Kendalova klasifikace SHO

Slides:



Advertisements
Podobné prezentace
Modely hromadné obsluhy Modely front
Advertisements

Řízení poptávky a nabídky
 Spolupráce s firmou zabývající se ochranami generátorů.  Doložení přesnosti dodávaných systémů zákazníkům.  Podklady pro získání statutu akreditované.
Modely řízení zásob Základní pojmy Deterministické modely
Úvod Klasifikace disciplín operačního výzkumu
NORMOVANÉ NORMÁLNÍ ROZDĚLENÍ
Operační systémy. OPERAČNÍ SYSTÉMY pomoc operátorovi, podpora vlastností reálného času, víceuživatelských a více úlohových systémů.
Systémy hromadné obsluhy
Kalmanuv filtr pro zpracování signálů a navigaci
Dynamické okružní a rozvozní úlohy
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
Teorie hromadné obsluhy (K611THRO) Infoschůzky Sdružení Klfree.net, o.s. Martin Šrotýř /12.
LOGISTICKÉ SYSTÉMY 2/14.
Deterministické modely zásob Model s optimální velikostí objednávky
Optimalizační úlohy i pro nadané žáky základních škol
Modely montážních linek Gejza Dohnal. Montážní linky.
LOGISTICKÉ SYSTÉMY 4/14.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. Cvičení – 8. APLIKACE.
SWI072 Algoritmy komprese dat1 Algoritmy komprese dat Teorie informace.
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.
Generování náhodných veličin (2) Spojitá rozdělení
Systémy hromadné obsluhy
Některá diskrétní a spojitá rozdělení náhodné veličiny.
Náhodný jev A E na statistickém experimentu E - je určen vybranou množinou výsledků experimentu: výsledku experimentu lze přiřadit číslo, náhodnou proměnnou.
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.
LOGISTICKÉ SYSTÉMY 3/14.
LOGISTICKÉ SYSTÉMY /14.
1. KINEMATIKA HMOTNÝCH BODŮ
Definice stochastického procesu jako funkce 2 proměnných
Normální (Gaussovo) rozdělení. Karl Friedrich Gauss
Normální (Gaussovo) rozdělení
Vybraná rozdělení spojité náhodné veličiny
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ
Případová studie (řešení kontaktního centra a portálu HelpDesk) Petr Taševský Obchodní manažer – oddělení ENTERPRISE Případová studie (řešení kontaktního.
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Rozdělení diskrétních veličin. Příklady diskrétních náhodných veličin Pokus jev nastaljev nenastal pnS hod mincírublíc1/2počet hodůpočet rubů celkem narození.
Se stochastickou poptávkou
Systémy hromadné obsluhy
Základy zpracování geologických dat
Vzpěr ocelového I-profilu
Distribuované algoritmy - přehled Přednášky z Distribuovaných systémů Ing. Jiří Ledvina, CSc.
Vnitřní (operační paměť)
2. Vybrané základní pojmy matematické statistiky
Normální rozdělení a ověření normality dat
Generování náhodných čísel
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
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.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně Ing. Václav Rada, CSc. Leden 2009.
Systémy. Definice systému Systém je množina navzájem souvisejících prvků a vztahů mezi nimi.
Poissonovo rozdělení diskrétní náhodné veličiny
Dimenzování sítí Uspokojení uživatele služby závisí na její jakosti, která představuje schopnost sítě poskytnout službu s předepsanými parametry. Pohotovost.
Název školy: Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, , Karlovy Vary Autor: MIROSLAV MAJCHER Název materiálu: VY_32_INOVACE_14_.
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.
Kapitola 5: Spojitá náhodná veličina
Simulace podnikových procesů
Stručný přehled modelových rozložení I.
Induktivní statistika
Systémy hromadné obsluhy
Informatika pro ekonomy přednáška 4
Systémy hromadné obsluhy
Normální (Gaussovo) rozdělení
Paměť.
Informatika pro ekonomy přednáška 4
Poissonovo rozdělení diskrétní náhodné veličiny
Transkript prezentace:

Kendalova klasifikace SHO Systém M/M/1

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

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)

Model M/M/1 Respektive M/M/1/FIFO/∞/∞

Lze reprezentovat Markovovským řetězcem Stavy 0, 1, …, n, … (v systému je právě n zákazníků 1-(λ+μ)dt 1-(λ+μ)dt 1-(λ+μ)dt 1-λdt λdt λdt λdt λdt … 3 1 2 μdt μdt μdt μdt

Pokud existuje ustálený režim systému, musí platit 0 = -λp0 + μp1 0 = λp0 – (λ+μ)p1 + μp2 ….. 0 = λpn-1 – (λ+μ)pn + μpn+1 p1 + p2 + … + pn + … = 1 A tedy pn = (1-ρ)ρn

Průměrný počet zákazníků v systému = 0p0 + 1.p1 +2.p2 + …+ n.pn + … = = (1-ρ).∑n. ρn = ρ/(1- ρ)

Průměrný počet zákazníků ve frontě = - ρ = ρ/(1- ρ) - ρ = ρ2/(1- ρ)

Průměrná doba strávená v systému = /λ = ρ/λ.(1-ρ) = 1/μ.(1-ρ) = 1/(μ-λ)

Průměrná doba strávená ve frontě = - 1/μ = 1/(λ-μ) -1/μ = ρ/(μ-λ)

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

Příklady