4. ТЕОРИЯ МАССОВОГО ОБСЛУЖИВАНИЯ

4.1. Классификация систем массового обслуживания и их показатели эффективности

Системы, в которых в случайные моменты времени возникают заявки на обслуживание и имеются устройства для обслуживания этих заявок, называются системами массового обслуживания (СМО).

СМО могут быть классифицированы по признаку организации обслуживания следующим образом:

Системы с отказами не имеют очередей.

Системы с ожиданием имеют очереди.

Заявка, поступившая в момент, когда все каналы обслуживания заняты:

Покидает систему с отказами;

Становится в очередь на обслуживание в системах с ожиданием при неограниченной очереди или на свободное место при ограниченной очереди;

Покидает систему с ожиданием при ограниченной очереди, если в этой очереди нет свободного места.

В качестве меры эффективности экономической СМО рассматривают сумму потерь времени:

На ожидание в очереди;

На простои каналов обслуживания.

Для всех видов СМО используются следующие показатели эффективности :

- относительная пропускная способность - это средняя доля поступающих заявок, обслуживаемых системой;

- абсолютная пропускная способность - это среднее число заявок, обслуживаемых системой в единицу времени;

- вероятность отказа - это вероятность того, что заявка покинет систему без обслуживания;

- среднее число занятых каналов - для многоканальных СМО.

Показатели эффективности СМО рассчитываются по формулам из специальных справочников (таблиц). Исходными данными для таких расчетов являются результаты моделирования СМО.

4.2. Моделирование системы массового обслуживания:

основ­ные параметры, граф состояний

При всем многообразии СМО они имеют общие черты , которые позволяют унифицировать их моделирование для нахождения наиболее эффективных вариантов организации таких систем .

Для моделирования СМО необходимо иметь следующие исходные данные:

Основные параметры;

Граф состояний.

Результатами моделирования СМО являются вероятности ее состояний, через которые выражаются все показатели ее эффективности.

Основные параметры для моделирования СМО включают:

Характеристики входящего потока заявок на обслуживание;

Характеристики механизма обслуживания.

Рассмотрим характеристики потока заявок .

Поток заявок - последовательность заявок, поступающих на обслуживание.

Интенсивность потока заявок - среднее число заявок, поступающих в СМО в единицу времени.

Потоки заявок бывают простейшими и отличными от простейших.

Для простейших потоков заявок используются модели СМО.

Простейшим , или пуассоновским называется поток, являющийся стационарным , одинарным и в нем отсутствуют последействия .

Стационарность означает неизменность интенсивности поступления заявок с течением времени.

Одинарным поток заявок является в том случае, когда за малый промежуток времени вероятность поступления более чем одной заявки близка к нулю.

Отсутствие последействия заключается в том, что число заявок, поступивших в СМО за один интервал времени, не влияет на количество заявок, полученных за другой интервал времени.

Для отличных от простейших потоков заявок используются имитационные модели.

Рассмотрим характеристики механизма обслуживания .

Механизм обслуживания характеризуется:

- числом каналов обслуживания ;

Производительностью канала, или интенсивностью обслуживания - средним числом заявок, обслуживаемых одним каналом в единицу времени;

Дисциплиной очереди (например, объемом очереди , порядком отбора из очереди в механизм обслуживания и т. п.).

Граф состояний описывает функционирование системы обслуживания как переходы из одного состояния в другое под действием потока заявок и их обслуживания.

Для построения графа состояний СМО необходимо:

Составить перечень всех возможных состояний СМО;

Представить перечисленные состояния графически и отобразить возможные переходы между ними стрелками;

Взвесить отображенные стрелки, т. е. приписать им числовые значения интенсивностей переходов, определяемые интенсивностью потока заявок и интенсивностью их обслуживания.

4.3. Вычисление вероятностей состояний

системы массового обслуживания

Граф состояний СМО со схемой "гибели и рождения" представляет собой линейную цепочку, где каждое из средних состояний имеет прямую и обратную связь с каждым из соседних состояний, а крайние состояния только с одним соседним:

Число состояний в графе на единицу больше, чем суммарное число каналов обслуживания и мест в очереди.

СМО может быть в любом из своих возможных состояний, поэтому ожидаемая интенсивность выхода из какого-либо состояния равна ожидаемой интенсивности входа системы в это состояние. Отсюда система уравнений для определения вероятностей состояний при простейших потоках будет иметь вид:

где - вероятность того, что система находится в состоянии

- интенсивность перехода, или среднее число переходов системы в единицу времени из состояния в состояние .

Используя эту систему уравнений, а также уравнение

вероятность любого -ого состояния можно вычислить по следующему общему правилу :

вероятность нулевого состояния рассчитывается как

а затем берется дробь, в числителе которой стоит произведение всех интенсивностей потоков по стрелкам, ведущим слева направо от состояния до состояния а в знаменателе - произведение всех интенсивностей по стрелкам, идущим справа налево от состояния до состояния , и эта дробь умножается на рассчитанную вероятность

Выводы по четвертому разделу

Системы массового обслуживания имеют один или несколько каналов обслуживания и могут иметь ограниченную или неограниченную очередь (системы с ожиданием) заявок на обслуживание, не иметь очереди (системы с отказами). Заявки на обслуживание возникают в случайные моменты времени. Системы массового обслуживания характеризуются следующими показателями эффективности: относительная пропускная способность, абсолютная пропускная способность, вероятность отказа, среднее число занятых каналов.

Моделирование систем массового обслуживания осуществляется для нахождения наиболее эффективных вариантов их организации и предполагает следующие исходные данные для этого: основные параметры, граф состояний. К таким данным относятся следующие: интенсивность потока заявок, количество каналов обслуживания, интенсивность обслуживания и объем очереди. Число состояний в графе на единицу больше, чем сумма числа каналов обслуживания и мест в очереди.

Вычисление вероятностей состояний системы массового обслуживания со схемой «гибели и рождения» осуществляется по общему правилу.

Вопросы для самопроверки

Какие системы называются системами массового обслуживания?

Как классифицируются системы массового обслуживания по признаку их организации?

Какие системы массового обслуживания называются системами с отказами, а какие – с ожиданием?

Что происходит с заявкой, поступившей в момент времени, когда все каналы обслуживания заняты?

Что рассматривают в качестве меры эффективности экономической системы массового обслуживания?

Какие используются показатели эффективности системы массового обслуживания?

Что служит исходными данными для расчетов показателей эффективности систем массового обслуживания?

Какие исходные данные необходимы для моделирования систем массового обслуживания?

Через какие результаты моделирования системы массового обслуживания выражают все показатели ее эффективности?

Что включают основные параметры для моделирования систем массового обслуживания?

Чем характеризуются потоки заявок на обслуживание?

Чем характеризуются механизмы обслуживания?

Что описывает граф состояний системы массового обслуживания

Что необходимо для построения графа состояний системы массового обслуживания?

Что представляет собой граф состояний системы массового обслуживания со схемой «гибели и рождения»?

Чему равно число состояний в графе состояний системы массового обслуживания?

Какой вид имеет система уравнений для определения вероятностей состояний системы массового обслуживания?

По какому общему правилу вычисляется вероятность любого состояния системы массового обслуживания?

Примеры решения задач

1. Построить граф состояний системы массового обслуживания и привести основные зависимости ее показателей эффективности.

а) n-канальная СМО с отказами (задача Эрланга)

Основные параметры:

Каналов ,

Интенсивность потока ,

Интенсивность обслуживания .

Возможные состояния системы:

Все каналов заняты ( заявок в системе).

Граф состояний:

Относительная пропускная способность ,

Вероятность отказа ,

Среднее число занятых каналов .

б) n-канальная СМО с m-ограниченной очередью

Возможные состояния системы:

Все каналы свободны (ноль заявок в системе);

Один канал занят, остальные свободны (одна заявка в системе);

Два канала заняты, остальные свободны (две заявки в системе);

...................................................................................

Все каналы заняты, две заявки в очереди;

Все каналы заняты, заявок в очереди.

Граф состояний:

в) Одноканальная СМО с неограниченной очередью

Возможные состояния системы:

Все каналы свободны (ноль заявок в системе);

Канал занят, ноль заявок в очереди;

Канал занят, одна заявка в очереди;

...................................................................................

Канал занят, заявка в очереди;

....................................................................................

Граф состояний:

Показатели эффективности системы:

,

Среднее время пребывания заявки в системе ,

,

,

Абсолютная пропускная способность ,

Относительная пропускная способность .

г) n-канальная СМО с неограниченной очередью

Возможные состояния системы:

Все каналы свободны (ноль заявок в системе);

Один канал занят, остальные свободны (одна заявка в системе);

Два канала заняты, остальные свободны (две заявки в системе);

...................................................................................

Все каналов заняты ( заявок в системе), ноль заявок в очереди;

Все каналы заняты, одна заявка в очереди;

....................................................................................

Все каналы заняты, заявок в очереди;

....................................................................................

Граф состояний:

Показатели эффективности системы:

Среднее число занятых каналов ,

Среднее число заявок в системе ,

Среднее число заявок в очереди ,

Среднее время пребывания заявки в очереди .

2. Вычислительный центр имеет три ЭВМ. В центр поступает на решение в среднем четыре задачи в час. Среднее время решения одной задачи - полчаса. Вычислительный центр принимает и ставит в очередь на решение не более трех задач. Необходимо оценить эффективность центра.

РЕШЕНИЕ. Из условия ясно, что имеем многоканальную СМО с ограниченной очередью:

Число каналов ;

Интенсивность потока заявок (задача / час);

Время обслуживания одной заявки (час / задача), интенсивность обслуживания (задача / час);

Длина очереди .

Перечень возможных состояний:

Заявок нет, все каналы свободны;

Один канал занят, два свободны;

Два канала заняты, один свободен;

Три канала заняты;

Три канала заняты, одна заявка в очереди;

Три канала заняты, две заявки в очереди;

Три канала заняты, три заявки в очереди.

Граф состояний:

Рассчитаем вероятность состояния :

Показатели эффективности:

Вероятность отказа (все три ЭВМ заняты и три заявки стоят в очереди)

Относительная пропускная способность

Абсолютная пропускная способность

Среднее число занятых ЭВМ

3. (Задача с использованием СМО с отказами.) В ОТК цеха работают три контролера. Если деталь поступает в ОТК, когда все контролеры заняты обслуживанием ранее поступивших деталей, то она проходит непроверенной. Среднее число деталей, поступающих в ОТК в течение часа, равно 24, среднее время, которое затрачивает один контролер на обслуживание одной детали, равно 5 мин. Определить вероятность того, деталь пройдет ОТК необслуженной, насколько загружены контролеры и сколько их необходимо поставить, чтобы (* - заданное значение ).

РЕШЕНИЕ. По условию задачи , тогда .

1) Вероятность простоя каналов обслуживания:

,

3) Вероятность обслуживания:

4) Среднее число занятых обслуживанием каналов:

.

5) Доля каналов, занятых обслуживанием:

6) Абсолютная пропускная способность:

При . Произведя аналогичные расчеты для , получим

Так как , то произведя расчеты для , получим

ОТВЕТ. Вероятность того, что при деталь пройдет ОТК необслуженной, составляет 21%, и контролеры будут заняты обслуживанием на 53%.

Чтобы обеспечить вероятность обслуживания более 95%, необходимо не менее пяти контролеров.

4. (Задача с использованием СМО с неограниченным ожиданием.) Сберкасса имеет трех контролеров-кассиров () для обслуживания вкладчиков . Поток вкладчиков поступает в сберкассу с интенсивностью чел./ч. Средняя продолжительность обслуживания контролером-кассиром одного вкладчика мин.

Определить характеристики сберкассы как объекта СМО.

РЕШЕНИЕ. Интенсивность потока обслуживания , интенсивность нагрузки .

1) Вероятность простоя контролеров-кассиров в течение рабочего дня (см. предыдущую задачу №3):

.

2) Вероятность застать всех контролеров-кассиров занятыми:

.

3) Вероятность очереди:

.

4) Среднее число заявок в очереди:

.

5) Среднее время ожидания заявки в очереди:

мин.

6) Среднее время пребывания заявки в СМО:

7) Среднее число свободных каналов:

.

8) Коэффициент занятости каналов обслуживания:

.

9) Среднее число посетителей в сберкассе:

ОТВЕТ. Вероятность простоя контролеров-кассиров равна 21% рабочего времени , вероятность посетителю оказаться в очереди составляет 11,8%, среднее число посетителей в очереди 0,236 чел., среднее время ожидания посетителями обслуживания 0,472 мин.

5. (Задача с применением СМО с ожиданием и с ограниченной длиной очереди.) Магазин получает ранние овощи из пригородных теплиц. Автомобили с грузом прибывают в разное время с интенсивностью машин в день. Подсобные помещения и оборудование для подготовки овощей к продаже позволяют обрабатывать и хранить товар, привезенный двумя автомашинами (). В магазине работают три фасовщика (), каждый из которых в среднем может обрабатывать товар с одной машины в течение ч. Продолжительность рабочего дня при сменной работе составляет 12 ч.

Определить, какова должна быть емкость подсобных помещений, чтобы вероятность полной обработки товаров была .

РЕШЕНИЕ. Определим интенсивность загрузки фасовщиков:

Авт./дн.

1) Найдем вероятность простоя фасовщиков при отсутствии машин (заявок):

причем 0!=1,0.

2) Вероятность отказа в обслуживании:

.

3) Вероятность обслуживания:

Так как , произведем аналогичные вычисления для , получим), при этом вероятность полной обработки товара будет .

Задания для самостоятельной работы

Для каждой из следующих ситуаций определить:

a) к какому классу относится объект СМО;

b) число каналов ;

c) длину очереди ;

d)интенсивность потока заявок ;

e) интенсивность обслуживания одним каналом;

f) количество всех состояний объекта СМО.

В ответах указать значения по каждому пункту, используя следующие сокращения и размерности:

a) ОО – одноканальная с отказами; МО – многоканальная с отказами; ОЖО – одноканальная с ожиданием с ограниченной очередью; ОЖН - одноканальная с ожиданием с неограниченной очередью; МЖО – многоканальная с ожиданием с ограниченной очередью; МЖН - многоканальная с ожиданием с неограниченной очередью;

b) =… (единиц);

c) =… (единиц);

d) =ххх/ххх (единиц /мин);

e) =ххх/ххх (единиц /мин);

f) (единиц).

1. Дежурный по администрации города имеет пять телефонов. Телефонные звонки поступают с интенсивностью 90 заявок в час, средняя продолжительность разговора составляет 2 мин.

2. На стоянке автомобилей возле магазина имеются 3 места, каждое из которых отводится под один автомобиль. Автомобили прибывают на стоянку с интенсивностью 20 автомобилей в час. Продолжительность пребывания автомобилей на стоянке составляет в среднем 15 мин. Стоянка на проезжей части не разрешается.

3. АТС предприятия обеспечивает не более 5 переговоров одновременно. Средняя продолжительность разговоров составляет 1 мин. На станцию поступает в среднем 10 вызовов в сек.

4. В грузовой речной порт поступает в среднем 6 сухогрузов в сутки. В порту имеются 3 крана, каждый из которых обслуживает 1 сухогруз в среднем за 8 ч. Краны работают круглосуточно. Ожидающие обслуживания сухогрузы стоят на рейде.

5. В службе «Скорой помощи» поселка круглосуточно дежурят 3 диспетчера, обслуживающие 3 телефонных аппарата. Если заявка на вызов врача к больному поступает, когда диспетчеры заняты, то абонент получает отказ. Поток заявок составляет 4 вызова в минуту. Оформление заявки длится в среднем 1,5 мин.

6. Салон-парикмахерская имеет 4 мастера. Входящий поток посетителей имеет интенсивность 5 человек в час. Среднее время обслуживания одного клиента составляет 40 мин. Длина очереди на обслуживание считается неограниченной.

7. На автозаправочной станции установлены 2 колонки для выдачи бензина. Около станции находится площадка на 2 автомашины для ожидания заправки. На станцию прибывает в среднем одна машина в 3 мин. Среднее время обслуживания одной машины составляет 2 мин.

8. На вокзале в мастерской бытового обслуживания работают три мастера. Если клиент заходит в мастерскую, когда все мастера заняты, то он уходит из мастерской, не ожидая обслуживания. Среднее число клиентов, обращающихся в мастерскую за 1 ч, равно 20. Среднее время, которое затрачивает мастер на обслуживание одного клиента, равно 6 мин.

9. АТС поселка обеспечивает не более 5 переговоров одновременно. Время переговоров в среднем составляет около 3 мин. Вызовы на станцию поступают в среднем через 2 мин.

10. На автозаправочной станции (АЗС) имеются 3 колонки. Площадка при станции, на которой машины ожидают заправку, может вместить не более одной машины, и если она занята, то очередная машина, прибывшая к станции, в очередь не становится, а проезжает на соседнюю станцию. В среднем машины прибывают на станцию каждые 2 мин. Процесс заправки одной машины продолжается в среднем 2,5 мин.

11. В небольшом магазине покупателей обслуживают два продавца. Среднее время обслуживания одного покупателя – 4 мин. Интенсивность потока покупателей – 3 человека в минуту. Вместимость магазина такова, что одновременно в нем в очереди могут находиться не более 5 человек. Покупатель, пришедший в переполненный магазин, когда в очереди уже стоят 5 человек, не ждет снаружи и уходит.

12. Железнодорожную станцию дачного поселка обслуживает касса с двумя окнами. В выходные дни, когда население активно пользуется железной дорогой, интенсивность потока пассажиров составляет 0,9 чел./мин. Кассир затрачивает на обслуживание пассажира в среднем 2 мин.

Для каждой из указанных в вариантах СМО интенсивность потока заявок равна и интенсивность обслуживания одним каналом . Требуется:

Составить перечень возможных состояний;

Построить граф состояний по схеме "гибели и размножения".

В ответе указать для каждой задачи:

Количество состояний системы;

Интенсивность перехода из последнего состояния в предпоследнее.

Вариант № 1

1. одноканальная СМО с очередью длиной в 1 заявку

2. 2-канальная СМО с отказами (задача Эрланга)

3. 31-канальная СМО с 1-ограниченной очередью

5. 31-канальная СМО с неограниченной очередью

Вариант № 2

1. одноканальная СМО с очередью длиной в 2 заявки

2. 3-канальная СМО с отказами (задача Эрланга)

3. 30-канальная СМО с 2-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 30-канальная СМО с неограниченной очередью

Вариант № 3

1. одноканальная СМО с очередью длиной в 3 заявки

2. 4-канальная СМО с отказами (задача Эрланга)

3. 29-канальная СМО с 3-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 29-канальная СМО с неограниченной очередью

Вариант № 4

1. одноканальная СМО с очередью длиной в 4 заявки

2. 5-канальная СМО с отказами (задача Эрланга)

3. 28-канальная СМО с 4-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 28-канальная СМО с неограниченной очередью

Вариант № 5

1. одноканальная СМО с очередью длиной в 5 заявок

2. 6-канальная СМО с отказами (задача Эрланга)

3. 27-канальная СМО с 5-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 27-канальная СМО с неограниченной очередью

Вариант № 6

1. одноканальная СМО с очередью длиной в 6 заявок

2. 7-канальная СМО с отказами (задача Эрланга)

3. 26-канальная СМО с 6-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 26-канальная СМО с неограниченной очередью

Вариант № 7

1. одноканальная СМО с очередью длиной в 7 заявок

2. 8-канальная СМО с отказами (задача Эрланга)

3. 25-канальная СМО с 7-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 25-канальная СМО с неограниченной очередью

Вариант № 8

1. одноканальная СМО с очередью длиной в 8 заявок

2. 9-канальная СМО с отказами (задача Эрланга)

3. 24-канальная СМО с 8-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 24-канальная СМО с неограниченной очередью

Вариант № 9

1. одноканальная СМО с очередью длиной в 9 заявок

2. 10-канальная СМО с отказами (задача Эрланга)

3. 23-канальная СМО с 9-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 23-канальная СМО с неограниченной очередью

Вариант № 10

1. одноканальная СМО с очередью длиной в 10 заявок

2. 11-канальная СМО с отказами (задача Эрланга)

3. 22-канальная СМО с 10-ограниченной очередью

4. Одноканальная СМО с неограниченной очередью

5. 22-канальная СМО с неограниченной очередью

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

4.

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 – это временная последовательность событий на входе СМО, для которой появление события (заявки) подчиняется вероятностным (или детерминированным) законам. Если требования на обслуживание приходят в соответствие, с каким – либо графиком (например, 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 называется 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 могут быть 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 может 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 называется поток, в котором события следуют одно за другим через одинаковые промежутки времени. 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, т.е. подчиняются одному и тому же закону распределения. Таким образом, 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. 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 называется такой поток, для которого интервалы между событиями независимы.
Поток называется стационарным, 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. Для стационарного потока событий среднее число событий в единицу времени постоянно.
Ординарным потоком называется 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, называется нормальным потоком.

Законы обслуживания

Режим обслуживания (время обслуживания), так же как и режим поступления заявок, может 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 в зависимости от 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, которое клиент проводит в очереди;

2) средняя длина очереди;

3) среднее время, которое 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 . В зависимости от со­четания 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 «первым пришел - пер­вым обслужен» (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, например, 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.

Если число потенциальных клиентов системы обслуживания Ограничено, мы имеем дело со специальной моделью. Такая за­дача может возникнуть, например, 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, если количество мест в очере­ди сократить до нуля.

Рассмотренный в предыдущей лекции марковский случайный процесс с дискретными состояниями и непрерывным временем имеет место в системах массового обслуживания (СМО).

Системы массового обслуживания – это такие системы, в которые в случайные моменты времени поступают заявки на обслуживание, при этом поступившие заявки обслуживаются с помощью имеющихся в распоряжении системы каналов обслуживания.

Примерами систем массового обслуживания могут служить:

• расчетно-кассовые узлы в банках, на предприятиях;
• персональные компьютеры, обслуживающие поступающие заявки или требования на решение тех или иных задач;
• станции технического обслуживания автомобилей; АЗС;
• аудиторские фирмы;
• отделы налоговых инспекций, занимающиеся приёмкой и проверкой текущей отчетности предприятий;
• телефонные станции и т. д.

Рассмотрим схему работы СМО (рис. 1). Система состоит из генератора заявок, диспетчера и узла обслуживания, узла учета отказов (терминатора, уничтожителя заявок). Узел обслуживания в общем случае может иметь несколько каналов обслуживания.

Рис. 1

1. Генератор заявок – объект, порождающий заявки: улица, цех с установленными агрегатами. На вход поступает поток заявок (поток покупателей в магазин, поток сломавшихся агрегатов (машин, станков) на ремонт, поток посетителей в гардероб, поток машин на АЗС и т. д.).
2. Диспетчер – человек или устройство, которое знает, что делать с заявкой. Узел, регулирующий и направляющий заявки к каналам обслуживания. Диспетчер:

• принимает заявки;
• формирует очередь, если все каналы заняты;
• направляет их к каналам обслуживания, если есть свободные;
• дает заявкам отказ (по различным причинам);
• принимает информацию от узла обслуживания о свободных каналах;
• следит за временем работы системы.

1. Очередь – накопитель заявок. Очередь может отсутствовать.
2. Узел обслуживания состоит из конечного числа каналов обслуживания. Каждый канал имеет 3 состояния: свободен, занят, не работает. Если все каналы заняты, то можно придумать стратегию, кому передавать заявку.
3. Отказ от обслуживания наступает, если все каналы заняты (некоторые в том числе могут не работать).

Кроме этих основных элементов в СМО в некоторых источниках выделяются также следующие составляющие:

терминатор – уничтожитель трансактов;

склад – накопитель ресурсов и готовой продукции;

счет бухгалтерского учета – для выполнения операций типа «проводка»;

менеджер – распорядитель ресурсов;

Классификация СМО

Первое деление (по наличию очередей):

• СМО с отказами;
• СМО с очередью.

В СМО с отказами заявка, поступившая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем не обслуживается.

В СМО с очередью заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь и ожидает возможности быть обслуженной.

СМО с очередями подразделяются на разные виды в зависимости от того, как организована очередь, – ограничена или не ограничена . Ограничения могут касаться как длины очереди, так и времени ожидания, «дисциплины обслуживания».

Итак, например, рассматриваются следующие СМО:

• СМО с нетерпеливыми заявками (длина очереди и время обслуживания ограничено);
• СМО с обслуживанием с приоритетом, т. е. некоторые заявки обслуживаются вне очереди и т. д.

Типы ограничения очереди могут быть комбинированными.

Другая классификация делит СМО по источнику заявок. Порождать заявки (требования) может сама система или некая внешняя среда, существующая независимо от системы.

Естественно, поток заявок, порожденный самой системой, будет зависеть от системы и ее состояния.

Кроме этого СМО делятся на открытые СМО и замкнутые СМО.

В открытой СМО характеристики потока заявок не зависят от того, в каком состоянии сама СМО (сколько каналов занято). В замкнутой СМО – зависят. Например, если один рабочий обслуживает группу станков, время от времени требующих наладки, то интенсивность потока «требований» со стороны станков зависит от того, сколько их уже исправно и ждет наладки.

Пример замкнутой системы: выдача кассиром зарплаты на предприятии.

По количеству каналов СМО делятся на:

• одноканальные;
• многоканальные.

Характеристики системы массового обслуживания

Основными характеристиками системы массового обслуживания любого вида являются:

• входной поток поступающих требований или заявок на обслуживание;
• дисциплина очереди;
• механизм обслуживания.

Входной поток требований

Для описания входного потока требуется задать вероятностный закон, определяющий последовательность моментов поступления требований на обслуживание, и указать количество таких требований в каждом очередном поступлении. При этом, как правило, оперируют понятием «вероятностное распределение моментов поступления требований». Здесь могут поступать как единичные, так и групповые требования (количество таких требований в каждом очередном поступлении ). В последнем случае обычно речь идет о системе обслуживания с параллельно-групповым обслуживанием.

А i – время поступления между требованиями – независимые одинаково распределенные случайные величины;

E(A) – среднее (МО) время поступления;

λ=1/E(A) – интенсивность поступления требований;

Характеристики входного потока:

1. Вероятностный закон, определяющий последовательность моментов поступления требований на обслуживание.
2. Количество требований в каждом очередном поступлении для групповых потоков.

Дисциплина очереди

Очередь – совокупность требований, ожидающих обслуживания.

Очередь имеет имя.

Дисциплина очереди определяет принцип, в соответствии с которым поступающие на вход обслуживающей системы требования подключаются из очереди к процедуре обслуживания. Чаще всего используются дисциплины очереди, определяемые следующими правилами:

• первым пришел – первый обслуживаешься;

first in first out (FIFO)

самый распространенный тип очереди.

Какая структура данных подойдет для описания такой очереди? Массив плох (ограничен). Можно использовать структуру типа СПИСОК.

Список имеет начало и конец. Список состоит из записей. Запись – это ячейка списка. Заявка поступает в конец списка, а выбирается на обслуживание из начала списка. Запись состоит из характеристики заявки и ссылки (указатель, за кем стоит). Кроме этого, если очередь с ограничением на время ожидания, то еще должно быть указано предельное время ожидания.

Вы как программисты должны уметь делать списки двусторонние, односторонние.

Действия со списком:

• вставить в хвост;
• взять из начала;
• удалить из списка по истечении времени ожидания.
• пришел последним - обслуживаешься первым LIFO (обойма для патронов, тупик на железнодорожной станции, зашел в набитый вагон).

Структура, известная как СТЕК. Может быть описан структурой массив или список;

• случайный отбор заявок;
• отбор заявок по критерию приоритетности.

Каждая заявка характеризуется помимо прочего уровнем приоритета и при поступлении помещается не в хвост очереди, а в конец своей приоритетной группы. Диспетчер осуществляет сортировку по приоритету.

Характеристики очереди

• ограничение времени ожидания момента наступления обслуживания (имеет место очередь с ограниченным временем ожидания обслуживания, что ассоциируется с понятием «допустимая длина очереди»);
• длина очереди.

Механизм обслуживания

Механизм обслуживания определяется характеристиками самой процедуры обслуживания и структурой обслуживающей системы. К характеристикам процедуры обслуживания относятся:

• количество каналов обслуживания (N );
• продолжительность процедуры обслуживания (вероятностное распределение времени обслуживания требований);
• количество требований, удовлетворяемых в результате выполнения каждой такой процедуры (для групповых заявок);
• вероятность выхода из строя обслуживающего канала;
• структура обслуживающей системы.

Для аналитического описания характеристик процедуры обслуживания оперируют понятием «вероятностное распределение времени обслуживания требований».

S i – время обслуживания i -го требования;

E(S) – среднее время обслуживания;

μ=1/E(S) – скорость обслуживания требований.

Следует отметить, что время обслуживания заявки зависит от характера самой заявки или требований клиента и от состояния и возможностей обслуживающей системы. В ряде случаев приходится также учитывать вероятность выхода из строя обслуживающего канала по истечении некоторого ограниченного интервала времени. Эту характеристику можно моделировать как поток отказов, поступающий в СМО и имеющий приоритет перед всеми другими заявками.

Коэффициент использования СМО

N ·μ – скорость обслуживания в системе, когда заняты все устройства обслуживания.

ρ=λ/(N μ) – называется коэффициентом использования СМО , показывает, насколько задействованы ресурсы системы.

Структура обслуживающей системы

Структура обслуживающей системы определяется количеством и взаимным расположением каналов обслуживания (механизмов, приборов и т. п.). Прежде всего следует подчеркнуть, что система обслуживания может иметь не один канал обслуживания, а несколько; система такого рода способна обслуживать одновременно несколько требований. В этом случае все каналы обслуживания предлагают одни и те же услуги, и, следовательно, можно утверждать, что имеет место параллельное обслуживани .

Пример. Кассы в магазине.

Система обслуживания может состоять из нескольких разнотипных каналов обслуживания, через которые должно пройти каждое обслуживаемое требование, т. е. в обслуживающей системе процедуры обслуживания требований реализуются последовательно . Механизм обслуживания определяет характеристики выходящего (обслуженного) потока требований.

Пример. Медицинская комиссия.

Комбинированное обслуживание – обслуживание вкладов в сберкассе: сначала контролер, потом кассир. Как правило, 2 контролера на одного кассира.

Итак, функциональные возможности любой системы массового обслуживания определяются следующими основными факторами :

• вероятностным распределением моментов поступлений заявок на обслуживание (единичных или групповых);
• мощностью источника требований;
• вероятностным распределением времени продолжительности обслуживания;
• конфигурацией обслуживающей системы (параллельное, последовательное или параллельно-последовательное обслуживание);
• количеством и производительностью обслуживающих каналов;
• дисциплиной очереди.

Основные критерии эффективности функционирования СМО

В качестве основных критериев эффективности функционирования систем массового обслуживания в зависимости от характера решаемой задачи могут выступать:

• вероятность немедленного обслуживания поступившей заявки (Р обсл =К обс /К пост);
• вероятность отказа в обслуживании поступившей заявки (P отк =К отк /К пост);

Очевидно, что Р обсл + P отк =1.

Потоки, задержки, обслуживание. Формула Поллачека–Хинчина

Задержка – один из критериев обслуживания СМО, время проведенное заявкой в ожидании обслуживания.

D i – задержка в очереди требования i ;

W i =D i +S i – время нахождения в системе требования i .

(с вероятностью 1) – установившаяся средняя задержка требования в очереди;

(с вероятностью 1) – установившееся среднее время нахождения требования в СМО (waiting).

Q(t) – число требований в очереди в момент времени t;

L(t) – число требований в системе в момент времени t (Q(t) плюс число требований, которые находятся на обслуживании в момент времени t.

Тогда показатели (если существуют)

(с вероятностью 1) – установившееся среднее по времени число требований в очереди;

(с вероятностью 1) – установившееся среднее по времени число требований в системе.

Заметим, что ρ<1 – обязательное условие существования d, w, Q и L в системе массового обслуживания.

Если вспомнить, что ρ= λ/(N μ), то видно, что если интенсивность поступления заявок больше, чем N μ, то ρ>1 и естественно, что система не сможет справиться с таким потоком заявок, а следовательно, нельзя говорить о величинах d, w, Q и L.

К наиболее общим и нужным результатам для систем массового обслуживания относятся уравнения сохранения

Следует обратить внимание, что упомянутые выше критерии оценки работы системы могут быть аналитически вычислены для систем массового обслуживания M/M/N (N >1), т. е. систем с Марковскими потоками заявок и обслуживания. Для М/G/ l при любом распределении G и для некоторых других систем. Вообще распределение времени между поступлениями, распределение времени обслуживания или обеих этих величин должно быть экспоненциальным (или разновидностью экспоненциального распределения Эрланга k-го порядка), чтобы аналитическое решение стало возможным.

Кроме этого можно также говорить о таких характеристиках, как:

• абсолютная пропускная способность системы – А=Р обсл *λ;
• относительная пропускная способность системы –

Еще один интересный (и наглядный) пример аналитического решения – вычисление установившейся средней задержки в очереди для системы массового обслуживания M/G/ 1 по формуле:

.

В России эта формула известна как формула Поллачека– Хинчина, за рубежом эта формула связывается с именем Росса (Ross).

Таким образом, если E(S) имеет большее значение, тогда перегрузка (в данном случае измеряемая как d ) будет большей; чего и следовало ожидать. По формуле можно обнаружить и менее очевидный факт: перегрузка также увеличивается, когда изменчивость распределения времени обслуживания возрастает, даже если среднее время обслуживания остается прежним. Интуитивно это можно объяснить так: дисперсия случайной величины времени обслуживания может принять большое значение (поскольку она должна быть положительной), т. е. единственное устройство обслуживания будет занято длительное время, что приведет к увеличению очереди.

Предметом теории массового обслуживания является установление зависимости между факторами, определяющими функциональные возможности системы массового обслуживания, и эффективностью ее функционирования. В большинстве случаев все параметры, описывающие системы массового обслуживания, являются случайными величинами или функциями, поэтому эти системы относятся к стохастическим системам.

Случайный характер потока заявок (требований), а также, в общем случае, и длительности обслуживания приводит к тому, что в системе массового обслуживания происходит случайный процесс. По характеру случайного процесса , происходящего в системе массового обслуживания (СМО), различают системы марковские и немарковские . В марковских системах входящий поток требований и выходящий поток обслуженных требований (заявок) являются пуассоновскими. Пуассоновские потоки позволяют легко описать и построить математическую модель системы массового обслуживания. Данные модели имеют достаточно простые решения, поэтому большинство известных приложений теории массового обслуживания используют марковскую схему. В случае немарковских процессов задачи исследования систем массового обслуживания значительно усложняются и требуют применения статистического моделирования, численных методов с использованием ЭВМ.

1. Показатели эффективности использования СМО:

Абсолютная пропускная способность СМО – среднее число заявок, которое смо-

жет обслужить СМО в единицу времени.

Относительная пропускная способность СМО – отношение среднего числа заявок,

обслуживаемых СМО в единицу времени, к среднему числу поступивших за это же

время заявок.

Средняя продолжительность периода занятости СМО.

Коэффициент использования СМО – средняя доля времени, в течение которого

СМО занята обслуживанием заявок, и т.п.

2. Показатели качества обслуживания заявок:

Среднее время ожидания заявки в очереди.

Среднее время пребывания заявки в СМО.

Вероятность отказа заявке в обслуживании без ожидания.

Вероятность того, что вновь поступившая заявка немедленно будет принята к обслуживанию.

Закон распределения времени ожидания заявки в очереди.

Закон распределения времени пребывания заявки в СМО.

Среднее число заявок, находящихся в очереди.

Среднее число заявок, находящихся в СМО, и т.п.

3. Показатели эффективности функционирования пары «СМО – клиент», где под «клиентом» понимают всю совокупность заявок или некий их источник. К числу таких показателей относится, например, средний доход, приносимый СМО в единицу времени

Классификация систем массового обслуживания

По числу каналов СМО:

одноканальные (когда имеется один канал обслуживания)

многоканальные , точнее n -канальные (когда количество каналов n ≥ 2).

По дисциплине обслуживания:

1. СМО с отказами , в которых заявка, поступившая на вход СМО в момент, когда все

каналы заняты, получает «отказ» и покидает СМО («пропадает»). Чтобы эта заявка все же

была обслужена, она должна снова поступить на вход СМО и рассматриваться при этом как заявка, поступившая впервые. Примером СМО с отказами может служить работа АТС: если набранный телефонный номер (заявка, поступившая на вход) занят, то заявка получает отказ, и, чтобы дозвониться по этому номеру, следует его набрать еще раз.

2. СМО с ожиданием (неограниченным ожиданием или очередью ). В таких системах

заявка, поступившая в момент занятости всех каналов, становится в очередь и ожидает освобождения канала, который примет ее к обслуживанию. Каждая заявка, поступившая на вход, в конце концов будет обслужена. Такие СМО часто встречаются в торговле, в сфере бытового и медицинского обслуживания, на предприятиях (например, обслуживание станков бригадой наладчиков).

3. СМО смешанного типа (с ограниченным ожиданием ). Это такие системы, в которых на пребывание заявки в очереди накладываются некоторые ограничения.

Эти ограничения могут накладываться на длину очереди , т.е. максимально возможное

число заявок, которые одновременно могут находиться в очереди. В качестве примера такой системы можно привести мастерскую по ремонту автомобилей, имеющую ограниченную по размерам стоянку для неисправных машин, ожидающих ремонта.

Ограничения ожидания могут касаться времени пребывания заявки в очереди , по исте-

чению которого она выходит из очереди и покидает систему).

В СМО с ожиданием и в СМО смешанного типа применяются различные схемы об-

служивания заявок из очереди. Обслуживание может быть упорядоченным , когда заявки из очереди обслуживаются в порядке их поступления в систему, и неупорядоченным , при котором заявки из очереди обслуживаются в случайном порядке. Иногда применяется обслуживание с приоритетом , когда некоторые заявки из очереди считаются приоритетными и поэтому обслуживаются в первую очередь.

По ограничению потока заявок:

замкнутые и открытые .

Если поток заявок ограничен и заявки, покинувшие систему, могут в нее возвращать-

ся, то СМО является замкнутой , в противном случае – открытой .

По количеству этапов обслуживания:

однофазные и многофазные

Если каналы СМО однородны, т.е. выполняют одну и ту же операцию обслужива-

ния, то такие СМО называются однофазными . Если каналы обслуживания расположены последовательно и они неоднородны, так как выполняют различные операции обслуживания (т.е. обслуживание состоит из нескольких последовательных этапов или фаз), то СМО называется многофазной . Примером работы многофазной СМО является обслуживание автомобилей на станции технического обслуживания (мойка, диагностирование и т.д.).

Курсовая работа

«Имитационное моделирование системы массового обслуживания»

по курсу «Исследование операций»

Введение

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). Каждая СМО состоит из определенного числа обслуживающих единиц (приборов, устройств, пунктов, станций), которые называются 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 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 не обслуженными), 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:

– Абсолютная пропускная способность системы (А

Q

– вероятность отказа обслуживания заявки ();

k );

– среднее число заявок в очереди ();

СМО делят на 2 основных типа: 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 не обслуженной). В СМО с ожиданием заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь на обслуживание.

Одним из методов расчета показателей эффективности СМО является метод имитационного моделирования. Практическое использование компьютерного имитационного моделирования предполагает построение соответствующей математической модели, учитывающей факторы неопределенности, динамические характеристики и весь комплекс взаимосвязей между элементами изучаемой системы. Имитационное моделирование работы системы начинается с некоторого конкретного начального состояния. Вследствие реализации различных событий случайного характера, модель системы переходит в последующие моменты времени в другие свои возможные состояния. Этот эволюционный процесс продолжается до конечного момента планового периода, т.е. до конечного момента моделирования.

1. Основные характеристики CМОи показатели их эффективности

1.1 Понятие марковского случайного процесса

Пусть имеется некоторая система, которая с течением времени изменяет свое состояние случайным образом. В этом случае говорят, что в системе протекает случайный процесс.

Процесс называется процессом с дискретными состояниями, если его состояния можно заранее перечислить и переход системы из одного состояния в другое происходит скачком. Процесс называется процессом с непрерывным временем, если переходы системы из состояния в состояние происходят мгновенно.

Процесс работы СМО – это случайный процесс с дискретными состояниями и непрерывным временем.

Случайный процесс называют марковским или случайным процессом без последействия, 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.

При анализе процессов работы СМО удобно пользоваться геометрической схемой – графом состояний . Обычно состояния системы изображаются прямоугольниками, а возможные переходы из состояния в состояние – стрелками. Пример графа состояний приведен на рис. 1.

Поток событий – последовательность однородных событий, следующих одно за другим в случайные моменты времени.

Поток характеризуется интенсивностью λ – 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.

Поток событий называется стационарным, если его вероятностные характеристики не зависят от времени. В частности, интенсивность стационарного потока есть величина постоянная: .

Поток событий называется ординарным, если вероятность попадания на малый участок времени двух и более событий мала по сравнению с вероятностью попадания одного события, т.е., если события появляются в нем поодиночке, а не группами.

Поток событий называется потоком без последействия, если для любых двух непересекающихся участков времени и число событий, попадающих на одно из них, не зависит от числа событий, попадающих на другие.

Поток событий называется простейшим (или стационарным пуассоновским), если он одновременно стационарен, ординарен и не имеет последействия.

1.2 Уравнения Колмогорова

Все переходы в системе из состояния в состояние происходят под некоторым потоком событий. Пусть система находится в некотором состоянии , из которого возможен переход в состояние , тогда можно считать, что на систему воздействует простейший поток с интенсивностью , переводящий ее из состояния в . Как только появляется первое событие потока, происходит ее переход . Для наглядности на графе состояний у каждой стрелки, соответствующей переходу, указывается интенсивность . Такой размеченный граф состояний позволяет построить математическую модель процесса, т.е. найти вероятности всех состояний как функции времени. Для них составляются дифференциальные уравнения, называемые уравнениями Колмогорова.

Правило составлений уравнений Колмогорова: В левой части каждого из уравнений стоит производная по времени от вероятности данного состояния. В правой части стоит сумма произведений всех состояний, из которых возможен переход в данное состояние, на интенсивности соответствующих потоков событий минус суммарная интенсивность всех потоков, выводящих систему из данного состояния, умноженная на вероятность данного состояния.

Например, для графа состояний, приведенного на рис. 1, уравнения Колмогорова имеют вид:

Т.к. в правой части системы каждое слагаемое входит 1 раз со знаком и 1 раз со знаком , то, складывая все уравнений, получим, что

,

,

Следовательно, одно из уравнений системы можно отбросить и заменить уравнением (1.2.1).

Чтобы получить конкретное решение надо знать начальные условия, т.е. значения вероятностей в начальный момент времени.

1.3 Финальные вероятности и граф состояний СМО

При достаточно большом времени протекания процессов в системе (при ) могут устанавливаться вероятности состояний, не зависящие от времени, которые называются финальными вероятностями, т.е. в системе устанавливается стационарный режим. Если число состояний системы конечно, и из каждого из них за конечное число шагов м. перейти в любое другое состояние, то финальные вероятности существуют, т.е.

Смысл финальных вероятностей состоит в том, что они равны среднему относительному времени нахождения системы в данном состоянии.

Т.к. в стационарном состоянии производные по времени равны нулю, то уравнения для финальных вероятностей получаются из уравнений Колмогорова путем приравнивания нулю их правых частей.

Графы состояний, используемые в моделях систем массового обслуживания, называются схемой гибели и размножения. Такое название обусловлено тем, что эта схема используется в биологических задачах, связанных с изучением численности популяции. Его особенность состоит в том, что все состояния системы можно представить в виде цепочки, в которой каждое из состояний связано с предыдущим и последующим (рис 2).

Рис. 2. Граф состояний в моделях СМО

Предположим, что все потоки, переводящие систему из одного состояния в другое, простейшие. По графу, представленному на рис. 2, составим уравнения для финальных вероятностей системы. Они имеют вид:

Получается система из ( n +1) уравнения, которая решается методом исключения. Этот метод заключается в том, что последовательно все вероятности системы выражаются через вероятность .

,

.

Подставляя эти выражения в последнее уравнение системы, находим , затем находим остальные вероятности состояний СМО.

1.4 Показатели эффективности СМО

Цель моделирования СМО состоит в том, чтобы рассчитать показатели эффективности системы через ее характеристики. В качестве показателей эффективности СМО используются:

– абсолютная пропускная способность системы (А ), т.е. среднее число заявок, обслуживаемых в единицу времени;

– относительная пропускная способность (Q ), т.е. средняя доля поступивших заявок, обслуживаемых системой;

– вероятность отказа (), т.е. вероятность того, что заявка покинет СМО не обслуженной;

– среднее число занятых каналов (k );

– среднее число заявок в СМО ();

– среднее время пребывания заявки в системе ();

– среднее число заявок в очереди () – длина очереди;

– среднее число заявок в системе ();

– среднее время пребывания заявки в очереди ();

– среднее время пребывания заявки в системе ()

– степень загрузки канала (), т.е. вероятность того, что канал занят;

– среднее число заявок, обслуживаемых в единицу времени;

– среднее время ожидания обслуживания;

– вероятность того, что число заявок в очереди превысит определенное значение и т.п.

Доказано, что при любом характере потока заявок, при любом распределении времени обслуживания, при любой дисциплине обслуживания, среднее время пребывания заявки в системе (очереди) равна среднему числу заявок в системе (очереди), деленному на интенсивность потока заявок, т.е.

(1.4.1)

Формулы (1.4.1) и (1.4.2) называются формулами Литтла. Они вытекают из того, что в предельном стационарном режиме среднее число заявок, прибывающих в систему, равно среднему числу заявок, покидающих ее, т.е. оба потока заявок имеют одну и ту же интенсивность .

Формулы для вычисления показателей эффективности приведены в таб. 1.

Таблица 1.

Показатели	Одноканальная СМО с ограниченной очередью	Многоканальная СМО с ограниченной очередью
Финальные вероятности
Вероятность
Абсолютная пропускная способность
Относительная пропускная способность
Среднее число заявок в
Среднее число заявок под обслуживанием
Среднее число заявок в системе

1.5 Основные понятия имитационного моделирования

Основная цель имитационного моделирования заключается в воспроизведении поведения изучаемой системы на основе анализа наиболее существенных взаимосвязей ее элементов.

Компьютерное имитационное моделирование следует рассматривать как статический эксперимент.

Из теории функций случайных величин известно, что для моделирования случайной величины с любой непрерывной и монотонно возрастающей функцией распределения достаточно уметь моделировать случайную величину , равномерно распределенную на отрезке . Получив реализацию случайной величины , можно найти соответствующую ей реализацию случайной величины , так как они связаны равенством

Предположим, что в некоторой системе массового обслуживания время обслуживания одной заявки распределено по экспоненциальному закону с параметром , где – интенсивность потока обслуживания. Тогда функция распределения времени обслуживания имеет вид

Пусть - реализация случайной величины , равномерно распределенной на отрезке , а – соответствующая ей реализация случайного времени обслуживания одной заявки. Тогда, согласно (1.5.1)

1.6 Построение имитационных моделей

Первый этап создания любой имитационной модели – этап описания реально существующей системы в терминах характеристик основных событий. Эти события, как правило, связаны с переходами изучаемой системы из одного возможного состояния в другое и обозначаются как точки на временной оси. Для достижения основной цели моделирования достаточно наблюдать систему в моменты реализации основных событий.

Рассмотрим пример одноканальной системы массового обслуживания. Целью имитационного моделирования подобной системы является определение оценок ее основных характеристик, таких, как среднее время пребывания заявки в очереди, средняя длина очереди и доля времени простоя системы.

Характеристики самого процесса массового обслуживания могут изменять свои значения либо в момент поступления новой заявки на обслуживание, либо при завершении обслуживания очередной заявки. К обслуживанию очередной заявки СМО может приступить немедленно (канал обслуживания свободен), но не исключена необходимость ожидания, когда заявке придется занять место в очереди (СМО с очередью, канал обслуживания занят). После завершения обслуживания очередной заявки СМО может сразу приступить к обслуживанию следующей заявки, если она есть, но может и простаивать, если таковая отсутствует. Необходимую информацию можно получить, наблюдая различные ситуации, возникающие при реализациях основных событий. Так, при поступлении заявки в СМО с очередью при занятом канале обслуживания длина очереди увеличивается на 1. Аналогично длина очереди уменьшается на 1, если завершено обслуживание очередной заявки и множество заявок в очереди не пусто.

Для эксплуатации любой имитационной модели необходимо выбрать единицу времени. В зависимости от природы моделируемой системы такой единицей может быть микросекунда, час, год и т.д.

Так как по своей сути компьютерное имитационное моделирование представляет собой вычислительный эксперимент, то его наблюдаемые результаты в совокупности должны обладать свойствами реализации случайной выборки. Лишь в этом случае будет обеспечена корректная статистическая интерпретация моделируемой системы.

При компьютерном имитационном моделировании основной интерес представляют наблюдения, полученные после достижения изучаемой системой стационарного режима функционирования, так как в этом случае резко уменьшается выборочная дисперсия.

Время, необходимое для достижения системой стационарного режима функционирования, определяется значениями ее параметров и начальным состоянием.

Поскольку основной целью является получение данных наблюдений с возможно меньшей ошибкой, то для достижения этой цели можно:

1) увеличить длительность времени имитационного моделирования процесса функционирования изучаемой системы. В этом случае не только увеличивается вероятность достижения системой стационарного режима функционирования, но и возрастает число используемых псевдослучайных чисел, что также положительно влияет на качество получаемых результатов.

2) при фиксированной длительности времени Т имитационного моделирования провести N вычислительных экспериментов, называемых еще прогонами модели, с различными наборами псевдослучайных чисел, каждый из которых дает одно наблюдение. Все прогоны начинаются при одном и том же начальном состоянии моделируемой системы, но с использованием различных наборов псевдослучайных чисел. Преимуществом этого метода является независимость получаемых наблюдений , показателей эффективности системы. Если число N модели достаточно велико, то границы симметричного доверительного интервала для параметра определяются следующим образом:

, , т.е. , где

Исправленная дисперсия, ,

N – число прогонов программы, – надежность, .

2. Аналитическое моделирование СМО

2.1 Граф состояний системы и уравнения Колмогорова

Рассмотрим двухканальную систему массового обслуживания (n = 2) с ограниченной очередью равной шести (m = 4). В СМО поступает простейший поток заявок со средней интенсивностью λ = 4,8 и показательным законом распределения времени между поступлением заявок. Поток обслуживаемых в системе заявок является простейшим со средней интенсивностью μ = 2 и показательным законом распределения временем обслуживания.

Данная система имеет 7 состояний, обозначим их:

S 0 – система свободная, нет заявок;

S 1 – 1 заявка на обслуживании, очередь пуста;

S 2 – 2 заявки на обслуживании, очередь пуста;

S 3 – 2 заявки на обслуживании, 1 заявка в очереди;

S 4 – 2 заявки на обслуживании, 2 заявки в очереди;

S 5 – 2 заявки на обслуживании, 3 заявки в очереди;

S 6 – 2 заявки на обслуживании, 4 заявки в очереди;

Вероятности прихода системы в состояния S 0 , S 1 , S 2 , …, S 6 соответственно равны Р 0 , Р 1 , Р 2 , …, Р 6 .

Граф состояний системы массового обслуживания представляет собой схему гибели и размножения. Все состояния системы можно представить в виде цепочки, в которой каждое из состояний связано с предыдущим и последующим.

Рис. 3. Граф состояний двухканальной СМО

Для построенного графа запишем уравнения Колмогорова:

Чтобы решить данную систему зададим начальные условия:

Систему уравнений Колмогорова (систему дифференциальных уравнений) решим численным методом Эйлера с помощью программного пакета Maple 11 (см. Приложение 1).

Метод Эйлера

где- в нашем случае, это правые части уравнений Колмогорова, n=6.

Выберем шаг по времени . Предположим , где Т – это время, за которое система выходит на стационарный режим. Отсюда получаем число шагов . Последовательно N раз вычисляя по формуле (1) получим зависимости вероятностей состояний системы от времени, приведенной на рис. 4.

Значения вероятностей СМО при равны:

Рис. 4. Зависимости вероятностей состояний системы от времени

При достаточно большом времени протекания процессов в системе () могут устанавливаться вероятности состояний, не зависящие от времени, которые называются финальными вероятностями, т.е. в системе устанавливается стационарный режим. Если число состояний системы конечно, и из каждого из них за конечное число шагов можно перейти в любое другое состояние, то финальные вероятности существуют, т.е.

Т.к. в стационарном состоянии производные по времени равны 0, то уравнения для финальных вероятностей получаются из уравнений Колмогорова путем приравнивания правых частей 0. Запишем уравнения для финальных вероятностей для нашей СМО.

Решим данную систему линейных уравнений с помощью программного пакета Maple 11 (см. Приложение 1).

Получим финальные вероятности системы:

Сравнение вероятностей, полученных из системы уравнений Колмогорова при , с финальными вероятностями показывает, что ошибки равны:

Т.е. достаточно малы. Это подтверждает правильность полученных результатов.

2.3 Расчет показатели эффективности системы по финальным вероятностям

Найдем показатели эффективности системы массового обслуживания.

Сначала вычислим приведенную интенсивность потока заявок:

1) Вероятность отказав обслуживании заявки, т.е. вероятность того, что заявка покидает систему не обслуженной.В нашем случае заявке отказывается в обслуживании, если все 2 канала заняты, и очередь максимально заполнена (т.е. 4 человек в очереди), это соответствует состоянию системы S 6 . Т.к. вероятность прихода системы в состояние S 6 равна Р 6 , то

4) Средняя длина очереди, т.е. среднее число заявок в очереди, равна сумме произведений числа заявок в очереди на вероятность соответствующего состояния.

5) Среднее время пребывания заявки в очередиопределяется формулой Литтла:

3. Имитационное моделирование СМО

3.1 Алгоритм метода имитационного моделирования СМО (пошаговый подход)

Рассмотрим двухканальную систему массового обслуживания (n = 2) с максимальной длиной очереди равной шести (m = 4). В СМО поступает простейший поток заявок со средней интенсивностью λ = 4,8 и показательным законом распределения времени между поступлением заявок. Поток обслуживаемых в системе заявок является простейшим со средней интенсивностью μ = 2 и показательным законом распределения временем обслуживания.

Для имитации СМО воспользуемся одним из методов статистического моделирования – имитационным моделированием. Будем использовать пошаговый подход. Суть этого подхода в том, что состояния системы рассматриваются в последующие моменты времени, шаг между которыми является достаточно малым, чтобы за его время произошло не более одного события.

Выберем шаг по времени (). Он должен быть много меньше среднего времени поступления заявки () и среднего времени ее обслуживания (), т.е.

Где (3.1.1)

Исходя из условия (3.1.1) определим шаг по времени .

Время поступления заявки в СМО и время ее обслуживания являются случайными величинами. Поэтому, при имитационном моделировании СМО их вычисление производится с помощью случайных чисел.

Рассмотрим поступление заявки в СМО. Вероятность того, что на интервале в СМО поступит заявка, равна: . Сгенерируем случайное число , и, если , то будем считать, что заявка на данном шаге в систему поступила, если , то не поступила.

В программе это осуществляет isRequested () . Интервал времени примем постоянным и равным 0,0001, тогда отношение будет равно 10000. Если заявка поступила, то она принимает значение «истина», в противном случае значение «ложь».

bool isRequested()

double r = R. NextDouble();

if (r < (timeStep * lambda))

Рассмотрим теперь обслуживание заявки в СМО. Время обслуживания заявки в системе определяется выражением , где – случайное число. В программе время обслуживания определяется с помощью функции GetServiceTime () .

double GetServiceTime()

double r = R. NextDouble();

return (-1/mu*Math. Log (1-r, Math.E));

Алгоритм метода имитационного моделирования можно сформулировать следующим образом. Время работы СМО (Т ) разбивается на шаги по времени dt , на каждом из них выполняется ряд действий. Вначале определяются состояния системы (занятость каналов, длина очереди), затем, с помощью функции isRequested () , определяется, поступила ли на данном шаге заявка или нет.

Если поступила, и, при этом имеются свободные каналы, то с помощью функции GetServiceTime () генерируем время обработки заявки и ставим ее на обслуживание. Если все каналы заняты, а длина очереди меньше 4, то помещаем заявку в очередь, если же длина очереди равна 4, то заявке будет отказано в обслуживании.

В случае, когда на данном шаге заявка не поступала, а канал обслуживания освободился, проверяем, есть ли очередь. Если есть, то из очереди заявку ставим на обслуживание в свободный канал. После проделанных операций время обслуживания для занятых каналов уменьшаем на величину шага dt .

По истечении времени Т , т.е., после моделирования работы СМО, вычисляются показатели эффективности работы системы и результаты выводятся на экран.

3.2 Блок-схема программы

Блок-схема программы, реализующей описанный алгоритм, приведена на рис. 5.

Рис. 5. Блок-схема программы

Распишем некоторые блоки более подробно.

Блок 1. Задание начальных значений параметров.

Random R; // Генератор случайных чисел

public uint maxQueueLength; // Максимальная длина очереди

public uint channelCount; // Число каналов в системе

public double lambda; // Интенсивность потока поступления заявок

public double mu; // Интенсивность потока обслуживания заявок

public double timeStep; // Шагповремени

public double timeOfFinishProcessingReq; // Время окончания обслуживания заявки во всех каналах

public double timeInQueue; // Время пребывания СМО в состояниях с очередью

public double processingTime; // Времяработысистемы

public double totalProcessingTime; // Суммарноевремяобслуживаниязаявок

public uint requestEntryCount; // Числопоступившихзаявок

public uint declinedRequestCount; // Числоотказанныхзаявок

public uint acceptedRequestCount; // Числообслуженныхзаявок

uint queueLength; // Длина очереди //

Тип, описывающий состояния СМО

enum SysCondition {S0, S1, S2, S3, S4, S5, S6};

SysCondition currentSystemCondition; // Текущее состояние системы

Задание состояний системы. Выделим у данной 2-х канальной системы 7 различных состояний: S 0 , S 1 . S 6 . СМО находится в состоянии S 0 , когда система свободна; S 1 – хотя бы один канал свободен; в состоянии S 2 , когда все каналы заняты, и есть место в очереди; в состоянии S 6 – все каналы заняты, и очередь достигла максимальной длины (queueLength = 4).

Определяем текущее состояние системы с помощью функции GetCondition()

SysCondition GetCondition()

SysCondition p_currentCondit = SysCondition.S0;

int busyChannelCount = 0;

for (int i = 0; i < channelCount; i++)

if (timeOfFinishProcessingReq[i] > 0)

busyChannelCount++;

p_currentCondit += k * (i + 1);

if (busyChannelCount > 1)

{p_currentCondit ++;}

return p_currentCondit + (int) QueueLength;

Изменение времени пребывания СМО в состояниях с длиной очереди 1, 2,3,4. Это реализуется следующим программным кодом:

if (queueLength > 0)

timeInQueue += timeStep;

if (queueLength > 1)

{timeInQueue += timeStep;}

Присутствует такая операция, как помещение заявки на обслуживание в свободный канал. Просматриваются, начиная с первого, все каналы, когда выполняется условие timeOfFinishProcessingReq [ i ] <= 0 (канал свободен), в него подается заявка, т.е. генерируется время окончания обслуживания заявки.

for (int i = 0; i < channelCount; i++)

if (timeOfFinishProcessingReq [i] <= 0)

timeOfFinishProcessingReq [i] = GetServiceTime();

totalProcessingTime+= timeOfFinishProcessingReq [i];

Обслуживаниезаявоквканалахмоделируетсякодом:

for (int i = 0; i < channelCount; i++)

if (timeOfFinishProcessingReq [i] > 0)

timeOfFinishProcessingReq [i] -= timeStep;

Алгоритм метода имитационного моделирования реализован на языке программирования C#.

3.3 Расчет показателей эффективности СМО на основе результатов ее имитационного моделирования

Наиболее важными являются такие показатели, как:

1) Вероятность отказа в обслуживании заявки, т.е. вероятность того, что заявка покидает систему не обслуженной.В нашем случае заявке отказывается в обслуживании, если все 2 канала заняты, и очередь максимально заполнена (т.е. 4 человек в очереди). Для нахождения вероятности отказа разделим время пребывания СМО в состоянии с очередью 4 на общее время работы системы.

2) Относительная пропускная способность – это средняя доля поступивших заявок, обслуживаемых системой.

3) Абсолютная пропускная способность– это среднее число заявок, обслуживаемых в единицу времени.

4) Длина очереди, т.е. среднее число заявок в очереди. Длина очереди равна сумме произведений числа человек в очереди на вероятность соответствующего состояния. Вероятности состояний найдем как отношение времени нахождения СМО в этом состоянии к общему времени работы системы.

5) Среднее время пребывания заявки в очереди определяется формулой Литтла

6) Среднее число занятых каналовопределяется следующим образом:

7) Процент заявок, которым было отказано в обслуживании, находится по формуле

8) Процент обслуженных заявок находится по формуле

3.4 Статистическая обработка результатов и их сравнение с результатами аналитического моделирования

Т.к. показатели эффективности получаются в результате моделирования СМО в течение конечного времени, они содержат случайную компоненту. Поэтому, для получения более надежных результатов нужно провести их статистическую обработку. С этой целью оценим доверительный интервал для них по результатам 20 прогонов программы.

Величина попадает в доверительный интервал, если выполняется неравенство

, где

математическое ожидание (среднее значение), находится по формуле

Исправленная дисперсия,

,

N =20 – число прогонов,

– надежность. При и N =20 .

Результат работы программы представлен на рис. 6.

Рис. 6. Вид программы

Для удобства сравнения результатов, полученных различными методами моделирования, представим их в виде таблицы.

Таблица 2.

Из табл. 2 видно, что результаты, полученные при аналитическом моделировании СМО, попадают в доверительный интервал, полученный по результатам имитационного моделирования. Т.е., результаты, полученные разными методами, согласуются.

Заключение

В данной работе рассмотрены основные методы моделирования СМО и расчета показателей их эффективности.

Проведено моделирование двухканальной СМО с максимальной длиной очереди равной 4 с помощью уравнений Колмогорова, а также, найдены финальные вероятности состояний системы. Рассчитаны показатели ее эффективности.

Проведено имитационное моделирование работы такой СМО. На языке программирования C# составлена программа, имитирующая ее работу. Проведена серия расчетов, по результатам которых найдены значения показателей эффективности системы и выполнена их статистическая обработка.

Полученные при имитационном моделировании результаты согласуются с результатами аналитического моделирования.

Литература

1. Вентцель Е.С. Исследование операций. – М.: Дрофа, 2004. – 208 с.

2. Волков И.К., Загоруйко Е.А. Исследование операций. – М.: Изд.-во МГТУ им. Н.Э. Баумана, 2002. – 435 с.

3. Волков И.К., Зуев С.М., Цветкова Г.М. Случайные процессы. – М.: Изд.-во МГТУ им. Н.Э. Баумана, 2000. – 447 с.

4. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. – М.: Высшая школа, 1979. – 400 с.

5. Ивницкий В.Л. Теория сетей массового обслуживания. – М.: Физматлит, 2004. – 772 с.

6. Исследование операций в экономике/ под ред. Н.Ш. Кремера. – М.: Юнити, 2004. – 407 с.

7. Таха Х.А. Введение в исследование операций. – М.: ИД «Вильямс», 2005. – 902 с.

8. Харин Ю.С., Малюгин В.И., Кирлица В.П. и др. Основы имитационного и статистического моделирования. – Минск: Дизайн ПРО, 1997. – 288 с.