Допущения о пуассоновском характере потока заявок и о показательном распределении времени обслуживания позволяют применить в теории массового обслуживания аппарат марковских. Процесс, протекающий в физической системе, называется марковским (или процессом без последействия), если для каждого момента времени вероятность любого состояния системы в будущем зависит только от состояния системы в настоящий моменти не зависит от того, каким образом система пришла в это состояние.

Рассмотрим СМО с конечным дискретным множеством состояний (рис. 2.). Определим состояние как состояние СМО, соответствующее наличию в данный моментзанятых каналов. При этом система может изменять свое состояниедискретно в соответствующие дискретные моменты времени. При поступлении на вход СМО одной заявки система изменяет свое состояние сна,

а при уходе одной заявки из системы и соответствующем освобождении одного канала - с на.

Рис. 2. Диаграмма состояний и переходов СМО

Типичным примером СМО является телекоммуникационная система с несколькими обслуживающими серверами. Заявка, поступающая на вход такой СМО, может быть либо обслужена, либо поставлена в очередь, либо получить отказ в обслуживании. В связи с этим СМО делятся на два основных типа: а) СМО с отказами; б) СМО с ожиданием.

В системах с отказами заявка, поступившая в момент, когда все каналы обслуживания заняты, немедленно получает отказ, покидает систему и в дальнейшем процессе обслуживания не участвует.

В системах с ожиданием заявка, заставшая все каналы занятыми, не покидает систему, а становится в очередь и ожидает, пока не освободится какой-нибудь канал.

Классификационные признаки систем массового обслуживания.

В системах массового обслуживания различают три основных эта­па, которые проходит каждая заявка:

1) появление заявки на входе в систему;

2) прохождение очереди;

3) процесс обслуживания, после которого заявка покидает систему.

На каждом этапе используются определенные характеристики, которые следует обсудить прежде, чем строить математические модели.

Характеристики входа:

1) число заявок на входе (размер популяции);

2) режим поступления заявок в систему обслуживания;

3) поведение клиентов.

Число заявок на входе. Число потенциально возможных заявок (размер популяции) может считаться либо бесконечным (неогра­ниченная популяция), либо конечным (ограниченная популяция). Если число заявок, поступивших на вход системы с момента на­чала процесса обслуживания до любого заданного момента вре­мени, является лишь малой частью потенциально возможного числа клиентов, популяция на входе рассматривается как Неогра­ниченная. Примеры неограниченных популяций: автомобили, проходящие через пропускные пункты на скоростных дорогах, покупатели в супермаркете и т. п. В большинстве моделей очередей на входе рассматриваются именно неограниченные популяции.

Если количество заявок, которые могут поступить в систему, сравнимо с числом заявок, уже находящихся в системе массо­вого обслуживания, популяция считается Ограниченной. Пример ограниченной популяции: компьютеры, принадлежащие конкрет­ной организации и поступающие на обслуживание в ремонтную мастерскую.

Режим поступления заявок, в систему обслуживания. Заявки могут поступать в систему обслуживания в соответствии с опреде­ленным графиком (например, один пациент на прием к стомато­логу каждые 15 мин, один автомобиль на конвейере каждые 20 мин) или случайным образом. Появления клиентов считаются Случай­ными, если они независимы друг от друга и точно непредсказу­емы. Часто в задачах массового обслуживания число появлений в единицу времени может быть оценено с помощью пуассоновского распределения вероятностей. При заданном темпе поступления (например, два клиента в час или четыре грузовика в минуту)

дискретное распределение Пуассона описывается следующей фор­мулой:

Где Р (х) - вероятность поступления Х заявок в единицу вре­мени;

Х - число заявок в единицу времени;

L - среднее число заявок в единицу времени (темп по­ступления заявок);

Е = 2,7182 - основание натурального логарифма.

Соответствующие значения вероятностей Р(х) нетрудно опре­делить с помощью таблицы пуассоновского распределения. Если, например, средний темп поступления заявок - два клиента в час, то вероятность того, что в течение часа в систему не поступит ни одной заявки, равна 0,135, вероятность появления одной заявки - около 0,27, двух - также около 0,27, три заявки могут появиться с вероятностью 0,18, четыре - с вероятностью около 0,09 и т. д. Вероятность того, что за час в систему поступят 9 заявок или бо­лее, близка нулю.

На практике вероятности появления заявок, разумеется, не всегда подчиняются пуассоновскому распределению (они могут иметь какое-то другое распределение). Поэтому требуется прово­дить предварительные исследования для того, чтобы проверить, что пуассоновское распределение может служить хорошей аппрок­симацией.

Поведение клиентов. Большинство моделей очередей основы­вается на предположении, что поведение клиентов является стан­дартным, т. е. каждая поступающая в систему заявка встает в оче­редь, дожидается обслуживания и не покидает систему до тех пор, пока ее не обслужат. Другими словами, клиент (человек или ма­шина), вставший в очередь, ждет до тех пор, пока он не будет обслужен, не покидает очередь и не переходит из одной очереди в другую.

Жизнь значительно сложнее. На практике клиенты могут по­кинуть очередь

потому, что она оказалась слишком длинной. Может возникнуть и другая ситуация: клиенты дожидаются сво­ей очереди, но по каким-то причинам уходят необслуженными. Эти случаи также являются предметом теории массового обслу­живания.

Характеристики очереди:

2) правило обслуживания.

Длина очереди. Длина может быть ограничена либо не ограни­чена. Длина очереди (очередь) Ограничена, если она по каким-либо причинам (например, из-за физических ограничений) не может увеличиваться до бесконечности. Если очередь достигает своего максимального размера, то следующая заявка в систему не допускается и происходит отказ. Длина очереди не ограничена, Если в очереди может находиться любое число заявок. Например, очередь автомобилей на бензозаправке.

Правило обслуживания. Большинство реальных систем исполь­зует правило «первым пришел - первым ушел» (FIFO - first in, first out). В некоторых случаях, например в приемном покое боль­ницы, в дополнение к этому правилу могут устанавливаться раз­личные приоритеты. Пациент с инфарктом в критическом со­стоянии, по-видимому, будет иметь приоритет в обслуживании по сравнению с пациентом, сломавшим палец. Порядок запуска компьютерных программ - другой пример установления приорите­тов в обслуживании.

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 .

Четвериков С. Ю. , Попов М.А.

Россия, Институт экономики и предпринимательства (г. Москва)

Теория систем массового обслуживания представляет собой прикладную математическую дисциплину, исследующую числовые характеристики явлений, протекающих в экономике. К ним можно отнести функционирование телефонного узла, центров бытового обслуживания, кассовых аппаратов в супермаркете и т.д.

Математическими моделями таких объектов служат системы массового обслуживания (СМО), описываемые следующим образом: в систему поступают требования (заявки на обслуживание), каждое из которых обслуживается некоторое время и затем покидает систему. Однако в силу ограничений на ресурсы (число обслуживающих кассовых аппаратов, скорости обслуживания и т.п.) система способна обслуживать одновременно только определенное число требований. Математические модели в этом случае призваны решать задачи вычисления числовых показателей качества функционирования СМО.

При построении моделей СМО принципиально выделяют две системы: детерминированную и стохастическую, которые собственно определяют тип математической модели.

Рассмотрим простейшую детерминированную систему, состоящую из п одинаковых приборов, в которую требования поступают через детерминированные (постоянные) промежутки времени, а время, обслуживания каждого требования также постоянно. Очевидно, что если требования поступают через промежутки

а время обслуживания каждого требования павно

то необходимое и достаточное условие нормального функционирования системы заключается в выполнении неравенства

В противном случае с течением времени требования будут накапливаться в системе.

Параметры X и ц имеют простой физический смысл:

X - среднее число поступающих за единицу времени требований или интенсивность входящего потока;

ц - среднее число требований, которое способен обслужить за единицу времени каждый прибор, или интенсивность обслуживания требований одним прибором;

/7ц - среднее число требований, которое способны обслужить п приборов, или интенсивность обслуживания требовании всей системой.

Таким образом, условие (1) означает, что интенсивность входящего потока не должна превышать интенсивности обслуживания требований всей системой. Рассмотрим величину

Так называемую загрузку системы.

Тогда неравенство (1) можно переписать в виде:

В этом случае загрузку можно интерпретировать как среднюю долю времени, в течение которого приборы заняты обслуживанием требований, а величину 1 - р - как среднюю долю времени, в течение которого приборы простаивают.

Наконец, еще одно замечание к функционированию системы с детерминированными характеристиками:

если в начальный момент времени система свободна и выполнено условие (2), то каждое поступающее в систему требование сразу же становится на обслуживающий прибор;

в случае р

наконец, если р > 1, то за единицу времени очередь в среднем увеличивается на Мр-1).

В реальных системах массового обслуживания существенную роль играют элементы случайности:

во-первых, времена между поступлениями требований не являются детерминированными;

во-вторых, не являются детерминированными времена обслуживания требований.

Кроме того, элементы случайности могут появляться из-за других причин, например, отказов элементов систем массового обслуживания.

Оказывается, элементы случайности существенно влияют на качество функционировании систем обслуживания. Так, если загрузка р = 1, то, в отличие от детерминированных систем, в стохастических системах очередь с течением времени в среднем стремится к бесконечности. Очереди в стохастических системах образуются даже в случае р

Рассмотрим формализованное описание СМО. Основными параметрами СМО являются:

входящий поток требований;

структура системы;

временные характеристики обслуживания требований;

дисциплина обслуживания.

Рассмотрим эти параметры.

Входящий поток характеризуется случайными моментами поступления требований в простую систему, а для сложных систем - и типами поступающих в эти моменты требований.

При задании случайного потока обычно предполагается, что входящий поток является рекуррентным и, наиболее часто пуассоновским.

Сделаем несколько замечаний о корректности описания поступающих в реальные системы потоков требований пуассоновским и рекуррентным. Очевидно, что уже свойство отсутствия последействия в реальных системах выполняется крайне редко, поскольку у обладающего таким свойством потока за любой сколь угодно малый промежуток времени может поступить сколь угодно большое число требований с отличной от нуля (хотя и чрезвычайно малой) вероятностью. Однако практика показывает, что описание входящего потока пуассоновским в большинстве случаев с достаточной степенью точности правомерно. Дополнительным математическим подтверждением этого факта служит теорема Хинчина, которая говорит, что объединение большого числа "редких" потоков при весьма слабых ограничениях дает пуассоновский поток.

Второе свойство пуассоновского потока - стационарность - также не выдергивает критики. В самом деле, интенсивность входящего потока, как правило, зависит от времени суток, года и т.п. Если сохранить свойства отсутствия последействия и ординарности, то получается нестационарный пуассоновский поток. В ряде случаев удается разработать математические модели расчета экономических систем с таким входящим потоком, однако получаемые при этом формулы очень громоздки и трудны для практического применения. По этой причине в расчетах ограничиваются некоторым временным интервалом, на котором интенсивность входящего потока мало меняется.

Если отказаться только от свойства ординарности, то получается неординарный пуассоновский поток, у которого моменты поступления требований образуют обычный пуассоновский поток, но в каждый такой момент приходит случайное число требований. Большинство результатов, справедливых для систем с пуассоновским потоком, практически без изменений переносится на системы с неординарным пуассоновским потоком.

Для задания структуры СМО необходимо перечислить все элементы, имеющиеся в системе, и указать, требования каких типов или даже на каких фазах обслуживания может обслуживать каждый элемент. При этом отдельный элемент может обслуживать требования нескольких типов и, наоборот, требования одного типа могут обслуживаться на нескольких элемента. В дальнейшем будем предполагать, что в СМО имеется один или несколько одинаковых элементов и каждое требование может обслуживаться на любом из них. Системы такого типа называются однолинейными (один элемент) или многолинейными (несколько элементов).

В системах обслуживания могут быть элементы для ожидания требованиями начала обслуживания. Если таких элементов бесконечно много, то говорят о системах с ожиданием, если их число конечно - о системах с конечным числом мест ожидания, если же они вообще отсутствуют (требование, заставшее в момент поступления в систему все элементы занятыми, теряется; пример - обычные телефонные системы) - о системах с потерями.

Временные характеристики обслуживания требований также представляют собой сложный объект для формализованного описания. Обычно предполагается, что времена обслуживания всех требований независимые между собой и являются одинаково распределенными случайными величинами. Если в СМО поступают требования нескольких типов, распределение времени обслуживания может зависеть от типа требования.

Дисциплина обслуживания заключается в правиле постановки требований в очередь и порядке выбора их из очереди на обслуживание, распределении элементов между требованиями, а в многофазных системах - и между фазами обслуживания. Будем предполагать, что в системе реализована простейшая дисциплина - обслуживание требование в порядке поступления (FIFO). В многолинейных системах образуется общая очередь ко всем элементам, и находящийся первый в очереди требование поступает на любой освободившийся элемент.

Тем не менее, в СМО используются и более сложные дисциплины обслуживания. Простейшими примерами таких дисциплин являются инверсионный (обратный) порядок обслуживания (LIFO), при котором обслуживается требование, поступившее в систему последним.

Дисциплина равномерного разделения элементов системы, при которой каждое из п находящихся в системе требований обслуживается с одинаковой скоростью 1/п. Иногда в момент поступления требования в систему становится известно время его обслуживания (работа, которую предстоит совершить). Тогда можно использовать дисциплины, зависящие от остаточных времен обслуживания требований. В частности, дисциплина обслуживания первым требования с минимальным остаточным временем обслуживания позволяет получить минимальную длину очереди в любой момент времени. Применение сложных дисциплин обслуживания очень часто позволяет без каких- либо дополнительных затрат существенно улучшить качество функционирования СМО.

Особый класс СМО представляют собой приоритетные системы, в которые поступают потоки требований нескольких приоритетов, и требования более высоких приоритетов имеют преимущество перед требованиями более низких приоритетов, т.е. обслуживаются раньше. Приоритеты могут быть относительными, когда требования более высокого приоритета не прерывают обслуживания находящихся на элементах требований более низких приоритетов, и абсолютные, когда такое прерывание происходит.

В случае абсолютных приоритетов также возможны различные модификации: недообслуженные требования с прерванным обслуживанием покидают системы (системы с выбыванием), продолжают обслуживаться после того, как все требования более высоких приоритетов покинут систему (системы с дообслуживанием), обслуживаются заново.

К дисциплинам обслуживания следует отнести и такие факторы, как подготовительный этап перед началом обслуживания очередного требования или после того, как в свободную систему поступило требование, этап переключения элемента на обслуживание требований другого типа, обслуживание требований ненадежными элементами системы и т.п. Наконец, может быть ограничено время пребывания требования в системе или время ожидания начала обслуживания.

Опишем теперь те характеристики СМО, которые представляют интерес для пользователя. Иногда на практике их называют вероятностно-временными характеристиками. Наиболее важными из них являются длина очереди (т.е. число ожидающих начала обслуживания требований) и время ожидания начала обслуживания требования. Поскольку и длина очереди, и время ожидания начала обслуживания - случайные величины, то, естественно, они описываются своими распределениями. Кроме того, распределения длины очереди и времени ожидания зависят от текущего момента времени.

В системах с потерями или конечным числом мест ожидания к важнейшим характеристикам относится также вероятность потери требования. Иногда наряду с длиной очереди рассматривают общее число требований в системе, а наряду с временем ожидания начала обслуживания - время пребывания требования в системе.

В системах с потерями или конечным числом мест ожидания, а также в системах с ожиданием и загрузкой р

Нахождению стационарных характеристик посвящено большинство работ по теории массового обслуживания, хотя и нестационарные характеристики исследованы достаточно подробно.

Литература

  • 1. Гнеденко Б.В. Курс теории вероятностей. М.: Физматгиз, 1961.
  • 2. Феллер В. Введение в теорию вероятностей и ее приложения.T.I. М.: Мир,
  • 1984.
  • 3. Гнеденко Б.В., Коваленко И.Н. Введение в теорию массового обслуживания. М.: Наука, 1966.
  • 4. Саати Т.Л. Элементы теории массового обслуживания и ее приложения. М.: Сов. радио, 1965.

ВВЕДЕНИЕ

ГЛАВА I. ПОСТАНОВКА ЗАДАЧ МАССОВОГО ОБСЛУЖИВАНИЯ

1.1 Общие понятие теории массового обслуживания

1.2 Моделирование систем массового обслуживания

1.3 Графы состояний СМО

1.4 Случайные процессы

Глава II. УРАВНЕНИЯ, ОПИСЫВАЮЩИЕ СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ

2.1 Уравнения Колмогорова

2.2 Процессы «рождения – гибели»

2.3 Экономико-математическая постановка задач массового обслуживания

Глава III. МОДЕЛИ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ

3.1 Одноканальная СМО с отказами в обслуживании

3.2 Многоканальная СМО с отказами в обслуживании

3.3 Модель многофазной системы обслуживания туристов

3.4 Одноканальная СМО с ограниченной длиной очереди

3.5 Одноканальная СМО с неограниченной очередью

3.6 Многоканальная СМО с ограниченной длиной очереди

3.7 Многоканальная СМО с неограниченной очередью

3.8 Анализ системы массового обслуживания супермаркета

ЗАКЛЮЧЕНИЕ


Введение

В настоящее время появилось большое количество литературы, посвященной непосредственно теории массового обслуживания, развитию ее математических аспектов, а также различных сфер ее приложения - военной, медицинской, транспортной, торговле, авиации и др.

Теория массового обслуживания опирается на теорию вероятностей и математическую статистику. Первоначальное развитие теории массового обслуживания связано с именем датского ученого А.К. Эрланга(1878-1929),с его трудами в области проектирования и эксплуатации телефонных станций.

Теория массового обслуживания - область прикладной математики, занимающаяся анализом процессов в системах производства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и передачи информации; автоматических линиях производства и др. Большой вклад в развитие этой теории внесли российские математики А.Я. Хинчин, Б.В. Гнеденко, А.Н. Колмогоров, Е.С. Вентцель и др.

Предметом теории массового обслуживания является установление зависимостей между характером потока заявок, числом каналов обслуживания, производительностью отдельного канала и эффективным обслуживанием с целью нахождения наилучших путей управления этими процессами. Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого, варианта системы, при котором будет обеспечен минимум суммарных затрат от ожидания обслуживания, потерь времени и ресурсов на обслуживание и от простоев каналов обслуживания.

В коммерческой деятельности применение теории массового обслуживания пока не нашло желаемого распространения.

В основном это связано с трудностью постановки задач, необходимостью глубокого понимания содержания коммерческой деятельности, а также надежного и точного инструментария, позволяющего просчитывать в коммерческой деятельности различные варианты последствий управленческих решений.


Глава I . Постановка задач массового обслуживание

1.1 Общие понятие теории массового обслуживания

Природа массового обслуживания, в различных сферах, весьма тонка и сложна. Коммерческая деятельность связана с выполнением множества операций на этапах движения, например товарной массы из сферы производства в сферу потребления. Такими операциями являются погрузка товаров, перевозка, разгрузка, хранение, обработка, фасовка, реализация. Кроме таких основных операций процесс движения товаров сопровождается большим количеством предварительных, подготовительных, сопутствующих, параллельных и последующих операций с платежными документами, тарой, деньгами, автомашинами, клиентами и т.п.

Для перечисленных фрагментов коммерческой деятельности характерны массовость поступления товаров, денег, посетителей в случайные моменты времени, затем их последовательное обслуживание (удовлетворение требований, запросов, заявок) путем выполнения соответствующих операций, время выполнения которых носит также случайный характер. Все это создает неравномерность в работе, порождает недогрузки, простой и перегрузки в коммерческих операциях. Много неприятностей доставляют очереди, например, посетителей в кафе, столовых, ресторанах, или водителей автомобилей на товарных базах, ожидающих разгрузки, погрузки или оформления документов. В связи с этим возникают задачи анализа существующих вариантов выполнения всей совокупности операций, например, торгового зала супермаркета, ресторана или в цехах производства собственной продукции для целей оценки их работы, выявления слабых звеньев и резервов для разработки в конечном итоге рекомендаций, направленных на увеличение эффективности коммерческой деятельности.

Кроме того, возникают другие задачи, связанные с созданием, организацией и планированием нового экономичного, рационального варианта выполнения множества операций в пределах торгового зала, кондитерского цеха, всех звеньев обслуживания ресторана, кафе, столовой, планового отдела, бухгалтерии, отдела кадров и др.

Задачи организации массового обслуживания возникают практически во всех сферах человеческой деятельности, например обслуживание продавцами покупателей в магазинах, обслуживание посетителей на предприятиях общественного питания, обслуживание клиентов на предприятиях бытового обслуживания, обеспечение телефонных разговоров на телефонной станции, оказание медицинской помощи больным в поликлинике и т.д. Во всех приведенных примерах возникает необходимость в удовлетворении запросов большого числа потребителей.

Перечисленные задачи можно успешно решать с помощью методов и моделей специально созданной для этих целей теории массового обслуживания (ТМО). В этой теории поясняется, что обслуживать необходимо кого-либо или что-либо, что определяется понятием «заявка (требование) на обслуживание», а операции обслуживания выполняются кем-либо или чем-либо, называемыми каналами (узлами) обслуживания. Роль заявок в коммерческой деятельности выполняют товары, посетители, деньги, ревизоры, документы, а роль каналов обслуживания - продавцы, администраторы, повара, кондитеры, официанты, кассиры, товароведы, грузчики, торговое оборудование и др. Важно заметить, что в одном варианте, например, повар в процессе приготовления блюд является каналом обслуживания, а в другом - выступает в роли заявки на обслуживание, например к заведующему производством за получением товара.

Заявки в силу массовости поступления на обслуживание образуют потоки, которые до выполнения операций обслуживания называются входящими, а после возможного ожидания начала обслуживания, т.е. простоя в очереди, образуют потоки обслуживания в каналах, а затем формируется выходящий поток заявок. В целом совокупность элементов входящего потока заявок, очереди, каналов обслуживания и выходящего потока заявок образует простейшую одноканальную систему массового обслуживания - СМО.

Под системой понимается совокупность взаимосвязанных и. целенаправленно взаимодействующих частей (элементов). Примерами таких простейших СМО в коммерческой деятельности являются места приема и обработки товаров, узлы расчета с покупателями в магазинах, кафе, столовых, рабочие места экономист та, бухгалтера, коммерсанта, повара на раздаче и т.д.

Процедура обслуживания считается завершенной, когда заявка на обслуживание покидает систему. Продолжительность интервала времени, требуемого для реализации процедуры обслуживания, зависит в основном от характера запроса заявки на обслуживание, состояния самой обслуживающей системы и канала обслуживания.

Действительно, продолжительность пребывания покупателя в супермаркете зависит, с одной стороны, от личностных качеств покупателя, его запросов, от ассортимента товаров, который он собирается приобрести, а с другой - от формы организации обслуживания и обслуживающего персонала, что может значительно повлиять на время пребывания покупателя в супермаркете и интенсивность обслуживания. Например, овладение кассирами-контролерами работы «слепым» методом на кассовом аппарате позволило увеличить пропускную способность узлов расчета в 1,3 раза и сэкономить время, затрачиваемое на расчеты с покупателями по каждой кассе более чем на 1,5 ч в день. Внедрение единого узла расчета в супермаркете дает ощутимые преимущества покупателю. Так, если при традиционной форме расчетов время обслуживания одного покупателя составляло в среднем 1,5 мин, то при введении единого узла расчета - 67 с. Из них 44 с уходят на оформление покупки в секции и 23 с непосредственно на расчеты за покупки. Если покупатель делает несколько покупок в разных секциях, то потери времени сокращаются при приобретении двух покупок в 1,4 раза, трех - в 1,9, пяти - в 2,9 раза.

Под обслуживанием заявок будем понимать процесс удовлетворения потребности. Обслуживание имеет различный характер по своей природе. Однако, во всех примерах поступившие заявки нуждаются в обслуживании со стороны какого-либо устройства. В некоторых случаях обслуживание производится одним человеком (обслуживание покупателя одним продавцом, в некоторых - группой людей (обслуживание больного врачебной комиссией в поликлинике), а в некоторых случаях - техническими устройствами (продажа газированной воды, бутербродов автоматами). Совокупность средств, которые осуществляют обслуживание заявок, называется каналом обслуживания.

Если каналы обслуживания способны удовлетворить одинаковые заявки, то каналы обслуживания называются однородными. Совокупность однородных каналов обслуживания называется обслуживающей системой.

В систему массового обслуживания поступает большое количество заявок в случайные моменты времени, длительность обслуживания которых также является случайной величиной. Последовательное поступление заявок в систему обслуживания называется входящим потоком заявок, а последовательность заявок, покидающих систему обслуживания,- выходящим потоком.

Аналитическое исследование систем массового обслуживания (СМО) является подходом, альтернативным имитационному моделированию, и состоит в получении формул для расчета выходных параметров СМО с последующей подстановкой значений аргументов в эти формулы в каждом отдельном эксперименте.

В моделях СМО рассматривают следующие объекты:

1) заявки на обслуживание (транзакты);

2) обслуживающие аппараты (ОА), или приборы.

Практическая задача теории массового обслуживания связана с исследованием операций этими объектами и состоит из отдельных элементов, на которые влияют случайные факторы.

В качестве примера задач, рассматриваемых в теории массового обслуживания, можно привести: согласование пропускной способности источника сообщения с каналом передачи данных, анализ оптимального потока городского транспорта, расчет емкости зала ожидания для пассажиров в аэропорту и пр.

Заявка может находиться либо в состоянии обслуживания, либо в состоянии ожидания обслуживания.

Обслуживающий прибор может быть либо занят обслуживанием, либо свободен.

Состояние СМО характеризуется совокупностью состояний обслуживающих приборов и заявок. Смена состояний в СМО называется – событие.

Модели СМО используются для исследования процессов происходящие в системе, при подаче на входы потоков заявок. Эти процессы представляют собой последовательность событий.

Важнейшие выходные параметры СМО

Производительность

Пропускная способность

Вероятность отказа в обслуживании

Среднее время обслуживания;

Коэффициент загрузки оборудования (ОА).

Заявками могут быть заказы на производство изделий, задачи, решаемые в вычислительной системе, клиенты в банках, грузы, поступающие на транспортировку и др. Очевидно, что параметры заявок, поступающих в систему, являются случайными величинами и при исследовании или проектировании могут быть известны лишь их законы распределения.

В связи с этим анализ функционирования на системном уровне, как правило, носит статистический характер. В качестве математического аппарата моделирования удобно принять теорию массового обслуживания, а в качестве моделей систем на этом уровне использовать системы массового обслуживания.



Простейшие модели СМО

В простейшем случае СМО представляет собой некоторое устройство, называемое обслуживающим аппаратом (ОА), с очередями заявок на входах.

М о д е л ьо б с л у ж и в а н и я с о т к а з а м и (рис.5.1)


Рис. 5.1. Модель СМО с отказами:

0 – источник заявок;

1 – обслуживающий прибор;

а – входной поток заявок на обслуживание;

в – выходной поток обслуженных заявок;

с – выходной поток необслуженных заявок.

В этой модели отсутствует накопитель заявок на входе ОА. Если заявка приходит от источника 0 в момент времени, когда ОА занят обслуживанием предыдущей заявки, то вновь пришедшая заявка выходит из системы (так как ей отказано в обслуживании) и теряется (поток с ).

М о д е л ь о б с л у ж и в а н и я с о ж и д а н и е м (рис. 5.2)


Рис. 5.2. Модель СМО с ожиданием

(N– 1) – количество заявок, которое может поместиться в накопителе

В этой модели имеется накопитель заявок на входе ОА. Если заявка приходит от источника 0 в момент времени, когда ОА занят обслуживанием предыдущей заявки, то вновь пришедшая заявка попадает в накопитель, где неограниченно долго ожидает, пока освободится ОА.

М о д е л ь о б с л у ж и в а н и я с о г р а н и ч е н н ы м в р е м е н е м

о ж и д а н и я (рис. 5.3)


Рис. 5.4. Многоканальная модель СМО с отказами:

n – количество одинаковых обслуживающих аппаратов (приборов)

В этой модели имеется не один ОА, а несколько. Заявки, если это специально не оговорено, могут поступать к любому свободному от обслуживания ОА. Накопителя нет, поэтому данная модель включает свойства модели, показанной на рис. 5.1: отказ в обслуживании заявки означает ее безвозвратную потерю (это происходит только в том случае, если в момент прихода этой заявки все ОА заняты).

в р е м е н е м о ж и д а н и я (рис. 5.5)


Рис. 5.6. Многоканальная модельСМО с ожиданием и восстановлением ОА:

e – обслуживающие аппараты, вышедшие из строя;

f – восстановленные обслуживающие аппараты

Данная модель обладает свойствами моделей, представленных на рис. 5.2 и 5.4, а кроме того свойствами, позволяющими учитывать возможные случайные отказы ОА, которые в этом случае поступают в ремонтный блок 2, где пребывают в течение случайных промежутков времени, затрачиваемых на их восстановление, а затем вновь возвращаются в обслуживающий блок 1.

М н о г о к а н а л ь н а я м о д е л ь СМО с о г р а н и ч е н н ы м

в р е м е н е м о ж и д а н и я и в о с с т а н о в л е н и е м ОА (рис. 5.7)


Рис. 5.7. Многоканальная модель СМО с ограниченным временем ожидания и восстановлением ОА

Данная модель является довольно сложной, поскольку одновременно учитывает свойства двух не самых простых моделей (рис. 5.5 и 5.6).