Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Prediction of queuing behaviour through the use of artificial intelligence
KTH, School of Computer Science and Communication (CSC).
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Prognostisering av köbeteenden med hjälp av artificiell intelligens (Swedish)
Abstract [en]

Companies are constantly trying to minimize queues and optimize staff schedules, therecent computerization of queue systems provide huge amounts of data and thus newpossibilities for this. The classic way of analyzing queues is through queue theory which ispurely mathematical but with the new large datasets it is possible to explore predictionsthrough Artificial neural networks.This study investigates if it is possible to use the data from queue systems to provide aprediction with Artificial neural networks that can be used to plan a schedule, and comparethe results with schedule optimization through queue theory.The tests are made with a nonlinear Autoregressive neural network with external input,trained with Levenberg-Marquardt backpropagation and compared with calculations of aM/M/s model queue system.The results from the Artificial neural network were positive and indicate that it could bepossible to use it for predicting the right amount of servers each day but further tests mustbe made since the amount of data provided for the training was to small.When comparing the results from the neural network from that of the queue theoryalgorithms it seemed that they complemented rather than competed with each other.

Abstract [sv]

Företag försöker ständigt minimera köer och optimera personalscheman, datoriseringen avkösystem har öppnat nya möjligheter att göra detta genom ny tillgång till enorma mängderködata. Det klassiska sättet att analysera köer har varit genom köteori, vilket är rentmatematiskt, men med de nya stora datamängderna kan man börja utforska förutsägelsergenom artificiella neurala nätverk.Den här studien undersöker huruvida det är möjligt att använda denna data för att göra enförutsägelse med artificiella neurala nätverk som kan användas för att planera ettpersonalschema och jämför sedan resultaten med optimering genom köteori.Testen är gjorde med ett icke-linjärt autoregressivt neuralt nätverk med extern input, tränatmed Levenberg-Marquardt backpropagation och jämfört med beräkningar för en M/M/skö-systemsmodell.Resultaten från det artificiella neurala nätverket var positiva och indikerar att det kan varamöjligt att använda det för att förutsäga det rätta antales kassor varje dag men ytterligaretester måste göras då mängden data som använts under testerna var för liten.När resultaten från det neurala nätverket jämfördes med de från köteorins algoritmer såverkade det som att de kompletterade varandra snarare än konkurrerade med varandra.

Place, publisher, year, edition, pages
2017.
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-209264OAI: oai:DiVA.org:kth-209264DiVA: diva2:1111289
Supervisors
Examiners
Available from: 2017-06-18 Created: 2017-06-18 Last updated: 2017-06-18Bibliographically approved

Open Access in DiVA

fulltext(1190 kB)102 downloads
File information
File name FULLTEXT01.pdfFile size 1190 kBChecksum SHA-512
60e82deb254790f4bcba65123794bb8f21a549627b2423cba50774e0d750fa35e11a652df739648234304c8c733eab27b4a7f84d8ab0b6b6514835c90252f108
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 102 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 37 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf