[我已经在一家餐厅的Pycharm中创建了一个模拟项目，该餐厅有一个员工雇用一个订单窗口。这是一次仿真的结果：Drive Thru Simulation
我如何找到在此时间间隔内员工的利用率？在此间隔期间，我如何找到平均等待时间和平均线长？
利用率为(total_simulation_time - total_idle_time) / total_simulation_time)，其中total_idle_time是服务器空闲的所有时间段的总和。在模拟开始和第一个客户到达之间以及客户到达队列中没有等待的任何时间（启动服务时间==相同客户ID的到达时间）与时间之间，服务器处于空闲状态先前客户离开的时间。
排队等待时间是客户开始服务与该客户到达之间的时间差。然后，平均线长可以由Little's Law确定，因为您必须知道用于构建模拟的到达率。
现在是坏消息。排队系统因观察结果serial dependence对行为统计估计的影响而臭名昭著。为了获得对稳态行为的中等精确估计，您可能需要多达数十万个客户的运行时长，具体取决于系统的流量强度（到达率/服务率）。您不能仅将观测值视为independent and identically distributed，这是大多数人所熟悉的统计信息的基础假设。