<<
>>

Пример решения задачи.

Банк планирует открыть банкомат для получения денег, не выходя из машины. Оценки показывают, что поток клиентов в рабочие дни – 15 машин в час. Банкомат тратит на обслуживание клиента в среднем 3 минуты.

Предполагая пуассоновский поток заявок и экспоненциальное распределение для времени обслуживания, найти:

– долю времени, когда банкомат загружен,

– долю времени, когда он бездействует,

– среднее число машин у банкомата,

– среднее число машин в очереди у банкомата,

– среднее время, затрачиваемое клиентом для получения денег,

– среднее время, которое клиент проводит в очереди,

– с какой вероятностью возле банкомата будут стоять более 3 машин?

Предположите, что время обслуживания клиента распределено нормально со средним значением 3 мин. и стандартным отклонением:

1. 3 мин.

2. 1 мин.

3. 0 мин (постоянное время обслуживания).

Определите, как изменятся характеристики системы.

Поскольку банкомат будет расположен на оживленной улице, не более трех машин могут стоять возле него.

Если три машины стоят у банкомата, остальным негде остановиться и они проезжают мимо.

4. Какое количество клиентов будет терять банк в таком случае? Каковы характеристики СМО в этом случае?

Пусть банк решил поставить два банкомата рядом так, что машина может подъехать к любому свободному. При этом m. Жесткое ограничение на длину очереди снято, но крайне желательно, чтобы у банкоматов было не больше 3 машин. Какова вероятность, что в очереди действительно будет не более 3 машин. Как изменятся характеристики СМО?

5. Жесткое ограничение на количество машин у банкомата сохранено. Какое количество клиентов будет терять банк в таком случае? Каковы характеристики СМО в этом случае?

Решение. Формулы для расчетов характеристик систем массового обслуживания в основном довольно громоздкие и, что хуже всего, их часто даже в Excel невозможно использовать, введя один раз, для расчета систем массового обслуживания просто меняя параметры λ, μ и проч.

Сначала определим модель системы массового обслуживания, применимую для данного случая. Наиболее важные обстоятельства в этом случае – наличие небольшой популяции клиентов или ограничения на размер очереди. Так как никаких упоминаний о подобных ограничениях в задаче нет, считаем, что имеем дело с моделью неограниченной очереди. Кроме того, речь идет только об одном банкомате, таким образом, в системе имеется только один сервер. Поток клиентов λ, прибывающих на вход в систему, равен 15 машинам в час. Кроме этого известно, что на обслуживание клиента в среднем тратится 3 минуты. Это означает, что за час в среднем обслуживается 20 клиентов, т.е. поток обслуживания μ равен 20 машин в час. По формулам для модели М/М/1 можно убедиться, что все необходимые для расчета данные у нас есть.

Решать данную задачу мы будем с помощью надстройки для Excel, разработанной Зайцевым М.Г. и Варюхиным С.Е.

Вызываем надстройку «Расчет параметров СМО», появляется следующее диалоговое окно (рис. 5.1):

Рис. 5.1. Диалоговое окно СМО

В диалоговом окне надстройки имеется три вкладки: неограниченная очередь, ограниченная очередь и ограниченная популяция. Так как решили, что данная задача решается в модели неограниченной очереди, останемся на вкладке, открытой по умолчанию. Щелкнем левой кнопкой мыши в окне λ – интенсивность потока заявок и введем значение 15. Далее, переходя к остальным двум окнам ввода, задаем значение интенсивности потока обслуживания μ = 20 и количество серверов S = 1. В задаче оговорено, что время обслуживания распределено экспоненциально, поэтому мы оставим без изменения включенную по умолчанию кнопку «Вид распределения – Экспоненциальное». Нажимаем кнопку «Выполнить» и в активную книгу Excel (книгу, с которой вы работаете в момент вызова надстройки) добавится новый лист с результатами расчета. На рисунке 5.2 показан вид нового листа.

Рис.

5.2. Результаты расчета

В заголовке указана использованная модель – неограниченная очередь, один сервер, экспоненциальное распределение времени обслуживания. С левой стороны приведены значения параметров очереди, которые мы задали: λ, μ и S. Кроме этого приведено и вычисленное значение стандартного отклонения для экспоненциального распределения времени обслуживания, которое равно 1/μ. В правом столбце результат расчета, из которого можем почерпнуть информацию для ответов на вопросы первой части задачи.

Доля времени, когда банкомат загружен, равна проценту загрузки каждого (в нашем случае единственного) сервера, т.е. 75% всего времени работы. Разумеется, это средняя оценка, которую можно было бы сделать по многим наблюдениям за системой.

Доля времени, когда банкомат бездействует, равна времени, когда все серверы свободны – 25% рабочего времени.

Среднее число машин у банкомата соответствует числу клиентов в системе – 3 клиента. В это число входит и та машина, которая стоит у банкомата и те, которые ждут своей очереди на подъездной дорожке. Средняя длина очереди – 2,25 клиента – показывает среднее число машин в очереди у банкомата.

В среднее время, затрачиваемое клиентом для получения денег, входит и время, затраченное на ожидание в очереди, и время, которое клиент тратит на ввод информации в банкомат и ожидание транзакции (3 минуты в среднем), т.е. это полное время пребывания в системе. Это время приводится в таблице в тех же единицах, для которых задан поток – в часах. Следовательно, это время равно 0,2 часа или 12 минут.

Среднее время, которое клиент проводит в очереди равно 0,15 часа или 9 минут.

В нижней части таблицы приведены вероятности нахождения в системе заданного числа клиентов (от 1 до 29, но часть строк скрыта для экономии места). Вероятность того, что у банкомата будет стоять не более 3 машин, т.е. либо ни одной (% времени, когда все серверы свободны), либо одна, либо две, либо три машины можно легко найти, сложив соответствующие вероятности: Pn ≤ 3 = 0,25000 + 0,18750 + 0,14063 + 0,10547 = 0,68359 (~ 68%).

После этого можно определить и вероятность того, что в очереди будет более трех машин Pn > 3, как 1 – Pn ≤ 3. Pn > 3 = 0,31641 (≈ 32%). Очевидно, что другой возможный путь – суммирование всех вероятностей для n > 3 – гораздо менее удобен, но тоже применим, особенно, если эти вероятности быстро падают до нуля. В данной задаче это не так, потому что даже вероятность того, что в системе n = 29 клиентов отлична от нуля.

Во второй части задачи нам предлагается оценить параметры модели и ответить на те же вопросы, в условиях, когда время обслуживания распределено нормально с заданным стандартным отклонением. Мы можем сделать это, изменив параметры модели.

Вызовем надстройку «Расчет параметров СМО» еще раз. Если вы не закрывали книгу Excel, после того, как провели предыдущий расчет, то при вызове надстройки в ней сохранятся последние введенные данные. Но теперь мы кликнем мышкой отключенную по умолчанию кнопку «Вид распределения – Произвольное». При этом вид окна изменится (рис. 5.3).

Рис. 5.3. «Неограниченная очередь»

В появившемся окне σ можно задать стандартное отклонение времени обслуживания. Нужно только снова перевести его в те же единицы времени, для которых рассчитаны потоки – в часы. Итак, при стандартном отклонении 3 минуты и среднем значении времени обслуживания те же 3 минуты мы получаем, что и среднее время обслуживания и стандартное отклонение равны 0,05 часа. Записываем это значение в окне σ и вновь нажимаем кнопку «Выполнить». В новом листе будут записаны следующие данные (рис. 5.4).

Рис. 5.4. Результаты расчета

Как мы видим, все числа в столбце E8:E13 в точности совпадают с результатами предыдущего расчета характеристик системы массового обслуживания (рис. 5.2).

Обратите внимание на значение σ в предыдущем расчете – оно также равно 0,05. Понятно, что сделанный только что расчет для распределения произвольного вида обязан не противоречить расчету, в котором вид распределения задан явно, если стандартное отклонение в обоих случаях совпадает.

В последнем расчете отсутствуют значения вероятности наличия в очереди 1-го, 2-х, 3-х и т.д. клиентов, т.к. эти величины можно рассчитать только для экспоненциального распределения времени обслуживания. Если бы мы смоделировали СМО с характеристиками, заданными в пункте h, то обнаружили бы, что разный вид распределения времени обслуживания приводит к различным значениям вероятностей P1, P2, P3 и так далее. Но по формулам это рассчитать невозможно (кроме случая с экспоненциальным распределением). Поэтому надстройка выдает характеристики, зависящие от стандартного отклонения σ, но не зависящие от вида распределения. Остается убедиться в том, что надстройка выдает и результаты, которые невозможно получить при экспоненциальном распределении времени обслуживания.

Для этого зададим стандартное отклонение σ, равное 1 мин. Так как 1 мин составляет 1/60 часть часа, то теперь в окне σ нужно задать 1/60 ≈ 0,016667 и вновь нажать кнопку «Выполнить». Результат показан на следующем рисунке (рис. 5.5).

Рис. 5.5. Результаты расчета

В целом, полученные данные свидетельствуют о том, что характеристики СМО улучшились. Уменьшилась очередь с 2,25 клиента до 1,25 клиента и уменьшились время пребывания в системе и в очереди. Значение коэффициента утилизации (процент загрузки сервера) при этом не изменяется, так как оно не зависит от σ.

Теперь зададим стандартное отклонение, равное 0 минут. При этом σ = 0, т.е. время обслуживания постоянно и в точности равно 3 мин. Можно ожидать, что в этом случае характеристики очереди еще улучшатся. И в самом деле, как мы видим на рис. 5.6, время пребывания в очереди снова уменьшилось.

Рис. 5.6. Результаты расчета

В третьей части задания речь идет о новом типе системы массового обслуживания – системе с ограниченной очередью. До этого момента мы использовали для расчетов вкладку «Неограниченная очередь».

Теперь, щелкнув по ярлыку вкладки «Ограниченная очередь», перейдем к новой панели надстройки (рис. 5.7). Здесь к трем параметрам, аналогичным параметрам модели неограниченной очереди, добавляется еще один – максимальное количество клиентов в системе. (Иногда этот параметр называют максимальная длина очереди, но в этом случае он равен K-S, т.е. максимальное количество клиентов в системе минус число серверов. Это отличие следует учитывать при пользовании другими способами расчета характеристик СМО).

По условию задачи у банкомата не может стоять более 3-х машин, т.е. максимальное количество клиентов в системе – 3. Априори ясно, что при одном банкомате-сервере максимальная очередь не может превышать 2 машины.

Рис. 5.7. «Ограниченная очередь»

На следующем рисунке 5.8 показаны результаты расчета. Вверху листа кратко охарактеризована использованная модель – ограниченная очередь, один сервер. Сравнение характеристик СМО из столбца E8:E13 с результатами, полученными ранее, показывают, что качество системы вроде бы снова улучшилось, даже по сравнению со случаем постоянного времени обслуживания. Однако это улучшение не является безусловным.

Не зря в этом вопросе задачи говорится о количестве потерянных клиентов. Ведь как только из-за случайных колебаний потока клиентов и потока обслуживания очередь у банкомата достигнет двух машин («+» одна под обслуживанием), все новые потенциальные клиенты вынуждены будут проезжать мимо до тех пор, пока очередь не уменьшится до одной машины. Следовательно, улучшение характеристик СМО произошло фактически за счет потери части клиентов. В данном случае потерянные клиенты – потерянные деньги и у владельца банкомата есть все основания не слишком радоваться характеристикам своей СМО. Впрочем, в данном случае у нас нет информации об экономических характеристиках ситуации – например, прибыли с одного клиента, арендной плате за установку банкомата и изменении этой платы в случае удлинения подъездной дорожки и проч. – так что делать обоснованные экономические выводы мы не можем. Однако можно оценить среднее число потерянных клиентов. Для этого нужно сформулировать, в каких условиях теряется клиент. Мы уже отметили, что клиент теряется тогда, когда очередь у банкомата максимальна и равна 2 машинам. В этом случае общее количество клиентов в системе равно 3.

Рис. 5.8. Результаты расчета

Посмотрим, чему же равна вероятность такого события. Из результатов расчета (рис. 5.8) следует, что P3 = 0,15429, т.е. теряется чуть более 15% всех потенциальных клиентов. А общее количество потенциальных клиентов (поток клиентов λ) равно 15 в час. Таким образом, из этих 15 клиентов в среднем 2,31429 клиента будет потеряно, а прибыль получена только от 12,6857 клиентов в час.

То обстоятельство, что часть клиентов теряется, не только приводит к тому, что среднее число клиентов в системе, средняя длина очереди, среднее время пребывания в системе и среднее время пребывания в очереди уменьшаются в сравнении с СМО с неограниченной очередью. Уменьшается и процент загрузки сервера (0,63429 вместо 0,75) и, следовательно, его экономическая эффективность.

В четвертой части задачи используются обе рассмотренные модели СМО, изменяется только количество серверов-банкоматов. Вызовем еще раз надстройку Расчет параметров СМО, вернемся на первую вкладку Неограниченная очередь и изменим количество серверов до 2. Если по ходу решения задачи вы не закрывали Excel, то на вкладке должны были сохраниться последние установки – произвольное распределение времени обслуживания со стандартным отклонением 0. Как только вы измените количество серверов на 2, вид распределения времени обслуживания автоматически изменится на экспоненциальное и окно выбора значения стандартного отклонения закроется. Это связано с тем, что формулы для расчета характеристик СМО при произвольном распределении времени обслуживания существуют только для случая, когда в системе один сервер. Если серверов больше, установить характеристики СМО можно только прямым моделированием. Результат расчета приведен на рис. 5.9.

Рис. 5.9. Результаты расчета

Очевидно, что характеристики системы улучшились. Среднее время пребывания в очереди стало меньше полуминуты (0,008 часа). Оценим теперь вероятность того, что в системе будет более 3 клиентов. Сумма вероятностей отсутствия клиентов в системе (0,45454), одного клиента в системе (0,34091), двух и трех клиентов в системе (0,12784 и 0,04794) равна 0,97124. Следовательно, только 2,88% случаев количество машин у банкоматов будет превышать 3. Это, судя по всему, вполне удовлетворяет критерию «крайне нежелательно». При этом все же вполне вероятно, что в системе будет 5, 6, 7 и более клиентов. Нетрудно подсчитать, что примерно в течение 1 минуты за две недели в системе может быть даже 10 клиентов.

Для ответа на последний вопрос задачи вернемся еще раз на вкладку «Ограниченная очередь» и изменим количество серверов. Как показывает рис. 5.10, в сравнении с предыдущим расчетом (пункт m) процент загрузки серверов немного упал (0,35649 против 0,375).

Рис. 5.10. Результаты расчета

Это вызвано, очевидно, потерей некоторой части клиентов. Сравнивая числа в ячейках E18 на рис. 5.8 и 5.10, мы можем видеть, что при переходе от одного банкомата к двум доля потерянных клиентов снижается более чем в 3 раза и становится чуть меньшей 5%. Но все же часть клиентов все равно теряется (примерно 0,74 клиента в час) и процент загрузки серверов падает.

<< | >>
Источник: Мазелис, А.Л., Гузенко, А.Г.. ТЕОРИЯ ПРИНЯТИЯ РЕШЕНИЙ [Текст] : учебно-практическое пособие. – Владивосток : Изд-во ВГУЭС,2013. – 84 с.. 2013

Еще по теме Пример решения задачи.:

  1. Методические рекомендации по решению задач
  2. Стадии решения задач
  3. Стратегии решения задач
  4. Трудности при решении задач
  5. Задачи для самостоятельного решения
  6. 2.2. Задачи для самостоятельного решения
  7. Задачи для самостоятельного решения Задание B6
  8. 1.7. Задачи для самостоятельного решения
  9. Задачи для самостоятельного решения Задание В8
  10. 5.3. Задачи для самостоятельного решения
  11. 3.6. Задачи для самостоятельного решения
  12. 4.2. Задачи для самостоятельного решения
  13. Решение задачи о помощнике руководителя (секретаре)