Субд как системы массового обслуживания. Основные показатели эффективности работы смо

Расчет показателей эффективности открытой одноканальной СМО с отказами. Расчет показателей эффективности открытой многоканальной СМО с отказами. Расчет показателей эффективности многоканальной СМО с ограничением на длину очереди. Расчет показателей эффективности многоканальной СМО ожиданием.

1. Потоки заявок в СМО

2. Законы обслуживания

3. Критерии качества работы СМО

5. Параметры моделей очередей. При анализе систем массового

6. I. Модель А – модель одноканальной системы массового обслуживания с Пуассоновским входным потоком заявок и Экспоненциальным временем обслуживания.

7. II. Модель В – многоканальная система обслуживания.

8. III. Модель С – модель с постоянным временем обслуживания.

9. IV. Модель D – модель с ограниченной популяцией.

Потоки заявок в СМО

Потоки заявок бывают входные и выходные. Входной поток заявок - ϶ᴛᴏ временная последовательность событий на входе СМО, для которой появление события (заявки) подчиняется вероятностным (или детерминированным) законам. В случае если требования на обслуживание приходят в соответствие, с каким – либо графиком (к примеру, автомобили приезжают на АЗС каждые 3 минуты) то такой поток подчиняется детерминированным (определенным) законам. Но, как правило, поступление заявок подчиняется случайным законам. Для описания случайных законов в теории массового обслуживания вводится в рассмотрение модель потоков событий. Потоком событий принято называть последовательность событий, следующих одно за другим в случайные моменты времени . В качестве событий могут фигурировать поступление заявок на вход СМО (на вход блока очереди), появление заявок на входе прибора обслуживания (на выходе блока очереди) и появление обслуженных заявок на выходе СМО.
Потоки событий обладают различными свойствами, которые позволяют различать различные типы потоков. Прежде всего, потоки бывают однородными инеоднородными. Однородные потоки – такие потоки, в которых поток требований обладает одинаковыми свойствами: имеют приоритет первым пришел – первым обслужен, обрабатываемые требования имеют одинаковые физические свойства. Неоднородные потоки – такие потоки, в которых требования обладают неодинаковыми свойствами: требования удовлетворяются по принципу приоритетности (пример, карта прерываний в ЭВМ), обрабатываемые требования имеют различные физические свойства. Схематично неоднородный поток событий должна быть изображен следующим образом
Соответственно можно использовать несколько моделей СМО для обслуживания неоднородных потоков: одноканальная СМО с дисциплиной очереди, учитывающей приоритеты неоднородных заявок, и многоканальная СМО с индивидуальным каналом для каждого типа заявок. Регулярным потоком принято называть поток, в котором события следуют одно за другим через одинаковые промежутки времени. В случае если обозначить через – моменты появления событий, причем , а через интервалы между событиями, то для регулярного потока Рекуррентный поток соответственно определяется как поток, для которого все функции распределения интервалов между заявками совпадают, то есть Физически рекуррентный поток представляет собой такую последовательность событий, для которой все интервалы между событиями как бы "ведут себя" одинаково, ᴛ.ᴇ. подчиняются одному и тому же закону распределения. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, можно исследовать только один какой-нибудь интервал и получить статистические характеристики, которые будут справедливы для всех остальных интервалов. Для характеристики потоков очень часто вводят в рассмотрение вероятность распределения числа событий в заданном интервале времени , которая определяется следующим образом: где – число событий, появляющихся на интервале . Поток без последействия характеризуется тем свойством, что для двух непересекающихся интервалов времени и , где , , , вероятность появления числа событий на втором интервале не зависит от числа появления событий на первом интервале.
Отсутствие последействия означает отсутствие вероятностной зависимости последующего течения процесса от предыдущего. В случае если имеется одноканальная СМО с временем обслуживания , то при потоке заявок без последействия на входе системы выходной поток будет с последействием, так как заявки на выходе СМО не появляются чаще чем интервал . В регулярном потоке, в котором события следуют друг за другом через определенные промежутки времени, имеется самое жесткое последействие. Потоком с ограниченным последействием принято называть такой поток, для которого интервалы между событиями независимы. Поток принято называть стационарным, в случае если вероятность появления какого-то числа событий на интервале времени зависит только от длины этого интервала и не зависит от его расположения на оси времени. Важно заметить, что для стационарного потока событий среднее число событий в единицу времени постоянно. Ординарным потоком принято называть такой поток, для которого вероятность попадания на данный малый отрезок времени dt двух и более требований пренебрежительно мала по сравнению с вероятностью попадания одного требования. Поток, который обладает свойствами стационарности, отсутствия последействия и ординарности называют пуассоновским (простейшим). Этот поток занимает центральное место среди всего многообразия потоков, так же как случайные величины или процессы с нормальным законом распределения в прикладной теории вероятности. Пуассоновский поток описывается следующей формулой: , где – вероятность появления событий за время , – интенсивность потока. Интенсивностью потока называют среднее число событий, которые появляются за единицу времени. Для пуассоновского потока интервалы времени между заявками распределены по экспоненциальному закону Потоком с ограниченным последействием, для которого интервалы времени между заявками распределены по нормальному закону, принято называть нормальным потоком.

Законы обслуживания

Режим обслуживания (время обслуживания), так же как и режим поступления заявок, должна быть либо постоянным, либо случайным. Во многих случаях время обслуживания подчиняется экспоненциальному распределению. Вероятность того, что обслуживание закончится до момента t, равна: где – плотность потока заявок Откуда плотность распределения времени обслуживания Дальнейшим обобщением экспоненциального закона обслуживания может служить закон распределения Эрланга, когда каждый интервал обслуживания подчиняется закону: где – интенсивность исходного пуассоновского потока, k – порядок потока Эрланга.

Критерии качества работы СМО

Эффективность работы СМО оценивается различными показателями исходя из цепи и типа СМО. Наибольшее распространение получили следующие:

Абсолютная пропускная способность СМО с отказами (производительность системы) – среднее число требований, которые может обработать система.

Относительная пропускная способность СМО – отношение среднего числа требований, обработанных системой, к среднему числу требований, поступивших на вход СМО.

Средняя длительность простоя системы.

Для СМО с очередью добавляются такие характеристики: Длина очереди, которая зависит от ряда факторов: от того, когда и сколько требований поступило в систему, сколько времени затрачено на обслуживание требований, которые поступили. Длина очереди является случайной величиной. От длины очереди зависит эффективность работы системы массового обслуживания.

Для СМО с ограниченным ожиданием в очереди важны все перечисленные характеристики, а для систем с неограниченным ожиданием абсолютная и относительная пропускная способности СМО теряют смысл.

На рис. 1 приведены системы обслуживания различной конфигурации.

Параметры моделей очередей. При анализе систем массового обслуживания используются технические и экономические характеристики.

Наиболее часто используются следующие Технические характеристики:

1) среднее время, ĸᴏᴛᴏᴩᴏᴇ клиент проводит в очереди;

2) средняя длина очереди;

3) среднее время, ĸᴏᴛᴏᴩᴏᴇ клиент проводит в системе обслуживания (время ожидания плюс время обслуживания);

4) среднее число клиентов в системе обслуживания;

5) вероятность того, что система обслуживания окажется незанятой;

6) вероятность определенного числа клиентов в системе.

Среди Экономических характеристик наибольший интерес представляют следующие:

1) издержки ожидания в очереди;

2) издержки ожидания в системе;

3) издержки обслуживания.

Модели систем массового обслуживания . Учитывая зависимость отсочетания приведенных выше характеристик могут рассматриваться различные модели систем массового обслуживания.

Здесь мы ознакомимся с несколькими наиболее известными моделями. Все они имеют следующие общие характеристики:

А) пуассоновское распределение вероятностей поступления заявок;

Б) стандартное поведение клиентов;

В) правило обслуживания FIFO (первым пришел - первым обслужен);

Г) единственная фаза обслуживания.

I. Модель А - модель одноканальной системы массового обслуживания М/М/1 с Пуассоновским входным потоком заявок и Экспоненциальным временем обслуживания.

Наиболее часто встречаются задачи массового обслуживания с единственным каналом. В этом случае клиенты формируют одну очередь к единственному пункту обслуживания. Предположим, что для систем этого типа выполняются следующие условия:

1. Заявки обслуживаются по принципу ʼʼпервым пришел - первым обслуженʼʼ (FIFO), причем каждый клиент ожидает своей очереди до конца независимо от длины очереди.

2. Появления заявок являются независимыми событиями, однако среднее число заявок, поступающих в единицу времени, неизменно.

3. Процесс поступления заявок описывается пуассоновским распределением, причем заявки поступают из неограниченного множества.

4. Время обслуживания описывается экспоненциальным распределением вероятностей.

5. Темп обслуживания выше темпа поступления заявок.

Пусть λ – число заявок в единицу времени;

μ – число клиентов, обслуживаемых в единицу времени;

n – число заявок в системе.

Тогда система массового обслуживания описывается уравнениями, приведенными ниже.

Формулы для описания системы М/М/1:

Среднее время обслуживания одного клиента в системе (время ожидания плюс время обслуживания);

Среднее число клиентов в очереди;

Среднее время ожидания клиента в очереди;

Характеристика загруженности системы (доля времени, в течение которого система занята обслуживанием);

Вероятность отсутствия заявок в системе;

Вероятность того, что в системе находится более чем K заявок.

II. Модель В - многоканальная система обслуживания M/M/S. В многоканальной системе для обслуживания открыты два канала или более. Предполагается, что клиенты ожидают в общей очереди и обращаются в первый освободившийся канал обслуживания.

Пример такой многоканальной однофазовой системы можно увидеть во многих банках: из общей очереди клиенты обращаются в первое освободившееся окошко для обслуживания.

В многоканальной системе поток заявок подчиняется Пуассоновскому закону, а время обслуживания -Экспоненциальному. Приходящий первым обслуживается первым, и все каналы обслуживания работают в одинаковом темпе. Формулы, описывающие модель В, достаточно сложны для использования. Для расчета параметров многоканальной системы обслуживания удобно использовать соответствующее программное обеспечение.

Время нахождения заявки в очереди;

Время нахождения заявки в системе.

III. Модель С - модель с постоянным временем обслуживания M/D/1.

Некоторые системы имеют Постоянное, а не экспоненциально распределенное время обслуживания. В таких системах клиенты обслуживаются в течение фиксированного периода времени, как, к примеру, на автоматической мойке автомобилей. Для модели С С постоянным темпом обслуживания значения величин Lq и Wq Вдвое меньше, чем соответствующие значения в модели А, имеющей переменный темп обслуживания.

Формулы, описывающие модель С:

Средняя длина очереди;

- среднее время ожидания в очереди;

Среднее число клиентов в системе;

Среднее время ожидания в системе.

IV. Модель D - модель с ограниченной популяцией.

В случае если число потенциальных клиентов системы обслуживания Ограничено, мы имеем дело со специальной моделью. Такая задача может возникнуть, к примеру, в случае если речь идет об обслуживании оборудования фабрики, имеющей пять станков.

Особенность этой модели по сравнению с тремя рассмотренными ранее в том, что существует Взаимозависимостьмежду длиной очереди и темпом поступления заявок.

V. Модель Е - модель с ограниченной очередью. Модель отличается от предыдущих тем, что число мест в очереди Ограничено. В этом случае заявка, прибывшая в систему, когда все каналы и места в очереди заняты, покидает систему необслуженной, т. е. получает отказ.

Как частный случай модели с ограниченной очередью можно рассматривать Модель с отказами, в случае если количество мест в очереди сократить до нуля.

Основные показатели эффективности работы СМО - понятие и виды. Классификация и особенности категории "Основные показатели эффективности работы СМО" 2017, 2018.

Большой класс систем, которые сложно изучить аналитическими способами, но которые хорошо изучаются методами статистического моделирования, сводится к системам массового обслуживания (СМО).

В СМО подразумевается, что есть типовые пути (каналы обслуживания), через которые в процессе обработки проходят заявки . Принято говорить, что заявки обслуживаются каналами. Каналы могут быть разными по назначению, характеристикам, они могут сочетаться в разных комбинациях; заявки могут находиться в очередях и ожидать обслуживания. Часть заявок может быть обслужена каналами, а части могут отказать в этом. Важно, что заявки, с точки зрения системы, абстрактны: это то, что желает обслужиться, то есть пройти определенный путь в системе. Каналы являются также абстракцией: это то, что обслуживает заявки.

Заявки могут приходить неравномерно, каналы могут обслуживать разные заявки за разное время и так далее, количество заявок всегда весьма велико. Все это делает такие системы сложными для изучения и управления, и проследить все причинно-следственные связи в них не представляется возможным. Поэтому принято представление о том, что обслуживание в сложных системах носит случайный характер.

Примерами СМО (см. табл. 30.1) могут служить: автобусный маршрут и перевозка пассажиров; производственный конвейер по обработке деталей; влетающая на чужую территорию эскадрилья самолетов, которая «обслуживается» зенитками ПВО; ствол и рожок автомата, которые «обслуживают» патроны; электрические заряды, перемещающиеся в некотором устройстве и т. д.

Таблица 30.1.
Примеры систем массового обслуживания

СМО	Заявки	Каналы
Автобусный маршрут и перевозка пассажиров	Пассажиры	Автобусы
Производственный конвейер по обработке деталей	Детали, узлы	Станки, склады
Влетающая на чужую территорию эскадрилья самолетов, которая «обслуживается» зенитками ПВО	Самолеты	Зенитные орудия, радары, стрелки, снаряды
Ствол и рожок автомата, которые «обслуживают» патроны	Патроны	Ствол, рожок
Электрические заряды, перемещающиеся в некотором устройстве	Заряды	Каскады технического устройства

Но все эти системы объединены в один класс СМО, поскольку подход к их изучению един. Он состоит в том, что, во-первых , с помощью генератора случайных чисел разыгрываются случайные числа, которые имитируют СЛУЧАЙНЫЕ моменты появления заявок и время их обслуживания в каналах. Но в совокупности эти случайные числа, конечно, подчинены статистическим закономерностям.

К примеру, пусть сказано: «заявки в среднем приходят в количестве 5 штук в час». Это означает, что времена между приходом двух соседних заявок случайны, например: 0.1; 0.3; 0.1; 0.4; 0.2, как это показано на рис. 30.1 , но в сумме они дают в среднем 1 (обратите внимание, что в примере это не точно 1, а 1.1 но зато в другой час эта сумма, например, может быть равной 0.9); и только за достаточно большое время среднее этих чисел станет близким к одному часу.

Результат (например, пропускная способность системы), конечно, тоже будет случайной величиной на отдельных промежутках времени. Но измеренная на большом промежутке времени, эта величина будет уже, в среднем, соответствовать точному решению. То есть для характеристики СМО интересуются ответами в статистическом смысле.

Итак, систему испытывают случайными входными сигналами, подчиненными заданному статистическому закону, а в качестве результата принимают статистические показатели, усредненные по времени рассмотрения или по количеству опытов. Ранее, в лекции 21 (см. рис. 21.1), мы уже разработали схему для такого статистического эксперимента (см. рис. 30.2 ).

Рис. 30.2. Схема статистического эксперимента для изучения систем массового обслуживания

Во-вторых , все модели СМО собираются типовым образом из небольшого набора элементов (канал, источник заявок, очередь, заявка, дисциплина обслуживания, стек, кольцо и так далее), что позволяет имитировать эти задачи типовым образом. Для этого модель системы собирают из конструктора таких элементов. Неважно, какая конкретно система изучается, важно, что схема системы собирается из одних и тех же элементов. Разумеется, структура схемы будет всегда различной.

Перечислим некоторые основные понятия СМО.

Каналы то, что обслуживает; бывают горячие (начинают обслуживать заявку в момент ее поступления в канал) и холодные (каналу для начала обслуживания требуется время на подготовку). Источники заявок порождают заявки в случайные моменты времени, согласно заданному пользователем статистическому закону. Заявки , они же клиенты , входят в систему (порождаются источниками заявок), проходят через ее элементы (обслуживаются), покидают ее обслуженными или неудовлетворенными. Бывают нетерпеливые заявки такие, которым надоело ожидать или находиться в системе и которые покидают по собственной воле СМО. Заявки образуют потоки поток заявок на входе системы , поток обслуженных заявок, поток отказанных заявок. Поток характеризуется количеством заявок определенного сорта, наблюдаемым в некотором месте СМО за единицу времени (час, сутки, месяц), то есть поток есть величина статистическая.

Очереди характеризуются правилами стояния в очереди (дисциплиной обслуживания), количеством мест в очереди (сколько клиентов максимум может находиться в очереди), структурой очереди (связь между местами в очереди). Бывают ограниченные и неограниченные очереди. Перечислим важнейшие дисциплины обслуживания. FIFO (First In, First Out первым пришел, первым ушел): если заявка первой пришла в очередь, то она первой уйдет на обслуживание. LIFO (Last In, First Out последним пришел, первым ушел): если заявка последней пришла в очередь, то она первой уйдет на обслуживание (пример патроны в рожке автомата). SF (Short Forward короткие вперед): в первую очередь обслуживаются те заявки из очереди, которые имеют меньшее время обслуживания.

Дадим яркий пример, показывающий, как правильный выбор той или иной дисциплины обслуживания позволяет получить ощутимую экономию по времени.

Пусть имеется два магазина. В магазине № 1 обслуживание осуществляется в порядке очереди, то есть здесь реализована дисциплина обслуживания FIFO (см. рис. 30.3 ).

Рис. 30.3. Организация очереди по дисциплине FIFO

Время обслуживания t обслуж. на рис. 30.3 показывает, сколько времени продавец затратит на обслуживание одного покупателя. Понятно, что при покупке штучного товара продавец затратит меньше времени на обслуживание, чем при покупке, скажем, сыпучих продуктов, требующих дополнительных манипуляций (набрать, взвесить, высчитать цену и т. п). Время ожидания t ожид. показывает, через какое время очередной покупатель будет обслужен продавцом.

В магазине № 2 реализована дисциплина SF (см. рис. 30.4 ), означающая, что штучный товар можно купить вне очереди, так как время обслуживания t обслуж. такой покупки невелико.

Рис. 30.4. Организация очереди по дисциплине SF

Как видно из обоих рисунков, последний (пятый) покупатель собирается приобрести штучный товар, поэтому время его обслуживания невелико 0.5 минут. Если этот покупатель придет в магазин № 1, он будет вынужден выстоять в очереди целых 8 минут, в то время как в магазине № 2 его обслужат сразу же, вне очереди. Таким образом, среднее время обслуживания каждого из покупателей в магазине с дисциплиной обслуживания FIFO составит 4 минуты, а в магазине с дисциплиной обслуживания КВ лишь 2.8 минуты. А общественная польза, экономия времени составит: (1 2.8/4) · 100% = 30 процентов! Итак, 30% сэкономленного для общества времени и это лишь за счет правильного выбора дисциплины обслуживания.

Специалист по системам должен хорошо понимать ресурсы производительности и эффективности проектируемых им систем, скрытые в оптимизации параметров, структур и дисциплинах обслуживания. Моделирование помогает выявить эти скрытые резервы .

При анализе результатов моделирования важно также указать интересы и степень их выполнения. Различают интересы клиента и интересы владельца системы. Заметим, что эти интересы совпадают не всегда.

Судить о результатах работы СМО можно по показателям . Наиболее популярные из них:

вероятность обслуживания клиента системой;
пропускная способность системы;
вероятность отказа клиенту в обслуживании;
вероятность занятости каждого из канала и всех вместе;
среднее время занятости каждого канала;
вероятность занятости всех каналов;
среднее количество занятых каналов;
вероятность простоя каждого канала;
вероятность простоя всей системы;
среднее количество заявок, стоящих в очереди;
среднее время ожидания заявки в очереди;
среднее время обслуживания заявки;
среднее время нахождения заявки в системе.

Судить о качестве полученной системы нужно по совокупности значений показателей. При анализе результатов моделирования (показателей) важно также обращать внимание на интересы клиента и интересы владельца системы , то есть минимизировать или максимизировать надо тот или иной показатель, а также на степень их выполнения. Заметим, что чаще всего интересы клиента и владельца между собой не совпадают или совпадают не всегда. Показатели будем обозначать далее H = {h 1 , h 2 , } .

Параметрами СМО могут быть: интенсивность потока заявок, интенсивность потока обслуживания, среднее время, в течение которого заявка готова ожидать обслуживания в очереди, количество каналов обслуживания, дисциплина обслуживания и так далее. Параметры это то, что влияет на показатели системы. Параметры будем обозначать далее как R = {r 1 , r 2 , } .

Пример. Автозаправочная станция (АЗС) .

1. Постановка задачи . На рис. 30.5 приведен план АЗС. Рассмотрим метод моделирования СМО на ее примере и план ее исследования. Водители, проезжая по дороге мимо АЗС по дороге, могут захотеть заправить свой автомобиль. Хотят обслужиться (заправить машину бензином) не все автомобилисты подряд; допустим, что из всего потока машин на заправку в среднем заезжает 5 машин в час.

Рис. 30.5. План моделируемой АЗС

На АЗС две одинаковые колонки, статистическая производительность каждой из которых известна. Первая колонка в среднем обслуживает 1 машину в час, вторая в среднем 3 машины в час. Владелец АЗС заасфальтировал для машин место, где они могут ожидать обслуживания. Если колонки заняты, то на этом месте могут ожидать обслуживания другие машины, но не более двух одновременно. Очередь будем считать общей. Как только одна из колонок освободится, то первая машина из очереди может занять ее место на колонке (при этом вторая машина продвигается на первое место в очереди). Если появляется третья машина, а все места (их два) в очереди заняты, то ей отказывают в обслуживании, так как стоять на дороге запрещено (см. дорожные знаки около АЗС). Такая машина уезжает прочь из системы навсегда и как потенциальный клиент является потерянной для владельца АЗС. Можно усложнить задачу, рассмотрев кассу (еще один канал обслуживания, куда надо попасть после обслуживания в одной из колонок) и очередь к ней и так далее. Но в простейшем варианте очевидно, что пути движения потоков заявок по СМО можно изобразить в виде эквивалентной схемы, а добавив значения и обозначения характеристик каждого элемента СМО, получаем окончательно схему, изображенную на рис. 30.6 .

Рис. 30.6. Эквивалентная схема объекта моделирования

2. Метод исследования СМО . Применим в нашем примере принцип последовательной проводки заявок (подробно о принципах моделирования см. лекцию 32). Его идея заключается в том, что заявку проводят через всю систему от входа до выхода, и только после этого берутся за моделирование следующей заявки.

Для наглядности построим временную диаграмму работы СМО, отражая на каждой линейке (ось времени t ) состояние отдельного элемента системы. Временных линеек проводится столько, сколько имеется различных мест в СМО, потоков. В нашем примере их 7 (поток заявок, поток ожидания на первом месте в очереди, поток ожидания на втором месте в очереди, поток обслуживания в канале 1, поток обслуживания в канале 2, поток обслуженных системой заявок, поток отказанных заявок).

Для генерации времени прихода заявок используем формулу вычисления интервала между моментами прихода двух случайных событий (см. лекцию 28):

В этой формуле величина потока λ должна быть задана (до этого она должна быть определена экспериментально на объекте как статистическое среднее), r случайное равномерно распределенное число от 0 до 1 из ГСЧ или таблицы , в которой случайные числа нужно брать подряд (не выбирая специально).

Задача . Сгенерируйте поток из 10 случайных событий с интенсивностью появления событий 5 шт/час.

Решение задачи . Возьмем случайные числа, равномерно распределенные в интервале от 0 до 1 (см. таблицу), и вычислим их натуральные логарифмы (см. табл. 30.2).

Формула пуассоновского потока определяет расстояние между двумя случайными событиями следующим образом: t = Ln(r рр)/λ . Тогда, учитывая, что λ = 5 , имеем расстояния между двумя случайными соседними событиями: 0.68, 0.21, 0.31, 0.12 часа. То есть события наступают: первое в момент времени t = 0 , второе в момент времени t = 0.68 , третье в момент времени t = 0.89 , четвертое в момент времени t = 1.20 , пятое в момент времени t = 1.32 и так далее. События приход заявок отразим на первой линейке (см. рис. 30.7 ).

Рис. 30.7. Временная диаграмма работы СМО

Берется первая заявка и, так как в этот момент каналы свободны, устанавливается на обслуживание в первый канал. Заявка 1 переносится на линейку «1 канал».

Время обслуживания в канале тоже случайное и вычисляется по аналогичной формуле:

где роль интенсивности играет величина потока обслуживания μ 1 или μ 2 , в зависимости от того, какой канал обслуживает заявку. Находим на диаграмме момент окончания обслуживания, откладывая сгенерированное время обслуживания от момента начала обслуживания, и опускаем заявку на линейку «Обслуженные».

Заявка прошла в СМО весь путь. Теперь можно, согласно принципу последовательной проводки заявок, также проимитировать путь второй заявки.

Если в некоторый момент окажется, что оба канала заняты, то следует установить заявку в очередь. На рис. 30.7 это заявка с номером 3. Заметим, что по условиям задачи в очереди в отличие от каналов заявки находятся не случайное время, а ожидают, когда освободится какой-то из каналов. После освобождения канала заявка поднимается на линейку соответствующего канала и там организуется ее обслуживание.

Если все места в очереди в момент, когда придет очередная заявка, будут заняты, то заявку следует отправить на линейку «Отказанные». На рис. 30.7 это заявка с номером 6.

Процедуру имитации обслуживания заявок продолжают некоторое время наблюдения T н . Чем больше это время, тем точнее в дальнейшем будут результаты моделирования. Реально для простых систем выбирают T н , равное 50100 и более часов, хотя иногда лучше мерить эту величину количеством рассмотренных заявок.

Анализ временной диаграммы

Анализ проведем на уже рассмотренном примере.

Сначала нужно дождаться установившегося режима. Откидываем первые четыре заявки как нехарактерные, протекающие во время процесса установления работы системы. Измеряем время наблюдения, допустим, что в нашем примере оно составит T н = 5 часов. Подсчитываем из диаграммы количество обслуженных заявок N обс. , времена простоя и другие величины. В результате можем вычислить показатели, характеризующие качество работы СМО.

Вероятность обслуживания: P обс. = N обс. /N = 5/7 = 0.714 . Для расчета вероятности обслуживания заявки в системе достаточно разделить число заявок, которым удалось обслужиться за время T н (см. линейку «Обслуженные») N обс. , на число заявок N , которые хотели обслужиться за это же время. Как и раньше вероятность экспериментально определяем отношением свершившихся событий к общему числу событий, которые могли совершиться!
Пропускная способность системы: A = N обс. /T н = 7/5 = 1.4 [шт/час] . Для расчета пропускной способности системы достаточно разделить число обслуженных заявок N обс. на время T н , за которое произошло это обслуживание (см. линейку «Обслуженные»).
Вероятность отказа: P отк. = N отк. /N = 3/7 = 0.43 . Для расчета вероятности отказа заявке в обслуживании достаточно разделить число заявок N отк. , которым отказали за время T н (см. линейку «Отказанные»), на число заявок N , которые хотели обслужиться за это же время, то есть поступили в систему. Обратите внимание . P отк. + P обс. в теории должно быть равно 1. На самом деле экспериментально получилось, что P отк. + P обс. = 0.714 + 0.43 = 1.144 . Эта неточность объясняется тем, что время наблюдения T н мало и статистика накоплена недостаточная для получения точного ответа. Погрешность это показателя сейчас составляет 14%!
Вероятность занятости одного канала: P 1 = T зан. /T н = 0.05/5 = 0.01 , где T зан. время занятости только одного канала (первого или второго). Измерениям подлежат временные отрезки, на которых происходят определенные события. Например, на диаграмме ищутся такие отрезки, во время которых заняты или первый или второй канал. В данном примере есть один такой отрезок в конце диаграммы длиной 0.05 часа. Доля этого отрезка в общем времени рассмотрения (T н = 5 часов) определяется делением и составляет искомую вероятность занятости.
Вероятность занятости двух каналов: P 2 = T зан. /T н = 4.95/5 = 0.99 . На диаграмме ищутся такие отрезки, во время которых одновременно заняты и первый, и второй канал. В данном примере таких отрезков четыре, их сумма равна 4.95 часа. Доля продолжительности этих события в общем времени рассмотрения (T н = 5 часов) определяется делением и составляет искомую вероятность занятости.
Среднее количество занятых каналов: N ск = 0 · P 0 + 1 · P 1 + 2 · P 2 = 0.01 + 2 · 0.99 = 1.99 . Чтобы подсчитать, сколько каналов занято в системе в среднем, достаточно знать долю (вероятность занятости одного канала) и умножить на вес этой доли (один канал), знать долю (вероятность занятости двух каналов) и умножить на вес этой доли (два канала) и так далее. Полученная цифра 1.99 говорит о том, что из возможных двух каналов в среднем загружено 1.99 канала. Это высокий показатель загрузки, 99.5%, система хорошо использует ресурс.
Вероятность простоя хотя бы одного канала: P * 1 = T простоя1 /T н = 0.05/5 = 0.01 .
Вероятность простоя двух каналов одновременно: P * 2 = T простоя2 /T н = 0 .
Вероятность простоя всей системы: P * c = T простоя сист. /T н = 0 .
Среднее количество заявок в очереди: N сз = 0 · P 0з + 1 · P 1з + 2 · P 2з = 0.34 + 2 · 0.64 = 1.62 [шт] . Чтобы определить среднее количество заявок в очереди, надо определить отдельно вероятность того, что в очереди будет одна заявка P 1з , вероятность того, в очереди будет стоять две заявки P 2з и т. д. и снова с соответствующими весами их сложить.
Вероятность того, что в очереди будет одна заявка: P 1з = T 1з /T н = 1.7/5 = 0.34 (всего на диаграмме четырех таких отрезка, в сумме дающих 1.7 часа).
Вероятность того, в очереди будет стоять одновременно две заявки: P 2з = T 2з /T н = 3.2/5 = 0.64 (всего на диаграмме три таких отрезка, в сумме дающих 3.25 часа).
Среднее время ожидания заявки в очереди:
(Сложить все временные интервалы, в течение которых какая-либо заявка находилась в очереди, и разделить на количество заявок). На временной диаграмме таких заявок 4.
Среднее время обслуживания заявки:
(Сложить все временные интервалы, в течение которых какая-либо заявка находилась на обслуживании в каком-либо канале, и разделить на количество заявок).
Среднее время нахождения заявки в системе: T ср. сист. = T ср. ож. + T ср. обсл. .
Среднее количество заявок в системе:
Разобьем интервал наблюдения, например, на десятиминутки. Получится на пяти часах K подынтервалов (в нашем случае K = 30 ). В каждом подынтервале определим по временной диаграмме, сколько заявок в этот момент находится в системе. Смотреть надо на 2, 3, 4 и 5-ю линейки какие из них заняты в данный момент. Затем сумму K слагаемых усреднить.

Далее следует оценить точность каждого из полученных результатов. То есть ответить на вопрос: насколько мы можем доверять этим значениям? Оценка точности проводится по методике, описанной в лекции 34 .

Если точность не является удовлетворительной, то следует увеличить время эксперимента и тем самым улучшить статистику. Можно сделать и по-другому. Снова несколько раз запустить эксперимент на время T н . А в последствии усреднить значения этих экспериментов. И снова проверить результаты на критерий точности. Эту процедуру следует повторять до тех пор, пока не будет достигнута требуемая точность.

Далее следует составить таблицу результатов и оценить значения каждого из них с точки зрения клиента и владельца СМО (см. табл. 30.3).. В конце, учитывая сказанное в каждом пункте, следует сделать общий вывод. Таблица должна иметь примерно такой вид, какой показан в табл. 30.3.

Таблица 30.3.
Показатели СМО

Показатель	Формула	Значение	Интересы владельца СМО	Интересы клиента СМО
Вероятность обслуживания	P обс. = N обс. /N	0.714	Вероятность обслуживания мала, много клиентов уходят из системы неудовлетворенными, их деньги для владельца потеряны. Это «минус».	Вероятность обслуживания мала, каждый третий клиент хочет, но не может обслужиться. Это «минус».

Среднее количество заявок в очереди	N сз = 0 · P 0з + 1 · P 1з + 2 · P 2з	1.62	Очередь практически все время вся забита. Все места в очереди используются достаточно эффективно. Вложения на организацию очереди окупают затраты на нее. Это «плюс». Клиенты, которые долго стоят в очереди, могут уйти, не дождавшись обслуживания. Клиенты, простаивая, могут нанести ущерб системе, ломать оборудование. Много отказов, потерянных клиентов. Это «минусы».	Очередь практически все время вся забита. Клиенту приходится стоять в очереди, прежде чем он попадет на обслуживание. Клиент может не попасть даже в очередь. Это «минус».
Общий итог:			В интересах владельца: а) увеличить пропускную способность каналов, чтобы не терять клиентов (правда, модернизация каналов стоит денег); б) увеличить число мест в очереди (это тоже стоит денег), чтобы задержать потенциальных клиентов.	Клиенты заинтересованы в значительном увеличении пропускной способности для уменьшения времени ожидания и уменьшения отказов.

Синтез СМО

Мы проделали анализ существующей системы. Это дало возможность увидеть ее недостатки и определить направления улучшения ее качества. Но остаются непонятными ответы на конкретные вопросы, что именно надо сделать увеличивать количество каналов или увеличивать их пропускную способность, или увеличивать количество мест в очереди, и, если увеличивать, то насколько? Есть и такие вопросы, что лучше создать 3 канала с производительностью 5 шт/час или один с производительностью 15 шт/час?

Чтобы оценить чувствительность каждого показателя к изменению значения определенного параметра, поступают следующим образом. Фиксируют все параметры кроме одного, выбранного. Затем снимают значение всех показателей при нескольких значениях этого выбранного параметра. Конечно, приходится повторять снова и снова процедуру имитации и усреднять показатели при каждом значении параметра, оценивать точность. Но в результате получаются надежные статистические зависимости характеристик (показателей) от параметра.

Например, для 12 показателей нашего примера можно получить 12 зависимостей от одного параметра: зависимость вероятности отказов P отк. от количества мест в очереди (КМО), зависимость пропускной способности A от количества мест в очереди, и так далее (см. рис. 30.8 ).

Рис. 30.8. Примерный вид зависимостей показателей от параметров СМО

Затем так же можно снять еще 12 зависимостей показателей P от другого параметра R , зафиксировав остальные параметры. И так далее. Образуется своеобразная матрица зависимостей показателей P от параметров R , по которой можно провести дополнительный анализ о перспективах движения (улучшения показателей) в ту или иную сторону. Наклон кривых хорошо показывает чувствительность, эффект от движения по определенному показателю. В математике эту матрицу называют якобианом J , в которой роль наклона кривых играют значения производных ΔP i /ΔR j , см. рис. 30.9 . (Напомним, что производная связана геометрически с углом наклона касательной к зависимости.)

Рис. 30.9. Якобиан матрица чувствительностей показателей
в зависимости от изменения параметров СМО

Если показателей 12, а параметров, например, 5, то матрица имеет размерность 12 x 5. Каждый элемент матрицы кривая, зависимость i -го показателя от j -го параметра. Каждая точка кривой среднее значение показателя на достаточно представительном отрезке T н или усреднено по нескольким экспериментам.

Следует понимать, что кривые снимались в предположении того, что все параметры кроме одного в процессе их снятия были неизменны. (Если бы все параметры меняли значения, то кривые были бы другими. Но так не делают, так как получится полная неразбериха и зависимостей не будет видно.)

Поэтому, если на основании рассмотрения снятых кривых принимается решение о том, что некоторый параметр будет в СМО изменен, то все кривые для новой точки, в которой опять будет исследоваться вопрос о том, какой параметр следует изменить, чтобы улучшить показатели, следует снимать заново .

Так шаг за шагом можно попытаться улучшить качество системы. Но пока эта методика не может ответить на ряд вопросов. Дело в том, что, во-первых, если кривые монотонно растут, то возникает вопрос, где же все-таки следует остановиться. Во-вторых, могут возникать противоречия, один показатель может улучшаться при изменении выбранного параметра, в то время как другой будет одновременно ухудшаться. В-третьих, ряд параметров сложно выразить численно, например, изменение дисциплины обслуживания, изменение направлений потоков, изменение топологии СМО. Поиск решения в двух последних случаях проводится с применением методов экспертизы (см. лекцию 36. Экспертиза) и методами искусственного интеллекта (см. .

Поэтому сейчас обсудим только первый вопрос. Как принять решение, каким должно быть все-таки значение параметра, если с его ростом показатель все время монотонно улучшается? Вряд ли значение бесконечности устроит инженера.

Параметр R управление, это то, что находится в распоряжении владельца СМО (например, возможность заасфальтировать площадку и тем самым увеличить количество мест в очереди, поставить дополнительные каналы, увеличить поток заявок за счет увеличения затрат на рекламу и так далее). Меняя управление, можно влиять на значение показателя P , цель, критерий (вероятность отказов, пропускную способность, среднее время обслуживания и так далее). Из рис. 30.10 видно, что если увеличивать управление R , то можно добиться всегда улучшение показателя P . Но очевидно, что любое управление связано с затратами Z . И чем больше прилагают усилия для управления, чем больше значение управляющего параметра, тем больше затраты. Обычно затраты на управление растут линейно: Z = C 1 · R . Хотя встречаются случаи, когда, например, в иерархических системах, они растут экспоненциально, иногда обратно экспоненциально (скидки за опт) и так далее.

Рис. 30.10. Зависимость показателя Р
от управляемого параметра R (пример)

В любом случае ясно, что когда-то вложение все новых затрат просто перестанет себя окупать. Например, эффект от заасфальтированной площадки размером в 1 км 2 вряд ли окупит затраты владельца бензоколонки в Урюпинске, там просто не будет столько желающих заправиться бензином. Иными словами показатель P в сложных системах не может расти бесконечно. Рано или поздно его рост замедляется. А затраты Z растут (см. рис. 30.11 ).

Рис. 30.11. Зависимости эффекта от применения показателя Р

Из рис. 30.11 видно, что при назначении цены C 1 за единицу затрат R и цены C 2 за единицу показателя P , эти кривые можно сложить. Кривые складывают, если их требуется одновременно минимизировать или максимизировать. Если одна кривая подлежит максимизации, а другая минимизации, то следует найти их разность, например по точкам. Тогда результирующая кривая (см. рис. 30.12 ), учитывающая и эффект от управления и затраты на это, будет иметь экстремум. Значение параметра R , доставляющего экстремум функции, и есть решение задачи синтеза .

Рис. 30.12. Суммарная зависимость эффекта от применения показателя Р
и затрат Z на его получение как функции управляемого параметра R

Кроме управления R и показателя P в системах действует возмущение. Возмущения обозначим как D = {d 1 , d 2 , } , см. рис. 30.13 . Возмущение это входное воздействие, которое, в отличие от управляющего параметра, не зависит от воли владельца системы. Например, низкие температуры на улице, конкуренция снижают, к сожалению, поток клиентов, поломки оборудования досадно снижают производительность системы. И управлять этими величинами непосредственно владелец системы не может. Обычно возмущение действует «назло» владельцу, снижая эффект P от управляющих усилий R . Это происходит потому, что, в общем случае, система создается для достижения целей, недостижимых самих по себе в природе. Человек, организуя систему, всегда надеется посредством ее достичь некоторой цели P . На это он затрачивает усилия R , идя наперекор природе. Система организация доступных человеку, изученных им природных компонент для достижения некоторой новой цели, недостижимой ранее другими способами .

Рис. 30.13. Условное обозначение изучаемой системы,
на которую воздействуют управляющие воздействия R и возмущения D

Итак, если мы снимем зависимость показателя P от управления R еще раз (как показано на рис. 30.10 ), но в условиях появившегося возмущения D , то, возможно, характер кривой изменится. Скорее всего, показатель будет при одинаковых значениях управлений находиться ниже, так как возмущение носит «противный» характер, снижая показатели системы (см. рис. 30.14 ). Система, предоставленная сама себе, без усилий управляющего характера, перестает обеспечивать цель, для достижения которой она была создана . Если, как и ранее, построить зависимость затрат, соотнести ее с зависимостью показателя от параметра управления, то найденная точка экстремума сместится (см. рис. 30.15 ) по сравнению со случаем «возмущение = 0» (см. рис. 30.12 ).

Рис. 30.14. Зависимость показателя P от управляющего параметра R
при различных значениях действующих на систему возмущений D

Если снова увеличить возмущение, то кривые изменятся (см. рис. 30.14 ) и, как следствие, снова изменится положение точки экстремума (см. рис. 30.15 ).

Рис. 30.15. Нахождение точки экстремума на суммарной зависимости
при различных значениях действующего возмущающего фактора D

В конечном итоге, все найденные положения точек экстремума переносятся на новый график, где образуют зависимость Показателя P от Управляющего параметра R при изменении Возмущений D (см. рис. 30.16 ).

Рис. 30.16. Зависимость показателя P от управляющего
параметра R при изменении значений возмущений D
(кривая состоит только из точек экстремумов)

Обратите внимание, что на самом деле на этом графике могут быть и другие рабочие точки (график пронизан как бы семействами кривых), но нанесенные нами точки задают такие координаты управляющего параметра, при которых при заданных возмущениях (!) достигается наибольшее из возможных значение показателя P .

Этот график (см. рис. 30.16 ) связывает Показатель P , Управление (ресурс) R и Возмущение D в сложных системах, указывая, как действовать наилучшим образом ЛПР (лицу, принимающему решение) в условиях возникших возмущений. Теперь пользователь может, зная реальную обстановку на объекте (значение возмущения), быстро по графику определить, какое управляющее воздействие на объект необходимо, чтобы обеспечить наилучшее значение интересующего его показателя.

Заметьте, если управляющее воздействие будет меньше оптимального, то суммарный эффект снизится, возникнет ситуация недополученной прибыли. Если управляющее воздействие будет больше оптимального, то эффект также снизится, так как заплатить за очередное увеличение управляющих усилий надо будет по величине больше, чем та, которую вы получите в результате ее использования (ситуация банкротства).

Примечание . В тексте лекции мы использовали слова «управление» и «ресурс», то есть считали, что R = U . Следует пояснить, что управление действительно играет роль некоторой ограниченной ценности для владельца системы. То есть всегда является ценным для него ресурсом, за который всегда приходится платить, и которого всегда не хватает. Действительно, если бы эта величина не была ограничена, то мы бы могли достигать за счет бесконечной величины управлений бесконечно больших значений целей, а вот бесконечно больших результатов в природе явно не наблюдается.

Иногда различают собственно управление U и ресурс R , называя ресурсом некоторый запас, то есть границу возможного значения управляющего воздействия. В этом случае понятия ресурс и управление не совпадают: U < R . Иногда различают предельное значение управления U ≤ R и интегральный ресурс ∫U d t ≤ R .

Рассматриваемая система массового обслуживания (СМО) представляет собой механизм, в котором при помощи специально разработанного для этого комплекса приборов, происходит удовлетворение разнообразных требований, поступающих в данную систему. Ключевым свойством этой системы является количественный параметр числа работающих (обслуживающих) приборов. Оно может колебаться от одного до бесконечности.

В соответствии с тем, имеется ли возможность ожидания обслуживания или нет, различают системы:

СМО, где не нашлось ни одного инструмента (прибора) для удовлетворения требования, поступившего в данный момент времени. В этом случае такое требование теряется;

Система массового обслуживания с ожиданием, которая содержит в себе такой накопитель требований, который способен принять их все, образуя при этом очередь;

Система с ограниченным по емкости накопителем, где эта ограниченность и определяет величину очереди требований, подлежащих удовлетворению. Здесь теряются те требования, которые не могут вместиться в накопитель.

Во всех СМО, выбор требования и его обслуживание производится на основе дисциплины обслуживания. В качестве примера таких моделей обслуживания могут быть:

FCFS/FIFO - система, в которой первое в очереди требование удовлетворяется первым;

LCFS/LIFO - СМО, где первым обслуживается последнее в очереди требование;

Модель random - система удовлетворения требований на основе случайного выбора.

Как правило, такая система имеет очень сложное строение.

Любая система массового обслуживания описывается с помощью следующих понятий и категорий:

Требование — формирование и предъявление запроса на обслуживание;

Входящий поток — все заявки на удовлетворение требований, поступающие в систему;

Время обслуживания — временной интервал, необходимый для полного обслуживания поступившей заявки;

Математическая модель — выраженная в математической форме и с помощью математического аппарата модель данной СМО.

Являясь сложным по структуре феноменом, система массового обслуживания представляет собой предмет теории вероятностей. В рамках этой обширной области выделяется несколько концепций, каждая из которых, это достаточно автономная теория массового обслуживания. В этих теориях, как правило, используется методология

Основоположником одной из самых первых современных СМО является А. Я. Хинчин, который обосновал концепцию потока однородных событий. Затем датский телеграфист, а впоследствии - ученый Агнер Эрланг, разработал свою концепцию (на примере работы телефонистов, ожидающих запроса на удовлетворение соединения), в которой уже выделил СМО с ожиданием и без ожидания.

Построение современных технологий массового обслуживания осуществляется преимущественно Есть также системы, исследование которых ведется но такой подход довольно сложен. К СМО относятся и те системы, которые можно исследовать при помощи методов статистики - статистического моделирования и статистического анализа.

Каждая такая система массового обслуживания априори предполагает, что имеются некоторые стандартные пути, по которым проходят заявки субъектов на удовлетворение. Эти заявки проходят через так называемые каналы обслуживания, которые многообразны по своему назначению и характеристикам. Заявки приходят преимущественно хаотично по времени, их много, поэтому устанавливать логические и причинные связи между ними чрезвычайно сложно. Научный вывод, на этом основании, состоит в том, что СМО, в своем подавляющем большинстве, функционируют на принципах случайности.

При исследовании операций часто приходится сталкиваться с системами, предназначенными для многоразового использования при решении однотипных задач. Возникающие при этом процессы получили название процессов обслуживания , а системы - систем массового обслуживания (СМО) . Примерами таких систем являются телефонные системы, ремонтные мастерские, вычислительные комплексы, билетные кассы, магазины, парикмахерские и т.п.

Каждая СМО состоит из определенного числа обслуживающих единиц (приборов, устройств, пунктов, станций), которые будем называть каналами обслуживания . Каналами могут быть линии связи, рабочие точки, вычислительные машины, продавцы и др. По числу каналов СМО подразделяют на одноканальные и многоканальные .

Заявки поступают в СМО обычно не регулярно, а случайно, образуя так называемый случайный поток заявок (требований) . Обслуживание заявок, вообще говоря, также продолжается какое-то случайное время. Случайный характер потока заявок и времени обслуживания приводит к тому, что СМО оказывается загруженной неравномерно: в какие-то периоды времени скапливается очень большое количество заявок (они либо становятся в очередь, либо покидают СМО необслуженными), в другие же периоды СМО работает с недогрузкой или простаивает.

Предметом теории массового обслуживания является построение математических моделей, связывающих заданные условия работы СМО (число каналов, их производительность, характер потока заявок и т.п.) с показателями эффективности СМО, описывающими ее способность справляться с потоком заявок.

В качестве показателей эффективности СМО используются: среднее число заявок, обслуживаемых в единицу времени; среднее число заявок в очереди; среднее время ожидания обслуживания; вероятность отказа в обслуживании без ожидания; вероятность того, что число заявок в очереди превысит определенное значение и т.п.

СМО делят на два основных типа (класса): СМО с отказами и СМО с ожиданием (очередью) . В СМО с отказами заявка, поступившая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем процессе обслуживания не участвует (например, заявка на телефонный разговор в момент, когда все каналы заняты, получает отказ и покидает СМО необслуженной). В СМО с ожиданием заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь на обслуживание.

СМО с ожиданием подразделяются на разные виды в зависимости от того, как организована очередь: с ограниченной или неограниченной длиной очереди, с ограниченным временем ожидания и т.п.

Для классификации СМО важное значение имеет дисциплина обслуживания , определяющая порядок выбора заявок из числа поступивших и порядок распределения их между свободными каналами. По этому признаку обслуживание заявки может быть организовано по принципу "первая пришла - первая обслужена", "последняя пришла - первая обслужена" (такой порядок может применяться, например, при извлечении для обслуживания изделий со склада, ибо последние из них оказываются часто более доступными) или обслуживание с приоритетом (когда в первую очередь обслуживаются наиболее важные заявки). Приоритет может быть как абсолютным , когда более важная заявка"вытесняет" из-под обслуживания обычную заявку (например, в случае аварийной ситуации плановые работы ремонтных бригад прерываются до ликвидации аварии), так и относительным , когда более важная заявка получает лишь "лучшее" место в очереди.

Понятие марковского случайного процесса

Процесс работы СМО представляет собой случайный процесс .

Под случайным (вероятностным или стохастическим) процессом понимается процесс изменения во времени состояния какой-либо системы в соответствии с вероятностными закономерностями.

Процесс называется процессом с дискретными состояниями , если его возможные состояния можно заранее перечислить, а переход системы из состояния в состояние происходит мгновенно (скачком). Процесс называется процессом с непрерывным временем , если моменты возможных переходов системы из состояния в состояние не фиксированы заранее, а случайны.

Процесс работы СМО представляет собой случайный процесс с дискретными состояниями и непрерывным временем. Это означает, что состояние СМО меняется скачком в случайные моменты появления каких-то событий (например, прихода новой заявки, окончания обслуживания и т.п.).

Математический анализ работы СМО существенно упрощается, если процесс этой работы - марковский. Случайный процесс называется марковским или случайным процессом без последствия , если для любого момента времени вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент и не зависят от того, когда и как система пришла в это состояние.

Пример марковского процесса: система - счетчик в такси. Состояние системы в момент характеризуется числом километров (десятых долей километров), пройденных автомобилем до данного момента. Пусть в момент счетчик показывает . Вероятность того, что в момент счетчик покажет то или иное число километров (точнее, соответствующее число рублей) , зависит от , но не зависит от того, в какие моменты времени изменялись показания счетчика до момента .

Многие процессы можно приближенно считать марковскими. Например, процесс игры в шахматы; система - группа шахматных фигур. Состояние системы характеризуется числом фигур противника, сохранившихся на доске в момент . Вероятность того, что в момент материальный перевес будет на стороне одного из противников, зависит в первую очередь от того, в каком состоянии находится система в данный момент , а не от того, когда и в какой последовательности исчезли фигуры с доски до момента .

В ряде случаев предысторией рассматриваемых процессов можно просто пренебречь и применять для их изучения марковские модели.

При анализе случайных процессов с дискретными состояниями удобно пользоваться геометрической схемой - так называемым графом состояний . Обычно состояния системы изображаются прямоугольниками (кружками), а возможные переходы из состояния в состояние - стрелками (ориентированными дугами), соединяющими состояния.

Пример 1. Построить граф состояний следующего случайного процесса: устройство состоит из двух узлов, каждый из которых в случайный момент времени может выйти из строя, после чего мгновенно начинаете» ремонт узла, продолжающийся заранее неизвестное случайное время.

Решение. Возможные состояния системы: - оба узла исправны; - первый узел ремонтируется, второй исправен; - второй узел ремонтируется, первый исправен; - оба узла ремонтируются. Граф системы приведен на рис. 1.

Стрелка, направленная, например, из в , означает переход системы в момент отказа первого узла, из в - переход в момент окончания ремонта этого узла.

На графе отсутствуют стрелки из в и из в . Это объясняется тем, что выходы узлов из строя предполагаются независимыми друг от друга и, например, вероятностью одновременного выхода из строя двух узлов (переход из в ) или одновременного окончания ремонтов двух узлов (переход из в ) можно пренебречь.

Для математического описания марковского случайного процесса с дискретными состояниями и непрерывным временем, протекающего в СМО, познакомимся с одним из важных понятий теории вероятностей - понятием потока событий.

Потоки событий

Под потоком событий понимается последовательность однородных событий, следующих одно за другим в какие-то случайные моменты времени (например, поток вызовов на телефонной станции, поток отказов ЭВМ, поток покупателей и т.п.).

Поток характеризуется интенсивностью - частотой появления событий или средним числом событий, поступающих в СМО в единицу времени.

Поток событий называется регулярным , если события следуют одно за другим через определенные равные промежутки времени. Например, поток изделий на конвейере сборочного цеха (с постоянной скоростью движения) является регулярным.

Поток событий называется стационарным , если его вероятностные характеристики не зависят от времени. В частности, интенсивность стационарного потока есть величина постоянная: . Например, поток автомобилей на городском проспекте не является стационарным в течение суток, но этот поток можно считать стационарным в течение суток, скажем, в часы пик. Обращаем внимание на то, что в последнем случае фактическое число проходящих автомобилей в единицу времени (например, в каждую минуту) может заметно отличаться друг от друга, но среднее их число будет постоянно и не будет зависеть от времени.

Поток событий называется потоком без последействия , если для любых двух непересекающихся участков времени и - число событий, попадающих на один из них, не зависит от числа событий, попадающих на другие. Например, поток пассажиров, входящих в метро, практически не имеет последействия. А, скажем, поток покупателей, отходящих с покупками от прилавка, уже имеет последействие (хотя бы потому, что интервал времени между отдельными покупателями не может быть меньше, чем минимальное время обслуживания каждого из них).

Поток событий называется ординарным , если вероятность попадания на малый (элементарный) участок времени двух и более событий пренебрежимо мала по сравнению с вероятностью попадания одного события. Другими словами, поток событий ординарен, если события появляются в нем поодиночке, а не группами. Например, поток поездов, подходящих к станции, ординарен, а поток вагонов не ординарен.

Поток событий называется простейшим (или стационарным пуассоновским ), если он одновременно стационарен, ординарен и не имеет последействия. Название "простейший" объясняется тем, что СМО с простейшими потоками имеет наиболее простое математическое описание. Заметим, что регулярный поток не является "простейшим", так как он обладает последействием: моменты появления событий в таком потоке жестко зафиксированы.

Простейший поток в качестве предельного возникает в теории случайных процессов столь же естественно, как в теории вероятностей нормальное распределение получается в качестве предельного для суммы случайных величин: при наложении (суперпозиции) достаточно большого числа независимых, стационарных и ординарных потоков (сравнимых между собой по интенсивностям получается поток, близкий к простейшему с интенсивностью , равной сумме интенсивностей входящих потоков, т.е. . Рассмотрим на оси времени (рис. 1) простейший поток событий как неограниченную последовательность случайных точек.

Можно показать, что для простейшего потока число т событий (точек), попадающих на произвольный участок времени , распределено по закону Пуассона

для которого математическое ожидание случайной величины равно ее дисперсии: .

В частности, вероятность того, что за время не произойдет ни одного события , равна

Найдем распределение интервала времени между произвольными двумя соседними событиями простейшего потока.

В соответствии с (2) вероятность того, что на участке времени длиной не появится ни одного из последующих событий, равна

а вероятность противоположного события, т.е. функция распределения случайной величины , есть

Плотность вероятности случайной величины есть производная ее функции распределения (рис. 3), т.е.

Распределение, задаваемое плотностью вероятности (5) или функцией распределения (4), называется показательным (или экспоненциальным ). Таким образом, интервал времени между двумя соседними произвольными событиями имеет показательное распределение, для которого математическое ожидание равно среднему квадратическому отклонению случайной величины

и обратно по величине интенсивности потока .

Важнейшее свойство показательного распределения (присущее только показательному распределению) состоит в следующем: если промежуток времени, распределенный по показательному закону, уже длился некоторое время , то это никак не влияет на закон распределения оставшейся части промежутка : он будет таким же, как и закон распределения всего промежутка .

Другими словами, для интервала времени между двумя последовательными соседними событиями потока, имеющего показательное распределение, любые сведения о том, сколько времени протекал этот интервал, не влияют на закон распределения оставшейся части. Это свойство показательного закона представляет собой, в сущности, другую формулировку для "отсутствия последействия" - основного свойства простейшего потока.

Для простейшего потока с интенсивностью вероятность попадания на

(Заметим, что эта приближенная формула, получаемая заменой функции лишь двумя первыми членами ее разложения в ряд по степеням , тем точнее, чем меньше ).

Основы математического моделирования

социально-экономических процессов

Лекция 3

Тема лекции: «Модели систем массового обслуживания»

1. Модели организационных структур управления (ОСУ).

2. Системы и модели массового обслуживания. Классификация систем массового обслуживания (СМО).

3.Модели СМО. Показатели качества функционирования СМО.

МОДЕЛИ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ (ОСУ).

Многие экономические задачи связаны с системами мас-сового обслуживания (СМО), т. е. с такими системами, в кото-рых, с одной стороны, возникают массовые запросы (требо-вания) на выполнение каких-либо услуг, с другой — проис-ходит удовлетворение этих запросов.

СМО включает в себя следующие элементы: источник требований, входящий поток требований, очередь, обслуживающие устройства (каналы обслуживания), выходящий поток требований. Исследованием таких систем занимается теория массового обслуживания (ТМО).

Методами теории массового обслуживания (ТМО) могут быть решены многие задачи исследования процессов, происходящих в экономике. Так, в организации торговли эти методы позволяют определить оптимальное количество торговых то- чек данного профиля, численность продавцов, частоту завоза товаров и другие параметры. Другим характерным примером систем массового обслуживания могут служить склады или базы снабженческо-сбытовых организаций. И задача тео-рии массового обслуживания в данном случае сводится к тому, чтобы установить оптимальное соотношение между числом поступающих на базу требований на обслуживание и числом обслуживающих устройств, при котором суммар-ные расходы на обслуживание и убытки от простоя транс-порта были бы минимальными. Теория массового обслужи-вания может найти применение и при расчете площади складских помещений, при этом складская площадь рас-сматривается как обслуживающее устройство, а прибытие транспортных средств под выгрузку — как требование.

Модели теории массового обслуживания применяются также при решении ряда задач организации и нормирования труда, других социально-экономических проблем. Переход к рынку требует от всех субъектов хозяйствования повышенной надежности и эффективности функционирования производств, гибкости и живучести в ответ на динамичные изменения внешней деловой среды, снижения разновидностей рисков и потерь от запоздалых и некомпетентных управленческих решений.

СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ (СМО) ЯВЛЯЮТСЯ МАТЕМАТИЧЕСКИМИ МОДЕЛЯМИ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ (ОСУ).

ОРГАНИЗАЦИОННЫЕ СТРУКТУРЫ УПРАВЛЕНИЯ (ОСУ) призваны оперативно отслеживать колебания рынка и принимать в зависимости от складывающихся ситуаций компетентные управленческие решения.

Поэтому становится понятным то внимание, которое уделяют субъекты рынка (транснациональные корпорации, промышленные предприятия, коммерческие банки, фирмы, организации, малые предприятия и т.п.) выбору эффективно функционирующих организационных структур управления (ОСУ).

Взамен широко распространенных в 90-х годах двадцатого столетия ОСУ предприятий (иерархических, матричных, дуальных, параллельных и др.) сегодня в мире эффективно используются АЛЬТЕРНАТИВНЫЕ ФОРМЫ МНОГОФУНКЦИОНАЛЬНЫХ СТРУКТУР, базирующихся на принципах самоорганизации, адаптации, автономности отдельных подразделений с мягкими связями между ними .

Подобной структурой обладает множество передовых зарубежных фирм, в составе которых насчитывается множество рабочих групп с сетевыми взаимоотношениями между ними. Популярными в последнее время считаются организации, ориентированные на минимизацию потребления ресурсов, имеющие явно выраженную горизонтальную форму с координацией, осуществляемой не по иерархическому признаку, а самими рабочими группами, организованными в сеть.

Альтернативными моделями, противостоящими моделям ОСУ, созданным на базе организационной логики и жесткого регулирования, являются нечеткие структуры без иерархических уровней и структурных подразделений , основанные на координации личной ответственности и профилировании самоуправляемых групп со следующими признаками:

а) наличием относительно независимых рабочих групп с участием представителей различных подразделений, создаваемых для решения определенных проектов и проблем, при широкой свободе действий и автономии в области координации задач и принятия решений;

б) ликвидацией жестких связей между подразделениями ОСУ с введением гибких взаимосвязей.

На аналогичных принципах базируется современная концепция минимизированного по ресурсам производства: на подобных предприятиях в качестве организационных единиц используют рабочие группы с широкими полномочиями и большими возможностями самоуправления с конечной целью, заключающейся в создании разумной гибкой организации труда, опирающейся на самостоятельно действующих исполнителей, а не на синтезированные специалистами рациональные структуры; сотрудниками оцениваются возникающие проблемы, определяются возможности контактов со специалистами внутри и за пределами системы. Самоуправляемый персонал основной упор делает на самоорганизацию, заменяющую собой привнесенную извне (задаваемую сверху) жесткую упорядоченную структуру.

Крайним случаем такого подхода является создание безорганизационной, постоянно «размороженной», структуры со следующими свойствами:

Широкое творческое обсуждение любых обрабатываемых процедур и поступающих извне сигналов без учета шаблонных решений и прошлого опыта;

Автономная работа членов групп с самостоятельной организацией временных взаимосвязей и производственных соглашений между партнерами по мере необходимости для решения возникающих проблем.

Заметим, что чрезмерное увлечение одной системной функцией — гибкостью, при полном игнорировании прочих функций — интеграции, идентификации, учета и контроля, всегда опасно для устойчиво функционирующих систем, так как трудно обеспечить успешную координацию в рамках данной организации без высокой квалификации сотрудников, их способности к обучению и совершенствованию, к установлению эффективных контактов и координации.При подобной форме организации основное внимание должно уделяться созданию условий для максимального использования интеллекта человеческих ресурсов и повышения их квалификации, выделению высококвалифицированных специалистов — системщиков, увязывающих действия членов организации для достижения конечной цели. При этом в сфере системной координации существует вероятность возможных срывов, конфликтов и негативных последствий, так как ориентация на способность персонала к самоорганизации и самокоординации носит слишком общий характер. Хотя высокая компетентность, инициатива и сила воли каждого работника и влияет на жизнеспособность любой децентрализованной организации, но в целом они не могут заменить регулирующей функции целой организационной структуры.

Сегодня в мире интенсивно развивается новое направление синтеза ОСУ как обучающихся систем, характеризующихся следующими характерными особенностями:

а) привлечением высококвалифицированных экспертов-специалистов к процессам восприятия и накопления информации, а также к обучению и расширению способностей персонала;

б) постоянным изменением в процессе функционирования, расширением своих способностей взаимодействия с окружающей деловой средой и быстрой адаптацией к постоянно меняющимся внешним и внутренним условиям;

в) широким распространением открытых компьютерных сетей, охватывающих не только отдельные организации, предприятия или их конгломераты, но и целые крупные регионы и даже совокупности стран (ЕЭС, СВИФТ и др.), что обусловливает новые возможности организации и повышения эффективности работы предприятий и отраслей в масштабах всей страны и даже всего мира.

Считается, что ОСУ должна создаваться на принципах многофункциональности и многоаспектности, позволяющих эффективно контролировать сложные рынки и распределять имеющиеся ресурсы. Из анализа мирового опыта функционирования ОСУ в условиях рынка применительно к российской экономике и ее субъектам хозяйствования можно выделить следующие рекомендации:

1) иерархическую ОСУ можно сохранять и применять с минимумом риска для предприятия, если высшее руководство фирмы способно выступать в качестве координаторов проблем, а их подчиненные — в качестве «маленьких предпринимателей»; при этом предпринимательская инициатива и ответственность перемещаются с верхних в нижние эшелоны фирменной власти при исполнении иерархами действительно координаторских функций;

2) матричную ОСУ можно сохранять, если в фирме отсутствует механическое дублирование служебных инстанций и существует органичная сетевая структура с оптимальной коммуникацией;

3) дуальную ОСУ следует применять при ясности и контролируемости как ключевых связей между основными и сопутствующими структурами, так и прозрачности функций самой системы сопутствующих вторичных структур, причем они должны быть многофункциональными и многоцелевыми (типа «учебных центров»), а не специализированными, ориентированными лишь на собственные потребности;

4) параллельную ОСУ следует применять при сформированной конструктивной конкурентной культуре, сотрудничестве партнеров на базе доверия, терпимости, готовности разрешать конфликты, а в острых ситуациях иметь нейтральную «третейскую» инстанцию.

При наличии средних предприятий, состоящих из слабо интегрированных функциональных подразделений, на вторичные структуры можно возложить решение интеграционных проблем, но эффект от реализации этого механизма получится при осознании руководством подразделений создания структурной надстройки как средства поддержки их собственной позиции, а не как угрозу для их существования.

Развитие на стыке кибернетики, вычислительных сетей, менеджмента и социальной психологии направления Groupware (США), связанного с электронными информационными системами, локальными диалоговыми сетями и средствами их поддержки, обеспечивает распределенную работу больших коллективов людей в режиме прямого доступа, позволяя хранить в машинной памяти огромный объем информации (любую деловую, производственно-техническую и прочую документацию, совещания, переговоры организации и даже обычные разговоры ее сотрудников, а также всю предысторию и опыт работы), используя ее при необходимости для корректировки структуры, функций, задач, стратегии и тактики управления в деятельности конкретной организации. Такой подход по-новому раскрывает понятие обучающейся организации, обеспечивает проведение аналогий между процессами, протекающими в живых и в диалоговых компьютерных системах.

Если обучение и память обусловливают выживание живых систем, то аналогично организационное обучение и память влияют на эффективность деятельности любой организации при изменении деловой внешней среды. Обучение, как живых, так и организационных систем обязательно ведет к структурным изменениям. Организационно правильно построенная компьютерная сеть может вызывать качественный сдвиг в улучшении корпоративной деятельности. Гибкость и широта функциональных возможностей рабочих групп, реализующих управление проектами при минимуме затрат на координацию их работы, обусловливают рост и качество исполнения крупных задач, стоящих перед фирмами, необходимость оптимизации функциональных подразделений и организационных структур в целом, изменения связей между функциональными единицами в зависимости от складывающихся ситуаций.

Качество реструктуризации в живых и организационных системах определяется совокупностью унаследованного и приобретенного поведения, эффективностью обучения и памяти, организации инфраструктур, обеспечивающих совершенствование взаимосвязей и диалогов между людьми. Повышение скорости обучения и эффективности памяти организации зависит от способа управления взаимоотношениями и диалогами между людьми. Сегодня коммуникации — это координация действий, а не передача информации. Организационные инфраструктуры должны расширять возможности формирования и поддержки диалогов между людьми независимо от их традиций, культуры и др. Пример тому организация и распространение сети Internet и ей подобных.

Учет специфики моделей разновидностей СМО в практической деятельности субъектов рынка позволяет:

Провести более глубокий анализ особенностей функционирования сложных систем, оценить их качество и эффективность с получением конкретных количественных оценок;

Вскрыть имеющиеся резервы и возможности по оптимизации протекающих процессов, экономии финансовых и прочих ресурсов, снижению рисков в условиях неопределенности деловой внешней и внутренней среды.

Рассмотрим эти вопросы подробнее.

2. СИСТЕМЫ И МОДЕЛИ МАССОВОГО ОБСЛУЖИВАНИЯ. КЛАССИФИКАЦИЯ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ (СМО).

Теория массового обслуживания опирается на теорию вероятностей и математическую статистику. Первоначальное развитие теории массового обслуживания связано с именем датского уче-ного А. К. Эрланга (1878—1929), с его трудами в области проекти-рования и эксплуатации телефонных станций.

Теория массового обслуживания - область прикладной мате-матики, занимающаяся анализом процессов в системах произ-водства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и пере-дачи информации; автоматических линиях производства и др.

Большой вклад в развитие этой теории внесли российские математики А. Я. Хинчин, Б. В. Гнеденко, А. Н. Колмогоров, Е. С. Вентцель и др.

Предметом теории массового обслуживания является установ-ление зависимостей между характером потока заявок, числом ка-налов обслуживания, производительностью отдельного канала и эффективным обслуживанием с целью нахождения наилучших путей управления этими процессами. Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого варианта системы, при котором будет обеспечен минимум сум-марных затрат от ожидания обслуживания, потерь времени и ре-сурсов на обслуживание и от простоев каналов обслуживания.

Задачи организации массового обслуживания возникают практически во всех сферах человеческой деятельности, напри-мер обслуживание продавцами покупателей в магазинах, обслу-живание посетителей на предприятиях общественного питания, обслуживание клиентов на предприятиях бытового обслужива-ния, обеспечение телефонных разговоров на телефонной стан-ции, оказание медицинской помощи больным в поликлинике и т.д. Во всех приведенных примерах возникает необходимость в удовлетворении запросов большого числа потребителей.

Перечисленные задачи можно успешно решать с помощью методов и моделей специально созданной для этих целей теории массового обслуживания (ТМО). В этой теории поясняется, что обслуживать необходимо кого-либо или что-либо, что определяется понятием «заявка (требование) на обслуживание», а опера-ции обслуживания выполняются кем-либо или чем-либо, назы-ваемыми каналами (узлами) обслуживания.

Заявки в силу массовости поступления на обслуживание об-разуют потоки, которые до выполнения операций обслужива-ния называются входящими, а после возможного ожидания начала обслуживания, т.е. простоя в очереди, образуют потоки об-служивания в каналах, а затем формируется выходящий поток заявок. В целом совокупность элементов входящего потока за-явок, очереди, каналов обслуживания и выходящего потока за-явок образует простейшую систему массового обслуживания — СМО.

Одним из параметров входного потока заявок является интенсивность входящего потока заявок λ ;

К параметрам каналов обслуживания заявок относятся: интенсивность обслуживания μ , число каналов обслуживания n .

Параметрами очереди являются: максимальное число мест в очереди L max ; дисциплина очереди D («первым пришел - первым ушел» (FIFO); «последним пришел - первым ушел» (LIFO); с приоритетами; случайный выбор из очереди).

Процедура обслуживания считается завершенной, когда заяв-ка на обслуживание покидает систему. Продолжительность ин-тервала времени, требуемого для реализации процедуры обслу-живания, зависит в основном от характера запроса заявки на об-служивание, состояния самой обслуживающей системы и канала обслуживания.

Действительно, например, продолжительность пребывания покупателя в супермаркете зависит, с одной стороны, от личностных качеств покупателя, его запросов, от ассортимента товаров, который он собирается приобрести, а с другой — от формы организации об-служивания и обслуживающего персонала, что может значитель-но повлиять на время пребывания покупателя в супермаркете и интенсивность обслуживания.

Под обслуживанием заявок мы будем понимать процесс удовле-творения потребности. Обслуживание имеет различный характер по своей природе. Однако во всех примерах поступившие заявки нуждаются в обслуживании со стороны какого-либо устройства.

В некоторых случаях обслуживание производится одним челове-ком (обслуживание покупателя одним продавцом), в некоторых — группой людей (обслуживание клиента в ресторане), а в некоторых случаях — техническими устройст-вами (продажа газированной воды, бутербродов автоматами).

Совокупность средств, которые осуществляют обслуживание за-явок, называется каналом обслуживания.

Если каналы обслуживания способны удовлетворить одина-ковые заявки, то каналы обслуживания называются однородны-ми.

Совокупность однородных каналов обслуживания называет-ся обслуживающей системой.

В систему массового обслуживания поступает большое коли-чество заявок в случайные моменты времени, длительность обслу-живания которых также является случайной величиной. Последо-вательное поступление заявок в систему обслуживания называет-ся входящим потоком заявок , а последовательность заявок, покидающих систему обслуживания, — выходящим потоком .

Если максимальная длина очереди L max = 0 , то СМО является системой без очередей.

Если L max = N 0 , где N 0 >0 - некоторое положительное число, то СМО является системой с ограниченной очередью.

Если L max → ∞, то СМО является системой с бесконечной очередью.

Случайный характер распределения длительности выполне-ния операций обслуживания, наряду со случайным характером поступления требований на обслуживание, приводит к тому, что в каналах обслуживания протекает случайный процесс, который может быть назван (по аналогии с входным потоком заявок) потоком обслуживания заявок или просто потоком обслуживания .

Заметим, что заявки, поступающие в систему обслуживания, могут покинуть ее и будучи не обслуженными. Например, если покупатель не найдет в магазине нужный товар, то он покидает магазин, будучи не обслуженным. Покупатель может покинуть магазин также, если нужный товар имеется, но большая очередь, а покупатель не располагает временем.

Теория массового обслуживания занимается изучением про-цессов, связанных с массовым обслуживанием, разработкой ме-тодов решения типичных задач массового обслуживания.

При исследовании эффективности работы системы обслужи-вания важную роль играют различные способы расположения в системе каналов обслуживания.

При параллельном расположении каналов обслуживания тре-бование может быть обслужено любым свободным каналом.

Примером такой системы обслуживания является расчетный узел в магазинах самообслуживания, где число каналов обслужи-вания совпадает с числом кассиров-контролеров.

На практике часто обслуживание одной заявки осуществля-ется последовательно несколькими каналами обслуживания .

При этом очередной канал обслуживания начинает работу по обслуживанию заявки после того, как предыдущий канал закончил свою работу. В таких системах процесс обслуживания носит многофазовый характер , обслуживание заявки одним каналом называется фазой обслуживания . Например, если в магазине са-мообслуживания имеются отделы с продавцами, то покупатели сначала обслуживаются продавцами, а потом уже кассирами-контролерами.

Организация системы обслуживания зависит от воли челове-ка. Под качеством функционирования системы в теории массо-вого обслуживания понимают не то, насколько хорошо выполне-но обслуживание, а то, насколько полно загружена система об-служивания, не простаивают ли каналы обслуживания, не образуется ли очередь .

Работу системы обслуживания характеризуют такие показате-ли, как время ожидания начала обслуживания, длина очереди, возможность получения отказа в обслуживании, возможность простоя каналов обслуживания, стоимость обслуживания и в ко-нечном итоге удовлетворение качеством обслуживания.

Чтобы улучшить качество функционирования системы об-служивания, необходимо определить, каким образом распреде-лить поступающие заявки между каналами обслуживания, какое количество каналов обслуживания необходимо иметь, как распо-ложить или сгруппировать каналы обслуживания или обслужива-ющие аппараты для улучшения показателей. Для решения перечисленных задач существует эффек-тивный метод моделирования, включающий и объединяющий достижения разных наук, в том числе математики.

Потоки событий.

Переходы СМО из одного состояния в другое происходят под воздействием вполне определенных событий — поступле-ния заявок и их обслуживания. Последовательность появления событий, следующих одно за другим в случайные моменты вре-мени, формирует так называемый поток событий .

Примерами таких потоков являются потоки различной природы — потоки товаров, денег, документов; транспортные потоки; потоки клиентов, покупателей; потоки телефонных звонков, переговоров и др. По-ведение системы обычно определяется не одним, а сразу не-сколькими потоками событий. Например, обслуживание поку-пателей в магазине определяется потоком покупателей и пото-ком обслуживания; в этих потоках случайными являются моменты появления покупателей, время ожидания в очереди и время, затрачиваемое на обслуживание каждого покупателя.

При этом основной характерной чертой потоков является веро-ятностное распределение времени между соседними события-ми. Существуют различные потоки, которые отличаются свои-ми характеристиками.

Поток событий называется регулярным , если в нем события следуют одно за другим через заранее заданные и строго опреде-ленные промежутки времени. Такой поток является идеальным и очень редко встречается на практике. Чаще встречаются нерегу-лярные потоки, не обладающие свойством регулярности.

Поток событий называется стационарным, если вероятность попадания любого числа событий на промежуток времени зави-сит только от длины этого промежутка и не зависит от того, как далеко расположен этот промежуток от начала отсчета времени.

То есть стационарным называется поток , для которого математическое ожидание числа требований, поступающих в систему в единицу времени (обозначим λ), не меняется во времени. Таким образом, вероятность поступления в систему определен-ного количества требований в течение заданного промежутка времени?t зависит от его величины и не зависит от начала его отсчета на оси времени.

Стационарность потока означает независимость от времени его вероятностных характеристик; в частности, интенсивность тако-го потока есть среднее число событий в единицу времени и оста-ется величиной постоянной. На практике обычно потоки могут считаться стационарными только на некотором ограниченном промежутке времени. Обычно поток покупателей, например, в магазине существенно меняется в течение рабочего дня. Однако можно выделить определенные временные интервалы, внутри которых этот поток допустимо рассматривать как стационарный, имеющий постоянную интенсивность.

Отсутствие последействия означает, что число требова-ний, поступивших в систему до момента t, не определяет того, сколько требований поступит в систему за промежуток вре-мени от t до t+?t.

Например, если на ткацком станке в данный момент произошел обрыв нити, и он устранен ткачихой, то это не оп-ределяет, произойдет новый обрыв на данном станке в следующий момент или нет, тем более это не влияет на веро-ятность возникновения обрыва на других станках.

Поток событий называется потоком без последствия , если число событий, попадающих на один из произвольно выбран-ных промежутков времени, не зависит от числа событий, попавших на другой, также произвольно выбранный промежуток, при условии, что эти промежутки не пересекаются между собой.

В потоке без последствия события появляются в последовательные моменты времени независимо друг от друга. Например, поток покупателей, входящих в магазин, можно считать потоком без последствия потому, что причины, обусловившие приход каждо-го из них, не связаны с аналогичными причинами для других по-купателей.

Поток событий называется ординарным , если вероятность по-падания на очень малый отрезок времени сразу двух или более событий пренебрежимо мала по сравнению с вероятностью попа-дания только одного события.

Другими словами, ординарность потока означает практическую невозмож-ность одновременного поступления двух и более требований. Например, достаточно малой является вероятность того, что из группы станков, обслуживаемых бригадой ремонтников, одновременно выйдут из строя сразу несколько станков. В ординарном потоке события происходят поодиночке, а не по два (или более) сразу.

Если поток одновременно обладает свойствами стационарнос-ти, ординарности и отсутствием последствия , то такой поток назы-вается простейшим (или пуассоновским) потоком событий .

Мате-матическое описание воздействия такого потока на системы ока-зывается наиболее простым. Поэтому, в частности, простейший поток играет среди других существующих потоков особую роль.

Методы и модели, применяющиеся в теории массового обслуживания (ТМО), можно условно разделить на АНАЛИТИЧЕСКИЕ и ИМИТАЦИОННЫЕ.

Аналитические методы теории массового обслуживания позволяют получить характеристики системы как некото-рые функции параметров ее функционирования. Благодаря этому появляется возможность проводить качественный анализ влияния отдельных факторов на эффективность работы СМО.

Имитационные методы основаны на моделировании процес-сов массового обслуживания на ЭВМ и применяются, если невозможно применение аналитических моделей.

В настоящее время теоретически наиболее разработаны и удобны в практических приложениях методы решения та-ких задач массового обслуживания, в которых входящий поток требований является простейшим (пуассоновским).

Для простейшего потока частота поступления требований в систему подчиняется закону Пуассона, т.е. вероятность по-ступления за время t ровно k требований задается формулой:

Важная характеристика СМО — время обслуживания требований в системе.

Время обслуживания одного требования является, как правило, случайной величиной и, следователь-но, может быть описано законом распределения.

Наибольшее распространение в теории и особенно в практических прило-жениях получил экспоненциальный закон распределения времени обслуживания . Функция распределения для этого закона имеет вид:

F(t) = 1 - e - μ t , (2)

т.е. вероятность того, что время обслуживания не превосхо-дит некоторой величины t, определяется формулой (2), где μ — параметр экспоненциального закона распределения времени обслуживания требований в системе. То есть μ - это величина, обратная среднему времени обслуживания ? o6 . :

μ = 1/ ? o6 . (3)

Кроме понятия простейшего потока событий часто приходит-ся пользоваться понятиями потоков других типов.

Поток собы-тий называется потоком Пальма , когда в этом потоке промежутки времени между последовательными событиями T1, T2, ..., Тn являются независимыми, одинаково распределенными, слу-чайными величинами, но в отличие от простейшего потока необязательно распределенными по показательному закону.

Про-стейший поток является частным случаем потока Пальма.

Важным частным случаем потока Пальма является так назы-ваемый поток Эрланга . Этот поток получается «прореживанием» простейшего потока. Такое «прореживание» производится путем отбора по определенному правилу событий из простейшего пото-ка. Например, условившись учитывать только каждое второе со-бытие из образующих простейший поток, мы получим поток Эрланга второго порядка. Если брать только каждое третье событие, то образуется поток Эрланга третьего порядка и т.д. Можно полу-чить потоки Эрланга любого k-го порядка. Очевидно, простей-ший поток есть поток Эрланга первого порядка.

КЛАССИФИКАЦИЯ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ.

Любое исследование системы массового обслуживания (СМО) начи-нается с изучения того, что необходимо обслуживать, следова-тельно, с изучения входящего потока заявок и его характеристик.

1. В зависимости от условий ожидания начала обслуживания различают:

СМО с потерями (отказами),

СМО с ожиданием.

В СМО с отказами требования, поступающие в момент, когда все каналы обслуживания заняты, получают отказ и теряются. Классическим примером системы с отказами явля-ется телефонная станция. Если вызываемый абонент занят, то требование на соединение с ним получает отказ и теряется.

В СМО с ожиданием требование, застав все обслуживаю-щие каналы занятыми, становится в очередь и ожидает, пока не освободится один из обслуживающих каналов.

СМО, допускающие очередь, но с ограниченным числом требований в ней, называются системами с ограниченной длиной очереди .

СМО, допускающие очередь , но с ограниченным сроком пребывания каждого требования в ней, называются систе-мами с ограниченным временем ожидания.

2. По числу каналов обслуживания СМО делятся на

- одноканальные ;

- многоканальные .

3. По месту нахождения источника требований

СМО делятся на:

- разомкнутые , когда источник требования находится вне системы;

- замкнутые , когда источник находится в самой системе.

Примером разомкнутой системы может служить мастерская по обслуживанию и ремонту бытовой техники. Здесь неисправные устройства — это источник требований на их обслуживание, находятся вне самой системы, число требований можно считать неограни-ченным.

К замкнутым СМО относится, например, станочный участок, в котором станки являются источником неисправностей, и, следовательно, источником требований на их обслу-живание , например, бригадой наладчиков.

Возможны и другие признаки классификации СМО, на-пример, по дисциплине обслуживания , однофазные и многофазные СМО и др.

3. МОДЕЛИ СМО. ПОКАЗАТЕЛИ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ СМО.

Рассмотрим аналитические модели наиболее распростра-ненных СМО с ожиданием, т.е. таких СМО, в которых требо-вания, поступившие в момент, когда все обслуживающие ка-налы заняты, ставятся в очередь и обслуживаются по мере освобождения каналов.

ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ СОСТОИТ В СЛЕДУЮЩЕМ.

Система имеет n обслуживающих каналов , каждый из которых может одновременно обслуживать только одно требование.

В систему поступает простейший (пуассоновский) поток требований с параметром λ .

Если в момент поступления оче-редного требования в системе на обслуживании уже находится не меньше n требований (т.е. все каналы заняты), то это требование становится в очередь и ждет начала обслуживания.

Время обслуживания каждого требования t об. — случайная величина, которая подчиняется экспоненциальному за-кону распределения с параметром μ .

СМО С ОЖИДАНИЕМ МОЖНО РАЗБИТЬ НА ДВЕ БОЛЬШИЕ ГРУППЫ: ЗАМКНУТЫЕ И РАЗОМКНУТЫЕ.

К замкнутым относятся системы, в которых поступающий поток требований возникает в самой системе и ограничен .

Например, мастер, задачей кото-рого является наладка станков в цехе, должен периодически их обслуживать. Каждый налаженный станок становится потенциальным источником требований на накладку. В по-добных системах общее число циркулирующих требования конечно и чаще всего постоянно.

Если питающий источник обладает бесконечным числом требований , то системы называются разомкнутыми.

Приме-рами подобных систем могут служить магазины, кассы вокза-лов, портов и др. Для этих систем поступающий поток требо-ваний можно считать неограниченным.

Отмеченные особенности функционирования систем этих двух видов накладывают определенные условия на исполь-зуемый математический аппарат. Расчет характеристик работы СМО различного вида может быть проведен на основе расчета вероятностей состояний СМО (так называемые фор-мулы Эрланга ).

1. РАЗОМКНУТАЯ СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ С ОЖИДАНИЕМ.

Рассмотрим алгоритмы расчета показателей качества функционирования разомкнутой СМО с ожиданием.

При изучении таких систем рассчитывают различные по-казатели эффективности обслуживающей системы. В каче-стве основных показателей могут быть вероятность того, что все каналы свободны или заняты, математическое ожидание длины очереди (средняя длина очереди), коэффициенты за-нятости и простоя каналов обслуживания и др.

Введем в рассмотрение параметр α = λ/μ . Заметим, что если выполняется неравенство α / n < 1, то очередь не может расти безгранично.

Это условие имеет следующий смысл: λ — среднее число требо-ваний, поступающих за единицу времени , 1/μ — среднее время обслуживания одним каналом одного требования, тогда α = λ (1/ μ) — среднее число каналов, которое необходимо иметь, чтобы обслуживать в единицу времени все поступаю-щие требования. Тогда μ - среднее число требований, обслуживаемых одним каналом за единицу времени.

Поэтому условие: α / n < 1, означает, что чис-ло обслуживающих каналов должно быть больше среднего числа каналов, необходимых для того, чтобы за единицу времени обслужить все поступившие требования .

ВАЖНЕЙ-ШИЕ ХАРАКТЕРИСТИКИ РАБОТЫ СМО (для разомкнутой системы массового обслуживания с ожиданием ):

1. Вероятность P 0 того, что все обслуживающие каналы сво-бодны:

2. Вероятность P k того, что занято ровно k обслуживающих каналов при условии, что общее число требований, находя-щихся на обслуживании, не превосходит числа обслуживающих аппаратов, то есть при 1 ≤ k ≤ n :

3. Вероятность P k того, что в системе находится k требований в случае, когда их число больше числа обслуживающих каналов, то есть при k > n :

4. Вероятность Pn того, что все обслуживающие каналы заняты:

5. Среднее время ожидания требованием начала обслу-живания в системе:

6. Средняя длина очереди:

7. Среднее число свободных от обслуживания каналов:

8. Коэффициент простоя каналов:

9. Среднее число занятых обслуживанием каналов:

10. Коэффициент загрузки каналов

Фирма по обслуживанию и ремонту бытовой техники и электроники имеет филиал: мастерскую по ремонту мобильных телефонов, в которой работает n = 5 опытных мастеров. В среднем в течение рабочего дня от населения поступает в ремонт λ =10 мобильных телефонов. Общее число мобильных телефонов, находящихся в эксплуатации у населения, очень велико, и они независимо друг от друга в различное время выходят из строя. Поэтому есть основания считать, что поток заявок на ремонт ап-паратуры является случайным, пуассоновским. В свою оче-редь каждый мобильный телефон в зависимости от характера неисправ-ности также требует различного случайного времени на ре-монт. Время на проведение ремонта зависит во многом от серьезности полученного повреждения, квалификации мас-тера и множества других причин. Пусть статистика показа-ла, что время ремонта подчиняется экспоненциальному за-кону; при этом в среднем в течение рабочего дня каждый из мастеров успевает отремонтировать μ = 2,5 мобильных телефона.

Требуется оценить работу филиала фирмы по ремонту -бытовой техники и электроники, рассчитав ряд основных характеристик данной СМО.

За единицу времени принимаем 1 рабочий день (7 часов).

1. Определим параметр

α = λ / μ = 10/ 2,5 = 4.

Так как α < n = 5, то можно сделать вывод: очередь не может расти безгранично.

2. Вероятность P 0 того, что все мастера свободны от ремонта аппаратуры, равна согласно (4):

P0 = (1 + 4 + 16/2 + 64/3! + 256/4! + 1024/5!(1- 4/5)) -1 = (77) -1 ≈ 0,013.

3. Вероятность P5 того, что все мастера заняты ремонтом, находим по формуле (7) (Pn при n=5):

P5 = P0 1024 /5! (1-4/5) = P0 256 /6 ≈ 0,554.

Это означает, что 55,4% времени мастера полностью за-гружены работой.

4. Среднее время обслуживания (ремонта) одного аппарата согласно формуле (3):

? o6. = 1/ μ = 7/2,5 = 2,8 ч./аппарат (важно: единица времени - 1 рабочий день, т. е. 7 часов).

5. В среднем время ожидания каждого неисправного мобильного телефона начала ремонта равно по формуле (8):

Ож. = Pn/(μ (n-α)) = 0,554 2,8/(5 - 4) =1,55 часа.

6. Очень важной характеристикой является средняя длина очереди, которая определяет необходимое место для хранения аппаратуры, требующей ремонта; находим ее по формуле (9):

Оч. = 4 P5/ (5-4) ≈ 2,2 моб. телефона.

7. Определим среднее число мастеров, свободных от ра-боты, по формуле (10):

Ñ0 = P0 (5 + 16 + 24+ 64/3 + 32/3) = P0 77 ≈ 1 мастер.

Таким образом, в среднем в течение рабочего дня ремонтом заняты четыре мастера из пяти.

2. ЗАМКНУТАЯ СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ.

Перейдем к рассмотрению алгоритмов расчета характери-стик функционирования замкнутых СМО.

Поскольку система замкнутая, то к постановке задачи следует добавить условие: поток поступающих требований ограничен, т.е. в системе обслуживания одновременно не может находиться больше m требований (m — число обслуживаемых объектов).

За критерий, характеризующий качество функциониро-вания рассматриваемой системы, выберем отношение средней длины очереди к наибольшему числу требований, находя-щихся одновременно в обслуживающей системе — коэффици-ент простоя обслуживаемого объекта .

В качестве другого критерия возьмем отношение среднего числа незанятых об-служивающих каналов к их общему числу — коэффициент простоя обслуживаемого канала .

Первый из названных критериев характеризует потери времени из-за ожидания начала обслуживания ; второй по-казывает полноту загрузки обслуживающей системы .

Очевидно, что очередь может возникнуть, лишь когда число каналов обслуживания меньше наибольшего числа требований, нахо-дящихся одновременно в обслуживающей системе (n < m).

Приведем последовательность расчетов характеристик замкнутых СМО и необходимые формулы.

ПАРАМЕТРЫ ЗАМКНУТЫХ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ.

1. Определим параметр α = λ / μ — показатель загрузки системы , то есть математическое ожидание числа требований, поступающих в систему за время, равное средней длитель-ности обслуживания (1/μ = ?o6.).

2. Вероятность P k того, что занято k обслуживающих каналов при условии, что число требований, находящихся в системе, не превосходит числа обслуживающих каналов системы (то есть при m ≤ n ) :

3. Вероятность P k того, что в системе находится k требований для случая, когда их число больше числа обслуживающих каналов (то есть при k > n , при этом k ≤ m ):

4. Вероятность P 0 того, что все обслуживающие каналы сво-бодны, определим, используя очевидное условие:

Тогда величина P 0 будет равна:

5. Среднее число M оч. требований, ожидающих начала обслу-живания (средняя длина очереди):

Или с учетом формулы (15)

6. Коэффициент простоя обслуживаемого требования (объекта):

7. Среднее число M требований, находящихся в обслуживаю-щей системе, обслуживаемых и ожидающих обслуживания:

где для вычислений первой и второй суммы применяются формулы (14) и (15) соответственно.

8. Среднее число свободных обслуживающих каналов

где P k вычисляется по формуле (14).

9. Коэффициент простоя обслуживающего канала

Рассмотрим пример расчета характеристик замкнутой СМО.

Рабочий обслуживает группу автоматов, состоя-щую из 3 станков. Поток поступающих требований на обслу-живание станков является пуассоновским с параметром λ = 2 ст./ч.

Обслуживание одного станка занимает у рабочего в среднем 12 минут, а время обслуживания подчинено экспоненци-альному закону.

Тогда 1/μ = 0,2 ч./ст., т.е. μ = 5 ст./ч., Параметр α = λ/μ = 0,4.

Необходимо определить среднее число автоматов, ожи-дающих обслуживания, коэффициент простоя автомата, ко-эффициент простоя рабочего.

Обслуживающим каналом здесь является рабочий; так как станки обслуживает один рабочий, то n = 1 . Общее число требований не может пре-взойти числа станков, т.е. m = 3 .

Система может находиться в четырех различных состоя-ниях: 1) все станки работают; 2) один стоит и обслуживается рабочим, а два работают; 3) два стоят, один обслуживается, один ждет обслуживания; 4) три стоят, из них один обслу-живается, а два ждут очереди.

Для ответа на поставленные вопросы можно воспользо-ваться формулами (14) и (15).

P1 = P0 6 0,4/2 = 1,2 P0;

P2 = P0 6 0,4 0,4 = 0,96 P0;

P3 = P0 6 0,4 0,4 0,4= 0,384 P0;

Сведем вычисления в таблицу (рис. 1).






∑P k /P 0 = 3,5440	∑ (k-n)P k = 0,4875	∑k P k = 1,2053

Рис. 1. Вычисление характеристик замкнутой СМО.

В этой таблице первым вычисляется третий столбец, т.е. отношения P k /P 0 при k = 0,1,2,3.

Затем, суммируя величины по третьему столбцу и учитывая, что ∑ P k = 1, получаем 1/P 0 = 3,544. Откуда Р 0 ≈ 0,2822.

Умножая значения, стоящие в третьем столбце, на Р 0 , получаем в соответствующих строках значения четвертого столбца.

Величина Р 0 = 0,2822, рав-ная вероятности того, что все автоматы работают, может быть истолкована как вероятность того, что рабочий свобо-ден. Получается, что в рассматриваемом случае рабочий будет свободен более 1/4 всего рабочего времени. Однако это не оз-начает, что «очередь» станков, ожидающих обслуживания, всегда будет отсутствовать. Математическое ожидание числа автоматов, стоящих в очереди, равно

Суммируя значения, стоящие в пятом столбце таблицы, получим среднюю длину очереди M оч. = 0,4875. Следова-тельно, в среднем из трех станков 0,49 станка будет про-стаивать в ожидании, пока освободится рабочий.

Суммируя значения, стоящие в шестом столбце таблицы, получим математическое ожи-дание числа простаивающих станков (ремонтируемых и ожидающих ремонта): М = 1,2053. То есть в среднем 1,2 станка не будет выдавать продукцию.

Ко-эффициент простоя станка равен К пр.об. = M оч. /3 = 0,1625. То есть каждый станок простаивает примерно 0,16 часть рабо-чего времени в ожидании, пока рабочий освободится.

Коэффициент простоя рабочего в данном случае совпадает с P 0 , так как n = 1 (все обслуживающие каналы свободны), поэтому

К пр.кан. = N 0 /n = 0,2822.

Абчук В.А. Экономико-математические методы: Элементарная математика и логика. Методы исследования операций. - СПб.: Союз, 1999. - 320.

Елтаренко Е.А. Исследование операций (системы массового обслуживания, теория игр, модели управления запасами). Учебное пособие. - М.: МИФИ, 2007. - С. 157.

Фомин Г. П. Математические методы и модели в коммерческой дея-тельности: Учебник. — 2-е изд., перераб. и доп. — М.: Финан-сы и статистика, 2005. — 616 с: ил.

Шелобаев С. И. Математические методы и модели в экономике, финансах, бизнесе: Учеб. пособие для вузов. — М.: ЮНИТИ- ДАНА, 2001. - 367 с.

Экономико-математические методы и прикладные модели: Учебное пособие для вузов/ В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов и др.; Под ред. В.В. Федосеева. — М.: ЮНИТИ, 1999. - 391 с.

Анализ временной диаграммы

Синтез СМО

Понятие марковского случайного процесса

Потоки событий

Популярное