Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.

Relevanta dokument
Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar.

Kunna beräkna P (spärr) för system med begränsat antal kunder och köplatser. Kunna beräkna medelantal upptagna betjänare.

Kunna beräkna spärren i ett M/M/m*upptagetsystem. Känna till begreppet utnyttjning av en betjänare och beräkna den.

Kunna beräkna spärren i ett M/M/m*upptagetsystem.

Kunna använda Littles sats för enkla räkningar på kösystem.

Kunna använda Littles sats för enkla räkningar på kösystem.

Kunna dra slutsatser om ett systems betjäningstider och antalet köplatser genom att tolka diagram.

Fö relä sning 2, Kö system 2015

Kunna dra slutsatser om t ex ett systems betjäningstider och antalet köplatser genom att tolka diagram.

2 Laborationsuppgifter, upptagetsystem

Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.

Tiden i ett tillstånd

TILLSTÅNDSGRAFEN. Slutligen erhålls den mycket viktiga så kallade Snittmetoden :

M/M/m/K kösystem. M/M/m/K kösystem

TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 17 AUGUSTI 2018 KL

Kurs: HF1012 Matematisk statistik Lärare: Armin Halilovic

b) Vad är sannolikheten att personen somnar i lägenheten? (4 p) c) Hur många gånger förväntas personen byta rum? (4 p)

Markovprocesser SF1904

Ett M/M/1 betjäningssystem har följande egenskaper: 1. Systemet har en betjänare. Betjäningstiderna är exponentialfördelade med medelvärde 1 μ

Övning 1(a) Vad du ska kunna efter denna övning. Problem, nivå A. Redogöra för begreppen diskret och kontinuerlig stokastisk variabel.

Fö relä sning 1, Kö system vä ren 2014

Kunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel.

Övning 1. Vad du ska kunna efter denna övning. Problem, nivå A

Markovprocesser SF1904

Markovprocesser SF1904

TENTAMEN I SF1904 MARKOVPROCESSER TISDAGEN DEN 29 MAJ 2018 KL

Fö relä sning 1, Kö system 2015

Fördelningsfunktionen för en kontinuerlig stokastisk variabel. Täthetsfunktionen för en kontinuerlig och en diskret stokastisk variabel.

a) Använd samtal.mat för att beräkna antalet samtal som blir spärrade i de olika cellerna under den givna timmen.

Ur en kortlek på 52 kort väljer man ( utan återläggning och utan hänsyn till ordning) slumpvis 5 kort. Vad är sannolikheten för att få


TAMS79: Föreläsning 10 Markovkedjor

LINKÖPINGS UNIVERSITET EXAM TAMS 15 / TEN 1

TENTAMEN I SF1904 MARKOVPROCESSER FREDAGEN DEN 18 AUGUSTI 2017 KL

Tentamen TEN1, HF1012, 29 maj Matematisk statistik Kurskod HF1012 Skrivtid: 14:00-18:00 Lärare och examinator : Armin Halilovic

aug 2017 Kurskod HF1012 Halilovic internet. Betygsgränser: För (betyg Fx). Sida 1 av 13

Performance QoS Köteori SNMP. Felsökning. Jens A Andersson (Maria Kihl) GET request GET response SET request TRAP MIB. Att mäta är att veta ping

Performance QoS Köteori. Jens A Andersson (Maria Kihl)

Stokastiska processer och simulering I 24 maj

Markovprocesser SF1904

Markovprocesser SF1904

Markovprocesser SF1904

INTRODUKTION TILL MARKOVKEDJOR av Göran Rundqvist, KTH

Tentamen i matematisk statistik, TAMS15/TEN (4h)

TAMS79 / TAMS65 - vt TAMS79 / TAMS65 - vt Formel- och tabellsamling i matematisk statistik. TAMS79 / TAMS65 - vt 2013.

Lycka till!

Matematisk statistik KTH. Formel- och tabellsamling i Matematisk statistik, grundkurs

Tentamen i Sannolikhetslära och statistik, TNK069, , kl 8 13.

Tentamen i FMS180/MASC03 Markovprocesser

** a) Vilka värden ska vara istället för * och **? (1 p) b) Ange för de tre tillstånden vilket som svarar mot 0,1,2 i figuren.

Stokastiska processer och simulering I 24 augusti

Föreläsningsanteckningar köteori

MIO310 OPTIMERING OCH SIMULERING, 4 p

Poisson Drivna Processer, Hagelbrus

Statistiska metoder för säkerhetsanalys

Kap 2. Sannolikhetsteorins grunder

Optimering av ett patientflöde inom svensk veterinärvård

Kurssammanfattning MVE055

Modellering och kundprocessanalys av kösystem på Vapiano Sturegatan

Kapitel 4. Kontinuerliga slumpvariabler och deras sannolikhetsfördelningar. Sannolikhetslära och inferens II

Utdrag ur TAMS15: Matematisk statistik I, grundkurs Extra kursmaterial för TAMS79

Matematisk statistik för D, I, Π och Fysiker

TENTAMEN I KOTEORI 20 dec 07 Ten2 i kursen HF1001 ( Tidigare kn 6H3012), KÖTEORI OCH MATEMATISK STATISTIK,

MIO310 OPTIMERING OCH SIMULERING, 4 p

Optimering av ett kösystem på IKEA Kungens Kurva

Extrauppgifter - Statistik

1 Linjära ekvationssystem. 2 Vektorer

Matematisk statistik för D, I, Π och Fysiker

Uppgift 2. För två händelser A och B gäller P(A B)=0.5, P ( A ) = 0. 4 och P ( B

Matematisk statistik 9hp Föreläsning 7: Normalfördelning

Simulering av ett Multi-skill callcenter Med varierande genomsnittlig betjäningstid beroende på agenters kunskapsnivå

Föreläsningsanteckningar i kurs 5B1506 Markovprocesser och köteori. Jan Grandell

TMS136: Dataanalys och statistik Tentamen

Matematisk statistik för D, I, Π och Fysiker

MIO310 OPTIMERING OCH SIMULERING, 4 p

Kovarians och kriging

Veckoblad 3. Kapitel 3 i Matematisk statistik, Dahlbom, U.

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I

DEL I 15 poäng totalt inklusive bonus poäng.

e x/1000 för x 0 0 annars

Stokastiska Processer

Lösningsförslag till Problem i kapitel 7 i Mobil Radiokommunikation

P =

2 x dx = [ x ] 1 = 1 ( 1 (1 0.9) ) 100 = /

Föreläsning 6: Nätverksoptimering

e 3 e 2 e 1 Kapitel 3 Vektorer i planet och i rummet precis ett sätt skrivas v = x 1 e 1 + x 2 e 2

FACIT: Tentamen L9MA30, LGMA30

P(X nk 1 = j k 1,..., X n0 = j 0 ) = j 1, X n0 = j 0 ) P(X n0 = j 0 ) = etc... P(X n0 = j 0 ) ... P(X n 1

TMS136. Föreläsning 4

Stockholms Universitet Statistiska institutionen Patrik Zetterberg

9. Konfidensintervall vid normalfördelning

Matematisk statistik för D, I, Π och Fysiker

Grafer och grannmatriser

Extrauppgifter i matematisk statistik

Händelsestyrd simulering. Inledning. Exempel

TENTAMEN Datum: 14 feb 2011

Exempel. Vi observerar vädret och klassificerar det i tre typer under en följd av dagar. vackert (V) mulet (M) regn (R)

Modeller för reservoarer - köer och liknande fenomen

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Transkript:

Övning 7 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät utan återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät utan återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod. Problem 1. En enkel webbserver kan modelleras som könätet i figuren nedan. Systemet består av stycken M/M/1-system med oändlig buffert. Nod i har betjäningsintensiteten µ i. När ett jobb har blivit betjänat i nod 1, fortsätter det till nod 2 med sannolikheten α. Med sannolikheten 1 α fortsätter jobbet till nod. Jobb som kommer till könätet kommer alltid till nod 1 i enlighet med en Poissonprocess med intensitet λ = 10. Låt dessutom α = 0.7, µ 1 = 15, µ 2 = 10 samt µ = 5. (a) Vad blir ρ i = λ i /µ i för noderna? (b) Bestäm medelantal jobb i könätet. (c) Bestäm den totala medelväntetiden i buffertarna för ett godtyckligt jobb. 2. Ett system har modellerats med könätet nedan. Nod 1, 2, och 5 har oändligt buffertutrymme. Nod 4 är ett upptagetsystem med tre betjänare. Alla betjäningstider är exponentialfördelade med medelvärde 1/µ i för nod i. Kunder kommer med intensiteterna λ 1 och. Låt λ 1 = 4 s 1, = 2 s 1, µ 1 = µ 2 = 5 s 1, µ = 8 s 1, µ 4 = 2 s 1, µ 5 = 6 s 1 och α = 2/. (a) Bestäm medelantal kunder i var och en av de fem noderna. (b) Bestäm medelantal kunder som spärras per sekund i nod 4. (c) Bestäm medeltiden i systemet för de kunder som inte spärras. (d) Hur lång är medelväntetiden i köerna för en godtycklig kund? 1

. Ett system modelleras som ett könät med tre noder. Nod 1 och 2 är M/M/1-system, och nod är ett upptagetsystem med 2 betjänare. Betjäningstiderna i de tre systemen är exponentialfördelade med medelvärdena E(X 1 ), E(X 2 ) respektive E(X ). Alla kunder som kommer till systemet går först till nod 1 (ankomstintensitet λ). När en kund är färdigbetjänad i nod 1 fortsätter den med sannolikheten β till nod 2 och med sannolikheten 1 β till nod. Efter betjäning i nod 2 eller eller efter att ha spärrats i nod lämnar kunden könätet. Låt λ = 4 per minut, E(X 1 ) = 10 sekunder, E(X 2 ) = 0 sekunder och E(X ) = 20 sekunder samt β = 0.2. (a) Rita könätet (b) Vad blir ankomstintensiteten till nod 2 respektive nod? (c) Bestäm medelantal kunder i nod 1 respektive nod 2. (d) Bestäm hur många kunder som per minut avvisas från nod. (e) Bestäm medeltid i systemet för en kund som får full betjäning. (f) Bestäm den tid som en kund som får fullständig betjäning tillbringar i systemets buffertar. 4. Ett könät består av två noder. Nod 1 är ett M/M/1-system och nod 2 är ett upptagetsystem med betjänare. Betjäningstiderna är exponentialfördelade med medelvärdena E(X 1 ) respektive E(X 2 ). Alla kunder som kommer till könätet anländer till nod 1 med intensiteten λ. När de är färdigbetjänade där fortsätter de med sannolikheten 1 α till nod 2 och med sannolikheten α lämnar de könätet. En kund som är färdigbetjänad i nod 2 eller avvisas där lämnar könätet. Antag att λ = per minut, E(X 1 ) = 10 sekunder, E(X 2 ) = 60 sekunder och α = 0.2. (a) Bestäm ankomstintensiteten till nod 2. (b) Bestäm P (k 1 jobb i nod 1 och k 2 jobb i nod 2). (c) Bestäm medelantal jobb i nod 1. (d) Bestäm sannolikheten att ett jobb som kommer till nod 2 avvisas. (e) Bestäm medelantal jobb i nod 2. (f) Bestäm hur många jobb per minut som i medeltal blir färdigbetjänade i nod 2. 5. Kunder kommer enligt en Poissonprocess till ett upptagetsystem med en betjänare. De kunder som får betjäning fortsätter till ett kösystem med en köplats och en betjänare. Antag att betjäningstiderna i bägge noderna är exponentialfördelade med medelvärde 1 sekund. Medeltiden mellan ankomsterna är 1 sekund. (a) Beräkna medelantalet kunder i nod 1 och nod 2. (b) Beräkna medeltiden som en kund som betjänas i nod 2 tillbringar i nod 2. (c) Är antalet kunder som finns i nod 1 och nod 2 oberoende av varandra? 2

Lösningar 1. (a) Först beräknar vi λ i = ankomstintensiteten till nod i. Vi får λ 1 = λ = 10 Nu får vi = α λ 1 = 7 λ = (1 α) λ 1 = ρ 1 = λ 1 µ 1 = 10 15 = 2 ρ 2 = µ 2 = 7 10 ρ = λ µ = 5 (b) Vi börjar med att beräkna medelantal jobb i könätet för var och en av noderna och sedan summerar vi. Antag att N i är antal kunder i nod i. Vi kan använda den vanliga formeln för medelantal kunder i ett M/M/1-system, vilket ger E(N 1 ) = ρ 1 1 ρ 1 = 2/ 1 2/ = 2 E(N 2 ) = ρ 2 1 ρ 2 = 7/10 1 7/10 = 7 E(N ) = ρ 1 ρ = /5 1 /5 = 2 Det totala antalet kunder i könätet blir nu E(N) = E(N 1 ) + E(N 2 ) + E(N ) = 12 6 + 14 6 + 9 6 = 5 6 (c) Vi betraktar alla könätets buffertar som ett enda system och använder Littles sats. För att göra detta måste vi först beräkna medelantal kunder som köar i hela könätet. Om N qi är antalet kunder som väntar i bufferten i nod i gäller E(N qi ) = E(N i ) E(N si ) = E(N i ) ρ i där N si är antalet kunder som betjänas i nod i, observera att N si i detta fall är = 0 eller 1. Det ger E(N q ) = E(N) ρ 1 ρ 2 ρ = 5 6 4 6 7 10 5 = 58 15 Medeltiden som en godtycklig kund väntar i köerna blir då E(N q ) λ 0.9 s

2. (a) Vi får ρ 1 = λ 1 µ 1 = 4 5 E(N 1) = ρ 1 1 ρ 1 = 4 ρ 2 = µ 2 = 2 5 E(N 2) = ρ 2 1 ρ 2 = 2 (b) ρ = λ µ = λ 1 + µ = 4 E(N ) = ρ 1 ρ = ρ 4 = λ 4 µ 4 = λ α µ 4 = 2 E(N 4 ) = ρ 4 (1 E (ρ 4 )) 1.58 ρ 5 = λ 5 µ 5 = λ (1 α) µ 5 = 1 E(N 5) = ρ 5 1 ρ 5 = 1 2 λ 4 E (ρ 4 ) 0.84 (c) Vi låter T i vara tiden i nod i. Då är E(T 1 ) = E(N 1) λ 1 = 1 E(T 2 ) = E(N 2) 0. E(T ) = E(N ) λ = 0.5 E(T 4 ) = 1 µ 4 = 0.5 E(T 5 ) = E(N 5) λ 5 = 0.25 En kund som inte spärras kan ta följande vägar genom systemet Väg A : 1 4 Väg B : 1 5 Väg C : 2 4 Väg D : 2 5 Antag nu att Y = tiden som en kund som inte spärras befinner sig i könätet. Då gäller E(Y tar väg A) = T 1 + T + T 4 = 2 E(Y tar väg B) = T 1 + T + T 5 = 1.75 E(Y tar väg C) = T 2 + T + T 4 = 1. E(Y tar väg D) = T 2 + T + T 5 = 1.08 Låt nu Λ i vara antal kunder per sekund som tar väg i. Då får vi Λ A = λ 1 α(1 E (ρ 4 )) 2.105 Λ B = λ 1 (1 α) 1. 4

Vi får då Λ C = α(1 E (ρ 4 )) 1.05 Λ D = (1 α) 0.667 Λ i P (tar väg i) = Λ A + Λ B + Λ C + Λ D Sedan kan vi ta bort betinget och få E(Y ) = E(Y tar väg i)p (tar väg i) 1.7 i {A,B,C,D} (d) Låt W vara den totala kötiden för en godtycklig kund. Littles sats medför att E(W ) = E(N qtot) λ 1 + Där N qtot är det totala antalet köande kunder i könätet. Nu gäller E(N q1 ) = E(N 1 ) ρ 1 =.2 vilket medför att och slutligen E(N q2 ) = E(N 2 ) ρ 2 0.267 E(N q ) = E(N ) ρ = 2.25 E(N q4 ) = 0 E(N q5 ) = E(N 5 ) ρ 5 0.167 E(N qtot ) 5.88 E(W ) 0.98 s. (a) Könätet ser ut så här: (b) Om λ i är ankomstintensiteten till nod i så får vi = βλ = 0.8 min 1 λ = (1 β)λ =.2 min 1 (c) Vi kan räkna på nod 1 och 2 som om de vore M/M/1-system vilket ger ρ 1 = λx 1 = 4 10 60 E(N 1) = ρ 1 = 2 1 ρ 1 ρ 2 = x 2 = 0.8 0 60 = 0.4 E(N 2) = ρ 2 1 ρ 2 = 2 5

(d) Medelantal avvisade per minut blir λ E 2 (ρ ) =.2 E 2 (.2 20 60 ) 0.69 (e) Det finns två vägar genom systemet, väg A som går från 1 till 2 och väg B som går från 1 till. Medeltiden som en kund tillbringar i de olika noderna är E(T 1 ) = E(N 1) = 0.5 λ E(T 2 ) = E(N 2) 0.8 E(T ) = E(X ) = 1 Medelantal kunder som betjänas under en minut är för nod 2 och = λ (1 E 2 (ρ )) för nod. Således blir medeltiden i systemet för en godtycklig kund som betjänas färdigt (E(T 1 ) + E(T 2 )) + + (E(T 1 ) + E(T )) + (f) Medeltiden som en kund tillbringar med att vänta i nod i är 0.95 E(W q1 ) = E(N 1) ρ 1 λ = 1 E(W q2 ) = E(N 2) ρ 2 = 1 E(W q ) = 0 På samma sätt som vi får i f-uppgiften får vi att medeltiden som en godtycklig kund som betjänas tillbringar med att vänta i buffertarna är E(W q ) = (E(W q1 ) + E(W q2 )) = E(W q1 ) + E(W q2 ) + + (E(W q1 ) + E(W q )) 24.8 + 60 min + 4. (a) = λ(1 α) = 2.4 min 1 (b) Eftersom vi har en Poissonprocess ut från nod 1 så kommer antalet kunder i systemen att vara oberoende av varandra. Det ger (c) P (k 1, k 2 ) = ρ k1 1 (1 ρ ρ k2 2 1) /k 2! 1 + ρ 2 + ρ 2 2 /2 + ρ 2 /! E(N 1 ) = ρ 1 1 ρ 1 = 1 6

(d) E (ρ 2 ) = E (2.4) 0.27 (e) ρ 2 (1 E (ρ 2 )) 1.76 (f) (1 E (ρ 2 )) 1.76 min 1 5. (a) Vi börjar med att rita upp en Markovkedja som beskriver systemet. Vi låter tillstånd ij betyda att det finns i kunder i upptagetsystemet och j kunder i väntsystemet. Då får vi Markovkedjan nedan. Använder vi flöde-in flöde-ut-metoden på denna Markovkedja och utnyttjar att λ = µ = 1 så får vi ekvationssystemet p 00 = p 01 p 10 = p 00 + p 11 2p 01 = p 02 + p 10 2p 11 = p 12 + p 01 2p 02 = p 12 + p 11 2p 12 = p 02 Om vi också använder oss av att summan av alla sannolikheter måste vara 1 så ger ekvationssystemet p 00 = 5 24 p 01 = 5 24 p 10 = 8 24 p 11 = 24 p 02 = 2 24 p 12 = 1 24 7

Definitionen av medelvärde ger sedan E(N 1 ) = 1 (p 10 + p 11 + p 12 ) = 0.5 E(N 2 ) = 1 (p 01 + p 11 ) + 2 (p 02 + p 12 ) = 1.75 (b) Först måste vi beräkna 2. För att göra detta använder vi ett trick. Vi kan beräkna medelantalet kunder i nod 2:s betjänare dels med Littles sats, dels med definitionen. Om vi gör det får vi 2 1 µ = 1 (p 01 + p 02 + p 11 + p 12 ) 2 = 11 24 Nu kan vi använda Littles sats, vilken ger att medeltiden i nod 2 blir E(N 2 ) 2 = 42 11 (c) Nej, vi har inte oberoende. Om vi till exempel sätter p i (k) = sannolikheten att antalet kunder i nod i är k så är p 00 p 1 (0)p 2 (0) vilket innebär att vi ej har oberoende. 8