[논문 리뷰] Queues with Rechargeable Servers

Eliezer Fuentes-Quezada, Jamol Pender|arXiv (Cornell University)|2026. 02. 11.

Advanced Queuing Theory Analysis인용 수 0

한 줄 요약

논문은 서버가 서비스 후 주기적으로 재충전되는 큐를 Erlang–S*로 모델링하고 유체 및 확산 한계를 도출하며, 큐 길이와 이용 가능한 서버 간의 공분산을 고려한 인력 배치 규칙을 제시한다.

ABSTRACT

Drone delivery systems violate a core assumption in classical queueing models: server capacity is not fixed. Drones (servers) periodically must recharge, creating random fluctuations in service availability. We introduce an Erlang--S$^{*}$ queue that incorporates charging dynamics (probability of charging after service completion $p$ and charging return rate $γ$) together with abandonment. We derive fluid and diffusion limits, yielding closed-form steady-state means, variances, and covariances for the joint queue--server process $(Q,S)$. The diffusion limits allow us to derive new staffing rules for the probability of delay and the probability of abandonment targets. A key insight is that server stochasticity induces systematic capacity loss relative to fixed--server systems, leading to a regime--dependent staffing adjustment: additive shifts in underloaded regimes and multiplicative scaling in overloaded regimes. Our simulation experiments confirm both the accuracy of the limit theorems and the performance of the staffing schedule's ability to achieve their targets.

연구 동기 및 목표

• 드론 배송과 같은 큐를 동기화하고 모델링한다. 이때 서버(드론)가 충전으로 인해 간헐적으로 이용 불가해진다.
• 서비스 완료, 충전, 이탈을 연결하는 해석 가능한 확률적 프레임워크(Erlang–S* )를 개발한다.
• 큐(Q)와 S에 대한 닫힌 형식의 정상상태 지표를 갖는 유체 및 확산 한계를 도출한다.
• 큐-서버 공분산을 포함하여 지연 및 이탈 목표를 충족하는 스태핑 규칙을 제공한다.
• 확률적 시뮬레이션으로 해석 결과를 검증하고 실제 스태핑 시사점을 제시한다.

제안 방법

• 도착, 서비스, 이탈, 그리고 서비스 후 충전을 확률 p와 충전 속도 γ로 가지는 Erlang–S* 모델을 정의한다.
• 유체 한계(dq/dt, ds/dt)를 도출하고 정상상태 영역(과소적재 및 과적재)을 식별한다.
• 확산(Ornstein–Uhlenbeck) 한계를 얻고 Var(Q), Var(S), Cov(Q,S)에 대한 Lyapunov 방정식을 풀이한다.
• 지연 확률 Pr(Q≥S)과 이탈 목표에 대한 결정론적 및 이변정규분포 이른 근사치를 개발하고, 영역별 공식을 포함한다.
• 시뮬레이션을 통한 수치적 검증을 제공하고 스태핑 시사점을 논의한다.

실험 결과

연구 질문

• RQ1 서비스 완료 후 서버의 확률적 충전이 큐 동역학 및 성능 지표에 어떤 영향을 미치는가?
• RQ2 Erlang–S* 큐의 유체 및 확산 한계는 무엇이며, 이것이 스태핑 의사결정에 어떻게 반영되는가?
• RQ3 서버 가용성이 확률적이며 큐와 공변하는 경우 지연 및 이탈 목표가 스태핑 규칙으로 어떻게 번역되는가?
• RQ4 큐(Q)와 S 사이의 공분산이 음수 또는 양수가 되는 조건은 무엇이며, 스태핑에 어떤 시사점이 있는가?
• RQ5 공분산을 포함하는 스태핑 규칙이 과소적재와 과적재 영역 모두에서 원하는 서비스 수준을 달성할 수 있는가?

주요 결과

• 유체 한계는 과소적재 영역에서 추가 용량 소모를, 과적재 영역에서 곱적 용량 효과를 나타내는 정상상태 표현식을 도출한다.
• 확산 한계는 Var(Q), Var(S), Cov(Q,S)에 대해 닫힌 형식의 정상 이차모멘트를 갖는 OU 과정으로 나타난다.
• 결정론적 및 확률적(이변정규) 근사에서 도출된 스태핑 규칙은 큐와 S 간의 공변산을 고려하여 지연 및 이탈 목표를 달성한다.
• Cov(Q,S)는 특정 매개변수 범위에서 과적재 시 음수가 될 수 있으며, 이는 서비스 속도, 이탈, 충전으로의 회귀 간의 피드백을 반영한다.
• 확률적 스태핑 공식은 시뮬레이션으로 검증되었으며 영역 전반에 걸쳐 성능 타깃을 포착하는 것으로 나타났다.