概述

这个例子展示了如何建模一个单队列单服务器系统，其中到达间隔时间和服务时间分别以固定的平均值1.1和1均匀分布。队列具有无限的存储容量。在符号中，G表示具有已知均值和方差的一般分布;G/G/1意味着系统的到达时间和服务时间由这样一个通用分布控制，并且系统有一个服务器。你可以改变均匀分布的方差。你可以用这个模型来检验利特尔定律。

模型的结构

该模型包括以下组件:

并显示结果

该模型包括以下可视化方法来理解其性能:

小定律

你可以用这个模型来验证利特尔定律。利特尔定律描述了平均排队长度和平均排队时间之间的线性关系。其中，预期的关系如下:

平均排队长度=(平均到达率)(平均排队等待时间)

实体队列块计算当前队列长度和队列中的平均等待时间。该子系统称为利特尔定律评估(Little’s Law Evaluation)，计算平均排队长度(通过积分得到的瞬时排队长度)与平均等待时间的比值，以及平均服务时间与平均到达时间的比值。这两个比率出现在标有利特尔定律的情节中。

另一种解释上述方程的方法是，给定标准化的平均服务时间为1，您可以使用平均等待时间和平均排队长度来推导系统的到达率。

应用于服务器的利特尔定律

您还可以使用这个模型来验证Little定律预测的服务器利用率和平均服务时间之间的线性关系。Entity Server块计算服务器利用率和服务器中的平均等待时间。由于每个实体在完成服务后都可以立即离开服务器，因此在此模型中等待时间等同于服务器的服务时间。

对模型进行实验

在模拟期间移动Arrival Process Variance旋钮或Service Process Variance旋钮，并观察队列内容如何更改。当交通强度较大时，队列中的平均等待时间与到达时间和服务时间的方差近似成线性关系。差异越大，实体等待的时间就越长，系统中等待的实体也就越多。

相关的例子

参考文献

[1] Kleinrock, Leonard，《排队系统》，卷一:理论，纽约，Wiley, 1975。