Какой тип модели организации очереди лучше всего подходит для анализа автоматизированной автомойки?

Благодаря использованию одной из моделей организации массового обслуживания в рамках теории массового обслуживания предприятия могут выявлять и устранять причины перегрузок. Таким образом, в конечном итоге достигается удовлетворенность клиентов.

Если вы владелец автоматизированной автомойки и задаетесь вопросом, какой тип модели очередей лучше всего подходит для анализа автоматизированной автомойки, ответ — модель очереди Пуассона.

Как работает модель очереди Пуассона?

Модель очереди Пуассона прогнозирует, сколько раз клиенты воспользуются услугой, называемой событием, в определенный период времени. И находит вероятность времени ожидания до наступления другого события.

Зачем использовать алгоритм Poisson для анализа очередей на автомойках

Эта модель идеально подходит для автоматизированной автомойки, потому что события в автомойке независимы, но идентичны. Его шаблон организации очереди соответствует критериям, необходимым для Пуассона:

• События происходят независимо.
• События можно идентифицировать целыми числами.
• Частота событий в определенный период времени известна.

Как анализировать автоматическую автомойку в очереди с помощью Poisson

Ниже показано, как мы можем решить для автоматизированного анализа очередей автомойки с помощью Пуассона:

Проще говоря, при анализе очередей на автомойках вам сначала нужно определить следующее:

• События или известное среднее количество автомобилей в час.
• Конкретный период времени
• Количество автомобилей, которые были помыты за определенный период времени (k в формуле).

После этого вы вычислите (события/время) x время. Затем вы используете этот результат, чтобы окончательно решить формулу.

Пуассон работает только с дискретными значениями. Поэтому, если результат десятичный, просто округлите его.

Результат покажет, сколько раз определенное количество автомобилей будет действительно помыто за 100 наблюдений.

Минусы модели очереди Пуассона

Пуассон подходит для схемы автоматической автомойки. Но есть у него и недостатки.

В Пуассоне будет сформулировано сильное предположение об основном распределении данных. То есть конкретно по значению среднего и среднего, которые будут считаться равными. Хотя это и уместно в некоторых ситуациях, это может быть не всегда.

Кроме того, Пуассон не всегда надежен в приближении, особенно в верхнем пределе, о котором мало что известно. В условиях автомойки точность Пуассона в приближении ограничена только условиями, которые соответствуют полной мощности объекта.

Что происходит, так это то, что дисперсия становится выше среднего. В этой ситуации было бы более целесообразно использовать анализ нормального распределения.

Заключение

При выборе того, какой тип модели очередей лучше всего подходит для анализа автоматизированной автомойки, наилучшим вариантом является Пуассон. Это потому, что порядок очередей на автомойке соответствует ее критериям.

К счастью, с помощью Poisson владельцы автомоек смогут эффективно управлять своим бизнесом и удовлетворять потребности клиентов.