Классификация систем массового обслуживания и их основные элементы

Выборка 1  число заявок на перевозку за день =0,046229

Х1 ={8;5;8;4;21;0;9;3;8;5;1;4;12;0;10;1;0;7;2;21;1;3;4;6;0;8;2;22;1;2;8;4;5;6;2;6;

3;6;16;7;2;2;2;13;5;5;21;2;4;}

Выборка 2 Время  обслуживания одной заявки в часах.

Х2 = 25,52,22,7,15,55,43,11,25,24,23,24,13,15,11,38,8,18,14,73,8,48,22,4,30,6,17,12,23,112,10,45,4,32,123,39,59,19,5,12,5,7,74,57,10,35,12,28,11,16. 
 

Прежде  чем рассматривать транспортное агентство как СМО, необходимо доказать, что мы имеем на это право.

   Действительно, наше транспортное  агентство обладает всеми присущими СМО элементами.

  Входящий  поток - заявки на перевозку,  есть очередь неограниченной  длинны, обслуживающими приборами  являются автомашины, обслуженные  заявки составляют входящий поток.

   Обоснуем наши утверждения и  поясним. Входящий поток, как уже отмечалось, являются заявки на обслуживание населения. Для дальнейшей работы необходимо убедиться в том что входящий поток является простейшим (пуассоновским).

  Докажем  это на сознательном уровне. Ординарность  вытекает из следующих соображений: две или более заявок вряд ли успеют в секунду в секунду прибыть к транспортному агентству, какая то одна все равно будет первой а остальные будут вынуждены стать в очередь, к тому же одна машина одновременно не станет заниматься двумя или более заявками.

  Отсутствие  после действия обуславливается  тем что заказчик машины (на  обслуживание) вряд ли знает, сколько  поступило заявок на обслуживание  до него и сколько ему придется  ждать обслуживания, т.е. заявки  поступают не зависимо друг  от друга.

  Стационарность обслуживается тем что число заявок на транспортировку за один час в среднем постоянно.

   Таким образом можно сделать  вывод что входящий поток требований  имеет Пуассоновское распределение.  

     Приведём критерий проверки распределения входящего потока требований на соответствие пуассоновскому закону распределения.

      Одним из признаков того, что случайная  величина распределена по закону распределения  Пуассона, является совпадение математического  ожидания случайной величины и дисперсии  этой же случайной величины, то есть:

      В качестве оценки для математического  ожидания обычно выбирают выборочное среднее

      

а в  качестве оценки дисперсии - выборочную дисперсию:

где n - объём выборки X1={ };

      N - объём вариационного ряда;

      - частота в выборке Х1.

Проведём  расчёты:

Найдём  отношение:

»1

Результаты проверки распределения входящего потока требований на соответствие пуассоновскому закону распределения приведены  в приложении  2 .   

Применение  непараметрического критерия А.Н.Колмогорова  для проверки статистических гипотез

      Рассмотрим  применение этого критерия для проверки гипотез о соответствии теоретического распределения случайной величины - эмпирическому, где случайная величина представлена выборкой Х2. И продемонстрируем его применение для анализа распределения времени обслуживания  одного из каналов СМО.

      Пусть нам задана выборка Х2= случайной величины ,которая выражает длительность (время) обслуживания заявок одним из каналов исследуемой системы массового обслуживания. Выборка Х2 имеет объём n=50.

      Гипотеза  Н заключается в том, что случайная  величина имеет показательное распределение с параметром , т.е.

,

где - оценка параметра показательного распределения , которая находится как обратная величина к исправленному среднему выборочному :

, где  ,

а - элемент выборки Х2, выражает чистое время обслуживания k-той заявки, поступившей в систему массового обслуживания.

      Находим оценку параметра  для нашей выборки Х2,

 Дальнейший этап исследования заключается  в построении эмпирической функции  распределения  . Для этой цели построим по выборке Х2 вариационный ряд , где - строго упорядоченные, а каждому значению отвечает соответствующая ему частота , равная числу повторений в выборке Х2, причем выполняется тождество:

.

      Тогда эмпирическую функцию распределения можно записать в виде:

      После того, как эмпирическая функция распределения  построена, можно вычислить разности

в точках , и где - достаточно малое число, скажем .

      Теперь  вычисляем  , , , где

= { ; }

      Для автоматизации вычислений значений , , использована вычислительная техника, результаты занесены в Приложение 2.

= { ; }

      Далее проводим проверку гипотезы. По найденному значению проверяем гипотезу Н, сравнивая с величиной . Если , то гипотезу Н о том, что время обслуживания заявок подчинено показательному закону с параметром , можно считать не противоречащей опытным данным. Если же, , то гипотеза Н отвергается.

      Квантиль  z находим по приближённой формуле:

,

исходя  из заданного уровня значимости .

Получаем  для  =0,0005:  z=1,358102.

      В нашем случае

=

и, сравнивая  полученные величины находим:

0,095922 0,226350                                  т.е. .

Выводы: Можно утверждать, что для 0,05% уровня значимости гипотеза Н о том, что время обслуживания заявок имеет показательное распределение с параметром =0,034975, не противоречит опытным данным.

      Доказав, что входящий поток требований  имеет пуассоновское распределение и время обслуживания заявок имеет показательное распределение, мы имеем право приступать к дальнейшему решению поставленной задачи.  
 
 
 
 
 
 
 
 
 
 
 

      Расчёты 

• Средняя интенсивность  поступления заявок на транспортировку:

  =6 заявок в день, а так как транспортное агентство работает 10 часов в день то   = 0,6 заявок в час.

2. Среднее время обслуживания заявки.

     

3. интенсивность выходящего потока
4. коэффициент загрузки системы

таким образом  из условия    принимает min количество автомашин   

5. находим среднее время ожидания заявки   при количестве автомобилей в агентстве больше 17.

6. среднее число  автомашин, свободных от обслуживания

7. находим убыток от простоя автомашин в день

8. находим убыток от не обслуженных на протяжении дня  заявок, из-за большего времени ожидания.  Так как прибыль от обслуживания одной заявки приносит доход в 20 грн. то из-за большого времени ожидания в день агентство будет не дополучать:

9. определим суммарный убыток от простоя автомашин  и от не обслуженных заявок.

Для определения  оптимального числа автомашин в  агентстве выполняющих операции в течении 10 часов в день нужно  найти.

ІІ. Важнейшими операционными характеристиками СМО с ожиданием являются:

1. среднее число свободных устройств
2. среднее число занятых устройств  
3. вероятность того что все обслуживающие устройства заняты
4. вероятность того что все обслуживающие устройства свободны  
5. средняя длинна очереди 
6. среднее время ожидания начала обслуживания:
7. коэффициент простоя обслуживающих устройств:

ІІІ. Вероятность заявки каждой из автомашин в предложении, что все автомашины пронумерованы, а обслуживание очередной заявки осуществляет свободная машина с наименьшим номером  

Результаты расчетов приведены в приложении 2.    

       
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      ВЫВОДЫ 

      В этой курсовой работе раскрыты понятия  приводящие к системе массового  обслуживания, а именно: обслуживание, обслуживает прибор система обслуживания, система массового обслуживания.

        Также описаны типичные элементы, из которых состоят системы массового обслуживания (входящий поток, его описание и основные особенности, очередь и ее дисциплина, обслуживающие приборы и особенности механизма обслуживания, входящий поток).

          Что касается практического задания, то рассмотренное в данной задачей транспортное агентство является СМО с ожиданием. Поступающий поток заявок на обслуживание является простейшим (Пуассоновским), а время обслуживания  соответствует  показательному закону распределения, это было доказано с помощью не параметрического критерия А.Н. Колмогорова.

      Оптимальное  число автомашин в агентстве, выполняющих операции в течении 10 часов в день равно 18.