Una coda, o fila di attesa utenti serventi...Teoria delle Code (Sistemi di Flusso, di Servizio, o...
Transcript of Una coda, o fila di attesa utenti serventi...Teoria delle Code (Sistemi di Flusso, di Servizio, o...
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
1
Teoria delle File di Attesa
• Una coda, o fila di attesa, si forma quando degli utenti
attendono di essere serviti da uno o più serventi.
Esempi:
• Studenti agli sportelli della segreteria
• Utenti di un centro di calcolo
• Programmi eseguiti in multiprogrammazione
• Dati che devono essere trasmessi da un satellite.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
2
Sistemi di Servizio
1
2
N
Capacità =K
Stazione di servizio
Coda
12
S
Sorgenti di traffico
Serventi
Strutture di un sistema di servizio
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
3
Sistemi di Servizio In un sistema di servizio in generale risultano aleatori:
• Gli istanti di tempo in cui si generano le richieste di
servizio.
In questo caso si ricorrere ad una descrizione statistica
dei tempi di interarrivo delle richieste oppure del
numero delle richieste in un certo intervallo di tempo.
• La durata di ogni servizio.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
4
Teoria delle Code (Sistemi di Flusso, di Servizio, o “Queuing Systems”; File di Attesa)
Un punto di Poisson può rappresentare l’arrivo di un utente (persona ad uno
sportello, richiesta di collegamento ad un centralino telefonico, pacchetto dati ad
uno switch…) con assegnata intensità (o “frequenza di arrivo”) indicata con :
valore atteso del numero di arrivi in Il tempo di interarrivo ha densità di probabilità che nel caso markoviano è
esponenziale con parametro :
Δ
τt
t
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
5
Teoria delle Code (Sistemi di Flusso, di Servizio, o “Queuing Systems”; File di Attesa)
SERVIZIOUtenti Utentiserviti
Il tempo di servizio può essere supposto con distribuzione esponenziale
(caso Markoviano) di intensità :
Il tempo totale “speso” nel sistema è e dipende da λ, da µ e dalle leggi
di arrivo e di servizio.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
6
Teoria delle Code (Sistemi di Flusso, di Servizio, o “Queuing Systems”; File di Attesa)
Per definizione, il numero medio di arrivi per unità di tempo è λ ed il numero
medio di servizi per unità di tempo è µ .
tempo
Utenti
0
1
5
10
n t( )
n t( ) = numero di utenti nel sistema
: arrivi: servizi
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
7
Sistemi di Servizio Il numero n di utenti nel sistema ad un certo istante è una
variabile aleatoria che dipende:
• Dalla statistica degli arrivi;
• Dalla statistica del tempo di servizio;
• Dalle condizioni iniziali.
Un sistema di servizio può essere trattato tramite la teoria
dei processi di nascita e di morte.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
8
Processi di Nascita e Morte Sono processi di Markov in cui sono permesse solo le transizioni tra
stati contigui: , , .
j - 1 j + 1j
Qui interessa il caso tempo-continuo con transizioni permesse solo
da/a stati contigui: da a 1 (nascita) oppure da a (morte).
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
9
Processi di Nascita e Morte
i - 1 i + 1i
morte
nascita
Tasso di nascite per popolazione di dimensione i:
(analoga-mente per ).
e dipendono dallo stato ma non dal tempo catena di Markov
omogenea.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
10
Sistemi di Servizio Un sistema di servizio è definito da:
• Il numero S delle sorgenti che generano richieste di
servizio.
• La statistica delle richieste di servizio.
• La capacita K della coda (massimo numero di richieste
che possono essere messe in attesa).
• La modalità di gestione della file d’attesa.
• Il numero N dei serventi.
• La statistica della durata dei servizi.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
11
Sistemi di Servizio
Nella pratica S, K ed N sono finiti, ma dai casi limite per:
S , K , N→∞ →∞ →∞
risultano modelli semplificati che sono di particolare utilità in
alcune applicazioni.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
12
Classificazione dei Sistemi di Servizio
• Sistemi a pura perdita: 0
Una richiesta di servizio viene soddisfatta senza attesa se c’è un
servente libero, altrimenti viene rifiutata.
• Sistemi a pura attesa: S K N≤ +
Tutte le richieste vengono soddisfatte.
• Sistemi ad attesa con perdite: S N K> +
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
13
Descrizione Sintetica di un Sistema di Servizio
Notazione di Kendall, costituita da 5 simboli:
1 2A / A / N / K / S in cui
• 1A definisce la distribuzione dei tempi di interarrivo;
• 2A definisce la distribuzione dei tempi di servizio;
• N numero di serventi;
• K capacità della coda;
• S numero di sorgenti.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
14
Descrizione Sintetica di un Sistema di Servizio
Per 1A ed 2A i simboli più usati sono i seguenti: • M ~ Esponenziale (da Markoviana: senza memoria, si
vedano le proprietà del processo di Poisson)
• mE ~ Erlangiana di ordine m
• mH ~ Iperesponenziale di ordine m
• D ~ Deterministica (costante)
• G ~ Generale (descritta dal solo valore medio)
Se K ed S non figurano, si intende che essi sono di valore infinito.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
15
Modalità di Gestione della File di Attesa I casi più frequenti sono i seguenti:
• FIFO (First In First Out) ovvero FCFS (First Come First
Served)
• LIFO (Last In First Out) ovvero LCFS (Last Come First
Served)
• SJF (Shortest Job First)
• LJF (Largest Job First)
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
16
Processi di Nascita e Morte
• Nel nostro caso la grandezza di interesse è il numero di
utenti presenti (o perché in coda o perché vengono
serviti) nel sistema di servizio, che costituiscono il valore
del processo, denominato stato del processo.
• Indichiamo con ( )X t il valore (stato) del processo
all’istante t.
• ( )X t è un intero non negativo.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
17
Proprietà dei Processi di Nascita e Morte
• ( )X t è un processo di Markov del primo ordine, cioè
gode della proprietà di assenza di memoria.
• La probabilità che si verificano nascite o morti a gruppi:
( ) ( ){ } ( )P X t h j X t i o h j i 2+ = = = − ≥
con h intervallo di durata “molto piccola”, è un
infinitesimo, ( )o h , di ordine superiore ad h.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
18
Proprietà dei Processi di Nascita e Morte
• La probabilità che si verifichi una nascita:
( ) ( ){ } ( )iP X t h i 1 X t i h o h + = + = = λ ⋅ +
con h intervallo di durata “molto piccola”, dipende dallo
stato attuale del processo (cioè da i) ed è proporzionale
( iλ ) alla durata dell’intervallo h.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
19
Proprietà dei Processi di Nascita e Morte • La probabilità che si verifichi una morte
( ) ( ){ } ( )iP X t h i 1 X t i h o h + = − = = μ ⋅ +
con h intervallo di durata “molto piccola”, dipende dallo stato
attuale del processo ed è proporzionale (con coefficiente di
proporzionalità iμ generalmente diverso da quello delle
nascite iλ ) alla durata dell’intervallo.
• I parametri iλ e iμ sono dette rispettivamente frequenze di
nascita e di morte.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
20
Processi di Nascita e Morte Si possono considerare i seguenti eventi:
• { }A Avviene una Nascita in un intervallo infinitesimo=
( )X t i 1= − e ( )X t dt i+ =
(è possibile solo se i 1≥ )
• { }B Avviene una Morte in un intervallo infinitesimo=
( )X t i 1= + e ( )X t dt i+ =
• { }C Non Avvengono né Nascite né Morti=
( ) ( )X t dt X t i+ = =
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
21
Processi di Nascita e Morte Per le proprietà dei processi di nascita e morte si ha:
(trascurando gli infinitesimi di ordine superiore)
{ }
{ }
{ } ( )( ) ( )
i 1
i 1
i i i i
P A dt
P B dt
P C 1 dt 1 dt 1 dt
−
+
= λ
= μ
= − λ −μ ≅ − λ +μ
Per il teorema della probabilità totale, la probabilità che il
processo abbia valore i all’istante t dt+ è allora:
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
22
Processi di Nascita e Morte ( ){ }
( ){ } { } ( ){ } { } ( ){ } { }
( ){ } ( ){ } ( ){ } ( )i 1 i 1 i i
P X t dt i
P X t i 1 P A P X t i 1 P B P X t i P C
P X t i 1 dt P X t i 1 dt P X t i 1 dt− +
+ = =
= = − + = + + = =
= = − + = + + = − +⎡ ⎤⎣ ⎦λ μ λ μ
Questa espressione si può opportunamente riscrivere sotto
forma di equazione differenziale:
( ){ } ( ){ } ( ){ }
( ){ } ( ){ } ( ){ }( )i 1 i 1 i i
dP X t i P X t dt i P X t idt dt
P X t i 1 P X t i 1 P X t i− +
= + = − == =
= = − λ + = + μ − = λ +μ(1)
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
23
Processi di Nascita e Morte
Nel caso particolare in cui i 0= si ha: 1 0−λ = e 0 0μ =
( ){ } ( ){ } ( ){ }1 0dP X t 0
P X t 1 P X t 0dt
== = ⋅μ − = ⋅λ (2)
La soluzione delle (1) e (2) non è in generale agevole,
inoltre occorre conoscere la distribuzione di probabilità degli
stati del processo a regime, cioè in condizioni di
stazionarietà. Questa distribuzione si ottiene ponendo:
( ){ } ( ){ }dP X t i dP X t 00 0
dt dt= =
= =
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
24
Processi di Nascita e Morte
Da ( ){ }dP X t 0
0dt
== si ottiene:
( ){ } ( ){ }0
1P X t 1 P X t 0λ
= = =μ (3)
Dalla (1) per i = 1 si ha:
( ){ } ( ){ } ( ){ }( )0 2 1 1P X t 0 P X t 2 P X t 1= λ + = μ = = λ +μ
sostituendo la (3) in quest’ultima equazione, si ottiene:
( ){ } ( ){ } ( ){ }0 1 1
1 2 2P X t 2 P X t 0 P X t 1λ ⋅λ λ
= = = = =μ ⋅μ μ
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
25
Processi di Nascita e Morte Ripetendo la procedura per i = 2 si ottiene:
( ){ } ( ){ } ( ){ }0 1 2 2
1 2 3 3P X t 3 P X t 0 P X t 2λ ⋅λ ⋅λ λ
= = = = = =μ ⋅μ ⋅μ μ
In generale risulta:
( ){ } ( ){ }n 1
i
i 1i 0
P X t n P X t 0−
+=
λ= = =
μ∏ (4)
oppure
( ){ } ( ){ }n n 1P X t n P X t n 1 −= ⋅μ = = − ⋅λ (5)
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
26
Processi di Nascita e Morte La
( ){ } ( ){ }n 1
i
i 1i 0
P X t n P X t 0−
+=
λ= = =
μ∏
non permette ancora di ricavare le probabilità degli stati del
processo in quanto dipende da ( ){ }P X t 0= che è ancora
incognita.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
27
Processi di Nascita e Morte Utilizzando la condizione che la somma delle probabilità di
tutti gli stati deve esse unitaria e ricordando che il numero
massimo di utenti nel sistema è la somma del numero di
serventi N e del numero K di posti in attesa:
( ){ }
( ){ } ( ){ }
N K
i 0
N K
i 1
P X t i 1
P X t 0 P X t i 1
+
=
+
=
= =
= + = =
∑
∑
ed utilizzando la (4), si ottiene:
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
28
Processi di Nascita e Morte
( ){ } ( ){ }
( ){ }
( ){ }
N K i 1j
j 1i 1 j 0
N K i 1j
j 1i 1 j 0
N K i 1j
j 1i 1 j 0
P X t 0 P X t 0 1
P X t 0 1 1
1P X t 01
+ −
+= =
+ −
+= =
+ −
+= =
λ= + = ⋅ =
μ
⎡ ⎤λ⎢ ⎥= ⋅ + =
μ⎢ ⎥⎣ ⎦
= =λ
+μ
∑ ∏
∑∏
∑∏
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
29
Processi di Nascita e Morte Affinché esista una distribuzione di probabilità degli stati a
regime ( ){ }( )P X t 0 0= ≠ deve essere verificata:
N K i 1j
j 1i 1 j 0
+ −
+= =
λ< ∞
μ∑∏ (condizione di stabilità) (7)
altrimenti sia lo stato 0 che tutti gli altri stati avrebbero
probabilità nulla.
La condizione di stabilità è certamente soddisfatta se il
numero di stati del sistema (e quindi N + K) è finito.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
30
Rappresentazione di un Processo di Nascita e Morte Grafo di transizione degli stati
0
0
1
1
1
2
2
23
N+ K
N+ K
N+ K-1
Le equazioni:
( ){ } ( ){ }n n 1P X t n P X t n 1 −= ⋅μ = = − ⋅λ
vengono dette equazioni di bilanciamento.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
31
Fattore di Utilizzazione
Si definisce fattore di utilizzazione ρ la probabilità di utilizzo
e quindi (supponendo il processo stazionario ed ergodico) il
valore atteso della frazione di tempo in cui il sistema è
utilizzato.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
32
Fattore di Utilizzazione Dall'espressione:
( ){ }0 N K i 1j
j 1i 1 j 0
1P P X t 01
+ −
+= =
= = =λ
+μ∑∏
si ricava: n 1
i
i 1n 1 i 0n 1
i
i 1n 1 i 0
1
∞ −
+= =∞ −
+= =
λμ
ρ =λ
+μ
∑∏
∑∏ (8)
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
33
Code M/M/1 Si consideri il caso stazionario di:
• arrivi e partenze Markoviane, parametri fissi;
• un solo servente;
• la coda può essere comunque lunga.
0 1 2 n
Grafo di transizione degli stati per la coda M/M/1
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
34
Code M/M/1
Si ha quindi: nλ = λ , nμ = μ per n 1,2,3,...=
Inserendo questi valori nella (7), si ottiene: nn 1
i
i 1n 1 i 0 n 11
∞ − ∞
+= = =
⎛ ⎞λ λ λ μ= =⎜ ⎟μ μ − λ μ⎝ ⎠∑∏ ∑ 1λ
<μ
per λ > μ la serie diverge.
Per il fattore di utilizzazione si ha:
0 P 1λ λρ = = −
μ μ
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
35
Code M/M/1 Ricordando l’espressione
( ){ } ( ){ }n 1 n 1
i in 0
i 1 i 1i 0 i 0
P P X t n P X t 0 P− −
+ += =
λ λ= = = = =
μ μ∏ ∏
noto nel caso M/M/1 si ottiene una
distribuzione Geometrica di parametro ρ:
( )n
nn 0P P 1⎛ ⎞λ= = −ρ ρ⎜ ⎟μ⎝ ⎠
Grandi valori di n (cioè elevate occupazioni) sono più
probabili per ρ vicino all’unità piuttosto che per ρ bassi.
0P 1 1λ= − = −ρ
μ
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
36
Code M/M/1
Distribuzione stazionaria del numero di utenti in un sistema
M/M/1
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
37
Code M/M/1 La probabilità che l’unico servente sia occupato è:
( ){ } ( ){ } ( )0P X t 0 1 P X t 0 1 P 1 1> = − = = − = − −ρ = ρ
Il numero medio di utenti nel sistema è:
[ ] ( ) nn
n 0 n 0
E n n P 1 n1
∞ ∞
= =
ρ= ⋅ = −ρ ⋅ρ =
−ρ∑ ∑
cioè tende a infinito per 1ρ→ .
Se si vuole un elevato fattore di utilizzazione occorre
accettare una coda alquanto lunga!
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
38
Code M/M/∞
Si consideri un sistema con un numero illimitato di serventi (N infinito), per cui ogni utente che entra nel sistema trova un servente libero (lunghezza nulla della coda). Siano
nλ = λ , n nμ = ⋅μ per n 1,2,3,...=
0 1 2 n
2 3 n (n+ 1) Grafo di transizione degli stati per la coda M/M/∞
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
39
Code M/M/∞
Inserendo tali espressioni in n 1
in 0
i 1i 0
P P−
+=
λ=
μ∏ , si ha:
( )
n n
n 0 0n 1
i 0
1 1P P Pn!
i 1−
=
⎛ ⎞ ⎛ ⎞λ λ= =⎜ ⎟ ⎜ ⎟μ μ⎝ ⎠ ⎝ ⎠
+∏ (a)
Dall’espressione generale di
0 i
i 1
1P e11i!
λ−μ
∞
=
= =⎛ ⎞λ
+ ⎜ ⎟μ⎝ ⎠∑ (b)
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
40
Code M/M/∞ per cui, dalle (a) e (b) si ottiene:
n An
ne eP An! n!
λ−
−μ⎛ ⎞λ= =⎜ ⎟μ⎝ ⎠
(c)
cioè la distribuzione del numero di utenti nel sistema è
Poissoniana di parametro A λ=μ .
• [ ]A E n= coincide col numero di serventi attivi. Nelle ipotesi per cui l’espressione (c) è valida [ ]E n dipende solo dal loro rapporto tra λ e μ.
• A è detto intensità di traffico o brevemente “traffico”.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
41
Code M/M/N/∞
Si consideri il caso stazionario con le stesse ipotesi (processi Markoviani) dell’applicazione precedente ma con N serventi. Si ha:
nλ = λ per n 0,1,2,...= nn 0 n NN N n⋅μ < <⎧
μ = ⎨ ⋅μ ≤⎩
perper
0 1 2 n
2 3 N N Grafo di transizione del modello M/M/N/∞
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
42
Code M/M/N/∞
• Finché ci sono serventi liberi l’utente viene servito immediatamente, viceversa quando le N stazioni di servizio sono occupate l’utente è in coda.
• E' questo il caso di un servizio "con prenotazione".
( )( )
0 K NN 1
K 0
1P1
K ! N ! 1 N
−
=
=λ μ⎛ ⎞λ
+⎜ ⎟μ − λ μ⎝ ⎠∑
n
n 01P Pn!
⎛ ⎞λ= ⎜ ⎟μ⎝ ⎠
per n N≤
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
43
Code M/M/N/∞ Si può ora calcolare la probabilità *P che gli N serventi siano tutti occupati:
N 1*
nn 0
P 1 P−
=
= −∑
Utilizzando le precedenti espressioni si ricava la “formula C di Erlang”:
( ) ( )
( )( )
( ) ( )( )
N
N*
0 K NN 1
K 0
N ! 1 NN AP C M , PN ! N A
K ! N ! 1 N
−
=
λ μ− λ μ⋅
= λ μ =− λ μ λ μ
+− λ μ∑
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
44
Code M/M/N/0 Il sistema M/M/N/0 differisce dal precedente perché quando tutti gli N serventi sono occupati l’utente viene rifiutato (caso del servizio telefonico con N linee disponibili in centrale). Il sistema è del tipo "a perdita".
Si ha quindi: n n N
0 n Nλ <⎧
λ = ⎨ ≥⎩
sese n nμ = ⋅μ
0 1 2 N
2 3 N
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
45
nn 1i
0 0n i 1i 0
1P P n NP n!
0 n N
−
+=
⎧ ⎛ ⎞λ λ= ≤⎪ ⎜ ⎟= μ μ⎨ ⎝ ⎠
⎪>⎩
∏
11 nn 1 Ni
0i 1n 1 i 0 n 1
1P 1 1n!
−−∞ −
+= = =
⎛ ⎞⎛ ⎞ ⎛ ⎞λ λ= + = +⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟μ μ⎝ ⎠⎝ ⎠ ⎝ ⎠
∑∏ ∑
di conseguenza: n
n nN
n 0
1n!P
1n!
=
⎛ ⎞λ⎜ ⎟μ⎝ ⎠=⎛ ⎞λ⎜ ⎟μ⎝ ⎠∑
n N≤
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
46
Code M/M/N/0 Ponendo n = N si ricava la probabilità che l’utente venga
rifiutato perché gli N serventi sono occupati.
Nell’esempio, la probabilità di trovare “occupato”, è nota
come formula B di Erlang:
( )
N
nN
n 0
1N !B N ,
1n!
=
⎛ ⎞λ⎜ ⎟μ⎝ ⎠λ μ =⎛ ⎞λ⎜ ⎟μ⎝ ⎠∑
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
47
MISURA DEL TRAFFICO
• Il rapporto coincide con il “traffico”, misurato in Erlang. Nel caso
della telefonia, un utente che è sempre attivo “offre” il traffico di un
Erlang in quanto occupa una linea telefonica il 100 % del tempo.
• Più realisticamente, un utente attivo al 10 % del tempo offre il
traffico di: 0.1 E; dieci di tali utenti offrono il traffico di 1 E.
• Se ad uno sportello arrivano in media 2 persone al minuto e il
tempo medio per svolgere il servizio di sportello è di dodici
secondi, si ha (in ): e che corrisponde a 0.4
Erlang.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
48
ESEMPIO
Una centralina telefonica serve un traffico offerto di 5 Erlang (ad esempio, 50
utenti, ciascuno dei quali offre 0.1 E, cioè occupa il sistema al 10 %).
a) Dimensionare il numero di collegamenti tra centralina e utenti in modo che
la probabilità di perdita (di trovare occupato) sia al più l’uno per cento.
Si calcola la formula B per 5 e valori crescenti del numero N di serventi,
cioè di linee.
Per N = 10, B = 1.83·10-2 1 %
Per N = 11, B = 8.29·10-3 1 %
Quindi si sceglie N = 11.
Università di Roma Tor Vergata AA 2012/13 Corso di Teoria dei Fenomeni Aleatori
49
ESEMPIO (segue)
b) Calcolare il fattore di utilizzazione di una linea.
Traffico smaltito: .
Fattore di utilizzazione: .
Commento:
Per consentire una buona 0.01 qualità del servizio occorre
utilizzare le linee a meno del 50 %.
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
50
Teoria delle Code – Esercizi
a) Dato un sistema di flusso del tipo M/M/1/1 (esempio: una sala di
lettura con una sola sedia e un posto in attesa) determinare le
probabilità degli stati al variare del tempo medio tra due arrivi e
del tempo medio di permanenza in lettura. Soluzione
0
0
2
2
1
1
1
0 0 00 1 11 1 2
ATTESA LETTURA TOT
Si ha: ,
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
51
Risolvendo le equazioni:
1
si ottiene
1 1
1
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
52
1 0.33 0.33 0.33
0.5 0.58 0.28 0.14
0.1 0.9 0.09 0.009
10 0.009 0.09 0.9
Commento: al crescere del rapporto tra durata media della
lettura e tempo medio tra due arrivi il rendimento 1 si
abbassa.
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
53
b) Come l’esercizio 1, con due serventi (due posti a sedere) e
nessun posto in coda (sistema “a perdita”). Soluzione
0 0 00 1 10 2 2
ATTESA LETTURA TOT
0
0
2
2
1
1
1
Si ha: ,
2
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
54
cioè
1 2 ; 1 2
2⁄ 1 2
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
55
1 0.4 0.4 0.2
0.1 0.905 0.09 0.0045
10 0.016 0.154 0.82
Commento: si hanno valori di più alti del caso precedente, in
quanto l’assenza di coda riduce l’efficienza di utilizzazione del
sistema a parità di traffico.
Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori
56
Esercizi da svolgere
c) Come il precedente esercizio (b) con un posto in attesa (coda
di capacità 1)
d) Come il precedente esercizio (a)con una coda di capacità
infinita.