第11章等候线模型的.pptVIP

第11章 等候线模型 ; 人们已经设计建立了一些模型来帮助管理者理解等候线的运作，并帮助他们做出更好的决策。等候线用管理科学的术语来讲也称队列，与等候线相关的知识体系称为排队论。20世纪初，丹麦的一个电话工程师A.K.阿朗开始对打电话时发生的阻塞和等待时间进行研究。之后，排队论的发展已经日趋复杂，并广泛的运用到等候线情形中。 ; 等候线模型包括一些数学公式以及可用于确定等候线运行参数（绩效指标）的关系式。相关的一些运行参数如下： (1)系统中没有任何个体的概率； (2)等候线中等待个体的平均数； (3)系统中个体的平均数（等候线中个体的平均数加上接收服务的个体的数目）； (4)一个个体在等候线中所花费的平均时间； (5)一个个体在系统中花费的平均时间（等候时间加上服务时间）； (6)一个个体到达以后不得不等待以接受服务的概率； 管理者具备了以上的信息，才能更好的做出使期望服务水平与所花费的成本相平衡的决策。;11.1等候线系统的结构 ; 伯格.度姆快餐店担心，它目前所用的顾客服务方式正导致过长的等候时间。管理层已经提出要求，需要对等候线进行研究，以开发一个能够减少等待时间、提高服务质量的最佳服务方式。 ; 11.1.1 单列等候线 在伯格.度姆快餐店目前所实行的运作方式中，首先由一名服务生接受一位顾客的点餐，计算总费用，向顾客收取餐费，然后上菜。为第一位顾客上菜之后，这名服务生就可以为下一位等待中的顾客服务。这种运作方式就是一个单列等候线模型的例子。每位进入伯格.度姆快餐店的顾客都必须通过这一条渠道（一个接收点餐和上餐的工作台）以进行点餐、付款，然后取食品。当到达的顾客人数很多，以至于工作人员不能及时提供服务时，顾客们就会形成一条等候队伍，等待这个点餐和上菜的工作台为其提供服务。有关伯格.度姆快餐店的单列等候线如图11-1所示。;; 11.1.2 达到间隔分布 为等候线确定到达过程，主要包括确定在某个给定时间段内顾客到达数目的概率分布。对于有些等候线情形来说，顾客的到达具有随机性和独立性，我们也不能预测新的顾客会在什么时候到达。在这种情况下，管理科学家们发现，顾客的到达规律可以用泊松概率分布来很好地进行描述。; 泊松概率函数可以计算出在某个时间段内，有x位顾客到达的概率。该概率函数如下：; 假设伯格.度姆快餐店已经对相关的顾客到达数据进行了分析，并得知平均每小时到达的顾客人数为45人。也就是说，平均1分钟内到达人数为λ=45名顾客/60分钟=0.75名顾客/分钟。因此，我们可以利用下面的泊松概率函数计算1分钟内有x为顾客到达的概率： ;可见，1分钟内没有顾客到达的概率为0.472 4， 有1位顾客到达的概率为0.354 3，有2位顾客到达的概率为0.132 9.表11-1表示偶尔一分钟内到达的顾客数的概率。 ;表 11-1 1分钟内到达伯格.度姆快餐店的顾客人数概率分布 ; 在第11.2节和第11.3节中，我们将要讨论到等待线模型，其中伯格.度姆快餐店的顾客到达人数是用泊松分布描述的。在实际应用中，我们要记录几天或几个星期内每个时间段的实际到达人数，并将观察到的到达人数概率分布与泊松概率分布相比较，以确定由泊松概率分布计算得出的值是否是实际到达人数分布的合理的近似值。 ;11.1.4服务时间分布 服务时间是指从服务开始，某位顾客在服务台所花费的时间。对于伯格.度姆快餐店而言，服务时间是从顾客开始向服务生点餐开始，并持续到顾客拿到所点的食品为止。服务时间通常不是固定的。在伯格.度姆快餐店，每位顾客所点的食品数目和品种有很大的不同。点餐少的顾客可能在几秒钟内完成，但点餐多的顾客的可能要花2分钟甚至更长的时间才能完成。 管理科学学家们发现，如果服务时间的概率分布可以用指数概率分布来表示，那么可以用公式计算等候线运作所需的有用信息。利用指数概率分布来计算服务时间小于或等于时间长度t时的概率如下：;其中，μ------每个时间段内可接受服务的个体的均值；e=2.718 28。 假设伯格.度姆快餐店已经研究了接受点餐和上菜的过程，并发现每个服务生平均每小时能为60位顾客提供点餐服务。在此基础上，可以得出平均服务率为μ=60名顾客/60分钟=一名顾客/分钟。例如，当μ=1时，我们可以用式（11-3）来计算在0.5分钟内、1分钟内 以及2分钟内可以处理一个点餐要求的概率。计算分别如下：;Evaluation only. Created with Aspose.Slides for .N