QueueTraffic und Warteschlangen

Ähnliche Dokumente
A Lösungen zu Einführungsaufgaben zu QueueTraffic

Operations Research Kurs 00859: Stochastische Simulation

9. Eine einfache Warteschlangen-Simulation.

Ökonomie von Warteschlangen. Prof. Dr. Helmut Dietl

Warteschlangenmodelle. Prof. Dr. Helmut Dietl

2 Prozessanalyse I: Zeiten und Bestände

Service Management: Operations, Strategie und e-services Prof. Dr. Helmut M. Dietl

3. Prozesse mit kontinuierlicher Zeit

InfoTraffic Alltagsbezogene Lernumgebungen für Warteschlangen und Aussagenlogik

Institut für Betriebswirtschaftslehre Operations Management

Ziele dieses Kapitels. Konzepte und Methoden der Systemsoftware Kapitel 8: Warteschlangentheorie. Holger Karl. Warteschlangen überall.

DynaTraffic Modelle und mathematische Prognosen. Simulation der Verteilung des Verkehrs mit Hilfe von Markov-Ketten

Beschreibung von Warteschlangensystemen und deren psychologische Einflüsse auf den Menschen

DynaTraffic Einstiegsaufgaben

Wird nach dem Prinzip assemble-to-order produziert, so erfolgt die Endmontage spezifisch für den jeweiligen Kundenauftrag.

2.2 Kollineare und koplanare Vektoren

Vernetzte Systeme. Übungsstunde Adrian Schüpbach 09. Juni 2006

1 Grundprinzipien statistischer Schlußweisen

Q7. Warteschlangennetze

Warteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker

Probeprüfung BWL III Teil Operations Management

Einsatz von Varianzreduktionstechniken II

(8 + 2 Punkte) = = 0.75





Planen mit mathematischen Modellen 00859: Stochastische Simulation Techniken und Anwendungen

Aufgabe zur Warteschlangensimulation

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Die Wahlpflichtfächer. Operations Research Statistik/Ökonometrie. Optimierung linearer Modelle Statistische Analyseverfahren

Kapitel VI - Lage- und Streuungsparameter

Stochastische Prozesse

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Warteschlangentheorie und Callcenter

= Rechne nach - das Ergebnis ist immer 1!

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung

Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.

DES-Simulator in JAVA, objektorientiert

Tutorial 05: Musterlösungen für die Klausuraufgaben.

Zusammenfassung Performancegesetze

Warteschlangentheorie

DynaTraffic Lösungen Einstiegsaufgaben

Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion

Aussage: richtig falsch Entscheidungen über Investitionen werden stets in der kurzfristigen (operativen) Planung getroffen.

Woche 2: Zufallsvariablen

Sehr Einigermaßen Nicht Schüler Lehrer Eltern h 0.j n=500

Von englischen und deutschen Postämtern

Deskriptive Statistik Erläuterungen

Warteschlangentheorie und Callcenter

AUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:

Ausgewählte spezielle Verteilungen

Der Korrelationskoezient nach Pearson

1.5 Erwartungswert und Varianz

Brückenkurs Mathematik. Mittwoch Freitag

Stochastik für die Naturwissenschaften

2.5 Komplexe Wurzeln. Mathematik für Naturwissenschaftler I 2.5

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Regression und Korrelation

Das Wichtigste ûber Geraden. Ganz einfache Erklärung der Grundlagen: Die wichtigsten Aufgabenstellungen und Methoden- Datei Nr

Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem

Deskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung

6.6 Poisson-Verteilung

Theoretische Informatik für Wirtschaftsinformatik und Lehramt

Verkehrswesen, Fabrikplanung, Dienstleistungssysteme u.v.m.

5 Binomial- und Poissonverteilung

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Untersuchung von Strategien zur Koordination von Flugzeugen an eine oder zwei Landebahnen. Mario Rohrhofer und Sebastian Achtert. 2.

Übungen zu Multimedia-Datenbanken Aufgabenblatt 4 - Musterlösungen

Mathematik 3 für Informatik

5. Seminar Statistik

Mathematik für Naturwissenschaften, Teil 2

Sie wissen noch, dass 18.99% der Surfer, die kein Smartphone haben, pro Monat weniger als 20 Stunden das Internet nutzen, d.h. f(y 1 X 2 ) =

Übungsblatt 2: Betriebssysteme, Prozesse

73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments

Einführung in Quantitative Methoden

Vektorgeometrie. Inhaltsverzeichnis. Fragen und Antworten. (bitte nur für den Eigengebrauch verwenden)

Elektromagnetische Feldtheorie 2

Stochastik für die Naturwissenschaften

Übung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit

Prozesse und Prozessmanagement des BS. 1 Unterschied Prozess, Threads. 1.1 Prozess. 1.2 Threads

Proportionalität und Antiproportionalität

Einsatz von Varianzreduktionstechniken II : Stratified Sampling und Common Random Numbers

= = x 2 = 2x x 2 1 = x 3 = 2x x 2 2 =

Angewandte Stochastik

Entladung eines Kondensators

Mathematik für Wirtschaftswissenschaftler, SS 2010 Musterlösungen zu Aufgabenblatt 11

Steigung und Tangente. Steigung eines Funktionsgraphen in einem Punkt

Aussage: richtig falsch Nichtbasis-Variablen nennt man in der Linearen Programmierung auch Schlupf-Variablen.

Multiplikationschip. Multiplikation. Beitrag zu "Werkstattunterricht Multiplikation" Allgemeine Didaktik - Seminar SS95. Oberwiesenstr.

F r e i t a g, 3. J u n i

L 3. L a 3. P a. L a m 3. P a l. L a m a 3. P a l m. P a l m e. P o 4. P o p 4. L a. P o p o 4. L a m. Agnes Klawatsch

R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

n... Laufzeit der Kapitalanlage = Zeit, während der Zinsen zu zahlen sind (oder gezahlt werden) in Zinsperioden (z.b. Jahre)

4 Affine Koordinatensysteme

Berechnung von Kurzschlussströmen - Teil 9

Lösung II Veröffentlicht:

Bootstrap: Punktschätzung

Was ist eine Funktion?

Transkript:

QueueTraffic und Warteschlangen +

Warteschlangen im Alltag Du bist sicher schon einmal in einer Warteschlange gestanden. Wo? Worin unterscheiden sie sich? Bei Skiliften, Ticketautomaten, Kassen, beim Arzt, bei Druckern, in einem Call-Center,... Warteschlangen begegnen uns ständig! 2

Beispiele: Supermarkt, Arzt Supermarkt: Viele Kassen, viele Schlangen In der Migros finden wir zusätzlich noch eine Expresskasse! Arzt: Ein Arzt (~Kasse), eine Schlange Ähnlich: Warteschlange in der Mensa, Warteschlange vor einem Skilift,... 3

Um was geht es heute? Mathematisches Modell kennen lernen Wie werden Warteschlangen analysiert? Was sind dabei wichtige Konzepte und Begriffe? Lernziele beim Einsatz von QueueTraffic: Begriffe Ankunftsrate, Durchsatz, Auslastung anschaulich erklären und mittels QueueTraffic berechnen können Verschiedene Werte für die Auslastung interpretieren können: Gibt es Stau oder nicht? Unterschied zwischen Poissonverteilung und konstanter Ankunftsrate anschaulich erklären können 4

Das beste System? Was ist besser, was schlechter? Viele Kassen? Expresskasse? Nummernzettel wie bei der Post?...? Kann man so nicht entscheiden! Was man entscheiden kann: Wie gut ein System in einer bestimmten Situation funktioniert. 5

Warteschlangen und ich: 2 Sichtweisen Ich bin für die Gestaltung der Warteschlangen verantwortlich: - Geschäftsführer eines Ladens - Arzt in einer Arztpraxis - Betreiber eines Skilifts -... Ich kann das System beeinflussen Ich stehe in einer Warteschlange: - Kunde - Patient - Skifahrer -... Ich bin vom System abhängig 6

Probleme eines Geschäftsführers Wann und warum gibt es Stau? Zu viele Leute, zu wenig Kassen Was kann man dagegen tun? Mehr Schalter Was, wenn zu viele Schalter offen sind? Kosten, Langeweile, Niemanden mehr reinlassen Zuerst diejenigen bedienen, die nicht lange brauchen z.b. Drucker der Druckaufträge nach Grösse sortiert Zeit beschränken, während der jemand bedient wird z.b. beschränkte Behandlungszeit beim Arzt 7

Probleme eines Kunden Warum hat man immer das Gefühl, dass die andere Warteschlange stets schneller vorankommt? Wo stelle ich mich an? Wie lange muss ich warten? Wo es am wenigsten Leute in der Schlange hat? Wo die Leute am wenigsten Waren abzufertigen haben? Wo der schnellste Bediener sitzt? Wo man nur bar zahlen kann? Wo einem jemand beim Einpacken hilft?...? 8

Wir beobachten Von links her verlängert sich die Warteschlange Von rechts her verkürzt sich die Warteschlange 9

Ankunfts- und Bedienprozess Den Vorgang, dass sich von links her ständig neue Kunden in die Warteschlange stellen, nennt man Ankunftsprozess. Wie viele neue Kunden sich in der Warteschlange innerhalb einer bestimmten Zeit anstellen, nennt man die Ankunftsrate λ. Den Vorgang, dass die Kunden von rechts her wieder aus der Warteschlange gelöscht werden, nennt man den Bedienprozess. Die Zeit die ein Bedienprozess für einen Kunden braucht, nennt man die Bedienzeit b. 10

Ankunftsrate λ (Lambda) und Bedienzeit b Ankunftsrate λ: Wie häufig kommen neue Kunden an? In einem Supermarkt kommen im Durchschnitt 5 Kunden pro Stunde durch die Türe. Ankunftsrate: λ = 5/60 Kunden/Minute Bedienzeit b: Wie lange braucht ein Bediener für einen Kunden? Der Kassierer hat im Durchschnitt 15 Minuten bis er jemanden bedient hat. Bedienzeit: b = 15 Minuten/Kunde 11

Durchsatz μ (Mü) Durchsatz μ: Wie viele Kunden werden pro Zeiteinheit bedient? Der Durchsatz ist der Kehrwert der Bedienzeit: μ = 1/b Beispiel: Bedienzeit b = 15 min / Kunde Durchsatz: μ = 1 / 15 Kunden/Minute = 1 Kunde / 15 Minuten = 4 Kunden/Stunde 12

Auslastung ρ (Rho) Auslastung ρ = λ/μ: Wie sehr ist das System ausgelastet? Wichtiger Parameter für Analyse von Warteschlangensystemen! 3 Beispiele: - λ 1 = 10 Kunden / h, μ 1 = 30 Kunden / h - λ 2 = 30 K. / h, μ 2 = 30 K. / h - λ 3 = 60 K. / h, μ 3 = 30 K. / h Auslastung: ρ 1 = λ 1 /μ 1 = 10 / 30 = 0.33 ρ 2 = λ 2 /μ 2 = 30 / 30 = 1 ρ 3 = λ 3 /μ 3 = 60 / 30 = 2 13

Verteilung bei der Ankunft Ankunft ist in QueueTraffic ist konstant oder poissonverteilt. oder 14

QueueTraffic: Demo Bezug: http://swisseduc.ch/informatik/infotraffic/ 15

1. Aufgabe selber lösen A Einführungsaufgaben lösen bis und mit 3. 16

Theoretischer und effektiver Durchsatz in QueueTraffic Bisher haben wir den theoretischen Durchsatz μ t betrachtet, da wir nur geschaut haben, wie viele Kunden (Autos) theoretisch, unter optimalen Bedingungen, abgearbeitet werden (durchfahren) könnten. QueueTraffic ist eine Simulation und zur Berechnung des Durchsatzes wird gezählt, wie viele Autos pro Runde über die Kreuzung fahren. Das nennt man den effektiven Durchsatz μ e. 17

Warum braucht s den effektiven Durchsatz? Tatsache: Wie viele Autos theoretisch durchpassen würden, kann man nicht einfach so messen oder zählen. Die Anzahl der abgearbeiteten Autos kann einfach gezählt werden! Dies ergibt den effektiven Durchsatz μ e μ e = μ t wird erreicht, falls λ > μ t, d.h. falls genügend oder zu viele Autos ankommen. 18

Beispiel - Rechnung Ankunftsrate: λ = 10 Autos / 60 s Effektiver Durchsatz: μ e = 9 Autos / 60 s Theoretischer Durchsatz: μ t = (28 s / 60 s) * (1 Auto / 1 s) = 28 Autos / 60 s Auslastung:!!! ρ = λ / μ t = (10 Autos / 60 s) / (28 Autos / 60 s) = 0.36 berechnet! simuliert! (gezählt) 19

Bemerkungen zu den Berechnung in QueueTraffic Verkehrsaufkommen ist pro 60 s Formel Theoretischer Durchsatz μ t = Anteil Grünzeit * Kapazität Spur Bsp.: μ t = 28s/60s * 1 Auto/s fix vorgegeben! Verwendung des theoretischen Durchsatzes μ t zur Berechnung der Auslastung: ρ = λ / μ t 20

und jetzt seid Ihr dran! 21

Die wichtigsten Begriffe Begriff Beispiel Ankunftsrate λ Bedienzeit b Durchsatz μ t = 1/b 12 Autos/Minute 0.1 Minute/Auto 10 Autos/Minute Auslastung ρ = λ / μ t 1.2 22

Zusammenhang zwischen Auslastung ρ = λ / μ t und Stau Allgemein gilt: ρ < 1 kein (oder wenig) Stau: System nicht ausgelastet ρ 1 ein bisschen Stau: System ausgelastet ρ > 1 Stau, wächst und wächst: System überlastet Praktische Interpretation: Stau falls λ > μ t, also falls die Ankunftsrate grösser ist als der (theoretische) Durchsatz. Also: Wenn mehr Autos kommen als abgearbeitet werden können, gibt s Stau! 23

Um was ging geht es heute? Mathematisches Modell kennen lernen Wie werden Warteschlangen analysiert? Was sind dabei wichtige Konzepte und Begriffe? Lernziele beim Einsatz von QueueTraffic: Begriffe Ankunftsrate, Durchsatz, Auslastung anschaulich erklären und mittels QueueTraffic berechnen können Verschiedene Werte für die Auslastung interpretieren können: Gibt es Stau oder nicht? Unterschied zwischen Poissonverteilung und konstanter Ankunftsrate anschaulich erklären können 24

THE END QueueTraffic und Warteschlangen Anmerkungen: rarnold@wherever.ch http://swisseduc.ch/informatik/infotraffic/ 25