМО:
Для открытых СМО справедливы формулы Литтла:
Среднее время пребывания заявки с СМО:
Среднее время пребывания заявки в очереди:
7.3 Выводы о работе исследуемой СМО
Наиболее вероятное состояние данной СМО – занятость всех каналов и мест в очереди. Приблизительно половина всех поступающих заявок покидают СМО необслуженными. Приблизительно 66,5% времени ожидания приходиться на ожидание в очереди. Оба канала постоянно заняты. Все это говорит о том, что в целом данная схема СМО неудовлетворительна.
Чтобы снизить загрузку каналов, сократить время ожидания в очереди и снизить вероятность отказа необходимо увеличить число каналов и ввести систему приоритетов для заявок. Число каналов целесообразно увеличить до 4. Также необходимо сменить дисциплину обслуживания с FIFO на систему с приоритетами. Все заявки теперь будут иметь принадлежность к одному из двух приоритетных классов. Заявки I класса имеют относительный приоритет по отношению к заявкам II класса. Для расчета основных показателей этой видоизмененной СМО целесообразно применить какой-либо из методов имитационного моделирования. Была написана программа на языке VisualBasic, реализующая метод Монте-Карло.
8 Исследование видоизмененной СМО
Пользователю при работе с программой необходимо задать основные параметры СМО, такие как интенсивности потоков, количество каналов, приоритетных классов, мест в очереди (если количество мест в очереди равно нулю, то СМО с отказами), а также временной интервал модуляции и количество испытаний. Программа преобразовывает сгенерированные случайные числа по формуле (34), таким образом, пользователь получает последовательность временных интервалов , распределенных показательно. Затем отбирается заявка с минимальным , и ставится в очередь, согласно ее приоритету. За это же время происходит перерасчет очереди и каналов. Затем эта операция повторяется до окончания времени модуляции, задаваемого изначально. В теле программы присутствуют счетчики, на основании показаний которых и формируются основные показатели СМО. Если для увеличения точности было задано несколько испытаний, то в качестве конечных результатов принимается оценка за серию опытов. Программа получилась достаточно универсальной, с ее помощью могут быть исследованы СМО с любым количеством приоритетных классов, либо вообще без приоритетов. Для проверки корректности работы алгоритма, в него были введены исходные данные классической СМО, исследуемой в разделе 7. Программа смоделировала результат близкий к тому, который был получен с помощью методов теории массового обслуживания (см. приложение Б). Погрешность, возникшая в ходе имитационного моделирования, может быть объяснена тем, что проведено недостаточное количество испытаний. Результаты, полученные с помощью программы для СМО с двумя приоритетными классами и увеличенным числом каналов, показывают целесообразность этих изменений (см. приложение В). Высший приоритет был присвоен более «быстрым» заявкам, что позволяет быстро обследовать короткие задания. Сокращается средняя длина очереди в системе, а соответственно минимизируется средство для организации очереди. В качестве основного недостатка данной организации можно выделить то, что «долгие» заявки находятся в очереди длительно время или вообще получают отказ. Введенные приоритеты могут быть переназначены после оценки полезности того или иного типа заявок для СМО.
Заключение
В данной работе была исследована двухканальная СМО методами теории массового обслуживания, рассчитаны основные показатели, характеризующие ее работу. Был сделан вывод о том, что данный режим работы СМО не является оптимальным и были предложены методы, снижающие загруженность и повышающие пропускную способность системы. Для проверки этих методов была создана программа, моделирующая метод Монте-Карло, с помощью которой были подтверждены результаты вычислений для исходной модели СМО, а также рассчитаны основные показатели для видоизмененной. Погрешность алгоритма может быть оценена и снижена путем увеличения количества испытаний. Универсальность программы позволяет использовать ее при исследовании различных СМО, в том числе и классических.
1 Вентцель, Е.С. Исследование операций / Е.С. Вентцель. - М.: «Советское радио», 1972. - 552 с.
2 Гмурман, В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман. - М.: «Высшая школа», 2003. - 479 с.
3 Лаврусь, О.Е. Теория массового обслуживания. Методические указания/ О.Е. Лаврусь, Ф.С. Миронов. - Самара: СамГАПС, 2002.- 38 с.
4 Саакян, Г.Р. Теория массового обслуживания: лекции / Г.Р. Саакян. - Шахты: ЮРГУЭС, 2006. - 27 с.
5 Авсиевич, А.В. Теория массового обслуживания. Потоки требований, системы массового обслуживания / А.В. Авсиевич, Е.Н. Авсиевич. - Самара: СамГАПС, 2004. - 24 с.
6 Черненко, В.Д. Высшая математика в примерах и задачах. В 3. т. Т. 3/ В.Д. Черненко. - Санкт – Петербург: Политехника, 2003. - 476 с.
7 Клейнрок, Л. Теория массового обслуживания / Л. Клейнрок. Пер.с англ./ Пер. И.И. Грушко; под ред. В.И. Нейман. - М.: Машиностроение, 1979. - 432 с.
8 Олзоева, С.И. Моделирование и расчет распределенных информационных систем. Учебное пособие / С.И. Олзоева. - Улан-Удэ: ВСГТУ, 2004. - 66 с.
9 Соболь, И.М. Метод Монте-Карло / И.М. Соболь. - М.: «Наука», 1968. - 64 с.
Система массового обслуживания (СМО) - система, которая производит обслуживание поступающих в неё требований. Обслуживание требований в СМО производится обслуживающими приборами. Классическая СМО содержит от одного до бесконечного числа приборов. В зависимости от наличия возможности ожидания поступающими требованиями начала обслуживания СМО подразделяются на
- системы с потерями, в которых требования, не нашедшие в момент поступления ни одного свободного прибора, теряются;
- системы с ожиданием, в которых имеется накопитель бесконечной ёмкости для буферизации поступивших требований, при этом ожидающие требования образуют очередь;
- системы с накопителем конечной ёмкости (ожиданием и ограничениями), в которых длина очереди не может превышать ёмкости накопителя; при этом требование, поступающее в переполненную СМО (отсутствуют свободные места для ожидания), теряется.
Выбор требования из очереди на обслуживание производится с помощью так называемой дисциплины обслуживания. Их примерами являются FCFS/FIFO (пришедший первым обслуживается первым), LCFS/LIFO (пришедший последним обслуживается первым), random (англ.) (случайный выбор). В системах с ожиданием накопитель в общем случае может иметь сложную структуру.
Основные понятия СМО
Требование (заявка) - запрос на обслуживание.
Входящий поток требований - совокупность требований, поступающих в СМО.
Время обслуживания - период времени, в течение которого обслуживается требование.
Математическая модель СМО - это совокупность математических выражений, описывающих входящий поток требований, процесс обслуживания и их взаимосвязь.
См. также
Литература
- Клейнрок Л. Теория массового обслуживания. - М .: Машиностроение, 1979. - С. 432.
- Бочаров П.П., Печинкин А.В. Теория массового обслуживания. - М .: РУДН, 1995. - С. 530.
- Хемди А. Таха Глава 17. Системы массового обслуживания // Введение в исследование операций = Operations Research: An Introduction. - 7-е изд. - М .: «Вильямс», 2007. - С. 629-697. - ISBN 0-13-032374-8
Wikimedia Foundation . 2010 .
- Галле, Эмиль
- Оскар (кинопремия, 1979)
Смотреть что такое "Система массового обслуживания" в других словарях:
система массового обслуживания - СМО Система, предназначенная для обслуживания случайных потоков вызовов абонентов в сетях связи (рис. Q 3). Общепринятое условное обозначение, используемое для описания систем массового обслуживания, состоит из трех символов A/S/m, где символ А… …
Система массового обслуживания - совокупность пунктов (каналов, станций, приборов), на которые в случайные или неслучайные моменты времени поступают заявки на обслуживание (требования), подлежащие удовлетворению. Примеров таких систем можно привести очень много …
СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ - математическая модель, созданная для изучения качества работы реальных систем, в которых реализуются последовательности однородных элементарных операций обслуживания. С.м.о. – основной предмет исследования теории массового обслуживания. С.м.о.… … Большой экономический словарь
Многофазная система массового обслуживания - система, в которой поступившее требование проходит последовательно несколько этапов обработки. Для анализа таких систем необходимо знать не только длину очереди, время ожидания обслуживания, нагрузку каждого… … Экономико-математический словарь
многофазная система массового обслуживания - Система, в которой поступившее требование проходит последовательно несколько этапов обработки. Для анализа таких систем необходимо знать не только длину очереди, время ожидания обслуживания, нагрузку каждого последовательного звена системы, но и… … Справочник технического переводчика
Многоканальная система массового обслуживания - система, в которой поступившее требование может быть обслужено одним из нескольких каналов, входящих в блок обслуживания … Экономико-математический словарь
многоканальная система массового обслуживания - Система, в которой поступившее требование может быть обслужено одним из нескольких каналов, входящих в блок обслуживания. Тематики экономика EN multichannel system … Справочник технического переводчика
С ожиданием многоканальная система массового обслуживания, алгоритм к рой предусматривает накапливание вызовов в очереди, если в момент их прихода система оказалась занятой; при этом обслуживание вызовов ведется в нескольких каналах одновременно … Математическая энциклопедия
МАССОВОГО ОБСЛУЖИВАНИЯ СИСТЕМА - с отказами система массового обслуживания, алгоритм к рой предусматривает выбывание вызовов, в момент прихода к рых все каналы оказались занятыми. Основные определения и обозначения см. в ст. Массового обслуживания система. 1) Естественными… … Математическая энциклопедия
МАССОВОГО ОБСЛУЖИВАНИЯ СИСТЕМА - с ожиданнем и одним каналом обслуживания система массового обслуживания, алгоритм к рой предусматривает, что вызовы, не принятые немедленно к обслуживанию (заставшие систему занятой), накапливаются в очереди; при этом обслуживание следующего… … Математическая энциклопедия
Книги
- Теория массового обслуживания , Г. И. Ивченко, В. А. Каштанов, И. Н. Коваленко. В настоящем пособии в доступной для первоначального изучения форме излагаются элементы основных направлений теории массового обслуживания - раздела теории вероятностей, изучающего системы,…
Во многих областях экономики, финансов, производства и быта важную роль играют системы массо-вого обслуживания (СМО), т.е. такие системы, в которых, с одной стороны, возникают массовые запросы (требования) на выполнение каких-либо услуг, а с другой стороны, происходит удовлетворение этих запросов.
В качествепримеров СМО в финансово-экономи-ческой сфере можно привести системы, представляющие собой: банки различных типов, страховые организа-ции, налоговые инспекции, ау-диторские службы, различные системы связи (в том числе те-лефонные станции), погрузочно-разгрузочные комплексы (товарные станции), автозаправочные станции, различные предприятия и организации сферы обслуживания (магазины, предприятия массового питания, справочные бюро, парикмахерские, билетные кассы, пункты по обмену валюты, ремонтные мастерские, больницы).
Такие сис-темы как компьютерные сети, системы сбора, хранения и обра-ботки информации, транспортные системы, автоматизирован-ные производственные участки, поточные линии также могут рассматриваться как своеобразные СМО.
В торговле выполняется множество операций в процессе движе-ния товарной массы из сферы производства в сферу потребления. Такими операциями являются: погрузка и выгрузка товаров, пере-возка, упаковка, фасовка, хранение, выкладка, продажа и т. д. Для торговой деятельности характерны массовое поступление товаров, денег, массовое обслу-живание покупателей и т. п., а также выполнение соответствующих операций, которые носят случайный характер. Все это создает не-равномерность в работе торговых организаций и предприятий, порождает недогрузки, простои и перегрузки. Много времени отни-мают очереди, например, у покупателей в магазинах, водителей ав-томашин на товарных базах, ожидающих разгрузки или погрузки.
В связи с этим возникают задачи анализа работы, например тор-гового отдела, торгового предприятия или секции, для оценки их деятельности, выявления недостатков, резервов и принятия в конеч-ном итоге мер, направленных на увеличение ее эффективности. Кроме того, возникают задачи, связанные с созданием и внедре-нием более экономичных способов выполнения операций в пределах секции, отдела, торгового предприятия, овощной базы, управления торговли и т. п. Следовательно, в организа-ции торговли методы теории массового обслуживания позволяют определить оптимальное количество торговых точек данного профиля, численность про-давцов, частоту завоза товаров и другие параметры.
Другим ха-рактерным примером систем массового обслуживания могут служить склады или базы снабженческо-сбытовых организа-ций, и задача теории массового обслуживания сводится к тому, чтобы установить оптимальное соотношение между числом по-ступающих на базу требований на обслуживание и числом об-служивающих устройств, при котором суммарные расходы на обслуживание и убытки от простоя транспорта были бы мини-мальными. Теория массового обслуживания может найти при-менение и при расчете площади складских помещений, при этом складская площадь рассматривается как обслуживающее устройство, а прибытие транспортных средств под выгрузку - как требование.
Основные характеристики СМО
СМО включаетследующие элементы : источник требований, входящий поток требований, очередь, обслуживающее устройство (канал обслуживания), выходящий поток требований (обслуженных заявок).
Каждая СМО предназначена для обслуживания (выполнения) некоторого потока заявок (требований), поступающих на вход системы, в основном, не регулярно, а в случайные моменты времени. Обслуживание заявок также длится не постоянное, заранее известное время, а случайное время, которое зависит от многих случайных причин. После обслуживания заявки канал освобожден и готов к приему следующей заявки.
Случайный характер потока заявок и времени их обслуживания приводит к не-равномерной загруженности СМО: в некоторые промежутки времени на входе СМО могут скапливаться необслуженные заявки, что приводит к перегрузке СМО, в некоторые же дру-гие интервалы времени при свободных каналах на входе CMО заявок не будет, что приводит к недогрузке СМО, т.е. к про-стаиванию ее каналов. Заявки, скапливающиеся на входе СМО, либо "становятся" в очередь, либо по какой-то причине невоз-можности дальнейшего пребывания в очереди покидают СМО необслуженными.
Схема СМО изображена на рисунке 5.1.
Рисунок 5.1 - Схема системы массового обслуживания
Каждая СМО включает в свою структуру некоторое число обслуживающих устройств, которые называют каналами обслуживания . Роль каналов могут играть различные приборы, лица, выполняющие те или иные операции (кассиры, операторы, продавцы), линии связи, автомашины и т.д.
Каждая СМО в зависимости от своих параметров: характера потока заявок, числа каналов обслуживания и их производи-тельности, а также от правил организации работы обладает определенной эффективностью функционирования (пропускной способностью), позволяющей ей более или менее успешно справляться с потоком заявок.
СМО явля-ется предметом изучения теории массового обслуживания .
Цель теории массового обслуживания — выработка рекомен-даций по рациональному построению СМО, рациональной ор-ганизации их работы и регулированию потока заявок для обес-печения высокой эффективности функционирования СМО.
Для достижения этой цели ставятся задачи теории массового обслуживания, состоящие в установлении зависимостей эффек-тивности функционирования СМО от ее организации (пара-метров).
В качестве характеристик эффективности функционирова-ния СМО можно выбрать три основные группы (обычно средних) показателей:
1. Показатели эффективности использования СМО:
1.1. Абсолютная пропускная способность СМО - среднее число заявок, которое сможет обслужить СМО в единицу времени.
1.2. Относительная пропускная способность СМО - от-ношение среднего числа заявок, обслуживаемых СМО в единицу времени, к среднему числу посту-пивших заявок за это же время.
1.3. Средняя продолжительность периода занятости СМО.
1.4. Коэффициент использования СМО — средняя доля времени, в течение которого СМО занята обслужи-ванием заявок.
2. Показатели качества обслуживания заявок :
2.1. Среднее время ожидания заявки в очереди.
2.2. Среднее время пребывания заявки в СМО.
2.3. Вероятность отказа заявке в обслуживании без ожи-дания.
2.4. Вероятность того, что поступившая заявка немедлен-но будет принята к обслуживанию.
2.5. Закон распределения времени ожидания заявки в очереди.
2.6. Закон распределения времени пребывания заявки в СМО.
2.7. Среднее число заявок, находящихся в очереди.
2.8. Среднее число заявок, находящихся в СМО, и т.п.
3. Показатели эффективности функционирования пары "СМО — потребитель" , где под "потребителем" понимают всю совокупность заявок или некий их источник (например, средний доход, при-носимый СМО в единицу времени, и т.п.).
Случайный характер потока заявок и длительности их об-служивания порождает в СМО случайный процесс . Поскольку моменты времени T i и интервалы времени поступле-ния заявок T , продолжительность операций обслуживания Т обс , про-стоя в очереди T оч , длина очереди l оч — случайные величины, то характеристики состояния систем массового обслуживания носят вероятностный характер. Поэтому для решения задач теории массового обслужива-ния необходимо этот случайный процесс изучить, т.е. постро-ить и проанализировать его математическую модель.
Математическое изучение функционирования СМО значи-тельно упрощается, если протекающий в ней случайный про-цесс является марковским . Чтобы случайный процесс был марковским, необходимо и достаточно, чтобы все потоки событий, под воз-действием которых происходят переходы системы из состояния в состояние, были (простейшими) пуассоновскими .
Простейший поток обладает тремя основными свойствами : ординарности, стационарности и отсутствия последействия.
Ординарность потока означает практическую невозмож-ность одновременного поступления 2-х и более требований. На-пример, достаточно малой является вероятность того, что в магазине самообслуживания одно-временно выйдут из строя несколько кассовых аппаратов.
Стационарным называется поток, для которого математиче-ское ожидание числа требований, поступающих в систему в едини-цу времени (обозначим λ ), не меняется во времени. Таким образом, вероятность поступления в систему определенного количества тре-бований в течение заданного промежутка времени ?T зависит от его величины и не зависит от начала его отсчета на оси времени.
Отсутствие последействия означает, что число требова-ний, поступивших в систему до момента T , не определяет того, сколько требований поступит в систему за время (T + ?T) . Например, если в кассовом аппарате в данный момент произо-шел обрыв кассовой ленты и он устранен кассиром, то это не влияет на воз-можность нового обрыва на данной кассе в следующий момент и тем более на вероятность возникновения обрыва на других кассовых аппаратах.
Для простейшего потока частота поступления требований в систему подчиняется закону Пуассона , т. е. вероятность по-ступления за время T ровно k требований задается формулой
, (5.1)
где λ — интенсивность потока заявок , т. е. среднее число заявок, поступающих в СМО в единицу времени,
, (5.2)
где τ — среднее значение интервала времени между двумя со-седними заявками.
Для такого потока заявок время между двумя соседними заяв-ками распределено экспоненциально с плотностью вероятности
Случайное время ожидания в очереди начала обслуживания то-же можно считать распределенным экспоненциально:
, (5.4)
где ν — интенсивность движения очереди , т. е. среднее число зая-вок, приходящих на обслуживание в единицу времени,
где Т оч - среднее значение времени ожидания в очереди.
Выходной поток заявок связан с потоком обслуживания в кана-ле, где длительность обслуживания Т обс является случайной величи-ной и подчиняется во многих случаях показательному закону рас-пределения с плотностью
, (5.6)
где μ — интенсивность потока обслуживания , т. е. среднее число заявок, обслуживаемых в единицу времени,
. (5.7)
Важной характеристикой СМО, объединяющей показатели λ и μ , является интенсивность нагрузки, которая показывает степень согласования указанных потоков зая-вок:
Перечисленные показатели k, τ, λ, l оч, Т оч, ν, Т обс, μ, ρ, Р k являются наиболее общими для СМО.
Любой мало-мальски продвинутый пользователь интернета неоднократно встречал такие термины, как SMO и SMM. Ими с легкостью оперируют посвященные, однако у большинства людей несколько размытое понятие о том, что же такое на самом деле SMO и SMM, а уж тем более – в чем их различие.
Для начала определимся, что SMO и SMM – это не одно и то же. Можно сказать, что SMO является частью SMM, но эти понятия следует разделить, чтобы более полно осознать всю информацию.
- Это социальный медиа маркетинг, который заключается в проведении комплекса мероприятий на чужих площадках (форумах, блогах, сайтах, чатах, новостных ресурсах и др.) с целью продвижения товара, услуги, рекламирования услуг и освещения мероприятий.
- SMM не является открытой рекламой. Это скрытая, ненавязчивая реклама, которая привлекает к продвигаемому продукту целевую аудиторию. Пользователи не должны понимать, что им открыто предлагают продукт – они должны сами захотеть его приобрести/заказать услугу вследствие преподнесенной информации.
- SMM поощряет размещение продвигаемой информации в социальных сетях или иных ресурсах другими пользователями и подвергшейся атаке SMM целевой аудиторией. Чем более грамотно преподнесена информация – тем большее количество людей захочет рассказать о ней друзьям, то есть, потенциальным покупателям.
- SMM дает информацию о продвигаемом продукте целевой аудитории в виде отзывов, общения между пользователем и делением собственным мнением.
- Для того чтобы SMM был успешен, важно установить доверительную атмосферу между пользователями. Это повышает уровень доверия к ненавязчивой рекламе, и пользователь начинает верить предлагаемым советам и рекомендациям.
- Провокационные заголовки, яркие мысли и идеи привлекают внимание аудитории к продвигаемому продукту и благодаря этому SMM завоевывает внимание аудитории.
- Завоевав внимание, SMM предусматривает объединение аудитории. Именно это создает атмосферу доверия и понимания, в которой пользователи теряют бдительность и не осознают, что им предлагают товар. Они слышат только личное мнение и опыт, которым с ними делятся. И ценят это.
- SMO – это оптимизация под социальные медиа, однако это не является работой в социальных сетях. SMO – это работа на личном сайте, с тем контентом, который на этом сайте размещен.
- Целью SMO является сделать сайт привлекательным для пользователей социальных сетей, они должны быть заинтересованы в посещении сайта и изучении контента.
- SMO предполагает желание пользователей социальных сетей поделиться ссылкой на продвигаемый ресурс со своими друзьями.
- SMO помогает трансформировать свой ресурс таким образом, чтобы контент и технические характеристики были интересны и удобны для пользователей социальных сетей.
- Важной частью SMO является преобразование сайта. Необходимо, чтобы предлагаемый контент был наполнен интересными видеоматериалами и красочными иллюстрациями к тексту. Любой текст должен быть ярок и привлекателен. Только таким образом можно добиться непреодолимого желания у пользователя социальной сети добавить себе в закладки этот сайт и рассказать о нем друзьям.
- Интересный контент – не единственное правило SMO. Очень важно, чтобы сайт встречал своих посетителей приятной цветовой гаммой, удобным интерфейсом, грамотно подобранными шрифтами. Текст должен вызывать желание прочитать его – он должен быть структурирован. «Простыни» текста без структуризации вряд ли будет кто-то читать, и специалисты SMO это знают.
- SMO выстраивает инфраструктуру сайт. Контент должен быть не только легко воспринимаем. Пользователям социальных сетей нужно иметь возможность удобно его экспортировать (кнопка «поделиться» для социальных сетей, подписка на почтовую рассылку, добавление сайта в закладки, «оценка» текста, возможность пользователя разместить ссылку на продвигаемый сайт на своем ресурсе).
- Одной из целей SMO является снижение ухода пользователя. Заходя на сайт, пользователь не закрывает его на первой открытой странице, а продолжает изучать другие страницы сайта. Добиться этого можно благодаря качественному контенту и удобному интерфейсу. Комфортно расположенные анонсы позволяют пользователю переходить по страницам сайта с легкостью, что привлекает его внимание. Не исключается призыв к переходам на другие страницы.
- Возможность комментирования и обмена мнениями – отличительная черта SMO. Пользователи с удовольствием вступают в дискуссии, которые разворачиваются на сайте. Это увеличивает посещаемость и приводит новых посетителей. Если на сайте осуществляется защита от спама и поддержка лучших комментаторов, популярность сайта значительно возрастает.
