Оценка эффективности работы смо. Основные показатели эффективности работы смо

Теория СМО посвящена разработке методов анализа, проектирования и рациональной организации систем, относящихся к различным областям деятельности, таким как связь, вычислительная техника, торговля, транспорт, военное дело. Несмотря на все свое разнообразие, приведенные системы обладают рядом типичных свойств, а именно.

• СМО (системы массового обслуживания) - это модели систем , в которые в случайные моменты времени извне или изнутри поступают заявки (требования). Они должны тем или иным образом быть обслужены системой. Длительность обслуживания чаще всего случайна.
• СМО представляет собой совокупность обслуживающего оборудования и персонала при соответствующей организации процесса обслуживания.
• Задать СМО – это значит задать ее структуру и статистические характеристики последовательности поступления заявок и последовательности их обслуживания.

Задача анализа СМО заключается в определении ряда показателей ее эффективности, которые можно разделить на следующие группы:

• показатели, характеризующие систему в целом: число n занятых каналов обслуживания, число обслуженных (λ b ), ожидающих обслуживание или получивших отказ заявок (λ c ) в единицу времени и т.д.;
• вероятностные характеристики : вероятность того, что заявка будет обслужена (P обс) или получит отказ в обслуживании (P отк), что все приборы свободны (p 0) или определенное число их занято (p k ), вероятность наличия очереди и т.д.;
• экономические показатели : стоимость потерь, связанных с уходом не обслуженной по тем или иным причинам заявки из системы, экономический эффект, полученный в результате обслуживания заявки, и т.д.

Часть технических показателей (первые две группы) характеризуют систему с точки зрения потребителей , другая часть – характеризует систему с точки зрения её эксплуатационных свойств . Часто выбор перечисленных показателей, может улучшать эксплуатационные свойства системы, но ухудшать систему с точки зрения потребителей и наоборот. Использование экономических показателей позволяет разрешить указанное противоречие и оптимизировать систему с учетом обеих точек зрения.
В ходе выполнения домашней контрольной работы изучаются простейшие СМО. Это системы разомкнутого типа, бесконечный источник заявок в систему не входит. Входной поток заявок, потоки обслуживания и ожидания этих систем являются простейшими. Приоритеты отсутствуют. Системы однофазные.

Многоканальная система с отказами

Система состоит из одного узла обслуживания, содержащего n каналов обслуживания, каждый из которых может обслуживать только одну заявку.
Все каналы обслуживания одинаковой производительности и для модели системы неразличимы. Если заявка поступила в систему и застала хотя бы один канал свободным, она мгновенно начинает обслуживаться. Если в момент поступления заявки в систему все каналы заняты, то заявка покидает систему не обслуженной.

Смешанные системы

1. Система с ограничением на длину очереди .
   Состоит из накопителя (очереди) и узла обслуживания. Заявка покидает очередь и уходит из системы, если в накопителе к моменту ее появления уже находятся m заявок (m – максимально возможноечисло мест в очереди). Если заявка поступила в систему и застала, хотя бы один канал свободным, она мгновенно начинает обслуживаться. Если в момент поступления заявки в систему все каналы заняты, то заявка не покидает систему, а занимает место в очереди. Заявка покидает систему не обслуженной, если к моменту её поступления в систему заняты все каналы обслуживания и все места в очереди.
   Для каждой системы определяется дисциплина очереди. Это система правил, определяющих порядок поступления заявок из очереди в узел обслуживания. Если все заявки и каналы обслуживания равнозначны, то чаще всего действует правило «кто раньше пришел, тот раньше обслуживается».
2. Система с ограничением на длительность пребывания заявки в очереди .
   Состоит из накопителя (очереди) и узла обслуживания. От предыдущей системы она отличается тем, что заявка, поступившая в накопитель (очередь), может ожидать начала обслуживания лишь ограниченное время Т ож (чаще всего это случайная величина). Если её время Т ож истекло, то заявка покидает очередь и уходит из системы не обслуженной.

Математическое описание СМО

СМО рассматриваются как некоторые физические системы с дискретными состояниями х 0 , х 1 , …, х n , функционирующие при непрерывном времени t . Число состояний n может быть конечным или счетным (n → ∞). Система может переходить из одного состояния х i (i= 1, 2, … , n) в другое х j (j= 0, 1, … ,n) в произвольный момент времени t . Чтобы показать правила таких переходов, используют схему, называемую графом состояний . Для типов перечисленных выше систем графы состояний образуют цепь, в которой каждое состояние (кроме крайних) связано прямой и обратной связью с двумя соседними состояниями. Это схема гибели и размножения.
Переходы из состояния в состояние происходят в случайные моменты времени. Удобно считать, что эти переходы происходят в результате действия каких-то потоков (потоков входных заявок, отказов в обслуживании заявок, потока восстановления приборов и т.д.). Если все потоки простейшие, то протекающий в системе случайный процесс с дискретным состоянием и непрерывным временем будет марковским.
Поток событий - это последовательность однотипных событий, протекающих в случайные моменты времени. Его можно рассматривать как последовательность случайных моментов времени t 1 , t 2 , … появления событий.
Простейшим называют поток, обладающий следующими свойствами:

• Ординарность . События следуют по одиночке (противоположность потоку, где события следуют группами).
• Стационарность . Вероятность попадания заданного числа событий на интервал времени Т зависит только от длины интервала и не зависит от того, где на оси времени находиться этот интервал.
• Отсутствие последействия . Для двух непересекающихся интервалов времени τ 1 и τ 2 число событий, попадающих на один из них, не зависит от того, сколько событий попало на другой интервал.

В простейшем потоке интервалы времени Т 1 , Т 2 ,… между моментами t 1 , t 2 , … появления событий случайны, независимы между собой и имеют показательное распределение вероятностей f(t)=λe -λt , t≥0, λ=const, где λ - параметр показательного распределения, являющийся одновременно интенсивностью потока и представляющий собой среднее число событий, происходящих в единицу времени. Таким образом, t =M[T]=1/λ.
Марковские случайные события описываются обыкновенными дифференциальными уравнениями . Переменными в них служат вероятности состояний р 0 (t), p 1 (t),…,p n (t) .
Для очень больших моментов времени функционирования систем (теоретически при t → ∞) в простейших системах (системы, все потоки в которых – простейшие, а граф – схема гибели и размножения) наблюдается установившийся, или стационарный режим работы. В этом режиме система будет изменять свое состояние, но вероятности этих состояний (финальные вероятности ) р к , к= 1, 2 ,…, n, не зависят от времени и могут рассматриваться как среднее относительное время пребывания системы в соответствующем состоянии.

Достаточно часто при анализе экономических систем приходится решать так называемые задачи массового обслуживания, возникающие в следующей ситуации. Пусть анализируется система технического обслуживания автомобилей, состоящая из некоторого количества станций различной мощности. На каждой из станций (элемента системы) могут возникать, по крайней мере, две типичные ситуации:

1. число заявок слишком велико для данной станции, возникают очереди, и за задержки в обслуживании приходится платить;
2. на станцию поступает слишком мало заявок и теперь уже приходится учитывать потери, вызванные простоем станции.

Ясно, что цель системного анализа в данном случае заключается в определении некоторого соотношения между потерями доходов по причине очередей и потерями по причине простоя станций.

Теория массового обслуживания – специальный раздел теории систем – это раздел теории вероятности, в котором изучаются системы массового обслуживания с помощью математических моделей.

Система массового обслуживания (СМО) – это модель, включающая в себя: 1) случайный поток требований, вызовов или клиентов, нуждающихся в обслуживании; 2) алгоритм осуществления этого обслуживания; 3) каналы (приборы) для обслуживания.

Примерами СМО являются кассы, АЗС, аэропорты, продавцы, парикмахеры, врачи, телефонные станции и другие объекты, в которых осуществляется обслуживание тех или иных заявок.

Задача теории массового обслуживания состоит в выработке рекомендаций по рациональному построению СМО и рациональной организации их работы с целью обеспечения высокой эффективности обслуживания при оптимальных затратах.

Главная особенность задач данного класса – явная зависимость результатов анализ и получаемых рекомендаций от двух внешних факторов: частоты поступления и сложности заказов (а значит и времени их исполнения).

Предмет теории массового обслуживания – это установление зависимости между характером потока заявок, производительностью отдельного канала обслуживания, числом каналов и эффективностью обслуживания.

В качестве характеристик СМО рассматриваются:

• средний процент заявок, получающих отказ и покидающих систему не обслуженными;
• среднее время «простоя» отдельных каналов и системы в целом;
• среднее время ожидания в очереди;
• вероятность того, что поступившая заявка будет немедленно обслужена;
• закон распределения длины очереди и другие.

Добавим, что заявки (требования) поступают в СМО случайным образом (в случайные моменты времени), с точками сгущения и разрежения. Время обслуживания каждого требования также является случайным, после чего канал обслуживания освобождается и готов к выполнению следующего требования. Каждая СМО, в зависимости от числа каналов и их производительности, обладает некоторой пропускной способностью. Пропускная способность СМО может быть абсолютной (среднее число заявок, обслуживаемых в единицу времени) и относительной (среднее отношение числа обслуженных заявок к числу поданных).

3.1 Модели систем массового обслуживания.

Каждую СМО может характеризовать выражением: (a / b / c) : (d / e / f) , где

a - распределение входного потока заявок;

b - распределение выходного потока заявок;

c – конфигурация обслуживающего механизма;

d – дисциплина очереди;

e – блок ожидания;

f – емкость источника.

Теперь рассмотрим подробнее каждую характеристику.

Входной поток заявок – количество поступивших в систему заявок. Характеризуется интенсивностью входного потока l .

Выходной поток заявок – количество обслуженных системой заявок. Характеризуется интенсивностью выходного потока m .

Конфигурация системы подразумевает общее число каналов и узлов обслуживания. СМО может содержать:

1. один канал обслуживания (одна взлетно-посадочная полоса, один продавец);
2. один канал обслуживания, включающий несколько последовательных узлов (столовая, поликлиника, конвейер);
3. несколько однотипных каналов обслуживания, соединенных параллельно (АЗС, справочная служба, вокзал).

Таким образом, можно выделить одно- и многоканальные СМО.

С другой стороны, если все каналы обслуживания в СМО заняты, то подошедшая заявка может остаться в очереди, а может покинуть систему (например, сбербанк и телефонная станция). В этом случае мы говорим о системах с очередью (ожиданием) и о системах с отказами.

Очередь – это совокупность заявок, поступивших в систему для обслуживания и ожидающих обслуживания. Очередь характеризуется длиной очереди и ее дисциплиной.

Дисциплина очереди – это правило обслуживания заявок из очереди. К основным типам очереди можно отнести следующие:

1. ПЕРППО (первым пришел – первым обслуживаешься) – наиболее распространенный тип;
2. ПОСППО (последним пришел – первым обслуживаешься);
3. СОЗ (случайный отбор заявок) – из банка данных.
4. ПР – обслуживание с приоритетом.

Длина очереди может быть

• неограничена – тогда говорят о системе с чистым ожиданием;
• равна нулю – тогда говорят о системе с отказами;
• ограничена по длине (система смешанного типа).

Блок ожидания – «вместимость» системы – общее число заявок, находящихся в системе (в очереди и на обслуживании). Таким образом, е=с+ d .

Емкость источника , генерирующего заявки на обслуживание – это максимальное число заявок, которые могут поступить в СМО. Например, в аэропорту емкость источника ограничена количеством всех существующих самолетов, а емкость источника телефонной станции равна количеству жителей Земли, т.е. ее можно считать неограниченной.

Количество моделей СМО соответствует числу всевозможных сочетаний этих компонент.

3.2 Входной поток требований.

С каждым отрезком времени [a , a + T ], свяжем случайную величину Х , равную числу требований, поступивших в систему за время Т .

Поток требований называется стационарным , если закон распределения не зависит от начальной точки промежутка а , а зависит только от длины данного промежутка Т . Например, поток заявок на телефонную станцию в течение суток (Т =24 часа) нельзя считать стационарным, а вот с 13 до 14 часов (Т =60 минут) – можно.

Поток называется без последействия , если предыстория потока не влияет на поступления требований в будущем, т.е. требования не зависят друг от друга.

Поток называется ординарным , если за очень короткий промежуток времени в систему может поступить не более одного требования. Например, поток в парикмахерскую – ординарный, а в ЗАГС – нет. Но, если в качестве случайной величины Х рассматривать пары заявок, поступающих в ЗАГС, то такой поток будет ординарным (т.е. иногда неординарный поток можно свести к ординарному).

Поток называется простейшим , если он стационарный, без последействия и ординарный.

Основная теорема. Если поток – простейший, то с.в. Х [ a . a + T ] распределена по закону Пуассона, т.е. .

Следствие 1 . Простейший поток также называется пуассоновским.

Следствие 2 . M (X )= M (Х [ a , a + T ] )= l T , т.е. за время Т l T заявок. Следовательно, за одну единицу времени в систему поступает в среднем l заявок. Эта величина и называется интенсивностью входного потока.

Рассмотрим ПРИМЕР.

В ателье поступает в среднем 3 заявки в день. Считая поток простейшим, найти вероятность того, что в течение двух ближайших дней число заявок будет не менее 5.

Решение.

По условию задачи, l =3, Т =2 дня, входной поток пуассоновский, n ³5. при решении удобно ввести противоположное событие, состоящее в том, что за время Т поступит меньше 5 заявок. Следовательно, по формуле Пуассона, получим

^

3.3 Состояние системы. Матрица и граф переходов.

В случайный момент времени СМО переходит из одного состояния в другое: меняется число занятых каналов, число заявок и очереди и пр. Таким образом, СМО с n каналами и длиной очереди, равной m , может находиться в одном из следующих состояний:

Е 0 – все каналы свободны;

Е 1 – занят один канал;

Е n – заняты все каналы;

Е n +1 – заняты все каналы и одна заявка в очереди;

Е n + m – заняты все каналы и все места в очереди.

Аналогичная система с отказами может находиться в состояниях E 0 – E n .

Для СМО с чистым ожиданием существует бесконечное множество состояний. Таким образом, состояниеE n СМО в момент времени t – это количество n заявок (требований), находящихся в системе в данный момент времени, т.е. n = n (t ) – случайная величина, E n (t ) – исходы этой случайной величины, а P n (t ) – вероятность пребывания системы в состоянии E n .

С состоянием системы мы уже знакомы. Отметим, что не все состояния системы равнозначны. Состояние системы называется источником , если система может выйти из этого состояния, но не может в него вернуться. Состояние системы называется изолированным, если система не может выйти из этого состояния или в него войти.

Для наглядности изображения состояний системы используют схемы (так называемые графы переходов), в которых стрелки указывают возможные переходы системы из одного состояния в другое, а также вероятности таких переходов.

Рисунок 3.1 – граф переходов

Сост.	Е 0	Е 1	Е 2
Е 0	Р 0,0	Р 0,1	Р 0,2
Е 1	Р 1,0	Р 1,1	Р 1,2
Е 2	Р 2,0	Р 2,2	Р 2,2

Также иногда удобно воспользоваться матрицей переходов. При этом первый столбец означает исходные состояния системы (текущие), а далее приведены вероятности перехода из этих состояний в другие.

Так как система обязательно перейдет из одного

состояния в другое, то сумма вероятностей в каждой строке всегда равна единице.

3.4 Одноканальные СМО.

3.4.1 Одноканальные СМО с отказами.

Будем рассматривать системы, удовлетворяющие требованиям:

(Р/Е/1):(–/1/¥) . Предположим также, что время обслуживания требования не зависит от количества требований, поступивших в систему. Здесь и далее «Р» означает, что входной поток распределен по закону Пуассона, т.е. простейший, «Е» означает, что выходной поток распределен по экспоненциальному закону. Также здесь и далее основные формулы даются без доказательства.

Для такой системы возможно два состояния: Е 0 – система свободна и Е 1 – система занята. Составим матрицу переходов. Возьмем D t – бесконечно малый промежуток времени. Пусть событие А состоит в том, что в систему за время D t поступило одно требование. Событие В состоит в том, что за время D t обслужено одно требование. Событие А i , k – за время D t система перейдет из состояния E i в состояние E k . Так как l – интенсивность входного потока, то за время D t в систему в среднем поступает l*D t требований. То есть, вероятность поступления одного требования Р(А)= l* D t , а вероятность противоположного событияР(Ā)=1- l*D t . Р(В)= F (D t )= P (b < D t )=1- e - m D t = m D t – вероятность обслуживания заявки за время D t . Тогда А 00 – заявка не поступит или поступит, но будет обслужена. А 00 =Ā+А* В. Р 00 =1- l*D t . (мы учли, что(D t ) 2 – бесконечно малая величина)

А 01 – заявка поступит, но не будет обслужена. А 01 =А* . Р 01 = l*D t .

А 10 – заявка будет обслужена и новой не будет. А 10 =В* Ā. Р 10 = m*D t .

А 11 – заявка не будет обслужена или поступит новая, которая еще не обслужена. А 11 =+В* А. Р 01 =1- m*D t .

Таким образом, получим матрицу переходов:

Сост.	Е 0	Е 1
Е 0	1-l* Dt	l* Dt
Е 1	m* Dt	1-m* Dt

Вероятность простоя и отказа системы.

Найдем теперь вероятность нахождения системы в состоянии Е 0 в любой момент времени t (т.е. р 0 ( t ) ). График функции
изображен на рисунке 3.2.

Асимптотой графика является прямая
.

Очевидно, начиная с некоторого момента t ,

1

Рисунок 3.2

Окончательно получим, что
и
, где р 1 (t ) – вероятность того, что в момент времени t система занята (т.е. находится в состоянии Е 1 ).

Очевидно, что в начале работы СМО протекающий процесс не будет стационарным: это будет «переходный», нестационарный режим. Спустя некоторое время (которое зависит от интенсивностей входного и выходного потока) этот процесс затухнет и система перейдет в стационарный, установившийся режим работы, и вероятностные характеристики уже не будут зависеть от времени.

Стационарный режим работы и коэффициент загрузки системы.

Если вероятность нахождения системы в состоянии Е k , т.е. Р k (t ), не зависит от времени t , то говорят, что в СМО установился стационарный режим работы. При этом величина
называется коэффициентом загрузки системы (или приведенной плотностью потока заявок). Тогда для вероятностейр 0 (t ) ир 1 (t ) получаем следующие формулы:
,
. Можно также сделать вывод:чем больше коэффициент загрузки системы, тем больше вероятность отказа системы (т.е. вероятность того, что система занята).

На автомойке один блок для обслуживания. Автомобили прибывают по пуассоновскому распределению с интенсивностью 5 авто/час. Среднее время обслуживания одной машины – 10 минут. Найти вероятность того, что подъехавший автомобиль найдет систему занятой, если СМО работает в стационарном режиме.

Решение. По условию задачи, l =5, m y =5/6. Надо найти вероятность р 1 – вероятность отказа системы.
.

3.4.2 Одноканальные СМО с неограниченной длиной очереди.

Будем рассматривать системы, удовлетворяющие требованиям: (Р/Е/1):(d/¥/¥). Система может находиться в одном из состояний E 0 , …, E k , … Анализ показывает, что через некоторое время такая система начинает работать в стационарном режиме, если интенсивность выходного потока превышает интенсивность входного потока (т.е. коэффициент загрузки системы меньше единицы). Учитывая это условие, получим систему уравнений

решая которую найдем, что . Таким образом, при условии, что y <1, получим
Окончательно,
и
– вероятность нахождения СМО в состоянии Е k в случайный момент времени.

Средние характеристики системы.

За счет неравномерного поступления требований в систему и колебания времени обслуживания, в системе образуется очередь. Для такой системы можно исследовать:

• n – количество требований, находящихся в СМО (в очереди и на обслуживании);
• v – длину очереди;
• w – время ожидания начала обслуживания;
• w 0 – общее время нахождения в системе.

Нас будут интересовать средние характеристики (т.е. берем математическое ожидание от рассматриваемых случайных величин, и помним, что y <1).

– среднее число заявок в системе.

– средняя длина очереди.

– среднее время ожидания начала обслуживания, т.е. время ожидания в очереди.

– среднее время, которое заявка проводит в системе – в очереди и на обслуживании.

На автомойке один блок для обслуживания и есть место для очереди. Автомобили прибывают по пуассоновскому распределению с интенсивностью 5 авто/час. Среднее время обслуживания одной машины – 10 минут. Найти все средние характеристики СМО.

Решение. l =5, m =60мин/10мин = 6. Коэффициент загрузки y =5/6. Тогда среднее число автомобилей в системе
, средняя длина очереди
, среднее время ожидания начала обслуживания
часа = 50 мин, и, наконец, среднее время нахождения в системе
час.

3.4.3 Одноканальные СМО смешанного типа.

Предположим, что длина очереди составляет m требований. Тогда, для любого s £ m , вероятность нахождения СМО в состоянии Е 1+ s , вычисляется по формуле
, т.е. одна заявка обслуживается и еще s заявок – в очереди.

Вероятность простоя системы равна
,

а вероятность отказа системы -
.

Даны три одноканальные системы, для каждой l =5, m =6. Но первая система – с отказами, вторая – с чистым ожиданием, а третья – с ограниченной длиной очереди, m =2. Найти и сравнить вероятности простоя этих трех систем.

Решение. Для всех систем коэффициент загрузки y =5/6. Для системы с отказами
. Для системы с чистым ожиданием
. Для системы с ограниченной длиной очереди
. Вывод очевиден: чем больше заявок находится в очереди, тем меньше вероятность простоя системы.

3.5 Многоканальные СМО.

3.5.1 Многоканальные СМО с отказами.

Будем рассматривать системы (Р/Е/s):(-/s/¥) в предположении, что время обслуживания не зависит от входного потока и все линии работают независимо. Многоканальные системы, помимо коэффициента загрузки, можно также характеризовать коэффициентом
, где s – число каналов обслуживания. Исследуя многоканальные СМО, получим следующие формулы (формулы Эрлáнга ) для вероятности нахождения системы в состоянии Е k в случайный момент времени:

, k=0, 1, …

Функция стоимости.

Как и для одноканальных систем, увеличение коэффициента загрузки ведет к увеличению вероятности отказа системы. С другой стороны, увеличение количества линий обслуживания ведет к увеличению вероятности простоя системы или отдельных каналов. Таким образом, необходимо найти оптимальное количество каналов обслуживания данной СМО. Среднее число свободных линий обслуживания можно найти по формуле
. Введем С(s ) – функцию стоимости СМО, зависящую от с 1 – стоимости одного отказа (штрафа за невыполненную заявку) и от с 2 – стоимости простоя одной линии за единицу времени.

Для поиска оптимального варианта надо найти (и это можно сделать) минимальное значение функции стоимости: С(s ) = с 1* l * p s +с 2* , график которой представлен на рисунке 3.3:

Рисунок 3.3

Поиск минимального значения функции стоимости состоит в том, что мы находим ее значения сначала дляs =1, затем для s =2, потом для s =3, и т.д. до тех пор, пока на каком-то шаге значение функции С(s ) не станет больше предыдущего. Это и означает, что функция достигла своего минимума и начала расти. Ответом будет то число каналов обслуживания (значение s ), для которого функция стоимости минимальна.

ПРИМЕР.

Сколько линий обслуживания должна содержать СМО с отказами, если l =2треб/час, m =1треб/час, штраф за каждый отказ составляет 7 тыс.руб., стоимость простоя одной линии – 2 тыс.руб. в час?

Решение. y = 2/1=2. с 1 =7, с 2 =2.

Предположим, что СМО имеет два канала обслуживания, т.е. s =2. Тогда
. Следовательно, С(2) = с 1 *l* p 2 +с 2 *(2- y* (1-р 2 )) = =7*2*0.4+2*(2-2*0.6)=7.2.

Предположим, что s =3. Тогда
, С(3) = с 1 *l* p 3 +с 2 *
=5.79.

Предположим, что имеется четыре канала, т.е. s =4. Тогда
,
, С(4) = с 1 *l* p 4 +с 2 *
=5.71.

Предположим, что СМО имеет пять каналов обслуживания, т.е. s =5. Тогда
, С(5) = 6.7 – больше предыдущего значения. Следовательно, оптимальное число каналов обслуживания – четыре.

3.5.2 Многоканальные СМО с очередью.

Будем рассматривать системы (Р/Е/s):(d/d+s/¥) в предположении, что время обслуживания не зависит от входного потока и все линии работают независимо. Будем говорить, что в системе установилсястационарный режим работы , если среднее число поступающих требований меньше среднего числа требований, обслуженных на всех линиях системы, т.е. l

P(w>0) – вероятность ожидания начала обслуживания,
.

Последняя характеристика позволяет решать задачу об определении оптимального числа каналов обслуживания с таким расчетом, чтобы вероятность ожидания начала обслуживания была меньше заданного числа. Для этого достаточно просчитать вероятность ожидания последовательно при s =1, s =2, s =3 и т.д.

ПРИМЕР.

СМО – станция скорой помощи небольшого микрорайона. l =3 вызова в час, а m = 4 вызова в час для одной бригады. Сколько бригад необходимо иметь на станции, чтобы вероятность ожидания выезда была меньше 0.01?

Решение. Коэффициент загрузки системы y =0.75. Предположим, что в наличие имеется две бригады. Найдем вероятность ожидания начала обслуживания при s =2.
,
.

Предположим наличие трех бригад, т.е. s =3. По формулам получим, что р 0 =8/17, Р(w >0)=0.04>0.01 .

Предположим, что на станции четыре бригады, т.е. s =4. Тогда получим, что р 0 =416/881, Р(w >0)=0.0077<0.01 . Следовательно, на станции должно быть четыре бригады.

3.6 Вопросы для самоконтроля

1. Предмет и задачи теории массового обслуживания.
2. СМО, их модели и обозначения.
3. Входной поток требований. Интенсивность входного потока.
4. Состояние системы. Матрица и граф переходов.
5. Одноканальные СМО с отказами.
6. Одноканальные СМО с очередью. Характеристики.
7. Стационарный режим работы. Коэффициент загрузки системы.
8. Многоканальные СМО с отказами.
9. Оптимизация функции стоимости.
10. Многоканальные СМО с очередью. Характеристики.

3.7 Упражнения для самостоятельной работы

1. Закусочная на АЗС имеет один прилавок. Автомобили прибывают в соответствии с пуассоновским распределением, в среднем 2 автомобиля за 5 минут. Для выполнения заказа в среднем достаточно 1.5 минуты, хотя продолжительность обслуживания распределена по экспоненциальному закону. Найти: а) вероятность простоя прилавка; b) средние характеристики; c) вероятность того, что количество прибывших автомобилей будет не менее 10.
2. Рентгеновский аппарат позволяет обследовать в среднем 7 человек в час. Интенсивность посетителей составляет 5 человек в час. Предполагая стационарный режим работы, определить средние характеристики.
3. Время обслуживания в СМО подчиняется экспоненциальному закону,
   m = 7требований в час. Найти вероятность того, что а) время обслуживания находится в интервале от 3 до 30 минут; b) требование будет обслужено в течение одного часа. Воспользоваться таблицей значений функции е х .
4. В речном порту один причал, интенсивность входного потока – 5 судов в день. Интенсивность погрузочно-разгрузочных работ – 6 судов в день. Имея в виду стационарный режим работы, определить все средние характеристики системы.
5. l =3, m =2, штраф за каждый отказ равен 5, а стоимость простоя одной линии равна 2?
6. Какое оптимальное число каналов обслуживания должна иметь СМО, если l =3, m =1, штраф за каждый отказ равен 7, а стоимость простоя одной линии равна 3?
7. Какое оптимальное число каналов обслуживания должна иметь СМО, если l =4, m =2, штраф за каждый отказ равен 5, а стоимость простоя одной линии равна 1?
8. Определить число взлетно-посадочных полос для самолетов с учетом требования, что вероятность ожидания должна быть меньше, чем 0.05. При этом интенсивность входного потока 27 самолетов в сутки, а интенсивность их обслуживания – 30 самолетов в сутки.
9. Сколько равноценных независимых конвейерных линий должен иметь цех, чтобы обеспечить ритм работы, при котором вероятность ожидания обработки изделий должна быть меньше 0.03 (каждое изделие выпускается одной линией). Известно, что интенсивность поступления заказов 30 изделий в час, а интенсивность обработки изделия одной линией – 36 изделий в час.
10. Непрерывная случайная величина Х распределена по показательному закону с параметром l=5. Найти функцию распределения, характеристики и вероятность попадания с.в. Х в интервал от 0.17 до 0.28.
11. Среднее число вызовов, поступающих на АТС за одну минуту, равно 3. Считая поток пуассоновским, найти вероятность того, что за 2 минуты поступит: а) два вызова; б) меньше двух вызовов; в) не менее двух вызовов.
12. В ящике 17 деталей, из которых 4 – бракованные. Сборщик наугад извлекает 5 деталей. Найти вероятность того, что а) все извлеченные детали – качественные; б) среди извлеченных деталей 3 бракованных.
13. Сколько каналов должна иметь СМО с отказами, если l =2треб/час, m =1треб/час, штраф за каждый отказ составляет 8т.руб., стоимость простоя одной линии – 2т.руб. в час?

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

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

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

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

Таблица 30.1. Примеры систем массового обслуживания

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

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

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

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

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

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

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

Перечислим некоторые основные понятия СМО.

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

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

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

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

Рис. 30.3. Организация очереди по дисциплине FIFO

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

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

Рис. 30.4. Организация очереди по дисциплине SF

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

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

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

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

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

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

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

Пример. Автозаправочная станция (АЗС) .

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

Рис. 30.5. План моделируемой АЗС

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

Рис. 30.6. Эквивалентная схема объекта моделирования

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

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

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

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

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

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

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

Рис. 30.7. Временная диаграмма работы СМО

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

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

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

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

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

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

Процедуру имитации обслуживания заявок продолжают некоторое время наблюдения T н . Чем больше это время, тем точнее в дальнейшем будут результаты моделирования. Реально для простых систем выбирают T н , равное 50—100 и более часов, хотя иногда лучше мерить эту величину количеством рассмотренных заявок.

Анализ временной диаграммы

Анализ проведем на уже рассмотренном примере.

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

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

    

    (Сложить все временные интервалы, в течение которых какая-либо заявка находилась в очереди, и разделить на количество заявок). На временной диаграмме таких заявок 4.

14. Среднее время обслуживания заявки:

    

    (Сложить все временные интервалы, в течение которых какая-либо заявка находилась на обслуживании в каком-либо канале, и разделить на количество заявок).

15. Среднее время нахождения заявки в системе: T ср. сист. = T ср. ож. + T ср. обсл. .
16. Среднее количество заявок в системе:

    

    Разобьем интервал наблюдения, например, на десятиминутки. Получится на пяти часах K подынтервалов (в нашем случае K = 30 ). В каждом подынтервале определим по временной диаграмме, сколько заявок в этот момент находится в системе. Смотреть надо на 2, 3, 4 и 5-ю линейки — какие из них заняты в данный момент. Затем сумму K слагаемых усреднить.

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

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

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

Таблица 30.3. Показатели СМО

Показатель	Формула	Значение	Интересы владельца СМО	Интересы клиента СМО
Вероятность обслуживания	P обс. = N обс. /N	0.714	Вероятность обслуживания мала, много клиентов уходят из системы неудовлетворенными, их деньги для владельца потеряны. Это «минус».	Вероятность обслуживания мала, каждый третий клиент хочет, но не может обслужиться. Это «минус».
Среднее количество заявок в очереди	N сз = 0 · P 0з + 1 · P 1з + 2 · P 2з	1.62	Очередь практически все время вся забита. Все места в очереди используются достаточно эффективно. Вложения на организацию очереди окупают затраты на нее. Это «плюс». Клиенты, которые долго стоят в очереди, могут уйти, не дождавшись обслуживания. Клиенты, простаивая, могут нанести ущерб системе, ломать оборудование. Много отказов, потерянных клиентов. Это «минусы».	Очередь практически все время вся забита. Клиенту приходится стоять в очереди, прежде чем он попадет на обслуживание. Клиент может не попасть даже в очередь. Это «минус».
Общий итог:			В интересах владельца: а) увеличить пропускную способность каналов, чтобы не терять клиентов (правда, модернизация каналов стоит денег); б) увеличить число мест в очереди (это тоже стоит денег), чтобы задержать потенциальных клиентов.	Клиенты заинтересованы в значительном увеличении пропускной способности для уменьшения времени ожидания и уменьшения отказов.

Синтез СМО

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

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

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

Рис. 30.8. Примерный вид зависимостей показателей от параметров СМО

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

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

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

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

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

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

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

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

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

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

Рис. 30.11. Зависимости эффекта от применения показателя Р

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Простейший поток и применение практических задач.

Нестационарные пуассоновские потоки.

Потоки с ограниченными последствиями (потоки Пальма).

Потоки восстановления.

1. Введение.

1.1. Историческая справка.

Большинство систем, с которыми человек имеет дело, являются стохастическими. Попытка их математического описания с помощью детерминистических моделей приводит к огрублению истинного положения вещей. При решении задач анализа и проектирования таких систем приходится считаться с положением вещей, когда случайность является определяющей для процессов, протекающих в системах. При этом пренебрежение случайностью, попытка “втиснуть” решение перечисленных задач в детерминистические рамки приводит к искажению, к ошибкам в выводах и практических рекомендациях.

Первые задачи теории систем массового обслуживания (ТСМО) были рассмотрены сотрудником Копенгагенской телефонной компании, датским ученым А.К. Эрлангом (1878- 1929г) в период между 1908 и 1922гг. Эти задачи были вызваны к жизни стремлением упорядочить работу телефонной сети и разработать методы, позволяющие заранее повысить качество обслуживания потребителей в зависимости от числа используемых устройств. Оказалось, что ситуации, возникающие на телефонных станциях, являются типичными не только для телефонной связи. Работа аэродромов, морских и речных портов, магазинов, терминальных классов, электронных вычислительных комплексов, радиолокационных станций и т.д. может быть описана в рамках ТСМО.

1.2. Примеры систем массового обслуживания. Анализ задач ТСМО.

Пример 1. Телефонная связь времен Эрланга представляла из себя телефонную станцию, связанную с большим числом абонентов. Телефонистки станции по мере поступления вызовов соединяли телефонные номера между собой.

Задача: Какое количество телефонисток (при условии их полной занятости) должно работать на станции для того, чтобы потери требований были минимальными.

Пример 2. Система скорой помощи некоего городского района представляет собой пункт (который принимает требования на выполнение), некоторое количество автомашин скорой помощи и несколько врачебных бригад.

Задача: Определить количество врачей, вспомогательного персонала, автомашин, для того чтобы время ожидания вызова было для больных оптимальным при условии минимизации затрат на эксплуатацию системы и максимизации качества обслуживания.

Пример 3. Важной задачей является организация морских и речных перевозок грузов. При этом особое значение имеют оптимальное использование судов и портовых сооружений.

Задача: Обеспечить определенный объем перевозок при минимальных расходах. При этом сократить простои судов при погрузочно-разгрузочных работах.

Пример 4. Система обработки информации содержит мультиплексный канал и несколько ЭВМ. Сигналы от датчиков поступают на мультиплексный канал, где буферизуются и предварительно обрабатываются. Затем поступают в ту ЭВМ, где очередь минимальна.

Задача: Обеспечить ускорение обработки сигналов при заданной суммарной длине очереди.

Пример 5 . На рис 1.1. изображена структурная схема типичной системы массового обслуживания – ремонтного предприятия (например, по ремонту ПЭВМ). Порядок ее работы ясен из схемы и не требует разъяснений.

рис 1.1.

Нетрудно привести множество других примеров из самых различных областей деятельности.

Характерным для таких задач является:

1. условия “двойной” случайности –

• случаен момент времени поступления заказа на обслуживание (на телефонную станцию, на пункт скорой помощи, на вход процессора, случаен момент времени прибытия морского судна под погрузку и т.д.);
• случайна длительность времени обслуживания.

2)проблема бича нашего времени – очередей: судов перед шлюзами, машин перед прилавками, задач на входе процессоров вычислительного комплекса и т.д.

А.К. Эрланг обратил внимание на то, что СМО могут быть разделены на два типа, а именно: на системы с ожиданием и системы с потерями. В первом случае – заявка, поступившая на вход системы “ждет” очереди на выполнение, во втором – она из-за занятости канала обслуживания получает отказ и теряется для СМО.

В дальнейшем мы увидим, что к классическим задачам Эрланга прибавляются новые задачи:

Реальные системы, с которыми приходится иметь дело на практике, как правило, очень сложны и включают в себя ряд этапов (стадий) обслуживания (рис 1.1.). Причем на каждом этапе может существовать вероятность отказа в выполнении или существует ситуация приоритетного обслуживания по отношению к другим требованиям. При этом отдельные звенья обслуживания могут прекратить свою работу (для ремонта, подналадки и т.д.) или могут быть подключены дополнительные средства. Могут быть такие обстоятельства, когда требования, получившие отказ, вновь возвращаются в систему (подобное может происходить в информационных системах).

1.3. Понятия, определения, терминология.

Все СМО имеют вполне определенную структуру, изображенную на рис 1.2

рис 1.2

Определения, термины

• Потоком называют последовательность событий. Поток, состоящий из требований на обслуживание, называют потоком требований.
• Поток требований, поступающих в обслуживающую систему, называют входящим потоком.
• Поток требований, которые обслужены, называют выходящим потоком.
• Совокупность очередей и приборов (каналов) обслуживания называются системой обслуживания.
• Каждые требования поступают на свой канал, где подвергается операции обслуживания.
• Каждая СМО имеет определенные правила формирования очереди и правила или дисциплину обслуживания.

1.4. Классификация СМО.

1.4.1. По характеру источника требований различают СМО с конечным и бесконечным количеством требований на входе.

В первом случае в системе циркулирует конечное, обычно постоянное количество требований, которые после завершения обслуживания возвращаются в источник.

Во втором случае источник генерирует бесконечное число требований.

Пример 1. Цех с постоянным количеством станков или определенное количество ПЭВМ в терминальном классе, требующих постоянного профилактического осмотра и ремонта.

Пример 2 . Сеть Internet с бесконечным требованием на входе, любой магазин, парикмахерская и т.д.

Первый вид СМО называют замкнутой, второй – разомкнутой.

СМО различают:

1.4.2. По дисциплине обслуживания:

1. обслуживание в порядке поступления;
2. обслуживание в случайном порядке (в соответствии с заданным законом распределения);
3. обслуживание с приоритетом.

1.4.3. по характеру организации:

1. с отказами;
2. с ожиданиями;
3. с ограничением ожидания.

В первом случае заявка получает отказ, когда канал занят. Во втором случае – ставится в очередь и ждет освобождения канала. В третьем случае вводится ограничения на длительность ожидания.

1.4.4. По количеству единиц обслуживания:

1. одноканальные;
2. двухканальные;
3. многоканальные.

1.4.5. По числу этапов (фаз) обслуживания - на однофазные и многофазные. (Примером многофазных СМО может служить любая поточная линия).

1.4.6. По свойствам каналов: на однородные, когда каналы имеют одинаковую характеристику и неоднородные в противном случае.