Bab 13
Teori Antrian Terapan
Sampai sekarang kita telah mempertimbangkan sistem antrian klasik, di mana semua proses
lalu lintas adalah kelahiran dan proses kematian. Teori sistem kerugian telah berhasil
diterapkan selama bertahun-tahun dalam bidang telephony, sedangkan teori sistem delay
telah diterapkan di dalam bidang data dan sistem komputer. Sistem antrian klasik memainkan
peran kunci dalam teori antrian Biasanya, kita asumsikan distribusi distribusi antar waktu
atau Distribusi waktu layanan didistribusikan secara eksponensial. Untuk alasan teoritis dan
fisik, Sistem antrian dengan hanya satu server sering dianalisis dan banyak diterapkan. Pada
bab ini kita pertama kali berkonsentrasi pada antrian server tunggal dan menganalisa sistem
ini untuk distribusi waktu layanan umum, berbagai discipline antrian, dan untuk pelanggan
dengan prioritas.
D.G. Kendall (1951 [61]) telah memperkenalkan notasi berikut untuk model antrian.
A/B/n
dimana
A = proses kedatangan,
n = jumlah server
Untuk proses lalu lintas, kami menggunakan notasi standar berikut (lihat Bab 4.5).
228
M / M / n adalah sistem penundaan murni dengan proses kedatangan Poisson, waktu layanan
yang didistribusikan secara eksponensial dan n server. Ini adalah sistem penundaan Erlang
klasik (Bab 12). GI / G / 1 adalah sistem penundaan umum dengan hanya satu server. Notasi
di atas banyak digunakan dalam literatur. Untuk spesifikasi yang lengkap dari sistem antrian
dibutuhkan lebih banyak informasi.
A/B/n/K/S/X
dimana.
Ini juga disebut antrian yang adil atau antrian yang teratur, dan discipline ini sering terjadi
lebih disukai dalam kehidupan nyata ketika pelanggan adalah manusia. Hal ini juga
dilambangkan sebagai
229
Antrian FIFO
Ini sesuai dengan prinsip stack. Ini digunakan misalnya dalam penyimpanan, di rak – rak toko
dll Discipline ini juga dilambangkan sebagai LIFO. Last In - First Out.
Semua pelanggan yang menunggu di antrian memiliki probabilitas yang sama untuk dipilih
layanan. Ini disebut juga RANDOM atau RS (Random Selection). Dua discipline pertama
hanya membawa waktu kedatangan ke pertimbangan, sementara yang ketiga tidak
pertimbangkan kriteria sama sekali dan karenanya tidak memerlukan memori apapun
(berlawanan dengan dua yang pertama).
Mereka bisa diimplementasikan dalam sistem teknis sederhana. Dalam pertukaran telepon
elektro-mekanis, discipline antrian SIRO sering digunakan karena berhubungan (hampir)
dengan perburuan berurutan tanpa homing.
Untuk ketiga discipline tersebut di atas, total waktu tunggu untuk semua pelanggan adalah
sama. Discipline antrian hanya menentukan bagaimana waktu tunggu dialokasikan ke
masing-masing pelanggan. Dalam sistem antrian yang dikendalikan program mungkin ada
yang lebih rumit discipline mengantri Dalam teori antrian kita secara umum berasumsi bahwa
total trafik yang ditawarkan tidak tergantung pada discipline antrian. Untuk sistem komputer
kita sering mencoba mengurangi total waktu tunggu. Hal itu bisa dilakukan dengan
menggunakan waktu pelayanan sebagai kriteria.
SJF. Pekerjaan Terpendek Pertama (SJN = Pekerjaan Terpendek Selanjutnya, SPF = Waktu
Pengolahan Terendah Pertama). Discipline ini mengasumsikan bahwa kita mengetahui waktu
pelayanan terlebih dahulu dan itu meminimalkan total waktu tunggu untuk semua pelanggan.
Discipline yang disebutkan di atas memperhitungkan waktu kedatangan atau waktu servis.
Sebuah kompromi antara discipline ilmu ini diperoleh dengan discipline ilmu berikut.
Pelanggan yang dilayani diberikan paling banyak waktu layanan tetap (slice atau slot waktu).
Jika layanan tidak selesai selama interval ini, pelanggan kembali ke antrian yang merupakan
FCFS.
PS. Prosesor Sharing.
Discipline ini mencoba menerapkan SJF tanpa mengetahui waktu pelayanan terlebih dahulu.
Server akan menawarkan layanan kepada pelanggan yang selama ini telah menerima paling
sedikit layanan Bila semua pelanggan telah mendapatkan jumlah yang sama pelayanan, FB
menjadi identik dengan PS. Discipline terakhir disebutkan dinamis karena discipline antrian
tergantung pada jumlah dari waktu yang dihabiskan di antrian
230
Non-preemptive = HOL.
Pelanggan baru yang datang dengan prioritas lebih tinggi daripada pelanggan yang dilayani
menunggu sampai server menjadi tidak aktif (dan semua pelanggan dengan prioritas lebih
tinggi telah dilayani). Ini discipline juga disebut HOL = Head-Of-the-Line.
Preemptive.
Pelanggan yang dilayani memiliki prioritas lebih rendah daripada pelanggan baru yang tiba
terganggu. Kita membedakan antara.
- Preemptive resume = PR. Layanan dilanjutkan dari, dimana hal itu terganggu,
- Preemptive tanpa pengambilan ulang. Layanan dimulai dari awal dengan waktu layanan
yang sama
- Preemptive with re-sampling. Layanan dimulai lagi dengan waktu layanan baru.
Kedua discipline terakhir diterapkan di mis. sistem manufaktur dan kehandalan. Dalam satu
kelas, kita memiliki discipline yang disebutkan di Bagian. 13.1.2.
Dalam literatur antrian kita bertemu banyak strategi dan simbol lainnya. GD menunjukkan
discipline antrian yang sewenang-wenang (discipline umum). Perilaku pelanggan juga tunduk
pada pemodelan.
- Balking mengacu pada sistem antrian, dimana pelanggan dengan probabilitas antrean
tergantung mungkin menyerah bergabung dengan antrian
- Reneging mengacu pada sistem dengan pelanggan tidak sabar yang berangkat dari antrian
tanpa sedang dilayani.
- Jockeying mengacu pada sistem di mana pelanggan dapat melompat dari antrian satu
(misalnya panjang) ke antrian lain (mis. lebih pendek).
Dengan demikian ada banyak kemungkinan model yang berbeda. Dalam bab ini kita hanya
akan berurusan dengan yang paling penting Biasanya, kita hanya mempertimbangkan sistem
dengan satu server saja.
Dalam tugas sistem SPC dari prosesor dibagi menjadi mis. sepuluh kelas prioritas Prioritas
diperbarui misalnya setiap milidetik ke-5. Pesan kesalahan dari prosesor memiliki prioritas
tertinggi, sedangkan tugas rutin kontrol memiliki prioritas terendah. Melayani panggilan yang
diterima memiliki prioritas lebih tinggi daripada deteksi upaya panggilan baru.
231
Teorema kecil disajikan di Sec. 5.3 adalah hasil paling umum yang berlaku untuk yang
sewenang-wenang sistem antrian Teorema ini mudah diterapkan dan sangat berguna dalam
banyak kasus. Secara umum hanya sistem antrian dengan proses kedatangan Poisson yang
mudah ditangani. Mengenai sistem antrian di jaringan seri dan antri (misalnya jaringan
komputer) itu penting untuk mengetahui kasus, dimana proses keberangkatan dari sistem
antrian adalah Hahahaha proses. Sistem antrian ini disebut sistem antrian simetris, karena
memang begitu simetris pada waktunya, karena proses kedatangan dan proses keberangkatan
sama jenisnya. Jika kita membuat film dari pengembangan waktu, kita tidak bisa
memutuskan apakah film ini berjalan maju atau mundur (cf reversibilitas) (Kelly, 1979 [60]).
Model antrian klasik memainkan peran kunci dalam teori antrian, karena sistem lainnya akan
sering bertemu dengan mereka ketika jumlah server meningkat (Teorema Palm 6.1 di
dalamnya Detik. 6.4). Sistem yang paling menyimpang dari model klasik adalah sistem
dengan server tunggal. Namun, sistem ini juga yang paling sederhana untuk ditangani. Dalam
sistem waktu tunggu kita juga membedakan antara rata-rata panggilan dan rata-rata waktu.
Waktu tunggu virtual adalah waktu tunggu, pengalaman pelanggan jika pelanggan tiba pada
titik waktu acak (waktu rata-rata). Waktu tunggu sebenarnya adalah waktu tunggu,
pengalaman pelanggan sesungguhnya (rata-rata panggilan). Jika proses kedatangan adalah
proses Poisson, maka kedua rata-rata itu identik.
232
W adalah waktu tunggu rata-rata untuk semua pelanggan, s adalah waktu layanan rata-rata, A
adalah yang ditawarkan lalu lintas, dan "adalah faktor bentuk distribusi holding time (3,10).
Semakin reguler proses pelayanannya, semakin kecil pula waktu tunggu rata-rata. Itu Hasil
yang sesuai untuk proses kedatangan dipelajari di Sec. 13.6. Dalam lalu lintas telepon
sesungguhnya Faktor bentuknya akan sering 4 - 6, lalu lintas data 10 - 100. Formula (13.2)
adalah salah satu hasil terpenting dalam teori antrian, dan kita akan mempelajarinya hati-hati.
1. Waktu yang dibutuhkan bagi pelanggan yang sedang dipersiapkan untuk diselesaikan. Bila
pelanggan baru Kami mempertimbangkan tiba pada titik waktu acak, sisa waktu layanan rata-
rata yang diberikan oleh (3.25).
dimana s dan "memiliki arti yang sama seperti pada (13.2) .Ketika proses kedatangan adalah
Poisson Proses, probabilitas untuk menemukan pelanggan yang dilayani sama dengan A
karena untuk a Sistem server tunggal kita selalu memiliki p0 = 1 - A (trafik yang ditawarkan
= membawa lalu lintas). Kontribusi terhadap waktu tunggu rata-rata dari pelanggan yang
dilayani menjadi.
2. Waktu tunggu karena menunggu pelanggan dalam antrian (FCFS). Rata-rata Panjang
antrian adalah L. Dengan teorema Little yang kita miliki
dimana L adalah jumlah rata-rata pelanggan dalam antrian pada titik waktu yang sewenang-
wenang, λ adalah intensitas kedatangan, dan W adalah waktu tunggu rata-rata yang kita cari.
Untuk setiap pelanggan dalam antrian kita harus pada unit waktu tunggu rata-rata. Yang
berarti menunggu Waktu karena pelanggan dalam antrean menjadi.
233
Dengan demikian kita memiliki total waktu tunggu (13,4) & (13,5).
yang merupakan rumus Pollaczek-Khintchine ini (13.2). W adalah mean waktu tunggu untuk
semua pelanggan, sedangkan rata-rata waktu menunggu pelanggan tertunda w menjadi (A =
D = probabilitas delay) (3.20).
Derivasi yang disebutkan di atas adalah benar karena waktu rata-rata adalah sama dengan
panggilan rata-rataketika proses kedatangan adalah proses Poisson (PASTA-properti). Hal ini
menarik, karena itu menunjukkan bagaimana "masuk ke dalam rumus.
Pada saat yang sistem antrian menjadi kosong, itu telah kehilangan memori akibat Poisson
proses kedatangan. instants ini regenerasi poin (titik ekuilibrium), dan acara berikutnya
terjadi menurut proses Poisson dengan intensitas λ.
Kita hanya perlu mempertimbangkan siklus dari instan server perubahan state dari siaga
untuk sibuk sampai waktu berikutnya perubahan state dari siaga untuk sibuk. Siklus ini
mencakup periode sibuk durasi T1 dan periode idle durasi T0. Gambar. 13,1 menunjukkan
contoh dengan konstan waktu pelayanan. Proporsi waktu sistem sedang sibuk kemudian
menjadi.
234
FCFS . Yang menunjukkan saat i'th distribusi waktu pelayanan oleh mi, kita dapat
menemukan k' Saat th distribusi waktu tunggu dengan rumus rekursi berikut, di mana waktu
pelayanan rata-rata dipilih sebagai satuan waktu (m1 = s = 1).
LCFS . Dari atas saat mk; F dari distribusi waktu FCFS-tunggu kita bisa findthe saat mk; L
dari distribusi waktu LCFS-tunggu. Tiga momentsbecome pertama.
Dalam sistem nyata antrian panjang akan terbatas, misalnya ukuran buffer. Ada ada
hubungan sederhana antara probabilitas state p (i) (i = 0; 1; 2;.. .) dari sistem yang tak terbatas
M / G / 1 dan probabilitas state pk (i), (i = 0; 1 ; 2;...; k) dari M / G / 1 / k, di mana jumlah
total posisi bagi pelanggan adalah k, termasuk pelanggan yang dilayani (Keilson, 1966 [59]).
235
Yang dihasilkan layanan distribusi waktu kemudian menjadi jumlah tertimbang dari distribusi
waktu pelayanan kelas individu (Sec 3.2.. Kombinasi secara paralel). Total waktu yang
berarti layanan menjadi.
236
Sisa waktu layanan rata-rata pada titik acak waktu menjadi (13,4).
Gambar 13.2. Beban fungsi U (t) untuk sistem antrian GI / G / 1. Jika kita menunjukkan
waktu theinter-tiba Ti + 1 - Ti oleh ai, maka kita memiliki Ui + 1 = maxf0; Ui + si - AIG, di
mana Ui adalah thevalue dari fungsi beban pada saat Ti.
237
Kami memperkenalkan dua fungsi, yang secara luas diterapkan dalam teori antrian.
fungsi beban U(T) menunjukkan waktu, akan membutuhkan untuk melayani pelanggan, yang
memiliki tiba untuk sistem pada waktu t (Gbr. 13.2). Pada saat kedatangan U (t) meningkat
dengan lompatan sama dengan waktu pelayanan pelanggan tiba, dan antara kedatangan U (t)
menurun secara linier dengan kemiringan -1 sampai 0, di mana ia tetap sampai waktu
kedatangan berikutnya. Itu berarti nilai fungsi beban dilambangkan dengan U = EFU (t) g.
Dalam GI a / G / 1 antrian Sistem U (t) akan independen dari discipline antrian, jika itu
adalah melestarikan pekerjaan. Waktu tunggu maya W (T) menunjukkan waktu tunggu
pelanggan, jika ia tiba pada waktu t instan. The tunggu maya waktu W (t) tergantung pada
organisasi antrian. Mean Nilai dilambangkan dengan W = EFW (t) g. Jika discipline antrian
adalah FCFS, maka U (t) = W (t). Ketika kita mempertimbangkan proses kedatangan Poisson,
waktu tunggu maya akan sama dengan waktu tunggu yang sebenarnya (properti PASTA.
waktu rata-rata = panggilan rata-rata). Kita sekarang mempertimbangkan fungsi beban pada
titik acak waktu t. Ini terdiri dari kontribusi V dari waktu pelayanan yang tersisa dari
pelanggan yang dilayani, jika ada, dan kontribusi dari pelanggan menunggu dalam antrian.
Nilai rata-rata U = EFU (t) g menjadi.
Lsaya adalah panjang antrian untuk pelanggan tipe i. Dengan menerapkan hukum Little kita
mendapatkan.
Seperti disebutkan di atas, U adalah independen dari discipline antrian (sistem ini
diasumsikan
menjadi melestarikan kerja), dan V diberikan oleh (13,17) untuk discipline antrian non-
preemptive. U diperoleh dengan asumsi FCFS, karena kami kemudian memiliki Wsaya = U.
238
Di bawah asumsi umum kita dapatkan dengan memasukkan (13,22) menjadi (13,20) hukum
konservasi Kleinrock (1964 [65]).
Waktu tunggu rata-rata untuk semua kelas ditimbang dengan lalu lintas (beban) dari kelas
disebutkan, independen dari discipline antrian.
Perhatikan bahwa di atas hanya berlaku untuk discipline antrian non-preemptive. Kami
mungkin sehingga memberikan sebagian kecil dari lalu lintas waktu tunggu rata-rata sangat
rendah, tanpa meningkatkan waktu rata-rata menunggu pelanggan yang tersisa sangat banyak.
Dengan berbagai strategi kita mungkin mengalokasikan waktu tunggu untuk nasabah
perorangan sesuai dengan preferensi kita.
13.4.3 Discipline antrian non-preemptive
Berikut ini kita melihat M / G / 1 sistem antrian prioritas, di mana pelanggan
dibagi ke dalam kelas prioritas N sehingga pelanggan dengan prioritas p memiliki prioritas
yang lebih tinggi dari pelanggan dengan prioritas p + 1. Dalam sistem non-preemptive
layanan berlangsung tidak terganggu.
Total rata-rata tunggu waktu Wp kelas pelanggan p dapat diturunkan langsung dengan
mempertimbangkan tiga kontribusi berikut.
b) Waktu tunggu, karena pelanggan dalam antrian dengan prioritas p atau lebih tinggi, yang
sudah dalam antrian (teorema Little).
c) Waktu tunggu karena pelanggan dengan prioritas yang lebih tinggi, yang menyalip
pelanggan kita mempertimbangkan sementara ini sedang menunggu.
239
Untuk pelanggan dari kelas 1, yang memiliki prioritas tertinggi kami mendapatkan di bawah
asumsi FCFS.
V adalah waktu layanan residual untuk pelanggan di bawah layanan ketika pelanggan kami
considerarrives (13,18).
di mana m2i adalah momen kedua dari distribusi waktu pelayanan dari i'th kelas class.For 2
pelanggan kita menemukan.
dimana.
Struktur dalam formula (13.30) dapat langsung ditafsirkan. Tidak peduli yang allcustomers
kelas menunggu sampai layanan berlangsung selesai FV g.Furthermore, waktu tunggu adalah
karena pelanggan yang sudah tiba dan memiliki minimal sama prioritas A 'p, dan pelanggan
dengan prioritas yang lebih tinggi tiba selama waitingtime A' p-1.
Kami menganggap komputer yang melayani dua jenis pelanggan. Tipe pertama memiliki
waktu constantservice dari 0,1 detik, dan intensitas kedatangan adalah 1 pelanggan / detik.
Jenis lain telah mendistribusikan theexponentially waktu layanan dengan nilai rata-rata 1,6
detik dan kedatangan intensityis 0,5 pelanggan / detik.
240
Tanpa prioritas mean menunggu waktu menjadi dengan menggunakan rumus Pollaczek-
Khintchine ini (13.2).
Hal ini menunjukkan bahwa kita dapat meng-upgrade tipe 1 hampir tanpa mempengaruhi tipe
2. Namun kebalikannya isnot kasus ini. Konstan dalam hukum Konservasi (13,23) menjadi
sama tanpa prioritas aswith prioritas non-preemptive.
Dengan discipline SJF-antrian pendek waktu pelayanan pelanggan adalah, semakin tinggi
thepriority. Dengan memperkenalkan jumlah tak terbatas kelas prioritas, kita peroleh dari
rumus (13.30) bahwa pelanggan dengan waktu pelayanan t memiliki mean menunggu waktu
Wt (Phipps 1956).
dimanat adalah beban dari pelanggan dengan waktu pelayanan kurang dari atau sama dengan
t. Hasil discipline SJF di mungkin total waktu tunggu terendah. Jika kelas-kelas ini prioritas
yang berbeda memiliki biaya yang berbeda per unit saat mereka menunggu, sehingga
pelanggan kelas j memiliki rata-rata waktu pelayanan sj dan membayar cj per satuan waktu
ketika mereka menunggu, maka strategi yang optimal (biaya minimum) adalah untuk
menetapkan prioritas 1; 2; ... Menurut meningkat rasio sj= cj.
241
Kami menganggap kasus dengan didistribusikan secara eksponensial kali holding dengan
nilai rata-rata 1 = μ thatis terpilih sebagai satuan waktu (M / M / 1). Meskipun ada beberapa
kali layanan yang sangat panjang, maka theycontribute signifikan terhadap total lalu lintas
(Gambar. 3.2).
Kontribusi terhadap total trafik A dari pelanggan dengan waktu layanan ≤ t adalah - (3.22)
multipliedby A = λ · μ}.
Memasukkan dalam (13,32) kita menemukan Wt seperti yang diilustrasikan pada Gambar.
13.3, di mana FCFS-strategi (samemean waktu sebagai LCFS dan SIRO menunggu)
ditampilkan untuk perbandingan sebagai fungsi dari holdingtime yang sebenarnya. Strategi
round-robin memberikan waktu tunggu yang sebanding dengan waktu layanan. Themean
waktu tunggu untuk semua pelanggan dengan SJF kurang dari dengan FCFS, tapi ini tidak
jelas fromthe angka. Sementara itu menunggu SJF menjadi.
SEBUAH adalah total ditawarkan lalu lintas untuk semua kelas. Probabilitas E2; n(A) untuk
waktu tunggu diberikan oleh Erlang C-rumus, dan pelanggan dihentikan dengan waktu antar-
keberangkatan rata
242
s = n ketika semua server sibuk. Untuk kelas tertinggi prioritas p = 1 kita menemukan.
243
Kasus resume preemptive lebih sulit untuk menangani karena pelanggan dengan lebih tinggi
prioritas yang tiba selama waktu layanan tidak harus mengganggu pelanggan dilayani,
karena ada lebih server. Mean menunggu waktu dapat diperoleh dengan terlebih dahulu
mempertimbangkan kelas satu saja, kemudian mempertimbangkan kelas satu dan dua
bersama-sama, yang berarti waktu menunggu kelas dua, dll Hal ini hanya akan benar ketika
waktu pelayanan didistribusikan secara eksponensial.
13.4.6 Efek resume discipline antrian
Kita sekarang menganggap bahwa layanan yang sedang berlangsung terganggu oleh
kedatangan pelanggan dengan prioritas yang lebih tinggi. Kemudian layanan terus dari
tempat itu terganggu. Situasi ini khas untuk sistem komputer. Untuk pelanggan dengan
prioritas p tidak ada pelanggan dengan prioritas yang lebih rendah. Sementara itu menunggu
Wp untuk pelanggan di kelas p terdiri dari dua kontribusi.
a) Menunggu waktu karena pelanggan dengan prioritas yang lebih tinggi atau sama, yang
sudah di sistem antrian. Ini adalah waktu tunggu yang dialami oleh pelanggan dalam suatu
sistem tanpa prioritas di mana hanya kelas p pertama ada.
adalah diharapkan sisa waktu pelayanan karena pelanggan dengan lebih tinggi atau sama
prioritas dan A0 p diberikan oleh (13,31).
b) Waktu tunggu karena pelanggan dengan prioritas yang lebih tinggi yang tiba selama
menunggu waktu atau waktu pelayanan dan menyalip pelanggan dianggap.
yang menghasilkan.
Dengan cara yang sama seperti di Sec. 13.4.4 kita dapat menulis rumus untuk waktu tunggu
rata-rata untuk yang SJF-antrian discipline dengan resume preemptive. Waktu respon Total
menjadi.
244
Hal ini menunjukkan bahwa dengan meningkatkan tipe 1 dengan prioritas tertinggi, kita
dapat memberikan pelanggan ini veryshort waktu menunggu, tanpa tipe mengganggu 2
pelanggan, tetapi kebalikannya bukan hukum konservasi case.The hanya berlaku untuk
sistem antrian preemptive jika layanan Dihalangi timesare eksponensial didistribusikan.
Dalam kasus umum pekerjaan dapat mendahului beberapa kali andtherefore waktu pelayanan
yang tersisa tidak akan diberikan oleh V.
245
13,5. ANTRIAN SISTEM DENGAN KONSTAN HOLDING TIMES
Erlang berasal distribusi waktu tunggu, tapi tidak menganggap probabilitas state.
Fry (1928 [31]) juga ditangani dengan M / D / 1 dan berasal probabilitas state (persamaan Fry
dari state) Dengan menggunakan prinsip Erlang keseimbangan statistik, sedangkan Erlang
dirinya diterapkan metode yang lebih teoritis.
Crommelin (1932 [21], 1934 [22]), seorang insinyur telepon Inggris, disajikan solusi umum
untuk M / D / n. Dia umum persamaan Fry state ke n sewenang-wenang dan berasal
menunggu distribusi waktu, sekarang bernama distribusi Crommelin ini.
Pollaczek (1930-1934) disajikan solusi yang sangat umum bergantung waktu untuk layanan
sewenang-wenang distribusi waktu. Di bawah asumsi keseimbangan statistik ia mampu
memperoleh solusi eksplisit untuk didistribusikan secara eksponensial dan konstan kali
layanan. juga Khintchine (1932 [63]) ditangani dengan M / D / n dan berasal distribusi waktu
tunggu.
yaitu A = Y = λ · h = 1 - p (0);
seperti di setiap state bagian kecuali nol lalu lintas dilakukan sama dengan satu erlang.
Kami mempertimbangkan dua zaman (titik waktu) t dan t + h pada jarak h. setiap pelanggan
yang disajikan di zaman t (paling banyak satu) telah meninggalkan server pada zaman t + h.
pelanggan tiba selama interval (t; t + h) masih dalam sistem antrian pada zaman t + h
(menunggu atau menjadi dilayani) .Proses kedatangan adalah proses Poisson. Oleh karena itu
kami memiliki Poisson jumlah didistribusikan dari kedatangan dalam interval waktu (t; t + h).
Probabilitas menjadi dalam keadaan tertentu di zaman t + h diperoleh dari state di zaman t
dengan mempertimbangkan semua kedatangan dan keberangkatan selama (t; t + h). Dengan
melihat zaman ini kita mendapatkan Rantai Markov tertanam dalam proses lalu lintas asli
(Gbr. 13.4). Kami memperoleh persamaan Fry dari state untuk n = 1 (Fry, 1928 [31]).
246
Gambar 13.4. Ilustrasi persamaan Fry dari state untuk sistem antrian M / D / 1.
dan di bawah asumsi statistik keseimbangan pt(I) = pt + h (i), kami berturut-turut
menemukan.
W menunjukkan rata-rata waktu tunggu untuk semua pelanggan dan w menunjukkan waktu
yang berarti menunggu bagi pelanggan mengalami waktu tunggu yang positif. Kami selalu
memiliki (3.20).
247
Nilai rata-rata dari periode sibuk diperoleh untuk M / G / 1 di (13,7) dan diilustrasikan untuk
kali layanan konstan pada Gambar 13.1..
Waktu yang berarti menunggu pelanggan tertunda demikian setengah periode sibuk.
Sepertinya pelanggan tiba di acak selama periode sibuk, tapi kami tahu bahwa ada pelanggan
tiba selama waktu pelayanan terakhir dari periode sibuk.
Grafik dari distribusi waktu tunggu memiliki ketidakteraturan setiap kali waktu tunggu
melebihi kelipatan integral dari waktu holding konstan. Contoh ditunjukkan pada Gambar.
13,5.
Formula (13,49) tidak cocok untuk evaluasi numerik. Hal ini dapat ditunjukkan (Iversen,
1982 [40]) bahwa waktu tunggu dapat ditulis dalam bentuk tertutup, seperti yang diberikan
oleh Erlang pada tahun 1909.
Untuk kali lebih besar menunggu kami biasanya hanya tertarik pada nilai-nilai yang tidak
terpisahkan dari t. Hal ini dapat ditunjukkan (Iversen, 1982 [40]) bahwa untuk nilai integral
dari t kita memiliki.
248
BAB 13. TERAPAN ANTRIAN TEORI
Gambar 13.5. The pelengkap distribusi waktu tunggu untuk semua pelanggan di antrian
Sistem M / M / 1 dan M / D / 1 untuk antrian memerintahkan (FCFS). satuan waktu = berarti
waktu layanan. Kita perhatikan bahwa mean menunggu waktu untuk M / D / 1 hanya
setengah dari yang untuk M / M / 1.
Probabilitas state p (i) dihitung paling akurat dengan menggunakan rumus rekursif
berdasarkan persamaan Fry state (13,42).
Untuk non-integral tunggu-kali kita mampu mengekspresikan tunggu distribusi waktu dalam
hal kali menunggu terpisahkan.
Jika kita membiarkan h = 1, maka (13,50) mungkin ekspansi binomial ditulis dalam kekuatan
τ, di mana
Kita menemukan.
di mana PW ≤ T - τ} diberikan oleh (13,51). Evaluasi numerik sangat akurat bila
menggunakan (13,51), (13,52) dan (13,53).
249
Pada asumsi keseimbangan statistik (A <n) kita bisa meninggalkan poin absolut
waktu keluar dari akun.
Sistem persamaan (13.55) hanya dapat diselesaikan langsung oleh substitusi, jika kita tahu
pertama n probabilitas state fp (0); p (1); ...; p (n - 1) g. Dalam prakteknya kita dapat
memperoleh numerik nilai-nilai dengan menebak set perkiraan nilai untuk fp (0); p (1); ...; p
(n - 1) g, kemudian pengganti nilai-nilai ini dalam rumus rekursi (13,55) dan memperoleh
nilai-nilai baru. Setelah beberapa perkiraan kita mendapatkan nilai yang tepat.
Solusi matematika eksplisit diperoleh dengan cara fungsi pembangkit (The Erlang
Book, Pp. 81-83).
Tepat berarti waktu dari semua pelanggan menunggu W sulit untuk mendapatkan. perkiraan
diberikan oleh Molina.
250
1; 2; ....; n - 1; n; 1; 2; .....
Kemudian server tertentu akan melayani hanya setiap n0th pelanggan sebagai pelanggan
karena waktu pelayanan konstan berangkat dari server di urutan yang sama seperti mereka
tiba di server. Tidak ada pelanggan dapat menyalip pelanggan lain.
akan melayani hanya setiap k0th pelanggan. Jika kita mempertimbangkan server (13.62),
kemudian dianggap sebagai kelompok tunggal mereka setara dengan sistem antrian GIk*/ D /
r, Di mana proses kedatangan prajurit k* adalah konvolusi dari distribusi waktu kedatangan
dengan sendirinya k kali.
Hal yang sama berlaku untuk k - 1 sistem lain. Lalu lintas di sistem k ini adalah saling
berkorelasi, tetapi jika kita hanya mempertimbangkan satu sistem pada satu waktu, maka ini
adalah GIk*/ D / n, FCFS sistem antrian.
Asumsi tentang berburu siklik dari server tidak diperlukan dalam diri individu
sistem (13,62). probabilitas state, berarti waktu tunggu dll independen dari antrian
discipline, yang penting untuk distribusi waktu tunggu saja.
Jika kita membiarkan proses kedatangan GI menjadi proses Poisson, maka GIk* menjadi
kedatangan Erlang-k proses. Dengan demikian kita menemukan bahwa sistem berikut adalah
sama sehubungan dengan menunggu Distribusi waktu.
M / D / r · k, FCFS ≡ Ek / D / r, FCFS.
Secara umum kita tahu bahwa untuk lalu lintas diberikan per server berarti waktu tunggu
menurun ketika jumlah server meningkat (skala ekonomi, busung). Untuk alasan yang sama
rata-rata waktu tunggu menurun ketika proses kedatangan menjadi lebih teratur. Ini terlihat
langsung dari dekomposisi di atas, di mana proses kedatangan untuk Ek = D = r menjadi
lebih teratur untuk meningkatkan k (r konstan). Untuk A = 0. 9 erlang per server (L = berarti
antrian panjang) kita menemukan.
251
E4 / E1 / 2. L = 4.5174,
E4 / E2 / 2. L = 2.6607,
E4 / E3 / 2. L = 2.0493,
E4 / D / 2. L = 0.8100.
Integral waktu tunggu diperoleh dari probabilitas state, dan tunggu non-integral
kali dari waktu tunggu yang tidak terpisahkan seperti yang ditunjukkan di atas.
Kami juga dapat menemukan probabilitas state penyangga yang terbatas dengan cara berikut.
Dalam sistem dengan satu server dan (k - 1) antrian posisi kami telah (k + 1) state (0; 1; ..; k).
Keseimbangan persamaan bagi state-state f0; 1; ...; k-2g dapat diatur dengan cara yang sama
seperti persamaan Fry state. Tapi itu tidak mungkin untuk menulis persamaan waktu-
independen bawah sederhana bagi state k-1 dan k. Namun, yang pertama (k - 2) persamaan
(13,53) bersama-sama dengan normalisasi kebutuhan
dan fakta bahwa lalu lintas yang ditawarkan sama dengan lalu lintas dilakukan ditambah lalu
lintas ditolak (PASTA milik).
hasil dalam (k + 1) persamaan linear independen, yang mudah untuk memecahkan numerik.
Kedua pendekatan menghasilkan hasil yang sama. Metode pertama hanya berlaku untuk A
<1, sedangkan kedua berlaku untuk trafik yang ditawarkan.
Bucket bocor adalah mekanisme untuk pengendalian proses sel (paket) kedatangan dari
pengguna (sumber) inan ATM-sistem. Mekanisme sesuai dengan sistem antrian dengan
waktu yang konstan layanan (ukuran sel) dan buffer yang terbatas. Jika proses kedatangan
adalah proses Poisson, maka kita memiliki M / D / 1 / k sistem. Ukuran kebocoran sesuai
dengan intensitas kedatangan diterima rata-rata jangka panjang, sedangkan ukuran ember
menggambarkan kelebihan (meledak) diperbolehkan. Mekanisme beroperasi sebagai sistem
antrian avirtual, di mana sel-sel baik diterima segera atau ditolak accordingto nilai counter
yang merupakan nilai integral dari fungsi beban (Gambar. 13.2). Dalam contractbetween
sebuah pengguna dan jaringan perjanjian dibuat pada ukuran kebocoran dan ukuran
thebucket. Atas dasar ini jaringan mampu menjamin kelas-of-service tertentu.
252
Ini menunjukkan bahwa lebih teratur memegang distribusi waktu, kurang menjadi menunggu
lalu lintas waktu. (Untuk sistem loss Aksesibilitas terbatas itu adalah sebaliknya. lebih besar
faktor bentuk, kurang kemacetan).
Dalam sistem dengan kedatangan non-Poisson, saat-saat yang lebih tinggi juga akan
mempengaruhi mean waktu menunggu.
Untuk GI / G / 1 adalah mungkin untuk memberikan batas atas teoritis untuk mean menunggu
waktu. yang menunjukkan varians dari antar kedatangan kali oleh vSebuah dan varians dari
holding waktu distribusi oleh vd, Ketidaksetaraan Kingman ini (1961) memberikan batas atas
untuk mean waktu tunggu.
Formula ini menunjukkan bahwa variasi stokastik, yang menghasilkan waktu tunggu.
Formula (13,66) memberikan batas teoritis atas. Sebuah perkiraan yang realistis dari yang
sebenarnya berarti waktu tunggu diperoleh dengan pendekatan Marchal ini (Marchal, 1976
[78]).
253
di mana adalah mean waktu antar kedatangan (A = s = a). pendekatan adalah skala
ketimpangan Kingman sehingga ia setuju dengan formula Pollaczek-Khintchine untuk kasus
M = G = 1.
Jika sistem ini dipertimbangkan pada sembarang titik waktu, maka probabilitas state tidak
akan dijelaskan oleh proses Markov, karena kemungkinan kedatangan akan tergantung pada
interval waktu sejak kedatangan terakhir. Properti PASTA tidak valid.
Namun, jika sistem dianggap segera sebelum (atau sesudah) suatu zaman kedatangan, maka
akan ada kemerdekaan dalam proses lalu lintas sejak zaman antar-kedatangan yang stokastik
independen memegang kali didistribusikan secara eksponensial. The zaman kedatangan poin
ekuilibrium (titik regenerasi, Sec. 5.2.2), dan kita mempertimbangkan apa yang disebut
tertanam rantai Markov.
Probabilitas bahwa kita segera sebelum zaman kedatangan mengamati sistem di state j
dilambangkan dengan π (j). Dalam kesetimbangan statistik dapat ditunjukkan bahwa kita
akan memiliki berikut Hasil (DG Kendall, 1953 [62]).
Probabilitas steady state dapat diperoleh dengan mempertimbangkan dua zaman kedatangan
berturut-turut t1 dan T2 (Mirip dengan persamaan state Fry, Sec. 13.5.5).
Sebagai proses keberangkatan adalah proses Poisson dengan intensitas konstan μ ketika ada
pelanggan dalam sistem, maka probabilitas p (j) bahwa pelanggan j layanan lengkap antara
dua zaman kedatangan dapat dinyatakan dengan jumlah peristiwa dalam proses Poisson
selama Interval stokastik (waktu antar kedatangan). Kita bisa mengatur persamaan state
berikut.
254
Hal ini dapat ditunjukkan bahwa distribusi geometris yang disebutkan di atas adalah satu-
satunya solusi untuk ini sistem persamaan (Kendall, 1953 [62]).
Pada prinsipnya, sistem antrian GI / M / n dapat diselesaikan dengan cara yang sama.
Probabilitas state p (j) menjadi lebih rumit karena tingkat keberangkatan tergantung pada
jumlah saluran sibuk.
Perhatikan bahwa π (i) tidak probabilitas untuk menemukan sistem dalam state i pada titik
sewenang-wenang waktu (waktu rata-rata), tetapi kemungkinan untuk menemukan sistem di
state saya segera sebelum kedatangan (panggilan rata-rata).
255
Panjang rata-rata antrian diambil alih sepanjang waktu sumbu (panjang antrian virtual)
thereforebecomes (teorema Little).
mana αd harus berada dalam (0,1). Hal ini dapat menunjukkan bahwa 0 <αd <αm <1. Dengan
demikian sistem antrian D / M / 1 akan selalu memiliki kurang berarti waktu tunggu dari M /
M / 1. Untuk A = 0.5 erlang kita menemukan hal berikut berarti waktu tunggu untuk semua
pelanggan (13,76).
M / M / 1. α = 0. 5; W = 1; w = 2.
di mana waktu yang berarti memegang digunakan sebagai satuan waktu (μ = 1). Waktu yang
berarti menunggu demikian farfrom proporsional dengan faktor bentuk distribusi waktu antar
kedatangan.
Pekerjaan baru ditempatkan di FCFS {antrian, di mana mereka menunggu sampai mereka
mendapatkan layanan dalam waktu slice (Slot) Δs yang sama untuk semua pekerjaan. Jika
pekerjaan tidak tidak selesai dalam
256
setiap kali disajikan. Jika tugas belum selesai selama waktu ini sepotong, itu dikembalikan ke
antrian FCFS, di mana ia menunggu pada istilah yang sama dengan tugas-tugas baru. Jika
kita membiarkanΔs menurun ke nol kita mendapatkan antrian discipline PS (Processor
Berbagi).
waktu slice, layanan ini terganggu, dan pekerjaan ditempatkan di akhir FCFS {antrian.
Ini terus berlanjut sampai waktu pelayanan total yang dibutuhkan terpenuhi.
Kami berasumsi bahwa antrian tidak terbatas, dan bahwa pekerjaan baru tiba menurut sebuah
Poisson Proses (λ). Layanan distribusi waktu dapat umum dengan nilai rata-rata s.
Waktu slice dapat bervariasi. Jika itu menjadi tak terbatas, semua pekerjaan akan selesai
pertama kalinya, dan kita memiliki hanya sebuah M / G / 1 sistem antrian dengan discipline
FCFS. Jika kita membiarkan slice waktu menurun ke nol, maka kita mendapatkan model PS
= Processor-Sharing, yang memiliki sejumlah sifat analitis bagus. PS {diperkenalkan oleh
Kleinrock (1967) dan dibahas di rinci dalam (Kleinrock, 1976 [67]).
Model Processor-Sharing dapat diartikan sebagai sistem antrian di mana semua pekerjaan
yang dilayani terus menerus oleh server (waktu berbagi). Jika ada pekerjaan saya dalam
sistem, masing-masing mereka memperoleh fraksi 1 = i dari kapasitas komputer. Jadi tidak
ada antrian, dan antrian discipline tidak berarti.
Ketika lalu lintas A ditawarkan = λ · s kurang dari satu, dapat ditunjukkan bahwa steady state
probabilitas diberikan oleh.
yaitu distribusi geometrik dengan nilai rata-rata A = (1-A). Mean holding time (rata-rata
waktu respon) untuk pekerjaan dengan durasi t menjadi.
Jika proyek ini sendirian dalam sistem, maka waktu sahamnya akan t. Karena tidak ada
antrian, kita kemudian dapat berbicara tentang penundaan rata-rata untuk pekerjaan dengan
durasi t.
257
Yang sesuai nilai rata-rata untuk pekerjaan acak secara alami menjadi.
Hal ini menunjukkan bahwa kita memperoleh persis nilai rata-rata yang sama seperti untuk M
/ M / 1 (Sec. 12.2.4). Tapi mean sebenarnya waktu tunggu menjadi sebanding dengan durasi
pekerjaan, yang sering properti yang diinginkan. Kami tidak menganggap pengetahuan
terlebih dahulu tentang durasi dari pekerjaan. Mean menunggu waktu menjadi sebanding
dengan waktu pelayanan rata-rata. Itu proporsionalitas tidak harus dipahami dalam cara yang
dua pekerjaan dari durasi yang sama memiliki waktu tunggu yang sama; itu hanya berlaku
pada rata-rata. Dibandingkan dengan hasil kami sebelumnya telah diperoleh untuk M / G / 1
(rumus Pollaczek-Khintchine ini (13,2)) hasil mungkin mengejutkan intuisi.
Sebuah properti sangat berguna dari model Processor-Berbagi adalah bahwa proses
keberangkatan adalah Proses Poisson sebagai proses kedatangan (Sec. 14.2). Hal ini secara
intuitif dijelaskan oleh fakta bahwa proses keberangkatan diperoleh dari proses kedatangan
oleh pergeseran stokastik dari zaman kedatangan individu. Pergeseran waktu sama dengan
waktu respon dengan nilai rata diberikan oleh (13.80) (Sec. 6.3.1, teorema Palm).
Model Processor-Sharing sangat berguna untuk menganalisis sistem time-sharing dan untuk
jaringan pemodelan antrian (Chap. 14).