Управление очередями теория массового обслуживания. Теория очередей

Стохастическое моделирование

Ключевые слова: стохастичность, теория очередей, системы массового обслуживания, накопитель, очередь, транзакт

Стохастическое моделирование – это один из видов имитационного моделирования, базирующийся на теории Монте-Карло. Его определение можно представить так:

& Стохастическое моделирование (англ. stochastic modeling) – разновидность имитационного моделирования, в котором моделируемый объект представляется в виде совокупности параметров, описывающих внешнюю работу системы (внутренняя особенность объекта неизвестна) и имеющих случайную природу.

Если рассмотренные выше блочные и пошаговые модели со случайными процессами являются во многом детерминированными (их структура полностью или частично известна), то для процессов, имеющих менее определённый характер, требуется иной подход.

С внедрением автоматизации на предприятиях длительность изготовления продукции существенно сократилась за счёт ускорения выполнения роботами операций и внедрения конвейера. Производственный/обслуживающий процесс в основном стал сводиться к последовательности чётко разделённых технологических циклов, следующих друг за другом последовательно. Увеличился объём выпускаемой продукции, а следовательно, и нагрузки на обслуживающие элементы системы, что привело к возникновению задачи эффективной статистической оценки работы как системы в целом, так и её отдельных частей. Так появился подход, называемый теорией массового обслуживания или теорией очередей.

Стохастическое моделирование, или теория очередей – классическая область применения методов имитационного моделирования. Базовыми понятиями в этой области являются очередь , канал обслуживания и транзакт .

В зависимости от сочетания и настроек базовых элементов теории очередей можно описывать сложные технологические процессы, регистрируя только количественные и временные характеристики их работы.

Стохастическое моделирование можно охарактеризовать следующими признаками:

– использованием для моделирования дискретного времени;

– отсутствием информации о внутренней логике работы подсистем (всё задано случайными процессами во времени);

– наличием чёткой последовательности технологических операций в моделируемом процессе;

– рассмотрением однотипных объектов на каждом этапе процесса обслуживания;

– выделением законов движения транзакта путём наблюдения за моделируемой системой и обработки полученной статистики;

– просчётом, который позволяет визуализировать эволюцию модели на каждом шаге моделирования;

– представлением экспериментальных данных в виде таблицы-отчёта и графиков.

Условно в теории очередей рассматривается последовательность изменения состояния обслуживаемой заявки (транзакта) между этапами «поступление», «ожидание в очереди», «обслуживание», «покидание системы». При этом процесс внутренней работы подсистем (обслуживание) не детализируется, как в других моделях, а лишь характеризуется обобщенными временными характеристиками (высокая стохастичность). По этой причине подобные модели получили ещё одно название – системы массового обслуживания .

& Система массового обслуживания (англ. queue(ing) system, СМО ) – система, описывающая движение транзактов в исследуемом сложном объекте, характеризуемом траекторией обслуживания транзактов в виде временных интервалов.

Целью исследования в модели будут этапы обслуживания – наиболее трудно формализуемые элементы в системе.

Каждый этап обслуживания в модели имеет индивидуальную характеристику длительности и обозначается термином «накопитель». Для каждого накопителя в системе можно посчитать пропускную способность (число обслуженных заявок), коэффициент загрузки, среднюю скорость обслуживания одной заявки.

Наряду с накопителями, центральными понятиями в теории очередей являются транзакт и очередь. Рассмотрим их подробней.

& Транзакт (англ. transact) – элементарный элемент обслуживания в модели (заявка), траектория обработки которого описывается на всём этапе его присутствия в системе в соответствии с особенностями технологического процесса.

Транзакт может моделировать человека в очереди, процесс в памяти ЭВМ, товар на прилавке и тому подобное. Каждый транзакт имеет уникальный порядковый номер и обладает рядом характеристик, которые делятся на следующие группы:

1) человеческие (например, клиенты торговой точки);

2) финансовые (например, заявка на денежный перевод в отделение банка);

3) информационные (например, вызов на междугороднюю АТС);

4) прочие (например, техническое устройство, требующее ремонта или обслуживания).

По времени жизни:

1) с фиксированным временем жизни (например, скоропортящийся продукт питания после попадания в торговую точку может находиться там только ограниченное количество времени);

2) с бесконечным временем жизни (например, заявка в отдел заказов книжного магазина на доставку литературы).

По способу обслуживания:

1) с привилегиями, или приоритетами (например, обслуживание в кассе ветеранов Великой Отечественной войны без очереди);

2) без приоритетов (например, очередь в кассу кинотеатра).

Транзакты являются теми элементарными единицами обслуживания в системе, с помощью которых можно производить исследования моделируемых процессов. Последовательная совокупность транзактов, поступающая к месту обслуживания (накопителю), образует поток.

Непосредственно перед входом на этап обслуживания перед накопителем выстраивается очередь, образованная потоком транзактов. Она является важной характеристикой при оценивании работоспособности исследуемой системы, поэтому выделяют следующие виды очередей:

По положению:

1) внешняя (например, ожидание принтером ремонта в сервисном центре);

2) внутренняя (например, ожидание очередного этапа обработки изделия в середине технологического цикла (очередь внутри системы).

По длине:

1) с отказами (например, если на автостоянке нет свободных мест для парковки, то автомобиль уезжает, не дожидаясь освобождения места);

2) фиксированной длины (например, очередь запросов на соединение абонентов на АТС).

3) произвольной длины (например, очередь в супермаркете).

По интенсивности поступления новых запросов:

1) стационарные (регулярное поступление транзактов) (например, скорость движения конвейера задаёт интенсивность поступление товара в очередь для транспортировки на склад);

2) нестационарные (случайная интенсивность поступления транзактов) (например, поступление клиентов к пункту обслуживания столовой).

По направлению обслуживания транзактов:

1) правило FIFO: First Input – First Output, то есть ′первым пришел – первым вышел′ (например, очередь к парикмахерскую);

2) правило FILO: First Input – Last Output, то есть ′первым пришел – последним вышел′ (например, последовательность вынимания из постоянно пополняющегося контейнера деталей для последующей обработки: внизу находятся те детали, которые прибыли в контейнер первыми, поэтому они будут обработаны в последнюю очередь).

3) случайно (например, последовательность регистрации книг, поступивших в одной партии для книжного магазина).

Таким образом, для каждой очереди можно посчитать её среднюю длину; интенсивность поступления и выбытия из очереди; процент заявок, вышедших из системы по истечению срока ожидания; вероятность того, что система будет свободна; вероятность нахождения определённого числа клиентов в системе.

К перечисленным характеристикам добавляется параметр различного приоритета транзактов, что усложняет поведение заявок в системе. Многие процессы, сводимые к теории массового обслуживания, достаточно сложно оценить аналитически. Поэтому имитирование работы подобных систем – рациональный подход для определения характеристик исследуемой предметной области.

Каждый из нас не раз в своей жизни стоял в очередях и знает, как много времени это отнимает.

Многие модели, призванные решить или оптимизировать эту проблему, требуют сложных математических формулировок .

Очередь - это линия ожидания . Теория очередей - часть более широкой теории, в рамках которой проводятся оперативные исследования и создаются математические модели. Все это делается с одной целью - решить проблемы, которые создает стояние в очередях. Здесь важно найти компромиссный вариант, учитывающий систему расходов и среднее время ожидания в очереди. анализировать телефонную систему в Копенгагене, чтобы разрешить проблему загруженности телефонных линий.

Первопроходцем в теории очередей был датский математик Агнер Краруп (1878-1929), взявшийся
анализировать телефонную систему в Копенгагене, чтобы разрешить проблему загруженности телефонных линий.

В теории изучения очередей существуют законы Харпера , подобные знаменитым законам Мерфи.

• Первый закон Харпера : неважно, в какую очередь ты становишься - всегда есть одна, движущаяся быстрее остальных.
• Второй закон Харпера : если ты переходишь в другую очередь, та, которую ты покинул, начинает двигаться быстрее.

Проблема очередей

Современный человек проводит в ожидании более или менее значительную часть своей жизни. Разве есть среди нас те, кто никогда не стоял в очереди? Мир ожидания очень разнообразен: очереди машин на въезде на платную дорогу, очереди самолетов на выезде на взлетную полосу и, как следствие, очереди пассажиров к стойкам регистрации; очередь к банкоматам в больших зданиях, очередь на прием к врачу или очередь телефонных звонков, которые должны быть обработаны на пожарной станции… Это лишь некоторые примеры. пытается создать модели, поддающиеся последующей математической обработке.

Модели очередей

Некоторые модели очередей очень просты, другие требуют применения сложных математических теорий. Первичная классификация разбивает их на две большие группы.

Детерминированная очередь - наиболее простая модель, которую можно заранее спрогнозировать, опираясь на известные условия, например, временные интервалы прибытия и ожидания. Это «очередь без сюрпризов».

Вероятностная очередь не может быть описана без применения вероятностей. Это более реалистичная модель, чем предыдущая. В дождливый день, например, есть большая вероятность того, что увеличатся очереди на стоянках такси и уменьшатся очереди в кассы зоопарка.

Теория массового обслуживания (англоязычное название - queueing theory - теория очередей) возникла в начале 20 века. Ее основоположником считается датский ученый А.К. Эрланг, работавший в шведской телефонной компании и занимавшийся вопросами проектирования телефонных сетей. В дальнейшем теория получила интенсивное развитие и применение в различных областях науки, техники, экономики, производства. Это объясняется тем, что эта теория изучает широко распространенные в человеческой практике ситуации, когда имеется некоторый ограниченный ресурс и множество (поток) запросов на его использование, следствием чего являются задержки или отказы в обслуживании некоторых запросов. Стремление понять объективные причины этих задержек или отказов и по возможности уменьшить их воздействие является побудительным мотивом развития теории массового обслуживания.

Как правило, поступление запросов (или их групп) происходит в случайные моменты времени и для их удовлетворения требуется случайная часть ограниченного ресурса (или случайное время его использования). Поэтому изучение процесса удовлетворения потребности в ресурсе (процесса обслуживания) обычно проводится в рамках теории случайных процессов как специальной области теории вероятностей. Иногда исследование процесса обслуживания требует применения достаточно тонких математических методов и серьезного математического аппарата. Это делает полученные результаты практически недоступными инженеру, потенциально заинтересованному в их применении к исследованию реального объекта.

Что, в свою очередь, лишает автора математического результата «обратной связи», важной для правильного выбора направления для дальнейшего обобщения результатов и объектов исследования. Эта серьезная проблема подмечена в обзоре известного специалиста Р. Сиски, отмечающего опасность возможности распада единой теории массового обслуживания на абстрактную и инженерную. Прямым следствием этой проблемы при написании книги обычно является вопрос выбора языка и соответствующего уровня строгости изложения результатов. Данная книга ориентирована как на специалистов в области теории массового обслуживания, так и на специалистов в области ее приложения к исследованию реальных объектов (в первую очередь, компьютерных сетей). Поэтому в данной главе приведем краткий обзор методов анализа систем массового обслуживания на среднем уровне строгости. Предполагается знакомство читателя с теорией вероятностей в рамках курса для технического вуза. При необходимости, некоторые сведения приводятся непосредственно в тексте.

Важным этапом в применении теории массового обслуживания для исследования реального объекта является формальное описание функционирования этого объекта в терминах той или иной системы массового обслуживания (СМО). СМО считается заданной, если полностью описаны следующие ее компоненты:

Входящий поток запросов (заявок, требований, сообщений, вызовов);

Количество и типы обслуживающих устройств (приборов);

Емкости накопителей (буферов), где запросы, заставшие все приборы занятыми, ожидают начала обслуживания;

Времена обслуживания запросов на приборах;

Дисциплина обслуживания (она определяет порядок обработки запроса в системе, начиная с момента его поступления в систему и до момента, когда он покидает СМО).

1. Предмет и задачи В производственной деятельности и повседневной жизни часто возникают ситуации, когда появляется необходимость в обслуживании требований или заявок поступающих в систему. Часто встречаются ситуации, в которых необходимо пребывать в ситуации ожидания. Примерами тому может служить очередь покупателей у касс большого магазина, группа пассажирских самолетов, ожидающих разрешения на взлет в аэропорте, ряд вышедших из строя станков и механизмов, поставленных в очередь для починки в ремонтном цехе предприятия и т.д. Иногда системы обслуживания обладают ограниченными возможностями для удовлетворения спроса, и это приводит к образованию очередей. Как правило, ни время возникновения потребностей в обслуживании, ни продолжительность обслуживания заранее не известны. Избежать ситуации ожидания чаще всего не удается, но можно сократить время ожидания до какого-то терпимого предела.

Предметом теории массового обслуживания являются системы массового обслуживания (СМО).Задачами теории массового обслуживания являются анализ и исследование явлений, возникающих в системах обслуживания.Одна из основных задач теории заключается в определении таких характеристик системы, которые обеспечивают заданное качество функционирования, например, минимум времени ожидания, минимум средней длины очереди.Цель изучения режима функционирования обслуживающей системы в условиях, когда фактор случайности является существенным,контролировать некоторыеколичественные показатели функционирования системы массового обслуживания. Такими показателями, в частности являются среднее время пребывания клиента в очереди или доля времени, в течение которой обслуживающая система простаивает. При этом в первом случае мы оцениваем систему с позиции «клиента», тогда как во втором случае мы оцениваем степень загруженности обслуживающей системы. Путем варьирования операционными характеристиками обслуживающей системы может быть достигнут разумныйкомпромисс между требованиями «клиентов» и мощностью обслуживающей системы.

В качестве показателей СМО могут применяться также такие величины как среднее число заявок в очереди, вероятность того, что число заявок в очереди превысит какое-то значение и т.д.

Система - совокупность элементов, связей между ними и цели функционирования. Любой системе массового обслуживания характерна структура, которая определяется составом элементов и функциональными связями.

Основные элементы системы следующие:

1. Входящий поток требований (интенсивность входящего потока );

2. Каналы обслуживания (число каналов n , среднее число занятыхk , производительность );

3. Очередь требований (среднее число заявок z , среднее время пребывания одной заявкиt );

4. Выходящий поток требований (интенсивность входящего потока  ).

2. Классификация систем массового обслуживания По количеству каналов СМО подразделяют наодноканальные имногоканальные . По месту нахождения источников заявок системы массового обслуживания можно разделить на:

 закрытые – источник в системе и оказывает на нее влияние;

 открытые – вне системы и не оказывает влияния.

По фазам обслуживания СМО можно разделить на:

 однофазные – один этап обслуживания,

 многофазные – два и более этапов.

Системы массового обслуживания (СМО) по условиям ожидания делятся на два основных класса: СМО с отказами и СМО с ожиданием . В СМО с отказами заявка, поступающая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем процессе обслуживания не участвует (пример - звонок по телефону). 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 илинеограниченной длиной ожидания ,с ограниченным временем ожидания и т.д.

Для классификации СМО важное значение имеет дисциплина обслуживания, определяющая порядок выбора заявок из числа поступивших и порядок распределения их между свободными каналами.Дисциплина обслуживания – правила, по которым действуют СМО. По этому признаку обслуживание требования может быть организованно:

1. по принципу «первый пришел – первый обслужен»;

2. по принципу «первый пришел – последним обслужен» (например, отгрузка однородной продукции со склада).

3. случайно;

4. с приоритетом. При этом приоритет может быть абсолютным (более важная заявка вытесняет обычную) иотносительным (важная заявка получает лишь «лучшее» место в очереди).

При анализе случайных процессов с дискретным состояниями удобно пользоваться геометрической схемой – так называемымграфом состояний .

Пример . УстройствоS состоит из двух узлов,

каждый из которых в случайный момент времени может выйти из строя, после чего мгновенно начинается ремонт узла, продолжающийся заранее неизвестное случайное время. Возможные состояния системы: S 0 – оба узла исправны;S 1 – первый узел ремонтируется, второй исправен;S 2 – первый узел исправен, второй ремонтируется;S 3 – оба узла ремонтируются.

3. Входящий поток требований Общей особенностью всех задач, связанных с массовым обслуживанием, является случайный характер исследуемых явлений . Количество требований на обслуживание, временные интервалы между их поступлениями и длительность обслуживания случайны.Поэтому основным аппаратом описания систем обслуживания оказывается аппарат теории случайных процессов, в частности, марковских. Для исследования процессов, происходящих в этих системах, применяются методы имитационного моделирования.

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-либо событий (появление новой заявки, приоритета обслуживания, окончания обслуживания).

Под случайным (стохастическим, вероятностным) процессом понимается процесс изменения во времени состояния какой-либо системы в соответствии с вероятностным законом. Заявки на обслуживание в СМО обычно поступают не регулярно (например, поток вызовов на телефонной станции, поток отказов компьютеров, поток покупателей и т.д.), образуя так называемыйпоток заявок (или требований).

Поток характеризуетсяинтенсивностью λ – частотой появления событий или средним числом событий, поступающих в СМО в единицу времени.

Поток событий называетсярегулярным , если события следуют одно за другим через определенные равные промежутки времени (поток изделий на конвейере сборочного цеха).

Поток событий называетсястационарным , если его вероятностные характеристики не зависят от времени. В частности у стационарного потока λ(i )= λ (поток автомобилей на проспекте в часы пик).

Поток событий называетсяпотоком без последствий , если для любых два непересекающихся участков времени –τ 1 иτ 2 – число событий, попадающих на один из них, не зависит от числа событий, попадающих на другие(поток людей, входящих в метро или поток покупателей, отходящих от кассы).

Поток событийординарен , если события появляются в нем поодиночке, а не группами(поток поездов – ординарен, поток вагонов – нет).

Поток событий называетсяпростейшим , если он одновременно стационарен, ординарен и не имеет последствий.

Ординарный поток заявок без последствий описывается распределением (законом) Пуассона.

Простейший поток в теории массового обслуживания играет такую же роль, как и нормальный закон в теории вероятностей. Главная его особенность заключается в том, что при сложении нескольких независимых простейших потоков образуется суммарный поток, который также близок к простейшему.

Каждому событию соответствует момент t , в который это событие произошло. Т – интервал между двумя моментами времени. Поток событий – независимая последовательность моментов t .

Для простейшего потока с интенсивностью λ вероятность попадания на элементарный (малый) отрезок времени Δt хотя бы одного события потока равна.

Ординарный поток заявок без последствий описывается распределением (законом) Пуассона с параметром λτ :

, (1)

для которого математическое ожидание случайной величины равно ее дисперсии:
.

В частности, вероятность того, что за время τ не произойдет ни одного события (m =0), равна

. (2)

Пример. На автоматическую телефонную линию поступает простейший поток вызовов с интенсивностью λ =1,2 вызовов в минуту. Найти вероятность того, что за две минуты: а) не придет ни одного вызова; б) придет ровно один вызов; в) придет хотя бы один вызов.

Решение. а) Случайная величина Х – число вызовов за две минуты – распределена по закону Пуассона с параметром λτ =1,2·2=2,4. Вероятность того, что вызовов не будет (m =0), по формуле (2):

б) Вероятность одного вызова (m =1):

в) Вероятность хотя бы одного вызова:

4. Предельные вероятности состояний Если число состояний системы конечно и из каждого из них можно за конечное число шагов перейти в любое другое состояние, то предельные вероятности существуют.

Рассмотрим математическое описание Марковского процесса с дискретными состояниями и непрерывным временем на примере процесса, граф которого изображен на рис. 1. Будем полагать, что все переходы системы из состояния S i в S j происходят под воздействием простейших потоков событий с интенсивностями состояний λ ij (i , j =0,.1,2,3).

Так как переход системы из состояния S 0 в S 1 будет происходить под воздействием потока отказов первого узла, а обратный переход из состояния S 1 в S 0 – под воздействием потока и событий, связанных с окончанием ремонтов первого узла и т.д.

Граф состояний системы с проставленными у стрелок интенсивностями будем называтьразмеченным . Рассматриваемая система имеет четыре возможных состояния:S 0 ,S 1 ,S 2 ,S 3 . Назовем вероятностьюi -го состояния вероятностьp i (t ) того, что в моментt система будет находиться в состоянииS i . Очевидно, что для любого моментаt сумма вероятностей всех состояний равна единице:
.

Предельная вероятность состояния S i имеет – показывает среднее относительное время пребывания системы в этом состоянии(если предельная вероятность состояния S 0 , т.е. p 0 =0,5, то это означает, что в среднем половину времени система находится в состоянии S 0 ).

Для системыS с графом состояний, изображенном на рис. система линейных алгебраических уравнений, описывающих стационарный режим, имеет вид (также называется системойуравнений Колмогорова ):

(3)

Данная система может быть получена по размеченному графу состояний, руководствуясь правилом , согласнокоторому в левой части уравнений стоит предельная вероятность данного состояния p i , умноженная на суммарную интенсивность всех потоков, выходящих из i -го состояния, равная сумме произведений интенсивности всех потоков, входящих из i -е состояние на вероятности тех состояний, из которых эти потоки исходят.

Пример . Найти предельные вероятности для системы, граф состояний которого изображен на рис. выше. при λ 01 =1, λ 02 =2, λ 10 =2, λ 13 =2, λ 20 =3, λ 23 =1, λ 31 =3, λ 32 =2 .

Система алгебраических уравнений для этого случая согласно (3) имеет вид:

Решив линейную систему уравнений, получим p 0 = 0,4, p 1 = 0,2, p 2 = 0,27, p 3 = 0,13; т.е. в предельном стационарном режиме система S в среднем 40% времени будет находиться в состоянии S 0 (оба узла исправны), 13% в состоянии S 1 (первый узел ремонтируется, второй работает), 27% - в состоянии S 2 (второй узел ремонтируется, первый работает) и 13% в состоянии S 3 (оба узла ремонтируются).

Определим чистый доход от эксплуатации в стационарном режиме рассмотренной системы S в условиях, что в единицу времени исправная работа узла один и узла два приносит доход соответственно 10 и 6 денежных единиц, а их ремонт требует соответственно затрат 4 и 2 денежных единицы. Оценим экономическую эффективность имеющейся возможности уменьшения вдвое среднего времени ремонта каждого из двух узлов, если при этом придется вдвое увеличить затраты на ремонт каждого узла (в единицу времени).

Для решения этой задачи с учетом полученных значений p 0 , p 1 , p 2 , p 3 определим долю времени исправной работы первого узла, т.е. p 0 + p 2 = 0,4+0,27 = 0,67 и долю времени исправной работы второго узла p 0 + p 1 = 0,4+0,2 = 0,6. В то же время первый узел находится в ремонте в среднем долю времени равную p 1 + p 3 = 0,2+0,13 = 0,33, а второй узел p 2 + p 3 = 0,27+0,13 = 0,40. Поэтому средний чистый доход в единицу времени от эксплуатации системы равен Д =0,67·10+0,6·6–0,33·4–0,4·2=8,18 ден.ед. уменьшение вдвое среднего времени ремонта каждого узла будет означать увеличение вдвое интенсивностей потока «окончания ремонтов» каждого узла, т.е. теперь λ 10 =4, λ 20 =6, λ 31 =6, λ 32 =4 и система уравнений, описывающая стационарный режим системы S , будет иметь вид:

.

Решив систему получим p 0 = 0,6, p 1 = 0,15, p 2 = 0,2, p 3 = 0,05. Учитывая, что p 0 + p 2 = 0,6+0,2 = 0,8,

p 0 + p 1 = 0,6+0,15 = 0,75, p 1 + p 3 = 0,15+0,05 = 0,2, p 2 + p 3 = 0,2+0,05 = 0,25, а затраты на ремонт первого и второго узла составляют соответственно 8 и 4 ден.ед., вычислим чистый средний доход в единицу времени: Д1 =0,8·10+0,75·6–0,2·8–0,25·4=9,99 ден.ед.

Так как Д1 больше Д (примерно на 20%), то экономическая целесообразность ускорения ремонта узлов очевидна.

5. Процесс размножения и гибели Рассматриваемый в СМО процесс размножения и гибели характеризуется тем, что если все состояния системы пронумероватьS 1 ,S 2 ,… ,S n то из состоянияS k (k < n ) можно попасть либо в состояниеS k -1 , либо в состояниеS k +1 .

Для предельных вероятностей характерна следующая система уравнений:

(4)

к которой добавляется условие:

Из этой системы можно найти предельные вероятности. Получим:

, (6)

,
, …,
. (7)

Пример. Процесс гибели и размножения представлен графом. (рис).

Найти предельные вероятности состояний.

Решение. По формуле (6) найдем
,

по (7)
,
,

т.е. в установившемся стационарном режиме в среднем 70,6% времени система будет находиться в состоянии S 0 , 17,6% – в состоянии S 1 и 11,8% – в состоянии S 2 .

6. Системы с отказами В качестве показателей эффективности СМО с отказами будем рассматривать:

А – абсолютную пропускную способность СМО, т.е. среднее число заявок, обслуживаемых в единицу времени,

Q – относительную пропускную способность, т.е. среднюю долю пришедших заявок, обслуживаемых системой;

– вероятность отказа, т.е. того, что заявка покинет СМО необслуженной;

– среднее число занятых каналов (для многоканальной системы).

Министерство образования и науки Российской Федерации

Федеральное агентство по образованию

ГОУ ВПО «Уральский Государственный Технический Университет – УПИ»

Теория очередей. Закономерности образования очередей и способы предсказания среднего размера очереди.

По дисциплине: Теория информационных процессов и систем

Екатеринбург, 2007г.

Введение.

Во многих областях практической деятельности человека мы сталкиваемся с необходимостью пребывания в состоянии ожидания. Подобные ситуации возникают в очередях, в билетных кассах, в крупных аэропортах, при ожидании обслуживающим персоналом самолетов разрешение на взлет или посадку, на телефонных станциях в ожидании освобождения линии абонента, в ремонтных цехах, в ожидании ремонта станков и оборудования, на складах организации в ожидании разгрузки или погрузки транспортных средств.

В теории систем массового обслуживания обслуживаемый объект называют требованием . В общем случае под требованием обычно понимают запрос на удовлетворение некоторой потребности, например, разговор с абонентом, посадка самолета, покупка билета, получение материалов на складе.

Средства, обслуживающие требования, называются обслуживающими устройствами или каналами обслуживания. Например, к ним относятся каналы телефонной связи, посадочные полосы, мастера-ремонтники, би­летные кассиры, погрузочно-разгрузочные точки на базах и складах.

Системы массового отсчета с ожиданием распространены наиболее широко. Эти системы определяют так же, как системы с ограниченным входящим потоком. Их можно разделить на две группы:

1) Замкнутые - системы, в которых поступающий поток требований ограничен. Например, мастер, задачей которого является наладка станков в цехе, должен периодически их обслуживать. Каждый налаженный станок становится в будущем потенциальным источником требований на наладку. В подобных системах общее число циркулирующих требований конечно и чаще всего постоянно.

2) Если питающий источник обладает бесконечным числом требований, то системы называются разомкнутыми. Примерами подобных систем могут служить магазины, кассы вокзалов, портов и др. Для этих систем поступающий поток требований можно считать неограниченным.

Основными элементами СМО являются: входящий поток требований, очередь требований, обслуживающие устройства, (каналы) и выходящий поток требований.

Это можно изобразить так:

https://pandia.ru/text/78/375/images/image001_340.jpg" width="61" height="19">Входящий поток Очередь

Обслуживающие устройства Выходящий поток

Изучение СМО начинается с анализа входящего потока требований. Входящий поток требований представляет собой совокупность тре­бований, которые поступают в систему и нуждаются в обслуживании. Входящий поток требований изучается с целью установления закономер­ностей этого потока и дальнейшего улучшения качества обслуживания.

В большинстве случаев входящий поток неуправляем и зависит от ряда случайных факторов. Число требований, поступающих в единицу времени, случайная величина. Случайной величиной является также ин­тервал времени между соседними поступающими требованиями. Однако среднее количество требований, поступивших в единицу времени, и средний интервал времени между соседними поступающими требованиями предполагаются заданными.

Среднее число требований, поступающих в систему обслуживания за единицу времени, называется интенсивностью поступления требований и определяется следующим соотношением:

где Т - среднее значение интервала между поступлением очередных требований.

Для многих реальных процессов поток требований достаточно хоро­шо описывается законом распределения Пуассона. Такой поток называет­ся простейшим.

Простейший поток обладает такими важными свойствами:

1) Свойством стационарности , которое выражает неизменность вероятностного режима потока по времени. Это значит, что число требований, поступающих в систему в равные промежутки времени, в среднем должно быть постоянным. Например, число вагонов, поступающих под погрузку в среднем в сутки должно быть одинаковым для различных перио­дов времени, к примеру, в начале и в конце декады.

2) Отсутствия последействия , которое обуславливает взаимную не­зависимость поступления того или иного числа требований на обслужи­вание в непересекающиеся промежутки времени. Это значит, что число требований, поступающих в данный отрезок времени, не зависит от чис­ла требований, обслуженных в предыдущем промежутке времени. Напри­мер, число автомобилей, прибывших за материалами в десятый день ме­сяца, не зависит от числа автомобилей, обслуженных в четвертый или любой другой предыдущий день данного месяца.

3) Свойством ординарности, которое выражает практическую невозмож­ность одновременного поступления двух или более требований (вероят­ность такого события неизмеримо мала по отношению к рассматриваемому промежутку времени, когда последний устремляется к нулю).

Первые математические работы по системам обслуживания появились в начале двадцатого века. Они были тесно связаны с практическими задачами, касавшимися вопросов обслуживания телефонных линий, определения оптимального количества касс и продавцов в торговых предприятиях, выработки правил расчета запасов в магазинах, достаточных для их бесперебойной работы. Среди этих работ особо важное место занимают исследования датского ученого.

1. Классическая задача Эрланга.

Рассмотрим классическую задачу Эрланга: На m одинаковых приборов поступает простейший поток требований интенсивности l . Если в момент поступления требования имеется хотя бы один свободный прибор, оно немедленно начинает обслуживаться. Если же все приборы заняты, то вновь поступившее требование становится в очередь за всеми теми требованиями, которые поступили раньше и еще не начали обслуживаться. Освободившийся прибор немедленно приступает к обслуживания очередного требования, если только имеется очередь. Каждое требование обслуживается только одним прибором, и каждый прибор обслуживает в каждый момент не более одного требования.

Длительность обслуживания представляет собой случайную величину с одним и тем же распределением вероятностей F(x) .

За x берем время (часы, минуты и т. д.).

Предполагается, что при x ³ 0

F(x) = 1 - e- m x

где m > 0 - постоянная.

Эрланг решил эту задачу, имея в виду постановки вопросов возникших к тому времени в телефонном деле.

Выбор распределения вероятностей F(x) для описания деятельности обслуживания произведен не случайно. Дело в том, что в этом предположении задача допускает простое решение, которое с удовлетворительной для практики точности описывает ход интересующего нас процесса. Мы увидим, что распределение вероятностей F(x) играет в теории массового обслуживания исключительную роль, которая в значительной мере вызвана следующим свойством:

При показательном распределении длительности обслуживания распределение деятельности оставшейся части работы по обслуживанию не зависит от того, сколько оно уже продолжалось.

Действительно, пусть fa(t) означает вероятность того, что обслуживание, которое уже продолжается время a , продлится еще не менее чем t . В предположении, что длительность обслуживания распределена показательно, f0(t)=e- m t .

f 0 (a )= e - m a и f 0 (a + t )= e - m (a +1) .

А так как всегда

f0(a+t) = f0(a) fa(t), то e- m (a+t) = e- m a f0(t)

и, следовательно,

fa(t) = e- m t = fo(t).

Требуемое доказано.

Несомненно, что в реальной обстановке показательное время обслуживания является, как правило, лишь грубым приближением к действительности. Так, нередко время обслуживания не может быть меньше, чем некоторая определенная величина. Предположение распределения вероятностей F(x) приводит к тому, что значительная доля требований нуждается лишь в кратковременной операции близкой к 0. Позднее перед нами возникает задача освобождения от излишнего ограничения, накладываемого предположением распределения вероятностей F(x) . Необходимость этого была ясна уже самому Эрлангу, и он в ряде работ делал усилия найти иные удачные распределения для длительности обслуживания. В частности, им было предложено так называемое распределение Эрланга , плотность распределения которого дается формулой

где, m > 0, а k - целое положительное число.

Распределение Эрланга представляет собой распределение суммы k независимых слагаемых, каждое из которых имеет распределение вероятностей F(x)

Обозначим для случая распределения вероятностей F(x) через h время обслуживания требования. Тогда средняя длительность обслуживания равна

Это равенство дает нам способ оценки параметра m по опытным данным. Как легко вычислить, дисперсия длительности обслуживания равна

1. Составление уравнений.

Система с ожиданием в случае простейшего потока и показательного времени обслуживания представляет собой случайный процесс Маркова.

Найдём те уравнения, которым удовлетворяют вероятности Pk(t). Одно из уравнений очевидно, а именно для каждого t

Найдем сначала вероятность того, что в момент t+h все приборы свободны. Это может произойти следующими способами:

В момент t все приборы были свободны и за время h новых требований не поступало;

В момент t один прибор был занят обслуживанием требования, все остальные приборы свободны; за время h обслуживание требования было завершено и новых требований не поступило.

Остальные возможности, как-то: были заняты два или три прибора и за время h работа на них была закончена - имеют вероятность o(h), как легко в этом убедится.

Вероятность первого из указанных событий равна

вероятность второго события

Таким образом,

Отсюда очевидным образом приходим к уравнению

Перейдем теперь к составлению уравнений для Pk(t) при k ³ 1. Рассмотрим отдельно два различных случая:

1) Пусть вначале 1 £ k < m . Перечислим только существенные состояния, из которых можно прийти в состояние Ek в момент t+h . Эти состояния таковы:

В момент t Ek , за время h новых требований не поступило, и ни один прибор не окончил обслуживания. Вероятность этого события равна

В момент t система находилась в состоянии Ek-1 , за время h поступило новое требование, но ни одно ранее находившееся требование не было закончено обслуживанием. Вероятность этого события равна

В момент t система находилась в состоянии Ek+1 , за время h новых требований не поступило, но одно требование было обслужено. Вероятность этого равна

Все остальные мыслимые возможности перехода в состояние Ek за промежуток времени h имеют вероятность, равную 0(h).

Собрав воедино найденные вероятности, получаем следующее

равенство:

Несложные преобразования приводят нас к такому уравнению

для 1 £ k < m:

2) Подобные же рассуждения для k ³ m приводят к уравнению

Для определения вероятностей Pk(t) мы получили бесконечную систему дифференциальных уравнений. Ее решение представляет несомненные технические трудности.

2. Определение стационарного решения.

В теории массового обслуживания обычно изучают лишь установившееся решение для t ® ¥ . Существование таких решений устанавливается так называемыми эргодическими теоремами. В рассматриваемой задаче оказывается, что предельные или, как говорят обычно, стационарные вероятности существуют. Введем для них обозначения Pk . Заметим, что при t ® ¥ .

Сказанное позволяет заключить, что уравнения

для стационарных вероятностей принимают следующий вид:

при 1 £ k < m

при k ³ m

К этим уравнениям добавляется нормирующее условие

Для решения полученной бесконечной алгебраической системы введем обозначения:

при 1 £ k < m

при k ³ m

Система уравнений в этих обозначениях принимает такой вид:

z1 = 0, zk - zk+1 = 0 при k ³ 1

Отсюда заключается, что при всех k ³ 1 zk = 0

т. е. при 1 £ k < m

k m Pk = l Pk-1

и при k ³ m

m m Pk= l Pk-1

Введем для удобства записи обозначение

r = l / m .

Уравнение k m Pk = l Pk-1 позволяет заключить, что при 1 £ k < m

При k ³ m из уравнения m m Pk= l Pk-1 находим, что

и следовательно, при k ³ m

Остается найти P0. Для этого в подставляем выражения полученного Pk.

В результате

Так бесконечная сумма, стоящая в квадратных скобках, находится только при условии, что

r < m

то при этом положении находим равенство

Если условие r < m не выполнено, т. е. если r ³ m, то ряд, стоящий в квадратной скобке уравнения для определения P0 , расходится и, значит, P0 должно быть равно 0..gif" width="71" height="44 src=">при всех k ³ 1 оказывается Pk = 0.

Методы теории цепей Маркова позволяют заключить, что при r ³ m с течением времени очередь стремится к ¥ по вероятности.

3. Некоторые подготовительные результаты.

Для задачи с ожиданием основной характеристикой качества обслуживания является длительность ожидания требованием начала обслуживания. Длительность ожидания представляет собой случайную величину, которую обозначим буквой g . Рассмотрим сейчас только задачу определения распределения вероятностей длительности ожидания в уже установившемся процессе обслуживания. Обозначим далее через P { g > t } вероятность того, что длительность ожидания превзойдет t, и через Pk { g > t } вероятность неравенства, указанного в скобке, при условии, что в момент поступления требования, в очереди уже находится k требований. В силу формулы полной вероятности имеем равенство

P { g > t } = .

Прежде чем преобразовать эту формулу к виду, удобному для пользования, приготовим некоторые необходимые нам для дальнейшего сведения.

Вычислим теперь вероятность того, что все приборы будут заняты в какой-то наудачу взятый момент. Очевидно, что эта вероятность равна

4. Определение функции распределения длительности ожидания.

Если в момент поступления требования в очереди уже находились k - m требований, то поскольку обслуживание происходит в порядке очередности, вновь поступившее требование должно ожидать, когда будут обслужены

k – m + 1 требований.

Пусть qs(t) означает вероятность того, что за промежуток времени длительности t после поступления интересующего нас требования закончилось обслуживание ровно S требований. Ясно, что k ³ m имеет место равенство

Так как распределение длительности обслуживания предположено показательным и независящим ни от того, сколько требований находится в очереди, ни от того, как велики длительности обслуживания других требований, то вероятность за время t не завершить ни одного обслуживания (т. е. вероятность того, что не освободится ни один из приборов) равна

Если все приборы заняты обслуживанием и еще имеется достаточная очередь требований, которые ожидают обслуживания, то поток обслуженных требований будет простейшим. Действительно, в этом случае все три условия - стационарность, отсутствие последействия и ординарность - выполнены. Вероятность освобождения за промежуток времени t ровно s приборов равна (это можно показать и простым подсчетом)

и, следовательно,

Но вероятности Pk известны:

очевидными преобразованиями приводим правую часть последнего равенства к виду

Из формул и следует, что , поэтому при t>0

.

Само собой разумеется, что при t<0 .

Функция имеет в точке t = 0 разрыв непрерывности, равный вероятности застать все приборы занятыми.

5. Средняя длительность ожидания.

Формула позволяет находить все интересующие нас числовые характеристики длительности ожидания. В частности, математическое ожидание длительности ожидания начала обслуживания или, как предпочитают говорить, средняя длительность ожидания равна

Несложные вычисления приводят к формуле

Дисперсия величины g равна

.

Формула дает среднюю длительность ожидания одного требования. Найдем среднюю потерю времени требованиями, пришедшими в систему обслуживания в течение промежутка времени T . За время T в систему поступает l T требований в среднем; общая потеря ими времени на ожидание в среднем равна

Приведем небольшие арифметические подсчеты, которые про­демонстрируют нам, как быстро возрастают суммарные потери времени па ожидание с изменением величины . При этом мы ограничиваемся случаем Т=1 и рассматриваем лишь самые малые значения т: т = 1 и т = 2.

При т=1 в силу (20)

При р = 0,1; 0,3; 0,5; 0,9 значение приблизительно равно 0,011; 0,267; 0,500; 1,633; 8,100.

При m = 2 в силу (24)

При = 0,1; 1,0; 1,5; 1,9 значение приблизительно равно 00003; 0,333; 1,350; 17,537.

Приведённые данные иллюстрируют хорошо известный факт относительно большой чувствительности систем обслуживания, уже достаточно сильно загруженных, к возрастанию загрузки. Потребитель при этом сразу ощущает значительное возрастание длительности ожидания. Этот факт обязательно следует учитывать при расчёте загрузки оборудования в системах массового обслуживания.

Постановка задачи.

На станции технического обслуживания (СТО) легковых автомобилей имеется 7 рабочих мест по обслуживанию клиентов. По статистическим данным в час поступает 2 заявки на обслуживания легковых автомобилей. Среднее время обслуживания 1 заявки составляет 3 часа 24 минуты.

Если поступивший клиент застает на СТО весь рабочий персонал занятым, то он встает в очередь и ждет до тех пор, пока не освободится рабочее место.

Каждый мастер, в любой момент времени, может обслуживать не более одного клиента. Обслуженный клиент покидает СТО.

Проанализировать структуру и процесс обслуживания СТО. Для этого требуется разработать показатели эффективности систем массового обслуживания. Например, требуется знать: вероятность того, что занято или свободно k приборов; распределение вероятностей свободных или занятых приборов от обслуживания; вероятность того, что в очереди находится заданное число требований; вероятность того, что время ожидания в очереди превысит заданное. К показателям, характеризующих эффективное функционирование системы в среднем, относятся: средняя длина очереди; среднее число занятых приборов; коэффициент загрузки системы.

1. Математическая модель.

Имеем систему массового обслуживания, из n = 7 идентичных приборов, на которую поступает поток требований α = 2, интенсивностью β = 0,29411(1/ч).

При простейшем потоке требований распределение требований, поступающих в систему подчиняются закону распределения Пуассона:

вероятность DIV_ADBLOCK97">

где https://pandia.ru/text/78/375/images/image057_47.gif" width="231 height=25" height="25">

где https://pandia.ru/text/78/375/images/image059_45.gif" width="15 height=28" height="28">.gif" width="716 height=299" height="299">

Рис.1. Требование в системе.

Пусть D t – достаточно малый промежуток времени. Вероятность того, что в СМО за время D t не поступит ни одного требования:

Вероятность того, что в СМО за время Dt поступит одно требование:

Вероятность того, что за время Dt в СМО поступит два или более требований:

Вероятность того, что за время Dt требование будет обслужено:

Вероятность того, что за время Dt будет обслужено два или более требования:

Вероятность того, что за время Dt будет обслужено одно из к требований, находящихся в системе, найдем следующим образом:

Https://pandia.ru/text/78/375/images/image069_37.gif" width="381 height=48" height="48">;