KUYRUK SİSTEMLERİNDE PERFORMANS öLÇüTLERi

... konulu sunumlar: "KUYRUK SİSTEMLERİNDE PERFORMANS öLÇüTLERi"— Sunum transkripti:

1 KUYRUK SİSTEMLERİNDE PERFORMANS öLÇüTLERi
M/M/S kuyruk modelleri, M/G/1 kuyruk modelleri ve bazı diğer kuyruk sistemleri için önceki yansılarda verilen performans ölçütleri analitik olarak hesaplanabilir. Analitik çözümlerin mümkün olması için, varışlararası dağılımın, servis dağılımının ya da her ikisinin üstel olması ya da bazı özel kuyruk modelleri için tanımlanmış dağılımlar olması gerekir. Parametreler arasındaki ilişki; Q=λ*d ve L= λ*w w=d+E(s) 12/30/2018

2 M/M/1 Kuyruk Modeli : Varışlar arası zamanın ve servis zamanının üstel dağılıma sahip olduğu,bir servis olanağı olan FİFO kuyruk disiplininin kullanıldığı kuyruk modelidir. Kuyruk kapasitesi sonsuzdur. Bu modelin, sürekli zamanlı Markov Prosesinden elde edilen matematiksel modeller ile çözümü vardır. (Bu formüller, denge durumu için geçerlidir.) P0 : sistemde iş veya müşteri olmaması olasılığı P1 : sistemde 1 iş veya müşteri olma olasılığı Pn : sistemde n iş veya müşteri olma olasılığı 12/30/2018

3 M/M/1 Kuyruk Modeli : Trafik yoğunluğu, doluluk oranı 12/30/2018

4 M/M/1 Kuyruk Modeli : Sistemdeki ortalama müşteri sayısı / birim zaman
Kuyruktaki ortalama müşteri sayıs / birim zaman Bir müşterinin sistemde ortalama bekleme zamanı Bir müşterinin kuyrukta ort. bekleme zamanı 12/30/2018

5 KESİKLİ-OLAY BENZETİMİ
Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi ile ilgilenir. Sistemin zamana göre benzetimidir. Zaman içinde kesikli noktalarda bir olay ortaya çıkar ve sistemin durumunu değiştirir. ÖRNEK 1 : Bir servisli kuyruk sistemi servis Müşteri çıkışı müşteri varışı 12/30/2018

6 KESiKLi-OLAY BENZETiMi
Þ                Bir varış kanalı Þ                Bir servis olanağı Þ                FİFO ilk gelen ilk servis Þ                Servis meşgul ise, müşteri kuyrukta bekler Þ       Varışlararası zaman ve servis süreleri bilgisayar ortamında belirlenen dağılımlardan üretilir. M/M/1 Modelinde Þ                Varışlararası zamanlar rassal değişkendir Þ                Servis zamanları rassal değişkendir Þ            İş veya müşteri servisleri bittiği an sistemden çıkar Þ           Bir servis tamamlandığında en yakın müşteri servise alınır. 12/30/2018

7 KESiKLi-OLAY BENZETiMi
Performans Ölçütü :  Performans ölçütünün tahmin edilmesinde sistemin durum değişkenlerinin izlenmesi gerekir. Durum Değişkenleri : 1. Servisin Durumu : Servisin boş veya dolu olması gelen müşterinin servise veya kuyruğa girmesini belirler. 2. Kuyruktaki Müşteri Sayısı : Bir servis tamamlandığında kuyurktaki müşteri sayısı servisin yeni durumunu belirler. Kuyrukta müşteri yoksa servis boş duruma geçer. Müşteri varsa, kuyruğun başındaki müşteri servise alınarak servis dolu duruma geçecektir. 3.Varış Zamanları : Her bir müşteri için kuyrukta bekleme zamanının bulunmasında kullanılır. 12/30/2018

8 KESiKLi-OLAY BENZETiMi
Olaylar : 1. Müşteri Varışı (Varış Olayı) : Sistemin durumunu değiştirir. Yani, servis boş ise dolu konuma geçer veya kuyruktaki müşteri sayısı 1 artar. 2. Servisin Tamamlanması (Servis Olayı – Çıkış Olayı) Sistemin durumunu değiştir. Servis dolu iken boş konuma geçer ya da kuyruktaki müşteri sayısı 1 azalır. 12/30/2018

9 KOB’DA KULLANILAN KAVRAMLAR
KOB’da kullanılan önemli kavramlar aşağıda sıralanmıştır. 1.Sistem : Bir veya daha fazla amacı gerçekleştirmek için çalışma zamanı boyunca etkileşimli nesnelerin (Örn; insan ve makine) toplamıdır. 2.Model: Bir sistemin gösterimidir. Bu gösterim, bir sistemi tanımlamak için sistem durumunu, nesnelerini, olaylarını, faaliyetlerini kullanan matematiksel ve mantıksal ilişkileri kapsar. 3.Sistem Durumu : Herhangi bir zamanda sistemi tanımlamak için gerekli olan bilgiyi kapsayan değişkenler setidir. 12/30/2018

10 KOB’DA KULLANILAN KAVRAMLAR
4.Nesne : Sistemin bir bileşenidir. (örn; bir servis, bir müşteri, bir makine) 2.Özellik : verilen nesnenin özellikleri (örn; bekleyen bir müşterinin önceliği, atölye’de bir işin uğrayacağı makinaların sırası) 3.Olay : Bir sitemin durumunu değiştiren bir oluş. (Örn; müşteri varışı) 4.Faaliyet: Belirli bir zaman içinde tamamlanan iş veya işlem. Bir üretim hattında bir aşamada bir kesme işleminin tamamlanması gibi. Faalişyetlerin zamanları değişken ise ilgili istatiksel dağılımlarla tanımlanır. 12/30/2018

11 Performans Ölçütleri :
12/30/2018

12 KOB’DA ZAMAN İLERLETME
Kesikli olay benzetim modelinin yapısı gereği, her adımda benzetim zamanınınn bilinmesi gerekir. Bu nedenle, benzetim zamanının bir değerden diğer bir değere artmasını sağlayacak bir işlem gerekir. Benzetim zamanını veren değişken BENZETİM SAATİ olarak adlandırılır. Modelde zaman birimi olarak, giriş parametrelerinde kullanılan birim alınır. Benzetim zamanı ile modelin bilgisayarda işletilmesi zamanı arasında bir ilişki yoktur. Benzetim saatinin iletilmesinde iki yaklaşım kullanılmaktadır. 1.     En yakın olay zamanı 2.     Sabit artışlar 12/30/2018

13 En yakın olay zamanı ile
Örnek: Bir servisli kuyruk modeli benzetimi ti= i. Müşterinin varış zamanı (t=0) Ai=ti-(ti-1)= i. ve ( i-1). müşterilerin varışlar arası zaman aralığı Si= i. müşteri için harcanan servis zamanı Di= i.müşterinin kuyrukta beklemesi ci=ti+Di+Si= i. müşterinin servisini tamamlaması ve çıkış zamanı ei= herhangi bir i. olayın ortaya çıkış zamanı A1,A2,………_ FA : varışlar arası zaman aralığı dağılımı S1,S2,………..._ FS : servis süreleri dağılımı 12/30/2018

14 En yakın olay zamanı ile
12/30/2018

15 En yakın olay zamanı ile
e0=0 anında servisin durumu boştur. t1=1. müşterinin varış zamanı (FA dağılımından A1 değişkeninin üretilmesiyle belirlenir) ( 0+A1=t1). Benzetim saati e0=0’dan e1’e ilerletilir. t1’de gelen müşteri servisi boş bulur. D1=0. Servisin durumu boştan doluya çevrilir. 1. müşterinin çıkış zamanı = c1= ( t1+D1+S1 ) (t1 zamanında gelen müşteri FS’den üretilen s1 süresince servisini alarak sistemden çıkacaktır.) 12/30/2018

16 t2=t1+A2 anında gelecek yeni bir müşteri ve
c1’de çıkacak eski bir müşteri vardır. Bunlardan hangisi en yakın olay olacak??? 12/30/2018

17 En yakın olay zamanı ile zaman ilerletme
t2<c1 ise benzetim saati e2=t2 olarak ilerletilir. c1<t2 olsaydı , benzetim saati e1’den c1’e ilerletilmiş olacaktı. t2 zamanında gelen müşteri servisi meşgul bulacaktır. Kuyruktaki müşteri sayısı , 0’dan 1’e arttırılacak ve bu müşterinin varış zamanı kaydedilecektir. Bu müşterinin servis zamanı şu anda üretilemez. 3.varış zamanı t3 , t3=t2+A3 olarak hesaplanır. c1<t3 ise benzetim saati e3=c1 olarak ilerletilir. 12/30/2018

18 En yakın olay zamanı ile
t1’de gelen müşteri c1 de çıkıyor ve t2’de gelen müşteri c1’de servise alınıyor. D2=c1-t2 ve c2=c1+S2 ( S2; FS’den şimdi üretildi ) . Kuyruktaki müşteri sayısı 1 azaltılır. t3<c2 ise benzetim saati e4=t3’e ilerletilir. 12/30/2018

19 Sabit artışlar ile zaman ilerletme
Bu yaklaşımda benzetim saati, önceden belirlenen bir At (deltat) zamanı kadar arttırılır. Benzetim saatindeki her At artış sonrası, At aralığında herhangi bir olayın ortaya çıkıp çıkmadığı kontrol edilir. Bu aralıkta bir veya birden fazla olay ortaya çıkmış ise, bu olaylar aralığın sonunda olmuş gibi dikkate alınır ve sistemin durumu güncelleştirilir. 12/30/2018

20 Sabit artışlar ile zaman ilerletme
12/30/2018

21 Sabit artışlar ile zaman ilerletme
[ 0, At ] zaman aralığında , e1 zamanında ortaya çıkan olay , modelde At zamanında olmuş gibi dikkate alınır. [ At, 2At ] aralığında hiçbir olay ortaya çıkmamıştır. Ancak, model bu durumu belirlemek için kontrol işlemini yapar. [ 2At, 3At ] aralığında e2 ve e3 zamanında 2 olay olmuştur. Ancak her iki olay da 3At zamanında olmuş gibi dikkate alınır. Modelde, aynı zamanda birden fazla olay ortaya çıktığında, olayların hangi sırada dikkate alınacağına karar verecek bir kural bulunmalıdır. Bu yaklaşımın iki dezavantajı vardır: 12/30/2018

22 Sabit artışlar ile zaman ilerletme
Gerçekte aynı anda meydana gelmeyen olayların zaman aralığı sonunda birlikte dikkate alınması ve bunlardan hangisinin önce ortaya cıkacağına karar verme işlemi hata oluşur. At çok küçük alınarak bu hata azaltılabilir. Ancak, her At aralığında yapılacak kontrol’den dolayı modelin çalışma zamanı artacaktır. Bu nedenle KOB’da, bu yaklaşım genellikle kullanılmaz. 12/30/2018