Little's Law 的幾個練習題

Little's Law 描述的是排隊系統所具有的一個內稟性質,它的數學形式非常簡潔,如下:

L = ??W

用語言來描述即,一個排隊系統在穩定狀態下,系統中個體數量的平均值 L,等于個體的到達率 ??(每單位時間進入隊列的個體數量) 乘以個體在系統中的平均逗留時間 W。只要知道了其中的任意兩個變量,那么第三個變量就可以很容易地計算出來。

在穩定狀態下,可以認為系統中的個體到達率等同于個體離開率。

舉個簡單的例子。你正在排隊結帳,有 20 個人排在你的前面。假如收銀臺一分鐘能處理一位顧客,那么你還需要等待多久?在這里,隊列長度 L=20 個,個體的到達率(實際上是離開率) ??=1 個/分鐘,那么,你在隊列中的逗留時間大概是 W=L/??=20 分鐘。

初接觸這個法則時可能會認為這是一個經驗公式。但其實并不是,Little's Law 是一個數學定理,是可以進行嚴格的數學證明的。

前面已經說了,Little's Law 是排隊系統的一個內稟性質,也就是說,只要存在排隊的結構,L=??W 的定量關系就一定成立。這里說的排隊結構不一定要滿足先進先出的規則,也不關心系統的任何處理細節。關鍵是有一個能容納個體的系統,個體有進有出就行了。Little's Law 可以應用的場景十分廣泛,像是產品庫存管理,網絡服務器的性能調優等場景,都有其用武之地。

下面通過幾道練習題來深入理解 Little's Law。題目來自這里

卡洛琳的紅酒架

卡洛琳是一個紅酒愛好者。她每個月會購買 8 瓶紅酒儲存到自已的酒架中。同時,她偶爾會邀請朋友們到家中共飲。久而久之,卡洛琳發現,酒架中紅酒的數量穩定在 160 瓶左右。你能否估算,一瓶紅酒平均會在酒架上停留多久然后被喝掉?

根據已知條件:

  • L = 酒架中紅酒的平均數量 = 160 瓶
  • ?? = 紅酒的平均買入率 = 8 瓶每月

那么,一瓶紅酒在酒架上的平均留存時間為:

W = L/?? = 20 個月

半導體工場

半導體工場將硅基板加工成半導體元器件。假設工場每天新進 1000 塊硅基板。根據統計,我們發現在制品的數量維持在 40000 到 50000 之間。那么,一塊硅基板的處理周期(從入庫到出庫)是多久呢?

根據已知條件:

  • L = 在制品的平均數量 = 45000 塊
  • ?? = 硅基板的入庫率 = 1000 塊每天

那么,一塊硅基板的處理周期是:

W = L/?? = 45 天

郵件處理

蘇伊每天會收到 50 封新郵件。而弛的收件箱中總是會有大約 150 封未回復的郵件。假如蘇伊每封郵件都會回復,那么一封郵件平均需要等待多久才能得到她的回復?

根據已知條件:

  • L = 收件箱中郵件的數量 = 150 封
  • ?? = 收到新郵件的速率 = 50 封每天

那么,郵件的平均回復時間為:

W = L/?? = 3 天

產房的床位

我們希望預估當地醫院的產房需要多少床位。已知每天平均有 5 位待產媽媽入住,每位媽媽平均住宿 2.5 天。那么醫院需要多少床位呢?

根據已知條件:

  • ?? = 待產媽媽的入住率 = 5 位每天
  • W = 每位待產媽媽的平均住宿時間 = 2.5 天

那么,我們需要的床位數是:

L = ??W = 13 個

當然,我們得到的結果是平均值,醫院應當就峰值情況做好預案,否則一定會發生嚴重的醫療事故。

收費站

高峰時段每小時大約會有 3600 輛車經過利特爾收費站。交通局希望將等待通過的車輛控制在 20 輛以內。若要達到此目標,需要保證車輛通過收費站的時間不超過多少?

根據已知條件:

  • L = 等待通過的車輛數目 = 20 輛
  • ?? = 車輛通過的速率 = 3600 輛每小時

那么,車輛通過收費站的時間應當控制在:

W = L/?? = 20 秒

房地產

歷史數據顯示,一套房產從開始出售到最終售出平均需要 120 天。同時,市場上的待售房產的數量大約維持在 25 套。那么,一年會有多少房產售出呢?

根據已知條件:

  • L = 待售房產的數量 = 25 套
  • W = 一套房產在市場上的停留時間 = 120 天

那么,房產的售出速率為:

?? = L/W = 75 套每年

面包店

你經常光顧一家面包店。敏銳的你發現店中幾乎總是有 10 位顧客,每位顧客在店內停留 3 分鐘左右。試估算這家面包店的客流量。

根據已知條件:

  • L = 店中的顧客數量 = 10 位
  • W = 每位顧客的停留時間 = 3 分鐘

那么,面包店的客流量為:

?? = L/W = 200 位每小時

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,461評論 6 532
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,538評論 3 417
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,423評論 0 375
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,991評論 1 312
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,761評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,207評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,268評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,419評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,959評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,782評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,983評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,528評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,222評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,653評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,901評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,678評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,978評論 2 374

推薦閱讀更多精彩內容

  • PMP第五版考點匯總沖刺版 第一章引論 P2:《PMI道德與專業行為規范》詳細描述從業者在責任、尊重、公正、誠實方...
    文小夢閱讀 20,952評論 5 102
  • 明天,這世界,將不復當年 Article/北葵6號 我從未想過,有一天,20歲這個年齡會引起這么多的爭議。 作為一...
    北葵6號閱讀 1,598評論 2 2
  • 前不久,她給我打來了電話, 雖然過了很久,但我仍然記得她。 那個讓我很佩服的女生。 但起初的我不敢接起電話,至于為...
    白瓷和你閱讀 315評論 0 1
  • 小時候呢,有一段時間父母說我乖巧懂事,不過一向乖巧懂事的我也干過很多壞事。比如說把人家護欄的鋼筋踹下來送到廢...
    微__雨閱讀 306評論 0 1