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

Relaterede dokumenter
Stokastiske processer og køteori

Notation for parallelforbundne ekspeditionssystemer

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

Stokastiske processer og køteori

Matematisk model for køsystem

Stokastiske processer og køteori

Stokastiske processer og køteori

Stokastiske processer og køteori

Modeller for ankomstprocesser

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

Stokastiske processer og køteori

1 Palm teori. Palm teori 1

Stokastiske processer og køteori

Stokastiske processer og køteori

Lidt supplerende køteori (ikke pensum)

Løsning til prøveeksamen 1

Betingning med en uafhængig variabel

Stokastiske processer og køteori

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Fortolkning. Foldning af sandsynlighedsmål. Foldning af tætheder. Foldning af Γ-fordelinger Eksempel: Hvis X og Y er uafhængige og. Sætning (EH 20.

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

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

Teoretisk Statistik, 13 april, 2005

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

Kvantitative Metoder 1 - Efterår Dagens program

Teoretisk Statistik, 16. februar Generel teori,repetition

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

Udvikling af operations karakteristika/performance mål for køsystemer

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

Statistik og Sandsynlighedsregning 2

Elementær sandsynlighedsregning

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

Kvantitative Metoder 1 - Forår 2007

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

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

t a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 7. november 2015 Slide 1/25

En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger

Fornyelsesteori med anvendelser: Punktprøve

Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen

Kvantitative Metoder 1 - Forår 2007

Sandsynlighedsregning 6. forelæsning Bo Friis Nielsen

Produkt og marked - matematiske og statistiske metoder

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

Elementær sandsynlighedsregning

Eksempler Determinanten af en kvadratisk matrix. Calculus Uge

Antag X 1, X 2,..., X n er n uafhængige stokastiske variable, hvor Var(X 1 )=σ 2 1,..., Var(X n )=σ 2 n.

Sandsynlighedsregning 5. forelæsning Bo Friis Nielsen

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

Oversigt. Kursus Introduktion til Statistik. Forelæsning 2: Kapitel 4, Diskrete fordelinger. Per Bruun Brockhoff. Stokastiske Variable

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

Forelæsning 2: Kapitel 4, Diskrete fordelinger

Principper for Samtidighed og Styresystemer

Vægte motiverende eksempel. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægtet model. Vægtrelationen

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

Operationsanalyse MØK

Kvantitative Metoder 1 - Forår Dagens program

standard normalfordelingen på R 2.

CIVILINGENIØREKSAMEN Side 1 af 16 sider. Skriftlig prøve, den: 28. maj 2010 Kursus nr : (navn) (underskrift) (bord nr)

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning

TØ-opgaver til uge 45

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Sandsynlighedsregning 4. forelæsning Bo Friis Nielsen

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige. Histogrammetoden. Histogrammetoden.

Vejledende løsninger til opgaver i kapitel 6

Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl

DANMARKS TEKNISKE UNIVERSITET Side 1 af 17 sider. Skriftlig prøve, den: 30. maj 2016 Kursus nr : (navn) (underskrift) (bord nr)

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

Eksamen 2014/2015 Mål- og integralteori

Landmålingens fejlteori - Repetition - Fordeling af slutfejl - Lektion 8

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Agenda Sandsynlighedsregning. Regneregler (kap. 3-4) Fordelinger og genkendelse af fordelinger (kap. 3-5) Simultane, marginale og betingede

dpersp Uge 40 - Øvelser Internetalgoritmer

Overheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ.

Operationsanalyse, Ordinær Eksamen 2017I Rettevejledning

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

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

Statistik noter - Efterår 2009 Keller - Statistics for management and economics

Histogrammetoden For (x i, y i ) R 2, i = 1,..., n, ser vi på den gennemsnitlige

Statistik og Sandsynlighedsregning 2

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

Fagplan for statistik, efteråret 2015

Oversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger

Betingede sandsynligheder Aase D. Madsen

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

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

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

02402 Vejledende løsninger til hjemmeopgaver og øvelser i kapitel 4

Kvantitative Metoder 1 - Forår Dagens program

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

Løsning til eksamen 16/

1. Forord: LivingLean i dagligdagen er LivingLean NCC intro... 4

matx.dk Differentialregning Dennis Pipenbring

Eksempel 9.1. Areal = (a 1 + b 1 )(a 2 + b 2 ) a 1 a 2 b 1 b 2 2a 2 b 1 = a 1 b 2 a 2 b 1 a 1 a 2 = b 1 b 2

Statistik for ankomstprocesser

Transkript:

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

Hvad er kønetværk? Vi skal kun se på åbne kønetværk (ankomst fra eksterne kilder, hver kunde forlader systemet med sandsynlighed 1). Ideelt vil vi gerne, at hvert delsystem ligner de køsystemer, vi véd, hvordan vi analyserer (M/M-systemer, M/GI -systemer). Interessante spørgsmål 1 Hvordan ser ankomst/afgangsprocesser i delsystemer ud? 2 Hvilken indflydelse har det på beregninger, at delsystemer generelt afhænger af hinanden? 3 Hvordan beregnes performancestørrelser for (del)system? AGR/PSE (I17) VS7-8. minimodul 2 / 17

Hvad er kønetværk? Poisson afgangsproces hvornår? Burke s sætning: For et M/M(m, ) med ankomstintensitet a og trafiktilbud A, således at A/m < 1 (ligevægt), er afgangsprocessen også en Poisson proces med intensitet a. Desuden, hvis N(t) er antal kunder i systemet til tid t, og M(t) er afgangsprocessen til tid t, så er N(t) uafhængig af M(s) for alle s t. Med andre ord ankomst- og afgangsprocessen ser ens ud ( flow ind = flow ud ) vi kan ikke bruge observationer af afgangsprocessen nu til at sige noget om antallet af kunder i systemet nu. Endvidere for et M/GI (, 0)-køsystem (uendeligt mange ekspedienter) med ankomstintensitet a, er afgangsprocessen ligeledes en Poisson proces med intensitet a. AGR/PSE (I17) VS7-8. minimodul 3 / 17

Hvad er kønetværk? Eksempel: simpel tandemkø Hvert delsystem kan analyseres separat som M/M(1, ). Lad N i (t) = antal kunder i delsystem i til tid t. Eftersom N 2 (t) kun afhænger af ankomstproces før tid t, som er uafhængig af N 1 (t) iflg. Burke s sætning, er N 1 (t) faktisk uafhængig af N 2 (t) (gælder generelt i Jacksonnetværk som defineret senere slide 12). AGR/PSE (I17) VS7-8. minimodul 4 / 17

Fra afgangsproces til ankomstproces Ankomstprocesser til delsystemer er typisk Sammensat af flere afgangsproc./eksterne ankomstproc. En procentdel af en afgangsproc./eksterne ankomstproc. Begge dele. Reminder fra 2. forelæsning Sum. Hvis N i uafhængige Poissonprocesser med int. a i, i = 1, 2, så er N 1 + N 2 en Poissonproces med intensitet a 1 + a 2. Udtynding. Lad N være en Poissonproces med intensitet a. Hvis Ñ er tælleprocessen, som fremkommer ved uafhængigt at inkludere hver enkelt ankomst i N med sandsynlighed p, så er Ñ en Poissonproces med intensitet ap. AGR/PSE (I17) VS7-8. minimodul 5 / 17

Fra afgangsproces til ankomstproces Sumproces har intensitet givet ved sum af afgangsintensiteter. Antag p 1 +... + p k 1 og sandsynlighed p j for at en ankomst tilknyttes delproces j. Da er de k Poisson delprocesser uafhængige med intensiteter p 1,..., p k, respektivt. AGR/PSE (I17) VS7-8. minimodul 6 / 17

Fra afgangsproces til ankomstproces Erlang ankomstprocesser Delproces j får præcis hver jte ankomst, j = 1,..., k. Dermed fås en Erlangproces af orden k m. intensitet a/k. Vanskeligt at benytte dette til eksakte beregninger pånær i meget simple kønetværk, fx simpel tandemkø. AGR/PSE (I17) VS7-8. minimodul 7 / 17

Fra afgangsproces til ankomstproces Eksakte beregninger opsummering Vi kan regne eksakt på åbne kønetværk, hvor Eksterne ankomstprocesser er Poisson. Delsystemer med m servere, uafhængige eksp. fordelte ekspeditionstider og uendeligt mange ventepladser. Tilfældig kundeallokering mellem delsystemer. (Der ingen løkker er, dvs. hver kunde besøger hvert delsystem højest én gang). Fremgangsmåde 1 Bestem ankomstintensitet for hvert delsystem vha. regnereglerne slide 6. 2 Regn på hvert delsystem som på M/M(m, ). 3 Sammensæt evt. performancestørrelser fra delsystemer. AGR/PSE (I17) VS7-8. minimodul 8 / 17

Fra afgangsproces til ankomstproces Eksempel: kønetværk uden løkker Antag at hvert delsystem er et M/M(1, )-system. Ekspeditionsintensiteter b 1 = 3, b 2 = 2.5, b 3 = 0.5, b 4 = 4. Dvs./ delsystemer med ankomst/ekspeditionsintensiteter 1 : a = 2, b = 3, 3 : a = 0.1 2 = 0.2, b = 0.5 2 : a = 0.9 2 = 1.8, b = 2.5 4 : a = 2, b = 4. AGR/PSE (I17) VS7-8. minimodul 9 / 17

Fra afgangsproces til ankomstproces Eksempel: kønetværk uden løkker Hvad er den gennemsnitlige produktionstid (i ligevægt)? Gnsnt. antal kunder n i i delsystem i (i ligevægt); vi véd at n i = hvor A i trafiktilbud i delsystem i. Dvs. 1 : n 1 = (2/3)2 1 2/3 = 1.33, 2 : n 2 = (1.8/2.5)2 1 1.8/2.5 = 1.85 3 : n 3 = (0.2/0.5)2 1 0.2/0.5 = 0.27 4 : n 4 = (2/4)2 1 2/4 = 0.5. Dvs. samlet gnsnt. produktionstid (vha. Little s formel) V = 1 a (n 1 + n 2 + n 3 + n 4 ) = 1.98 A2 i 1 A i, AGR/PSE (I17) VS7-8. minimodul 10 / 17

Kønetværk med løkker (feedback) Eksempel på kønetværk med løkke/feedback. Antag at delsystemer kan modelleres som G/M(m, )-systemer og at ekstern ankomstproces er Poisson. Bemærk at intern ankomstproces (dvs. når feedback medregnes) ikke er en Poissonproces! Kan systemerne stadig analyseres som separate M/M(m, )-køsystemer? Ja ifølge Jackson s sætning. AGR/PSE (I17) VS7-8. minimodul 11 / 17

Jacksonnetværk Et Jacksonnetværk er et åbent kønetværk af G/M(m, )-køer, hvor eksterne ankomstprocesser er uafhængige Poisson, og kunder fra et køsystem allokeres tilfældigt til næste køsystem indtil kunden forlader køsystemet. Jackson s sætning Et Jacksonnetværk kan analyseres ved at 1 Bestemme ankomstintensiteter a i til hvert delsystem ved at udnytte, at flow ind = flow ud for hvert delsystem i ligevægt. 2 Behandle hvert delsystem som om det var et M/M(m, )-system med ankomsintensitet a i uafhængigt af de øvrige delsystemer. 3 Evt. kombinere performancestørrelser på tværs af delsystemer. AGR/PSE (I17) VS7-8. minimodul 12 / 17

Jacksonnetværk Eksempel: beregninger i Jacksonnetværk Præcis samme teknik, som I brugte i Opgave 2 til 2. opgaveregning. 1 : a 1 = λ 1 + 0.2a 4 4 : a 4 = a 3 + a 2 2 : a 2 = 0.5a 1 5 : a 5 = 0.8a 4 + λ 2 = λ 1 + λ 2. 3 : a 3 = 0.5a 1 1 11.25 2 5.63 3 5.63 4 11.25 a 5 = 10 AGR/PSE (I17) VS7-8. minimodul 13 / 17

Jacksonnetværk Eksempel: beregninger i Jacksonnetværk Antag at eksempelnetværk er et Jacksonnetværk med M/M(1, )-delsystemer og ekspeditionsintensiteter b 1 = = b 5 = 12/time Gnsnt. antal kunder n i i delsystem i (i ligevægt); vi véd at n i = hvor A i trafiktilbud i delsystem i. Dvs. 1 : n 1 = (11.25/12)2 1 11.25/12 = 14.06, 3 : n 3 = (5.63/12)2 1 5.63/12 = 0.41 2 : n 2 = (5.63/12)2 1 5.63/12 = 0.41 4 : n 4 = (11.25/12)2 1 11.25/12 = 14.06 5 : n 5 = (10/12)2 1 10/12 = 4.17. Dvs. samlet gnsnt. produktionstid (vha. Little s formel) V = 1 λ 1 + λ 2 (n 1 + n 2 + n 3 + n 4 + n 5 ) = 3.3 A2 i 1 A i, idet λ 1 + λ 2 er intensiteten for alle ankomster ( samlet throughput ). AGR/PSE (I17) VS7-8. minimodul 14 / 17

Jacksonnetværk Karakteristiske størrelser i Jacksonnetværk Poisson eksterne ankomstprocesser med intensiteter λ 1,..., λ l. Sæt λ = λ 1 + + λ l (samlet throughput). Antag k delsystemer med ankomstintensiteter a i ; gennemsnitlige ekspeditionstider b i ; m i ekspedienter; N i (t) kunder til tid t. Ekspedientbelastning ved delsystem i; med trafiktilbud A i = a i /b i ρ i = A i m i, (skal være mindre end 1 for ligevægt!). Gennemsnitligt antal besøg til delsystem i: v i = a i /λ. Gennemsnitligt antal kunder i system: L = k i=1 EN i. Gennemsnitlig opholdstid i system: V = 1 k λ i=1 EN i. AGR/PSE (I17) VS7-8. minimodul 15 / 17

Rekapitulation: dimensionering og analyse Vi kan regne eksakt på åbne kønetværk m. M/M(m, ) delsystemer og tilfældig allokering til delsystemer. Velegnet til initiel dimensionering og analyse. Bemærk Analysen forudsætter eksponentialfordelte ventetider. Ofte er ventetidernes varians mindre end eksponentialfordelingens. Det betyder, at analysen giver konservative performancemål. Eksempelvis vil den faktiske gennemsnitlige ventetid være mindre end analysens resultat, jf. PK-formlen V = 1 1 A ( 1 + VarS ) 2 b 1 A (ES) 2. AGR/PSE (I17) VS7-8. minimodul 16 / 17

Kort om M/GI (, 0)-delsystemer Vi kan faktisk også regne eksakt på åbne kønetværk med M/GI (, 0)-delsystemer; uden løkker(!!!). Mindre interessante i dimensioneringssammenhæng pga. uendeligt mange ekspedienter per delsystem dvs. kunder bliver altid straksekspederet. For antal kunder i delsystem i gælder N i Poisson(A i ). Heraf eksempelvis antal kunder i delsystem i Dvs. EN i = A i gennemsnitligt antal kunder EN1 + + EN k = A 1 + + A k ; gennemsnitligt produktionstid: V = λ 1 (A 1 + + A k ). AGR/PSE (I17) VS7-8. minimodul 17 / 17