Kuyruk Sistemlerinin Simülasyonu



Benzer belgeler
SİSTEM SİMÜLASYONU

Rasgele Sayılar Rasgele Basamaklar

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME

SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri

SİSTEM SİMÜLASYONU

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN

IE 303T Sistem Benzetimi L E C T U R E 3 : O L A Y Ç I Z E L G E L E M E A L G O R I T M A S I

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN

EME 3105 SISTEM SIMÜLASYONU

9/22/2014 EME 3105 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2

Kuyruk Sistemlerinin Benzetimi. KUYRUK & BEKLEME HATTI SİSTEMLERİ Genel nüfus Bekleme hattı Sunucu

9/28/2016 EME 3117 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2

Rassal Değişken Üretimi

Ders 4: Rastgele Değişkenler ve Dağılımları

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SİMULASYON MODELLEME VE ANALİZ. Giriş. Arena Ortamı. Simulasyon Dilleri HAFTA 2. Yrd.Doç.Dr.Beyazıt Ocaktan

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

Yönetimde Karar Verme Teknikleri

EME 3105 SISTEM SIMÜLASYONU. Giriş. Arena Ortamı. Simulasyon Dilleri

ENM 316 BENZETİM ÖDEV SETİ

RASSAL SAYI ÜRETİLMESİ

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

Bekleme Hattı Teorisi

Girişimcilikte Simülasyon: Eğitimcinin Eğitimi

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var :

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

ENM 316 BENZETİM ÖDEV SETİ

BEKLEME HATTI MODELLERİ

İstatistik ve Olasılık

Kuyruk Simulasyonu (Qeue Simulation)

KARAR TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Laboratuvar 3. Yrd.Doç.Dr.Beyazıt Ocaktan. Elektronik Montaj ve Test Örneği

Eme Sistem simülasyonu. Giriş. Simulasyonun Kullanım Alanları (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş

9/14/2016 EME 3117 SİSTEM SIMÜLASYONU. Giriş. (Devam) Simulasyonun Kullanım Alanları. Sistem Simülasyonuna Giriş. Hafta 1. Yrd.Doç.Dr.

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

EME 3105 Giriş SISTEM SIMÜLASYONU Sistem Simülasyonuna Giriş Simülasyon Ders 1 Simülasyon, Yrd.Doç.Dr.Beyazıt Ocaktan

MONTE CARLO BENZETİMİ

BİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

Temelleri. Doç.Dr.Ali Argun Karacabey

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

ENM-3105 Sistem Simulasyonu Kısa Sınav 1


ç ç ç ç Ö ç ç Ş ç ç Ç

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi

Y.Doç.Dr. Fazıl GÖKGÖZ Kuyruk Teorisi. Bölüm 1: Temel Kavramlar. Varışlar: Müşteriler sisteme belirli bir varış yapısında girerler

2. Aşağıdaki pseudocode ile verilen satırlar işletilirse, cnt isimli değişkenin son değeri ne olur?

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

YZM VERİ YAPILARI DERS#9: HASH FONKSİYONLARI

DARA PLUS PARAKENDE MODULU

SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

PROSESLER. Proses. Proses

DAO İLE SQL KOMUTLARI. Sql komutlarını artık veri tabanında kullanmaktan başka çaremiz yok arkadaşlar. Şimdi bu sql derslerimize başlayalım.

Merkezi Yığılma ve Dağılım Ölçüleri

İSTATİSTİK. Bölüm 1 Giriş. Ankara Üniversitesi SBF İstatistik 1 Ders Notları Prof. Dr. Onur Özsoy 4/4/2018

BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ

EME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi

Simülasyonda İstatiksel Modeller

ÇIKTI ANALİZİ BENZETİM TÜRLERİ

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

IE 303T Sistem Benzetimi

else *on=*on+1; return gecici; } int giseyeyerlestir(struct gise*giseler) {//giseye bos olmasi durumunda yerlestirme yapiliyor...

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri Bahar Dönemi 13 Mart 2014

127 - Twoing Algoritması ile Sınıflandırma Kalp Hastalığı Uygulaması MEHMET AKİF ERSOY ÜNİVERSİTESİ İLHAN UYSAL MEHMET BİLEN SAMİ ULUKUŞ

13. Olasılık Dağılımlar

Rasgele Sayıların Özellikleri

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3117 SİSTEM SİMULASYONU

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

Dr. Mehmet AKSARAYLI

SÜREKLİ OLASILIK DAĞILIMI

Bertrand, kirişin rasgele seçimi ile ilgili üç farklı yöntem ele alıp sorulan olasılığı hesaplamıştır.

GENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

Proses. Prosesler 2. İşletim Sistemleri

SEÇİM İŞLEMLERİ. Yüzde Hesaplamaları HÜCRE KOPYALAMA & TAŞIMA FORMÜL GİRİŞİ FORMULLER 3) DÖRT İŞLEM. a) Bugün: b) Şimdi: c) Topla: d) Çarpım:

( ) (, ) Kombinasyon. Tanım: r n olmak üzere n elemanlı bir kümenin r elemanlı her alt kümesine bu n elemanın r li kombinasyonu denir.

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009




IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

Genel Graf Üzerinde Mutlak 1-merkez

JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA

ideal Sistem Tester Kullanım Klavuzu

OPNET PROJECT EDİTÖRDE. Doç. Dr. Cüneyt BAYILMIŞ

ENM 316 Arena Uygulama Dersi Mayıs 2015

KLÜ İİBF-İŞLETME * KANTİTATİF KARAR VERME TEKNİKLERİ

HAYAT DIŞI SİGORTALARI SINAVI EKİM 2017

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

İçindekiler. Ön Söz... xiii

Transkript:

Kuyruk Sistemlerinin Simülasyonu Kuyruk sistemlerinin simülasyonu sonraki adımda ne olacağını belirlemek üzere bir olay listesinin tutulmasını ve bakımını gerektirir. Simülasyonda olaylar genellikle gerçek hayattaki rasgeleliği taklit edecek şekilde rasgele zamanlarda oluşur (müşterinin ne zaman varacağını, servisin ne kadar süreceğini kesin olarak bilemeyiz...)

Rasgele Sayılar Rasgele Basamaklar Gerçek hayatı taklit etmek için ihtiyaç duyulan rasgeleliği elde etmek rasgele sayılar ın kullanılması ile mümkündür. Rasgele sayıların oluşturulmasında rasgele basamaklar kullanılır.

Rasgele Sayılar Rasgele Basamaklar Rasgele sayılar (,) aralığında bağımsız ve düzenli olarak dağılmıştır. Rasgele basamaklar {,,,...,9} kümesinde düzenli olarak dağılmıştır. Rasgele basamak tablosu ile Rasgele Sayıların oluşturulması: Her bir rasgele sayı için uygun sayıda (girişlerinizin gerektirdiği çözünürlüğe bağlı) basamak seçilir ve seçilen sayının soluna ondalık virgül eklenir: 33397887383793639.3.33

Tek Kanallı Kuyruk Sistemi Örneği Tek kasası (ödeme noktası) olan bir dükkan Müşterilerin kasaya varış aralıkları -8 dakika arası ve rasgele değişiyor Varışlar arası sürelerin hepsi aynı olasılığa sahip Kasiyerin servis süresi -6 dakika arasında değişiyor ve farklı olasılıklara sahip müşteri için sistemi analiz etmek isteyelim...

Tek Kanallı Kuyruk Sistemi Örneği Normalde müşterilik bir örnek kümesi seçmek güvenilir sonuçlar için yeterli değil Böyle bir dükkanın simülasyonunun dükkan boş iken başlaması da doğru değil ancak hesaplamaları basit tutmak için başlangıç koşulları ve diğer tereddütleri ihmal ediyoruz...

Varışlar Arası Sürelerin Dağılımı Varışlar Arası Süre (dakika) Olasılık Kümülatif Olasılık Rasgele Basamak Ataması.. -.. 6-3..37-37.. 376-..6-6 6..7 66-7 7..87 7-87 8. 876- R. Basamaklar 6 - arasında Varışlar arası süre dk. R. Sayı.6. ile. arası kümülatif olasılığa karşılık gelir

Varışlar Arası Sürelerin Üretilmesi Kasaya varışları üretmek için bir grup düzgün dağılımlı rasgele sayıya ihtiyacımız var. Bu sayılar (,) aralığında olmalı ve ardarda gelen sayılar birbirinden bağımsız olmalı. Varışlar arası sürelerin olasılıkları 3 basamak ile doğru olarak temsil edilebilir. müşteri için varışlar arası süreleri üretmek üzere 99 rasgele sayıya ihtiyacımız var (neden 99?)

Varışlar Arası Sürelerin Üretilmesi 38 39 : : : 3 9 8 39 8 8 9 7 83 7 8 888 6 7 87 6 3 39 3 89 6 738 6 678 7 83 3 3 6 6 3 - - Varışlar Arası Süre (dakika) Rasgele Basamaklar Müşteri Varışlar Arası Süre (dakika) Rasgele Basamaklar Müşteri

Servis Sürelerinin Dağılımı Varışlar Arası Süre (dakika) Olasılık Kümülatif Olasılık Rasgele Basamak Ataması.. -..3-3 3.3.6 3-6..8 6-8..9 86-9 6. 96-

Servis Sürelerinin Üretilmesi 6 3 38 : : : 6 9 3 8 9 8 73 7 79 7 6 9 6 3 6 6 9 8 79 3 87 3 3 3 8 9 8 Servis Süresi (dakika) Rasgele Basamaklar Müşteri Servis Süresi (dakika) Rasgele Basamaklar Müşteri

Simülasyondan Çıkarılabilecek Bazı Sonuçlar Ortalama Bekleme Süresi Bir müşterinin kuyrukta x dakika bekleme olasılığı Kasanın boşluk-doluluk oranı (kasanın boş olma olasılığı) Ortalama servis süresi (ve beklendik değeri) Varışlar arası ortalama süre (ve beklendik değeri)

Olay Çizelgeleme-Planlama Yaklaşımı Örneği (Tek-Kanallı Kuyruk) Tek Kasalı Bir Dükkan için Elle Simülasyon Örneği Sistem Durumu LQ(t) Sırada bekleyen müşteri sayısı LS(t) t anında servis verilen müşteri sayısı ( veya ) Varlıklar Servis elemanı ve müşteri özel olarak modellenmiyor (sadece durum değişkenleri içinde yer alıyor) Olaylar Varış (A) Ayrılma(D) Durma Olayı (E) t=6 anında oluşması planlanmış

Olay Çizelgeleme-Planlama Yaklaşımı Örneği Olay İhbarları (A,t) gelecekteki bir t anındaki varış olayı (D,t) gelecekteki bir t anındaki varış olayı (E,6) gelecekte 6 anında simülasyonu sonlandırma olayı Aktiviteler Varışlar arası süre, servis süresi Gecikme Müşterinin kuyrukta beklerken harcadığı süre

Varış Olayının Uygulanması

Ayrılma Olayının Uygulanması

Simülasyon Tablosunun Daha önce üretilen varışlar arası süreler ve servis sürelerini kullanacağız : Oluşturulması Varışlar Arası Süreler (a*) 6 3 7 : Servis Süreleri (s*) :

İstatistiklerin Toplanması Sadece servis kullanımı ve maksimum kuyruk uzunluğuna ait iki istatistik toplayacağız. o Simülasyon tablosunda servis meşgul süresi (B) ve max. kuyruk uzunluğu (MQ) değerleri toplanmıştır. o Servis kullanımı daha sonra servis meşgul süresinin (B) geçen toplam süreye (T E ) bölünmesi ile elde edilir.

Simülasyon Tablosu Saat Sistem Durumu LQ(t) LS(t) Gelecek Olay Listesi Açıklama Kümülatif İstatistikler MQ B (A,) (D,) (E,6) Önce A oluşuyor (a*=) sonraki varışı programla A (s*=) ilk ayrılışı D programla (A,) (D,) (E,6) İkinci A oluşuyor: (A,) (a*=) sonraki varışı A prlanla (müşteri gecikti) (D,) (A,8) (E,6) Üçüncü A oluşuyor: (A,) (a*=6) sonraki varışı A prlanla (iki müşteri gecikti) (D,6) (A,8) (E,6) İlk D oluşur: (D,) (s*=) sonraki ayrılışı (D) planla (müşteri gecikti) 6 6

Ortalama Cevap Süresinin Hesaplanması Örneğimizde simülasyon analistinin ortalama cevap süresi ve kasada dakika veya daha fazla süre geçiren müşterilerin oranını hesaplamak istediğini düşünelim. Bu durumda cevap süresini hesaplamak için müşteri ayrılırken varış zamanını da bilmemiz gerekiyor. Bunun için müşteri varlık olarak tabloya eklenecek kasa kuyruğu isimli yeni bir listede tutulacak. Ayrıca gelecek olay listesindeki olay ihbarları hangi müşterinin etkilendiğini de gösterecek şekilde tutulacak.

Ortalama Cevap Süresinin Hesaplanması Varlıklar (Ci,t), t anında varan müşteriyi (Ci ) temsil etsin Olay İhbarları (A,t,Ci), müşterinin(ci) glecekteki t anında varışı (D,t,Cj), müşterinin(ci) glecekteki t anında ayrılışı Kasa Sırası: belli bir anda kasa varış zamanlarına göre sıralı tüm müşterilerin kümesi Tutulacak Yeni İstatistikler: Cevap Süresi = Saat- Nitelik (varış zamanı) S: O ana kadar ayrılmış olan tüm müşterilerin cevap süresi toplamı N D : O ana kadar ayrılmış olan müşterilerin toplam adedi F: Sistemde dakika veya daha fazla zaman harcamış olan toplam müşteri sayısı

Ortalama Cevap Süresinin Hesaplanması Örneğin Saat = anında C müşterisi için bir ayrılma olayı gerçekleşsin: C müşterisi (varlık) kasa kuyruğu listesinden çıkarılır Nitelik (varış zamanı) = olarak not edilmiş ise, Cevap Süresi = - = dakika olacaktır. S (cevap süresi toplamı) artırılır, N D (o ana kadar ayrılmış müşterilerin toplamı) artırılır, F(Sistemde dakika veya daha fazla zaman harcamış olan toplam müşteri sayısı) artırılmaz.

Simülasyon Tablosu..................... 3 (D,6,C) (A,8,C) (E,6) (C,)(C3,) C artık listede yok (D,,C) (A,8,C) (E,6) (C,)(C,) (C3,) (A,,C3) (D,,C) (E,6) (C,)(C,) (A,,C) (D,,C) (E,6) (C,) F ND S LS(t) LQ(t) Kümülatif İstatistikler Gelecek Olay Listesi KASA KUYRUĞU Sİstem Durumu SAAT

Bir Simülasyon Sisteminin Yapısı Varlıklar-İlişkiler Saat Yönetim Dağılımlar Sonuçların Toplanması