Kendallova klasifikace

Podobné dokumenty
Teorie front. Systém hromadné obsluhy

SYSTÉMY HROMADNÉ OBSLUHY. Teorie front

4EK201 Matematické modelování. 8. Modely hromadné obsluhy

Exponenciální modely hromadné obsluhy

4EK311 Operační výzkum. 8. Modely hromadné obsluhy

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

Základy teorie hromadné obsluhy

Definice spojité náhodné veličiny zjednodušená verze

1 Teorie hromadné obsluhy

Vícekanálové čekací systémy

Teorie hromadné obsluhy (Queuing Theory)

Stochastické modely Informace k závěrečné zkoušce

Teorie hromadné obsluhy (Queuing Theory)

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

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

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

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

VYUŽITÍ TEORIE HROMADNÉ OBSLUHY PŘI NÁVRHU A OPTIMALIZACI PAKETOVÝCH SÍTÍ

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

Stochastické procesy - pokračování

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

KGG/STG Statistika pro geografy

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

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

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY DIPLOMOVÁ PRÁCE Kateřina Slámová

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

Poznámky k předmětu Aplikovaná statistika, 5.téma

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

Počítačová simulace a analýza vybraných frontových systémů

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

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

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti Přednáška 2

ROVNICE NA ČASOVÝCH ŠKÁLÁCH A NÁHODNÉ PROCESY. Michal Friesl

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Pravděpodobnost a statistika I KMA/K413

Základní typy pravděpodobnostních rozdělení

Diskrétní náhodná veličina

Výběrové charakteristiky a jejich rozdělení

Náhodné vektory a matice

Design Experimentu a Statistika - AGA46E

Téma 22. Ondřej Nývlt

Markovské metody pro modelování pravděpodobnosti

Vybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací

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

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

pravděpodobnosti 10 Poissonovo a exponenciální rozdělení pravděpodobnosti

Teorie hromadné obsluhy

Pojistná matematika 2 KMA/POM2E

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

SIGNÁLY A LINEÁRNÍ SYSTÉMY

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Pravděpodobnost a aplikovaná statistika

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

Charakterizace rozdělení

Přidělování CPU Mgr. Josef Horálek

Rozvrhování výroby. František Koblasa Technická univerzita v Liberci. TU v Liberci

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

PRAVDĚPODOBNOST A STATISTIKA

Stochastické diferenciální rovnice

Základy teorie pravděpodobnosti

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA DOPRAVNÍ

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

MATEMATIKA III V PŘÍKLADECH

Výroba výrobku X ze tří materiálů A, B a C

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

A6M33SSL: Statistika a spolehlivost v lékařství Teorie spolehlivosti

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

PDV /2018 Detekce selhání

Markl: Hromadná obsluha a GSPN (nnpnap3.doc) Strana 1

Diskriminační analýza hodnocení rozdílů mezi 2 nebo více skupinami objektů charakterizovanými více znaky

Matematické modelování 4EK201

Kredibilitní pojistné v pojištění automobilů. Silvie Zlatošová září 2016, Robust

Náhodná veličina a rozdělení pravděpodobnosti

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

VYUŽITÍ SIMULACE PŘI MODELOVÁNÍ PROVOZU NA SVÁŽNÉM PAHRBKU SEŘAĎOVACÍ STANICE

5.1. Klasická pravděpodobnst

Akademie věd České republiky Ústav teorie informace a automatizace RESEARCH REPORT. Matematický model kontrolního. No.

Intervalové Odhady Parametrů

Řešení. Označme po řadě F (z) Odtud plyne, že

Termomechanika 10. přednáška Doc. Dr. RNDr. Miroslav Holeček

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Základy teorie pravděpodobnosti

Neživotní pojištění. Brno 2012

pravděpodobnosti, popisné statistiky

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

15. T e s t o v á n í h y p o t é z

Vibrace atomů v mřížce, tepelná kapacita pevných látek

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

Základy teorie odhadu parametrů bodový odhad

Matematické přístupy k pojištění automobilů. Silvie Kafková září 2013, Podlesí

Transkript:

Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením Kapacita obsluhy - maximální počet požadavků, které se mohou v systému vyskytovat současně (počet linek) Dostupnost omezení, která zmenšují počet požadavků, které mohou být obsluhovány v porovnání s plnou kapacitou obsluhy plně dostupné systémy neúplně dostupné systémy je třeba udat frekvenci a trvání dob vyřazení linek z obsluhy dostupné systémy Režim obsluhy -řád obsazování linek obsluhy

Typy rozdělení pro délku obsluhy. Konstantní. Exponenciální trvání obsluhy D[ T ] E [ T ] t f ( t ) e, t t P( t t ) e dt e t t Jaká je pravděpodobnost, že v krátkém časovém okamžiku t dojde k ukončení obsluhy požadavku, jestliže obsluha už probíhá dobu t? Odpověď: Pst. ukončení obsluhy v průběhu krátkého časového intervalu je konstantní a nezávisí na tom, jak dlouho již probíhala. 3. Gama rozdělení kde Γ(a) je Eulerova gama funkce, a,b jsou parametry. x a a e x dx Γ a a b t f ( t) Γ( a) a b e b t E [ T ] D [ T ] b a Speciální typy Gama rozdělení: a a b t d pro a N platí Γ ( a) ( a )! K Erlangovo rozdělění f ( t) e ( a )! d pro a K konstantní doba obsluhy d n a n N χ pro,b, kde K rozdělení b t

Erlangovo rozdělení součet intervalů mezi příchody k událostí poissonova toku k k t t f ( t) e ( k )! X : Erlang k (, ) t k j ( t) P( X < t) f ( u) du e j! j t, 4. Beta rozdělení f ( t) t B( p +, q + ) parametry p >, q > p ( t q ), t,, Beta funkce: B( p, q) t ( t) p q dt, p >, q > Γ( p) Γ( q) B( p, q) Γ( p + q) 5. Rayleighovo rozdělení trvání obsluhy Doba obsluhy těch dopravních zařízení, u nichž vzhledem k vazbě na dráhu a rychlost obsluhy musí objektivně existovat minimální kladná hodnota náhodné proměnné ( t a) t a c f ( t) e, t > a c parametr a> je vzdálenost minimální hodnoty náhodné proměnné π [ ] a + c, D[ T ] c ( ) E T π 6. Konstantní doba obsluhy se zpožděním Hodnota doby obsluhy nemůže z praktických důvodů klesnout pod určitou hodnotu. TC+Z 3

Frontový režim FIFO (Firs In Firs Out) (P-FIFO) LIFO (Last In Firs Out) SIRO (RS) (Random Selection) SJF (Shortest Job First) Systém se ztrátami, fronta s rezignací X / Y / n / r X Y n r Kendallova klasifikace Typ stochastického procesu popisujícího příchod zákazníků k obsluze Zákon rozložení délky obsluhy počet linek (kapacita obsluhy) počet míst ve frontě M E k K n D G GI Vstupní tok požadavků Poissonův proces příchodů, tj. exponenciální rozložení intervalů mezi příchody Erlangovo rozložení intervalů mezi příchody (s parametry λ a k) rozložení χ n intervalů mezi příchody (n stupňů volnosti) pravidelné deterministické příchody obecné rozložení (žádné předpoklady o procesu příchodů) rekurentní proces příchodů Hustota rozdělení délky obsluhy Exponenciální rozložení doby obsluhy Erlangovo rozložení doby obsluhy (s parametry a k) rozložení χ n doby obsluhy konstantní doba obsluhy obecné, tj. jakékoliv rozložení doby obsluhy 4

Základní pojmy systému hromadné obsluhy λ Používané označení: λ intenzita vstupního toku intenzita obsluhy X počet zákazníků v systému p i (t) pst, že v čase t je v systému (fronta + obsluha) i zákazníků p i pst, že v systému je i zákazníků - stacionární stav F délka fronty S počet obsazených linek W F doba čekání náhodného požadavku ve frontě doba strávená náhodným požadavkem v systému W X WX W F + Jaká bude kvalita (rychlost) obsluhy měřená délkou čekání na obsluhu, případně časem stráveným v systému, případně kolik požadavků bude obsloužených? Základní charakteristikou systému je intenzita provozu λ ρ Deterministický model D/D/D Intenzita obsluhy intenzita vstupu ρ Ideální případ neexistujíčekající požadavky (pro počáteční stav bez zákazníka) a kanál je nepřetržitě využíván. [ ] [ ] [ ] [ ] W, E W, p, E F, E S, E X, využití linky % i 5

Deterministický model D/D/D Intenzita obsluhy > intenzita vstupu ρ < Bezčekání každý nově příchozí požadavek bude obsloužen bez čekání, obslužný kanál bude po jistou dobu nevyužitý. [ ] [ ] [ ] [ ] W, E W, p ρ, p ρ, E F, E S ρ, E X ρ, i využití linky ρ% Intenzita obsluhy < intenzita vstupu ρ > nestabilní v systému bez omezení se postupně začínají hromadit požadavky čekající na obsluhu, i když kanál pracuje nepřetržitě [ ] [ ] [ ] W, E W, E F, E S i Systém se ztrátami v případě obsazeného obslužného kanálu opouští nově příchozí požadavek systém bez obsloužení Pst. obsloužení požadavku q [ ρ] + Markovovský ý model Vstupní tok je homogenní ordinární proces s nezávislými přírustky Poissonovský proces s parametrem λ. Doba obsluhy má exponenciální rozdělení s intenzitou obsluhy Jaká bude kvalita (rychlost) obsluhy měřená délkou čekání na obsluhu, případně časem stráveným v systému, příp. kolik požadavků bude neobsloužených? Základní sledované ukazatele efektivnosti systému hromadné obsluhy pro ustálený režim (stabilizovaný stav) Využití kanálů obsluhy Střední hodnota počtu volných kanálů Střední hodnota počtu obsazených kanálů Kvalita obsluhy pravděpodobnost odmítnutí E[S], E[F], E[W], 6

Littleho vztahy Základní vztahy popisující vztah mezi vstupním tokem, střední hodnotou počtu požadavků ve frontě a střední dobou strávenou požadavkem ve frontě λ E[F] frontě E[W] frontě E[ F] λ E[ W ] Intenzita vstupního toku Střední počet požadavků ve Střední doba čekání ve Littleho vztahy platí pro jakýkoliv systém beze ztrát. O vstupním toku předpokládáme pouze, že je homogenní. Littleho vzorce - důkaz N t λ E ( N ) lim t t [ ] S E F t X [ ] E W S lim t N t X F 5 E [ F ] 5 Počet zákazníků ve frontě t S N t X SX E[ F] lim lim λe W t t t t N t 7

Vlastnost PASTA Poisson Arrivals See Time Averages Jen pro systémy s Poissonovským vstupem! (M /. /.) % zákazníků, kteří při svém vstupu naleznou systém ve stavu A je stejné, jako % času v němž se systém ve stavu A nachází. Nechť p je pst, že při náhodném vstupu zákazníka je systém prázdný, potom.p je % prostoje systému. Př: Pro D / D / systém je prázdný pro t, příchody jsou,3,5, čas obsluhy Queueing ToolPak http://www.bus.ualberta ualberta.ca/.ca/aingolfsson/qtp/ M/M/n/r - charakteristiky systému počet Pravděpodobnost,8,6,4,,,8,6,4,, Pravděpodobnosti stavů 3 4 5 6 7 8 9 3 Počet zákazníků v systému pst,,69,4 3,7 4,98 5,8 6,68 7,57 8,47 9,39,33,7,3 3 Průměrný počet zákazníků v systému Průměrný počet zákazníků ve frontě 4,3,4 Parametry systému hod Průměrná doba čekání v systému,8 intenzita vstupu 5, Průměrná doba čekání ve frontě,49 intenzita obsluhy 3 Pravděpodobnost, že je systém prázdný, počet linek Pravděpodobnost, že zákazník bude čekat,73 zásobník Pravděpodobnost ztráty zákazníka Pravděpodobnost rezignace zákazníka,,38 práh trpělivosti,5 Využití systému,8 Průměrný počet vytížených linek,67 8