Простейшие потоки событий
Потоком событий называется последовательность однородных событий, следующих одно за другим в случайные моменты времени. Такой поток можно изобразить как последовательность точек t1...tn на числовой оси, соответствующих случайным моментам появления событий (рис.1.):
Рис.1. Последовательность однородных событий
Поток событий называется стационарным , если вероятность попадания того или иного числа событий на участок времени зависит только от длины этого участка и не зависит от того, где именно на оси 0t расположен этот участок.
Поток событий называется потоком без последействия , если для любых непересекающихся участков времени число событий, попадающих на один из них, не зависит от того, сколько событий попало на другой. Поток событий называется ординарным , если вероятности попадания на участок времени малой длины двух или более событий пренебрежимо малы по сравнению с вероятностью попадания на этот участок одного события.
Стационарность потока означает, что вероятностные характеристики этого потока не должны меняться в зависимости от времени. Например, такая характеристика, как интенсивность потока событий, равная математическому ожиданию числа событий в единицу времени, должна оставаться постоянной для стационарного потока.
На практике часто встречаются потоки событий, которые стационарны только на ограниченном участке времени. Например, поток вызовов, поступающих на телефонную станцию в дневное время, может считаться таковым. Тот же поток в течение целых суток уже не будет стационарным, поскольку ночью интенсивность вызовов гораздо меньше, чем днем.
Отсутствие последействия в потоке означает, что события появляются в последовательные моменты времени независимо друг от друга . Например, поток пассажиров, входящих на станцию метро, можно считать потоком без последействия потому, что причины, обусловившие приход отдельного пассажира именно в тот, а не другой момент, не связаны с аналогичными причинами для других пассажиров. Однако условие отсутствия последействия может быть нарушено за счет появления такой зависимости. Например, поток пассажиров, покидающих станцию метро, уже не может считаться потоком без последействия, так как моменты выхода пассажиров, прибывших одним и тем же поездом, зависимы между собой.
Ординарность потока означает, что события в потоке приходят поодиночке , а не парами, тройками и т. д. Например, поток клиентов, направляющихся в парикмахерскую, практически можно считать ординарным, чего нельзя сказать о потоке клиентов, идущих в ЗАГС для регистрации брака.
Простейший поток играет среди потоков событий особую роль, до некоторой степени аналогичную роли нормального закона среди других законов распределения. Согласно центральной предельной теореме, при суммировании большого числа независимых случайных величин, подчиненных практически любым законам распределения, получается случайная величина, приближенно распределенная по нормальному закону. Аналогично можно сказать, что при суммировании (взаимном наложении) большого числа ординарных, стационарных потоков с практически любым последействием получается поток, сколь угодно близкий к простейшему . Условия, которые должны для этого соблюдаться, аналогичны условиям центральной предельной теоремы, а именно: складываемые потоки должны оказывать на сумму приблизительно равномерно малое влияние.
Замкнутые системы массового обслуживания
Рассмотрим системы массового обслуживания, в которых интенсивность потока поступающих заявок зависит от состояния самих систем. Такие системы массового обслуживания называются замкнутыми .
Пусть система состоит из п каналов обслуживания и т источников заявок, т>п.
Предположим, что каждый источник порождает простейший поток заявок с интенсивностью , причем источник не может посылать следующую заявку до завершения обслуживания своей предыдущей заявки (в этом и выражается замкнутость данной системы). Предположим также, что каждый канал порождает простейший поток обслуженных заявок с интенсивностью . Все состояния данной системы можно разбить условно на три группы:
- "все каналы свободны",
- "ровно i каналов занято и поступило ровно i заявок", i = 1, ..., n ,
- "все каналы заняты и ровно j-n заявок находятся в очереди для обслуживания", j = n + 1, ..., m.
Графически все возможные переходы из состояния в состояние, а также интенсивности потоков событий, под воздействием которых эти переходы возможны, можно изобразить в виде размеченного графа так, как это показано на рис.2. Действительно, если система находится в состоянии i = 0, 1,..., n - 1, то в состояние "i + 1 каналов занято" она может перейти под воздействием суммарного потока заявок от m - i источников с интенсивностью ; из состояния в состояние "i - 1 каналов занято" она может перейти под воздействием суммарного потока обслуженных заявок, поступающего от i каналов обслуживания с интенсивностью .. Напомним, что i источников прекращают поставку заявок до завершения обслуживания своих последних заявок. Если же система находится в состоянии , j = n,...,m- 1, то в состояние она может перейти под воздействием суммарного потока заявок с интенсивностью , а в состояние - под воздействием суммарного потока обслуженных заявок с интенсивностью , поступающего от n каналов обслуживания.
Федеральное агентство по образованию РФ
ФГОУ СПО «Перевозский строительный колледж»
по дисциплине «Математические методы»
на тему «СМО с ограниченным временем ожидания. Замкнутые СМО»
Введение.......................................................................................................... 2
1. Основы теории массового обслуживания.................................................. 3
1.1 Понятие случайного процесса.................................................................. 3
1.2 Марковский случайный процесс.............................................................. 4
1.3 Потоки событий......................................................................................... 6
1.4 Уравнения Колмогорова для вероятностей состояний. Финальные вероятности состояний......................................................................................................... 9
1.5 Задачи теории массового обслуживания............................................... 13
1.6 Классификация систем массового обслуживания.................................. 15
2. Системы массового обслуживания с ожиданием..................................... 16
2.1 Одноканальная СМО с ожиданием........................................................ 16
2.2 Многоканальная СМО с ожиданием...................................................... 25
3. Замкнутые СМО........................................................................................ 37
Решение задачи............................................................................................. 45
Заключение.................................................................................................... 50
Список литературы....................................................................................... 51
В данном курсе мы будем рассматривать различные системы массового обслуживания (СМО) и сети массового обслуживания (СеМО).
Под системой массового обслуживания (СМО) понимают динамическую систему, предназначенную для эффективного обслуживания потока заявок (требований на обслуживание) при ограничениях на ресурсы системы.
Модели СМО удобны для описания отдельных подсистем современных вычислительных систем, таких как подсистема процессор - основная память, канал ввода-вывода и т. д. Вычислительная система в целом представляет собой совокупность взаимосвязанных подсистем, взаимодействие которых носит вероятностный характер. Заявка на решение некоторой задачи, поступающая в вычислительную систему, проходит последовательность этапов счета, обращения к внешним запоминающим устройствам и устройствам ввода-вывода. После выполнения некоторой последовательности таких этапов, число и продолжительность которых зависит от трудоемкости программы, заявка считается обслуженной и покидает вычислительную систему. Таким образом, вычислительную систему в целом можно представлять совокупностью СМО, каждая из которых отображает процесс функционирования отдельного устройства или группы однотипных устройств, входящих в состав системы.
Совокупность взаимосвязанных СМО называется сетью массового обслуживания (стохастической сетью).
Для начала мы рассмотрим основы теории СМО, затем перейдем к ознакомлению в подробном содержании к СМО с ожиданием и замкнутым СМО. Также в курс включена практическая часть, в которой мы подробно познакомимся с тем, как применить теорию на практике.
Теория массового обслуживания составляет один из разделов теории вероятностей. В этой теории рассматриваются вероятностные задачи и математические модели (до этого нами рассматривались детерминированные математические модели). Напомним, что:
Детерминированная математическая модель отражает поведение объекта (системы, процесса) с позиций полной определенности в настоящем и будущем.
Вероятностная математическая модель учитывает влияние случайных факторов на поведение объекта (системы, процесса) и, следовательно, оценивает будущее с позиций вероятности тех или иных событий.
Т.е. здесь как, например, в теории игр задачи рассматриваются в условиях неопределенности .
Рассмотрим сначала некоторые понятия, которые характеризуют «стохастическую неопределенность», когда неопределенные факторы, входящие в задачу, представляют собой случайные величины (или случайные функции), вероятностные характеристики которых либо известны, либо могут быть получены из опыта. Такую неопределенность называют еще «благоприятной», «доброкачественной».
Строго говоря, случайные возмущения присущи любому процессу. Проще привести примеры случайного, чем «неслучайного» процесса. Даже, например, процесс хода часов (вроде бы это строгая выверенная работа – «работает как часы») подвержен случайным изменениям (уход вперед, отставание, остановка). Но до тех пор, пока эти возмущения несущественны, мало влияют на интересующие нас параметры, мы можем ими пренебречь и рассматривать процесс как детерминированный, неслучайный.
Пусть имеется некоторая система S (техническое устройство, группа таких устройств, технологическая система – станок, участок, цех, предприятие, отрасль промышленности и т.д.). В системе S протекает случайный процесс , если она с течением времени меняет свое состояние (переходит из одного состояния в другое), причем, заранее неизвестным случайным образом.
Примеры:
1. Система S – технологическая система (участок станков). Станки время от времени выходят из строя и ремонтируются. Процесс, протекающий в этой системе, случаен.
2. Система S – самолет, совершающий рейс на заданной высоте по определенному маршруту. Возмущающие факторы – метеоусловия, ошибки экипажа и т.д., последствия – «болтанка», нарушение графика полетов и т.д.
Случайный процесс, протекающий в системе, называется Марковским , если для любого момента времени t 0 вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент t 0 и не зависят от того, когда и как система пришла в это состояние.
Пусть в настоящий момент t 0 система находится в определенном состоянии S 0 . Мы знаем характеристики состояния системы в настоящем и все, что было при t <t 0 (предысторию процесса). Можем ли мы предугадать (предсказать) будущее, т.е. что будет при t >t 0 ? В точности – нет, но какие-то вероятностные характеристики процесса в будущем найти можно. Например, вероятность того, что через некоторое время система S окажется в состоянии S 1 или останется в состоянии S 0 и т.д.
Пример . Система S – группа самолетов, участвующих в воздушном бою. Пусть x – количество «красных» самолетов, y – количество «синих» самолетов. К моменту времени t 0 количество сохранившихся (не сбитых) самолетов соответственно – x 0 , y 0 . Нас интересует вероятность того, что в момент времени численный перевес будет на стороне «красных». Эта вероятность зависит от того, в каком состоянии находилась система в момент времени t 0 , а не от того, когда и в какой последовательности погибали сбитые до момента t 0 самолеты.
На практике Марковские процессы в чистом виде обычно не встречаются. Но имеются процессы, для которых влиянием «предыстории» можно пренебречь. И при изучении таких процессов можно применять Марковские модели (в теории массового обслуживания рассматриваются и не Марковские системы массового обслуживания, но математический аппарат, их описывающий, гораздо сложнее).
В исследовании операций большое значение имеют Марковские случайные процессы с дискретными состояниями и непрерывным временем.
Процесс называется процессом с дискретным состоянием , если его возможные состояния S 1 , S 2 , … можно заранее определить, и переход системы из состояния в состояние происходит «скачком», практически мгновенно.
Процесс называется процессом с непрерывным временем , если моменты возможных переходов из состояния в состояние не фиксированы заранее, а неопределенны, случайны и могут произойти в любой момент.
Пример . Технологическая система (участок) S состоит из двух станков, каждый из которых в случайный момент времени может выйти из строя (отказать), после чего мгновенно начинается ремонт узла, тоже продолжающийся заранее неизвестное, случайное время. Возможны следующие состояния системы:
S 0 - оба станка исправны;
S 1 - первый станок ремонтируется, второй исправен;
S 2 - второй станок ремонтируется, первый исправен;
S 3 - оба станка ремонтируются.
Переходы системы S из состояния в состояние происходят практически мгновенно, в случайные моменты выхода из строя того или иного станка или окончания ремонта.
При анализе случайных процессов с дискретными состояниями удобно пользоваться геометрической схемой – графом состояний . Вершины графа – состояния системы. Дуги графа – возможные переходы из состояния в состояние. Для нашего примера граф состояний приведен на рис. 1.
Рис. 1. Граф состояний системы
Примечание. Переход из состояния S 0 в S 3 на рисунке не обозначен, т.к. предполагается, что станки выходят из строя независимо друг от друга. Вероятностью одновременного выхода из строя обоих станков мы пренебрегаем.
Поток событий – последовательность однородных событий, следующих одно за другим в какие-то случайные моменты времени.
В предыдущем примере – это поток отказов и поток восстановлений. Другие примеры: поток вызовов на телефонной станции, поток покупателей в магазине и т.д.
Поток событий можно наглядно изобразить рядом точек на оси времени O t – рис. 2.
Рис. 2. Изображение потока событий на оси времени
Положение каждой точки случайно, и здесь изображена лишь какая-то одна реализация потока.
Интенсивность потока событий ( ) – это среднее число событий, приходящееся на единицу времени.
Рассмотрим некоторые свойства (виды) потоков событий.
Поток событий называется стационарным , если его вероятностные характеристики не зависят от времени.
В частности, интенсивность стационарного потока постоянна. Поток событий неизбежно имеет сгущения или разрежения, но они не носят закономерного характера, и среднее число событий, приходящееся на единицу времени, постоянно и от времени не зависит.
Поток событий называется потоком без последствий , если для любых двух непересекающихся участков времени и (см. рис. 2) число событий, попадающих на один из них, не зависит от того, сколько событий попало на другой. Другими словами, это означает, что события, образующие поток, появляются в те или иные моменты времени независимо друг от друга и вызваны каждое своими собственными причинами.
Поток событий называется ординарным , если события в нем появляются поодиночке, а не группами по нескольку сразу.
Поток событий называется простейшим (или стационарным пуассоновским), если он обладает сразу тремя свойствами:
1) стационарен;
2) ординарен;
3) не имеет последствий.
Простейший поток имеет наиболее простое математическое описание. Он играет среди потоков такую же особую роль, как и закон нормального распределения среди других законов распределения. А именно, при наложении достаточно большого числа независимых, стационарных и ординарных потоков (сравнимых между собой по интенсивности) получается поток, близкий к простейшему.
Для простейшего потока с интенсивностью интервал T между соседними событиями имеет так называемое показательное (экспоненциальное) распределение с плотностью:
где - параметр показательного закона.
Для случайной величины T , имеющей показательное распределение, математическое ожидание есть величина, обратная параметру, а среднее квадратичное отклонение равно математическому ожиданию:
Рассматривая Марковские процессы с дискретными состояниями и непрерывным временем, подразумевается, что все переходы системы S из состояния в состояние происходят под действием простейших потоков событий (потоков вызовов, потоков отказов, потоков восстановлений и т.д.). Если все потоки событий, переводящие систему S из состояния в состояние простейшие, то процесс, протекающий в системе, будет Марковским.
Итак, на систему, находящуюся в состоянии , действует простейший поток событий. Как только появится первое событие этого потока, происходит «перескок» системы из состояния в состояние (на графе состояний по стрелке ).
Для наглядности на графе состояний системы у каждой дуги проставляют интенсивности того потока событий, который переводит систему по данной дуге (стрелке). - интенсивность потока событий, переводящий систему из состояния в . Такой граф называется размеченным . Для нашего примера размеченный граф приведен на рис. 3.
Рис. 3. Размеченный граф состояний системы
На этом рисунке - интенсивности потока отказов; - интенсивности потока восстановлений.
Предполагаем, что среднее время ремонта станка не зависит от того, ремонтируется ли один станок или оба сразу. Т.е. ремонтом каждого станка занят отдельный специалист.
Пусть система находится в состоянии S 0 . В состояние S 1 ее переводит поток отказов первого станка. Его интенсивность равна:
где - среднее время безотказной работы первого станка.
Из состояния S 1 в S 0 систему переводит поток «окончаний ремонтов» первого станка. Его интенсивность равна:
где - среднее время ремонта первого станка.
Аналогично вычисляются интенсивности потоков событий, переводящих систему по всем дугам графа. Имея в своем распоряжении размеченный граф состояний системы, строится математическая модель данного процесса.
Пусть рассматриваемая система S имеет -возможных состояний . Вероятность -го состояния - это вероятность того, что в момент времени , система будет находиться в состоянии . Очевидно, что для любого момента времени сумма всех вероятностей состояний равна единице:
Для нахождения всех вероятностей состояний как функций времени составляются и решаются уравнения Колмогорова – особого вида уравнения, в которых неизвестными функциями являются вероятности состояний. Правило составления этих уравнений приведем здесь без доказательств. Но прежде, чем его приводить, объясним понятие финальной вероятности состояния .
Что будет происходить с вероятностями состояний при ? Будут ли стремиться к каким-либо пределам? Если эти пределы существуют и не зависят от начального состояния системы, то они называются финальными вероятностями состояний .
где - конечное число состояний системы.
Финальные вероятности состояний – это уже не переменные величины (функции времени), а постоянные числа. Очевидно, что:
Финальная вероятность состояния – это по–существу среднее относительное время пребывания системы в этом состоянии.
Например, система S имеет три состояния S 1 , S 2 и S 3 . Их финальные вероятности равны соответственно 0,2; 0,3 и 0,5. Это значит, что система в предельном стационарном состоянии в среднем 2/10 времени проводит в состоянии S 1 , 3/10 – в состоянии S 2 и 5/10 – в состоянии S 3 .
Правило составления системы уравнений Колмогорова : в каждом уравнении системы в левой его части стоит финальная вероятность данного состояния , умноженная на суммарную интенсивность всех потоков, ведущих из данного состояния , а в правой его части – сумма произведений интенсивностей всех потоков, входящих в -е состояние , на вероятности тех состояний, из которых эти потоки исходят.
Пользуясь этим правилом, напишем систему уравнений для нашего примера :
.
Эту систему четырех уравнений с четырьмя неизвестными , казалось бы, можно вполне решить. Но эти уравнения однородны (не имеют свободного члена), и, значит, определяют неизвестные только с точностью до произвольного множителя. Однако можно воспользоваться нормировочным условием: 
и с его помощью решить систему. При этом одно (любое) из уравнений можно отбросить (оно вытекает как следствие из остальных).
Продолжение примера . Пусть значения интенсивностей потоков равны: .
Четвертое уравнение отбрасываем, добавляя вместо него нормировочное условие:
.
Т.е. в предельном, стационарном режиме система S в среднем 40% времени будет проводить в состоянии S 0 (оба станка исправны), 20% - в состоянии S 1 (первый станок ремонтируется, второй работает), 27% - в состоянии S 2 (второй станок ремонтируется, первый работает), 13% - в состоянии S 3 (оба станка ремонтируются). Знание этих финальных вероятностей может помочь оценить среднюю эффективность работы системы и загрузку ремонтных органов.
Пусть система S в состоянии S 0 (полностью исправна) приносит в единицу времени доход 8 условных единиц, в состоянии S 1 – доход 3 условные единицы, в состоянии S 2 – доход 5 условных единиц, в состоянии S 3 – не приносит дохода. Тогда в предельном, стационарном режиме средний доход в единицу времени будет равен: условных единиц.
Станок 1 ремонтируется долю времени, равную: . Станок 2 ремонтируется долю времени, равную: . Возникает задача оптимизации . Пусть мы можем уменьшить среднее время ремонта первого или второго станка (или обоих), но это нам обойдется в определенную сумму. Спрашивается, окупит ли увеличение дохода, связанное с ускорением ремонта, повышенные расходы на ремонт? Нужно будет решить систему четырех уравнений с четырьмя неизвестными.
Примеры систем массового обслуживания (СМО): телефонные станции, ремонтные мастерские, билетные кассы, справочные бюро, станочные и другие технологические системы, системы управления гибких производственных систем и т.д.
Каждая СМО состоит из какого–то количества обслуживающих единиц, которые называются каналами обслуживания (это станки, транспортные тележки, роботы, линии связи, кассиры, продавцы и т.д.). Всякая СМО предназначена для обслуживания какого–то потока заявок (требований), поступающих в какие-то случайные моменты времени.
Обслуживание заявки продолжается какое–то, вообще говоря, случайное время, после чего канал освобождается и готов к приему следующей заявки. Случайный характер потока заявок и времени обслуживания приводит к тому, что в какие–то периоды времени на входе СМО скапливается излишне большое количество заявок (они либо становятся в очередь, либо покидают СМО не обслуженными). В другие же периоды СМО будет работать с недогрузкой или вообще простаивать.
Процесс работы СМО – случайный процесс с дискретными состояниями и непрерывным временем. Состояние СМО меняется скачком в моменты появления каких-то событий (прихода новой заявки, окончания обслуживания, момента, когда заявка, которой надоело ждать, покидает очередь).
Предмет теории массового обслуживания – построение математических моделей, связывающих заданные условия работы СМО (число каналов, их производительность, правила работы, характер потока заявок) с интересующими нас характеристиками – показателями эффективности СМО. Эти показатели описывают способность СМО справляться с потоком заявок. Ими могут быть: среднее число заявок, обслуживаемых СМО в единицу времени; среднее число занятых каналов; среднее число заявок в очереди; среднее время ожидания обслуживания и т.д.
Математический анализ работы СМО очень облегчается, если процесс этой работы Марковский, т.е. потоки событий, переводящие систему из состояния в состояние – простейшие. Иначе математическое описание процесса очень усложняется и его редко удается довести до конкретных аналитических зависимостей. На практике не Марковские процессы с приближением приводятся к Марковским. Приведенный далее математический аппарат описывает Марковские процессы.
Первое деление (по наличию очередей):
1. СМО с отказами;
2. СМО с очередью.
В СМО с отказами заявка, поступившая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем не обслуживается.
В СМО с очередью заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь и ожидает возможности быть обслуженной.
СМО с очередями подразделяются на разные виды в зависимости от того, как организована очередь – ограничена или не ограничена . Ограничения могут касаться как длины очереди, так и времени ожидания, «дисциплины обслуживания».
Итак, например, рассматриваются следующие СМО:
· СМО с нетерпеливыми заявками (длина очереди и время обслуживания ограничено);
· СМО с обслуживанием с приоритетом, т.е. некоторые заявки обслуживаются вне очереди и т.д.
Кроме этого СМО делятся на открытые СМО и замкнутые СМО.
В открытой СМО характеристики потока заявок не зависят от того, в каком состоянии сама СМО (сколько каналов занято). В замкнутой СМО – зависят. Например, если один рабочий обслуживает группу станков, время от времени требующих наладки, то интенсивность потока «требований» со стороны станков зависит от того, сколько их уже исправно и ждет наладки.
Классификация СМО далеко не ограничивается приведенными разновидностями, но этого достаточно.
Рассмотрим простейшую СМО с ожиданием - одноканальную систему (n - 1), в которую поступает поток заявок с интенсивностью ; интенсивность обслуживания (т.е. в среднем непрерывно занятый канал будет выдавать обслуженных заявок в единицу (времени). Заявка, поступившая в момент, когда канал занят, становится в очередь и ожидает обслуживания.
Система с ограниченной длиной очереди. Предположим сначала, что количество мест в очереди ограничено числом m, т.е. если заявка пришла в момент, когда в очереди уже стоят m-заявок, она покидает систему не обслуженной. В дальнейшем, устремив m к бесконечности, мы получим характеристики одноканальной СМО без ограничений длины очереди.
Будем нумеровать состояния СМО по числу заявок, находящихся в системе (как обслуживаемых, так и ожидающих обслуживания):
Канал свободен;
Канал занят, очереди нет;
Канал занят, одна заявка стоит в очереди;
Канал занят, k-1 заявок стоят в очереди;
Канал занят, т-заявок стоят в очереди.
ГСП показан на рис. 4. Все интенсивности потоков событий, переводящих в систему по стрелкам слева направо, равны , а справа налево - . Действительно, по стрелкам слева направо систему переводит поток заявок (как только придет заявка, система переходит в следующее состояние), справа же налево - поток «освобождений» занятого канала, имеющий интенсивность (как только будет обслужена очередная заявка, канал либо освободится, либо уменьшится число заявок в очереди).
Рис. 4. Одноканальная СМО с ожиданием
Изображенная на рис. 4 схема представляет собой схему размножения и гибели. Напишем выражения для предельных вероятностей состояний:
(5)
или с использованием: :
(6)
Последняя строка в (6) содержит геометрическую прогрессию с первым членом 1 и знаменателем р, откуда получаем:
(7)
в связи с чем предельные вероятности принимают вид:
(8).
Выражение (7) справедливо только при < 1 (при = 1 она дает неопределенность вида 0/0). Сумма геометрической прогрессии со знаменателем = 1 равна m+2, и в этом случае:
Определим характеристики СМО: вероятность отказа , относительную пропускную способность q, абсолютную пропускную способность А, среднюю длину очереди , среднее число заявок, связанных с системой , среднее время ожидания в очереди , среднее время пребывания заявки в СМО .
Вероятность отказа. Очевидно, заявка получает отказ только в случае, когда канал занят и все т-мест в очереди тоже:
(9).
Относительная пропускная способность:
(10).
Средняя длина очереди. Найдем среднее число -заявок, находящихся в очереди, как математическое ожидание дискретной случайной величины R-числа заявок, находящихся в очереди:
С вероятностьюв очереди стоит одна заявка, с вероятностью- две заявки, вообще с вероятностьюв очереди стоят k-1 заявок, и т.д., откуда:
(11).
Поскольку , сумму в (11) можно трактовать как производную по от суммы геометрической прогрессии:
Подставляя данное выражение в (11) и используя из (8), окончательно получаем:
(12).
Среднее число заявок, находящихся в системе. Получим далее формулу для среднего числа -заявок, связанных с системой (как стоящих в очереди, так и находящихся на обслуживании). Поскольку , где - среднее число заявок, находящихся под обслуживанием, а k известно, то остается определить . Поскольку канал один, число обслуживаемых заявок может равняться 0 (с вероятностью ) или 1 (с вероятностью 1 - ), откуда:
.
и среднее число заявок, связанных с СМО, равно:
(13).
Среднее время ожидания заявки в очереди. Обозначим его ; если заявка приходит в систему в какой-то момент времени, то с вероятностью канал обслуживания не будет занят, и ей не придется стоять в очереди (время ожидания равно нулю). С вероятностью она придет в систему во время обслуживания какой-то заявки, но перед ней не будет очереди, и заявка будет ждать начала своего обслуживания в течение времени (среднее время обслуживания одной заявки). С вероятностью в очереди перед рассматриваемой заявкой будет стоять еще одна, и время ожидания в среднем будет равно , и т.д.
Если же k=m+1, т.е. когда вновь приходящая заявка застает канал обслуживания занятым и m-заявок в очереди (вероятность этого ), то в этом случае заявка не становится в очередь (и не обслуживается), поэтому время ожидания равно нулю. Среднее время ожидания будет равно:
если подставить сюда выражения для вероятностей (8), получим:
(14).
Здесь использованы соотношения (11), (12) (производная геометрической прогрессии), а также из (8). Сравнивая это выражение с (12), замечаем, что иначе говоря, среднее время ожидания равно среднему числу заявок в очереди, деленному на интенсивность потока заявок.
(15).
Среднее время пребывания заявки в системе. Обозначим - матожидание случайной величины - время пребывания заявки в СМО, которое складывается из среднего времени ожидания в очереди и среднего времени обслуживания . Если загрузка системы составляет 100%, очевидно, , в противном же случае:
.
Пример 1. Автозаправочная станция (АЗС) представляет собой СМО с одним каналом обслуживания (одной колонкой).
Площадка при станции допускает пребывание в очереди на заправку не более трех машин одновременно (m = 3). Если в очереди уже находятся три машины, очередная машина, прибывшая к станции, в очередь не становится. Поток машин, прибывающих для заправки, имеет интенсивность =1 (машина в минуту). Процесс заправки продолжается в среднем 1,25 мин.
Определить:
вероятность отказа;
относительную и абсолютную пропускную способности АЗС;
среднее число машин, ожидающих заправки;
среднее число машин, находящихся на АЗС (включая обслуживаемую);
среднее время ожидания машины в очереди;
среднее время пребывания машины на АЗС (включая обслуживание).
Иначе говоря, среднее время ожидания равно среднему числу заявок в очереди, деленному на интенсивность потока заявок.
Находим вначале приведенную интенсивность потока заявок: =1/1,25=0,8; =1/0,8=1,25.
По формулам (8):
Вероятность отказа 0,297.
Относительная пропускная способность СМО: q=1-=0,703.
Абсолютная пропускная способность СМО: A==0,703 машины в мин.
Среднее число машин в очереди находим по формуле (12):
т.е. среднее число машин, ожидающих в очереди на заправку, равно 1,56.
Прибавляя к этой величине среднее число машин, находящихся под обслуживанием:
получаем среднее число машин, связанных с АЗС.
Среднее время ожидания машины в очереди по формуле (15):
Прибавляя к этой величине , получим среднее время, которое машина проводит на АЗС:
Системы с неограниченным ожиданием. В таких системах значение т не ограничено и, следовательно, основные характеристики могут быть получены путем предельного перехода в ранее полученных выражениях (5), (6) и т.п.
Заметим, что при этом знаменатель в последней формуле (6) представляет собой сумму бесконечного числа членов геометрической прогрессии. Эта сумма сходится, когда прогрессия бесконечно убывающая, т.е. при <1.
Может быть доказано, что <1 есть условие, при котором в СМО с ожиданием существует предельный установившийся режим, иначе такого режима не существует, и очередь при будет неограниченно возрастать. Поэтому в дальнейшем здесь предполагается, что <1.
Если, то соотношения (8) принимают вид:
(16).
При отсутствии ограничений по длине очереди каждая заявка, пришедшая в систему, будет обслужена, поэтому q=1, 
.
Среднее число заявок в очереди получим из (12) при :
Среднее число заявок в системе по формуле (13) при :
.
Среднее время ожиданияполучим из формулы (14) при:
.
Наконец, среднее время пребывания заявки в СМО есть:
Система с ограниченной длиной очереди. Рассмотрим канальную СМО с ожиданием, на которую поступает поток заявок с интенсивностью ; интенсивность обслуживания (для одного канала) ; число мест в очереди .
Состояния системы нумеруются по числу заявок, связанных системой:
нет очереди:
Все каналы свободны;
Занят один канал, остальные свободны;
Заняты -каналов, остальные нет;
Заняты все -каналов, свободных нет;
есть очередь:
Заняты все n-каналов; одна заявка стоит в очереди;
Заняты все n-каналов, r-заявок в очереди;
Заняты все n-каналов, r-заявок в очереди.
ГСП приведен на рис. 17. У каждой стрелки проставлены соответствующие интенсивности потоков событий. По стрелкам слева направо систему переводит всегда один и тот же поток заявок с интенсивностью , по стрелкам справа налево систему переводит поток обслуживании, интенсивность которого равна , умноженному на число занятых каналов.
Рис. 17. Многоканальная СМО с ожиданием
Граф типичен для процессов размножения и гибели, для которой решение ранее получено. Напишем выражения для предельных вероятностей состояний, используя обозначение : (здесь используется выражение для суммы геометрической прогрессии со знаменателем ).
Таким образом, все вероятности состояний найдены.
Определим характеристики эффективности системы.
Вероятность отказа. Поступившая заявка получает отказ, если заняты все n-каналов и все m-мест в очереди:
(18)
Относительная пропускная способность дополняет вероятность отказа до единицы:
Абсолютная пропускная способность СМО:
(19)
Среднее число занятых каналов. Для СМО с отказами оно совпадало со средним числом заявок, находящихся в системе. Для СМО с очередью среднее число занятых каналов не совпадает со средним числом заявок, находящихся в системе: последняя величина отличается от первой на среднее число заявок, находящихся в очереди.
Обозначим среднее число занятых каналов . Каждый занятый канал обслуживает в среднем -заявок в единицу времени, а СМО в целом обслуживает в среднем А-заявок в единицу времени. Разделив одно на другое, получим:
Среднее число заявок в очереди можно вычислить непосредственно как математическое ожидание дискретной случайной величины:
(20)
Здесь опять (выражение в скобках) встречается производная суммы геометрической прогрессии (см. выше (11), (12) - (14)), используя соотношение для нее, получаем:
Среднее число заявок в системе:
Среднее время ожидания заявки в очереди. Рассмотрим ряд ситуаций, различающихся тем, в каком состоянии застанет систему вновь пришедшая заявка и сколько времени ей придется ждать обслуживания.
Если заявка застанет не все каналы занятыми, ей вообще не придется ждать (соответствующие члены в математическом ожидании равны нулю). Если заявка придет в момент, когда заняты все n-каналов, а очереди нет, ей придется ждать в среднем время, равное (потому что «поток освобождений» -каналов имеет интенсивность ). Если заявка застанет все каналы занятыми и одну заявку перед собой в очереди, ей придется в среднем ждать в течение времени (по на каждую впереди стоящую заявку) и т. д. Если заявка застанет в очереди -заявок, ей придется ждать в среднем в течение времени . Если вновь пришедшая заявка застанет в очереди уже m-заявок, то она вообще не будет ждать (но и не будет обслужена). Среднее время ожидания найдем, умножая каждое из этих значений на соответствующие вероятности:
(21)
Так же, как и в случае одноканальной СМО с ожиданием, отметим, что это выражение отличается от выражения для средней длины очереди (20) только множителем , т. е.
.
Среднее время пребывания заявки в системе, так же, как и для одноканальной СМО, отличается от среднего времени ожидания на среднее время обслуживания, умноженное на относительную пропускную способность:
.
Системы с неограниченной длиной очереди. Мы рассмотрели канальную СМО с ожиданием, когда в очереди одновременно могут находиться не более m-заявок.
Так же, как и ранее, при анализе систем без ограничений необходимо рассмотреть полученные соотношения при .
Вероятности состояний получим из формул предельным переходом (при ). Заметим, что сумма соответствующей геометрической прогрессии сходится при и расходится при >1. Допустив, что <1 и устремив в формулах величину m к бесконечности, получим выражения для предельных вероятностей состояний:
(22)
Вероятность отказа, относительная и абсолютная пропускная способность. Так как каждая заявка рано или поздно будет обслужена, то характеристики пропускной способности СМО составят:
Среднее число заявок в очереди получим при из (20):
,
а среднее время ожидания - из (21):
.
Среднее число занятых каналов , как и ранее, определяется через абсолютную пропускную способность:
.
Среднее число заявок, связанных с СМО, определяется как среднее число заявок в очереди плюс среднее число заявок, находящихся под обслуживанием (среднее число занятых каналов):
Пример 2. Автозаправочная станция с двумя колонками (n = 2) обслуживает поток машин с интенсивностью =0,8 (машин в минуту). Среднее время обслуживания одной машины:
В данном районе нет другой АЗС, так что очередь машин перед АЗС может расти практически неограниченно. Найти характеристики СМО.
Поскольку<1, очередь не растет безгранично и имеет смысл говорить о предельном стационарном режиме работы СМО. По формулам (22) находим вероятности состояний:
и т. д.
Среднее число занятых каналов найдем, разделив абсолютную пропускную способность СМО А==0,8 на интенсивность обслуживания =0,5:
Вероятность отсутствия очереди у АЗС будет:
Среднее число машин в очереди:
Среднее число машин на АЗС:
Среднее время ожидания в очереди:
Среднее время пребывания машины на АЗС:
СМО с ограниченным временем ожидания. Ранее рассматривались системы с ожиданием, ограниченным только длиной очереди (числом m-заявок, одновременно находящихся в очереди). В такой СМО заявка, разраставшая в очередь, не покидает ее, пока не дождется обслуживания. На практике встречаются СМО другого типа, в которых заявка, подождав некоторое время, может уйти из очереди (так называемые «нетерпеливые» заявки).
Рассмотрим СМО подобного типа, предполагая, что ограничение времени ожидания является случайной величиной.
Предположим, что имеется n-канальная СМО с ожиданием, в которой число мест в очереди не ограничено, но время пребывания заявки в очереди является некоторой случайной величиной со средним значением, таким образом, на каждую заявку, стоящую в очереди, действует своего рода пуассоновский «поток уходов» с интенсивностью:
Если этот поток пуассоновский, то процесс, протекающий в СМО, будет марковским. Найдем для него вероятности состояний. Нумерация состояний системы связывается с числом заявок в системе - как обслуживаемых, так и стоящих в очереди:
нет очереди:
Все каналы свободны;
Занят один канал;
Заняты два канала;
Заняты все n-каналов;
есть очередь:
Заняты все n-каналов, одна заявка стоит в очереди;
Заняты все n-каналов, r-заявок стоят в очереди и т. д.
Граф состояний и переходов системы показан на рис. 23.
Рис. 23. СМО с ограниченным временем ожидания
Разметим этот граф, как и раньше; у всех стрелок, ведущих слева направо, будет стоять интенсивность потока заявок . Для состояний без очереди у стрелок, ведущих из них справа налево, будет, как и раньше, стоять суммарная интенсивность потока обслуживании всех занятых каналов. Что касается состояний с очередью, то у стрелок, ведущих из них справа налево, будет стоять суммарная интенсивность потока обслуживания всех n-каналов плюс соответствующая интенсивность потока уходов из очереди. Если в очереди стоят r-заявок, то суммарная интенсивность потока уходов будет равна .
Как видно из графа, имеет место схема размножения и гибели; применяя общие выражения для предельных вероятностей состояний в этой схеме (используя сокращенные обозначения , запишем:
(24)
Отметим некоторые особенности СМО с ограниченным ожиданием сравнительно с ранее рассмотренными СМО с «терпеливыми» заявками.
Если длина очереди не ограничена и заявки «терпеливы» (не уходят из очереди), то стационарный предельный режим существует только в случае (при соответствующая бесконечная геометрическая прогрессия расходится, что физически соответствует неограниченному росту очереди при ).
Напротив, в СМО с «нетерпеливыми» заявками, уходящими рано или поздно из очереди, установившийся режим обслуживания при достигается всегда, независимо от приведенной интенсивности потока заявок . Это следует из того, что ряд для в знаменателе формулы (24) сходится при любых положительных значениях и .
Для СМО с «нетерпеливыми» заявками понятие «вероятность отказа» не имеет смысла - каждая заявка становится в очередь, но может и не дождаться обслуживания, уйдя раньше времени.
Относительная пропускная способность, среднее число заявок в очереди. Относительную пропускную способность q такой СМО можно подсчитать следующим образом. Очевидно, обслужены будут все заявки, кроме тех, которые уйдут из очереди досрочно. Подсчитаем, какое в среднем число заявок покидает очередь досрочно. Для этого вычислим среднее число заявок в очереди:
На каждую из этих заявок действует «поток уходов» с интенсивностью . Значит, из среднего числа -заявок в очереди в среднем будет уходить, не дождавшись обслуживания, -заявок в единицу времени и всего в единицу времени в среднем будет обслуживаться -заявок. Относительная пропускная способность СМО будет составлять:
Среднее число занятых каналов по-прежнему получаем, деля абсолютную пропускную способность А на :
(26)
Среднее число заявок в очереди. Соотношение (26) позволяет вычислить среднее число заявок в очереди , не суммируя бесконечного ряда (25). Из (26) получаем:
а входящее в эту формулу среднее число занятых каналов можно найти как математическое ожидание случайной величины Z, принимающей значения 0, 1, 2,..., n с вероятностями ,:
В заключение заметим, что если в формулах (24) перейти к пределу при (или, что то же, при ), то при получатся формулы (22), т. е. «нетерпеливые» заявки станут «терпеливыми».
До сих пор мы рассматривали системы, в которых входящий поток никак не связан с выходящим. Такие системы называются разомкнутыми. В некоторых же случаях обслуженные требования после задержки опять поступают на вход. Такие СМО называются замкнутыми. Поликлиника, обслуживающая данную территорию, бригада рабочих, закрепленная за группой станков, являются примерами замкнутых систем.
В замкнутой СМО циркулирует одно и то же конечное число потенциальных требований. Пока потенциальное требование не реализовалось в качестве требования на обслуживание, считается, что оно находится в блоке задержки. В момент реализации оно поступает в саму систему. Например, рабочие обслуживают группу станков. Каждый станок является потенциальным требованием, превращаясь в реальное в момент своей поломки. Пока станок работает, он находится в блоке задержки, а с момента поломки до момента окончания ремонта - в самой системе. Каждый рабочий является каналом обслуживания.
Пусть n - число каналов обслуживания, s - число потенциальных заявок, n <s , - интенсивность потока заявок каждого потенциального требования, μ - интенсивность обслуживания:
Вероятность простоя системы определяется формулой
Р
0
= 
.
Финальные вероятности состояний системы:
P k
=
при k
Через эти вероятности выражается среднее число занятых каналов
=P 1 + 2P 2 +…+n(P n +P n+ 1 +…+P s) или
=P 1 + 2P 2 +…+(n- 1)P n- 1 +n( 1-P 0 -P 1 -…-P n-1 ).
Через находим абсолютную пропускную способность системы:
а также среднее число заявок в системе
М =s- =s- .
Пример 1 . На вход трехканальной СМО с отказами поступает поток заявок с интенсивностью =4 заявки в минуту, время обслуживания заявки одним каналом t обсл =1/μ =0,5 мин. Выгодно ли с точки зрения пропускной способности СМО заставить все три канала обслуживать заявки сразу, причем среднее время обслуживания уменьшается втрое? Как это скажется на среднем времени пребывания заявки в СМО?
Решение. Находим вероятность простоя трехканальной СМО по формуле
ρ = /μ =4/2=2, n=3,
Р 0 = = = 0,158.
Вероятность отказа определяем по формуле:
Р отк =Р n ==
P отк = 0,21.
Относительная пропускная способность системы:
Р обсл = 1-Р отк 1-0,21=0,79.
Абсолютная пропускная способность системы:
А= Р обсл 3,16.
Среднее число занятых каналов определяем по формуле:
1,58, доля каналов, занятых обслуживанием,
q = 0,53.
Cреднее время пребывания заявки в СМО находим как вероятность того, что заявка принимается к обслуживанию, умноженную на среднее время обслуживания: t СМО 0,395 мин.
Объединяя все три канала в один, получаем одноканальную систему с параметрами μ= 6, ρ= 2/3. Для одноканальной системы вероятность простоя:
Р 0 = = =0,6,
вероятность отказа:
Р отк =ρ Р 0 = = 0,4,
относительная пропускная способность:
Р обсл = 1-Р отк =0,6,
абсолютная пропускная способность:
А= Р обсл =2,4.
t СМО =Р обсл = =0,1 мин.
В результате объединения каналов в один пропускная способность системы снизилась, так как увеличилась вероятность отказа. Среднее время пребывания заявки в системе уменьшилось.
Пример 2 . На вход трехканальной СМО с неограниченной очередью поступает поток заявок с интенсивностью =4 заявки в час, среднее время обслуживания одной заявки t =1/μ=0,5 ч. Найти показатели эффективности работы системы.
Для рассматриваемой системы n =3, =4, μ=1/0,5=2, ρ= /μ=2, ρ/n =2/3<1. Определяем вероятность простоя по формуле:
Р=
.
P
0
= 
=1/9.
Среднее число заявок в очереди находим по формуле:
L
=
.
L = = .
Среднее время ожидания заявки в очереди считаем по формуле:
t = = 0,22 ч.
Среднее время пребывания заявки в системе:
Т=t+ 0,22+0,5=0,72.
Пример 3 . В парикмахерской работают 3 мастера, а в зале ожидания расположены 3 стула. Поток клиентов имеет интенсивность =12 клиентов в час. Среднее время обслуживания t обсл =20 мин. Определить относительную и абсолютную пропускную способность системы, среднее число занятых кресел, среднюю длину очереди, среднее время, которое клиент проводит в парикмахерской.
Для данной задачи n =3, m =3, =12, μ =3, ρ =4, ρ/n =4/3. Вероятность простоя определяем по формуле:
Р
0
=
.
P
0
= 
0,012.
Вероятность отказа в обслуживании определяем по формуле
Р отк =Р n+m = .
P отк =P n + m 0,307.
Относительная пропускная способность системы, т.е. вероятность обслуживания:
P обсл =1-P отк 1-0,307=0,693.
Абсолютная пропускная способность:
А= Р обсл 12 .
Среднее число занятых каналов:
.
Средняя длина очереди определяется по формуле:
L
=
L= 
1,56.
Среднее время ожидания обслуживания в очереди:
t = ч.
Среднее число заявок в СМО:
M=L + .
Среднее время пребывания заявки в СМО:
Т=М/ 0,36 ч.
Пример 4 . Рабочий обслуживает 4 станка. Каждый станок отказывает с интенсивностью =0,5 отказа в час, среднее время ремонта t рем =1/μ=0,8 ч. Определить пропускную способность системы.
Эта задача рассматривает замкнутую СМО, μ =1,25, ρ=0,5/1,25=0,4. Вероятность простоя рабочего определяем по формуле:
Р
0
=
.
P
0
= 
.
Вероятность занятости рабочего Р зан = 1-Р 0 . А=( 1-P 0 )μ =0,85μ станков в час.
Задача:
Два рабочих обслуживают группу из четырех станков. Остановки работающего станка происходят в среднем через 30 мин. Среднее время наладки составляет 15 мин. Время работы и время наладки распределено по экспоненциальному закону.
Найдите среднюю долю свободного времени для каждого рабочего и среднее время работы станка.
Найдите те же характеристики для системы, в которой:
а) за каждым рабочим закреплены два станка;
б) два рабочих всегда обслуживают станок вместе, причем с двойной интенсивностью;
в) единственный неисправный станок обслуживают оба рабочих сразу (с двойной интенсивностью), а при появлении еще хотя бы одного неисправного станка они начинают работать порознь, причем каждый обслуживает один станок (вначале опишите систему в терминах процессов гибели и рождения).
Решение:
Возможны следующие состояния системы S:
S 0 – все станки исправны;
S 1 – 1 станок ремонтируется, остальные исправны;
S 2 – 2 станок ремонтируется, остальные исправны;
S 3 – 3 станок ремонтируется, остальные исправны;
S 4 – 4 станок ремонтируется, остальные исправны;
S 5 – (1, 2) станки ремонтируются, остальные исправны;
S 6 – (1, 3) станки ремонтируются, остальные исправны;
S 7 – (1, 4) станки ремонтируются, остальные исправны;
S 8 – (2, 3) станки ремонтируются, остальные исправны;
S 9 – (2, 4) станки ремонтируются, остальные исправны;
S 10 – (3, 4) станки ремонтируются, остальные исправны;
S 11 – (1, 2, 3) станки ремонтируются, 4 станок исправен;
S 12 – (1, 2, 4) станки ремонтируются, 3 станок исправен;
S 13 – (1, 3, 4) станки ремонтируются, 2 станок исправен;
S 14 – (2, 3, 4) станки ремонтируются, 1 станок исправен;
S 15 – все станки ремонтируются.
Граф состояний системы…
Данная система S является примером замкнутой системы, так как каждый станок является потенциальным требованием, превращаясь в реальное в момент своей поломки. Пока станок работает, он находится в блоке задержки, а с момента поломки до момента окончания ремонта – в самой системе. Каждый рабочий является каналом обслуживания.
Если рабочий занят, он налаживает μ-станков в единицу времени, пропускная способность системы:
Ответ:
Средняя доля свободного времени для каждого рабочего ≈ 0,09.
Среднее время работы станка ≈ 3,64.
а) За каждым рабочим закреплены два станка.
Вероятность простоя рабочего определяется по формуле:
Вероятность занятости рабочего:
Если рабочий занят, он налаживает μ-станков в единицу времени, пропускная способность системы:
Ответ:
Средняя доля свободного времени для каждого рабочего ≈ 0,62.
Среднее время работы станка ≈ 1,52.
б) Два рабочих всегда обслуживают станок вместе, причем с двойной интенсивностью.
в) Единственный неисправный станок обслуживают оба рабочих сразу (с двойной интенсивностью), а при появлении еще хотя бы одного неисправного станка они начинают работать порознь, причем каждый обслуживает один станок (вначале опишите систему в терминах процессов гибели и рождения).
Сравнение 5 ответов:
Наиболее эффективным способом организации рабочих за станками будет являться начальный вариант задачи.
Выше были рассмотрены примеры простейших систем массового обслуживания (СМО). Понятие «простейшие» не означает «элементарные». Математические модели этих систем применимы и успешно используются в практических расчетах.
Возможность применения теории принятия решений в системах массового обслуживания определяется следующими факторами:
1. Количество заявок в системе (которая рассматривается как СМО) должно быть достаточно велико (массово).
2. Все заявки, поступающие на вход СМО, должны быть однотипными.
3. Для расчетов по формулам необходимо знать законы, определяющие поступление заявок и интенсивность их обработки. Более того, потоки заявок должны быть Пуассоновскими.
4. Структура СМО, т.е. набор поступающих требований и последовательность обработки заявки, должна быть жестко зафиксирована.
5. Необходимо исключить из системы субъектов или описывать их как требования с постоянной интенсивностью обработки.
К перечисленным выше ограничениям можно добавить еще одно, оказывающее сильное влияние на размерность и сложность математической модели.
6. Количество используемых приоритетов должно быть минимальным. Приоритеты заявок должны быть постоянными, т.е. они не могут меняться в процессе обработки внутри СМО.
В ходе выполнения работы была достигнута основная цель – изучен основной материал «СМО с ограниченным временем ожидания» и «Замкнутые СМО», которая была поставлена преподавателем учебной дисциплины. Также мы ознакомились применением полученных знаний на практике, т.е. закрепили пройденный материал.
1) http://www.5ballov.ru.
2) http://www.studentport.ru.
3) http://vse5ki.ru.
4) http://revolution..
5) Фомин Г.П. Математические методы и модели в коммерческой деятельности. М: Финансы и статистика, 2001.
6) Гмурман В.Е. Теория вероятностей и математическая статистика. М: Высшая школа, 2001.
7) Советов Б.А., Яковлев С.А. Моделирование систем. М: Высшая школа, 1985.
8) Лифшиц А.Л. Статистическое моделирование СМО. М., 1978.
9) Вентцель Е.С. Исследование операций. М: Наука, 1980.
10) Вентцель Е.С., Овчаров Л.А. Теория вероятностей и её инженерные приложения. М: Наука, 1988.
В общем случае сеть СМО (Queuing Networks) можно представить в виде графа, вершинами которого являются одноканальные и многоканальные СМО (дуги определяют потоки передачи требований).
Другими словами сеть СМО (Queuing Networks) представляет собой сеть, в которой узлами являются одноканальные и многоканальные СМО, связанные между собой каналами передач.
Различают замкнутые и разомкнутые сети.
Простейшая разомкнутая или открытая сеть получается при последовательном соединении СМО. Она еще называется многофазной СМО:
Для разомкнутой сети имеются источники требований и стоки требований.
Замкнутая сеть СМО соединяется следующим образом:
Для замкнутой вероятностной сети не существует внешних источников собщений, то есть в ней всегда находится одно и то же количество заявок.
Для расчетов сетей массового обслуживания используется теория вероятностных сетей, которая основывается на марковских и полумарковских процессах, но большинство результатов получено только для экспоненциальных законов распределения. При количестве узлов сети больше трех для расчетов используются численные приближенные методы. Операционный анализ в отличие от теории массового обслуживания опирается на логику работы рассматриваемой или моделируемой системы. Это позволяет установить простые зависимости между параметрами и показателями работы системы, не абстрагируясь от процессов ее функционирования.
Основная задача операционного анализа вероятностных сетей состоит в определении таких показателей, как среднее время пребывания требований в отдельных узлах сети, загрузка устройств в узлах, средние длины очередей к узлам и т.п.
Большинство результатов операционного анализа касается замкнутых сетей, когда требования, которые покидают сеть, снова возвращаются в нее. Замкнутые сети можно использовать, когда рассматриваемая система работает с перегрузкой. В этом случае можно считать, что вместо требования, которое покинуло систему, в систему поступает другое требование с такими же параметрами.
Для определения характеристик сети СМО необходимо определить интенсивности потоков заявок в каждой системе, т.е. среднее число заявок, поступающих в систему за единицу времени в установившемся режиме . Среднее число заявок, покидающих систему, равно среднему числу поступающих заявок, и, следовательно,
В матричной форме это выражение имеет вид:λ= λT
Интенсивности потоков заявок в СМО зависят от λ0, следовательно, можно определить: ,
где λ0 - интенсивность источника заявок (интенсивность потока, поступающего на вход сети).
Допустим, сеть замкнута, и в ней циркулирует конечное число заявок. Тогда
Здесь интенсивности потоков определяются общим числом требований в сети. Выбрав некоторую СМО i0 за базовую, можно определить .
Важной характеристикой сети СМО служит среднее время пребывания в ней заявки. Пусть сеть разомкнута. В установившемся режиме вероятность нахождения заявки в СМО определяется P=PT
Сравнивая с λ= λT, получаем:
где Pj - вероятность нахождения заявки в j-й СМО.
Относительная частота прохождения требования через систему j за достаточно большой интервал времени t : где nj - число случаев, когда заявка оказалась в системе j; N- общее число заявок, прошедших через сеть. <=Тогда
При достаточно большом интервале времени
Таким образом, требования, поступающие из источника, αj раз проходят через систему с номером j, прежде чем вернуться в источник.
Следовательно, где - среднее время пребывания заявки в СМО с номером j. Сложность расчета сетей СМО заключается в том, что простейший поток заявок, поступающий в систему, на ее выходе в общем случае будет обладать последействием. А в этом случае нельзя применять рассмотренный выше аппарат анализа марковских СМО. Однако, если на всех приборах сети длительность обслуживания распределена по показательному закону, то выходящие из СМО потоки заявок будут пуассоновскими. Такие сети называются показательными. Для показательных сетей существует установившийся режим, если для каждой i
Цели планирования экспериментов с моделями систем.
Теория исходит из абстрактной схемы сложной системы, называемой «черным ящиком» (рисунок 8.1). Считается, что исследователь может наблюдать входы и выходы «черного ящика» (имитационной модели) и по результатам наблюдений определять зависимость между входами и выходами. Эксперимент на имитационной модели будем рассматривать состоящим из наблюдений, а каждое наблюдение - из прогонов модели. Входные переменные х 1 , х 2 , ..., х т называются факторами. Выходная переменная у называется наблюдаемой переменной (реакцией, откликом). Факторное пространство - это множество факторов, значения которых исследователь может контролировать в ходе подготовки и проведения модельного эксперимента.
Каждый фактор имеет уровни. Уровни - это значения, которые устанавливаются для каждого фактора при определении условий прогона модели в наблюдении. Целью эксперимента является нахождение функции у, при этом предполагается, что значение отклика складывается из двух составляющих: y = f(x l ,x 2 , ..., х m ,) + е(х 1 х 2 , ..., х т), где f(x l ,x 2 , ..., х т) - функция отклика (неслучайная функция факторов); е(х 1 х 2 , ..., х т ) - ошибка эксперимента (случайная величина); х 1 х 2 , ..., х т - определенное сочетание уровней факторов из факторного пространства. Очевидно, что у является случайной переменной, так как зависит от случайной величины е(х 1 х 2 , ..., х т). Дисперсия D [у], которая характеризует точность измерений, равна дисперсии ошибки опыта: D [у] = D [е]. Дисперсионный анализ - это статистический метод анализа результатов наблюдений, зависящих от различных, одновременно действующих факторов, выбор наиболее важных факторов и оценка их влияния. В условиях эксперимента факторы могут варьировать, благодаря чему можно исследовать влияние фактора на наблюдаемую переменную. Если влияние некоторого фактора на наблюдаемую переменную изменяется при изменении уровня некоторого другого фактора, говорят, что между факторами существует взаимодействие. (ПФЭ). Общее число различных сочетаний уровней в ПФЭ для т S = где к i - число уровней i -го фактора. Если число уровней для всех факторов одинаково, то S = k m . Каждому сочетанию уровней факторов соответствует одно наблюдение. Недостаток ПФЭ - большие затраты на подготовку и проведение, так как с увеличением числа факторов и их уровней число наблюдений в эксперименте растет. Например, если имеется шесть факторов с двумя уровнями каждый, то даже при одном прогоне модели в каждом наблюдении нужно S = 2 6 = 64 наблюдения. Очевидно, что каждый прогон удваивает это число, следовательно, увеличивает затраты машинного времени. Такого рода задачи и явились одной из причин возникновения теории планирования экспериментов. Планирование экспериментов - один из разделов математической статистики, изучающий рациональную организацию измерений, подверженных случайным ошибкам. Планом эксперимента называется совокупность значений факторов, при которых находятся значения оценок функции отклика, удовлетворяющих некоторому критерию оптимальности, например, точности. Различают стратегическое планирование эксперимента и тактическое планирование эксперимента.
23. Стратегическое планирование имитационного эксперимента .
Целью стратегического планирования эксперимента является определение количества наблюдений и сочетаний уровней факторов в них для получения наиболее полной и достоверной информации о поведении системы.
При стратегическом планировании эксперимента должны быть решены две основные задачи.
1.Идентификация факторов.
2.Выбор уровней факторов.
Под идентификацией факторов понимается их ранжирование по степени влияния на значение наблюдаемой переменной.
По итогам идентификации целесообразно разделить все факторы на две группы - первичные и вторичные.
Первичные - это факторы, исследование которых необходимо провести.
Вторичные - факторы, которые не являются предметом исследования, но влиянием которых нельзя пренебречь.
Выбор уровней факторов производится с учетом двух противоречивых требований:
Уровни фактора должны перекрывать весь возможный диапазон его изменения;
Общее количество уровней по всем факторам не должно приводить к большому количеству наблюдений.
Отыскание компромиссного решения, удовлетворяющего этим требованиям, и является задачей стратегического планирования эксперимента.
Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПФЭ).
Общее число различных сочетаний уровней в ПФЭ для т факторов можно вычислить по формуле:
S = k 1 · k 2 · k 3 · ... k i · ... · k m ,
где к i - число уровней i -го фактора.
Если число уровней для всех факторов одинаково, то S = k^ m . Каждому сочетанию уровней факторов соответствует одно наблюдение.
Недостаток ПФЭ - большие затраты на подготовку и проведение, так как с увеличением числа факторов и их уровней число наблюдений в эксперименте растет.
Если в эксперименте производится лишь часть возможных наблюдений, т. е. уменьшается выборка, эксперимент называется частичным факторным экспериментом (ЧФЭ).
Когда используется выборка меньшая, чем того требует ПФЭ, плата за это осуществляется риском смешивания эффектов. Под смешиванием понимается то, что исследователь, измеряя один эффект, в то же время измеряет, возможно, и некоторый другой эффект. Например, если главный эффект смешивается с взаимодействием более высокого порядка, то эти два эффекта уже невозможно отделить друг от друга.
При построении плана ЧФЭ исследователь должен определить эффекты, смешивание которых он может допустить. Успех ЧФЭ достигается в случае, если его план позволяет не смешивать ни один главный эффект с другим.
Если число факторов невелико (обычно меньше пяти), то ЧФЭ нецелесообразен вследствие смешивания эффектов, не позволяющего различить главные эффекты и важные взаимодействия.
В качестве примера рассмотрим план дробного факторного эксперимента (ДФЭ) - одного из видов ЧФЭ, с полным числом возможных сочетаний 2 5 . В ДФЭ каждый фактор имеет два уровня - нижний и верхний, поэтому общее число наблюдений S = 2 т.
3. Замкнутые СМО
До сих пор мы рассматривали системы, в которых входящий поток никак не связан с выходящим. Такие системы называются разомкнутыми. В некоторых же случаях обслуженные требования после задержки опять поступают на вход. Такие СМО называются замкнутыми. Поликлиника, обслуживающая данную территорию, бригада рабочих, закрепленная за группой станков, являются примерами замкнутых систем.
В замкнутой СМО циркулирует одно и то же конечное число потенциальных требований. Пока потенциальное требование не реализовалось в качестве требования на обслуживание, считается, что оно находится в блоке задержки. В момент реализации оно поступает в саму систему. Например, рабочие обслуживают группу станков. Каждый станок является потенциальным требованием, превращаясь в реальное в момент своей поломки. Пока станок работает, он находится в блоке задержки, а с момента поломки до момента окончания ремонта - в самой системе. Каждый рабочий является каналом обслуживания.
Пусть n - число каналов обслуживания, s - число потенциальных заявок, n Вероятность простоя системы определяется формулой Р 0 = Финальные вероятности состояний системы: P k = при k Через эти вероятности выражается среднее число занятых каналов P 1 +2P 2 +…+n(P n +P n+ 1 +…+P s) или P 1 +2P 2 +…+(n-1)P n- 1 +n(1-P 0 -P 1 -…-P n-1). Через находим абсолютную пропускную способность системы: а также среднее число заявок в системе Пример 1. На вход трехканальной СМО с отказами поступает поток заявок с интенсивностью =4 заявки в минуту, время обслуживания заявки одним каналом t обсл =1/μ =0,5 мин. Выгодно ли с точки зрения пропускной способности СМО заставить все три канала обслуживать заявки сразу, причем среднее время обслуживания уменьшается втрое? Как это скажется на среднем времени пребывания заявки в СМО? Решение. Находим вероятность простоя трехканальной СМО по формуле ρ = /μ =4/2=2, n=3, Р 0 = = = 0,158. Вероятность отказа определяем по формуле: Р отк =Р n == P отк = 0,21. Относительная пропускная способность системы: Р обсл =1-Р отк 1-0,21=0,79. Абсолютная пропускная способность системы: А= Р обсл 3,16. Среднее число занятых каналов определяем по формуле: 1,58, доля каналов, занятых обслуживанием, Cреднее время пребывания заявки в СМО находим как вероятность того, что заявка принимается к обслуживанию, умноженную на среднее время обслуживания: t СМО 0,395 мин. Объединяя все три канала в один, получаем одноканальную систему с параметрами μ=6, ρ=2/3. Для одноканальной системы вероятность простоя: Р 0 = = =0,6, вероятность отказа: Р отк =ρ Р 0 = =0,4, относительная пропускная способность: Р обсл =1-Р отк =0,6, абсолютная пропускная способность: А= Р обсл =2,4. t СМО =Р обсл = =0,1 мин. В результате объединения каналов в один пропускная способность системы снизилась, так как увеличилась вероятность отказа. Среднее время пребывания заявки в системе уменьшилось. Пример 2. На вход трехканальной СМО с неограниченной очередью поступает поток заявок с интенсивностью =4 заявки в час, среднее время обслуживания одной заявки t=1/μ=0,5 ч. Найти показатели эффективности работы системы. Для рассматриваемой системы n=3, =4, μ=1/0,5=2, ρ= /μ=2, ρ/n=2/3<1. Определяем вероятность простоя по формуле: Р= P 0 = Среднее число заявок в очереди находим по формуле: L= Среднее время ожидания заявки в очереди считаем по формуле: Среднее время пребывания заявки в системе: Т=t+ 0,22+0,5=0,72. Пример 3. В парикмахерской работают 3 мастера, а в зале ожидания расположены 3 стула. Поток клиентов имеет интенсивность =12 клиентов в час. Среднее время обслуживания t обсл =20 мин. Определить относительную и абсолютную пропускную способность системы, среднее число занятых кресел, среднюю длину очереди, среднее время, которое клиент проводит в парикмахерской. Для данной задачи n=3, m=3, =12, μ=3, ρ=4, ρ/n=4/3. Вероятность простоя определяем по формуле: Р 0 = P 0 = Вероятность отказа в обслуживании определяем по формуле Р отк =Р n+m = . P отк =P n + m 0,307. Относительная пропускная способность системы, т.е. вероятность обслуживания: P обсл =1-P отк 1-0,307=0,693. Абсолютная пропускная способность: А= Р обсл 12 . Среднее число занятых каналов: Средняя длина очереди определяется по формуле: L= L= Среднее время ожидания обслуживания в очереди: Среднее число заявок в СМО: Среднее время пребывания заявки в СМО: Т=М/ 0,36 ч. Пример 4. Рабочий обслуживает 4 станка. Каждый станок отказывает с интенсивностью =0,5 отказа в час, среднее время ремонта t рем =1/μ=0,8 ч. Определить пропускную способность системы. Эта задача рассматривает замкнутую СМО, μ=1,25, ρ=0,5/1,25=0,4. Вероятность простоя рабочего определяем по формуле: Р 0 = P 0 = Вероятность занятости рабочего Р зан =1-Р 0 . А=(1-P 0)μ=0,85μ станков в час. Решение задачи Два рабочих обслуживают группу из четырех станков. Остановки работающего станка происходят в среднем через 30 мин. Среднее время наладки составляет 15 мин. Время работы и время наладки распределено по экспоненциальному закону. Найдите среднюю долю свободного времени для каждого рабочего и среднее время работы станка. Найдите те же характеристики для системы, в которой: а) за каждым рабочим закреплены два станка; б) два рабочих всегда обслуживают станок вместе, причем с двойной интенсивностью; в) единственный неисправный станок обслуживают оба рабочих сразу (с двойной интенсивностью), а при появлении еще хотя бы одного неисправного станка они начинают работать порознь, причем каждый обслуживает один станок (вначале опишите систему в терминах процессов гибели и рождения). Возможны следующие состояния системы S: S 0 – все станки исправны; S 1 – 1 станок ремонтируется, остальные исправны; S 2 – 2 станок ремонтируется, остальные исправны; S 3 – 3 станок ремонтируется, остальные исправны; S 4 – 4 станок ремонтируется, остальные исправны; S 5 – (1, 2) станки ремонтируются, остальные исправны; S 6 – (1, 3) станки ремонтируются, остальные исправны; S 7 – (1, 4) станки ремонтируются, остальные исправны; S 8 – (2, 3) станки ремонтируются, остальные исправны; S 9 – (2, 4) станки ремонтируются, остальные исправны; S 10 – (3, 4) станки ремонтируются, остальные исправны; S 11 – (1, 2, 3) станки ремонтируются, 4 станок исправен; S 12 – (1, 2, 4) станки ремонтируются, 3 станок исправен; S 13 – (1, 3, 4) станки ремонтируются, 2 станок исправен; S 14 – (2, 3, 4) станки ремонтируются, 1 станок исправен; S 15 – все станки ремонтируются. Граф состояний системы… Данная система S является примером замкнутой системы, так как каждый станок является потенциальным требованием, превращаясь в реальное в момент своей поломки. Пока станок работает, он находится в блоке задержки, а с момента поломки до момента окончания ремонта – в самой системе. Каждый рабочий является каналом обслуживания. Если рабочий занят, он налаживает μ-станков в единицу времени, пропускная способность системы: Средняя доля свободного времени для каждого рабочего ≈ 0,09. Среднее время работы станка ≈ 3,64. а) За каждым рабочим закреплены два станка. Вероятность простоя рабочего определяется по формуле: Вероятность занятости рабочего: Если рабочий занят, он налаживает μ-станков в единицу времени, пропускная способность системы: Средняя доля свободного времени для каждого рабочего ≈ 0,62. Среднее время работы станка ≈ 1,52. б) Два рабочих всегда обслуживают станок вместе, причем с двойной интенсивностью. в) Единственный неисправный станок обслуживают оба рабочих сразу (с двойной интенсивностью), а при появлении еще хотя бы одного неисправного станка они начинают работать порознь, причем каждый обслуживает один станок (вначале опишите систему в терминах процессов гибели и рождения). Сравнение 5 ответов: Наиболее эффективным способом организации рабочих за станками будет являться начальный вариант задачи. Заключение Выше были рассмотрены примеры простейших систем массового обслуживания (СМО). Понятие «простейшие» не означает «элементарные». Математические модели этих систем применимы и успешно используются в практических расчетах. Возможность применения теории принятия решений в системах массового обслуживания определяется следующими факторами: 1. Количество заявок в системе (которая рассматривается как СМО) должно быть достаточно велико (массово). 2. Все заявки, поступающие на вход СМО, должны быть однотипными. 3. Для расчетов по формулам необходимо знать законы, определяющие поступление заявок и интенсивность их обработки. Более того, потоки заявок должны быть Пуассоновскими. 4. Структура СМО, т.е. набор поступающих требований и последовательность обработки заявки, должна быть жестко зафиксирована. 5. Необходимо исключить из системы субъектов или описывать их как требования с постоянной интенсивностью обработки. К перечисленным выше ограничениям можно добавить еще одно, оказывающее сильное влияние на размерность и сложность математической модели. 6. Количество используемых приоритетов должно быть минимальным. Приоритеты заявок должны быть постоянными, т.е. они не могут меняться в процессе обработки внутри СМО. В ходе выполнения работы была достигнута основная цель – изучен основной материал «СМО с ограниченным временем ожидания» и «Замкнутые СМО», которая была поставлена преподавателем учебной дисциплины. Также мы ознакомились применением полученных знаний на практике, т.е. закрепили пройденный материал. Список литературы 1) http://www.5ballov.ru. 2) http://www.studentport.ru. 3) http://vse5ki.ru. 4) http://revolution.. 5) Фомин Г.П. Математические методы и модели в коммерческой деятельности. М: Финансы и статистика, 2001. 6) Гмурман В.Е. Теория вероятностей и математическая статистика. М: Высшая школа, 2001. Остальных состояний системы. В результате получим систему уравнений: Решение этой системы будет иметь вид: (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... 2-3 Поиск литературы 7 1 7 2-4 Разработка модели разветвленной СМО 6 1 6 3 Поиск литературы завершен 3-6 Изучение литературы по теории массового обслуживания 10 1 10 4 Модель разработана 4-5 Разработка алгоритма программы 10 1 10 5 Алгоритм программы разработан 5-7 Выбор среды программиро-вания и создание программы 30 1 ... Очередь длины k, остается в ней с вероятностью Pk и не присоединяется к очереди с вероятностью gk=1 - Pk,". именно так обычно ведут себя люди в очередях. В системах массового обслуживания, являющихся математическими моделями производственных процессов, возможная длина очереди ограничена постоянной величиной (емкость бункера, например). Очевидно, это частный случай общей постановки. Некоторые... До сих пор мы рассматривали системы, в которых входящий поток никак не связан с выходящим. Такие системы называются разомкнутыми
. В некоторых же случаях обслуженные требования после задержки опять поступают на вход. Такие СМО называются замкнутыми
. · Поликлиника, обслуживающая данную территорию. · Бригада рабочих, закрепленная за группой станков. В замкнутых СМО циркулирует одно и то же конечное число потенциальных требований. Пока потенциальное требование не реализовалось в качестве требования на обслуживание, считается, что оно находится в блоке задержки
. В момент реализации оно поступает в саму систему. Например, рабочие обслуживают группу станков. Каждый станок является потенциальным требованием, превращаясь в реальное в момент своей поломки. Пока станок работает, он находится в блоке задержки, а с момента поломки до момента окончания ремонта – в самой системе. Каждый работник является каналом обслуживания. Пусть n
– число каналов обслуживания, s
– число потенциальных заявок, λ –интенсивность потока заявок каждого потенциального требования, m – интенсивность обслуживания, . Поток · Вероятность простоя
(того, что все обслуживающие аппараты свободны, нет заявок): · Финальные вероятности состояний системы
Через эти вероятности выражается среднее число замкнутых каналов
:
Через находим абсолютную пропускную способность системы
а также среднее число заявок в системе
Пример решения задачи.
Рабочий обслуживает 4 станка. Каждый станок отказывает с интенсивностью λ = 0,5 отказа в час. Среднее время ремонта Решение
Эта задача рассматривает замкнутую СМО, Вероятность простоя рабочего определяется по формуле (27): Вероятность занятости рабочего Если рабочий занят, он налаживает станков в единицу времени, пропускная способность системы Станков в час. Ø Важно помнить.
При применении экономического показателя важно правильно оценить реальные издержки, которые могут изменяться, например, от времени года, от объема запасов угля и пр. На практике часто встречаются; замкнутые системы обслуживания, у которых входящий поток заявок существенным образом зависит от состояния самой СМО. В качестве примера можно привести ситуацию, когда на ремонтную базу поступают с мест эксплуатации некоторые машины: понятно, что чем больше машин находится в состоянии ремонта, тем меньше их продолжает эксплуатироваться и тем меньше интенсивность потока вновь поступающих на ремонт машин. Для замкнутых СМО характерным является ограниченное число источников заявок, причем каждый источник «блокируется» на время обслуживания его заявки (т.е. он не выдает новых заявок). В подобных системах при конечном числе состояний СМО предельные вероятности будут существовать при любых значения интенсивностей потоков заявок и обслуживании. Они могут быть вычислены, если вновь обратиться к процессу гибели и размножения. Задание к работе:
1. Станция «Железная дорога» в мегаполисе принимает составы для разгрузки угля на платформах. В среднем за сутки на станцию прибывают 16 составов с углем. Поступление носит случайный характер. Плотность прихода составов показала, что поступление на разгрузку удовлетворяет пуассоновскому потоку с параметром состава в час. Время разгрузки состава является случайной величиной, удовлетворяющей экспоненциальному закону со средним временем разгрузки час. Простой состава в сутки составляет y.e; простой платформы в сутки за опоздание прихода состава – y.e; стоимость эксплуатации платформы в сутки – y.e. Издержки подсчитать за сутки. Требуется провести анализ эффективности функционирования станции. 2. Интернет-провайдер в небольшом городе имеет 5 выделенных каналов обслуживания. В среднем на обслуживание одного клиента уходит 25 минут. В систему в среднем поступает 6 заказов в час. Если свободных каналов нет, следует отказ. Определить характеристики обслуживания: вероятность отказа, среднее число занятых обслуживанием линий связи, абсолютную и относительную пропускные способности, вероятность обслуживания. Найти число выделенных каналов, при котором относительная пропускная способность системы будет не менее 0,95. Считать, что потоки заявок и обслуживаний простейшие. 3. Порт имеет один причал для разгрузки судов. Интенсивность потока 0,4 в сутки, среднее время разгрузки одного судна 2 суток. В предположении неограниченности очереди определить показатели эффективности работы причала и вероятность ожидания разгрузки не более 2 судов. 4. Порт имеет один причал для разгрузки судов. Интенсивность потока 0,4 в сутки, среднее время разгрузки одного судна 2 суток. Определить показатели работы порта при условии, что судно покидает порт при наличии в очереди более 3 судов. Порядок выполнения работы:
1. Изучить инструкцию к практической работе. 2. Выполнить задание. 3. Оформить отчет. 3. Задачи. 4. Материальное обеспечение. 5. Практическое задание. Вопросы для самоконтроля:
1. Дайте определение системы массового обслуживания с отказами. 2. Определите процесс функционирования системы массового обслуживания с отказами. 3. Перечислите основные характеристики системы массового обслуживания с отказами. 4. Дайте определение системы массового обслуживания с ограниченной очередью. 5. Определите процесс функционирования системы массового обслуживания с ограниченной очередью. 6. Перечислите основные характеристики системы массового обслуживания с ограниченной очередью. 7. В чем особенности замкнутых систем массового обслуживания?
.
.
=1/9.
.
.
0,012.
.
1,56.
.
.
(27)
(28)
(31)
ч. Определить пропускную способность системы.
.