Stokastiske processer og køteori



Relaterede dokumenter
Vi har beskæftiget os indgående med ankomst- og servicetidsprocesser. Disse karakteriserer input til et køsystem. Andre karakteriserende størrelser?

Stokastiske processer og køteori

Stokastiske processer og køteori

Notation for parallelforbundne ekspeditionssystemer

Stokastiske processer og køteori

Hvad er kønetværk? AGR/PSE (I17) VS7-8. minimodul 1 / 17

Stokastiske processer og køteori

Stokastiske processer og køteori

Stokastiske processer og køteori

Lidt supplerende køteori (ikke pensum)

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Stokastiske processer og køteori

Udvikling af operations karakteristika/performance mål for køsystemer

Matematisk model for køsystem

Modeller for ankomstprocesser

Kiosk-modellen (News vendor s model) og EOQ modellen

1 Palm teori. Palm teori 1

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

Hvad skal vi lave i dag?

Kræver generelt at diverse ventetider er eksponentialfordelte. Faste rammer for serverdiscipliner mv. Svært at modellere ikke-standard køsystemer.

Kvantitative Metoder 1 - Forår Dagens program

9.1 Egenværdier og egenvektorer

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff

Formler, ligninger, funktioner og grafer

Komplekse Tal. 20. november UNF Odense. Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet

Algebra INTRO. I kapitlet arbejdes med følgende centrale matematiske begreber:

Kursusgang 3 Matrixalgebra Repetition

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

Fornyelsesteori med anvendelser: Punktprøve

Kursusgang 3 Matrixalgebra Repetition

Løsning til prøveeksamen 1

Den ideelle operationsforstærker.

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

Plan. Markovkæder Matematisk modelling af kølængde, yatzy, smittespredning og partikelbevægelser. Materiale mm.

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

NB: KUN DE HVIDE FELTER SKAL UDFYLDES DE ANDRE INDEHOLDER FORMLER BILAG NSTmarts 2011 ark VMPIIvådområdeprojekt, kvælstofberegning Projekt: Hjeds Sø

Lineær Algebra, kursusgang

Teoretisk Statistik, 16. februar Generel teori,repetition

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Landmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3

enote 2: Kontinuerte fordelinger Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher enote 2: Continuous Distributions

Massefylden af tør luft ved normalt atmosfærisk tryk ved havets overade ved 15 C bruges som standard i vindkraftindustrien og er lig med 1, 225 kg

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger. Per Bruun Brockhoff. Eksponential fordelingen

Markovkæder med endeligt tilstandsrum

Oversigt. Kursus Introduktion til Statistik. Forelæsning 4: Kapitel 5: Kontinuerte fordelinger

Kvantitative Metoder 1 - Efterår Dagens program

Statistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen

Definition. Definitioner

Højere Teknisk Eksamen maj Matematik A. Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING. Undervisningsministeriet

Om at udregne enkeltstående hexadecimaler i tallet pi

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

Introduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher

VK#Galla#04/05# #2018#ankomster#

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

1 Trekantens linjer. Definition af median En median er en linje i en trekant der forbinder en vinkelspids med midtpunktet af modstående side.

Stokastiske processer og køteori

Kursusgang 3 Matrixalgebra fortsat

Sandsynlighedsregning

Produkt og marked - matematiske og statistiske metoder

Bernoullis differentialligning v/ Bjørn Grøn Side 1 af 10

Uddrag af skatteministerens besvarelse af Skatteudvalgets spørgsmål 183 af 31. januar 2006.

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Naturstyrelsen december 2013

I browserens adressefelt skrives Der logges ind på vanlig vis med brugernavn og password til imastra.

MATEMATIK. Formål for faget

Optimale konstruktioner - når naturen former. Opgaver. Opgaver og links, der knytter sig til artiklen om topologioptimering

2-sporede rundkørsler

Teoretisk Statistik, 13 april, 2005

Kvantitative Metoder 1 - Forår Dagens program

02402 Løsning til testquiz02402f (Test VI)

Valgkampens og valgets matematik

STUDENTEREKSAMEN MAJ AUGUST MATEMATIK B-NIVEAU. onsdag 12. august Kl STX092-MABx

Fornyelsesteori med anvendelser: Afleveringsopgave 1

Skriftlig Eksamen ST501: Science Statistik Mandag den 11. juni 2007 kl

Årsplan for Matematik 8. klasse 2011/2012

Introduktion til mat i 4 klasse Vejle Privatskole 2013/14:

Differentialregning Infinitesimalregning

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

Statistik og Sandsynlighedsregning 2

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 19. december 2012 Kursus nr : (navn) (underskrift) (bord nr)

Introduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Grønland. Matematik A. Højere teknisk eksamen

Hvad skal vi lave i dag?

Oversigt [LA] 6, 7, 8

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

1 Generelt om dokumentation af usikkerheder

Øvelse 10. Tobias Markeprand. 11. november 2008

Lineære modeller. Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Lineære 1. ordens differentialligningssystemer

Matricer og lineære ligningssystemer

Kommentarer til matematik B-projektet 2015

Program. Statistik og Sandsynlighedsregning 2 Middelværdi og varians. Eksempler fra sidst. Sandsynlighedstæthed og sandsynlighedsmål

Statistik og Sandsynlighedsregning 2

Statistisk proceskontrol

Institut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med

Transkript:

Stokastiske processer og køteori 5. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1

DAGENS EMNER Kvalitative egenskaber og karakteristiske størrelser i generelle køsystemer. Little s formel. Repetition af hopdiagrammer og Markovprocesser. Fødsels- og dødskøsystemer. DAGENS EMNER 2

UD OVER ANKOMST- OG EKSPEDITIONSTIDSPROCESSER Vi har beskæftiget os indgående med ankomst- og servicetidsprocesser. Disse karakteriserer input til et køsystem. Andre karakteriserende størrelser? Antal servere, antal ventepladser. Kødisciplin hvordan betjenes kunder? (Kundeopførsel utålmodige kunder etc.) (Flere køer, forbindelse mellem servere (kønetværk)). UD OVER ANKOMST- OG EKSPEDITIONSTIDSPROCESSER 3

KØDISCIPLINER FIFO. First-In-First-Out. Kunder ekspederes i ankomstrækkefølge. LIFO. Last-In-First-Out. Senest ankomne kunde ekspederes først. SIRO. Service-In-Random-Order. Tilfældig ekspeditionsrækkeflg. P. Prioritet. Hver kunde tildeles ved ankomst en prioritet og betjenes i rækkefølge efter prioritet. RR. Round-Robin. Hver kunde får en lille del af service, én efter én indtil ekspedition færdiggjort. PS. Processor-Sharing. Kapacitet deles ligeligt ml. kunder samtidig. Disciplin påvirker normalt ikke kvantitative størrelser (gnsnt. kølængde, tid i system etc.). Men kan påvirke variabilitet af ventetid. KØDISCIPLINER 4

KØSYSTEMER NOTATION Notation for parallelforbundne ekspeditionssystemer X/Y(m, q). Ankomstproces X og ekspeditionstidsproces Y kan antage værdier: M: Uafhængige og eksponentialfordelte ventetider. Dvs. X = M specificerer en Poissonproces. E r : Ventetider er uafhængige og Erlangfordelte af orden r. D: Deterministisk ventetidsfordeling. GI: Uafhængige (independent) ventetider med en fast fordeling. Dvs. ingen nærmere antagelse om fordelingstype. G: Generel (stationær) proces, dvs. ingen antagelser. KØSYSTEMER NOTATION 5

X/Y/(m, q)-systemer X Ankomstproces 1 2 q Y 1 2. m Ekspeditionstidsproces Ekspedienter er parallelforbundne man bliver ekspederet ved højest én ekspedient (modsat serieforbundne ekspedienter). q angiver antallet af køpladser (q = muligt). m angiver antallet af ekspedienter (m = muligt). X/Y/(m, q)-systemer 6

EKSEMPLER Notationen M/E 4 (3, ) specificerer følgende køsystem: Ankomstproces er Poisson. Ekspeditionstider er Erlangfordelte af orden 4. Ubegrænset antal køpladser (q = ) 3 ekspedienter. Notationen G/GI(1, 0) specificerer følgende køsystem Ankomstproces er en generel stationær proces. Ekspeditionstider uafhængige fra fast (uspecificeret) fordeling. 0 køpladser. 1 ekspedient. Disciplin fremgår ej af notation FIFO med mindre andet nævnt. EKSEMPLER 7

Trafiktilbud: TRAFIKTILBUD OG KUNDESPÆRRING Betragt et G/G(m, q)-system. Definér a: gennemsnitligt antal ankomster per tidsenhed. 1/b: gennemsnitlig ekspeditionstid. A = a/b kaldes trafiktilbuddet. Enheden ankomster per ekspedition kaldes en Erlang. Vi kan opspalte trafiktilbud som Kundespærring: A = afvist trafik + utålmodig trafik + afviklet trafik. E: gennemsnitligt antal optagede ekspedienter. π = 1 E/A er kundespærringen (brøkdel afviste kunder). TRAFIKTILBUD OG KUNDESPÆRRING 8

TIDSSPÆRRING OG KUNDESPÆRRING Kundespærring er sandsynlighed (i det lange løb) for afvisning af en kunde, dvs. sandsynligheden for at systemet er optaget til et ankomsttidspunkt. Kan tilsvarende definere tidsspærring som sandsynlighed (i det lange løb) for at systemet er optaget til et arbitrært tidspunkt. Generelt gælder kundespærring tidsspærring. Poissonankomster og PASTA: Hvis ankomstproces er Poisson, er sandsynligheden for et givet antal kunder i systemet uafhængig af, om t er et ankomsttidspunkt. Dvs. M/G(m, q)-køsystem kundespærring = tidsspærring. TIDSSPÆRRING OG KUNDESPÆRRING 9

EKSEMPEL: M/M(1, 0)-SYSTEM (AFVISNINGSSYSTEM) Velkendt fra første forelæsning. Ankomstproces Poisson med intensitet a = 1 per time. Ekspeditionstider eksponentialfordelte med middelværdi 1/b = 1/2 time. Beskrives ved antal kunder i systemet til tid t: N(t) {0, 1}. Trafiktilbud A = a/b = 1/2 Erlang. Ligevægtssandsynligheder p 0 = b/(a + b) = 1/(1 + A) = 2/3. p 1 = 1 p 0 = 1/3. Udnyttelsesgrad af ekspedient E = p 1 = A/(1 + A) = 1/3. Kundespærring π = 1 E/A = A/(1 + A) = 1/3. EKSEMPEL: M/M(1, 0)-SYSTEM (AFVISNINGSSYSTEM) 10

LITTLE S FORMEL Betragt et G/G(m, q)-system. Definér a: gennemsnitligt antal ankomster per tidsenhed (intensitet). L q : gennemsnitligt antal kunder i system. V q : gennemsnitligt opholdstid i systemet (dvs. tid for ventetid og ekspedition). Så gælder Little s formel: Anvendelser: L q = av q. Ofte let at beregne gennemsnitligt antal kunder i systemet (fx ud fra ligevægtssandsynligheder). Så kan Little s formel bruges til bestemmelse af gennemsnitlig opholdstid. LITTLE S FORMEL 11

EKSEMPEL: M/M(1, 0)-SYSTEM (AFVISNINGSSYSTEM) Ankomstproces Poisson med intensitet a = 1 per time. Ekspeditionstider eksponentialfordelte med middelværdi 1/b = 1/2 time (trafiktilbud A = a/b = 1/2). Beskrives ved antal kunder i systemet til tid t: N(t) {0, 1}. Ligevægtssandsynligheder p 0 = b/(a + b) = 1/(1 + A) = 2/3, p 1 = 1 p 0 = 1/3. Gennemsnitligt antal kunder i systemet L 0 = p 0 0 + p 1 1 = p 1 = A 1 + A = 1/3. Little s formel giver gennemsnitlig opholdstid V 0 = L 0 /a = 1/3 time, (bemærk, 1/2 time!) EKSEMPEL: M/M(1, 0)-SYSTEM (AFVISNINGSSYSTEM) 12

MERE OM LITTLE S FORMEL V q er den gennemsnitlige ventetid for alle kunder i systemet (afviste, forsinkede, straksekspederede). Vi er normalt mest interesserede i opholdstid for kunder, som ikke straksekspederes, dvs. forsinkede kunder. Hvis brøkdel D, som ej straksekspederes og W q gennemsnitlig opholdstid for disse, så gælder Generelt: L q = adw q. Mange andre lignende formler for sammenhæng mellem gennemsnitligt antal og gennemsnitlig opholdstid. MERE OM LITTLE S FORMEL 13

ARGUMENT FOR LITTLE S FORMEL N(t) Skraveret område: A(t) L q 0 t Antal kunder i system til tid t: N(t). Gennemsnitligt antal kunder i [0, t]: L q = A(t)/t. Hver kunde bidrager i snit med V q til A(t). Der ankommer i snit at kunder i [0, t]. Dvs. A(t) = atv q atv q = L q t L q = av q. ARGUMENT FOR LITTLE S FORMEL 14

REMINDER MARKOVPROCESSER Stationær Markovproces X med tilstandsrum {0, 1,..., n}. Beskrives ved overgangssands. p ij (t). Ligevægtssystemer lim p ij(t) = p j, t i, j {0, 1,...,n} (ligevægtssandsynligheder). Vi kan også beskrive X ved intensiteter c ij = p ij(t) (konstanter; uafhængige af t) Beskriver momentan tilbøjelighed til overgang i j (rate). Find ligevægtssandsynligheder ved at løse ligningssystemet n l=0 p l = 1 (normerende ligning) n l=0 p lc lj = 0, j = 0, 1,...,n. REMINDER MARKOVPROCESSER 15

M/M(1, N)-KØ Poisson ankomstproces med intensitet a og eksponentialfordelte ekspeditionstider med middelværdi 1/b. 1 ekspedient; N køpladser. Antal kunder i system N(t) {0, 1,..., N + 1}. Ligevægtssands. p i = lim t P(N(t) = i), i = 0,...,N + 1. a a 0 1 2 N+1 b b Et eksempel på et fødsels- og dødskøsystem. M/M(1, N)-KØ 16

Ligevægtsligninger; N+1 i=0 p i = 1 (normerende ligning) samt Dvs. bp 1 = ap 0 ap 0 + bp 2 = (a + b)p 1. ap i 1 + bp i+1 = (a + b)p i. ap N = bp N+1. p 1 = Ap 0 p 2 = (a/b)p 1 + (a/b + 1)p 1 = A 2 p 0. p i+1 = (a/b)p i 1 + (a/b + 1)p i = A i p 0. p N+1 = (a/b)p N = A N+1 p 0. M/M(1, N)-KØ 17

Ligevægtssandsynligheder hvis A = a/b 1: p i = 1 A 1 A N+2Ai, i = 0, 1,...,N + 1. Ligevægtssandsynligheder hvis A = a/b = 1: p i = 1, i = 0, 1,..., N + 1. N + 2 Lad N (uendeligt mange køpladser). Ligevægt i M/M(1, ) eksisterer kun hvis A < 1. Ligevægtsfordelingen er da p i = A i (1 A), i = 0, 1, 2,... M/M(1, N)-KØ 18

KARAKTERISTISKE STØRRELSER I M/M(1, ) Gennemsnitligt antal kunder i systemet L = ip i = i=0 A 1 A. Gennemsnitlig opholdstid V i systemet L = av V = 1 b 1 1 A (Little s formel). Brøkdel af kunder, som ikke straksekspederes D = 1 p 0 = A. Gennemsnitligt antal optagede ekspedienter E = A (da rent ventesystem, Andersen (2001), p.36ø.). KARAKTERISTISKE STØRRELSER I M/M(1, ) 19

Gennemsnitlig kølængde (ej straksekspedition) L = (i 1)p i = i=2 ip i i=1 p i = L A = i=1 A2 1 A. Gennemsnitlig opholdstid i køen L = av V = 1 b Bemærk her det intuitive resultat, at A 1 A (Little s formel) samt V = gnsn. systemtid gnsn. eksp. tid = V 1 b = 1 ( A ) b 1 A 1. L = DL = A A 1 A. KARAKTERISTISKE STØRRELSER I M/M(1, ) 20

TALEKSEMPEL I et produktionssystem ankommer emner efter en Poissonproces med en intensitet på a = 3 emner per time. Forarbejdningstid er eksponentialfordelt. Middelværdi 1/b =15 minutter. 1 ekspedient, uendelig mange køpladser. Beregninger: Trafiktilbud A = a/b = 0.75. Ligevægtssandsynligheder p i = (0.25)(0.75) i for i = 1, 2,.... Sandsynlighed for forsinkelse D = A = 0.75. Gennemsnitlig kølængde L = 0.752 1 0.75 = 2.25. Gennemsnitlig produktionstid V = 15 1 1 0.75 = 1 time. TALEKSEMPEL 21