Transitional analysis of a multi-linear QMS with impatient applications

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

This study presents a mathematical model capable of evaluating non-stationary operating modes of medical information-measurement systems in order to improve their efficiency. Such systems play a critical role in medicine and are used for forecasting and assessing patient conditions in life-threatening situations. The mathematical model introduced in this work is a multichannel queuing system with impatient requests in a transient regime, along with its performance characteristics. This type of model appropriately describes real-time medical information systems not only during normal operation but also under conditions of reboot, failure, or equipment malfunction. To analyze the transient regime of the multichannel queuing system with impatient requests, a system of Kolmogorov differential equations is used, along with a solution based on the probability transition matrix method. The study derives expressions for determining the average number of requests in the buffer, the probability of request servicing, the absolute and relative throughput of the system, and the transient time. The paper presents the results of a transient regime analysis for an M/M/2/4 system with impatient requests, including numerical calculations for various service rates and abandonment rates of impatient requests from the queue.

作者简介

Artur Dvoretsky

MIREA – Russian Technological University

编辑信件的主要联系方式.
Email: dvoretsky@sumirea.ru
ORCID iD: 0009-0001-5437-1371
SPIN 代码: 3576-8509

postgraduate student, Department of Industrial Programming, Institute for Advanced Technologies and Industrial Programming

俄罗斯联邦, Moscow

Elizaveta Barabanova

V.A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences

Email: elizavetaalexb@yandex.ru
ORCID iD: 0000-0003-4372-2946
SPIN 代码: 8270-7221
Scopus 作者 ID: 56367430200
Researcher ID: F-1095-2017

Dr. Sci. (Eng.), Professor, leading researcher, Laboratory No. 49

俄罗斯联邦, Moscow

Konstantin Vytovtov

V.A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences

Email: vytovtov_konstan@mail.ru
ORCID iD: 0000-0002-0359-9317
SPIN 代码: 9806-8350
Scopus 作者 ID: 6603298537
Researcher ID: HKN-7218-2023

Dr. Sci. (Eng.), Professor, leading researcher, Laboratory No. 69

俄罗斯联邦, Moscow

参考

  1. Vytovtov K.A., Barabanova E.A., Vytovtov G.K., Antonov N.A. Mathematical model for calculating and analyzing the characteristics of an optical switch in a transient mode. Bulletin of ASTU. Series: Management, Computer Engineering and Informatics. 2023. No. 3. (In Rus.)
  2. Rusilko T.V., Kopat D.Ya. Differential equations for the moments of the state vector of a closed-structure queueing network with impatient requests. Bulletin of the Dagestan State University. Series 1: Natural Sciences. 2021. No. 2. (In Rus.)
  3. Osipov G.S. Queueing systems with limited waiting time. Bulletin of Science and Practice. 2016. No. 12 (13). (In Rus.)
  4. Rubino G. Transient analysis of Markovian queueing systems: A survey with focus on closed forms and uniformization. In: Queueing theory 2: Advanced trends. Hoboken: Wiley-ISTE, 2021. Pp. 269–307.
  5. Kovalev I.A., Satin Ya.A., Zeifman A.I. Estimates of the speed of convergence and stability for one class of non-stationary Markov models of systems with impatient clients. Systems and Means of Information. 2022. Vol. 32. Issue 4. Pp. 21–31. (In Rus.)
  6. Aksenova E.I., Gorbatov S.Yu. Application of the Internet of Things technology in healthcare. Health of the Metropolis. 2021. No. 4. (In Rus.)
  7. Monakov D.M., Altunin D.V. Medical information systems: Modern realities and prospects. Russian Journal of Telemedicine and Electronic Health. 2022. No. 8 (4). Pp. 46–53. doi: 10.29188/2712-9217-2022-8-4-46-53.
  8. Oppedizano M.D.L., Artyukh L.Yu. The role of medical information systems in organizing the healthcare system. FORCIPE. 2022. No. 4. (In Rus.)
  9. Sirotina A.S., Kobyakova O.S., Deev I.A. et al. Remote monitoring of health status. Analytical review. Social Aspects of Population Health. 2022. No. 2. (In Rus.)
  10. Namazova-Baranova L.S., Suvorov R.E., Smirnov I.V. et al. Patient risk management based on remote healthcare technologies: State of the field and prospects. Bulletin of the Russian Academy of Medical Sciences. 2015. No. 1. (In Rus.)
  11. Kalid N., Zaidan A.A., Zaidan B.B. et al. Based on real time remote health monitoring systems: A new approach for prioritization “Large Scales Data” patients with chronic heart diseases using body sensors and communication technology. J. Med. Syst. 2018. Vol. 42. P. 69. doi: 10.1007/s10916-018-0916-7.
  12. Barabanova E.A., Vytovtov K.A. Analytical method for studying the behavior of a queuing system with abruptly changing information flows. Physical Foundations of Instrument Making. 2021. Vol. 10. No. 1 (39). (In Rus.). Pp. 36–47. doi: 10.25210/jfop-2101-036047. EDN: SWSDTE.
  13. Kirpichnikov A.P., Flaks D.B., Galyamova K.N. Average queue length in a mass service system with limited average time of stay of a request in the system. Bulletin of Kazan Technological University. 2017. No. 2. (In Rus.)
  14. Malyshev D.A., Tarantsev A.A., Kholostov A.L. On patterns in queueing systems with “impatient” requests. Fires and Emergencies. 2018. No. 3. (In Rus.)
  15. Fadeev S.N. Comparative analysis of mass service systems with unlimited queue. Scientific Notes of the St. Petersburg Branch of the Russian Customs Academy named after V.B. Bobkov. 2018. No. 2 (66). (In Rus.)
  16. Buenrostro-Mariscal R., Santana-Mancilla P.C., Montesinos-López O.A. et al. Prioritization-driven congestion control in networks for the Internet of medical things: A cross-layer proposal. Sensors. 2023. Vol. 23. Art. 923. doi: 10.3390/s23020923.
  17. Barabanova E., Vytovtov K., Vishnevsky V., Khafizov I. Analysis of functioning photonic switches in next-generation networks using queueing theory and simulation modeling. Communications in Computer and Information Science. 2023. Vol. 1748. Pp. 356–369.

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Model of a multi-line QS with impatient requests

下载 (124KB)
索引源数据
3. Fig. 2. State transition graph of a multi-line QS with impatient requests

下载 (38KB)
索引源数据
4. Fig. 3. State transition graph of a multi-line M/M/2/4 QS with impatient requests

下载 (62KB)
索引源数据
5. Fig. 4. Probability of M/M/2/4 system operation from time during the period of system start-up

下载 (122KB)
索引源数据
6. Fig. 5. Probabilities of system states M/M/2/4 versus time during the system reboot period

下载 (126KB)
索引源数据
7. Fig. 6. Average queue length under conditions where requests can abandon waiting in the M/M/2/4 system during the start period for different μ

下载 (91KB)
索引源数据
8. Fig. 7. Average queue length under conditions where requests can abandon waiting in the M/M/2/4 system during a system reboot for different μ

下载 (101KB)
索引源数据
9. Fig. 8. Average queue length under conditions where requests can abandon waiting in the M/M/2/4 system during the start period for different ν

下载 (105KB)
索引源数据
10. Fig. 9. Average queue length under conditions where requests can abandon waiting in the M/M/2/4 system during a system reboot for different ν

下载 (106KB)
索引源数据
11. Fig. 10. Absolute throughput of the M/M/2/4 system at the start of operation for different μ

下载 (105KB)
索引源数据
12. Fig. 11. Absolute throughput during M/M/2/4 system reboot for different μ

下载 (99KB)
索引源数据
13. Fig. 12. Absolute throughput of the M/M/2/4 system at the start of operation for different ν

下载 (101KB)
索引源数据
14. Fig. 13. Absolute throughput during system reboot period M/M/2/4 for different ν

下载 (90KB)
索引源数据
15. Fig. 14. Relative throughput of the M/M/2/4 system at the start of operation for different μ

下载 (93KB)
索引源数据
16. Fig. 15. Relative throughput during system reboot period M/M/2/4 for different μ

下载 (110KB)
索引源数据
17. Fig. 16. Relative throughput of the M/M/2/4 system at the start of operation for different ν

下载 (94KB)
索引源数据
18. Fig. 17. Relative throughput during system reboot period M/M/2/4 for different ν

下载 (105KB)
索引源数据


许可 URL: https://www.urvak.ru/contacts/

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».