🔢 mathematics

Near-optimal scheduling with general service times and IHR abandonment times

Dit artikel behandelt het dynamische planningsprobleem in een M/G/N-wachtrij met algemene servicetijden en IHR-verlatings-tijden door de indexeerbaarheid van het bijbehorende discrete-tijdprobleem te bewijzen, een expliciete Whittle-index af te leiden en door middel van simulaties aan te tonen dat het resulterende beleid de standaard $c\mu/\theta$ -regel systematisch overtreft.

Oorspronkelijke auteurs: Samuli Aalto

Gepubliceerd 2026-07-28

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Samuli Aalto

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een drukke koffiebar voor waar klanten in de rij staan voor hun drankjes, maar er is een twist: elke klant heeft een geheime timer. Als ze te lang moeten wachten, raken ze gefrustreerd en vertrekken ze zonder iets te kopen. De barista's (de servers) moeten beslissen wie ze als volgende bedienen. Moeten ze de persoon bedienen die het langst wacht? De persoon die alleen een snelle espresso nodig heeft? Of de persoon die op het punt staat op te geven en weg te lopen? Dit is de kern van een probleem dat "scheduling" (planning/inbedeling) wordt genoemd, een tak van de wiskunde en informatica die uitzoekt wat de beste manier is om taken te organiseren wanneer middelen beperkt zijn en de tijd tikt.

In de wereld van scheduling zijn er twee hoofdsoorten kosten waar men zich zorgen over moet maken. Ten eerste is er de "holding cost" (houdkosten), wat vergelijkbaar is met de energie en het geduld die verloren gaan terwijl een klant in de rij wacht. Ten tweede is er de "abandonment penalty" (verlatingsboete), de misgelopen verkoop en de slechte reputatie wanneer een klant boos vertrekt. Decennialang hebben wiskundigen geprobeerd dit puzzelstukje op te lossen, maar ze maakten meestal een grote vereenvoudiging: ze namen aan dat servicetijden (hoe lang een drankje duurt) en patiëntietijden (hoe lang een klant wacht) een eenvoudig, voorspelbaar patroon volgden, een "exponentiële verdeling". Denk hierbij aan de aanname dat elke muntworp perfect willekeurig en onafhankelijk is. Hoewel dit de wiskunde makkelijker maakt, weerspiegelt het niet de werkelijkheid, waarin sommige taken heel lang duren en sommige mensen ongelooflijk geduldig of ongelooflijk ongeduldig zijn.

Dit artikel, geschreven door Samuli Aalto, pakt de rommelige, echte versie van dit probleem aan. In plaats van uit te gaan van eenvoudige, voorspelbare patronen, staat de auteur elke vorm van servicetijd toe (zoals een complexe latte die eeuwig duurt) en een specifiek type ongeduld genaamd "IHR" (Increasing Hazard Rate). IHR is een chique manier om te zeggen dat hoe langer je wacht, hoe groter de kans dat je het zat bent en vertrekt — net zoals een echt mens steeds bozer wordt naarmate de rij langzaam voortgang boekt. Het artikel gebruikt een slim wiskundig hulpmiddel genaamd de "Whittle index" om te bepalen in welke volgorde mensen bediend moeten worden. De belangrijkste bevinding is dat deze nieuwe methode, die deze complexe, realistische scenario's afhandelt, in computer-simulaties consequent beter presteert dan de oude vuistregel (de $c\mu/\theta$ -regel). De auteur bewijst dat hun nieuwe formule wiskundig solide is voor een vereenvoudigde versie van het probleem en laat vervolgens via simulaties zien dat het meer geld bespaart en meer klanten tevreden houdt dan de voorheen beste methoden.

Het Verhaal van de Ongeduldige Rij

Stel je een chaotische beveiligingscontrole op een luchthaven voor. Je hebt een team van beveiligingsbeambten (de servers) en een stroom reizigers (de klanten). Elke reiziger heeft twee onzichtbare klokken lopen. Eén klok telt hun servicetijd af — hoe lang het duurt om hun tas te scannen en hun ID te controleren. De andere klok telt hun patiëntietijd af — hoe lang ze bereid zijn daar te staan voordat ze besluiten de vlucht over te slaan en naar huis te gaan.

In de oude dagen, toen wiskundigen deze rij modelleerden, namen ze aan dat beide klokken op een zeer specifieke, "geheugenloze" manier aftikten. Het was alsof je zei dat ongeacht hoe lang je er al staat, je kans om in de volgende minuut weg te gaan precies hetzelfde is als toen je net aankwam. Dit is de "exponentiële" aanname. Het is een handige truc voor de wiskunde, maar het is niet hoe echte mensen zich gedragen. In werkelijkheid ben je, als je er al 20 minuten staat, veel eerder geneigd om in de volgende minuut boos weg te stormen dan wanneer je net gearriveerd bent. Dit is wat het artikel IHR (Increasing Hazard Rate) noemt: hoe langer je wacht, hoe groter het risico dat je opgeeft.

De auteur realiseerde zich ook dat echte servicetijden niet altijd simpel zijn. Soms is een bagagescan direct klaar; andere keren duurt het eeuwig omdat er een vreemd slot op een koffer zit. Het artikel staat generieke servicetijden toe, wat betekent dat de wiskunde elke vorm van wachttijd kan aan, van snel en eenvoudig tot lang en ingewikkeld.

De Magische Formule: De Whittle Index

Dus, hoe beslis je wie je als eerste bedient? Het artikel introduceert een "Whittle index" als een scorekaart voor iedere persoon in de rij. Deze score gaat niet alleen over hoe lang iemand al wacht (x). Het is een complexe berekening die kijkt naar:

Hoe lang ze al hebben gewacht (x).
Hoeveel service ze al hebben ontvangen (y).
Wat het kost om hen te laten wachten (holding cost).
Wat het kost als zij vertrekken (abandonment penalty).

De auteur bewijst dat voor een vereenvoudigde versie van dit probleem (een "gesloten" systeem waarbij geen nieuwe mensen arriveren), deze scorekaart wiskundig perfect is. Het is "indexeerbaar", wat een chique manier is om te zeggen dat je iedereen kunt rangschikken van "bedien mij nu!" tot "ik wacht wel even."

Het artikel neemt deze scorekaart vervolgens mee en past deze aan voor de echte, continue wereld waarin mensen constant arriveren. De resulterende formule, $W_k(x, y)$ , ziet er een beetje intimiderend uit, maar het vraagt in essentie: "Als ik deze persoon een klein beetje tijd bedien, hoeveel geld zal ik dan besparen vergeleken met het risico dat zij vertrekken?"

De Confrontatie: Nieuw versus Oud

Om te zien of deze nieuwe "Whittle Index Policy" (WHI) daadwerkelijk werkt, heeft de auteur duizenden computersimulaties uitgevoerd. Ze zetten een virtuele luchthaven op met twee soorten reizigers:

Class 1: Korte taken (snelle scans) maar met variërende niveaus van geduld.
Class 2: Lange taken (complexe scans) met verschillende niveaus van geduld.

Ze testten vier verschillende scenario's door de soorten servicetijden te mengen (sommigen waren uniform, andere waren "Pareto", wat betekent dat een enkeling eeuwig kan duren) en de kosten van verlating (soms is het goedkoop om een klant te verliezen, soms is het een enorm verlies).

De resultaten waren duidelijk. De nieuwe Whittle Index policy presteerde systematisch beter dan de oude standaard, de bekende $c\mu/\theta$ -regel.

In het "Uniform-Uniform" scenario (waar iedereen enigszins voorspelbaar is), bespaarde de nieuwe policy ongeveer 12% tot 19% meer aan kosten dan de oude regel.
In het "Uniform-Pareto" scenario (waar sommige mensen zeer lange, onvoorspelbare servicetijden hebben), werd het verschil groter. De nieuwe policy bespaarde 33% tot 42% meer dan de oude regel.
Zelfs in de lastigste scenario's was de nieuwe policy consistent beter, soms met wel 52%.

Het artikel vergeleek de nieuwe methode ook met andere veelvoorkomende strategieën, zoals "First-Come-First-Served" (de oudste persoon eerst bedienen) en "Processor-Sharing" (de tijd van de server gelijkmatig verdelen over iedereen). De nieuwe Whittle Index versloeg ze allemaal.

Waarom dit ertoe doet

De belangrijkste les is dat door af te stappen van de aannames van "perfecte willekeur" en de rommelige realiteit van hoe mensen echt ongeduldig worden te omarmen, we veel betere systemen kunnen bouwen. Of het nu gaat om een koffiebar, een callcenter of een computernetwerk dat data verwerkt, het gebruik van deze nieuwe formule betekent minder boze klanten die vertrekken, minder verspilde tijd en meer bespaard geld. De auteur heeft dit niet alleen geraden; hij heeft bewezen dat de wiskunde werkt voor de vereenvoudigde versie en heeft aangetoond via rigoureuze simulaties dat het wonderen verricht in de complexe, echte wereld. Het is een herinnering dat de beste manier om een probleem op te lossen soms is om te stoppen met doen alsof de wereld eenvoudiger is dan hij werkelijk is.

Technische Samenvatting: Nabij-optimale planning met algemene servicetijden en IHR-abandonmenttijden

Probleemstelling
Dit artikel behandelt het dynamische planningsprobleem binnen een multi-class $M/G/N$ wachtrijensysteem met ongeduldige klanten. Het systeem bestaat uit $N$ homogene parallelle servers en meerdere klantklassen. Elke klant beschikt over een willekeurige servicetijd en een willekeurige abandonmenttijd (tijd tot het verlaten van het systeem); als een klant langer in het systeem blijft (wachtend of in service) dan de abandonmenttijd, verlaat deze het systeem zonder de service te voltooien.

Het doel is om een niet-anticiperend planningsbeleid (waarbij preëmptie is toegestaan) te bepalen dat de totale verwachte kosten minimaliseert. Deze kostenfunctie bestaat uit twee componenten:

Houdingskosten: Gecumuleerd tegen een tarief $h_k$ voor klanten van klasse- $k$ terwijl zij in het systeem verblijven.
Abandonment-boetes: Een eenmalige boete $d_k$ die wordt opgelegd als een klant van klasse- $k$ het systeem verlaat vóór voltooiing van de service.

Hoewel de bestaande literatuur vaak exponentiële verdelingen aanneemt voor zowel de service- als de abandonmenttijden, blijven exacte oplossingen ontoegankelijk, behalve in speciale gevallen. Eerdere nabij-optimale benaderingen, zoals fluid-scaling methoden die leiden tot de $c\mu/\theta$ -regel, leunen zwaar op deze restrictieve exponentiële aannames. Dit artikel beoogt het probleem te generaliseren door algemene servicetijdverdelingen en Increasing Hazard Rate (IHR) abandonmenttijden toe te staan, een natuurlijke aanname waarbij de kans op abandonment toeneemt naarmate de tijd doorgebracht in het systeem toeneemt.

Methodologie
De auteurs maken gebruik van de Whittle index-benadering, een heuristische methode die oorspronkelijk is ontworpen voor restless bandit-problemen, die over het algemeen wiskundig onhandelbaar zijn. De methodologie verloopt via de volgende fasen:

Discrete-tijd formulering: Het probleem wordt eerst gemodelleerd in discrete tijd met gedisconteerde kosten. Het systeem wordt behandeld als een gesloten versie (eindig aantal klanten, geen nieuwe aankomsten) om de analyse te vergemakkelijken. De staat van een klant wordt gedefinieerd door een tweedimensionaal paar $(x, y)$ , waarbij $x$ de totale tijd is doorgebracht in het systeem en $y$ de behaalde service is.
Relaxatie en indexeerbaarheid: De strikte capaciteitsbeperking (maximaal $N$ klanten bedienen) wordt versoepeld naar een tijdgemiddelde beperking. Dit transformeert het probleem in een reeks scheidbare subproblemen (één per klant). De auteurs bewijzen dat dit gerelaxeerde probleem indexeerbaar is, wat betekent dat er een drempel (de Whittle index) bestaat voor de "prijs van arbeid" $\nu$ , zodanig dat het optimaal is om een klant te bedienen indien en slechts indien hun index groter is dan $\nu$ .
Afleiding van de index: Een belangrijke theoretische uitdaging is de tweedimensionale toestandsruimte, die niet beschikt over de natuurlijke ordening die in eendimensionale problemen wordt gevonden. De auteurs leiden een expliciete expressie af voor de Whittle index in de discrete-tijd setting, aangeduid als $W_{k,\beta}(x, y)$ , die een maximalisatie omvat over een tijdshorizon $\Delta$ .
Continue-tijd limiet: De discrete-tijd resultaten worden uitgebreid naar het oorspronkelijke continue-tijd open systeem. Door de tijdstap naar nul te laten gaan en kansen te schalen, leiden de auteurs de continue-tijd Whittle index $W_k(x, y)$ af.

Belangrijkste bijdragen

Generalisatie van aannames: Het artikel verwijdert de restrictieve aanname van exponentiële servicetijden, waardoor algemene verdelingen mogelijk worden gemaakt, terwijl IHR voor abandonmenttijden wordt aangenomen.
Theoretisch bewijs van indexeerbaarheid: De auteurs bewijzen dat de gesloten discrete-tijd versie van het probleem indexeerbaar is. Dit is een niet-triviaal resultaat gezien de tweedimensionale toestandsruimte $(x, y)$ , die standaard bewijzen die steunen op toestandsordening bemoeilijkt.
Expliciete indexformule: Een expliciete expressie voor de Whitte index wordt afgeleid voor het algemene geval:
$W_k(x, y) = \sup_{\Delta>0} \frac{E\left[ (h_k((D_k - x) - (S_k - y)) + d_k) \mathbb{1}_{\{S_k - y < \min\{D_k - x, \Delta\}\}} \mid D_k > x, S_k > y \right]}{E[\min\{D_k - x, S_k - y, \Delta\} \mid D_k > x, S_k > y]}$
Het artikel identificeert ook specifieke condities waaronder deze index vereenvoudigt tot bekende vormen (bijv. wanneer de servicetijden een Decreasing Hazard Rate (DHR) hebben of wanneer de abandonmenttijden exponentieel zijn).
Beleidsdefinitie: Een Whittle index beleid (WHI) wordt gedefinieerd voor de continue-tijd setting: op elk moment $t$ bedient de scheduler de $N$ klanten met de hoogste Whittle indices.

Resultaten
De prestaties van het voorgestelde Whittle index beleid (WHI) worden geëvalueerd tegenover de bekende $c\mu/\theta$ -regel (CMTH) en andere standaardbeleid (FCFS, Processor-Sharing, Forward-Backward) via numerieke simulaties in een twee-klasse $M/G/1$ wachtrij.

Systematische uitmuntendheid: In diverse experimentele opstellingen met verschillende combinaties van servicetijdverdelingen (Uniform/IHR en Pareto/DHR) en kostenstructuren, presteert het WHI-beleid systematisch beter dan de $c\mu/\theta$ -regel en andere baseline-beleid.
Gevoeligheid voor de vorm van de verdeling: De simulaties tonen aan dat het prestatieverschil tussen WHI en CMTH aanzienlijk groter wordt wanneer de servicetijden een heavy-tailed (DHR) verdeling volgen (bijv. Pareto). In dergelijke scenario's kan de $c\mu/\theta$ -regel, die exponentiële servicetijden aanneemt, aanzienlijk slechter presteren (bijv. relatieve kostenverschillen die in sommige zware belastingscenario's de 40-50% overschrijden).
Robuustheid: Het WHI-beleid behoudt een superieure prestatie, ongeacht of de abandonmentkosten of de houdingskosten worden benadrukt, en over variërende systeembelastingen ( $\rho \in [1.0, 2.0]$ ) heen.

Betekenis
Het artikel stelt dat de primaire betekenis ligt in het uitbreiden van de toepasbaarheid van de Whittle index-benadering naar een meer realistische en complexe planningsomgeving. Door indexeerbaarheid te bewijzen en de index af te leiden voor algemene servicetijden en IHR-abandonment, biedt het werk een theoretisch onderbouwd heuristisch middel voor problemen waar exacte oplossingen niet beschikbaar zijn. De numerieke resultaten suggereren dat het vertrouwen op exponentiële aannames (zoals in de $c\mu/\theta$ -regel) kan leiden tot suboptimale planningsbeslissingen, met name wanneer de servicetijden niet-exponentieel zijn, en dat het afgeleide Whittle index beleid een robuust, nabij-optimaal alternatief biedt.

Het Verhaal van de Ongeduldige Rij

De Magische Formule: De Whittle Index

De Confrontatie: Nieuw versus Oud

Waarom dit ertoe doet

Technische Samenvatting: Nabij-optimale planning met algemene servicetijden en IHR-abandonmenttijden

Meer zoals dit