Antrian Lain
Antrian Lain
Hendrawan hend@telecom.ee.itb.ac.id
Outline
Antrian Markovian lain (M/M/) Sistem antrian state-dependent M/M/1 Antrian M/M/1/K Antrian M/M/ Antrian M/M/m Antrian M/M/m/m Multi-channel call concentration Antrian M/G/1 Priority Queuing
Sistem-sistem serupa
M/M/1/N : buffer terbatas dg kapasitas sistem N M/M/m : m server M/M/ : server tak terhingga (tdk ada antrian) M/M/m/m : m server tanpa antrian
Antrian M/M/1/N
Fitur dari antrian M/M/1/N
Proses kedatangan Poisson Waktu pelayanan eksponensial Single server Kapasitas terbatas utk N pelanggan dlm sistem
Antrian M/M/1/N
Markov chain model
Terminasi dg N dlm sistem Local balance equations menghasilkan
Antrian M/M/1/N
Solusi steady-state
Antrian M/M/1/N
Probabilitas blocking adalah ukuran performansi yg penting utk sistem dg kapasitas terbatas
Probabilitas blocking adalah probabilitas bhw pelanggan yg datang akan mendpkan sistem penuh, yaitu ada N pelanggan dlm sistem
Probabilitas blocking : pN Rate pelanggan yg ditolak : . pN
In-Class Excersise
Misalkan message tiba sesuai dg proses Poisson dg rate satu message setiap 4 ms, dan waktu transmisi message terdistribusi eksponensial dg mean 3 ms. Sistem memp. buffer utk kapasitas 4 message termasuk satu yg sedang dilayani (a) Berapa probabilitas blocking? (b) Brp jumlah rata-rata message dlm sistem?
Antrian M/M/
Antrian M/M/ adalah kasus khusus dari antrian M/M/m dg jumlah server yg tak terbatas (m = )
Tiap pelanggan yg datang ditempatkan dlm service Tdk ada delay antrian, hanya waktu pelayanan
Antrian M/M/
Probabilitas ada n pelanggan dlm sistem pn:
Antrian M/M/
Jumlah pelanggan dlm sistem utk antrian M/M/ terdistribusi Poisson dg parameter /
Jumlah pelanggan dalam sistem N = / Teorema Little memberikan rata-rata delay per pelanggan T = N/ = 1/
Ini sesuai dg yg diharapkan krn ini adalah waktu pelayanan dan tdk ada antrian
Antrian M/M/m
Identik dg antrian M/M/1 kecuali ada m server (atau m kanal) Sembarang pelanggan (paket) yg datang diteruskan ke sembarang server yg tersedia; jika tdk ada yg tersedia, pelanggan memasuki antrian tunggal
Antrian M/M/m
Menggunakan hasil dari sistem state-dependent, M/M/1, dg
Antrian M/M/m
Probabilitas n pelanggan dlm sistem, utk = /(m) < 1
Antrian M/M/m
Berapa probabilitas paket yg datang akan mendapatkan m kanal sibuk?
Ini adalah probabilitas paket akan mengantri
Antrian M/M/m
Ekspetasi jumlah pelanggan dalam antrian, tetapi bukan dalam service
Antrian M/M/m
Littles law memberikan rata-rata waktu dlm antrian
Antrian M/M/m
Jumlah rata-rata pelanggan dlm sistem (menggunakan Littles law)
Asumsi
Kedangan Poisson dg rate overall Waktu pelayanan terdistribusi eksponensial
Rate m utk kasus kanal tunggal Rate utk tiap m kanal terpisah
Kasus kanal tunggal adalah antrian M/M/1, kasus m-kanal adalah antrian M/M/m
Cat. PQ adalah probabilitas paket yg datang menemukan single server sibuk shg PQ,1 = = /m
M/M/m/m
Antrian M/M/m/m dikenal sbg sistem rugi (loss) m- server
Ada m server (spt pd M/M/m) Antrian tdk dibolehkan, shg pelanggan yg datang saat semua server sibuk akan loss m terakhir pada notasi M/M/m/m menunjukan kapasitas sistem dibatasi m pelanggan
M/M/m/m
Contoh : Saluran transmisi pada jar circuit switch yg terdiri dari m circuit
m circuit adalah m server utk koneksi Waktu pelayanan 1/, adalah waktu pendudukan koneksi (hold time) Permintaan panggilan diluar m akan di-blocked (lost) Blocking adalah ukuran performansi yg penting
M/M/m/m
Analisa menggunakan hasil state-dependent M/M/1
M/M/m/m
Probabiliti n dlm sistem
M/M/m/m
Probabilitas blocking adalah probabilitas bahwa paket yg datang akan menemui semua server (circuit) sibuk dan krnnya akan lost Probabiltas blocking adalah pm, probabilitas semua m server sibuk
Asumsi kedatangan panggilan adalah Poisson dan durasi panggilan terdistribusi eksponensial
vL : jumlah kanal diperlukan utk panggilan tipe-L mL : jumlah panggilan membangkitkan panggilan tipe-L
- Dlm contoh ini v1 = 1, v2 =2
E[R] =
E[s2] 2E[s]
Analisa M/G/1
Mis E[Q] waktu utk menunggu service pd M/G/1 Jika service FIFO, dan R residual service time pelanggan yg ada dlm service (jika ada), maka: E[Q] = E[R] + E[Nq(t)].E[s] E[Q] = E[R] + . E[Q] .E[s] = E[R] + E[Q] (*)
.E[s2] 2.(1 - )
Formula P-K
In-Class Exercise
Berapakah mean residual service time dr sistem dg service time exponential dg mean m? E[s] = m E[s2] = 2m2 E[Rexp] = 2m2/2m = m
Berapakah mean residual service time dari sistem dg service time konstan m? E[s] = m E[s2] = m2 E[Rkonst] = m2/2m = m/2
Cat. Hanya momen ke-1 dan ke-2 dari distribusi service time harus diketahui!
Formula P-K dan Littles law memberikan jumlah pelanggan dlm antrian NQ
In-Class Exercise
Perhatikan dua sistem mempunyai kedatangan Poisson dan service time iid. Kedua sistem mempunyai laju kedatangan dan rata-rata service time yg sama. Satu sistem mempunyai distribusi service time eksponensial. Sistem yg lain mempunyai service time yg konstan.
Antrian mana yg lebih panjang? Dg faktor berapa?
Service time adalah iid Service time dan interarrival time adalah independen
Utilisasi total
In-Class Exercise
Suatu komputer menangani dua tipe job. Job tipe 1 memerlukan waktu layanan konstan 1 ms, dan job tipe 2 memerlukan waktu layanan yg terdistribusi secara eksponensial dg waktu rata-rata 10 ms. Cari rata-rata waktu tunggu jika sistem beroperasi sbb: a. Sistem M/G/1 biasa b. Sistem M/G/1 dg 2 prioritas dimana prioritas utama diberikan pd job tipe 1 (asumsi laju kedatangan kedua job Poisson dg laju sama).