Systémy hromadné obsluhy

Slides:



Advertisements
Podobné prezentace
Základní typy rozdělení pravděpodobnosti diskrétní náhodné veličiny
Advertisements

Program pro rychlé hlášení poruch strojů a zařízení
™. ™ Zprovoznění zařízení a zahájení jejich řízení během několika minut.
Modely hromadné obsluhy Modely front
LOGISTIKA ZÁSOBOVÁNÍ NÁHRADNÍMI DÍLY V AUTOSERVISECH
Řízení poptávky a nabídky
Modely řízení zásob I. Deterministické
Modely řízení zásob Základní pojmy Deterministické modely
Prezentace společnosti B&C Dopravní systémy s.r.o. Společnost se zabývá aplikováním sofistikovaných metod využitelných pro poznávání, řízení a regulaci.
Limitní věty.
Úvod Klasifikace disciplín operačního výzkumu
Operační systémy. OPERAČNÍ SYSTÉMY pomoc operátorovi, podpora vlastností reálného času, víceuživatelských a více úlohových systémů.
Systémy hromadné obsluhy
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
Ing. Jana Korytárová, Ph.D.
LOGISTICKÉ SYSTÉMY 2/14.
Příklady teorie všeobecné rovnováhy
Deterministické modely zásob Model s optimální velikostí objednávky
Modely montážních linek Gejza Dohnal. Montážní linky.
LOGISTICKÉ SYSTÉMY 4/14.
Náhodná veličina.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. Cvičení – 8. APLIKACE.
Vybraná rozdělení spojité náhodné veličiny
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. 19. PŘEDNÁŠKA.
Vliv konkrétních podmínek činnosti na řízení nákladů výkonu
Generování náhodných veličin (2) Spojitá rozdělení
Systémy hromadné obsluhy
Některá diskrétní a spojitá rozdělení náhodné veličiny.
Charakteristiky výstupního procesu systémů hromadné obsluhy Martin Meca ČVUT, Fakulta strojní.
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Mikroekonomie I Chování firmy v modelu dokonalé konkurence
PROGNÓZA DOPRAVY 1. Účel a cíle prognózy dopravy
LOGISTICKÉ SYSTÉMY /14.
Definice stochastického procesu jako funkce 2 proměnných
Normální (Gaussovo) rozdělení. Karl Friedrich Gauss
Normální (Gaussovo) rozdělení
Vybraná rozdělení spojité náhodné veličiny
Promyšlené podnikání (Design Thinking for Business Innovation) Průmysl (obor podnikání) přívětivý pro vstup Startupů Struktura oboru I. týden.
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Se stochastickou poptávkou
Systémy hromadné obsluhy
Cíle přednášky Vymezení trhu z pohledu zákazníků a jejich poptávky
Pojetí nákladů a výnosů v účetnictví. Základní otázky podnikatelského procesu Je výše oběti racionální (odpovídající) získanému prospěchu? Podnikatelský.
2. Vybrané základní pojmy matematické statistiky
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Tobias Schnadt AEM - PRE,a.s.,1.listopadu 2006 Slide 1 Komfortní energie pro Vás Pražská energetika, a. s. STAV NOUZE Pohled obchodníka a distributora.
Kendalova klasifikace SHO
Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. Únor CVIČENÍ APLIKACE FRONT + HO … - i pro.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Využití teorie hromadné obsluhy v počítačích Dan Ohnesorg AI526.
(Popis náhodné veličiny)
Petr Machala. Kolik to stojí peněz? Hodinová mzda.
Čerpání zásob. Označení materiálu : VY_32_INOVACE_EKO_1289Ročník: 2. a 3. Vzdělávací obor: Ekonomika Tematický okruh: Výpočty o majetku Téma: Graf čerpání.
Dimenzování sítí Uspokojení uživatele služby závisí na její jakosti, která představuje schopnost sítě poskytnout službu s předepsanými parametry. Pohotovost.
Kalkulace - učitel.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN Rovnoměrné rozdělení R(a,b) rozdělení s konstantní hustotou pravděpodobnosti v intervalu (a,b) a  x  b distribuční.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
Tvorba výrobního programu Příklad tvorby efektivního výrobního programu vzhledem k úzkému místu.
Kapitola 5: Spojitá náhodná veličina
Testování hypotéz Otestujte,… Ověřte,… Prokažte,… že střední věk (tj.  ) …činí 40 let (= 40) …je alespoň 40 let (≥ 40)
Simulace podnikových procesů
Náhodná veličina.
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
Úvod do statistického testování
Systémy hromadné obsluhy
Normální (Gaussovo) rozdělení
Paměť.
Vliv konkrétních podmínek činnosti na řízení nákladů výkonu
Podnikatelský plán Iva Jeřábková
Transkript prezentace:

Systémy hromadné obsluhy Příklady

obsluha Systém M/M/1 fronta Příchod jednotek (zákazníků) do systému Odchod ze systému Příchod jednotek (zákazníků) do systému

Příklady Fronta a obsluha v obchodě (obyčejný pultový prodej) Porouchané stroje, jejich opravy a čekání na opravu. Komunikace počítačů po síti, poslání paketu a čekání paketu na volný komunikační kanál.

Předpoklady Vstupní proces (příchod jednotek do systému) je náhodný a tvoří Poissonovský proces Doba obsluhy je náhodná veličina s normálním rozdělením V obsluze je jeden kanál (jedna prodavačka za pultem).

Kendalova klasifikace SHO

Klasifikace systémů hromadné obsluhy X/Y/s X … typ vstupního procesu - M Poissonovský proces - D Deterministický proces - U (C) Rovnoměrné rozdělení - G Obecné ( jiné, než zde výslovně uvedené) rozdělení

Klasifikace systémů hromadné obsluhy X/Y/s Y … rozděleníé veličiny doba obsluhy - M Normální rozdělení - D Pevná doba obsluhy - U (C) Rovnoměrné rozdělení - G Obecné ( jiné, než zde výslovně uvedené) rozdělení

Klasifikace systémů hromadné obsluhy X/Y/s S >= 1 počet kanálů obsluhy

Rozšířená klasifikace SHO X/Y/s/C/F/V C disciplína čekání (FIFO, LIFO, RANDOM, PRIORITY()) F omezení délky fronty (číslo, nebo ∞) V omezení vstupu (velikosti populace) (číslo, nebo ∞)

Vstupní parametry modelů  … intenzita vstupu (průměrný počet požadavků, které do systému vstoupí za jednotku času)  … intenzita obsluhy (průměrný počet požadavků, které je kanál schopen obsloužit za jednotku času)  … =  /  intenzita provozu

Příklady V dílně, kde pracuje velký počet strojů je doba mezi poruchami dvou strojů náhodná veličina s exponenciálním rozdělením a střední hodnotou 5 minut. Oprava jednoho stroje trvá pokaždé přesně 20 minut. Hodinova mzda jednoho opraváře je 50 $, ztráty vzniklé podniku prostojem jednoho stroje po dobu jedné hodiny jsou 200 $. Kolik oprávařů má dílna zaměstnat, aby zajistila minimální ztráty?

Příklady V prodejně automobilů je průměrná doba mezi příchody dvou zákazníků 10 minut. Průměrná doba obsluhy je 9 minut. V den uvedení nového vozidla na trh stojí ráno před otevřením před obchodem fronta 100 zákazníků. Za jak dlouho fronta zmizí a systém se dostane do rovnovážného stavu?

Vypočtené parametry modelu pn … pravděpodobnost, že v systému je právě n zákazníků … průměrný počet zákazníků v systému … průměrná délka fronty … průměrná doba setrvání zákazníka v systému … průměrná doba čekání … průměrný počet obsazených kanálů (= průměrný počet zákazníků v obsluze)

Shrnutí vzorců pro systém M/M/1 Pro ρ >= 1 je systém nestabilní Pro ρ < 1 platí průměrný počet jednotek v systému ρ/(1- ρ) průměrný počet jednotek ve frontě ρ2/(1- ρ) průměrný počet jednotek v obsluze ρ průměrná doba strávená v systému 1/(μ-λ) průměrná doba strávená ve frontě ρ/(μ-λ) průměrná doba strávená v obsluze 1/μ pravděpodobnost, že jednotka bude čekat ve frontě déle, než t ρ. e –(μ-λ)t

Příklad V dilne je velka skupina stejnych stroju, kazdy z nich se obcas poroucha. Doba mezi vyskyty poruch je nahodna a ma exponencialni rozlozeni. Dochazi prumerne k 48 porucham za smenu (8 hodin). Ztraty z prostoje ktereho- koli stroje jsou odhadnuty na 1.00 Kc/min. Stroje opravuje jeden opravar s hodinovou mzdou 20 Kc/hod. Opravar opravi prumerne 13 stroju za hodinu, doba opravy je nahodna a ma exponencialni rozlozeni. Rozhodnete, zda se vyplati vybavit opravare specialnim nastrojem, ktery by zvysil jeho prumerny vykon na 14 oprav za hodinu. Jedna minuta provozu nastroje by stala 3.40 Kc. (Mimo dobu opravy jsou naklady na provoz nastroje nulove.)