Stokastiske processer og køteori



Relaterede dokumenter
Stokastiske processer og køteori

Stokastiske processer og køteori

Stokastiske processer og køteori

Stokastiske processer og køteori

Stokastiske processer og køteori

Lidt supplerende køteori (ikke pensum)

Modeller for ankomstprocesser

Stokastiske processer og køteori

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

Stokastiske processer og køteori

Produkt og marked - matematiske og statistiske metoder

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

Udvikling af operations karakteristika/performance mål for køsystemer

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

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

Stokastiske processer og køteori

Teoretisk Statistik, 13 april, 2005

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

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

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

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

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

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

Kvantitative Metoder 1 - Efterår Dagens program

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

Løsning til prøveeksamen 1

Produkt og marked - matematiske og statistiske metoder

Teoretisk Statistik, 16. februar Generel teori,repetition

Statistik og Sandsynlighedsregning 2

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

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

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

Hvad skal vi lave i dag?

Teoretisk Statistik, 2. december Sammenligning af poissonfordelinger

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Diskrete fordelinger. Fire vigtige diskrete fordelinger: 1. Uniform fordeling (diskret) 2. Binomial fordeling. 3. Hyper-geometrisk fordeling

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable

02402 Løsning til testquiz02402f (Test VI)

Løsning til eksamen d.27 Maj 2010

Løsninger til kapitel 5

Opg. 1-1 B Da trekant ABC er retvinklet, kan vi anvende Pythagoras: +kat 2. De oplyste tal indsættes; ligningen løses.

Kvantitative Metoder 1 - Forår 2007

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

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Løsning til eksamen 16/

Tema. Dagens tema: Indfør centrale statistiske begreber.

Binomialfordelingen. X ~ bin(n,p): X = antal "succeser" i n uafhængige forsøg, der alle har samme sandsynlighed p for at ende med succes.

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Undervisningsbeskrivelse

02402 Vejledende løsninger til hjemmeopgaver og øvelser i kapitel 4

Kursusgang 3 Matrixalgebra Repetition

Uge 10 Teoretisk Statistik 1. marts 2004

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

Kursusgang 3 Matrixalgebra Repetition

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

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

Parkering og dynamisk P-information i Aalborg hvem og hvordan?

Karakteristiske funktioner og Den Centrale Grænseværdisætning

Statistik og Sandsynlighedsregning 2

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

Sandsynlighedsregning Stokastisk variabel

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

Note om Monte Carlo metoden

Elementær sandsynlighedsregning

Oversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Elementær sandsynlighedsregning

Transkript:

Stokastiske processer og køteori 6. kursusgang Anders Gorst-Rasmussen Institut for Matematiske Fag Aalborg Universitet 1

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 2

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: antal køpladser. m: antal ekspedienter. Dagens emne M/M(m, n m)-køsystemet X/Y(m, q)-systemer 3

M/M/(1, N)-systemet. REMINDER: SIDSTE GANG Poisson ankomstproces med intensitet a, eksponentialfordelte ekspeditionstider med middelværdi 1/b, 1 server, N køpladser. Kunne beskrives vha. fødsels- og dødsproces a a 0 1 2 N+1 b b Stationær Markovproces ligevægtsfordeling kunne beregnes. Performancestørrelser kan udtrykkes ved ligevægtsfordeling; blokeringssandsynlighed, gnsnt. kølængde, gnsnt. ventetid osv. REMINDER: SIDSTE GANG 4

Poisson ankomstproces M/M(m, n m)-køsystemet n m køpladser n n 1 m + 1 m ekspedienter 1 2. m Eksponentialfordelte ekspeditionstider a: intensitet (kunder per tid) hvormed kunder ankommer. b: intensitet (kunder per tid) hvormed én ekspedient ekspederer. Trafiktilbud: A = a/b (antal kunder per gnsnt. ekspeditionstid). Hvis k igangværende ekspeditioner, afsluttes én af disse med intensitet kb. M/M(m, n m)-køsystemet 5

Reminder: den hukommelsesløse egenskab: Hvis T Exp(b), så har T den hukommelsesløse egenskab: P(T > t + s T > s) = P(T > t). Dvs. hvis man venter på T (færdiggørelse), så afhænger fordelingen af restvarighed ikke af, hvornår man kigger. Heraf: Restvarighed ved ekspedient i, T i Exp(b); uafh. ventetider. Ventetid på først færdig, T = min{t 1,...,T k } P(T > t) = P(T 1 > t og T 2 > t og og T k > t) Dvs. T Exp(kbt). = P(T 1 > t)p(t 2 > t) P(T k > t) = e bt e bt e bt = e kbt. M/M(m, n m)-køsystemet 6

EKSEMPEL: M/M(3, 2) a = 2, b = 1. Der er 3 kunder i systemet, når kunde 4 ankommer. Hvor længe skal kunde 4 vente på ekspedition? Restvarighederne for hver af de tre ekspeditioner er Exp(1)-fordelte. Ventetid på færdiggørelse, T = min{t 1, T 2, T 3 }, hvor T i Exp(1). Dvs. kunde 4 skal vente et tidsrum, som er Exp(3 1)-fordelt. EKSEMPEL: M/M(3, 2) 7

LIGEVÆGT I M/M(m, n m)-køsystemet a a a a a 0 1 2 m-1 m m+1 n-1 n b 2b mb mb mb Ankomstintensitet er altid a. Hvis der er... 1. i < m kunder i systemet er færdiggørelsesintensitet ib. 2. i m kunder i systemet er færdiggørelsesintensitet mb. Hvis der er n kunder i systemet, afvises nyankomne. Bemærkning: M/M(m, n m)-køsystemet mere generelt end M/M(1, N) fra sidste gang; dagens teknikker kan bruges på M/M(1, N). LIGEVÆGT I M/M(m, n m)-køsystemet 8

Dvs. M/M(m, n m)-køsystemet er en fødsels- og dødsproces med a 0 = a 1 = = a n 1 = a, ib hvis 1 i m b i = mb hvis m i n Ligevægtsløsning fås af formlerne, p. 50, Andersen (2001). p i = d i p 0, i = 1, 2,...,n. d i = a 0a 1 a i 1 b 1 b 2 b i, i = 1, 2,..., n. p 0 = 1 1 + n i=1 d. i Bemærk løsning eksisterer for alle a, b, såfremt n <. LIGEVÆGT I M/M(m, n m)-køsystemet 9

UDREGNING AF LIGEVÆGTSFORDELING Ligevægtsfordeling kan bestemmes rekursivt: 1. Sæt d 0 = 1 2. For i = 1, 2,..., n beregn d i = d i 1 a i 1 b i. 3. Beregn p 0 = 4. For i = 1, 2,..., n beregn 1 d 0 + d 1 + + d n. p i = d i p 0. UDREGNING AF LIGEVÆGTSFORDELING 10

Udtryk for p i kan reduceres til 1. Når A = m (m kunder per gnsnt. ekspeditionstid): Når A m: p 0 = p 0 = 1 (n m) Am m! + m k=0 Ak /k!. A m+1 (1 (A/m) n m ) m!(m A) 2. Når 0 k m: p k = A k /k!p 0. 3. Når m k n: p k = (A/m) k m p m. 1 A m m! + m k=0 Ak /k!. Vi kan lade n og se på M/M/(m, )-køsystemet. Ligevægt eksisterer kun hvis A < m. Dvs. per middelekspeditionsperiode skal der komme færre kunder, end der er ekspedienter. UDREGNING AF LIGEVÆGTSFORDELING 11

KARAKTERISTISKE STØRRELSER I M/M(m, n m) Blokadesandsynlighed (kundespærring): B = p n. Afviklet trafik: trafiktilbud afvist traffik = A AB = A(1 B). Gennemsnitligt antal optagede ekspedienter: E = A(1 B) gnsnt. udnyttelsegrad = A/m(1 B) Sandsynlighed for forsinkelse: D = n 1 k=m p k Når A = m: D = (n m)b. Når A m: D = m m A (p m B). Sandsynlighed for strakseksped.: S = m 1 k=0 p k = 1 B D. KARAKTERISTISKE STØRRELSER I M/M(m, n m) 12

Gennemsnitlig kølængde: L q = n m k=1 kp m+k. Når A = m: L q = (n m)(n m+1) 2 B. Når A m: L q = A m A (D (n m)b). Gennemsnitlige opholdstider i kø: Alle kunder V q = L q /a. Ikke-afviste kunder: V q = L q a(1 B) = V q 1 B. Ikke-afviste, men forsinkede kunder: W q = L q ad = V q D KARAKTERISTISKE STØRRELSER I M/M(m, n m) 13

SPECIALTILFÆLDET M/M(m, ) Antag at ρ = A/m < 1. Så gælder A m p m = A m+1 m A + m! m k=0 Ak k! B = 0 D = L q = p m 1 ρ ρ 1 ρ D. Øvrige performancestørrelser findes ved indsættelse i relevante formler. SPECIALTILFÆLDET M/M(m, ) 14

BEREGNINGER I M/M/(m, ) I EXCEL Poissonfordeling med middelværdi A P(X = k) = Ak k! exp( A), k = 0, 1, 2,... Excelberegninger: m k=0 A k k! A k k! = EXP(A) POISSON(k; A; FALSE) = EXP(A) POISSON(m; A; TRUE). Dvs. p m = POISSON(m; A; FALSE) POISSON(m; A; TRUE) + POISSON(m + 1; A; FALSE) (m + 1)/(m A) BEREGNINGER I M/M/(m, ) I EXCEL 15

DET RENE AFVISNINGSSYSTEM M/M(m, 0) Erlang s B-formel B = = A m m! m k=0 Ak k! POISSON(m; A; FALSE) POISSON(m; A; TRUE) Udbredt bl.a. ifm. dimensionering af callcentre. Gælder endda for M/G/(m, 0)-køen (generelt fordelte ekspeditionstider). DET RENE AFVISNINGSSYSTEM M/M(m, 0) 16

BLOKADESANDSYNLIGHEDER I M/M(m, 0) B 0.0 0.2 0.4 0.6 0.8 m=1 m=2 m=3 m=5 m=10 m=100 0 1 2 3 4 rho=a/m BLOKADESANDSYNLIGHEDER I M/M(m, 0) 17

EKSEMPEL: HVOR MANGE OPERATØRER? Ankomstproces Poisson med intensitet 80 kunder/time. Hver ekspedient ekspederer med en intensitet 8 kunder/time. Vi vil acceptere en blokadesandsynlighed på 0.4. Hvor mange ekspedienter skal vi bruge? Find (numerisk) løsning til ligningen B(m) = A m m! m k=0 Ak k! = 0.4 EKSEMPEL: HVOR MANGE OPERATØRER? 18

Blokadesandsynlighed 0.0 0.2 0.4 0.6 0.8 5 10 15 20 Antal ekspedienter EKSEMPEL: HVOR MANGE OPERATØRER? 19

SAMMENFATNING: M/M(m, n m)-køsystemet m ekspedienter, n m køpladser. Ankomster m. intensitet a, ekspedition m. intensitet b, dvs. trafiktilbud A = a/b. Antag ρ = A/m 1. p 0 = 1 A m+1 (1 (A/m) n m ) m!(m A) A m m! + m k=0 A k /k!. Blokadesandsynlighed B = A n m!m n m p 0. Forsinkelsessandsynlighed D = Am /m!p 0 B 1 ρ. Gnsnt. kølængde L q = ρ 1 ρ (D (n m)b). Ikke-afviste kunder: Gnsnt. ventetid i kø: V q = L q a(1 B). Gnsnt. opholdstid i system: V = V q + 1/b. Gnsnt. antal kunder i system: L = a(1 B)V. SAMMENFATNING: M/M(m, n m)-køsystemet 20