3. Esercitazioni di Teoria delle code



Похожие документы
Macchine. 5 Esercitazione 5

LA COMPATIBILITA tra due misure:

Programmazione e Controllo della Produzione. Analisi dei flussi

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016

Corso di Automazione Industriale 1. Capitolo 7

La verifica delle ipotesi

Soluzione esercizio Mountbatten

Calcolo della caduta di tensione con il metodo vettoriale

La retroazione negli amplificatori

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Università di Napoli Parthenope Facoltà di Ingegneria

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Studio grafico-analitico di una funzioni reale in una variabile reale

Strutture deformabili torsionalmente: analisi in FaTA-E

Teoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

MACROECONOMIA A.A. 2014/2015

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

Relazioni tra variabili: Correlazione e regressione lineare

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

McGraw-Hill. Tutti i diritti riservati. Caso 11

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Introduzione al Machine Learning

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Economie di scala, concorrenza imperfetta e commercio internazionale

Codice di Stoccaggio Capitolo 7 Bilanciamento e reintegrazione dello stoccaggio

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Economia del Lavoro. Argomenti del corso

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

MODELLISTICA DI SISTEMI DINAMICI

Modello idraulico - Rapporto tecnico. (Rev. 0b)

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

Esercizi sulle reti elettriche in corrente continua (parte 2)

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

FORMAZIONE ALPHAITALIA

STATISTICA DESCRITTIVA CON EXCEL

Esame di Statistica Corso di Laurea in Economia

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

VA TIR - TA - TAEG Introduzione

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

Транскрипт:

3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33

Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come s procede? S analzzano temp e modaltà d attesa degl utent n dverse code. S cerca la correlazone tra l numero d arrv e l numero d servz. Se problem sono semplfcabl s rsolvono per va analtca, altrment s procede alla smulazone. Poltecnco d Torno Pagna 2 d 33

Ottmzzazone del sstema d servzo Ottmzzare un sstema d servzo sgnfca: mnmzzare la somma de cost dovut all attesa dell utenza e de cost dovut all attvazone del servzo. Poltecnco d Torno Pagna 3 d 33

Andament qualtatv de cost d un sstema d servzo Costo medo d attesa Effcenza del servzo Somma de cost Costo medo Ottmzzare è poszonars sul mnmo Costo medo del servzo Costo fsso Effcenza del servzo Effcenza del servzo Il costo fsso è dovuto all esstenza del servzo Poltecnco d Torno Pagna 4 d 33

tempo d servzo Notazone d Kendall cardnaltà della popolazone da cu provengono gl arrv u/v/w/x/y/z tempo d nterarrvo numero d server dscplna della coda capactà del sstema d servzo Poltecnco d Torno Pagna 5 d 33

Notazon π n (t) : probabltà che c sano n utent nel sstema d servzo all stante t ( ) n Π t, z πn ( t) z : funzone generatrce d probabn ltà d π n (t) dπ ( ) ( t, z) N t dz : valore medo del numero d z utent present nel sstema d servzo Poltecnco d Torno Pagna 6 d 33

Notazon (cont.) λ(t) : frequenza d nter-arrvo µ(t) : frequenza d servzo L(t) N(t) - (t) : lunghezza meda della coda ove ( t ) λ µ ( t ) ( t ) è l fattore d utlzzo Poltecnco d Torno Pagna 7 d 33

Rsultato d Lttle In un sstema d servzo stazonaro valgono le seguent relazon: N(t) T t (t)λ(t) L(t) T c (t)λ(t) ove T t (t) : valore atteso del tempo speso da un utente nel sstema d servzo T c (t) : valore atteso del tempo speso da un utente n coda Poltecnco d Torno Pagna 8 d 33

M/M/ Legge degl arrv e de servz d tpo possonano Supponamo λ x λ e µ x µ, costant. Condzone d ergodctà: λ\µ < Probabltà d avere x utent nel sstema: π x x ( ) Probabltà d non avere attesa: π Poltecnco d Torno Pagna 9 d 33

M/M/ (contnua) Probabltà d avere almeno h utent nel sstema: π h ( ) ( ) h All equlbro : h 2 N L T t T c µ µ Poltecnco d Torno Pagna d 33

Eserczo proposto Ad un autolavaggo arrvano 8 clent all ora, con dstrbuzone d Posson. L autolavaggo può servre 2 clent all ora e la coda è d tpo M/M/. I dat precedent corrspondono a: λ8 ; µ2 ; λ\µ < S possono determnare tutt parametr presentat n precedenza, semplcemente applcando le defnzon. Poltecnco d Torno Pagna d 33

M/M/ con scoraggamento degl arrv Ad un casello autostradale non s può sfuggre alla coda, ma ad un autolavaggo sì. Per rappresentare questa possbltà d scelta: µ x µ ( servz non sono nfluenzat dalla coda) λ x x a +, a λ a e µ : fattore d utlzzo Poltecnco d Torno Pagna 2 d 33

M/M/ con scoraggamento degl arrv (contnua) La funzone d ergodctà camba. Se anche λ>µ,lo scoraggamento degl arrv lmta la lunghezza della coda. a Condzone d ergodctà: Parametr del sstema d servzo: π N x x! a µ a µ σ 2 N x e a µ, T t, x e N, T λ a µ c T t µ,l T µ c λ Poltecnco d Torno Pagna 3 d 33

M/M//k :sstema d servzo con capactà k a ( costante) se x < k λ µ x x µ ( costante) x se x k Sa noltre : a µ Poltecnco d Torno Pagna 4 d 33

M/M//k :sstema d servzo con capactà k Le probabltà d equlbro sono date da: π π π x x k + ( ) k+ x x k x > k π k rappresenta la probabltà d equlbro per un utente d trovare la coda pena ed è detta fattore d perdta nello stato d equlbro. Poltecnco d Torno Pagna 5 d 33

M/M/n s Il sstema è dotato d n s canal d dstrbuzone del servzo. La capactà del sstema è llmtata. λ µ x x λ xb se x ns nsb se x > ns λ < condzoned ergodctà n b s Tutt canal s consderano ugual Poltecnco d Torno Pagna 6 d 33

Eserczo Calcolare l tempo medo d attesa n coda per una scala moble dat: massma portata: 2 passegger/gradno veloctà scala: gradno/sec numero medo d arrv: /mn arrv possonan Il problema è modellzzable M/D/ (D: la veloctà della scala è costante) Poltecnco d Torno Pagna 7 d 33

Soluzone dell eserczo Il tempo medo d attesa è: T c λ 2µ µ S conosce: λ passegger/mnuto S calcola: µ2 passegger/mnuto Da cu: T c,25mn,5sec Poltecnco d Torno Pagna 8 d 33

Eserczo 2 S determn l numero d casell necessar ad un uscta autostradale per avere un numero medo d utent mnore d 5. Il sstema è caratterzzato da: traffco medo d utent n uscta dstrbuto unformemente e par a 85 vecol (supposto dstrbuto unformemente dalle 7 alle 2) la percentuale d utent vacard è del 5% l numero medo d servz/ora a casell normal è 2, a casell vacard è 6 S us un modello M/M/n s Poltecnco d Torno Pagna 9 d 33

Soluzone dell eserczo 2 S ndvduano 2 sstem separat: casell vacard casell normal Casell vacard I vecol n una gornata sono 425. Per cu λ425/3 vecol/ora 326,9 vecol/ora E noto µ6 vecol/ora λ/µ.545 potzzando n s S può verfcare che N<5: N/( ).2 vecol Poltecnco d Torno Pagna 2 d 33

Soluzone dell eserczo 2 (contnua) Casell normal S ha: λ326,9 vecol/ora e µ2 vecol/ora Ovvamente o 2 canal non sono suffcent. Servono almeno tre canal. Con 3 canal s ottene N9 che non soddsfa le specfche. S prova con quattro canal ottenendo un valore mnore d 5. Poltecnco d Torno Pagna 2 d 33

Eserczo 3 S ha un sstema caratterzzato da: λ2/8 vecol/ora,5 vecol/ora µ/3 vecol/mnuto2 vecol/ora Utlzzando un modello M/M/ s calcol la lunghezza meda della coda ed l tempo medo d attesa del servzo. Con un modello M/M/;k4 la probabltà d perdta del clente successvo. Poltecnco d Torno Pagna 22 d 33

M/M/ L ÄT t M/M/;k π k λ µ Soluzone dell eserczo 3 2 ì(,75 2.25 vecol ñ) 2 k ( ) π k + ore 4,4 Poltecnco d Torno Pagna 23 d 33

Eserczo 4 S consder un sstema d servzo caratterzzato da: tempo d nter-arrvo esponenzalmente dstrbuto e con valore atteso par a /λ n, con nnumero d utent nel sstema d servzo tempo d servzo esponenzalmente dstrbuto con valore atteso par a /µ n Sano po: 4.) λ µ (2 + b ) a 4.2) λ µ ( + 2 a) a + + a Poltecnco d Torno Pagna 24 d 33

Eserczo 4 (contnua) S calcolno: le probabltà d equlbro e la condzone d ergodctà sotto la quale queste probabltà esstono e sono unvoche la relatva funzone generatrce delle probabltà d equlbro l valore atteso per l numero d utent nel sstema d servzo nello stato d equlbro la probabltà d trovare non pù d h utent nello stato d equlbro Poltecnco d Torno Pagna 25 d 33

Poltecnco d Torno Pagna 26 d 33 Poltecnco d Torno Soluzone dell eserczo 4. Dato che λ e µ sono funzon crescent d s può ntrodurre: S possono qund calcolare le probabltà: b a + + + µ λ con, 2 + +, h h j j j j h h j j π π

Soluzone dell eserczo 4. (contnua) Tenendo conto che: j j ( + ) s possono rcavare le probabltà d equlbro : π π ( ( ) + ) 2 ( ) 2 Poltecnco d Torno Pagna 27 d 33

Soluzone dell eserczo 4. (contnua) La funzone generatrce delle probabltà d equlbro rsulta: ( ) Π z 2 ( z) ( 2 ( ) ( + ) z 2 da cu l valore atteso N, per l numero d utent nello stato d equlbro: ) N( ) dπ( z) dz z 2 Poltecnco d Torno Pagna 28 d 33

Soluzone dell eserczo 4. (contnua) La probabltà d avere meno d h utent nel sstema vale: Pr( n h) ( h + h n 2) π h+ n + ( h h n n ( n + ) ( ) + ) h+ 2 2 Poltecnco d Torno Pagna 29 d 33

Poltecnco d Torno Pagna 3 d 33 Poltecnco d Torno Soluzone dell eserczo 4.2 S può ntrodurre la seguente notazone: S possono qund calcolare le probabltà: ( ) ( )( ) a + + + + µ λ con, 2 2 + +, h h j j j j h h j j π π

Soluzone dell eserczo 4.2 (contnua) Tenendo conto che: ( + ) ( +! ) ( ) j j s possono rcavare le probabltà d equlbro : π π! + ( + )! Poltecnco d Torno Pagna 3 d 33

Soluzone dell eserczo 4.2 (contnua) La funzone generatrce delle probabltà d equlbro rsulta: Π( z)! + ( + ) z! z ( z) e + z da cu l valore atteso N, per l numero d utent nello stato d equlbro: dπ( z) N( ) dz z Poltecnco d Torno Pagna 32 d 33

Soluzone dell eserczo 4.2 (contnua) La probabltà d avere meno d h utent nel sstema vale: Pr( n h) h n h n n+ h π n n n! + + ( n +! ) ( h )! Poltecnco d Torno Pagna 33 d 33