Het Markov-model voor de wachtrij lijkt veel op het Markov-model
voor de
wachtrij; het verschil is dat nu bij k klanten
in het systeem de kans op het vertrek van een klant in een
tijdsintervalletje
gelijk is aan
(voor
) of gelijk
is aan
(voor k > n). Hierin is
de bedieningsintensiteit van
één
loket. In het toestandsdiagram (figuur 5.3) zien we dan de
``sterfte''-intensiteit oplopen van
tot
, om daarna constant te
blijven.
Figuur:
Toestandsdiagram van aantal klanten in een wachtrij.
De formules voor bijvoorbeeld gemiddelde verblijftijd zijn wel wat ingewikkelder en iets minder resultaten worden in expliciete vorm gegeven. Diegene die een misschien wel terechte weerzin voelt opkomen bij de formules in deze paragraaf realisere zich de eenvoud van het onderliggende Markov-model en van de numerieke procedure om de evenwichtsverdeling te berekenen. Uit de evenwichtsverdeling volgt direct het gemiddelde aantal klanten in het systeem en daaruit (met de formule van Little) de gemiddelde verblijftijd. De gemiddelde wachttijd is dan gemiddelde verblijftijd minus gemiddelde bedieningstijd.
Klanten worden bediend aan één van de n loketten en de gemiddelde bedieningsduur is daar:
De bezettingsgraad is gedefinieerd als de verhouding van de
aankomstintensiteit en de maximale verwerkingscapaciteit:
Uit het toestandsdiagram kunnen we voor de ongenormeerde evenwichtsverdeling W de volgende gelijkheden aflezen:
De evenwichtsverdeling is dan:
Als we de staart van de evenwichtsverdeling sommeren, te beginnen
met i=n (dit is de eerste toestand waarbij alle loketten bezet
zijn) dan levert dit ons de kans dat alle loketten bezet zijn. Dit
is ook de kans dat een klant bij aankomst geen vrij loket vindt.
Het resultaat dat de gelijkheid van deze kansen stelt (en ook
bewezen is) wordt PASTA genoemd. PASTA is het acroniem voor
Poisson Arrivals See Time Averages. Voor de wachtrij is de
kans dat een klant geen vrij loket vindt,
, mede van belang
omdat het een compacte formule voor het gemiddelde aantal klanten
in het systeem geeft. De kans
wordt ook genoteerd als
of
als
. De formule voor
heet de Erlang C-formule. In
hoofdstuk 6 komt de Erlang B formule aan bod.
De formule voor het gemiddelde aantal klanten in het systeem kan in termen van de Erlang C formule gegeven worden:
Hieruit volgt de gemiddelde verblijftijd van een klant in het
wachtsysteem:
Figuur:
Gemiddelde verblijftijd van een klant in een
wachtrij. De tijdseenheid is gelijk aan de gemiddelde
bedieningsduur.
Voor de wachtrij (inclusief n=1) is de formule voor de
gemiddelde wachttijd,
, niet opgeschreven. Deze kan direct
verkregen worden door
te verminderen met de gemiddelde
bedieningsduur
.
Stel dat we, in plaats van één processor met verwerkingstijd 0.5 seconde (zoals in voorbeeld 5.2), het systeem ook kunnen implementeren met twee goedkope processoren met een gemiddelde verwerkingstijd van 1 seconde per taak.
Om deze optie van twee langzame processoren te vergelijken met de optie van één snelle processor, stellen we weer dezelfde vragen.
Gevraagd:
De uitwerking van formule (5.34) voor de gemiddelde verblijftijd
(wachttijd + verwerkingstijd) vraagt eerst om uitwerking van
(5.25) en (5.32). Voor de wachtrij levert dit:
Het gegeven seconde impliceert:
sec
. Voor
de
wachtrij is
. De gemiddelde verblijftijd
uitgedrukt in
is dan:
Met het gegeven seconden, vinden we
. Het
antwoord op b) is dat het systeem 1.549 taken per seconde kan
verwerken.
Indien toeneemt tot
dan wordt de gemiddelde
responstijd
seconde. Ten opzichte van 2.5
seconden is dit een toename van 46%