M/M/c Çoklu Sunucu Kuyrukları ve Erlang-C: Kaç Sunucu Yeter?

M/M/1 modelimiz tek sunucuyla işleyen bekleme hatlarının analitik çözümünü verir. Gerçek hayatta ise çoğu sistem birden fazla paralel sunucuyla çalışır: bankanın 4 gişesi, çağrı merkezindeki 50 temsilci, hastanenin 6 muayene odası, kargonun 8 kuryesi. Bu sistemleri analiz etmek için bir adım yukarı çıkarız: M/M/c.

Kendall notasyonu, hatırlatma

Kendall notasyonu A/S/c biçimindedir:

• A — varış sürecinin dağılımı (M = Markovian / Poisson)
• S — hizmet süresinin dağılımı (M = Markovian / üstel)
• c — paralel özdeş sunucu sayısı

M/M/c, varışların Poisson, hizmet sürelerinin üstel ve c adet özdeş sunucunun ortak bir FIFO kuyruğunu paylaştığı modeldir. M/M/1, bu modelin c = 1 özel durumudur.

Üç ek varsayım önemli:

1. Sınırsız bekleme alanı — kuyruğa girmek isteyene her zaman yer var. Sınırlı kapasite için M/M/c/K modeline geçilir.
2. Sınırsız müşteri kaynağı — gelmeyi beklemek üzere sonsuz büyük bir potansiyel havuz var. Az sayıda makineli atölyede M/M/c/K/K’ye geçilir.
3. Sabırlı müşteri (no abandonment) — sıraya giren müşteri kuyruktan çıkmaz. Çağrı merkezinde “vazgeçen müşteri” varsa M/M/c+M (Erlang-A) modeline geçilir.

Temel parametreler

Sembol	Anlamı	Birim
λ	Geliş hızı	müşteri / birim zaman
μ	Tek sunucunun hizmet hızı	müşteri / birim zaman
c	Sunucu sayısı	adet
a = λ/μ	Sunulan yük (offered load)	Erlang
ρ = a/c = λ/(c·μ)	Sunucu başına yoğunluk	oran (0–1)

Kararlılık şartı: ρ < 1, yani c·μ > λ. Aksi takdirde toplam servis kapasitesi geliş hızını karşılamaz ve kuyruk sınırsız büyür.

Önemli ayrım: a (yük, Erlang) ile ρ (yoğunluk, oran) farklı şeylerdir. a “ortalama kaç sunucunun meşgul olduğunu” (boyutsuz çalışan sayısı), ρ “her sunucunun zamanın yüzde kaçında meşgul olduğunu” söyler. a > 1 normaldir (örn. 3.5 Erlang ≈ 3.5 sunucu sürekli meşgul); ρ > 1 ise kararsız sistemdir.

Kararlı durum formülleri

P₀ — sistemin tamamen boş olma olasılığı

$$P_0 = 1 \;\Big/\; \left( \sum_{k=0}^{c-1} \frac{a^k}{k!} + \frac{a^c}{c! \cdot (1 - \rho)} \right)$$

İlk toplam, n = 0…c−1 için “yalnızca bazı sunucular dolu, kuyruk boş” durumlarının olasılık ağırlığı. Son terim ise “tüm sunucular dolu, kuyruk geometrik dağılıma giriyor” durumunu modeller.

Erlang-C: bekleme olasılığı

Gelen yeni bir müşterinin tüm sunucuları dolu bulup beklemek zorunda kalma olasılığı:

$$C(c, a) = P(\text{bekleme}>0) = \frac{a^c}{c!\,(1-\rho)} \cdot P_0$$

Çağrı merkezi planlamasında servis seviyesi anlaşmalarının (SLA) hesaplandığı formül budur.

Kuyruk ve sistem metrikleri

$$L_q = C(c, a) \cdot \frac{\rho}{1-\rho}$$ $$L = L_q + a$$

Little Yasası M/M/c’de de çalışır:

$$W_q = \frac{L_q}{\lambda}, \qquad W = \frac{L}{\lambda} = W_q + \frac{1}{\mu}$$

Durum olasılıkları

Sistemde tam olarak n müşteri olma olasılığı iki bölgeye ayrılır. n ≤ c ise kuyruk boştur ve sadece sunuculardan bazıları doludur:

$$P(n) = \frac{a^n}{n!} \cdot P_0$$

n > c olduğunda tüm c sunucu doludur ve kuyrukta n − c müşteri vardır:

$$P(n) = \frac{a^n}{c! \cdot c^{n-c}} \cdot P_0$$

M/M/c, M/M/1’e nasıl indirgenir?

c = 1 koyduğumuzda:

• ρ = a/1 = a, dolayısıyla a = ρ.
• P₀ = 1 / [1 + a/(1−ρ)] = 1 − ρ ✓
• C(1, a) = a/(1 − ρ) · (1 − ρ) = a = ρ ✓
• L_q = ρ · ρ/(1−ρ) = ρ²/(1−ρ) ✓
• L = ρ²/(1−ρ) + ρ = ρ/(1−ρ) ✓

Bu bir tesadüf değil; M/M/c, M/M/1’in dürüst genelleştirmesidir.

Sayısal örnek 1 — Banka şubesi

Bir bankada saatte 10 müşteri geliyor (λ = 10), her gişe saatte 6 müşteriye bakabiliyor (μ = 6). c = 2 gişeyle çalışıldığında ne olur?

• a = 10/6 ≈ 1.667 Erlang
• ρ = 1.667/2 ≈ 0.833 (%83.3 — yoğun)
• Σ (n = 0…1) aⁿ/n! = 1 + 1.667 = 2.667
• a^c/c! = 2.778/2 = 1.389; bunu (1−ρ) = 0.167 ile bölünce 8.333
• P₀ = 1 / (2.667 + 8.333) = 1/11 ≈ 0.0909
• C(2, 1.667) = 8.333 · 0.0909 ≈ 0.758 — yeni gelen müşterinin %76 ihtimal sıraya gireceği
• L_q = 0.758 · 0.833/0.167 ≈ 3.79 müşteri
• L = 3.79 + 1.667 ≈ 5.46
• W_q = 3.79/10 = 0.379 saat ≈ 22.7 dakika
• W = 5.46/10 = 0.546 saat ≈ 32.7 dakika

3. gişe açılırsa (c = 3): ρ ≈ 0.556, C ≈ 0.295, L_q ≈ 0.368 müşteri, W_q ≈ 2.2 dakika. Bir gişe daha açmak ortalama beklemeyi 22.7 dakikadan 2.2 dakikaya düşürür — çoklu-sunucu kuyrukların marjinal kazancı yüksekken doygundur.

Sayısal örnek 2 — Çağrı merkezi boyutlandırma

Saatte 60 çağrı geliyor (λ = 60/saat), ortalama çağrı süresi 5 dakika (μ = 12/saat-temsilci). a = 5 Erlang, yani ortalama 5 temsilci sürekli meşgul.

Kararlılık için c ≥ 6 gerekli (c·μ > λ). Hedef “servis seviyesi: çağrıların %80’i 0 saniye beklemeden yanıtlansın” — yani P(bekleme) ≤ 20%.

c	ρ	P(bekleme) ≈ Erlang-C	L_q	W_q (dk)
6	0.833	0.572	2.86	2.86
7	0.714	0.339	0.846	0.846
8	0.625	0.187	0.311	0.311
9	0.556	0.099	0.124	0.124
10	0.500	0.050	0.050	0.050

c = 8 minimum cevaptır (%18.7 ≤ %20). Ekstra bir temsilci eklemenin maliyeti vs. müşteri deneyimine etkisi bu tabloyla doğrudan tartılabilir.

Pooling kazancı: neden 1 ortak sıra > N ayrı sıra

Bir bankada 3 ayrı gişe ve 3 ayrı sıra olsa, her sıra bağımsız bir M/M/1 gibi çalışırdı. Toplam λ aynı kalırken her gişe λ/3 görür:

• 3 ayrı M/M/1, her biri ρ = (λ/3)/μ ile, toplam L_q = 3 · (ρ²/(1−ρ))
• 1 ortak M/M/3, ρ = λ/(3μ) ile (aynı ρ), L_q düşer

Sayısal: λ = 10, μ = 6, c = 3 → 3 ayrı M/M/1’de her biri ρ = 0.556, L_q (her bir gişe) = 0.694 müşteri, toplam = 2.08. M/M/3’te aynı ρ ile L_q = 0.368. Aynı kaynakla 5.6× daha az kuyruk. Banka, havalimanı güvenlik, marketteki “kasaya en kısa sıra” modeli bu kazanca dayanır.

M/M/c’nin sınırları ve genellemeleri

Senaryo	Model
Sınırlı bekleme alanı (K müşteriden fazlası reddedilir)	M/M/c/K
Bekleyen müşteri vazgeçer	M/M/c+M (Erlang-A)
Çağrı kabul edilmez, kayıp olur (telefon hatları)	M/M/c/c (Erlang-B)
Heterojen sunucu hızları	Simülasyon ya da öncelikli sınıflar
Genel servis dağılımı (ör. sabit süre)	M/G/c (kapalı form yok, yaklaşım)
Sezonluk / değişken yoğunluk	M(t)/M/c(t), zaman-bağımlı, simülasyon

M/M/c “iyi yaklaşım”dır — temel boyutlandırma kararları için 30 saniyede cevap verir, çok hassas planlama için simülasyon ya da daha karmaşık model gerekir.

Sık karıştırılanlar

• a vs ρ. a (Erlang) sunulan yük; ρ = a/c sunucu başına yoğunluk. a > 1 normal, ρ < 1 zorunlu.
• Erlang-B vs Erlang-C. Erlang-B kayıp sistem (kuyruk yok, dolu sunucu = kayıp çağrı). Erlang-C bekleme sistemi (dolu sunucu = müşteri kuyruğa girer). Telefon santrali Erlang-B, çağrı merkezi Erlang-C.
• W mı W_q mı? W toplam sistemde geçirilen süre (bekleme + servis). W_q yalnızca kuyrukta beklenen süre. SLA hesabında W_q kullanılır.
• L_q düşük ama P(bekleme) yüksek olabilir. ρ’ye bağlı: c büyük ve ρ orta seviyede ise birçok müşteri kısa süre bekler — ortalama L_q küçük çıkar ama “bekleme şansı” hâlâ ciddi olabilir.

Aracı nasıl kullanırım?

M/M/c Çoklu Sunucu Kuyruk Analizci aracında λ, μ ve c değerlerini gir; tek hamlede:

1. Sunucu başına yoğunluk ρ, sunulan yük a ve P(bekleme) renk kodlu kartta görünür.
2. L, L_q, W, W_q standart panelinde okunur.
3. Durum olasılıkları grafiği n ≤ c (servis ediliyor) ve n > c (kuyrukta bekliyor) bölgesini ayrı renklerle gösterir.
4. Sunucu sayısı duyarlılığı tablosu, c’nin etrafında ±2 değeri inceleyerek “bir sunucu daha eklesem ne kazanırım?” sorusunu somut sayılarla cevaplar.

İlgili araçlar: tek-sunucu durumu için M/M/1 Kuyruk Analizci, zamanla durum geçişlerini modellemek için Markov Zinciri Sabit Dağılım.

Sıkça sorulanlar

M/M/c'nin M/M/1'den farkı tam olarak nedir?

M/M/1 tek sunucu, M/M/c c paralel özdeş sunucu varsayar. Her sunucu aynı hızda (μ) hizmet verir, müşteri ilk boşalan sunucuya gider ve tek bir paylaşılan kuyruktan beslenirler. Kararlılık koşulu da değişir: M/M/1'de μ > λ yeterken M/M/c'de c·μ > λ olmalı, yani toplam servis kapasitesi geliş hızını aşmalı. c=1 özel durumunda M/M/c formülleri birebir M/M/1'e indirgenir.

Erlang-C formülü nedir ve neyi söyler?

Erlang-C, C(c, a) = P(bekleme > 0) — yani gelen bir müşterinin tüm sunucuları dolu bulup beklemek zorunda kalma olasılığı. Formül: C(c, a) = [a^c / (c! (1−ρ))] · P₀, burada a = λ/μ sunulan yük (Erlang cinsinden), ρ = a/c. Çağrı merkezlerinde 'servis seviyesi' (örn. çağrıların %80'i 20 saniyede yanıt) hesaplamasının temel taşıdır. Erlang-B (kayıp sistem) ile karıştırılmamalı: Erlang-C bekleyen müşteriyi varsayar.

Çağrı merkezimde kaç temsilci olmalı, formül ne diyor?

Pratik yaklaşım: hedef servis seviyesini belirle (ör. P(bekleme) ≤ %20), sonra c'yi adım adım büyüt. λ saatte 60 çağrı, ortalama çağrı süresi 5 dakika (μ = 12 çağrı/saat-temsilci) ise a = 5 Erlang. c=6'da ρ = 0.83, P(bekleme) ≈ 0.57. c=7'de ρ = 0.71, P(bekleme) ≈ 0.30. c=8'de ρ = 0.625, P(bekleme) ≈ 0.15. Hedef %20 ise c=8 minimum yanıt. Bu hesap aracın 'Sunucu sayısı duyarlılığı' tablosunda canlı görülür.

Tüm sunucuların aynı μ ile çalıştığı varsayımı gerçekçi mi?

M/M/c'nin en sınırlayıcı varsayımı bu. Pratikte yeni başlayan ve deneyimli temsilciler farklı hızda çalışır, kasaların bazıları nakit dışı işlemleri kabul etmez vb. Yine de model genelde 'iyi yaklaşım' sağlar — özellikle planlama amaçlı boyutlamada. Heterojen sunucular için M/M/c yerine simülasyon veya farklı sınıflara ayrılmış öncelikli modeller (M/M/c with priority classes) tercih edilir. Hızlı kontrolde M/M/c hâlâ baseline.

Bekleme olasılığı, P₀ ve Lq arasındaki ilişki nedir?

P₀ sistemin tamamen boş olma olasılığıdır (hiç müşteri yok). Erlang-C = P(tüm sunucular dolu) = a^c·P₀ / (c!·(1−ρ)). Bu, sıraya katılma olasılığıdır. Sonra Lq = Erlang-C · ρ/(1−ρ) ile ortalama kuyruk uzunluğunu verir. Yani Erlang-C 'sıraya girme şansı', Lq ise 'sıraya girildiğinde ortalama kaç kişi var' sorusunu birleştirip uzun dönem ortalama bekleyen müşteri sayısını verir.

Yoğunluk (ρ) M/M/1'de %85, M/M/c'de %85 — fark var mı?

Var. Çoklu-sunucuda aynı ρ daha kısa kuyruk üretir; bu 'pooling' kazancıdır. Örnek: M/M/1 ρ=0.85'te Lq ≈ 4.8 müşteri. Aynı a = 0.85 yükü c=2 sunucuya bölünürse (λ aynı, c·μ = 2·μ, ρ hâlâ 0.85), Lq ≈ 4.4. c=3 için Lq ≈ 4.05. Sunucu sayısı arttıkça aynı ρ'de daha az kuyruk olur. Bu yüzden 3 ayrı tek-sıralı kasa yerine 1 ortak sıra + 3 kasa (banka modeli) daha kısa beklemeye yol açar.