નાણાં — ચુકવણી સંચાલન લાઇવ મોડેલ

તમે પેમેન્ટ સ્વિચના ઑપરેશન્સ ડેસ્ક પર છો, જે વેપારીઓ અને કાર્ડ ઇશ્યુઅરો વચ્ચે બેઠું છે. દર મિનિટે લગભગ 400 વ્યવહારો પ્રતિ સેકન્ડ આવે છે; દરેકનો છેતરપિંડી માટે સ્કોર બને છે, તે ખાલી કનેક્શન સ્લૉટની રાહ જુએ છે, અને જવાબ માટે તેના ઇશ્યુઅરને મોકલાય છે. મૉડેલ પાઠ્યપુસ્તકના સૂત્રોથી કતાર, ટાઇમઆઉટ, ક્લાયન્ટ રીટ્રાય, છેતરપિંડી-ગાળણનો સમાધાન અને સ્ટેન્ડ-ઇન જોખમની ગણતરી કરે છે. રકમો સામાન્ય ચલણ-એકમો (u) માં છે. ફક્ત શૈક્ષણિક સિમ્યુલેશન — નાણાકીય, કાનૂની કે રોકાણ સલાહ નથી.

તમે શું શીખશો

સિમ્યુલેટર

સમય 0 min
રજૂ થયેલો ભાર (નવા + રીટ્રાય) 400 · રીટ્રાય 0 · સારા ગ્રાહકોનો મંજૂરી-દર 99.9% · ઑથોરાઇઝેશન સમય 330 ms · વ્યસ્ત કનેક્શન સ્લૉટ 69% · સેવામાં સર્વર 6 (+0) · છેતરપિંડી દર (મંજૂર રકમનો હિસ્સો) 10.4 bp · ઇશ્યુઅર ટાઇમઆઉટ 0.0% · સ્ટેન્ડ-ઇન જોખમ 0.00 M uછેતરપિંડી-ગાળણt = 3.00σ✓ 99.9% · ? 0.0% · ✗ 0.1%અટકાવેલી છેતરપિંડી 31%છેતરપિંડી દર (મંજૂર રકમનોહિસ્સો) 10.4 bp400 tx/s · ↻ 0ઑથોરાઇઝેશન સર્વર▶▶▶▶▶▶··················વ્યસ્ત કનેક્શન સ્લૉટ 69% · 330 ms✗ 0.0%ઇશ્યુઅર A✓ 250 msઇશ્યુઅર B✓ 250 ms⏱ 8 s · ⌛ 0.0% · Σ 0 uસારા ગ્રાહકોનો મંજૂરી-દર 99.9% · સ્ટેન્ડ-ઇન જોખમ 0.00 M u
  • સર્વર સેવામાં
  • સર્વર શરૂ થઈ રહ્યું છે
  • ખાલી સર્વર રૅક સ્થાન
  • ઇશ્યુઅર સામાન્ય જવાબ આપે છે
  • ઇશ્યુઅર ધીમો કે બંધ
  • સ્ટેન્ડ-ઇન પ્રોસેસિંગ ચાલુ
  • આવતા વ્યવહારો

કંટ્રોલ

દરેક સર્વરમાં 32 કનેક્શન સ્લૉટ હોય છે. ઉમેરેલા સર્વરને શરૂ થવામાં 5 મિનિટ લાગે છે; દરેક સર્વરનું બિલ બને છે, શરૂ થતું હોય કે નહીં.

ક્ષમતાના વધુમાં વધુ 90 % ને જ સ્વીકારે છે અને વધારાને કતારમાં લાગીને ટાઇમઆઉટ થવા દેવાને બદલે તરત “પછી પ્રયાસ કરો” નો જવાબ આપે છે.

વેપારીઓ તકનીકી નિષ્ફળતા પર કેવી રીતે ફરી પ્રયાસ કરે છે (વધુમાં વધુ 3 રીટ્રાય). તરત = આગલી મિનિટમાં; બૅકઑફ = યાદૃચ્છિક ઘાતાંકીય બૅકઑફ, સરેરાશ વિલંબ 1, 2 અને 4 મિનિટ.

આ કે તેનાથી ઉપરના સ્કોરવાળા વ્યવહારો નકારાય છે. સ્કોર સાચા ટ્રાફિકના પ્રમાણભૂત વિચલનમાં છે: ઓછાનો અર્થ છે વધુ છેતરપિંડી અટકી અને વધુ સારા ગ્રાહકો નકારાયા.

થ્રેશોલ્ડથી આટલા નીચેના સ્કોર પર નિર્ણયને બદલે ગ્રાહકની વધારાની ચકાસણી થાય છે: 85 % સાચા ગ્રાહકો તે પૂર્ણ કરે છે, 5 % છેતરપિંડી કરનારા પાસ થાય છે. 0 = બંધ.

એક કનેક્શન સ્લૉટ ઇશ્યુઅરના જવાબની કેટલી રાહ જુએ છે. તે પછી સ્વિચ રિવર્સલ મોકલે છે અને સ્ટેન્ડ-ઇનનો ઉપયોગ કરે છે, અથવા “ઇશ્યુઅર અનુપલબ્ધ” સાથે નકારે છે.

જ્યારે ઇશ્યુઅર સમયસર જવાબ ન આપે, ત્યારે સ્વિચ તેના વતી આ રકમ સુધી મંજૂરી આપે છે. દરેક સ્ટેન્ડ-ઇન મંજૂરી એવું જોખમ છે જે ઇશ્યુઅરે ક્યારેય તપાસ્યું નથી. 0 = બંધ.

સૂચકો

સારા ગ્રાહકોનો મંજૂરી-દર
99.9%
સામાન્ય
ઑથોરાઇઝેશન સમય
330ms
સામાન્ય
છેતરપિંડી દર (મંજૂર રકમનો હિસ્સો)
10.4bp
સામાન્ય
વ્યસ્ત કનેક્શન સ્લૉટ
69%
સામાન્ય
મંજૂરી-દર, સ્વસ્થ ઇશ્યુઅરો99.9 %
છેતરપિંડી-નિયમથી નકારાયેલા સારા ગ્રાહકો1.3 ‰
સ્ટેપ-અપ પર મોકલેલા વ્યવહારો0.0 %
અટકાવેલી છેતરપિંડી31 %
નવા વ્યવહારો400 tx/s
રજૂ થયેલો ભાર (નવા + રીટ્રાય)400 tx/s
રીટ્રાય0 tx/s
શેડ કરેલા (“પછી પ્રયાસ કરો” નો જવાબ)0 tx/s
કતારમાં છોડાયેલા0.0 %
ઇશ્યુઅર ટાઇમઆઉટ0.0 %
સ્ટેન્ડ-ઇન મંજૂરીઓ0 tx/s
સેવામાં સર્વર6
શરૂ થતા સર્વર0
સર્વર ખર્ચ-દર36 u/h
અત્યાર સુધીનો સર્વર ખર્ચ0 u
સ્ટેન્ડ-ઇન જોખમ0.00 M u
અત્યાર સુધી મંજૂર થયેલી છેતરપિંડી0.00 M u
અત્યાર સુધી ગુમાવેલા સારા વ્યવહારો0.0 k tx
રીટ્રાયની રાહ જોતા વ્યવહારો0 tx
ઇશ્યુઅર જૂથ B ની વિલંબતા (સરેરાશ)250 ms

ટ્રેન્ડ

સારા ગ્રાહકોનો મંજૂરી-દર: — %100.00.0

કટોકટી દૃશ્યો

સ્તર 1 · સેલના પીકનો ઉછાળો

મિનિટ 5 પર એક મોટી ઑનલાઇન સેલ ખુલે છે અને 45 મિનિટ માટે ટ્રાફિક બમણો થઈને લગભગ 800 વ્યવહારો પ્રતિ સેકન્ડ થાય છે. સ્વિચ 6 સર્વર પર ચાલે છે, જે સામાન્ય દિવસ માટે લગભગ 70 % વ્યસ્ત રહેવાના હિસાબે બનેલા છે. વેપારીઓ દરેક તકનીકી નિષ્ફળતા પર તરત ફરી પ્રયાસ કરે છે. સારા ગ્રાહકોને મંજૂર રાખો અને જવાબ ઝડપી રાખો, જરૂર ન હોય તેવી ક્ષમતા ખરીદ્યા વિના.

  • સેલ શરૂ થયા પછી સારા ગ્રાહકોની સરેરાશ મંજૂરી ≥ 95 %
  • સરેરાશ ઑથોરાઇઝેશન સમય ≤ 500 ms
  • સર્વર ખર્ચ ≤ 75 u

સ્તર 2 · છેતરપિંડીની લહેર

મિનિટ 5 પર ચોરાયેલી કાર્ડ વિગતોનો એક બૅચ વપરાવા લાગે છે: ટ્રાફિકમાં છેતરપિંડીનો હિસ્સો 0.1 % થી ઉછળીને 1 % થાય છે. અસ્વીકાર થ્રેશોલ્ડ સામાન્ય દિવસો (3σ) માટે ગોઠવેલો છે અને સ્ટેપ-અપ બંધ છે. સારા ગ્રાહકોને પાછા કાઢ્યા વિના છેતરપિંડી દર નીચે લાવો.

  • સરેરાશ છેતરપિંડી દર ≤ 25 bp
  • સારા ગ્રાહકોની સરેરાશ મંજૂરી ≥ 98 %
  • નિયમથી નકારાયેલા સારા ગ્રાહકો ≤ 5 ‰

સ્તર 3 · ઇશ્યુઅર આઉટેજ

મિનિટ 5 પર જૂથ B ના ઇશ્યુઅરો — કુલ ટ્રાફિકનો ચોથો ભાગ — સરેરાશ 12 સેકન્ડના જવાબ-સમય સુધી ધીમા પડે છે. સ્વિચ જવાબ માટે 8 s સુધી રાહ જુએ છે, તેમાં સ્ટેન્ડ-ઇન નથી, અને તે 6 સર્વર પર ચાલે છે. સ્વસ્થ ઇશ્યુઅરોના ગ્રાહકોને ચાલુ રાખો, જૂથ B ને જ્યાં સુધી સલામત હોય ત્યાં સુધી સેવા આપો, અને સ્ટેન્ડ-ઇન જોખમ તથા ખર્ચને કાબૂમાં રાખો.

  • સ્વસ્થ ઇશ્યુઅરોના ગ્રાહકોની સરેરાશ મંજૂરી ≥ 90 %
  • સારા ગ્રાહકોની સરેરાશ મંજૂરી ≥ 86 %
  • સ્ટેન્ડ-ઇન જોખમ ≤ 9 M u
  • સર્વર ખર્ચ ≤ 65 u

આધાર — આંકડા પાછળનું મોડેલ

સિમ્યુલેટર દ્વારા વપરાતો દરેક સંબંધ, તેના સ્રોત સાથે. ધારણા તરીકે ચિહ્નિત અચળાંકો ઉદાહરણરૂપ કેલિબ્રેશન છે.

નવા વ્યવહારો આધાર દર × સેલના ઉછાળાના દરે આવે છે; પ્રતિ મિનિટની ગણતરી યાદૃચ્છિક છે (પ્વાસોં, સામાન્ય સન્નિકટન) અને થોડી આંચકાવાળી.
λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]ધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.
દ્વિસામાન્ય છેતરપિંડી સ્કોર: સાચા અને છેતરપિંડીના સ્કોર d′ અંતરે બે સામાન્ય વક્રો છે; થ્રેશોલ્ડ ROC વક્ર પર એક બિંદુ પસંદ કરે છે.
genuine score ~ N(0,1), fraud ~ N(d′,1), d′ = 2.5; FPR(t) = 1 − Φ(t), TPR(t) = 1 − Φ(t − d′); AUC = Φ(d′/√2) ≈ 0.96[6][7]ધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.
ખર્ચ-ઇષ્ટતમ થ્રેશોલ્ડ: જ્યારે સંભાવના-ગુણોત્તર આધાર-દરથી ભારિત ખર્ચ-ગુણોત્તરથી વધી જાય ત્યારે નકારો — છેતરપિંડી દસ ગણી વધુ હોય ત્યારે તે ln 10 / d′ ≈ 0.9σ નીચે ખસે છે.
decline when e^(d′x − d′²/2) ≥ (1 − π)·c_FP / (π·c_FN) ⇒ t* = [ln((1 − π)c_FP/(π c_FN)) + d′²/2] / d′[8][7]
સ્ટેપ-અપ: થ્રેશોલ્ડ નીચેના બૅન્ડમાં આવતા સ્કોર પર નિર્ણયને બદલે ચકાસણી થાય છે.
scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]ધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.
ઇશ્યુઅરની વિલંબતા ઘાતાંકીય છે; સ્લૉટ વિલંબતા કે ટાઇમઆઉટ, જે પહેલાં આવે ત્યાં સુધી પકડાય છે.
L ~ Exp(mean m); E[min(L, T)] = m(1 − e^(−T/m)), P(L > T) = e^(−T/m); S = 80 ms + forwarded × Σ share·E[min(L,T)][2][9]
લિટલનો નિયમ: વ્યસ્ત સ્લૉટ = આગમન-દર × પકડવાનો સમય.
busy slots = λ·S (Little) ⇒ utilization = λ·S / (32 × servers)[3]
અર્લાંગ C: કોઈ વ્યવહારે ખાલી સ્લૉટ માટે રાહ જોવી પડે તેની સંભાવના, અને 2 s ના કતાર-ટાઇમઆઉટથી વધુ રાહ જોવી પડે તેની સંભાવના.
P(W > 2 s) = C(a, N)·e^(−(N/S − λ)·2 s), a = λS; mean wait = C / (N/S − λ)[1][2]
ક્ષમતા પછી સ્વિચ એવી વિનંતીઓ પર પણ કામ ખર્ચે છે જેને તે પછીથી છોડી દે છે, તેથી ભાર વધતાં ઉપયોગી થ્રૂપુટ ઘટે છે; લોડ શેડિંગ વધારાને સસ્તામાં નકારે છે.
λ ≥ N/S: goodput = (N/S − ω·λ)/(1 − ω), ω = 0.3; load shedding admits ≤ 0.9·N/S and answers the rest at once[4][5]ધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.
ક્લાયન્ટ રીટ્રાય: દરેક તકનીકી નિષ્ફળતા પર વધુમાં વધુ ત્રણ વાર, તરત કે યાદૃચ્છિક ઘાતાંકીય બૅકઑફ સાથે, ફરી પ્રયાસ થાય છે.
failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]ધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.
ઇશ્યુઅર ટાઇમઆઉટ, રિવર્સલ અને સ્ટેન્ડ-ઇન: રકમો લૉગનૉર્મલ છે, તેથી મર્યાદા નીચેનો હિસ્સો અને મંજૂર થયેલી માત્રા સામાન્ય CDF પરથી મળે છે.
issuer timeout → reversal; stand-in approves if amount ≤ limit: P = Φ((ln L − μ)/σ), volume = e^(μ+σ²/2)·Φ((ln L − μ − σ²)/σ)[9][11]
મંજૂર રકમના બેસિસ પૉઇન્ટમાં છેતરપિંડી દર; નાની રિમોટ કાર્ડ ચુકવણીઓ માટે સંદર્ભ-માપ તરીકે 13 bp વપરાય છે.
fraud rate = approved fraud amount / approved amount × 10,000 bp (reference scale: 13 bp)[10]
મૉડેલમાં વપરાતા અન્ય સંચાલન-અચળાંકો.
32 slots per server, 2–24 servers, +5 min boot, 6 u per server-hour · switch time 80 ms · queue timeout 2 s · issuer latency 250 ms (group B = 25 % of traffic, ±15 % per minute) · amounts lognormal, median 40 u, σ = 1, fraud ×1.5 · ω = 0.3 · shedding at 90 % · reversal = 80 ms of switch timeધારણા: સ્લૉટની સંખ્યા, સેવા અને ઇશ્યુઅરના સમય, સ્કોર-વિભાજન, સ્ટેપ-અપના પાસ-દર, વ્યર્થ કામનો હિસ્સો, રકમો અને કિંમતો મધ્યમ કદના સ્વિચના ઉદાહરણ-મૂલ્યો છે, કોઈ વાસ્તવિક નેટવર્કના આંકડા નથી.

અનિયમિતતા: સીડવાળું mulberry32 જનરેટર; વપરાયેલા વિતરણ — સમાન, ઘાતાંકીય (ઇન્વર્સ CDF), સામાન્ય (Box–Muller), પોઇસન (Knuth). સીડ દર્શાવાય છે અને શેર કરી શકાય છે.

સ્રોતો

  1. Teletraffic Engineering Handbook — Erlang C formula; waiting-time distribution for M/M/n, FCFS — ITU-D Study Group 2 Question 16/2 (V. B. Iversen), 2005
  2. M. Harchol-Balter — Performance Modeling and Design of Computer Systems: Queueing Theory in Action (M/M/k, capacity provisioning) — Cambridge University Press, 2013
  3. J. D. C. Little — A Proof for the Queuing Formula: L = λW — Operations Research 9(3):383–387, 1961
  4. Site Reliability Engineering — Ch. 22 Addressing Cascading Failures (retries, randomized exponential backoff, load shedding, work on requests past their deadline) — Beyer, Jones, Petoff, Murphy (eds.), O'Reilly, 2016
  5. N. Bronson, A. Aghayev, A. Charapko, T. Zhu — Metastable Failures in Distributed Systems — HotOS ’21, ACM, 2021
  6. T. Fawcett — An introduction to ROC analysis — Pattern Recognition Letters 27(8):861–874, 2006
  7. R. J. Bolton, D. J. Hand — Statistical Fraud Detection: A Review — Statistical Science 17(3):235–255, 2002
  8. C. Elkan — The Foundations of Cost-Sensitive Learning — IJCAI 2001, 2001
  9. ISO 8583-1:2003 Financial transaction card originated messages — Interchange message specifications — Part 1 (authorization, reversal messages) — ISO/TC 68/SC 9, 2003
  10. Commission Delegated Regulation (EU) 2018/389 — RTS on strong customer authentication, Annex: reference fraud rates (0.13 % for remote card payments up to EUR 100) — Official Journal of the European Union, 2018
  11. N. L. Johnson, S. Kotz, N. Balakrishnan — Continuous Univariate Distributions, Vol. 1 (lognormal distribution, partial moments) — Wiley, 1994

આ કામ આજીવિકા તરીકે કોણ કરે છે

શૈક્ષણિક મોડેલ — ઓપરેશનલ નિર્ણયો માટે નહીં. વાસ્તવિક સાઇટ દરેક અચળાંકને પોતાના સાધનો અને ડેટા મુજબ કેલિબ્રેટ કરે છે.