Last active
November 11, 2016 13:26
-
-
Save VitorDiToro/d2f670ffe560e1b16c7f8bd2e096f3e7 to your computer and use it in GitHub Desktop.
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
import numpy as np | |
import math | |
import matplotlib.pyplot as plt | |
lambida = float(input('Lambda: ')) | |
mi = float(input('Mi: ')) | |
vet_tamanho = int(input('Numero de elementos: ')) | |
'''Gera o vetor com as distribuicoes de chegada ''' | |
chegada = np.random.exponential(1.0/lambida,vet_tamanho) | |
#print(chegada) | |
''' Gera o vetor de tempos de atendimento ''' | |
escala = 1.0/mi | |
t_atendimento = np.random.exponential(escala,vet_tamanho) | |
#print(t_atendimento) | |
''' Gera o vetor com os tempos de chegada ''' | |
t_anterior = 0.0 | |
t_chegada = [0.0 for i in range(vet_tamanho)] | |
for i in range(vet_tamanho): | |
t_chegada[i] = t_anterior | |
t_anterior += chegada[i] | |
''' Criacao dos veores ''' | |
t_q_demorou = [0.0 for i in range(vet_tamanho)] | |
t_saida = [0.0 for i in range(vet_tamanho)] | |
i_atendimento = [0.0 for i in range(vet_tamanho)] | |
t_espera = [0.0 for i in range(vet_tamanho)] #AKA t_fila | |
''' Sets de T0 ''' | |
t_saida[0] = t_chegada[0] + t_atendimento[0] | |
t_q_demorou[0] = t_saida[0] - t_chegada[0] | |
i_atendimento[0] = t_chegada[0] | |
t_espera[0] = i_atendimento[0] - t_chegada[0] | |
''' Calculos da porra toda ''' | |
for i in range(1,vet_tamanho): | |
if(t_chegada[i] > t_saida[i-1]): | |
t_saida[i] = t_chegada[i] + float(t_atendimento[i]) | |
else: | |
t_saida[i] = t_saida[i-1] + float(t_atendimento[i]) | |
t_q_demorou[i] = t_saida[i] - t_chegada[i] | |
i_atendimento[i] = t_saida[i] - float(t_atendimento[i]) | |
t_espera[i] = i_atendimento[i] - t_chegada[i] | |
print('\nChegada: ') | |
print(t_chegada) | |
print('\nInicio de atendimento: ') | |
print(i_atendimento) | |
print('\nTempo de espera na fila: ') | |
print(t_espera) | |
print('\nTempo de atendimento') | |
print(t_atendimento) | |
print('\nInstante de saida: ') | |
print(t_saida) | |
media_t_atendimento = np.average(t_atendimento) | |
media_t_espera = np.average(t_espera) | |
media_t_q_demorou = np.average(t_q_demorou) | |
print('\nMedias (Simuladas): ') | |
print('E[Ts] (Tempo de Serviso) = %s ' % media_t_atendimento) | |
print('E[Tw] (Tempo de Espera) = %s ' % media_t_espera) | |
print('E[Tq] (tempo de Permanencia no Sistema) = %s ' %media_t_q_demorou) | |
print('\nMedias (Calculadas): ') | |
print('E[Ts] (Tempo de Serviso) = %s ' % (1.0/mi)) | |
print('E[Tw] (Tempo de Espera) = %s ' % (1.0-(1.0/mi))) | |
print('E[Tq] (tempo de Permanencia no Sistema) = %s ' % (1.0/(mi - lambida))) | |
#plt.plot() |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment