Wykonawca: |
---|
Laboratorium Podstaw Informatyki |
Temat: |
Rok Akademicki |
2006/2007 Semestr Letni |
Badanie wpływu współczynnika δ (ro) na ilość zgłoszeń przebywających w kolejce i na stanowisku MM1.
Dla małych współczynników p długość kolejki waha się w okolicy zera, a jej średnia długość nie przekracza jednego zgłoszenia, natomiast dla wartości p mniejszych od 1 ilość zgłoszeń w kolejce waha się w pobliżu charakterystycznej dla każdej z tych przypadków wartości. Natomiast dla współczynnika p większego od 1 ilość zgłoszeń w kolejce przybywa wraz ze wzrostem czasu. Dla czasu dążącego do nieskończoności, długość kolejki także dąży do nieskończoności.
Zależność czasu pobytu zgłoszenia w systemie, względem wartości współczynnika teta. (Maksymalny czas pobytu zgłoszenia w systemie.)
Po wygenerowaniu wykresu za pomocą programu dostępnego na laboratorium zauważyłem iż w pewnym momencie program zaczął się wysypywać, zapewne z powodu przekroczenia wartości którejś ze zmiennych, co spowodowało dziwne wyniki w dalszej części wykresu. Zgodnie z zaleceniem prowadzącego obciąłem wykres do części, w której program działał poprawnie i taki zamieściłem w sprawozdaniu.
Wartość współczynnika teta nie wpływa bardzo na średni czas obsługi zdarzeń , a tym samym na długość kolejki. Dla większych wartości zgłoszenie oczekuje w kolejce dłużej, ale jest większa szansa, że nie trafi ponownie na jej koniec. Dla mniejszych wartości teta zgłoszenie jednorazowo krócej znajduje się w kolejce ale trafia do niej częściej. Zgłoszenia w systemie podlegają większej rotacji, krócej znajdują się w kolejce ale i na stanowisku obsługi, przez co wielokrotnie do niej trafiają. Zgłoszenie wymagające bardzo krótkiego czasu obsługi przejdzie przez system szybciej, bo trafi na stanowisko po krótszym czasie oczekiwania i może od razu opuścić stanowisko.
Wpływ współczynnika teta na działanie stanowiska wydaje się nabierać większego znaczenia przy dużej rozbieżności wymaganych czasów obsługi przez zgłoszenia.
Porównanie symulacji sieci MM1 z obliczeniami analitycznymi.
λ01 = 10
λ02 = 20
μ1 = 30
μ2 = 40
$$\left\{ \begin{matrix}
\lambda_{1} = \lambda_{01} + 0.5\ \lambda_{2} \\
\lambda_{2} = \lambda_{02} + \ \lambda_{1} \\
\end{matrix} \right.\ $$
λ1 = λ01 + 0.5 (λ02 + λ1)
0.5 λ1 = λ01 + 0.5 λ02
λ1 = 2 λ01 + λ02
λ1 = 2 * 10 + 20 = 40
λ2 = 20 + 40 = 60
p1=40/50=0,8
p2=60/100=0,6
$$E\left( k \right) = \frac{p^{2}}{1 - p}$$
$$E\left( k_{1} \right) = \frac{p_{1}^{2}}{1 - p_{1}} = \frac{{(\frac{4}{5})}^{2}}{1 - \frac{4}{5}} = 3,2\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ E\left( k_{2} \right) = \frac{p_{2}^{2}}{1 - p_{2}} = \frac{{(\frac{3}{5})}^{2}}{1 - \frac{3}{5}} = 0,9$$
$$E\left( \omega \right) = \frac{p}{\mu\left( 1 - p \right)}$$
$E\left( \omega_{1} \right) = \frac{p_{1}}{\mu_{1}(1 - p_{1})} = \ \frac{0,8}{30(1 - 0,8)} = 0,1(3)$ $E\left( \omega_{2} \right) = \frac{p_{2}}{\mu_{2}(1 - p_{2})} = \ \frac{0,6}{40(1 - 0,6)} = 0,0375$
$$E(\tau) = \frac{p}{\lambda\left( 1 - p \right)}$$
$$E\left( \tau_{1} \right) = \frac{p_{1}}{\lambda_{1}\left( 1 - p_{1} \right)} = \frac{0,8}{40(1 - 0,8)} = 0,1\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ E\left( \tau_{2} \right) = \frac{p_{2}}{\lambda_{2}\left( 1 - p_{2} \right)} = \frac{0,6}{60(1 - 0,6)} = 0,025$$
PLIK DANE
20000
2
10
20
2
50
100
1.0 0.0
0.0 1.0
0.0 1.0
0.5 0.0
PLIK WYNIKOWY
Czas zakończenia obserwacji 20000.04
Źródło 1
Lambda = 10.00. Wygenerowano 199537 zgłoszeń
Źródło 2
Lambda = 20.00. Wygenerowano 400698 zgłoszeń
Stacja 1
Mi = 50.00 Zajętość = 0.80
Śr. długość kolejki wynosi 3.220. W kolejce zostało 0 zgłoszeń
Stacja 2
Mi = 100.00 Zajętość = 0.60
Śr. długość kolejki wynosi 0.904. W kolejce zostało 0 zgłoszeń
Śr. czas oczekiwania wyniósł 0.053
Śr. czas pobytu wyniósł 0.071
Jak widać wyniki moich obliczeń są w przybliżeniu równe wynikom uzyskanym za pomocą programu dostępnego na laboratorium. Różnice pomiędzy obliczeniami i wynikami symulacji wynikają zapewne z losowego charakteru symulacji, a także z czasu testowania.