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 проходятзаявки . Принято говорить, что заявкиобслуживаются 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

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 Ствол, рожок Электрические заряды, перемещающиеся в некотором устройстве 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).

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).

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.

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.

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.

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 илитаблицы , 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).

Таблица 30.2. Фрагмент таблицы случайных чисел и их логарифмов

r рр ln(r рр )

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.

Основы математического моделирования

социально-экономических процессов

Лекция 3

Тема лекции: «Модели систем массового обслуживания»

1. Модели организационных структур управления (ОСУ).

2. Системы и модели массового обслуживания. Классификация систем массового обслуживания (СМО).

3.Модели СМО. Показатели качества функционирования СМО.

1. МОДЕЛИ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ (ОСУ).

Многие экономические задачи связаны с системами мас-сового обслуживания (СМО), т. е. с такими системами, в кото-рых, с одной стороны, возникают массовые запросы (требо-вания) на выполнение каких-либо услуг, с другой — проис-ходит удовлетворение этих запросов.

СМО включает в себя следующие элементы: источник требований, входящий поток требований, очередь, обслуживающие устройства (каналы обслуживания), выходящий поток требований. Исследованием таких систем занимается теория массового обслуживания (ТМО).

Методами теории массового обслуживания (ТМО) могут быть решены многие задачи исследования процессов, происходящих в экономике. Так, в организации торговли эти методы позволяют определить оптимальное количество торговых то- чек данного профиля, численность продавцов, частоту завоза товаров и другие параметры. Другим характерным примером систем массового обслуживания могут служить склады или базы снабженческо-сбытовых организаций. И задача тео-рии массового обслуживания в данном случае сводится к тому, чтобы установить оптимальное соотношение между числом поступающих на базу требований на обслуживание и числом обслуживающих устройств, при котором суммар-ные расходы на обслуживание и убытки от простоя транс-порта были бы минимальными. Теория массового обслужи-вания может найти применение и при расчете площади складских помещений, при этом складская площадь рас-сматривается как обслуживающее устройство, а прибытие транспортных средств под выгрузку — как требование.

Модели теории массового обслуживания применяются также при решении ряда задач организации и нормирования труда, других социально-экономических проблем. Переход к рынку требует от всех субъектов хозяйствования повышенной надежности и эффективности функционирования производств, гибкости и живучести в ответ на динамичные изменения внешней деловой среды, снижения разновидностей рисков и потерь от запоздалых и некомпетентных управленческих решений.

СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ (СМО) ЯВЛЯЮТСЯ МАТЕМАТИЧЕСКИМИ МОДЕЛЯМИ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ (ОСУ).

ОРГАНИЗАЦИОННЫЕ СТРУКТУРЫ УПРАВЛЕНИЯ (ОСУ) призваны оперативно отслеживать колебания рынка и принимать в зависимости от складывающихся ситуаций компетентные управленческие решения.

Поэтому становится понятным то внимание, которое уделяют субъекты рынка (транснациональные корпорации, промышленные предприятия, коммерческие банки, фирмы, организации, малые предприятия и т.п.) выбору эффективно функционирующих организационных структур управления (ОСУ).

Взамен широко распространенных в 90-х годах двадцатого столетия ОСУ предприятий (иерархических, матричных, дуальных, параллельных и др.) сегодня в мире эффективно используются АЛЬТЕРНАТИВНЫЕ ФОРМЫ МНОГОФУНКЦИОНАЛЬНЫХ СТРУКТУР, базирующихся на принципах самоорганизации, адаптации, автономности отдельных подразделений с мягкими связями между ними .

Подобной структурой обладает множество передовых зарубежных фирм, в составе которых насчитывается множество рабочих групп с сетевыми взаимоотношениями между ними. Популярными в последнее время считаются организации, ориентированные на минимизацию потребления ресурсов, имеющие явно выраженную горизонтальную форму с координацией, осуществляемой не по иерархическому признаку, а самими рабочими группами, организованными в сеть.

Альтернативными моделями, противостоящими моделям ОСУ, созданным на базе организационной логики и жесткого регулирования, являются нечеткие структуры без иерархических уровней и структурных подразделений , основанные на координации личной ответственности и профилировании самоуправляемых групп со следующими признаками:

а) наличием относительно независимых рабочих групп с участием представителей различных подразделений, создаваемых для решения определенных проектов и проблем, при широкой свободе действий и автономии в области координации задач и принятия решений;

б) ликвидацией жестких связей между подразделениями ОСУ с введением гибких взаимосвязей.

На аналогичных принципах базируется современная концепция минимизированного по ресурсам производства: на подобных предприятиях в качестве организационных единиц используют рабочие группы с широкими полномочиями и большими возможностями самоуправления с конечной целью, заключающейся в создании разумной гибкой организации труда, опирающейся на самостоятельно действующих исполнителей, а не на синтезированные специалистами рациональные структуры; сотрудниками оцениваются возникающие проблемы, определяются возможности контактов со специалистами внутри и за пределами системы. Самоуправляемый персонал основной упор делает на самоорганизацию, заменяющую собой привнесенную извне (задаваемую сверху) жесткую упорядоченную структуру.

Крайним случаем такого подхода является создание безорганизационной, постоянно «размороженной», структуры со следующими свойствами:

Широкое творческое обсуждение любых обрабатываемых процедур и поступающих извне сигналов без учета шаблонных решений и прошлого опыта;

Автономная работа членов групп с самостоятельной организацией временных взаимосвязей и производственных соглашений между партнерами по мере необходимости для решения возникающих проблем.

Заметим, что чрезмерное увлечение одной системной функцией — гибкостью, при полном игнорировании прочих функций — интеграции, идентификации, учета и контроля, всегда опасно для устойчиво функционирующих систем, так как трудно обеспечить успешную координацию в рамках данной организации без высокой квалификации сотрудников, их способности к обучению и совершенствованию, к установлению эффективных контактов и координации.При подобной форме организации основное внимание должно уделяться созданию условий для максимального использования интеллекта человеческих ресурсов и повышения их квалификации, выделению высококвалифицированных специалистов — системщиков, увязывающих действия членов организации для достижения конечной цели. При этом в сфере системной координации существует вероятность возможных срывов, конфликтов и негативных последствий, так как ориентация на способность персонала к самоорганизации и самокоординации носит слишком общий характер. Хотя высокая компетентность, инициатива и сила воли каждого работника и влияет на жизнеспособность любой децентрализованной организации, но в целом они не могут заменить регулирующей функции целой организационной структуры.

Сегодня в мире интенсивно развивается новое направление синтеза ОСУ как обучающихся систем, характеризующихся следующими характерными особенностями:

а) привлечением высококвалифицированных экспертов-специалистов к процессам восприятия и накопления информации, а также к обучению и расширению способностей персонала;

б) постоянным изменением в процессе функционирования, расширением своих способностей взаимодействия с окружающей деловой средой и быстрой адаптацией к постоянно меняющимся внешним и внутренним условиям;

в) широким распространением открытых компьютерных сетей, охватывающих не только отдельные организации, предприятия или их конгломераты, но и целые крупные регионы и даже совокупности стран (ЕЭС, СВИФТ и др.), что обусловливает новые возможности организации и повышения эффективности работы предприятий и отраслей в масштабах всей страны и даже всего мира.

Считается, что ОСУ должна создаваться на принципах многофункциональности и многоаспектности, позволяющих эффективно контролировать сложные рынки и распределять имеющиеся ресурсы. Из анализа мирового опыта функционирования ОСУ в условиях рынка применительно к российской экономике и ее субъектам хозяйствования можно выделить следующие рекомендации:

1) иерархическую ОСУ можно сохранять и применять с минимумом риска для предприятия, если высшее руководство фирмы способно выступать в качестве координаторов проблем, а их подчиненные — в качестве «маленьких предпринимателей»; при этом предпринимательская инициатива и ответственность перемещаются с верхних в нижние эшелоны фирменной власти при исполнении иерархами действительно координаторских функций;

2) матричную ОСУ можно сохранять, если в фирме отсутствует механическое дублирование служебных инстанций и существует органичная сетевая структура с оптимальной коммуникацией;

3) дуальную ОСУ следует применять при ясности и контролируемости как ключевых связей между основными и сопутствующими структурами, так и прозрачности функций самой системы сопутствующих вторичных структур, причем они должны быть многофункциональными и многоцелевыми (типа «учебных центров»), а не специализированными, ориентированными лишь на собственные потребности;

4) параллельную ОСУ следует применять при сформированной конструктивной конкурентной культуре, сотрудничестве партнеров на базе доверия, терпимости, готовности разрешать конфликты, а в острых ситуациях иметь нейтральную «третейскую» инстанцию.

При наличии средних предприятий, состоящих из слабо интегрированных функциональных подразделений, на вторичные структуры можно возложить решение интеграционных проблем, но эффект от реализации этого механизма получится при осознании руководством подразделений создания структурной надстройки как средства поддержки их собственной позиции, а не как угрозу для их существования.

Развитие на стыке кибернетики, вычислительных сетей, менеджмента и социальной психологии направления Groupware (США), связанного с электронными информационными системами, локальными диалоговыми сетями и средствами их поддержки, обеспечивает распределенную работу больших коллективов людей в режиме прямого доступа, позволяя хранить в машинной памяти огромный объем информации (любую деловую, производственно-техническую и прочую документацию, совещания, переговоры организации и даже обычные разговоры ее сотрудников, а также всю предысторию и опыт работы), используя ее при необходимости для корректировки структуры, функций, задач, стратегии и тактики управления в деятельности конкретной организации. Такой подход по-новому раскрывает понятие обучающейся организации, обеспечивает проведение аналогий между процессами, протекающими в живых и в диалоговых компьютерных системах.

Если обучение и память обусловливают выживание живых систем, то аналогично организационное обучение и память влияют на эффективность деятельности любой организации при изменении деловой внешней среды. Обучение, как живых, так и организационных систем обязательно ведет к структурным изменениям. Организационно правильно построенная компьютерная сеть может вызывать качественный сдвиг в улучшении корпоративной деятельности. Гибкость и широта функциональных возможностей рабочих групп, реализующих управление проектами при минимуме затрат на координацию их работы, обусловливают рост и качество исполнения крупных задач, стоящих перед фирмами, необходимость оптимизации функциональных подразделений и организационных структур в целом, изменения связей между функциональными единицами в зависимости от складывающихся ситуаций.

Качество реструктуризации в живых и организационных системах определяется совокупностью унаследованного и приобретенного поведения, эффективностью обучения и памяти, организации инфраструктур, обеспечивающих совершенствование взаимосвязей и диалогов между людьми. Повышение скорости обучения и эффективности памяти организации зависит от способа управления взаимоотношениями и диалогами между людьми. Сегодня коммуникации — это координация действий, а не передача информации. Организационные инфраструктуры должны расширять возможности формирования и поддержки диалогов между людьми независимо от их традиций, культуры и др. Пример тому организация и распространение сети Internet и ей подобных.

Учет специфики моделей разновидностей СМО в практической деятельности субъектов рынка позволяет:

Провести более глубокий анализ особенностей функционирования сложных систем, оценить их качество и эффективность с получением конкретных количественных оценок;

Вскрыть имеющиеся резервы и возможности по оптимизации протекающих процессов, экономии финансовых и прочих ресурсов, снижению рисков в условиях неопределенности деловой внешней и внутренней среды.

Рассмотрим эти вопросы подробнее.

2. СИСТЕМЫ И МОДЕЛИ МАССОВОГО ОБСЛУЖИВАНИЯ. КЛАССИФИКАЦИЯ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ (СМО).

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

Теория массового обслуживания - область прикладной мате-матики, занимающаяся анализом процессов в системах произ-водства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и пере-дачи 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 установ-ление зависимостей между характером потока заявок, числом ка-налов 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 сум-марных затрат от ожидания обслуживания, потерь времени и ре-сурсов на обслуживание и от простоев каналов обслуживания.

Задачи организации массового обслуживания возникают практически во всех сферах человеческой деятельности, напри-мер обслуживание продавцами покупателей в магазинах, обслу-живание посетителей на предприятиях общественного питания, обслуживание клиентов на предприятиях бытового обслужива-ния, обеспечение телефонных разговоров на телефонной стан-ции, 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 опера-ции обслуживания выполняются кем-либо или чем-либо, назы-ваемыми каналами (узлами) обслуживания.

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

Одним из параметров входного потока заявок является интенсивность входящего потока заявок λ ;

К параметрам каналов обслуживания заявок относятся: интенсивность обслуживания μ , число каналов обслуживания n .

Параметрами очереди являются: максимальное число мест в очереди L max ; дисциплина очереди D («первым пришел - первым ушел» (FIFO); «последним пришел - первым ушел» (LIFO); с приоритетами; случайный выбор из очереди).

Процедура обслуживания считается завершенной, когда заяв-ка на обслуживание покидает систему. Продолжительность ин-тервала времени, требуемого для реализации процедуры обслу-живания, зависит в основном от характера запроса заявки на об-служивание, состояния самой обслуживающей системы и канала обслуживания.

Действительно, например, 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 об-служивания и обслуживающего персонала, что может значитель-но повлиять на время пребывания покупателя в супермаркете и интенсивность обслуживания.

Под обслуживанием заявок мы будем понимать процесс удовле-творения 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 челове-ком (обслуживание покупателя одним продавцом), в некоторых — группой людей (обслуживание клиента в ресторане), а в некоторых случаях — техническими устройст-вами (продажа газированной воды, бутербродов автоматами).

Совокупность средств, которые осуществляют обслуживание за-явок, называется каналом обслуживания.

Если каналы обслуживания способны удовлетворить одина-ковые заявки, то каналы обслуживания называются однородны-ми.

Совокупность однородных каналов обслуживания называет-ся обслуживающей системой.

В систему массового обслуживания поступает большое коли-чество заявок в случайные моменты времени, длительность обслу-живания которых также является случайной величиной. Последо-вательное поступление заявок в систему обслуживания называет-ся входящим потоком заявок , а последовательность заявок, покидающих систему обслуживания, — выходящим потоком .

Если максимальная длина очереди L max = 0 , то СМО является системой без очередей.

Если L max = N 0 , где N 0 >0 - некоторое положительное число, то СМО является системой с ограниченной очередью.

Если L max → ∞, то СМО является системой с бесконечной очередью.

Случайный характер распределения длительности выполне-ния операций обслуживания, наряду со случайным характером поступления требований на обслуживание, приводит к тому, что в каналах обслуживания протекает случайный процесс, который может быть назван (по аналогии с входным потоком заявок) потоком обслуживания заявок или просто потоком обслуживания .

Заметим, что заявки, поступающие в систему обслуживания, могут покинуть ее и будучи не обслуженными. Например, если покупатель не найдет в магазине нужный товар, то он покидает магазин, будучи не обслуженным. Покупатель может покинуть магазин также, если нужный товар имеется, но большая очередь, а покупатель не располагает временем.

Теория массового обслуживания занимается изучением про-цессов, связанных с массовым обслуживанием, разработкой ме-тодов решения типичных задач массового обслуживания.

При исследовании эффективности работы системы обслужи-вания важную роль играют различные способы расположения в системе каналов обслуживания.

При параллельном расположении каналов обслуживания тре-бование может быть обслужено любым свободным каналом.

Примером такой системы обслуживания является расчетный узел в магазинах самообслуживания, где число каналов обслужи-вания совпадает с числом кассиров-контролеров.

На практике часто обслуживание одной заявки осуществля-ется последовательно несколькими каналами обслуживания .

При этом очередной канал обслуживания начинает работу по обслуживанию заявки после того, как предыдущий канал закончил свою работу. В таких системах процесс обслуживания носит многофазовый характер , обслуживание заявки одним каналом называется фазой обслуживания . Например, если в магазине са-мообслуживания имеются отделы с продавцами, то покупатели сначала обслуживаются продавцами, а потом уже кассирами-контролерами.

Организация системы обслуживания зависит от воли челове-ка. Под качеством функционирования системы в теории массо-вого обслуживания понимают не то, насколько хорошо выполне-но обслуживание, а то, насколько полно загружена система об-служивания, не простаивают ли каналы обслуживания, не образуется ли очередь .

Работу системы обслуживания характеризуют такие показате-ли, как время ожидания начала обслуживания, длина очереди, возможность получения отказа в обслуживании, возможность простоя каналов обслуживания, стоимость обслуживания и в ко-нечном итоге удовлетворение качеством обслуживания.

Чтобы улучшить качество функционирования системы об-служивания, необходимо определить, каким образом распреде-лить поступающие заявки между каналами обслуживания, какое количество каналов обслуживания необходимо иметь, как распо-ложить или сгруппировать каналы обслуживания или обслужива-ющие аппараты для улучшения показателей. Для решения перечисленных задач существует эффек-тивный метод моделирования, включающий и объединяющий достижения разных наук, в том числе математики.

Потоки событий.

Переходы СМО из одного состояния в другое происходят под воздействием вполне определенных событий — поступле-ния заявок и их обслуживания. Последовательность появления событий, следующих одно за другим в случайные моменты вре-мени, формирует так называемый поток событий .

Примерами таких потоков являются потоки различной природы — потоки товаров, денег, документов; транспортные потоки; потоки клиентов, покупателей; потоки телефонных звонков, переговоров и др. По-ведение системы обычно определяется не одним, а сразу не-сколькими потоками событий. Например, обслуживание поку-пателей в магазине определяется потоком покупателей и пото-ком обслуживания; в этих потоках случайными являются моменты появления покупателей, время ожидания в очереди и время, затрачиваемое на обслуживание каждого покупателя.

При этом основной характерной чертой потоков является веро-ятностное распределение времени между соседними события-ми. Существуют различные потоки, которые отличаются свои-ми характеристиками.

Поток событий называется регулярным , если в нем события следуют одно за другим через заранее заданные и строго опреде-ленные промежутки времени. Такой поток является идеальным и очень редко встречается на практике. Чаще встречаются нерегу-лярные потоки, не обладающие свойством регулярности.

Поток событий называется стационарным, если вероятность попадания любого числа событий на промежуток времени зави-сит только от длины этого промежутка и не зависит от того, как далеко расположен этот промежуток от начала отсчета времени.

То есть стационарным называется поток , для которого математическое ожидание числа требований, поступающих в систему в единицу времени (обозначим λ), не меняется во времени. Таким образом, вероятность поступления в систему определен-ного количества требований в течение заданного промежутка времени?t зависит от его величины и не зависит от начала его отсчета на оси времени.

Стационарность потока означает независимость от времени его вероятностных характеристик; в частности, интенсивность тако-го потока есть среднее число событий в единицу времени и оста-ется величиной постоянной. На практике обычно потоки могут считаться стационарными только на некотором ограниченном промежутке времени. Обычно поток покупателей, например, в магазине существенно меняется в течение рабочего дня. Однако можно выделить определенные временные интервалы, внутри которых этот поток допустимо рассматривать как стационарный, имеющий постоянную интенсивность.

Отсутствие последействия означает, что число требова-ний, поступивших в систему до момента t, не определяет того, сколько требований поступит в систему за промежуток вре-мени от t до t+?t.

Например, если на ткацком станке в данный момент произошел обрыв нити, и он устранен ткачихой, то это не оп-ределяет, произойдет новый обрыв на данном станке в следующий момент или нет, тем более это не влияет на веро-ятность возникновения обрыва на других станках.

Поток событий называется потоком без последствия , если число событий, попадающих на один из произвольно выбран-ных промежутков времени, не зависит от числа событий, попавших на другой, также произвольно выбранный промежуток, при условии, что эти промежутки не пересекаются между собой.

В потоке без последствия события появляются в последовательные моменты времени независимо друг от друга. Например, поток покупателей, входящих в магазин, можно считать потоком без последствия потому, что причины, обусловившие приход каждо-го из них, не связаны с аналогичными причинами для других по-купателей.

Поток событий называется ординарным , если вероятность по-падания на очень малый отрезок времени сразу двух или более событий пренебрежимо мала по сравнению с вероятностью попа-дания только одного события.

Другими словами, ординарность потока означает практическую невозмож-ность одновременного поступления двух и более требований. Например, достаточно малой является вероятность того, что из группы станков, обслуживаемых бригадой ремонтников, одновременно выйдут из строя сразу несколько станков. В ординарном потоке события происходят поодиночке, а не по два (или более) сразу.

Если поток одновременно обладает свойствами стационарнос-ти, ординарности и отсутствием последствия , то такой поток назы-вается простейшим (или пуассоновским) потоком событий .

Мате-матическое описание воздействия такого потока на системы ока-зывается наиболее простым. Поэтому, в частности, простейший поток играет среди других существующих потоков особую роль.

Методы и модели, применяющиеся в теории массового обслуживания (ТМО), можно условно разделить на АНАЛИТИЧЕСКИЕ и ИМИТАЦИОННЫЕ.

Аналитические методы теории массового обслуживания позволяют получить характеристики системы как некото-рые функции параметров ее функционирования. Благодаря этому появляется возможность проводить качественный анализ влияния отдельных факторов на эффективность работы СМО.

Имитационные методы основаны на моделировании процес-сов массового обслуживания на ЭВМ и применяются, если невозможно применение аналитических моделей.

В настоящее время теоретически наиболее разработаны и удобны в практических приложениях методы решения та-ких задач массового обслуживания, в которых входящий поток требований является простейшим (пуассоновским).

Для простейшего потока частота поступления требований в систему подчиняется закону Пуассона, т.е. вероятность по-ступления за время t ровно k требований задается формулой:

Важная характеристика СМО — время обслуживания требований в системе.

Время обслуживания одного требования является, как правило, случайной величиной и, следователь-но, может быть описано законом распределения.

Наибольшее распространение в теории и особенно в практических прило-жениях получил экспоненциальный закон распределения времени обслуживания . Функция распределения для этого закона имеет вид:

F(t) = 1 - e - μ t , (2)

т.е. вероятность того, что время обслуживания не превосхо-дит некоторой величины t, определяется формулой (2), где μ — параметр экспоненциального закона распределения времени обслуживания требований в системе. То есть μ - это величина, обратная среднему времени обслуживания ? o6 . :

μ = 1/ ? o6 . (3)

Кроме понятия простейшего потока событий часто приходит-ся пользоваться понятиями потоков других типов.

Поток собы-тий называется потоком Пальма , когда в этом потоке промежутки времени между последовательными событиями T1, T2, ..., Тn являются независимыми, одинаково распределенными, слу-чайными величинами, но в отличие от простейшего потока необязательно распределенными по показательному закону.

Про-стейший поток является частным случаем потока Пальма.

Важным частным случаем потока Пальма является так назы-ваемый поток Эрланга . Этот поток получается «прореживанием» простейшего потока. Такое «прореживание» производится путем отбора по определенному правилу событий из простейшего пото-ка. Например, условившись учитывать только каждое второе со-бытие из образующих простейший поток, мы получим поток Эрланга второго порядка. Если брать только каждое третье событие, то образуется поток Эрланга третьего порядка и т.д. Можно полу-чить потоки Эрланга любого k-го порядка. Очевидно, простей-ший поток есть поток Эрланга первого порядка.

КЛАССИФИКАЦИЯ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ.

Любое исследование системы массового обслуживания (СМО) начи-нается с изучения того, что необходимо обслуживать, следова-тельно, с изучения входящего потока заявок и его характеристик.

1. В зависимости от условий ожидания начала обслуживания различают:

СМО с потерями (отказами),

СМО с ожиданием.

В СМО с отказами требования, поступающие в момент, когда все каналы обслуживания заняты, получают отказ и теряются. Классическим примером системы с отказами явля-ется телефонная станция. Если вызываемый абонент занят, то требование на соединение с ним получает отказ и теряется.

В СМО с ожиданием требование, застав все обслуживаю-щие каналы занятыми, становится в очередь и ожидает, пока не освободится один из обслуживающих каналов.

СМО, допускающие очередь, но с ограниченным числом требований в ней, называются системами с ограниченной длиной очереди .

СМО, допускающие очередь , но с ограниченным сроком пребывания каждого требования в ней, называются систе-мами с ограниченным временем ожидания.

2. По числу каналов обслуживания СМО делятся на

- одноканальные ;

- многоканальные .

3. По месту нахождения источника требований

СМО делятся на:

- разомкнутые , когда источник требования находится вне системы;

- замкнутые , когда источник находится в самой системе.

Примером разомкнутой системы может служить мастерская по обслуживанию и ремонту бытовой техники. Здесь неисправные устройства — это источник требований на их обслуживание, находятся вне самой системы, число требований можно считать неограни-ченным.

К замкнутым СМО относится, например, станочный участок, в котором станки являются источником неисправностей, и, следовательно, источником требований на их обслу-живание , например, бригадой наладчиков.

Возможны и другие признаки классификации СМО, на-пример, по дисциплине обслуживания , однофазные и многофазные СМО и др.

3. МОДЕЛИ СМО. ПОКАЗАТЕЛИ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ СМО.

Рассмотрим аналитические модели наиболее распростра-ненных СМО с ожиданием, т.е. таких СМО, в которых требо-вания, поступившие в момент, когда все обслуживающие ка-налы заняты, ставятся в очередь и обслуживаются по мере освобождения каналов.

ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ СОСТОИТ В СЛЕДУЮЩЕМ.

Система имеет n обслуживающих каналов , каждый из которых может одновременно обслуживать только одно требование.

В систему поступает простейший (пуассоновский) поток требований с параметром λ .

Если в момент поступления оче-редного требования в системе на обслуживании уже находится не меньше n требований (т.е. все каналы заняты), то это требование становится в очередь и ждет начала обслуживания.

Время обслуживания каждого требования t об. — случайная величина, которая подчиняется экспоненциальному за-кону распределения с параметром μ .

СМО С ОЖИДАНИЕМ МОЖНО РАЗБИТЬ НА ДВЕ БОЛЬШИЕ ГРУППЫ: ЗАМКНУТЫЕ И РАЗОМКНУТЫЕ.

К замкнутым относятся системы, в которых поступающий поток требований возникает в самой системе и ограничен .

Например, мастер, задачей кото-рого является наладка станков в цехе, должен периодически их обслуживать. Каждый налаженный станок становится потенциальным источником требований на накладку. В по-добных системах общее число циркулирующих требования конечно и чаще всего постоянно.

Если питающий источник обладает бесконечным числом требований , то системы называются разомкнутыми.

Приме-рами подобных систем могут служить магазины, кассы вокза-лов, портов и др. Для этих систем поступающий поток требо-ваний можно считать неограниченным.

Отмеченные особенности функционирования систем этих двух видов накладывают определенные условия на исполь-зуемый математический аппарат. Расчет характеристик работы СМО различного вида может быть проведен на основе расчета вероятностей состояний СМО (так называемые фор-мулы Эрланга ).

1. 1. РАЗОМКНУТАЯ СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ С ОЖИДАНИЕМ.

Рассмотрим алгоритмы расчета показателей качества функционирования разомкнутой СМО с ожиданием.

При изучении таких систем рассчитывают различные по-казатели эффективности обслуживающей системы. В каче-стве основных показателей могут быть вероятность того, что все каналы свободны или заняты, математическое ожидание длины очереди (средняя длина очереди), коэффициенты за-нятости и простоя каналов обслуживания и др.

Введем в рассмотрение параметр α = λ/μ . Заметим, что если выполняется неравенство α / n < 1, то очередь не может расти безгранично.

Это условие имеет следующий смысл: λ — среднее число требо-ваний, поступающих за единицу времени , 1/μ — среднее время обслуживания одним каналом одного требования, тогда α = λ (1/ μ) — среднее число каналов, которое необходимо иметь, чтобы обслуживать в единицу времени все поступаю-щие требования. Тогда μ - среднее число требований, обслуживаемых одним каналом за единицу времени.

Поэтому условие: α / n < 1, означает, что чис-ло обслуживающих каналов должно быть больше среднего числа каналов, необходимых для того, чтобы за единицу времени обслужить все поступившие требования .

ВАЖНЕЙ-ШИЕ ХАРАКТЕРИСТИКИ РАБОТЫ СМО (для разомкнутой системы массового обслуживания с ожиданием ):

1. Вероятность P 0 того, что все обслуживающие каналы сво-бодны:

2. Вероятность P k того, что занято ровно k обслуживающих каналов при условии, что общее число требований, находя-щихся на обслуживании, не превосходит числа обслуживающих аппаратов, то есть при 1 ≤ k ≤ n :

3. Вероятность P k того, что в системе находится k требований в случае, когда их число больше числа обслуживающих каналов, то есть при k > n :

4. Вероятность Pn того, что все обслуживающие каналы заняты:

5. Среднее время ожидания требованием начала обслу-живания в системе:

6. Средняя длина очереди:

7. Среднее число свободных от обслуживания каналов:

8. Коэффициент простоя каналов:

9. Среднее число занятых обслуживанием каналов:

10. Коэффициент загрузки каналов

Фирма по обслуживанию и ремонту бытовой техники и электроники имеет филиал: мастерскую по ремонту мобильных телефонов, в которой работает n = 5 опытных мастеров. В среднем в течение рабочего дня от населения поступает в ремонт λ =10 мобильных телефонов. Общее число мобильных телефонов, находящихся в эксплуатации у населения, очень велико, и они независимо друг от друга в различное время выходят из строя. Поэтому есть основания считать, что поток заявок на ремонт ап-паратуры является случайным, пуассоновским. В свою оче-редь каждый мобильный телефон в зависимости от характера неисправ-ности также требует различного случайного времени на ре-монт. Время на проведение ремонта зависит во многом от серьезности полученного повреждения, квалификации мас-тера и множества других причин. Пусть статистика показа-ла, что время ремонта подчиняется экспоненциальному за-кону; при этом в среднем в течение рабочего дня каждый из мастеров успевает отремонтировать μ = 2,5 мобильных телефона.

Требуется оценить работу филиала фирмы по ремонту -бытовой техники и электроники, рассчитав ряд основных характеристик данной СМО.

За единицу времени принимаем 1 рабочий день (7 часов).

1. Определим параметр

α = λ / μ = 10/ 2,5 = 4.

Так как α < n = 5, то можно сделать вывод: очередь не может расти безгранично.

2. Вероятность P 0 того, что все мастера свободны от ремонта аппаратуры, равна согласно (4):

P0 = (1 + 4 + 16/2 + 64/3! + 256/4! + 1024/5!(1- 4/5)) -1 = (77) -1 ≈ 0,013.

3. Вероятность P5 того, что все мастера заняты ремонтом, находим по формуле (7) (Pn при n=5):

P5 = P0 1024 /5! (1-4/5) = P0 256 /6 ≈ 0,554.

Это означает, что 55,4% времени мастера полностью за-гружены работой.

4. Среднее время обслуживания (ремонта) одного аппарата согласно формуле (3):

? o6. = 1/ μ = 7/2,5 = 2,8 ч./аппарат (важно: единица времени - 1 рабочий день, т. е. 7 часов).

5. В среднем время ожидания каждого неисправного мобильного телефона начала ремонта равно по формуле (8):

Ож. = Pn/(μ (n-α)) = 0,554 2,8/(5 - 4) =1,55 часа.

6. Очень важной характеристикой является средняя длина очереди, которая определяет необходимое место для хранения аппаратуры, требующей ремонта; находим ее по формуле (9):

Оч. = 4 P5/ (5-4) ≈ 2,2 моб. телефона.

7. Определим среднее число мастеров, свободных от ра-боты, по формуле (10):

Ñ0 = P0 (5 + 16 + 24+ 64/3 + 32/3) = P0 77 ≈ 1 мастер.

Таким образом, в среднем в течение рабочего дня ремонтом заняты четыре мастера из пяти.

1. 2. ЗАМКНУТАЯ СИСТЕМА МАССОВОГО ОБСЛУЖИВАНИЯ.

Перейдем к рассмотрению алгоритмов расчета характери-стик функционирования замкнутых СМО.

Поскольку система замкнутая, то к постановке задачи следует добавить условие: поток поступающих требований ограничен, т.е. в системе обслуживания одновременно не может находиться больше m требований (m — число обслуживаемых объектов).

За критерий, характеризующий качество функциониро-вания рассматриваемой системы, выберем отношение средней длины очереди к наибольшему числу требований, находя-щихся одновременно в обслуживающей системе — коэффици-ент простоя обслуживаемого объекта .

В качестве другого критерия возьмем отношение среднего числа незанятых об-служивающих каналов к их общему числу — коэффициент простоя обслуживаемого канала .

Первый из названных критериев характеризует потери времени из-за ожидания начала обслуживания ; второй по-казывает полноту загрузки обслуживающей системы .

Очевидно, что очередь может возникнуть, лишь когда число каналов обслуживания меньше наибольшего числа требований, нахо-дящихся одновременно в обслуживающей системе (n < m).

Приведем последовательность расчетов характеристик замкнутых СМО и необходимые формулы.

ПАРАМЕТРЫ ЗАМКНУТЫХ СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ.

1. Определим параметр α = λ / μ — показатель загрузки системы , то есть математическое ожидание числа требований, поступающих в систему за время, равное средней длитель-ности обслуживания (1/μ = ?o6.).

2. Вероятность P k того, что занято k обслуживающих каналов при условии, что число требований, находящихся в системе, не превосходит числа обслуживающих каналов системы (то есть при m ≤ n ) :

3. Вероятность P k того, что в системе находится k требований для случая, когда их число больше числа обслуживающих каналов (то есть при k > n , при этом k ≤ m ):

4. Вероятность P 0 того, что все обслуживающие каналы сво-бодны, определим, используя очевидное условие:

Тогда величина P 0 будет равна:

5. Среднее число M оч. требований, ожидающих начала обслу-живания (средняя длина очереди):

Или с учетом формулы (15)

6. Коэффициент простоя обслуживаемого требования (объекта):

7. Среднее число M требований, находящихся в обслуживаю-щей системе, обслуживаемых и ожидающих обслуживания:

где для вычислений первой и второй суммы применяются формулы (14) и (15) соответственно.

8. Среднее число свободных обслуживающих каналов

где P k вычисляется по формуле (14).

9. Коэффициент простоя обслуживающего канала

Рассмотрим пример расчета характеристик замкнутой СМО.

Рабочий обслуживает группу автоматов, состоя-щую из 3 станков. Поток поступающих требований на обслу-живание станков является пуассоновским с параметром λ = 2 ст./ч.

Обслуживание одного станка занимает у рабочего в среднем 12 минут, а время обслуживания подчинено экспоненци-альному закону.

Тогда 1/μ = 0,2 ч./ст., т.е. μ = 5 ст./ч., Параметр α = λ/μ = 0,4.

Необходимо определить среднее число автоматов, ожи-дающих обслуживания, коэффициент простоя автомата, ко-эффициент простоя рабочего.

Обслуживающим каналом здесь является рабочий; так как станки обслуживает один рабочий, то n = 1 . Общее число требований не может пре-взойти числа станков, т.е. m = 3 .

Система может находиться в четырех различных состоя-ниях: 1) все станки работают; 2) один стоит и обслуживается рабочим, а два работают; 3) два стоят, один обслуживается, один ждет обслуживания; 4) три стоят, из них один обслу-живается, а два ждут очереди.

Для ответа на поставленные вопросы можно воспользо-ваться формулами (14) и (15).

P1 = P0 6 0,4/2 = 1,2 P0;

P2 = P0 6 0,4 0,4 = 0,96 P0;

P3 = P0 6 0,4 0,4 0,4= 0,384 P0;

Сведем вычисления в таблицу (рис. 1).

		∑P k /P 0 = 3,5440		∑ (k-n)P k = 0,4875	∑k P k = 1,2053

Рис. 1. Вычисление характеристик замкнутой СМО.

В этой таблице первым вычисляется третий столбец, т.е. отношения P k /P 0 при k = 0,1,2,3.

Затем, суммируя величины по третьему столбцу и учитывая, что ∑ P k = 1, получаем 1/P 0 = 3,544. Откуда Р 0 ≈ 0,2822.

Умножая значения, стоящие в третьем столбце, на Р 0 , получаем в соответствующих строках значения четвертого столбца.

Величина Р 0 = 0,2822, рав-ная вероятности того, что все автоматы работают, может быть истолкована как вероятность того, что рабочий свобо-ден. Получается, что в рассматриваемом случае рабочий будет свободен более 1/4 всего рабочего времени. Однако это не оз-начает, что «очередь» станков, ожидающих обслуживания, всегда будет отсутствовать. Математическое ожидание числа автоматов, стоящих в очереди, равно

Суммируя значения, стоящие в пятом столбце таблицы, получим среднюю длину очереди M оч. = 0,4875. Следова-тельно, в среднем из трех станков 0,49 станка будет про-стаивать в ожидании, пока освободится рабочий.

Суммируя значения, стоящие в шестом столбце таблицы, получим математическое ожи-дание числа простаивающих станков (ремонтируемых и ожидающих ремонта): М = 1,2053. То есть в среднем 1,2 станка не будет выдавать продукцию.

Ко-эффициент простоя станка равен К пр.об. = M оч. /3 = 0,1625. То есть каждый станок простаивает примерно 0,16 часть рабо-чего времени в ожидании, пока рабочий освободится.

Коэффициент простоя рабочего в данном случае совпадает с P 0 , так как n = 1 (все обслуживающие каналы свободны), поэтому

К пр.кан. = N 0 /n = 0,2822.

Абчук В.А. Экономико-математические методы: Элементарная математика и логика. Методы исследования операций. - СПб.: Союз, 1999. - 320.

Елтаренко Е.А. Исследование операций (системы массового обслуживания, теория игр, модели управления запасами). Учебное пособие. - М.: МИФИ, 2007. - С. 157.

Фомин Г. П. Математические методы и модели в коммерческой дея-тельности: Учебник. — 2-е изд., перераб. и доп. — М.: Финан-сы и статистика, 2005. — 616 с: ил.

Шелобаев С. И. Математические методы и модели в экономике, финансах, бизнесе: Учеб. пособие для вузов. — М.: ЮНИТИ- ДАНА, 2001. - 367 с.

Экономико-математические методы и прикладные модели: Учебное пособие для вузов/ В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов и др.; Под ред. В.В. Федосеева. — М.: ЮНИТИ, 1999. - 391 с.

23 октября 2013 в 14:22

Squeak: Моделирование систем массового обслуживания

• Программирование ,
• ООП ,
• Параллельное программирование

На Хабре крайне мало информации о таком языке программирования как Squeak . Я попытаюсь рассказать о нем в контексте моделирования систем массового обслуживания . Покажу как написать простой класс, расскажу его структуру и использую его в программе, которая будет обслуживать заявки посредством нескольких каналов.

Пару слов о Squeak

Squeak это открытая, кросс-платформенная реализация языка программирования Smalltalk-80 c динамической типизацией и сборщиком мусора. Интерфейс довольно специфический, но вполне удобный для отладки и анализа. Squeak полностью отвечает концепции ООП. Все состоит из объектов, даже конструкции if-then-else, for, while реализованы с их помощью. Весь синтаксис сводится к посылке объекту сообщения в виде:

<объект> <сообщение>

Любой метод всегда возвращает объект и ему можно направить новое сообщение.
Squeak часто используется для моделирования процессов, но может использоваться и как средство для создания мультимедийных приложений и разнообразных образовательных платформ.

Системы массового обслуживания

Системы массового обслуживания (СМО) содержат один или несколько каналов которые обрабатывают заявки, поступающие от нескольких источников. Время на обслуживание каждой заявки может быть фиксированным или произвольным, как и интервалы между их поступлением. Это может быть телефонная станция, прачечная, кассиры в магазине, машинописное бюро и пр. Выглядит это примерно так:

СМО включает несколько источников которые поступают в общую очередь и направляются на обслуживание по мере освобождения каналов обработки. В зависимости от конкретных особенностей реальных систем модель может содержать различное число источников заявок и каналов обслуживания и иметь различные ограничения на длину очереди и связанную с ней возможность потери заявок (отказов).

При моделировании СМО обычно решаются задачи оценки средней и максимальной длины очереди, частоты отказов в обслуживании, средней загрузки каналов, определение их числа. В зависимости от задачи, в модель включаются программные блоки сбора, накопления и обработки необходимых статистических данных о поведении процессов. Наиболее часто используемыми моделями потоков событий при анализе СМО являются регулярные и пуассоновские. Регулярные характеризуются одинаковым временем между наступлениями событий, а пуассоновские - случайным.

Немного математики

Для пуассоновского потока число событий X , попадающих в интервал длины τ (тау), примыкающий к точке t , распределено по закону Пуассона:
где a (t, τ) - среднее число событий, наступающих на интервале времени τ .
Среднее число событий, наступающих в единицу времени, равно λ(t) . Следовательно, среднее число событий на интервале времени τ , примыкающему к моменту времени t , будет равно:

Время T между двумя событиями при λ(t) = const = λ распределено по закону:
Плотность распределения случайной величины T имеет вид:
Для получения псевдослучайных пуассоновских последовательностей интервалов времени t i решают уравнение:
где r i - равномерно распределенное на интервале случайное число.
В нашем случае это дает выражение:

По генерации случайных чисел можно писать целые тома. Здесь же, для генерации равномерно распределенных на интервале целых чисел используем следующий алгоритм:
где R i - очередное случайное целое число;
Р - некоторое большое простое число (например 2311);
Q - целое число - верхняя граница интервала, например, 2 21 = 2097152;
rem - операция получения остатка от деления целых чисел.

Начальное значение R 0 обычно задают произвольно, например, используя показания таймера:
Time totalSeconds
Для получения равномерно распределенных на интервале чисел воспользуемся оператором языка:

Класс Rand

Для получения равномерно распределенных на интервале случайных чисел создаем класс - генератор вещественных чисел:

Float variableWordSubclass: #Rand "имя класса" instanceVariableNames: "" "переменные экземпляра" classVariableNames: "R" "переменные класса" poolDictionaries: "" "общие словари" category: "Sample" "имя категории"
Методы:

"Инициализация" init R:= Time totalSeconds.next "Следующее псевдослучайное число" next R:= (R * 2311 + 1) rem: 2097152. ^(R/2097152) asFloat
Для установки начального состояния датчика посылаем сообщение Rand init .
Для получения очередного случайного числа посылаем Rand next .

Программа обработки заявок

Итак, в качестве простенького примера сделаем следующее. Пусть нам необходимо промоделировать обслуживание регулярного потока заявок от одного источника со случайным интервалом времени между заявками. Имеется два канала различной производительности, позволяющих обслуживать заявки за 2 и 7 единиц времени соответственно. Необходимо зарегистрировать число заявок, обслуженных каждым каналом на интервале 100 единиц времени.

Код на Squeak

"Объявление временных переменных" | proc1 proc2 t1 t2 s1 s2 sysPriority queue continue r | "Начальные установки переменных" Rand init. SysTime:= 0. s1:= 0. s2:= 0. t1:= -1. t2:= -1. continue:= true. sysPriority:= Processor activeProcess priority. "Текущий приоритет" queue:= Semaphore new. "Модель очереди заявок" "Создание процесса - модели канала 1" (Process forContext: [ proc1:= Processor activeProcess. whileTrue: "Цикл обслуживания" [ queue wait. "Ждать заявку" t1:= SysTime + 2. "Следующее время активизации" s1:= s1 + 1. proc1 suspend. "Приостановить процесс в ожидании окончания обслуживания" ]. proc1:= nil. "Удалить ссылку на процесс 1" ] priority: (sysPriority + 1)) resume. "Новый приоритет больше фонового" "Создание процесса - модели канала 2" (Process forContext: [ proc2:= Processor activeProcess.. whileTrue: [ queue wait. t2:= SysTime + 7. s2:= s2 + 1. proc2 suspend. ]. proc2:= nil. ] priority: (sysPriority + 1)) resume. "Продолжение описания главного процесса и модели источника" whileTrue: [ r:= (Rand next * 10) rounded. (r = 0) ifTrue: . ((SysTime rem: r) = 0) ifTrue: . "Послать заявку" "Коммутатор процессов обслуживания" (t1 = SysTime) ifTrue: . (t2 = SysTime) ifTrue: . SysTime:= SysTime + 1. "Тикает модельное время" ]. "Показать состояние счетчика заявок" PopUpMenu inform: "proc1: ",(s1 printString),", proc2: ",(s2 printString). continue:= false.

При запуске видим, что процесс 1 успел обработать 31 заявку, а процесс 2 только 11:

Ниже будут рассмотрены примеры простейших систем массового обслуживания (СМО). Понятие «простейшие» не означает «элементарные». Математические модели этих систем применимы и успешно используются в практических расчетах.

Одноканальная смо с отказами

Дано : система имеет один канал обслуживания, на который поступает простейший поток заявок с интенсивностью. Поток обслуживаний имеет интенсивность. Заявка, заставшая систему занятой, сразу же покидает ее.

Найти : абсолютную и относительную пропускную способность СМО и вероятность того, что заявка, пришедшая в момент времени t, получит отказ.

Система при любом t > 0 может находиться в двух состояниях:S 0 – канал свободен;S 1 – канал занят. Переход изS 0 вS 1 связан с появлением заявки и немедленным началом ее обслуживания. Переход изS 1 вS 0 осуществляется, как только очередное обслуживание завершится (рис.4).

Рис.4. Граф состояний одноканальной СМО с отказами

Выходные характеристики (характеристики эффективности) этой и других СМО будут даваться без выводов и доказательств.

Абсолютная пропускная способность (среднее число заявок, обслуживаемых в единицу времени):

где – интенсивность потока заявок (величина, обратная среднему промежутку времени между поступающими заявками -);

–интенсивность потока обслуживаний (величина, обратная среднему времени обслуживания )

Относительная пропускная способность (средняя доля заявок, обслуживаемых системой):

Вероятность отказа (вероятность того, что заявка покинет СМО необслуженной):

Очевидны следующие соотношения: и.

Пример . Технологическая система состоит из одного станка. На станок поступают заявки на изготовление деталей в среднем через 0,5 часа. Среднее время изготовления одной детали равно. Если при поступлении заявки на изготовление детали станок занят, то она (деталь) направляется на другой станок. Найти абсолютную и относительную пропускную способности системы и вероятность отказа по изготовлению детали.

Т.е. в среднем примерно 46 % деталей обрабатываются на этом станке.

.

Т.е. в среднем примерно 54 % деталей направляются на обработку на другие станки.

N – канальная смо с отказами (задача Эрланга)

Это одна из первых задач теории массового обслуживания. Она возникла из практических нужд телефонии и была решена в начале 20 века датским математиком Эрлангом.

Дано : в системе имеетсяn – каналов, на которые поступает поток заявок с интенсивностью. Поток обслуживаний имеет интенсивность. Заявка, заставшая систему занятой, сразу же покидает ее.

Найти : абсолютную и относительную пропускную способность СМО; вероятность того, что заявка, пришедшая в момент времениt , получит отказ; среднее число заявок, обслуживаемых одновременно (или, другими словам, среднее число занятых каналов).

Решение . Состояние системыS (СМО) нумеруется по максимальному числу заявок, находящихся в системе (оно совпадает с числом занятых каналов):

S 0 – в СМО нет ни одной заявки;

S 1 – в СМО находится одна заявка (один канал занят, остальные свободны);

S 2 – в СМО находится две заявки (два канала заняты, остальные свободны);

S n – в СМО находитсяn – заявок (всеn – каналов заняты).

Граф состояний СМО представлен на рис. 5

Рис.5 Граф состояний для n – канальной СМО с отказами

Почему граф состояний размечен именно так? Из состояния S 0 в состояниеS 1 систему переводит поток заявок с интенсивностью(как только приходит заявка, система переходит изS 0 вS 1). Если система находилась в состоянииS 1 и пришла еще одна заявка, то она переходит в состояниеS 2 и т.д.

Почему такие интенсивности у нижних стрелок (дуг графа)? Пусть система находится в состоянии S 1 (работает один канал). Он производитобслуживаний в единицу времени. Поэтому дуга перехода из состоянияS 1 в состояниеS 0 нагружена интенсивностью. Пусть теперь система находится в состоянииS 2 (работают два канала). Чтобы ей перейти вS 1 , нужно, чтобы закончил обслуживание первый канал, либо второй. Суммарная интенсивность их потоков равнаи т.д.

Выходные характеристики (характеристики эффективности) данной СМО определяются следующим образом.

Абсолютная пропускная способность :

где n – количество каналов СМО;

–вероятность нахождения СМО в начальном состоянии, когда все каналы свободны (финальная вероятность нахождения СМО в состоянии S 0);

Рис.6. Граф состояний для схемы «гибели и размножения»

Для того, чтобы написать формулу для определения , рассмотрим рис.6

Граф, представленный на этом рисунке, называют еще графом состояний для схемы «гибели и размножения». Напишем сначала для общую формулу (без доказательства):

Кстати, остальные финальные вероятности состояний СМО запишутся следующим образом.

S 1 , когда один канал занят:

Вероятность того, что СМО находится в состоянии S 2 , т.е. когда два канала заняты:

Вероятность того, что СМО находится в состоянии S n , т.е. когда все каналы заняты.

Теперь для n – канальной СМО с отказами

Относительная пропускная способность:

Напомним, что это средняя доля заявок, обслуживаемых системой. При этом

Вероятность отказа :

Напомним, что это вероятность того, что заявка покинет СМО необслуженной. Очевидно, что .

Среднее число занятых каналов (среднее число заявок, обслуживаемых одновременно):

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.

Случайный характер распределения длительности выполнения операций обслуживания наряду со случайным характером поступления требований на обслуживание приводит к тому, что в каналах обслуживания протекает случайный процесс, который "может быть назван (по аналогии с входным потоком заявок) потоком обслуживания заявок или просто потоком обслуживания.

Заметим, что заявки, поступающие в систему обслуживания, могут покинуть ее и будучи не обслуженными. Например, если покупатель не найдет в магазине нужный товар, то он покидает магазин, будучи не обслуженным. Покупатель может покинуть магазин также, если нужный товар имеется, но большая очередь, а покупатель не располагает временем.

Теория массового обслуживания занимается изучением процессов, связанных с массовым обслуживанием, разработкой методов решения типичных задач массового обслуживания.

При исследовании эффективности работы системы обслуживания важную роль играют различные способы расположения в системе каналов обслуживания.

При параллельном расположении каналов обслуживания требование может быть обслужено любым свободным каналом. Примером такой системы обслуживания является расчетный узел в магазинах самообслуживания, где число каналов обслуживания совпадает с числом кассиров-контролеров.

На практике часто обслуживание одной заявки осуществляется последовательно несколькими каналами обслуживания. При этом очередной канал обслуживания начинает работу по обслуживанию заявки после того, как предыдущий канал закончил свою работу. В таких системах процесс обслуживания носит многофазовый характер, обслуживание заявки одним каналом называется фазой обслуживания. Например, если в магазине самообслуживания имеются отделы с продавцами, то покупатели сначала обслуживаются продавцами, а потом уже кассирами-контролерами.

Организация системы обслуживания зависит от воли человека. Под качеством функционирования системы в теории массового обслуживания понимают не то, насколько хорошо выполнено обслуживание, а то, насколько полно загружена система обслуживания, не простаивают ли каналы обслуживания, не образуется ли очередь.

В коммерческой деятельности заявки, поступающие в систему массового обслуживания, выступают с высокими претензиями еще и на качество обслуживания в целом, которое включает не только перечень характеристик, исторически сложившихся и рассматриваемых непосредственно в теории массового обслуживания, но и дополнительные характерные для специфики коммерческой деятельности, в частности отдельных процедур обслуживания, требования, к уровню которых к настоящему времени сильно возросли. В связи с этим необходимо учитывать еще и показатели коммерческой деятельности.

Работу системы обслуживания характеризуют такие показатели. Как время ожидания начала обслуживания, длина очереди, возможность получения отказа в обслуживании, возможность простоя каналов обслуживания, стоимость обслуживания и в конечном итоге удовлетворение качеством обслуживания, которое еще включает показатели коммерческой деятельности. Чтобы улучшить качество функционирования системы обслуживания, необходимо определить, каким образом распределить поступающие заявки между каналами обслуживания, какое количество каналов обслуживания необходимо иметь, как расположить или сгруппировать каналы обслуживания или обслуживающие аппараты для улучшения показателей коммерческой деятельности. Для решения перечисленных задач существует эффективный метод моделирования, включающий и объединяющий достижения разных наук, в том числе математики.

1.2 Моделирование систем массового обслуживания

Переходы СМО из одного состояния в другое происходят под воздействием вполне определенных событий - поступления заявок и их обслуживания. Последовательность появления событий, следующих одно за другим в случайные моменты времени, формирует так называемый поток событий. Примерами таких потоков в коммерческой деятельности являются потоки различной природы - товаров, денег, документов, транспорта, клиентов, покупателей, телефонных звонков, переговоров. Поведение системы обычно определяется не одним, а сразу несколькими потоками событий. Например, обслуживание покупателей в магазине определяется потоком покупателей и потоком обслуживания; в этих потоках случайными являются моменты появления покупателей, время ожидания в очереди и время, затрачиваемое на обслуживание каждого покупателя.

При этом основной характерной чертой потоков является вероятностное распределение времени между соседними событиями. Существуют различные потоки, которые отличаются своими характеристиками.

Поток событий называется регулярным, если в нем события следуют одно за другим через заранее заданные и строго определенные промежутки времени. Такой поток является идеальным и очень редко встречается на практике. Чаще встречаются нерегулярные потоки, не обладающие свойством регулярности.

Поток событий называется стационарным, если вероятность попадания любого числа событий на промежуток времени зависит только от длины этого промежутка и не зависит от того, как далеко расположен этот промежуток от начала отсчета времени. Стационарность потока означает независимость от времени его вероятностных характеристик, в частности, интенсивность такого потока есть среднее число событий в единицу времени и остается величиной постоянной. На практике обычно потоки могут считаться стационарными только на некотором ограниченном промежутке времени. Обычно поток покупателей, например, в магазине существенно меняется в течение рабочего дня. Однако можно выделить определенные временные интервалы, внутри которых этот поток допустимо рассматривать как стационарный, имеющий постоянную интенсивность.

Поток событий называется потоком без последствия, если число событий, попадающих на один из произвольно выбранных промежутков времени, не зависит от числа событий, попавших на другой, также произвольно выбранный промежуток, при условии, что эти промежутки не пересекаются между собой. В потоке без последствия события появляются в последовательные моменты времени независимо друг от друга. Например, поток покупателей, входящих в магазин, можно считать потоком без последствия потому, что причины, обусловившие приход каждого из них, не связаны с аналогичными причинами для других покупателей.

Поток событий называется ординарным, если вероятность попадания на очень малый отрезок времени сразу двух или более событий пренебрежимо мала по сравнению с вероятностью попадания только одного события. В ординарном потоке события происходят поодиночке, а не по два или более разу. Если поток одновременно обладает свойствами стационарности, ординарности и отсутствием последствия, то такой поток называется простейшим (или пуассоновским) потоком событий. Математическое описание воздействия такого потока на системы оказывается наиболее простым. Поэтому, в частности, простейший поток играет среди других существующих потоков особую роль.

Рассмотрим на оси времени некоторый промежуток времени t. Допустим, вероятность попадания случайного события на этот промежуток p, а полное число возможных событий - п. При наличии свойства ординарности потока событий вероятность р должна быть достаточно малой величиной, а я - достаточно большим числом, поскольку рассматриваются массовые явления. В этих условиях для вычисления вероятности попадания на промежуток времени t некоторого числа событий т можно воспользоваться формулой Пуассона:

P m, n = a m _e -a ; (m=0,n),

где величина а = пр - среднее число событий, попадающих на промежуток времени t, которое можно определить через интенсивность потока событий Xследующим образом: a= λ τ

Размерность интенсивности потока X есть среднее число событий в единицу времени. Между п и λ, р и τ имеется следующая связь:

где t- весь промежуток времени, на котором рассматривается действие потока событий.

Необходимо определить распределение интервала времени Т между событиями в таком потоке. Поскольку это случайная величина, найдем ее функцию распределения. Как известно из теории вероятностей, интегральная функция распределения F(t) есть вероятность того, что величина T будет меньше времени t.

По условию в течение времени T не должно произойти ни одного события, а на интервале времени t должно появиться хотя бы одно событие. Эта вероятность вычисляется с помощью вероятности противоположного события на промежутке времени (0; t), куда не попало ни одного события, т.е. m= 0, тогда

F(t)=1-P 0 =1-(a 0 *e -a)0!=1-e -Xt ,t≥0

Для малых ∆tможно получить приближенную формулу, получаемую заменой функции e - Xt , только двумя членами разложения в ряд по степеням ∆t, тогда вероятность попадания на малый промежуток времени ∆t хотя бы одного события составляет

P(T<∆t)=1-e - λ t ≈1- ≈ λΔt

Плотность распределения промежутка времени между двумя последовательными событиями получим, продифференцировав F(t) по времени,

f(t)= λe- λ t ,t≥0

Пользуясь полученной функцией плотности распределения, можно получить числовые характеристики случайной величины Т: математическое ожидание М (Т), дисперсию D(T) и среднее квадратическое отклонение σ(Т).

М(Т)= λ ∞ ∫ 0 t*e - λt *dt=1/ λ ; D(T)=1/ λ 2 ; σ(T)=1/ λ .

Отсюда можно сделать следующий вывод: средний интервал времени Т между любыми двумя соседними событиями в простейшем потоке в среднем равен 1/λ , и его среднее квадратическое отклонение также равно 1/λ, λ где, - интенсивность потока, т.е. среднее число событий, происходящих в единицу времени. Закон распределения случайной величины, обладающей такими свойствами М(Т) = Т, называется показательным (или экспоненциальным), а величина λ, является параметром этого показательного закона. Таким образом, для простейшего потока математическое ожидание интервала времени между соседними событиями равно его среднеквадратическому отклонению. В этом случае вероятность того, что число заявок, поступающих на обслуживание за промежуток времени t, равно к, определяется по закону Пуассона:

P k (t)=(λt) k / k! *e -λ t ,

где λ - интенсивность поступления потока заявок, среднее число событий в СМО за единицу времени, например[чел/мин; руб./час; чеков/час; докум./день; кг./час; т./год] .

Для такого потока заявок время между двумя соседними заявками Т распределено экспоненциально с плотностью вероятности:

ƒ(t)= λe - λ t .

Случайное время ожидания в очереди начала обслуживания t оч тоже можно считать распределенным экспоненциально:

ƒ (t оч)=V*e - v t оч,

где v - интенсивность потока прохода очереди, определяемая средним числом заявок, проходящих на обслуживание в единицу времени:

где Т оч - среднее время ожидания обслуживания в очереди.

Выходной поток заявок связан с потоком обслуживания в канале, где длительность обслуживания t обс является тоже случайной величиной и подчиняется во многих случаях показательному закону распределения с плотностью вероятности:

ƒ(t обс)=µ*е µ t обс,

где µ - интенсивность потока обслуживания, т.е. среднее число заявок, обслуживаемых в единицу времени:

µ=1/ t обс [чел/мин; руб./час; чеков/час; докум./день; кг./час; т./год] ,

где t обс - среднее время обслуживания заявок.

Важной характеристикой СМО, объединяющей показатели λи µ , является интенсивность нагрузки: ρ= λ/ µ, которая показывает степень согласования входного и выходного потоков заявок канала обслуживания и определяет устойчивость системы массового обслуживания.

Кроме понятия простейшего потока событий часто приходится пользоваться понятиями потоков других типов. Поток событий называется потоком Пальма, когда в этом потоке промежутки времени между последовательными событиями T 1 , T 2 , ..., Т k ..., Т n являются независимыми, одинаково распределенными, случайными величинами, нов отличие от простейшего потока не обязательно распределенными по показательному закону. Простейший поток является частным случаем потока Пальма.

Важным частным случаем потока Пальма является так называемый поток Эрланга.

Этот поток получается «прореживанием» простейшего потока. Такое «прореживание» производится путем отбора по определенному правилу событий из простейшего потока.

Например, условившись учитывать только каждое второе событие из образующих простейший поток, мы получим поток Эрланга второго порядка. Если брать только каждое третье событие, то образуется поток Эрланга третьего порядка и т.д.

Можно получить потоки Эрланга любого к-го порядка. Очевидно, простейший поток есть поток Эрланга первого порядка.

Любое исследование системы массового обслуживания начинается с изучения того, что необходимо обслуживать, следовательно, с изучения входящего потока заявок и его характеристик.

Поскольку моменты времени tи интервалы времени поступления заявок τ, затем продолжительность операций обслуживания t обс и время ожидания в очереди t оч, а также длина очереди l оч - случайные величины, то, следовательно, характеристики состояния СМО носят вероятностный характер, а для их описания следует применять методы и модели теории массового обслуживания.

Перечисленные выше характеристики к, τ, λ, L оч, Т оч, v, t обс, µ, р, Р k являются наиболее общими для СМО, которые являются обычно лишь некоторой частью целевой функции, поскольку необходимо учитывать еще и показатели коммерческой деятельности.

1.3 Графы состояний СМО

При анализе случайных процессов с дискретными состояниями и непрерывным временем удобно пользоваться вариантом схематичного изображения возможных состояний СMO (рис. 6.2.1) в виде графа с разметкой его возможных фиксированных состояний. Состояния СМО изображаются обычно либо прямоугольниками, либо кружками, а возможные направления переходов из одного состояния в другое ориентированы стрелками, соединяющими эти состояния. Например, размеченный граф состояний одноканальной системы случайного процесса обслуживания в газетном киоске приведен на рис. 1.3.

12

Рис. 1.3. Размеченный граф состояний СМО

Система может находиться в одном из трех состояний: S 0 -канал свободен, простаивает, S 1 - канал занят обслуживанием, S 2 - канал занят обслуживанием и одна заявка в очереди. Переход системы из состояния S 0 в S l происходит под воздействием простейшего потока заявок интенсивностью λ 01 а из состояния S l в состояние S 0 систему переводит поток обслуживания с интенсивностью λ 01 . Граф состояний системы обслуживания с проставленными интенсивностями потоков у стрелок называется размеченным. Поскольку пребывание системы в том или ином состоянии носит вероятностный характер, то вероятность:p i (t) того, что система будет находиться в состоянии S i в момент времени t, называется вероятностью i-го состояния СМО и определяется числом поступивших заявок k на обслуживание.

Случайный процесс, происходящий в системе, заключается в том, что в случайные моменты времени t 0 , t 1, t 2 ,..., t k ,..., t n система оказывается в том или другом заранее известном дискретном состоянии последовательно. Такая. случайная последовательность событий называется Марковской цепью, если для каждого шага вероятность перехода из одного состояния S t в любое другое Sjне зависит от того, когда и как система перешла в состояние S t . Описывается марковская цепь с помощью вероятности состояний, причем они образуют полную группу событий, поэтому их сумма равна единице. Если вероятность перехода не зависит от номера к, то марковская цепь называется однородной. Зная начальное состояние системы обслуживания, можно найти вероятности состояний для любого значения к-числа заявок поступивших на обслуживание.

1.4 Случайные процессы

Переход СМО из одного состояния в другое происходит случайным образом и представляет собой случайный процесс. Работа СМО - случайный процесс с дискретными состояниями, поскольку его возможные состояния во времени можно заранее перечислить. Причем переход из одного состояния в другое, происходит скачкообразно, в случайные моменты времени, по этому он называется процессом с непрерывным временем. Таким образом, работа СМО представляет собой случайный процесс с дискретными состояниями и непрерывным; временем. Например, в процессе обслуживания оптовых покупателей на фирме «Кристалл» в Москве можно фиксировать заранее все возможные состояния простейших. СМО, которые входят в весь цикл, коммерческого обслуживания от момента заключения договора на поставку ликероводочной продукции, ее оплаты, оформления документов, отпуска и получения продукции, догрузки и вывоза со склада готовой продукции.

Из множества разновидностей случайных процессов наибольшее распространение в коммерческой деятельности получили такие процессы, для которых в любой момент времени характеристики процесса в будущем зависят только от его состояния в настоящий момент и не зависят от предыстории - от прошлого. Например, возможность получения с завода «Кристалл» ликероводочной продукции зависит от наличия ее на складе готовой продукции, т.е. его состояния в данный момент, и не зависит от того, когда и как получали и увозили в прошлом эту продукцию другие покупатели.

Такие случайные процессы называются процессами без последствия, или марковскими, в которых при фиксированном настоящем будущее состояние СМО не зависит от прошлого. Случайный процесс, протекающий в системе, называется марковским случайным процессом, или «процессом без последствия», если он обладает следующим свойством: для каждого момента времени t 0 вероятность любого состояния t > t 0 системы S i , - в будущем (t>t Q) зависит только от ее состояния в настоящем (при t = t 0) и не зависит от того, когда и каким образом система пришла в это состояние, т.е. оттого, как развивался процесс в прошлом.

Марковские случайные процессы делятся на два класса: процессы с дискретными и непрерывными состояниями. Процесс с дискретными состояниями возникает в сиcтемах, обладающих только некоторыми фиксированными состояниями, между которыми возможны скачкообразные переходы в некоторые, заранее не известные моменты времени. Рассмотрим пример процесса с дискретными состояниями. В офисе фирмы имеются два телефона. Возможны следующие состояния у этой системы обслуживания: S o -телефоны свободны; S l - один из телефонов занят; S 2 - оба телефона заняты.

Процесс, протекающий в этой системе, состоит в том, что система случайным образом переходит скачком из одного дискретного состояния в другое.

Процессы с непрерывными состояниями отличаются непрерывным плавным переходом из одного состояния в другое. Эти процессы более характерны для технических устройств, нежели для экономических объектов, где обычно лишь приближенно можно говорить о непрерывности процесса (например, непрерывном расходовании запаса товара), тогда как фактически всегда процесс имеет дискретный характер. Поэтому далее мы будем рассматривать только процессы с дискретными состояниями.

Марковские случайные процессы с дискретными состояниями в свою очередь подразделяются на процессы с дискретным временем и процессы с непрерывным временем. В первом случае переходы из одного состояния в другое происходят только в определенные, заранее фиксированные моменты времени, тогда как в промежутки между этими моментами система сохраняет свое состояние. Во втором случае переход системы из состояния в состояние может происходить в любой случайный момент времени.

На практике процессы с непрерывным временем встречаются значительно чаще, поскольку переходы системы из одного состояния в другое обычно происходят не в какие-то фиксированные моменты времени, а в любые случайные моменты времени.

Для описания процессов с непрерывным временем используется модель в виде так называемой марковской цепи с дискретными состояниями системы, или непрерывной марковской цепью.

Глава II . Уравнения описывающие системы массового обслуживания

2.1 Уравнения Колмогорова

Рассмотрим математическое описание марковского случайного процесса с дискретными состояниями системы S o , S l , S 2 (см. рис. 6.2.1) и непрерывным временем. Полагаем, что все переходы системы массового обслуживания из состояния S i в состояние Sjпроисходят под воздействием простейших потоков событий с интенсивностями λ ij , а обратный переход под воздействием другого потока λ ij ,. Введем обозначение p i как вероятность того, что в момент времени t система находится в состоянии S i . Для любого момента времени tсправедливо записать нормировочное условие-сумма вероятностей всех состояний равна 1:

Σp i (t)=p 0 (t)+ p 1 (t)+ p 2 (t)=1

Проведем анализ системы в момент времени t, задав малое приращение времени Δt, и найдем вероятность р 1 (t+ Δt) того, что система в момент времени (t+ Δt) будет находиться в состоянии S 1 которое достигается разными вариантами:

а) система в момент t с вероятностью p 1 (t) находилась в состоянии S 1 и за малое приращение времени Δt так и не перешла в другое соседнее состояние - ни в S 0 , ни bS 2 . Вывести систему из состояния S 1 можно суммарным простейшим потоком c интенсивностью (λ 10 +λ 12), поскольку суперпозиция простейших потоков также является простейшим потоком. На этом основании вероятность выхода из состояния S 1 за малый промежуток времени Δtприближенно равна (λ 10 +λ 12)* Δt. Тогда вероятность невыхода из этого состояния равна .Bсоответствии с этим вероятность того, что система останется в состоянии Siна основании теоремы умножения вероятностей, равна:

p 1 (t) ;

б)система находилась в соседнем состоянии S o и за малое время Δt перешла в состояние S o Переход системы происходит под воздействием потока λ 01 с вероятностью, приближенно равной λ 01 Δt

Вероятность того, что система будет находиться в состоянии S 1 , в этом варианте равна p o (t)λ 01 Δt;

в) система находилась в состоянии S 2 и за время Δt перешла в состояние S 1 под воздействием потока интенсивностью λ 21 с вероятностью, приближенно равной λ 21 Δt. Вероятность того, что система будет находиться в состоянии S 1 , равна p 2 (t) λ 21 Δt.

Применяя теорему сложения вероятностей для этих вариантов, получим выражение:

p 2 (t+Δt)= p 1 (t) + p o (t)λ 01 Δt+p 2 (t) λ 21 Δt ,

которое можно записать иначе:

p 2 (t+Δt)-p 1 (t)/ Δt= p o (t)λ 01 + p 2 (t) λ 21 - p 1 (t) (λ 10 +λ 12) .

Переходя к пределу при Δt-> 0, приближенные равенства перейдут в точные, и тогда получим производную первого порядка

dp 2 /dt= p 0 λ 01 +p 2 λ 21 -p 1 (λ 10 +λ 12) ,

что является дифференциальным уравнением.

Проводя рассуждения аналогичным образом для всех других состояний системы, получим систему дифференциальных уравнений, которые называются уравнениями А.Н. Колмогорова:

dp 0 /dt= p 1 λ 10 ,

dp 1 /dt= p 0 λ 01 +p 2 λ 21 -p 1 (λ 10 +λ 12) ,

dp 2 /dt= p 1 λ 12 +p 2 λ 21 .

Для составления уравнений Колмогорова существуют общие правила.

Уравнения Колмогорова позволяют вычислить все вероятности состояний СМО S i в функции времени p i (t). В теории случайных процессов показано, что если число состояний системы конечно, а из каждого из них можно перейти в любое другое состояние, то существуют предельные (финальные) вероятности состояний, которые показывают на среднюю относительную величину времени пребывания системы, в этом состоянии. Если предельная вероятность состояния S 0 – равна p 0 = 0,2, то, следовательно, в среднем 20% времени, или 1/5 рабочего времени, система находится в состоянии S o . Например, при отсутствии заявок на обслуживание к = 0, р 0 = 0,2,; следовательно, в среднем 2 ч в день система находится в состоянии S o и простаивает, если продолжительность рабочего дня составляет 10 ч.

Поскольку предельные вероятности системы постоянны, то заменив в уравнениях Колмогорова соответствующие производные нулевыми значениями, получим систему линейных алгебраических уравнений, описывающих стационарный режим СМО. Такую систему уравнений составляют по размеченному графу состояний СМО по следующим правилам: слева от знака равенства в уравнении стоит предельная вероятность р i рассматриваемого состояния Siумноженная на суммарную интенсивность всех потоков, выводящих (выходящие стрелки) изданного состояния S i систему, а справа от знака равенства - сумма произведений интенсивности всех потоков, входящих (входящие стрелки) в состояние Siсистему, на вероятность тех состояний, из которых эти потоки исходят. Для решения подобной системы необходимо добавить еще одно уравнение, определяющее нормировочное условие, поскольку сумма вероятностей всех состояний СМО равна 1: n

Например, для СМО, имеющей размеченный граф из трех состояний S o , S 1 , S 2 рис. 6.2.1, система уравнений Колмогорова, составленная на основе изложенного правила, имеет следующий вид:

Для состояния S o → p 0 λ 01 = p 1 λ 10

Для состояния S 1 →p 1 (λ 10 +λ 12) = p 0 λ 01 +p 2 λ 21

Для состояния S 2 → p 2 λ 21 = p 1 λ 12

p 0 +p 1 +p 2 =1

dp 4 (t)/dt=λ 34 p 3 (t) - λ 43 p 4 (t) ,

p 1 (t)+ p 2 (t)+ p 3 (t)+ p 4 (t)=1 .

К этим уравнениям надо добавить еще начальные условия. Например, если при t = 0 система S находится в состоянии S 1, то начальные условия можно записать так:

p 1 (0)=1, p 2 (0)= p 3 (0)= p 4 (0)=0 .

Переходы между состояниями СМО происходит под воздействием поступления заявок и их обслуживания. Вероятность перехода в случае, если поток событий простейший, определяется вероятностью появления события в течение времени Δt, т.е. величиной элемента вероятности перехода λ ij Δt, где λ ij - интенсивность потока событий, переводящих систему из состояния i в состояние i (по соответствующей стрелке на графе состояний).

Если все потоки событий, переводящие систему из одного состояния в другое, простейшие, то процесс, протекающий в системе, будет марковским случайным процессом, т.е. процессом без последствия. В этом случае поведение системы достаточно просто, определяется, если известны интенсивность всех этих простейших потоков событий. Например, если в системе протекает марковский случайный процесс с непрерывным временем, то, записав систему уравнений Колмогорова для вероятностей состояний и проинтегрировав эту систему при заданных начальных условиях, получим все вероятности состояний как функции времени:

p i (t), p 2 (t),…., p n (t) .

Во многих случаях на практике оказывается, что вероятности состояний как функции времени ведут себя таким образом, что существует

lim p i (t) = p i (i=1,2,…,n) ; t→∞

независимо от вида начальных условий. В этом случае говорят, что существуют предельные вероятности состояний системы при t->∞ и в системе устанавливается некоторый предельный стационарный режим. При этом система случайным образом меняет свои, состояния, но каждое из этих состояний осуществляется с некоторой постоянной вероятностью, определяемой средним временем пребывания системы в каждом из состояний.

Вычислить предельные вероятности состояния р i можно, если в системе положить все производные равными 0, поскольку в уравнениях Колмогорова при t-> ∞ зависимость от времени пропадает. Тогда система дифференциальных уравнений превращается в систему Обычных линейных алгебраических уравнений, которая совместно с нормировочным условием позволяет вычислить все предельные вероятности состояний.

2.2 Процессы «рождения – гибели»

Среди однородных марковских процессов существует класс случайных процессов, имеющих широкое применение при построении математических моделей в областях демографии, биологии, медицины (эпидемиологии), экономики, коммерческой деятельности. Это так называемые процессы «рождения - гибели», марковские процессы со стохастическими графами состояний следующего вида:

S 3

kjlS n

μ 0 μ 1 μ 3 μ 4 μ n-1

Рис. 2.1 Размеченный граф процесса «рождения - гибели»

Этот граф воспроизводит известную биологическую интерпретацию: величина λ k отображает интенсивность рождения нового представителя некоторой популяции, например, кроликов, причем текущий объем популяции равен k; величина μ является интенсивностью гибели (продажи) одного представителя этой популяции, если текущий объем популяции равен k. В частности, популяция может быть неограниченной (число n состояний марковского процесса является бесконечным, но счетным), интенсивность λ может быть равна нулю (популяция без возможности возрождения), например, при прекращении воспроизводства кроликов.

Для Марковского процесса «рождения - гибели», описанного стохастическим графом, приведенным на рис. 2.1, найдем финальное распределение. Пользуясь правилами составления уравнений для конечнего числа n предельных вероятностей состояния системы S 1 , S 2 , S 3 ,… S k ,…, S n , составим соответствующие уравнения для каждого состояния:

для состояния S 0 -λ 0 p 0 =μ 0 p 1 ;

для состояния S 1 -(λ 1 +μ 0)p 1 = λ 0 p 0 +μ 1 p 2 , которое с учетом предыдущего уравнения для состояния S 0 можно преобразовать к виду λ 1 р 1 = μ 1 p 2 .

Аналогично можно составить уравнения для остальных состояний системы S 2 , S 3 ,…, S k ,…, S n . В результате получим следующую систему уравнений:

Решая эту систему уравнений, можно получить выражения, определяющие финальные состояния системы массового обслуживания:

Следует заметить, что в формулы определения финальных вероятностей состояний р 1 , р 2 , р 3 ,…, р n , входят слагаемые, являющиеся составной частью суммы выражения, определяющей р 0 . В числителях этих слагаемых находятся произведения всех интенсивностей, стоящих у стрелок графа состояний, ведущих слева на право до рассматриваемого состояния S k , а знаменатели представляют собой произведения всех интенсивностей, стоящих у стрелок, ведущих справа на лево до рассматриваемого состояния S k , т.е. μ 0 , μ 1 , μ 2 , μ 3 ,… μ k . В связи с этим запишем эти модели в более компактном виде:

к=1,n

2.3 Экономико-математическая постановка задач массового обслуживания

Правильная или наиболее удачная экономико-математическая постановка задачи в значительной степени определяет полезность рекомендаций по совершенствованию систем массового обслуживания в коммерческой деятельности.

В связи с этим необходимо тщательно проводить наблюдение за процессом в системе, поиска и выявления существенных связей, формирования проблемы, выделения цели, определения показателей и выделения экономических критериев оценки работы СМО. В этом случае в качестве наиболее общего, интегрального показателя могут выступать затраты, с одной стороны, СМО коммерческой деятельности как обслуживающей системы, а с другой – затраты заявок, которые могут иметь разную по своему физическому содержанию природу.

Повышение эффективности в любой сфере деятельности К. Маркс в конечном счете рассматривал как экономию времени и усматривал в этом один из важнейших экономических законов. Он писал, что экономия времени, равно как и планомерное распределение рабочего времени по различным отраслям производства, остается первым экономическим законом на основе коллективного производства. Этот закон проявляется во всех сферах общественной деятельности.

Для товаров, в том числе и денежных средств, поступающих в коммерческую сферу, критерий эффективности связан со временем и скоростью обращения товаров и определяет интенсивность поступления денежных средств в банк. Время и скорость обращения, являясь экономическими показателями коммерческой деятельности, характеризирует эффективность использования средств, вложенных в товарные запасы. Товарооборачиваемость отражает среднюю скорость реализации среднего товарного запаса. Показатели товарооборачиваемости и уровня запасов тесно связаны известным моделями. Таким образом, можно проследить и установить взаимосвязь этих и других показателей коммерческой деятельности с временными характеристиками.

Следовательно, эффективность работы коммерческого предприятия или организации складывается из совокупности времени выполнения отдельных операций обслуживания, в то же время для населения затраты времени включают время на дорогу, посещение магазина, столовой, кафе, ресторана, ожидание начало обслуживания, ознакомление с меню, выбор продукции, расчет и т.д. Проведенные исследования структуры затрат времени населения свидетельствует о том, что значительная его часть расходуется нерационально. Заметим, что коммерческая деятельность в конечном счете направлена на удовлетворение потребности человека. Поэтому усилия моделирования СМО должны включать анализ затрат времени по каждой элементарной операции обслуживания. С помощью соответствующих методов следует создавать модели связи показателей СМО. Это обусловливает необходимость наиболее общие и известные экономические показатели, такие как товарооборот, прибыль, издержки обращения, рентабельность и другие, увязывать в экономико-математических моделях с дополнительно возникающей группой показателей, определяемых спецификой обслуживающих систем и вносимых собственно спецификой теории массового обслуживания.

Например, особенностями показателей СМО с отказами являются: время ожидания заявок в очереди Т оч =0, поскольку по своей природе в таких системах существование очереди невозможно, то L оч =0 и, следовательно, вероятность ее образования Р оч =0. По числу заявок k определятся режим работы системы, ее состояние: при k=0 – простой каналов, при 1n – обслуживание и отказ. Показателями таких СМО являются вероятность отказа в обслуживании Р отк, вероятность обслуживания Р обс, среднее время простоя канала t пр, среднее число занятых n з и свободных каналов n св, среднее обслуживания t обс, абсолютная пропускная способность А.

Для СМО с неограниченным ожиданием характерно, что вероятность обслуживания заявки Р обс =1, поскольку длина очереди и время ожидания начала обслуживания не ограничены, т.е. формально L оч →∞ и Т оч →∞. В системах возможны следующие режимы работы: при k=0 наблюдается простой каналов обслуживания, при 1n – обслуживание и очередь. Показателями таких эффективности таких СМО являются среднее число заявок в очереди L оч, среднее число заявок в системе k, среднее время пребывания заявки в системе Т смо, абсолютная пропускная способность А.

В СМО с ожиданием с ограничением на длину очереди, если число заявок в системе k=0, то наблюдается простой каналов, при 1n+m- обслуживание, очередь и отказ в ожидании обслуживания. Показателями эффективности таких СМО являются вероятность отказа в обслуживании Р отк - вероятность обслуживания Р обс, среднее число заявок в очереди L оч, среднее число заявок в системе L смо среднее время пребывания заявки в системе Т смо, абсолютная пропускная способность А.

Таким образом, перечень характеристик систем массового обслуживания можно представить следующим образом: среднее время обслуживания – t обс; среднее время ожидания в очереди – Т оч; среднее пребывания В СМО – Т смо; средняя длина очереди - L оч; среднее число заявок в СМО- L смо; количество каналов обслуживания – n; интенсивность входного потока заявок – λ; интенсивность обслуживания – μ; интенсивность нагрузки – ρ; коэффициент нагрузки – α; относительная пропускная способность – Q; абсалютная пропускная способность – А; доля времени простоя в СМО – Р 0 ; доля обслуженных заявок – Р обс; доля потерянных заявок – Р отк, среднее число занятых каналов – n з; среднее число свободных каналов - n св; коэффициент загрузки каналов – К з; среднее время простоя каналов - t пр.

Следует заметить что, иногда достаточно использовать до десяти основных показателей, чтобы выявить слабые места и разработать рекомендации по совершенствованию СМО.

Это часто связано с решением вопросов согласованной рабоиы цепочки или совокупностей СМО.

Например, в коммерческой деятельности необходимо учитывать еще и экономические показатели СМО: общие затраты – С; издержки обращения – С ио, издержки потребления – С ип, затраты на обслуживание одной заявки – С 1 , убытки, связанные с уходом заявки, - С у1 , затраты на эксплуатацию канала – С к, затраты простоя канала – С пр, капитальные вложения – С кап, приведенные годовые затраты – С пр, текущие затраты – С тек, доход СМО в единицу времени – Д 1

В процессе постановки задач необходимо раскрыть взаимосвязи показателей СМО, которые по своей базовой принадлежности можно разделить на две группы: первая связана с издержками обращения С ио, которые определяются числом занятых обслуживанием каналов, затратами на содержание СМО, интенсивностью обслуживания, степенью загрузки каналов, эффективностью их использования, пропускной способностью СМО и др.; вторая группа показателей определяется издержками собственно заявок С ип, поступающих на обслуживание, которые образуют входящий поток, ощущают эффективность обслуживания и связаны с такими показателями, как длина очереди, время ожидания обслуживания, вероятность отказа в обслуживании, время пребывания заявки в СМО и др.

Эти группы показателей противоречивы в том смысле, что улучшение показателей одной группы, например, сокращение длины очереди или времени ожидания в очереди путем увлечения числа каналов обслуживания (официантов, поваров, грузчиков, кассиров), связано с ухудшением показателей группы, поскольку это может привести к увеличению времени простоев каналов обслуживания, затрат на их содержание и т.д. В связи с этим формализации задач обслуживания вполне естественно стремление построить СМО таким образом, чтобы установить разумный компромисс между показателями собственно заявок и полнотой использования возможностей системы. С этой целью необходимо выбрать обобщенный, интегральный показатель эффективности СМО, включающий одновременно претензии и возможности обеих групп. В качестве такого показателя может быть выбран критерий экономической эффективности, включающий как издержки обращения С ио, так и издержки заявок С ип, которые будут иметь оптимальное значение при минимуме общих затрат С. На этом осонвании целевую функцию задачи можно записать так:

С= (С ио +С ип) →min

Поскольку издержки обращения включают затраты, связанные с эксплуатацией СМО – С экс и простоем каналов обслуживания - С пр, а издержки заявок включают потери, связанные с уходом не обслуженных заявок – С нз, и с пребыванием в очереди – С оч, тогда целевую функцию можно переписать с учетом этих показателей таким образом:

С={(С пр n св +С экз n з)+С оч Р обс λ(Т оч +t обс)+С из Р отк λ}→min.

В зависимости от поставленной задачи в качестве варьируемых, т.е управляемых, показателей могут быть: количество каналов обслуживания, организация каналов обслуживания (параллельно, последовательно, смешанным образом), дисциплина очереди, приоритетность обслуживания заявок, взаимопомощь между каналами и др. Часть показателей в задаче фигурирует в качестве неуправляемых, которые обычно являются исходными данными. В качестве критерия эффективности в целевой функции могут быть так же товарооборот, прибыль, или доход, например, рентабельность, тогда оптимальные значения управляемых показателей СМО находятся очевидно, уже при максимизации, как в предыдущем варианте.

В некоторых случаях следует пользоваться другим вариантом записи целевой функции:

С={С экз n з +C пр (n-n з)+C отк *Р отк *λ+С сист * n з }→min

В качестве общего критерия может быть выбран, например, уровень культуры обслуживания покупателей на предприятиях, тогда целевая функция может быть представлена следующей моделью:

К об =[(З пу *К у)+(З пв *К в)+(З пд *К д)+(З пз *К з)+(З по *К 0)+(З кт *К кт)]*К мп,

где З пу – значимость показателя устойчивости ассортимента товаров;

К у - коэффициент устойчивости ассортимента товаров;

З пв – значимость показателя внедрения прогрессивных методов продажи товаров;

К в – коэффициент внедрения прогрессивных методов продажи товаров;

З пд – значимость показателя дополнительного обслуживания;

К д - коэффициент дополнительного обслуживания;

З пз - значимость показателя завершенности покупки;

К з - коэффициент завершенности покупки;

З по - значимость показателя затрат времени на ожидание в обслуживании;

К о – показатель затрат времени на ожидание обслуживания;

З кт – значимость показателя качества труда коллектива;

К кт – коэффициент качества труда коллектива;

К мп – показатель культуры обслуживания по мнению покупателей;

Для анализа СМО можно выбирать и другие критерии оценки эффективности работы СМО. Например, в качестве такого критерия для систем с отказами можно выбирать вероятность отказа Р отк, значение которого не превышало бы заранее заданной величины. Например, требование Р отк <0,1 означает, что не менее чем в 90% случаев система должна справляться с обслуживанием потока заявок при заданной интенсивности λ. Можно ограничить среднее время пребывания заявки в очереди или в системе. В качестве показателей, подлежащих определению, могут выступать: либо число каналов n при заданной интенсивности обслуживания μ, либо интенсивность μ при заданном числе каналов.

После построения целевой функции необходимо определить условия решения задачи, найти ограничения, установить исходные значения показателей, выделить неуправляемые показатели, построить или подобрать совокупность моделей взаимосвязи всех показателей для анализируемого типа СМО, чтобы в конечном итоге найти оптимальные значения управляемых показателей, например количество поваров, официантов, кассиров, грузчиков, объемы складских помещений и др

Глава III . Модели систем массового обслуживания

3.1 Одноканальная СМО с отказами в обслуживании

Проведем анализ простой одноканальной СМО с отказами в обслуживании, на которую поступает пуассоновский поток заявок с интенсивностью λ, а обслуживание происходит под действием пуассоновского потока с интенсивностью μ.

Работу одноканальной СМО n=1 можно представить в виде размеченного графа состояний (3.1).

Переходы СМО из одного состояния S 0 в другое S 1 происходят под действием входного потока заявок с интенсивностью λ, а обратный переход – под действием потока обслуживания с интенсивностью μ.

S 0

S 1

S 0 – канал обслуживания свободен; S 1 – канал занят обслуживанием;

Рис. 3.1 Размеченный граф состояний одноканальной СМО

Запишем систему дифференциальных уравнений Колмогорова для вероятностей состояния по изложенным выше правилам:

Откуда получим дифференциальное уравнение для определения вероятности р 0 (t) состояния S 0:

Это уравнение можно решить при начальных условиях в предположении, что система в момент t=0 находилась в состоянии S 0 , тогда р 0 (0)=1, р 1 (0)=0.

В этом случае решение дифференциального уровнения позволяет определить вероятность того, что канал свободен и не занят обслуживанием:

Тогда нетрудно получить выражение для вероятности определения вероятности занятости канала:

Вероятность р 0 (t) уменьшается с течением времени и в пределе при t→∞ стремится к величине

а вероятность р 1 (t) в то же время увеличивается от 0, стремясь в пределе при t→∞ к величине

Эти пределы вероятностей могут быть получены непосредственно из уравнений Колмогорова при условии

Функции р 0 (t) и р 1 (t) определяют переходный процесс в одноканальной СМО и описывают процесс экспоненциального приближения СМО к своему предельному состоянию с постоянной времени характерной для рассматриваемой системы.

С достаточной для практики точностью можно считать, что переходный процесс в СМО заканчивается в течение времени, равно 3τ.

Вероятность р 0 (t) определяет относительную пропускную способность СМО, которая определяет долю обслуживаемых заявок по отношению к полному числу поступающих заявок, в единицу времени.

Действительно, р 0 (t) есть вероятность того, что заявка, пришедшая в момент t, будет принята к обслуживанию. Всего в единицу времени приходит в среднем λ заявок и из них обслуживается λр 0 заявок.

Тогда доля обслуживаемых заявок по отношению ко всему потоку заявок определятся величиной

В пределе при t→∞ практически уже при t>3τ значение относительной пропускной способности будет равно

Абсолютная пропускная способность, определяющая число заявок, обслуживаемых в единицу времени в пределе при t→∞, равна:

Соответственно доля заявок, получивших отказ, составляет в этих же предельных условиях:

а общее число не обслуженных заявок равно

Примерами одноканальных СМО с отказами в обслуживании являются: стол заказов в магазине, диспетчерская автотранспортного предприятия, контора склада, офис управления коммерческой фирмы, с которыми устанавливается связь по телефону.

3.2 Многоканальная СМО с отказами в обслуживании

В коммерческой деятельности примерами многоканальных СМО являются офисы коммерческих предприятий с несколькими телефонными каналами, бесплатная справочная служба по наличию в авто магазинах самых дешевых автомобилей в Москве имеет 7 телефонных номеров, а дозвониться и получить справку, как известно, очень трудно.

Следовательно, авто магазины теряют клиентов, возможность увеличить количество проданных автомобилей и выручку от продаж, товарооборот, прибыль.

Туристические фирмы по продаже путевок имеют два, три, четыре и более каналов, как, например, фирма Express-Line.

Рассмотрим многоканальную СМО с отказами в обслуживании на рис. 3.2, на вход которой поступает пуассоновский поток заявок с интенсивностью λ.

S 0

S 1

S k

S n

μ 2μkμ (k+1)μ nμ

Рис. 3.2. Размеченный граф состояний многоканальной СМО с отказами

Поток обслуживания в каждом канале имеет интенсивность μ. По числу заявок СМО определяются ее состояния S k , представленные в виде размеченного графа:

S 0 – все каналы свободны k=0,

S 1 – занят только один канал, k=1,

S 2 – заняты только два канала, k=2,

S k – заняты k каналов,

S n – заняты все n каналов, k= n.

Состояния многоканальной СМО меняются скачкообразно в случайные моменты времени. Переход из одного состояния, например S 0 в S 1 , происходит под воздействием входного потока заявок с интенсивностью λ, а обратно – под воздействием потока обслуживания заявок с интенсивностью μ. Для перехода системы из состояния S k в S k -1 безразлично, какой именно из каналов освободиться, поэтому поток событий, переводящий СМО, имеет интенсивность kμ, следовательно, поток событий, переводящий систему из S n в S n -1 , имеет интенсивность nμ. Так формулируется классическая задача Эрланга, названная по имени датского инженера – математика- основателя теории массового обслуживания.

Случайный процесс, протекающий в СМО, представляет собой частный случай процесса «рождения- гибели» и описывается системой дифференциальных уравнений Эрланга, которые позволяют получить выражения для предельных вероятностей состояния рассматриваемой системы, называемые формулами Эрланга:

.

Вычислив все вероятности состояний n – канальной СМО с отказами р 0 , р 1 , р 2 , …,р k ,…, р n , можно найти характеристики системы обслуживания.

Вероятность отказа в обслуживании определяется вероятностью того, что поступившая заявка на обслуживание найдет все n каналов занятыми, система будет находиться в состоянии S n:

k=n.

В системах с отказами события отказа и обслуживания составляют полную группу событий, поэтому

Р отк +Р обс =1

На этом основании относительная пропускная способность опредляется по формуле

Q = P обс = 1-Р отк =1-Р n

Абсолютную пропускную способность СМО можно определить по формуле

Вероятность обслуживания, или доля обслуженных заявок, определяет относительную пропускную способность СМО, которая может быть определена и по другой формуле:

Из этого выражения можно определить среднее число заявок, находящихся под обслуживанием, или, что же самое, среднее число занятых обслуживанием каналов

Коэффициент занятости каналов обслуживанием определятся отношением среднего числа занятых каналов к их общему числу

Вероятность занятости каналов обслуживанием, которая учитывает среднее время занятости t зан и простоя t пр каналов, определяется следующим образом:

Из этого выражения можно определить среднее время простоя каналов

Среднее время пребывания заявки в системе в установившемся режиме определятся формулой Литтла

Т смо = n з /λ.

3.3 Модель многофазной системы обслуживания туристов

В реальной жизни система обслуживания туристов выглядит значительно сложнее, поэтому необходимо детализировать постановку задачи, учитывая запросы, требования как со стороны клиентов, так и турфирмы.

Для увеличения эффективности работы турфирмы необходимо смоделировать в целом поведение потенциального клиента от начала операции до ее завершения. Структура взаимосвязи основных систем массового обслуживания фактически состоит из СМО разного вида (рис. 3.3).

Поиск Выбор Выбор Решение

референт

поиск фирмы тура по туру

Оплата Перелет Исход

Рис. 3.3 Модель многофазной системы обслуживания туристов

Проблема с позиции массового обслуживания туристов, уезжающих на отдых, заключается в определении точного места отдыха (тура), адекватного требованиям претендента, соответствующего его здоровью и финансовым возможностям и представлениям об отдыхе в целом. В этом ему могут способствовать турфирмы, поиск которых осуществляется обычно из рекламных сообщений СМО р, затем после выбора фирмы происходит получение консультаций по телефону СМО т, после удовлетворительного разговора приезд в турфирму и получение более детальных консультаций лично с референтом, затем оплата путевки и получение обслуживания от авиакомпании по перелету СМО а и в конечном счете обслуживания в отеле СМ0 0 . Дальнейшее развитие рекомендаций по улучшению работы СМО фирмы связано с изменением профессионального содержания переговоров с клиентами по телефону. Для этого необходимо углубить анализ, связанный с детализацией диалога референта с клиентами, поскольку далеко не каждый переговоры по телефону приводит к заключению договора на приобретение путевки. Проведение формализации задачи обслуживания указало на необходимость формирования полного (необходимого и достаточного) перечня характеристик и их точных значений предмета коммерческой сделки. Затем проводятся ранжирование этих характеристик, например методом парных сравнений, и расположения в диалоге по степени их значимости, например: время года (зима), месяц (январь), климат (сухой), температура воздуха (+25"С), влажность (40%), географическое место (ближе к экватору), время авиаперелета (до 5 часов), трансферт, страна (Египет), город (Хургада), море (Красное), температура воды в море (+23°С), ранг отеля (4 звезды, работающий кондиционер, гарантия наличия шампуня в номере), удаленность от моря (до 300 м), удаленность от магазинов (рядом), удаленность от дискотек и других источников шума (подальше, тишина в течение сна в отеле), питание (шведский стол - завтрак, ужин, частота изменения меню за неделю), отели (Princes, Marlin-In, Hour-Palace), экскурсии (Каир, Луксор, коралловые острова, подводное плавание), увеселительные шоу, спортивные игры, цена путевки, форма оплаты, содержание страховки, что брать с собой, что купить на месте, гарантии, штрафные санкции.

Есть еще один очень существенный показатель, выгодный для клиента, установить который предлагается самостоятельно въедливому читателю. Затем можно, используя метод опарного сравнения перечисленных характеристик х i , сформировать матрицу п х п сравнения, элементы которой заполняются последовательно по строкам по следующему правилу:

0, если характеристика менее значима,

а ij = 1, если характеристика равнозначима,

2, если характеристика доминирует.

После этого определяются значения сумм оценок по каждому показателю строки S i =∑a ij , вес каждой характеристики M i = S i /n 2 и соответственно интегральный критерий, на основе которого можно провести выбор турфирмы, тура или отеля, по формуле

F = ∑ M i * x i -» max.

С целью исключения возможных ошибок в этой процедуре вводят, например, 5-балльную шкалу оценок с градацией характеристик Б i (х i) по принципу хуже (Б i = 1 балл) - лучше (Б i = 5 баллов). Например, чем дороже тур, тем хуже, чем он дешевле, тем лучше. На этом основании целевая функция будет иметь другой вид:

F b = ∑ M i * Б i * x i -> max.

Таким образом, можно на основе применения математических методов и моделей, используя преимущества формализации, точнее и более объективно сформулировать постановку задач и значительно улучшить показатели СМО в коммерческой деятельности для достижения поставленных целей.

3.4 Одноканальная СМО с ограниченной длиной очереди

В коммерческой деятельности чаще встречаются СМО с ожиданием (очередью).

Рассмотрим простую одноканальную СМО с ограниченной очередью, в которой число мест в очереди т - фиксированная величина. Следовательно, заявка, поступившая в тот момент, когда все места в очереди заняты, не принимается к обслуживанию, не встает в очередь и.покидает систему.

Граф этой СМО представлен на рис. 3.4 и совпадает с графом рис. 2.1 описывающим процесс «рождения-гибели», с тем отличием, что при наличии только одного канала.

S m

S 3

S 2

S 1

S 0

λ λλλ... λ

μ μμμ... μ

Рис. 3.4. Размеченный граф процесса «рождения - гибели» обслуживания все интенсивности потоков обслуживания равны

Состояния СМО можно представить следующим образом:

S 0 - канал обслуживания свободен,

S, - канал обслуживания занят, но очереди нет,

S 2 - канал обслуживания занят, в очереди стоит одна заявка,

S 3 - канал обслуживания занят, в очереди стоят две заявки,

S m +1 - канал обслуживания занят, в очереди все т мест заняты, любая следующая заявка получает отказ.

Для описания случайного процесса СМО можно воспользоваться изложенными ранее правилами и формулами. Напишем выражения, определяющие предельные вероятности состояний:

p 1 = ρ * ρ о

p 2 =ρ 2 * ρ 0

p k =ρ k * ρ 0

P m+1 = p m=1 * ρ 0

p 0 = -1

Выражение для р 0 можно в аанном случае записать проще, пользуясь тем, что в знаменателе стоит геометрическая прогрессия относительно р, тогда после соответствующих преобразований получаем:

ρ= (1- ρ )

Эта формула справедлива для всех р, отличных от 1, если же р = 1, то р 0 = 1/(т + 2), а все остальные вероятности также равны 1/(т + 2). Если предположить т = 0, то мы переходим от рассмотрения одноканальной СМО с ожиданием к уже рассмотренной одноканальной СМО с отказами в обслуживании. Действительно, выражение для предельной вероятности р 0 в случае т = 0 имеет вид:

p о = μ / (λ+μ)

И в случае λ = μ имеет величину р 0 = 1 / 2.

Определим основные характеристики одноканальной СМО с ожиданием: относительную и абсолютную пропускную способность, вероятность отказа, а также среднюю длину очереди и среднее время ожидания заявки в очереди.

Заявка получает отказ, если она поступает в момент времени, когда СМО уже находится в состоянии S m +1 и, следовательно, все места в очереди да заняты и один канал обслуживает Поэтому вероятность отказа определяется вероятностью появлением

Состояния S m +1:

P отк = p m +1 = ρ m +1 * p 0

Относительная пропускная способность, или доля обслуживаемых заявок, поступающих в единицу времени, определяется выражением

Q = 1- p отк = 1- ρ m+1 * p 0

абсолютная пропускная способность равна:

Среднее число заявок L оч стоящих в очереди на обслуживание, определяется математическим ожиданием случайной величины к - числа заявок, стоящих в очереди

случайная величина кпринимает следующие только целочисленные значения:

1 - в очереди стоит одна заявка,

2 - в очереди две заявки,

т-в очереди все места заняты

Вероятности этих значений определяются соответствующими вероятностями состояний, начиная с состояния S 2 . Закон распределения дискретной случайной величины к изображается следующим образом:

k	1	2	m
p i	p 2	p 3	p m+1

Математическое ожидание этой случайной величины равно:

L оч = 1* p 2 +2* p 3 +...+ m* p m +1

В общем случае при p ≠1 эту сумму можно преобразовать, пользуясь моделями геометрической прогрессии, к более удобному виду:

L оч = p 2 * 1- p m * (m-m*p+1) * p 0

В частном случае при р = 1, когда все вероятности p k оказываются равными, можно воспользоваться выражением для суммы членов числового ряда

1+2+3+ m = m ( m +1)

Тогда получим формулу

L’ оч = m(m+1) * p 0 = m(m+1) (p=1).

Применяя аналогичные рассуждения и преобразования, можно показать, что среднее время ожидания обслуживания заявки а очереди определяется формулами Литтла

Т оч = L оч /А (при р ≠ 1) и Т 1 оч = L’ оч /А(при р = 1).

Такой результат, когда оказывается, что Т оч ~ 1/ λ, может показаться странным: с увеличением интенсивности потока заявок как будто бы должна возрастать длина очереди и уменьшается среднее время ожидания. Однако следует иметь в виду, что, во-первых, величина L оч является функцией от λ и μ и, во-вторых, рассматриваемая СМО имеет ограниченную длину очереди не более mзаявок.

Заявка, поступившая в СМО в момент времени, когда все каналы заняты, получает отказ, и, следовательно, время ее «ожидания» в СМО равно нулю. Это приводит в общем случае (при р ≠ 1) к уменьшению Т оч ростом λ, поскольку доля таких заявок с ростом λ увеличивается.

Если отказаться от ограничения на длину очереди, т.е. устремить m-> →∞, то случаи р < 1 и р ≥1 начинают существенно различаться. Записанные выше формулы для вероятностей состояний преобразуются в случае р < 1 к виду

p k =р k *(1 - р)

При достаточно большом к вероятность p k стремится к нулю. Поэтому относительная пропускная способность будет Q= 1, а абсолютная пропускная способность станет равной А -λ Q - λ следовательно, обслуживаются все поступившие заявки, причем средняя длина очереди окажется равной:

L оч =p 2 1-p

а среднее время ожидания по формуле Литтла

Т оч = L оч /А

В пределе р << 1 получаем Т оч = ρ / μт.е. среднее время ожидания быстро уменьшается с увеличением интенсивности потока обслуживания. В противном случае при р ≥ 1 оказывается, что в СМО отсутствует установившийся режим. Обслуживание не успевает за потоком заявок, и очередь неограниченно растет со временем (при t → ∞). Предельные вероятности состояний поэтому не могут быть определены: при Q= 1 они равны нулю. Фактически СМО не выполняет своих функций, поскольку она не в состоянии обслужить все поступающие заявки. Нетрудно определить, что доля обслуживаемых заявок и абсолютная пропускная способность соответственно составляют в среднем ρ и μ, однако неограниченное увеличение очереди, а следовательно, и времени ожидания в ней приводит к тому, что через некоторое время заявки начинают накапливаться в очереди на неограниченно долгое время.

В качестве одной из характеристик СМО используют среднее время Т смо пребывания заявки в СМО, включающее среднее время пребывания в очереди и среднее время обслуживания. Эта величина вычисляется по формулам Литтла: если длина очереди ограничена - среднее число заявок, находящихся в очереди, равно:

L смо= m +1 ;2

Т смо= L смо; при p ≠1

Aтогда среднее время пребывания заявки в системе массового обслуживания (как в очереди, так и под обслуживанием) равно:

Т смо= m +1 при p ≠1 2μ

3.5 Одноканальная СМО с неограниченной очередью

В коммерческой деятельности в качестве одноканальной СМО с неограниченным ожиданием является, например, коммерческий директор, поскольку он, как правило, вынужден выполнять обслуживание заявок различной природы: документы, переговоры по телефону, встречи и беседы с подчиненными, представителями налоговой инспекции, милиции, товароведами, маркетологами, поставщиками продукции и решать задачи в товарно-финансовой сфере с высокой степенью финансовой ответственности, что связано с обязательным выполнением запросов, которые ожидают иногда нетерпеливо выполнения своих требований, а ошибки неправильного обслуживания, как правило, экономически весьма ощутимы.

В то же время товары, завезенные для продажи (обслуживания), находясь на складе, образуют очередь на обслуживание (продажу).

Длину очереди составляет количество товаров, предназначенных для продажи. В этой ситуации продавцы выступают в роли каналов, обслуживающих товары. Если количество товаров, предназначенных для продажи, велико, то в этом случае мы имеем дело с типичным случаем СМО с ожиданием.

Рассмотрим простейшую одноканальную СМО с ожиданием обслуживания, на которую поступает пуассоновский поток заявок с интенсивностью λ и интенсивностью обслуживания µ.

Причем заявка, поступившая в момент, когда канал занят обслуживанием, ставится в очередь и ожидает обслуживания.

Размеченный граф состояний такой системы приведен на рис. 3.5

Количество возможных состояний ее бесконечно:

Канал свободен, очереди нет, ;

Канал занят обслуживанием, очереди нет, ;

Канал занят, одна заявка в очереди, ;

Канал занят , заявка в очереди.

Модели оценки вероятности состояний СМО с неограниченной очередью можно получить из формул, выделенных для СМО с неограниченной очередью, путем перехода к пределу при m→∞:

Рис. 3.5 Граф состояний одноканальной СМО с неограниченной очередью.

Следует заметить, что для СМО с ограниченной длиной очереди в формуле

имеет место геометрическая прогрессия с первым членом 1 и знаменателем . Такая последовательность представляет собой сумму бесконечного числа членов при . Эта сумма сходится, если прогрессия, бесконечно убывающая при , что определяет установившийся режим работы СМО, с при очередь при с течением времени может расти до бесконечности.

Поскольку в рассматриваемой СМО ограничение на длину очереди отсутствует, то любая заявка может быть обслужена, поэтому , следовательно, относительная пропускная способность , соответственно , а абсолютная пропускная способность

Вероятность пребывания в очереди k заявок равна:

;

Среднее число заявок в очереди –

Среднее число заявок в системе –

;

Среднее время пребывания заявки в системе –

;

Среднее время пребывания заявки с системе –

.

Если в одноканальной СМО с ожиданием интенсивность поступления заявок больше интенсивности обслуживания , то очередь будет постоянно увеличиваться. В связи с этим наибольший интерес представляет анализ устойчивых СМО, работающих в стационарном режиме при .

3.6 Многоканальная СМО с ограниченной длиной очереди

Рассмотрим многоканальную СМО , на вход которой поступает пуассоновский поток заявок с интенсивностью , а интенсивность обслуживания каждого канала составляет , максимально возможное число мест в очереди ограничено величиной m. Дискретные состояния СМО определяются количеством заявок, поступивших в систему, которые можно записать.

Все каналы свободны, ;

Занят только один канал (любой), ;

Заняты только два канала (любых), ;

Заняты все каналов, .

Пока СМО находится в любом из этих состояний, очереди нет. После того как заняты все каналы обслуживания, последующие заявки образуют очередь, тем самым, определяя дальнейшие состояние системы:

Заняты все каналов и одна заявка стоит в очереди,

Заняты все каналов и две заявки стоят в очереди,

Заняты все каналов и все мест в очереди,

Граф состояний n-канальной СМО с очередью, ограниченной m местами на рис.3.6

Рис. 3.6 Граф состояний n-канальной СМО с ограничением на длину очереди m

Переход СМО в состояние с большими номерами определяется потоком поступающих заявок с интенсивностью , тогда как по условию в обслуживании этих заявок принимают участие одинаковых каналов с интенсивностью потока обслуживания равного для каждого канала. При этом полная интенсивность потока обслуживания возрастает с подключением новых каналов вплоть до такого состояния , когда все n каналов окажутся занятыми. С появлением очереди интенсивность обслуживания более увеличивается, так как она уже достигла максимального значения, равного .

Запишем выражения для предельных вероятностей состояний:

Выражение для можно преобразовать, используя формулу геометрической прогрессии для суммы членов со знаменателем :

Образование очереди возможно, когда вновь поступившая заявка застанет в системе не менее требований, т.е. когда в системе будет находиться требований. Эти события независимы, поэтому вероятность того, что все каналы заняты, равна сумме соответствующих вероятностей Поэтому вероятность образования очереди равна:

Вероятность отказа в обслуживании наступает тогда, когда все каналов и все мест в очереди заняты:

Относительная пропускная способность будет равна:

Абсолютная пропускная способность –

Среднее число занятых каналов –

Среднее число простаивающих каналов –

Коэффициент занятости (использования) каналов –

Коэффициент простоя каналов –

Среднее число заявок, находящихся в очередях –

В случае если , эта формула принимает другой вид –

Среднее время ожидания в очереди определяется формулами Литтла –

Среднее время пребывания заявки в СМО, как и для одноканальной СМО, больше среднего времени ожидания в очереди на среднее время обслуживания, равное , поскольку заявка всегда обслуживается только одним каналом:

3.7 Многоканальная СМО с неограниченной очередью

Рассмотрим многоканальную СМО с ожиданием и неограниченной длиной очереди, на которую поступает поток заявок с интенсивностью и которая имеет интенсивность обслуживания каждого канала . Размеченный граф состояний представлен на рис 3.7 Он имеет бесконечное число состояний:

S - все каналы свободны, k=0;

S - занят один канал, остальные свободны, k=1;

S - заняты два канала, остальные свободны, k=2;

S - заняты все n каналов, k=n, очереди нет;

S - заняты все n каналов, одна заявка в очереди, k=n+1,

S - заняты все n каналов, r заявок в очереди, k=n+r,

Вероятности состояний получим из формул для многоканальной СМО с ограниченной очередью при переходе к пределу при m. Следует заметить, что сумма геометрической прогрессии в выражении для p расходится при уровне загрузки p/n>1, очередь будет бесконечно возрастать, а при p/n<1 ряд сходится, что определяет установившийся стационарный режим работы СМО.

Очереди нет

…

…

Рис.3.7 Размеченный граф состояний многоканальной СМО

с неограниченной очередью

для которого и определим выражения для предельных вероятностей состояний:

Поскольку отказа в обслуживании в таких системах не может быть, то характеристики пропускной способности равны:

среднее число заявок в очереди –

среднее время ожидания в очереди –

среднее число заявок в СМО –

Вероятность того, что СМО находится в состоянии , когда нет заявок и не занято ни одного канала, определяется выражением

Эта вероятность определяет среднюю долю времени простоя канала обслуживания. Вероятность занятости обслуживанием k заявок –

На этом основании можно определить вероятность, или долю времени занятости всех каналов обслуживанием

Если же все каналы уже заняты обслуживанием, то вероятность состояния определяется выражением

Вероятность оказаться в очереди равна вероятности застать все каналы уже занятыми обслуживанием

Среднее число заявок, находящихся в очереди и ожидающих обслуживания, равно:

Среднее время ожидания заявки в очереди по формуле Литтла: и в системе

среднее число занятых каналов обслуживанием:

среднее число свободных каналов:

коэффициент занятости каналов обслуживанием:

Важно заметить, что параметр характеризует степень согласования входного потока, например покупателей в магазине с интенсивностью потока обслуживания. Процесс обслуживания будет стабилен при Если же в системе будут возрастать средняя длина очереди и среднее время ожидания покупателями начала обслуживания и, следовательно, СМО будет работать неустойчиво.

3.8 Анализ системы массового обслуживания супермаркета

Одной из важных задач коммерческой деятельности является рациональная организация торгово-технологического процесса массового обслуживания, например в универсаме. В частности, определение мощности кассового узла торгового предприятия является непростой задачей. Такие экономико-организационные показатели, как нагрузка товарооборота на 1м 2 торговой площади, пропускная способность предприятия, время пребывания покупателей в магазине, а также показатели уровня технологического решения торгового зала: соотношение площадей зон самообслуживания и расчетного узла, коэффициенты установочной и выставочной площадей, во многом определяются пропускной способностью кассового узла. В этом случае пропускную способность двух зон (фаз) обслуживания: зоны самообслуживания и зоны расчетного узла (рис.4.1).

СМО

СМО

Интенсивность входного потока покупателей;

Интенсивность прихода покупателей зоны самообслуживания;

Интенсивность прихода покупателей в расчетный узел;

Интенсивность потока обслуживания.

Рис.4.1. Модель двухфазной СМО торгового зала универсама

Основная функция расчетного узла состоит в обеспечении высокой пропускной способности покупателей в торговом зале и создании комфортного обслуживания покупателей. Факторы, влияющие на пропускную способность расчетного узла, можно разделить на две группы:

1) экономико-организационные факторы: система материальной ответственности в универсаме; средняя стоимость и структура одной покупки;

2) организационная структура кассового узла;

3) технико-технологические факторы: применяемые типы кассовых аппаратов и кассовых кабин; применяемая контролером-кассиром технология обслуживания покупателей; соответствие мощности кассового узла интенсивности покупательских потоков.

Из перечисленных групп факторов наибольшее влияние оказывают организационное построение кассового узла и соответствие мощности кассового узла интенсивности покупательских потоков.

Рассмотрим обе фазы системы обслуживания:

1) выбор покупателями товаров в зоне самообслуживания;

2) обслуживание покупателей в зоне расчетного узла. Входящий поток покупателей попадает в фазу самообслуживания, и покупатель самостоятельно отбирает нужные ему товарные единицы, формируя их в единую покупку. Причем время этой фазы зависит от того, как взаиморазмещены товарные зоны, какой фронт они имеют, сколько времени тратит покупатель на выбор конкретного товара, какова структура покупки и т.д.

Выходящий поток покупателей из зоны самообслуживания одновременно является входящим потоком в зону кассового узла, который последовательно включает ожидание покупателя в очереди и затем обслуживание его контролером-кассиром. Кассовый узел можно рассматривать как систему обслуживания с потерями или как систему обслуживания с ожиданием.

Однако ни первая, ни вторая рассмотренные системы не позволяют реально описать процесс обслуживания в кассовом узле универсама по следующим причинам:

в первом варианте кассовый узел, мощность которого будет рассчитана на систему с потерями, требует значительных как капитальных вложений, так и текущих затрат на содержание контролеров-кассиров;

во втором варианте кассовый узел, мощность которого будет рассчитана на систему с ожиданиями, приводит к большим затратам времени покупателей в ожидании обслуживания. При этом в часы пик зона расчетного узла «переполняется» и очередь покупателей «перетекает» в зону самообслуживания, что нарушает нормальные условия для выбора товара другими покупателями.

В связи с этим целесообразно рассматривать вторую фазу обслуживания как систему с ограниченной очереди, промежуточную между системой с ожиданием и системой с потерями. При этом предполагается, что одновременно в системе могут находиться не более L, причем L=n+m, где n-количество обслуживаемых клиентов в кассах, m-количество покупателей, стоящих в очереди, причем любая m+1- заявка покидает систему необслуженной.

Это условие позволяет, с одной стороны, ограничить площадь зоны расчетного узла с учетом максимально допустимой длины очереди, а с другой – ввести ограничение на время ожидания покупателями обслуживания в кассовом узле, т.е. учитывать издержки потребления покупателей.

Правомерность постановки задачи в таком виде подтверждается проведенными обследованиями потоков покупателей в универсамах, результаты которых приведены в табл. 4.1, анализ которых выявил тесную связь между средней длинной очереди в кассовом узле и количеством покупателей, не совершивших покупок.

Часы работы	День недели
	пятница			суббота			воскресенье
	оче-редь,	количество покупателей без покупок		оче-редь,	количество покупателей без покупок		оче-редь,	количество покупателей без покупок
		чел.	%		чел.	%		чел.	%
с 9 до 10	2	38	5	5	60	5,4	7	64	4,2
с 10 до 11	3	44	5,3	5	67	5	6	62	3,7
с 11 до 12	3	54	6,5	4	60	5,8	7	121	8,8
с 12 до 13	2	43	4,9	4	63	5,5	8	156	10
с 14 до 15	2	48	5,5	6	79	6,7	7	125	6,5
с 15 до 16	3	61	7,3	6	97	6,4	5	85	7,2
с 16 до 17	4	77	7,1	8	140	9,7	5	76	6
с 17 до 18	5	91	6,8	7	92	8,4	4	83	7,2
с 18 до 19	5	130	7,3	6	88	5,9	7	132	8
с 19 до 20	6	105	7,6	6	77	6
с 20 до 21	6	58	7	5	39	4,4
Итого	749	6,5	862	6,3	904	4,5

В организации работы кассового узла универсама имеется еще одна важная особенность, которая значительно влияет на его пропускную способность: наличие экспресс-касс (одной-двух покупок). Изучение структуры потока покупателей в универсамах по типу кассового обслуживания показывает, что поток оборот составляет 12,9% (табл. 4.2).

Дни недели	Потоки покупателей			Товарооборот
	всего	по экспресс-кассам	% к дневномупотоку	всего	по экспресс-кассам	% к дневному товарообороту
Летний период
Понедельник	11182	3856	34,5	39669,2	3128,39	7,9
Вторник	10207	1627	15,9	38526,6	1842,25	4,8
Среда	10175	2435	24	33945	2047,37	6
Четверг	10318	2202	21,3	36355,6	1778,9	4,9
Пятница	11377	2469	21,7	43250,9	5572,46	12,9
Суббота	10962	1561	14,2	39873	1307,62	3,3
Воскресенье	10894	2043	18,8	35237,6	1883,38	5,1
Зимний период
Понедельник	10269	1857	18,1	37121,6	2429,73	6,5
Вторник	10784	1665	15,4	38460,9	1950,41	5,1
Среда	11167	3729	33,4	39440,3	4912,99	12,49,4
Четверг	11521	2451	21,3	40000,7	3764,58	9,4
Пятница	11485	1878	16,4	43669,5	2900,73	6,6
Суббота	13689	2498	18,2	52336,9	4752,77	9,1
Воскресенье	13436	4471	33,3	47679,9	6051,93	12,7

Для окончательного построение математической модели процесса обслуживания с учетом перечисленных выше факторов необходимо определить функции распределения случайных величин, а также случайные процессы, описывающие входящие и выходящие потоки покупателей:

1) функцию распределения времени покупателей на выбор товаров в зоне самообслуживания;

2) функцию распределения времени работы контролера-кассира для обычных касс и экспресс-касс;

3) случайный процесс, описывающий входящий поток покупателей в первую фазу обслуживания;

4) случайный процесс, описывающий входящий поток во вторую фазу обслуживания для обычных касс и экспресс-касс.

Моделями для расчета характеристик системы массового обслуживания удобно пользоваться в том случае, если входящий поток требований в систему обслуживания является простейшим пуассоновским потоком, а время обслуживания заявок распределено по экспоненциальному закону.

Исследование потока покупателей в зоне кассового узла показало, что для него может быть принят пуассоновский поток.

Функция распределения времени обслуживания покупателей контролерами-кассирами является экспоненциальной, такое допущение не приводит к большим ошибкам.

Безусловный интерес представляет анализ характеристик обслуживания потока покупателей в кассовом узле универсама, рассчитанных для трех систем: с потерями, с ожиданием и смешанного типа.

Расчеты параметров процесса обслуживания покупателей в кассовом узле проведены для коммерческого предприятия торговой площадью S=650на основе следующих данных.

Целевая функция может быть записана в общем виде связи (критерия) выручки от реализации от характеристик СМО:

где - кассовый узел состоит из =7 касс обычного типа и =2 экспресс-касс,

Интенсивность обслуживания покупателей в зоне обычных касс – 0,823 чел./мин;

Интенсивность нагрузки кассовых аппаратов в зоне обычных касс – 6,65,

Интенсивность обслуживания покупателей в зоне экспресс-касс – 2,18 чел./мин;

Интенсивность входящего потока в зону обычных касс – 5,47 чел./мин

Интенсивность нагрузки кассовых аппаратов в зоне экспресс-касс – 1,63,

Интенсивность входящего потока в зону экспресс-касс – 3,55 чел./мин;

Для модели СМО с ограничением на длину очереди в соответствии с проектируемой зоной кассового узла максимально допустимое число покупателей, стоящих в очереди в одну кассу, принимается равным m=10 покупателей.

Следует заметить, что для получения сравнительно небольших по абсолютной величине значений вероятности потерь заявок и времени ожидания покупателей в кассовом узле необходимо соблюдать следующие условия:

В табл.6.6.3 приведены результаты характеристик качества функционирования СМО в зоне расчетного узла.

Расчеты проведены для наиболее напряженного периода времени рабочего дня с 17 до 21 часа. Именно на этот период, как показали результаты обследований, приходится около 50% однодневного потока покупателей.

Из приведенных данных в табл. 4.3 следует, что если бы для расчета была выбрана:

1) модель с отказами, то 22,6% потока покупателей, обслуживаемых обычными кассами, и соответственно 33,6% потока покупателей, обслуживаемых экспресс-кассами, должны были бы уйти без покупок;

2) модель с ожиданием, то потерь заявок в расчетном узле не должно бы быть;

Табл. 4.3 Характеристики системы массового обслуживания покупателей в зоне расчетного узла

Тип кассы	Количество касс в узле	Тип СМО	Характеристики СМО
			Среднее число занятых касс,	среднее время ожидания обслуживания,	Вероятность потери заявок,
Обычные кассы	7	с отказами с ожиданием с ограничением
Экспресс-кассы	2	с отказами с ожиданием с ограничением

3) модель с ограничением на длину очереди, то только 0,12% потока покупателей, обслуживаемых обычными кассами, и 1,8% потока покупателей, обслуживаемых экспресс-кассами, покинут торговый зал без покупок. Следовательно, модель с ограничением на длину очереди позволяет более точно и реально описать процесс обслуживания покупателей в зоне кассового узла.

Интерес представляет сравнительный расчет мощности кассового узла как с учетом экспресс-касс, так и без них. В табл. 4.4 приведены характеристики системы обслуживания кассового узла трех типоразмеров универсамов, рассчитанные по моделям для СМО с ограничением на длину очереди на наиболее напряженный период рабочего дня с 17 до 21 часа.

Анализ данных этой таблицы показывает, что не учет фактора «Структура потока покупателей по типу кассового обслуживания» на стадии технологического проектирования может привести к увеличению зоны расчетного узла на 22-33%, а отсюда соответственно и к уменьшению установочных и выставочных площадей торгово-технологического оборудования и товарной массы, размещаемой в торговом зале.

Проблема определения мощности кассового узла представляет собой цепочку взаимосвязанных характеристик. Так, увеличение его мощности сокращает время покупателей на ожидание обслуживания, уменьшает вероятность потери требований и, следовательно, потери товарооборота. Наряду с этим необходимо соответственно уменьшить зону самообслуживания, фронт торгово-технологического оборудования, товарную массу в торговом зале. В то же время увеличивается затраты на заработную плату контролеров-кассиров и оборудование дополнительных рабочих мест. Поэтому

№ п/п	Характеристики СМО	Единица измерения	Обозначение		Показатели, рассчитанные по типам универсамов торговой площади, кв. м
					Без экспресс-касс						С учетом экспресс-касс
					650		1000		2000		650			1000			2000
											Обычные кассы		Экспресс-кассы	Обычные кассы		экспресс-кассы	Обычные кассы		экспресс-кассы
1	Количество покупателей	чел.	k		2310		3340		6680		1460		850	2040		1300	4080		2600
2	Интенсивность входящего потока		λ		9,64		13,9		27,9		6,08		3,55	8,55		5,41	17,1		10,8
3	Интенсивность обслуживания	чел./мин	μ		0,823		0,823		0,823		0,823		2,18	0,823		2,18	0,823		2,18
4	Интенсивность нагрузки	-	ρ		11,7		16,95		33,8		6,65		1,63	10,35		2,48	20,7		4,95
5	Количество кассовых аппаратов	шт.	n		12		17		34		7		2	11		3	21		5
6	Общее количество касс расчетного узла	шт.		∑n		12		17		34		9			14			26

необходимо проводить оптимизационные расчеты. Рассмотрим характеристики системы обслуживания в кассовом узле универсама торговой площади 650м, рассчитанные по моделям СМО с ограниченной длиной очереди для различных мощностей его кассового узла в табл. 4.5.

На основе анализа данных табл. 4.5 можно сделать вывод, что по мере увеличения количества касс время ожидания покупателей в очереди растет, а затем после определенного момента резко падает. Характер изменения графика времени ожидания покупателей понятен, если параллельно рассматривать изменение вероятности потери требования Вполне очевидно, что когда мощность кассового узла чрезмерно мала, то более 85% покупателей будут уходить необслуженными, а оставшаяся часть покупателей будет обслужена за очень короткое время. Чем больше мощность кассового узла, тем вероятность потери требований будет дожидаться своего обслуживания, а значит, и время их ожидания в очереди соответственно будет расти. После того как ожидания и вероятность потерь будут резко уменьшаться.

Для универсама торговой площадью 650 этот предел для зоны обычных касс лежит между 6 и 7 кассовыми аппаратами. При 7 кассовых аппаратах соответственно среднее время ожидания – 2,66 мин, а вероятность потери заявок очень мала – 0,1%. Таким образом, которая позволит получить минимальные совокупные затраты на массовое обслуживание покупателей.

Тип кассового обслуживания	Количество кассовых аппаратов в узле n, шт.	Характеристики системы обслуживания		Средняя выручка за 1 ч. руб.	Средняя потеря выручки за 1 ч. руб	Число покупателей в зоне расчетного узла	Площадь зоны расчетного узла, Sy, м	Удель ный вес площади зоны узла 650/ Sy
		Среднее время ожидания, Т,мин	Вероятность потери заявок
Зоны Обычных касс
Зоны экспресс-касс

Заключение

На основе анализа данных табл. 4.5 можно сделать вывод, что по мере увеличения количество касс время ожидания покупателей в очереди растет. А затем после определенного момента резко падает. Характер изменения графика времени ожидания покупателей понятен, если параллельно рассматривать изменение вероятности потери требований Вполне очевидно, что когда мощность кассового узла чрезмерно мала, то более 85% покупателей будут уходить необслуженными, а оставшаяся часть покупателей будет обслужена за очень короткое время. Чем больше мощность кассового узла. Тем вероятность потери требований будет уменьшаться и соответственно тем большее число покупателей будет дожидаться своего обслуживания, а значит, и время их ожидания в очереди соответственно будет расти. После того как расчетный узел превысит оптимальный мощность, время ожидания и вероятность потерь будут резко уменьшаться.

Для универсама торговой площадью 650 кв. метров этот предел для зоны обычных касс лежит между 6-8 кассовыми аппаратами. При 7 кассовых аппаратах соответственно среднее время ожидания- 2,66 мин, а вероятность потери заявок очень мало - 0,1 % . Таким образом, задача состоит в выборе такой мощности кассового узла, которая позволит получит минимальные совокупные затраты на массовое обслуживание покупателей.

В связи с этим следующим этапом решения поставленной задачи является оптимизация мощности кассового узла на базе применения моделей СМО разных типов с учетом совокупных затрат и перечисленных выше факторов.