Vícekanálové čekací systémy



Podobné dokumenty
SYSTÉMY HROMADNÉ OBSLUHY. Teorie front

Teorie front. Systém hromadné obsluhy

Exponenciální modely hromadné obsluhy

Kendallova klasifikace

Vícekanálové čekací systémy

4EK201 Matematické modelování. 8. Modely hromadné obsluhy

Stochastické procesy - pokračování

4EK311 Operační výzkum. 8. Modely hromadné obsluhy

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ. Semestrální práce. Z předmětu Teorie hromadné obsluhy (THRO) Jan Čáslava.

Stochastické modely Informace k závěrečné zkoušce

Počítačová simulace a analýza vybraných frontových systémů

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

4EK311 Operační výzkum. 1. Úvod do operačního výzkumu

1 Teorie hromadné obsluhy

Teorie zásob. Kvantifikace zásob. V zásobách je vázáno v průměru 20 % kapitálu (u výrobních podniků) až 50 % kapitálu (u obchodních podniků).

Teorie hromadné obsluhy (Queuing Theory)

Teorie hromadné obsluhy (Queuing Theory)

Pravděpodobnost a statistika I KMA/K413

intenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Cvičení 5. Přednášející: Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc.

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

Simulační modely. Kdy použít simulaci?

KGG/STG Statistika pro geografy

Úvod do SHO. Výkonnost a spolehlivost programových systémů KIV/VSS. Richard Lipka

Algoritmizace diskrétních. Ing. Michal Dorda, Ph.D.

SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy

Uplatňování metod teorie front pří řízení vybraných podnikových procesů. Application of theory of queues for some corporate processes control

OPTIMALIZACE PŘEPRAVY VE FIRMĚ MIROSLAV BLAŽEK AUTODOPRAVA. Bakalářská práce

Pearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D.

Jak moc VYSOKOrychlostní železnice v ČR?

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ

ŠKODA AUTO a.s. Vysoká škola VYUŢITÍ EXAKTNÍCH METOD V PODNIKOVÉ PRAXI






Diskrétní náhodná veličina


ZÁKONY ROZDĚLENÍ PRAVDĚPODOBNOSTI

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Teorie hromadné obsluhy

VYUŽITÍ SIMULACE PŘI MODELOVÁNÍ PROVOZU NA SVÁŽNÉM PAHRBKU SEŘAĎOVACÍ STANICE

Výpočty spolehlivost chodu sítí

Matematické modelování 4EK201

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

Přidělování CPU Mgr. Josef Horálek


Kvantitativní metody v rozhodování. Marta Doubková

SYSTÉMOVÁ METODOLOGIE (VIII) Operační výzkum. Ak. rok 2011/2012 vbp 1


Cena celkem včetně DPH. E Kč H Kč 52902P ,2 714 Kč Cena bez DPH Cena celkem včetně DPH.

Statické modely zásob Nazývají se také modely s jedním cyklem. Pořízení potřebných zásob se realizuje jedinou dodávkou.



VYUŽITÍ TEORIE HROMADNÉ OBSLUHY PŘI NÁVRHU A OPTIMALIZACI PAKETOVÝCH SÍTÍ

Všeobecné obchodní podmínky Účinné k

Teorie hromadné obsluhy

Spolehlivost soustav

SIMULAČNÍ MODEL ČINNOSTÍ VEŘEJNÉHO LOGISTICKÉHO CENTRA

Simulace na modelu firmy v prostředí Witness

Obecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno


Tomáš Karel LS 2012/2013

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Sociální inovace. Mgr. Ivo Škrabal

Západočeská univerzita v Plzni

Efektivita (nejen) veřejné správy

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

PDV /2018 Detekce selhání

VYBRANÁ ROZDĚLENÍ DISKRÉTNÍ NÁHODNÉ VELIČINY

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

Dokumentace k semestrální práci z předmětu PT

Simulační software Witness. Ing. Michal Dorda, Ph.D.

DATIS PODVOJNÉ ÚČETNICTVÍ Změny 2015

SÍLA TRADIČNÍCH A DYNAMIKA MODERNÍCH PRODEJNÍCH KANÁLŮ V JEDNOM ŘEŠENÍ. Pro-SALE!

DSS a De Novo programming

Google Analytics Nastavení elektronického obchodování

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

3. Účtová tř. 1 Zásoby a 2 Finanční účty

ŘETĚZCOVÉ EFEKTY A PROBLÉMY OPTIMALIZACE

FAKULTA DOPRAVNÍ ČVUT

Univerzita Pôlackého v Olomouci

Dopravní inženýrství

Vliv vysokorychlostní železnice na mobilitu


Informační povinnost správce osobních údajů vůči subjektu údajů

10. Předpovídání - aplikace regresní úlohy

PRODEJ Prodej je pochopitelně základní funkcí pokladního systému. Systému MERCATOR umožňuje prodej realizovat ve 3 režimech:

Vlastní skladování Skladové operace O. Kánský

VÝZVA K PODÁVÁNÍ NÁVRHŮ NA DODÁVKU SOFTWARE PRO TPV A PLÁNOVÁNÍ A ŘÍZENÍ VÝROBY

pravděpodobnosti 10 Poissonovo a exponenciální rozdělení pravděpodobnosti


ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA EKONOMICKÁ

Náhodný vektor a jeho charakteristiky

Vybraná rozdělení náhodné veličiny

Algebra blokových schémat Osnova kurzu

Transkript:

Vícekanálové čekací systémy Stanice obsluhy sestává z několika kanálů obsluhy, pracujících paralelně a navzájem nezávisle. Vstupy i výstupy systému mají poissonovský charakter. Jednotky vstupující do systému obsadí nejprve všechny kanály obsluhy a pak začnou vytvářet frontu.

Úhrnná intenzita obsluhy Za předpokladu, že stanice obsluhy obsahuje S kanálů obsluhy se stejným středním výkonem m obsloužených jednotek za jednotku času, závisí úhrnná intenzita obsluhy m n na počtu n jednotek v systému: m n 0, n. m, je - li n je - li 0 0 n S S. m, je - li n S

Pravděpodobnostní rozdělení počtu jednotek v systému p p n n n n! n S!S p 0 n-s p 0 pro n pro n 1, S 2,...,S p 0 S S!(1-1 ) S S 1 n0 n n! kde: m

Střední počet jednotek ve frontě S1 n f S.S!.(1- ) 2 p 0 S

Střední počet jednotek v systému n s n f

Střední doba, kterou jednotka čeká ve frontě t f n f S.S!. S m.(1- ) 2 p 0 S

Střední doba, kterou jednotka stráví v systému t s n s t f 1 m

Vícefázové systémy hromadné obsluhy Systémy, které se skládají z většího počtu individuálních systémů obsluhy (fází) seřazených v sérii. Každá fáze může obsahovat více paralelně umístěných obslužných zařízení. Existují dva základní přístupy k řešení takových systémů: analytický (teorie front), simulace.

Předpoklady analytického řešení vícefázového systému hromadné obsluhy neomezený zdroj požadavků, Poissonův vstup požadavků do první fáze, systém bez explozívních front, řád fronty FIFO, exponenciální rozdělení obslužných časů v jednotlivých fázích, stejná obslužná zařízení charakterizovaná stejným exponenciálním rozdělením v rámci jedné fáze, systém bez blokování předcházející fáze nemusí předržovat již obsloužený požadavek do doby, než se ukončí obsluha požadavku v následující fázi.

......... Vícefázový systém hromadné obsluhy m 1 m 2 m n Zdroj jednotek............ fáze 1 fáze 2 fáze n

Řešení vícefázového systému hromadné obsluhy Výstup z každé fáze je poissonův se stejnou intenzitou vstupu do další fáze, což umožňuje každou fázi chápat jako samostatný a nezávislý systém hromadné obsluhy typu M/M/1//FIFO (v případě jednoho obslužného kanálu) nebo M/M/S//FIFO (je-li v dané fázi více obslužných kanálů).

Optimalizace nákladů v systémech hromadné obsluhy Při malé intenzitě obsluhy se vytváří velká fronta, což vede ke ztrátám času jednotek ve frontě, příp. se značný počet jednotek do fronty vůbec nezařadí a tím systém přichází o tržby, resp. zisk. Při velké intenzitě obsluhy se může stát, že obsluha není vždy využita. Přitom ovšem musí být k dispozici, a tak zde vznikají náklady, jimž bezprostředně neodpovídají žádné tržby.

Optimalizace zisku (jednokanálový systém) E m.e G.G náklady na obsluhu jednoho požadavku za jednotku času, průměrné náklady na obsluhu, tržba za obsluhu jedné jednotky, průměrná tržba, pokud nedochází k odchodům jednotek následkem naplnění omezeného počtu míst ve frontě,.g.(1-p N ) průměrná tržba za předpokladu, že do systému nevstoupí více než N prvků.

Zisk za jednotku času (jednokanálový systém) Z =. G. (1 p n ) - m. E po úpravě: Z.G. 1 1 N N1 m. E

Maximalizace zisku (jednokanálový systém) Za předpokladu, že veličiny, G, E jsou známy, hledáme pro zvolené N takové m, aby zisk byl maximální. dz dm N1 N (N ( 1 1) N1 ) 2 N1 E G 0 Pozn.: Pro E > G neexistuje řešení je nutno hledat jiné kritérium optimality.

Příklad Živnostník podniká v oblasti rozvážky zboží. K dispozici má jeden dodávkový automobil. V průměru obdrží 4 zakázky za den. Intervaly mezi příchody zakázek se řídí exponenciálním rozdělením. Průměrné náklady na obsluhu činí 7 200 Kč/den. Tržba autodopravce z jedné zakázky je 3 000 Kč. Předpokládáme nejvýše 3 zakázky v systému. Stanovme optimální intenzitu výstupu.

Optimalizace nákladů (jednokanálový systém) V tomto případě budeme optimalizovat jen náklady, které vznikají při procházení jednotky celým systémem. E C C.n s náklady na obsluhu jednoho požadavku za jednotku času, náklady na jednotkovou dobu pobytu v systému, průměrné náklady za pobyt v systému, přičemž n s μ λ λ

Celkové náklady za jednotku uskutečněné obsluhy (jednokanálový systém) Cλ N(μ) μ. E μ - λ

Optimální kapacita obsluhy (jednokanálový systém) dn( m) dm 0 m opt. C E

Minimální celkové náklady (jednokanálový systém) N min. (μ opt. ) (λ C E ). E (λ Cλ C E ) λ

Příklad Přepokládejme, že zákazníci autodopravce oceňují svůj čas při čekání na vyřízení svého požadavku na 2 000 Kč za den. Průměrné náklady na obsluhu jedné jednotky činí 1 800 Kč. Stanovme optimální intenzitu obsluhy. λ = 4 zakázky/den C = 2 000 Kč/den E = 1 800 Kč/zakázka

Celkové náklady (vícekanálový systém) N (S) C. n C.S c S o C C o náklady na jednotkovou dobu pobytu v systému náklady na provoz jednoho kanálu obsluhy za jednotku času

Celkové náklady (vícekanálový systém) η S1 N (S) C. p η C.S c 2 0 0 η S.S!. 1 S Minimální hodnotě N c (S) odpovídá optimální počet kanálů obsluhy.

Příklad Dopravní firma obdrží v průměru 20 zakázek za den, které reprezentují přepravní vzdálenost 1 400 km. Jeden automobil v průměru ujede 400 km za den. Náklady na jeden automobil se pohybují okolo 12 000 Kč/den. Zákazníci oceňují svůj čas při čekání na vyřízení objednávky na 2 000 Kč/den. Stanovme optimální počet automobilů. Předpokládáme, že všechny charakteristiky systému jsou náhodné a řídí se exponenciálním rozdělením.