대기열 이론은 확률 이론, 통계 및 기타 수학 하위 분야를 기반으로 대기열을 연구하는 것입니다. 큐잉 이론의 배경은 큐와 큐 뒤에있는 프로세스를 설명하기 위해 적용 할 모델을 제안하는 것입니다. 큐잉 이론에서 큐는 확률 분포를 기반으로하는 랜덤 함수 인 확률 적 프로세스에 의해 모델링되는 경향이 있습니다. 큐잉 이론에는 컴퓨터 시스템 설계, 고객 서비스 및 인터넷 데이터베이스 관리를 비롯한 많은 응용 프로그램이 있습니다.
변동 계수
큐잉 이론 모델은 지수 분포를 기반으로하기 때문에 이러한 모델은 지수 분포의 특성을 적용하여 작동합니다. 주된 문제는 지수 분포의 변동 계수가 1이라는 것입니다. 이 사실은 변동 계수가 하나와 크게 다른 공정의 모델링을 배제합니다. 변동 계수가 1 인 랜덤 프로세스의 가능성이 낮기 때문에 대기열 이론은 적용 가능성이 낮다는 단점이 있습니다.
간단
큐잉 이론은 큐를 수학적 용어로 쉽고 확실하게 설명하는 방법을 제공합니다. 큐잉 이론의 이러한 장점은 평범한 언어, 경제 모델 및 순수한 관찰이 부족한 장점입니다. Poisson 및 지수 분포와 같은 기본 확률 분포를 적용하여 수학자는 대기열에서 기다리는 복잡한 현상을 우아하고 단순한 수학적으로 모델링 할 수 있습니다. 방정식. 수학자는 나중에 이러한 방정식을 분석하여 행동을 이해하고 예측할 수 있습니다.
가정
대부분의 큐잉 모델 애플리케이션에 대한 가정은 거의 없지만 필요한 가정은 다소 비합리적인 경향이 있습니다. 특히 인간 대기열과 관련하여 대기열 이론은 현실 세계에서 사실이 될 수없는 가정을 요구합니다. 일반적으로 대기열 이론은 인간의 행동이 결정적이라고 가정합니다. 이러한 가정은 일반적으로 사람이 할 일에 대한 일련의 규칙입니다. 예를 들어, 이미 대기열에 너무 많은 사람이 있으면 대기열에 들어 가지 않을 것이라는 가정이있을 수 있습니다. 실제로 이것은 사실이 아닙니다. 그렇지 않으면 상점 밖이나 개점을위한 줄이 없으며 선물을 사기 위해 너무 늦게 기다린 휴일 쇼핑객은 포기할 것입니다.
시뮬레이션
큐잉 이론은 컴퓨터 시대의 도래로 번성했습니다. 수학자가 대략적인 답을 얻기 위해 시뮬레이션을 실행할 수 있기 때문에 대기열 모델에 대한 수치 솔루션에 도달하는 과거의 어려움은 더 이상 단점이 아닙니다. 큐잉 이론 모델의 시뮬레이션을 통해 연구원은 관련 변수의 값을 변경하고 변경 결과를 분석 할 수 있으므로 큐 디자인의 최적화에 도움이 될 수 있습니다.