Имитационное моделирование экономических процессов
Моделирование работы внутризаводского транспорта в течение 10 часов. Подсчет числа обслуженных и отклоненных заявок. Определение коэффициентов загрузки грузовиков. Максимизация загрузки грузовиков, а также минимизация вероятности отказа в обслуживании.
| Рубрика | Экономико-математическое моделирование |
| Вид | контрольная работа |
| Язык | русский |
| Дата добавления | 24.06.2012 |
| Размер файла | 1,7 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Имитационное моделирование экономических процессов
Введение
Процессы функционирования различных систем и сетей связи могут быть представлены той или иной совокупностью систем массового обслуживания (СМО) - стохастических, динамических, дискретно-непрерывных математических моделей. Исследование характеристик таких моделей может проводиться либо аналитическими методами, либо путем имитационного моделирования.
Имитационная модель отображает стохастический процесс смены дискретных состояний СМО в непрерывном времени в форме моделирующего алгоритма. При его реализации на ЭВМ производится накопление статистических данных по тем атрибутам модели, характеристики которых являются предметом исследований. По окончании моделирования накопленная статистика обрабатывается, и результаты моделирования получаются в виде выборочных распределений исследуемых величин или их выборочных моментов. Таким образом, при имитационном моделировании систем массового обслуживания речь всегда идет о статистическом имитационном моделировании.
СМО описывают различные по своей физической природе процессы функционирования экономических, производственных, технических и других систем, например потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации в ЭВМ от удаленных терминалов и т.д.
Целью данной курсовой работы является изучение и освоение навыков создания имитационных моделей систем массового обслуживания с помощью специализированных программных средств, позволяющих проводить эксперименты, занимающие недели, месяцы и даже годы модельного времени, всего за несколько секунд реального времени.
1. Постановка задачи
Диспетчер управляет внутризаводским транспортом и имеет в своем распоряжении два грузовика. Заявки на перевозки поступают к диспетчеру каждые 5 ± 4 мин. С вероятностью 0,5 диспетчер запрашивает по радио один из грузовиков и передает ему заявку, если тот свободен. В противном случае он запрашивает другой грузовик и таким образом продолжает сеансы связи, пока один из грузовиков не освободится. Каждый сеанс связи длится ровно 1 мин. Диспетчер допускает накопление у себя до пяти заявок, после чего вновь прибывшие заявки получают отказ. Грузовики выполняют заявки на перевозку за 12 ±8 мин.
Смоделировать работу внутризаводского транспорта в течение 10 час. Подсчитать число обслуженных и отклоненных заявок. Определить коэффициенты загрузки грузовиков.
Необходимо исследовать работу внутризаводского транспорта. В качестве цели моделирования выберем изучение функционирования системы, а именно оценка ее характеристик с точки зрения эффективности работы системы, т.е. будет ли она простаивать, работать на износ или работать с запасом. В качестве цели эффективного функционирования системы целесообразно выбрать максимизацию загрузки грузовиков и одновременно минимизацию вероятности отказа в обслуживании вследствие переполнения очереди заявок к диспетчеру.
С учетом имеющихся ресурсов в качестве метода решения задачи выберем метод имитационного моделирования, позволяющий не только анализировать характеристики модели, но и проводить разнообразные оптимизационные эксперименты.
В задании к курсовому проектированию необходимо определить:
· число обслуженных заявок;
· число отклоненных заявок;
· коэффициенты загрузки грузовиков.
2. Анализ задачи моделирования системы
транспорт заявка загрузка вероятность
В качестве критерия оценки эффективности процесса функционирования системы целесообразно выбрать вероятность отказа в обслуживании, вследствие переполнения заявок к диспетчеру, которая должна быть минимальной, при этом загрузка грузовиков должна быть максимальной. Соотношение загрузки грузовиков должно быть в среднем одинаковым, чтобы каждое устройство было задействовано равноценно.
Экзогенные переменные модели:
· интервал времени (интенсивность) прихода заявок на перевозку к диспетчеру;
· допустимое число заявок к диспетчеру;
Эндогенные переменные модели:
· загрузка грузовиков;
· текущее число заявок в очереди;
· количество обслуженных заявок;
· количество отклоненных заявок;
Для более полного понимания проблематики задачи в процессе перехода от концептуальной модели к реализации имитационной модели будут построены структурная модель, математические модели в терминах N-схем и Q-схем, а также алгоритмическая модель в виде блок-схемы.
На втором этапе работы будет составлена имитационная модель системы с использованием одного или нескольких специализированных программных средств. Современные языки и пакеты имитационного моделирования позволяют не только задать и протестировать модель в терминах системы, но и провести ряд имитационных экспериментов, позволяющих быстро осуществить сбор данных необходимых для оценки эффективности и оптимизации построенной модели.
3. Концептуальная модель системы
3.1 Структурная схема
Концептуальная модель исследуемой системы представлена в виде структурной схемы (рис. 1), состоящей из одного входного потока - заявки на перевозку, приходящие к диспетчеру, трех выходных потоков - заявки, обслуженные соответствующим грузовиком и заявки, которым не хватило места в накопителе, а также двух устройств (грузовиков).
3.2 Q-схема
В качестве типовой математической схемы применяется Q-схема, состоящая из одного источника (И), накопителя (Н), двух каналов (К1, К2) и пяти клапанов (рис. 2). Заявки поступают в систему от источника И с интервалом 5 ? 4 мин. На клапан 1, где проверяется наличие свободных мест в накопителе Н (емкость L=5), если свободные места отсутствуют, заявка получает отказ, в противном случае заявки поступают в накопитель. От накопителя Н заявки поступают на клапан 2, где равновероятно выбирается один из каналов. Каналы 1 и 2 управляются клапанами 3 и 4 соответственно, на данных клапанах с задержкой 1 мин. осуществляется проверка занятости соответствующих каналов. Если канал свободен, заявка отправляется на обработку, в противном случае, заявка передается на клапан, управляющий другим каналом. Обработка (задержка) заявок на каналах К1 и К2 занимает 8 мин, после чего обработанные заявки поступают на клапан 5.
Q = {И, Н, К1, К2, NОБС, NОТК, кл1, кл2, кл3, кл4, кл5, L = 5}.
3.3 Анализ концептуальной модели
Используя общепринятый подход к типизации СМО, данную задачу можно описать как G/G/2/5.
Исходя их постановки задачи можно сделать следующие выводы о поведении системы:
· Учитывая, что вероятности выбора грузовиков равны и заявки передаются на параллельные каналы при занятости текущего можно сделать вывод о том, что загруженности грузовиков должны различаться незначительно или не различаться вовсе.
· Две заявки генерируются в среднем за 4*2=8 минут и обрабатываются в среднем 12 минут, т.е. период обработки больше интенсивности создания заявок, следовательно загруженность грузовиков будет возрастать до определенного момента.
· Среднее количество заявок в очереди также будет возрастать до определенного момента.
· Вместимость очереди - 5 человек, одновременно обрабатываться грузовиками могут не более 2 заявок, а также не более 1 заявки может одновременно обрабатываться диспетчером, следовательно максимальное число заявок одновременно находящихся в системе 5+2+1=8.
4. Алгоритмизация модели системы и ее реализация
4.1 Логическая схема модели
Логическая схема модели представлена на рис. 3 в виде блок-схемы.
После генерации заявок в источнике И осуществляется проверка на наличие мест в накопителе Н. При отсутствии мест заявке будет отказано в обслуживании, она будет удалена и покинет систему. Если место в накопителе Н есть, то заявка занимает место в накопителе.
В следующем блоке происходит выбор одного из каналов для обработки заявки, вероятность выбора каждого из них - 50%. После выбора канала, производится проверка его занятости, в случае если канал занят, то заявка передается на другой канал, где проходит аналогичная проверка. В случае же если выбранный канал свободен - заявка обрабатывается и удаляется из системы.
4.2 Выбор инструментальных средств моделирования
В задании к курсовому проекту требуется описать имитационную модель средствами языка GPSS или же используя пакет AnyLogic. На этапе постановки задачи было принято решение построить оба варианта модели, однако дальнейшие оптимизационные эксперименты целесообразно проводить на одной модели. В этой связи следует рассмотреть достоинства и недостатки обоих решений.
GPSS World Student
|
ь Высокая производительность ь Простота и функциональность языка GPSS ь Возможность построения сложных систем из элементарных GPSS-блоков |
Устаревший и мало функциональныйРазмещено на http://www.allbest.ru/
интерфейс
|
Отсутствие подсветки синтаксиса |
Размещено на http://www.allbest.ru/
Блочная система построения языка GPSS усложняет понимание кода при увеличении его объемаРазмещено на http://www.allbest.ru/
Средства визуализации (диаграммы, графики и т.п.Размещено на http://www.allbest.ru/
) выглядят устаревшими и не будут уместными в современных презентациях
Программа доступна только для Windows-Размещено на http://www.allbest.ru/
систем
Отсутствие обновленийРазмещено на http://www.allbest.ru/
AnyLogic
|
ь Возможность визуального редактирования ь Использование объектно-ориентированного JAVA открывает широчайшие возможности для построения систем любого уровня сложности ь Привычный интерфейс, подобный которому можно встретить во многих современных IDE ь Гибкие и современные средства визуализации ь Встроенные шаблоны для оптимизационных экспериментов ь Возможность запуска моделей без установки среды AnyLogic ь Подробная справка по работе с программой ь Регулярные обновления ь Кроссплатформенность |
Высокие системные требованияРазмещено на http://www.allbest.ru/
Представленная оценка сугубо субъективна и не раскрывает всех свойств указанных программных продуктов, поскольку основана в первую очередь на личных предпочтениях разработчика. Основной средой для анализа имитационной модели и проведения оптимизационных экспериментов выбрана AnyLogic. Построение модели в GPSS World ограничится комментариями по тексту программы.
4.3 Имитационная модель AnyLogic
Построение модели
Заявки генерируются на источнике source каждые 5 ± 4 мин, после чего переходят к накопителю queue, в случае если превышен максимальный размер очереди (L=5), заявка переходит к объекту sink_queue_overflow где она удаляется из системы. Если в накопителе есть свободные места, заявка встает в очередь. Объект hold предоставляет возможность осуществлять блокировку потока заявок, более подробно блокировка будет рассмотрена ниже после описания основных компонентов модели.
Поступившие на объект selectOutput заявки распределяются по двум каналам с равной вероятностью. На компонентах s1_acc_delay и s2_acc_delay осуществляется задержка на 1 мин, после чего осуществляется проверка занятости текущего service_truck и если он занят, заявка передается на acc_delay компонент параллельного канала. В случае, если канал свободен, заявка обрабатывается в течении 12 ± 8 мин и передается на элемент sink, где она удаляется из системы.
После выхода очередной заявки из накопителя queue осуществляется проверка каналов и в случае если оба service_truck заняты или хотя бы в одном из acc_delay обрабатывается заявка объект hold блокируется (листинг 1). Разблокировка hold происходит при уничтожении заявки на компоненте sink (листинг 2).
|
if((resource_truck_1.idle()==0 && resource_truck_2.idle()==0) || (s1_acc_delay.size()!=0 || s2_acc_delay.size()!=0)) { hold.setBlocked(true); } |
Листинг 1: Блокировка объекта hold
|
hold.setBlocked(false); |
Листинг 2: Разблокирование объекта hold
Оценка эффективности
В пункте 2 данной курсовой работы критерием оценки эффективности была выбрана минимизация числа отказов при максимальной загруженности грузовиков. Для исследования выбранных показателей в AnyLogic создадим эксперимент «сравнение прогонов» (рис. 5).
В объекты типа dataset будут записываться необходимые нам данные по каждому прогону, ниже приведен код отвечающий за обновление данных по каждому прогону.
|
served.add (numberOfRuns, root.sink.count()); rejected.add (numberOfRuns, root.sink_queue_overflow.count()); t1_util.add (numberOfRuns, root.resource_truck_1.statsUtilization.mean()); t2_util.add (numberOfRuns, root.resource_truck_2.statsUtilization.mean()); |
Листинг 3: Обновление данных в dataset
served хранит число обслуженных заявок, rejected - отклонённых, t1_ulil и t2_util - загруженность 1 и 2 грузовиков соответственно.
Проведем 50 прогонов и сведем в таблицу 1 минимальные, максимальные и средние значения интересующих нас параметров.
Таблица 1
|
Загрузка 1 грузовика |
Загрузка 2 грузовика |
Обслужено |
Отказано |
Доля отказов |
||
|
Макс |
0,93 |
0,94 |
99 |
30 |
33,71 |
|
|
Мин |
0,90 |
0,90 |
86 |
12 |
12,50 |
|
|
Сред |
0,92 |
0,92 |
91,04 |
20,50 |
22,60 |
Средняя загруженность обоих грузовиков - 92%, недостаточно высокое значение обусловлено в первую очередь тем, что проверка занятости каждого грузовика происходит с задержкой 1 мин. Доля необработанных заявок составляет 18,3%, из чего можно сделать вывод о возможной целесообразности введения третьего грузовика.
Планирование полного факторного эксперимента
Для получения максимального объема необходимой информации об объекте моделирования при минимальных затратах машинных ресурсов проведем полный факторный эксперимент с четырьмя существенными факторами (переменных и параметров).
Согласно выбранным критериям оценки эффективности системы выберем следующие существенные факторы:
х1 - допустимое число заявок на обслуживание, l = 5;
х2 - интервал времени прихода заявок к диспетчеру, tпр = 5 мин;
х3 - время выполнения заявки 1 грузовиком, tгр1 = 12 мин;
х4 - время выполнения заявки 2 грузовиком, tгр2 = 12 мин.
Зададим уровни вариации для каждого фактора:
Dх1= 1, Dх2= 2, Dх3= 4, Dх4= 4.
Таблица 2
|
Номер опыта |
Фактор х1 |
Фактор х2 |
Фактор х3 |
Фактор х4 |
|
|
0 |
5 |
5 |
12 |
12 |
|
|
1 |
4 |
3 |
8 |
8 |
|
|
2 |
4 |
3 |
8 |
16 |
|
|
3 |
4 |
3 |
16 |
8 |
|
|
4 |
4 |
3 |
16 |
16 |
|
|
5 |
4 |
7 |
8 |
8 |
|
|
6 |
4 |
7 |
8 |
16 |
|
|
7 |
4 |
7 |
16 |
8 |
|
|
8 |
4 |
7 |
16 |
16 |
|
|
9 |
6 |
3 |
8 |
8 |
|
|
10 |
6 |
3 |
8 |
16 |
|
|
11 |
6 |
3 |
16 |
8 |
|
|
12 |
6 |
3 |
16 |
16 |
|
|
13 |
6 |
7 |
8 |
8 |
|
|
14 |
6 |
7 |
8 |
16 |
|
|
15 |
6 |
7 |
16 |
8 |
Для создания факторного эксперимента используется шаблон «сравнение прогонов» среды AnyLogic. Вывод интересующих нас параметров модели осуществляется напрямую в файл Microsoft Excel. Код, отвечающий за работу с таблицей приведен в листинге 4.
|
// Запись в файл Excel // 1 грузовик eF.setCellValue (root.resource_truck_1.statsUtilization.mean(), 1, numberOfRuns+3,2); // 2 грузовик eF.setCellValue (root.resource_truck_2.statsUtilization.mean(), 1, numberOfRuns+3,3); // очередь макс eF.setCellValue (root.statistics.max(), 1, numberOfRuns+3,5); // очередь средн eF.setCellValue (root.statistics.mean(), 1, numberOfRuns+3,6); // заявок обслужено eF.setCellValue (root.sink.count(), 1, numberOfRuns+3,7); // заявок отклонено eF.setCellValue (root.sink_queue_overflow.count(), 1, numberOfRuns+3,8); // среднее время заявки в системе eF.setCellValue (root.stat_tis.mean(), 1, numberOfRuns+3,9); |
Листинг 4: Добавление данных в таблицу Excel
В таблице 3 представлены следующие параметры системы: коэффициент загрузки каждого грузовика и средняя загрузка; максимальное и среднее количество заявок в очереди; количество обслуженных и отклоненных заявок; среднее время, проводимое обслуженной заявкой в системе.
Таблица 3
|
№ |
Загрузка |
Размер очереди |
Заявки |
Среднее время в системе |
|||||
|
Грузовик 1 |
Грузовик 2 |
Средняя |
Макс |
Сред |
Обслужено |
Отклонено |
|||
|
0 |
0,89 |
0,90 |
0,90 |
5 |
3,96 |
89 |
23 |
42,88 |
|
|
1 |
0,85 |
0,86 |
0,86 |
4 |
3,31 |
128 |
66 |
27,23 |
|
|
2 |
0,93 |
0,86 |
0,89 |
4 |
3,47 |
98 |
95 |
36,81 |
|
|
3 |
0,86 |
0,91 |
0,89 |
4 |
3,46 |
98 |
95 |
36,37 |
|
|
4 |
0,92 |
0,92 |
0,92 |
4 |
3,59 |
68 |
125 |
51,51 |
|
|
5 |
0,56 |
0,56 |
0,56 |
0 |
0,00 |
84 |
0 |
9,18 |
|
|
6 |
0,78 |
0,73 |
0,76 |
0 |
0,00 |
84 |
0 |
13,46 |
|
|
7 |
0,72 |
0,80 |
0,76 |
0 |
0,00 |
84 |
0 |
13,69 |
|
|
8 |
0,90 |
0,91 |
0,91 |
4 |
2,84 |
67 |
11 |
46,20 |
|
|
9 |
0,86 |
0,86 |
0,86 |
6 |
5,24 |
128 |
63 |
36,13 |
|
|
10 |
0,92 |
0,86 |
0,89 |
6 |
5,35 |
98 |
93 |
47,57 |
|
|
11 |
0,85 |
0,93 |
0,89 |
6 |
5,36 |
98 |
94 |
47,45 |
|
|
12 |
0,92 |
0,92 |
0,92 |
6 |
5,54 |
68 |
123 |
66,83 |
|
|
13 |
0,56 |
0,56 |
0,56 |
0 |
0,00 |
84 |
0 |
9,14 |
|
|
14 |
0,75 |
0,75 |
0,75 |
0 |
0,00 |
84 |
0 |
13,78 |
|
|
15 |
0,74 |
0,76 |
0,75 |
0 |
0,00 |
83 |
0 |
13,46 |
Согласно выбранным критериям оценки эффективности оптимальными вариантами модели являются опыты №5, 6,7, 13, 14 т.к. количество отказов равно 0, а количество обслуженных заявок равно 84 и опыт №9, т.к. количество обслуженных заявок максимально и равно 128, но число отказов равно 63. Средняя загрузка грузовиков в опытах 6 и 7 составила 76%, в опытах 5 и 13 - 56% и 75% в опыте 14. Низкий показатель загруженности в опытах 5 и 13 объясняется уменьшенным временем работы грузовиков и увеличенным периодом генерации заявок, тогда как изменение размера очереди, в данном случае, не оказывает влияния на эти показатели. В опытах 6,7 и 14 время работы одного из грузовиков уменьшено, тогда как время работы другого увеличено, период генерации заявок увеличен, влияние размера накопителя также не прослеживается. Наименее привлекательными выглядят результаты опытов 4 и 12: получено соответственно 125 и 123 отказа при 68 обработанных заявках, доля отказов составляет 65% и 64% соответственно. Наиболее оптимальным по комплексному показателю является опыт 8, поскольку при том, что отказ получили только 14% заявок сохраняется высокая загруженность - 90% и 91% для первого и второго грузовиков соответственно.
Оценка адекватности
В процессе анализа концептуальной модели системы (пункт 3.4) были получены следующие данные о зависимых параметрах системы:
• Загруженность грузовиков возрастает
• Средний размер очереди возрастает
• Загруженность грузовиков приблизительно равна
• Максимальное число заявок, одновременно находящихся в системе не превышает 8
Подтверждение этих заключений по результатам экспериментов может служить достаточным доказательством адекватности имитационной модели.
Приведем графики изменения показателей загруженности и среднего размера очереди по результатам двух независимых прогонов.
На графиках прослеживается увеличение со временем загруженности и среднего размера очереди.
Для подтверждения выводов о других параметрах обратимся к сводным результатам по 50 прогонам модели (пункт 4.3.2, таблица 1). Средняя загруженность каждого из грузовиков по результатам 50 прогонов составила 92%. В таблице 4 представлена развернутая информация по проведенному эксперименту.
Таблица 4. Результаты эксперимента
|
Прогон |
Грузовик 1 |
Грузовик 2 |
Обслужено |
Отказано |
Nmax |
|
|
0 |
0,90 |
0,93 |
95 |
16 |
8 |
|
|
1 |
0,91 |
0,92 |
91 |
15 |
8 |
|
|
2 |
0,92 |
0,92 |
88 |
21 |
8 |
|
|
3 |
0,92 |
0,91 |
94 |
13 |
8 |
|
|
4 |
0,92 |
0,90 |
89 |
30 |
8 |
|
|
5 |
0,92 |
0,90 |
94 |
22 |
8 |
|
|
6 |
0,93 |
0,92 |
89 |
21 |
8 |
|
|
7 |
0,93 |
0,91 |
94 |
13 |
8 |
|
|
8 |
0,93 |
0,91 |
94 |
21 |
8 |
|
|
9 |
0,92 |
0,92 |
88 |
22 |
8 |
|
|
10 |
0,92 |
0,92 |
90 |
24 |
8 |
|
|
11 |
0,93 |
0,91 |
90 |
21 |
8 |
|
|
12 |
0,90 |
0,93 |
92 |
19 |
8 |
|
|
13 |
0,92 |
0,93 |
92 |
15 |
8 |
|
|
14 |
0,93 |
0,90 |
90 |
21 |
8 |
|
|
15 |
0,92 |
0,91 |
96 |
12 |
8 |
|
|
16 |
0,91 |
0,92 |
89 |
20 |
8 |
|
|
17 |
0,92 |
0,92 |
89 |
18 |
8 |
|
|
18 |
0,91 |
0,92 |
93 |
22 |
8 |
|
|
19 |
0,91 |
0,92 |
91 |
21 |
8 |
|
|
20 |
0,91 |
0,92 |
95 |
16 |
8 |
|
|
21 |
0,92 |
0,91 |
93 |
19 |
8 |
|
|
22 |
0,93 |
0,92 |
90 |
22 |
8 |
|
|
23 |
0,91 |
0,93 |
88 |
23 |
8 |
|
|
24 |
0,92 |
0,92 |
93 |
25 |
8 |
|
|
25 |
0,91 |
0,92 |
89 |
21 |
8 |
|
|
26 |
0,91 |
0,92 |
92 |
20 |
8 |
|
|
27 |
0,92 |
0,93 |
89 |
20 |
8 |
|
|
28 |
0,93 |
0,92 |
92 |
26 |
8 |
|
|
29 |
0,92 |
0,92 |
91 |
27 |
8 |
|
|
30 |
0,93 |
0,92 |
90 |
18 |
8 |
Как и предполагалось, показатели загруженности грузовиков приблизительно равны, а максимальное число заявок, одновременно находящихся в системе не превышает 8.
4.4 Имитационная модель GPSS World Student
|
Текст программы |
Комментарий |
|
|
ovrflw BVARIABLE (Q$servQ<5) |
Переменная для проверки переполнения очереди |
|
|
truck_availability_1 BVARIABLE (F$truck_1) |
Доступность 1 грузовика |
|
|
truck_availability_2 BVARIABLE (F$truck_2) |
Доступность 2 грузовика |
|
|
GENERATE 5,4 |
Создание заявок каждые 5+-4 мин |
|
|
TEST E BV$ovrflw, 1, queue_overflow |
Проверка переполнения очереди. Если мест нет переходим к queue_overflow |
|
|
QUEUE servQ |
Занимаем место в очереди |
|
|
TRANSFER.500, truck_2_block, truck_1_block |
Выбор одного из грузовиков |
|
|
truck_1_block ADVANCE 1 |
Задержка 1 мин. |
|
|
TEST E BV$truck_availability_1,0, truck_2_block |
Проверка доступности 1 грузовика. Если недоступен - переходим на 2 |
|
|
SEIZE truck_1 |
Занимаем грузовик 1 |
|
|
DEPART servQ |
Освобождаем очередь |
|
|
ADVANCE 12,8 |
Обработка заявки грузовиком 12+-8 мин |
|
|
RELEASE truck_1 |
Освобождаем грузовик 1 |
|
|
TERMINATE |
Уничтожаем заявку |
|
|
truck_2_block ADVANCE 1 |
Задержка 1 мин. |
|
|
TEST E BV$truck_availability_2,0, truck_1_block |
Проверка доступности 2 грузовика. Если недоступен - переходим на 1 |
|
|
SEIZE truck_2 |
Занимаем грузовик 2 |
|
|
DEPART servQ |
Освобождаем очередь |
|
|
ADVANCE 12,8 |
Обработка заявки грузовиком 12+-8 мин |
|
|
RELEASE truck_2 |
Освобождаем грузовик 2 |
|
|
TERMINATE |
Уничтожаем заявку |
|
|
queue_overflow TERMINATE |
Уничтожаем заявку |
|
|
GENERATE 600 |
Моделируем 10 часов работы |
|
|
TERMINATE 1 |
Удаляем 1 заявку созданную блоком START 1 |
|
|
START 1 |
Запуск эксперимента с созданием 1 заявки |
Пример отчета GPSS World
|
GPSS World Simulation Report - Model.2.1 Thursday, May 10, 2012 11:43:24 START TIME END TIME BLOCKS FACILITIES STORAGES 0.000 600.000 21 2 0 NAME VALUE OVRFLW 10000.000 QUEUE_OVERFLOW 19.000 SERVQ 10003.000 TRUCK_1 10004.000 TRUCK_1_BLOCK 5.000 TRUCK_2 10005.000 TRUCK_2_BLOCK 12.000 TRUCK_AVAILABILITY_1 10001.000 TRUCK_AVAILABILITY_2 10002.000 LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE 123 0 0 2 TEST 123 0 0 3 QUEUE 96 0 0 TRUCK_1_BLOCK 5 ADVANCE 1183 2 0 6 TEST 1181 0 0 7 SEIZE 48 0 0 8 DEPART 48 0 0 9 ADVANCE 48 1 0 10 RELEASE 47 0 0 11 TERMINATE 47 0 0 TRUCK_2_BLOCK 12 ADVANCE 1187 1 0 13 TEST 1186 0 0 14 SEIZE 45 0 0 15 DEPART 45 0 0 16 ADVANCE 45 1 0 17 RELEASE 44 0 0 18 TERMINATE 44 0 0 QUEUE_OVERFLOW 19 TERMINATE 27 0 0 20 GENERATE 1 0 0 21 TERMINATE 1 0 0 FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY TRUCK_1 48 0.957 11.965 1 124 0 0 0 0 TRUCK_2 45 0.939 12.515 1 113 0 0 0 0 QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE. (-0) RETRY SERVQ 5 3 96 0 3.948 24.676 24.676 0 FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE |
5. Исследование и модификации предложенной модели
Построение дополнительных моделей будет проведено в несколько этапов. На первом этапе будет исследована возможность изменения значений входных переменных системы, на втором этапе будут предприняты попытки оценить и провести возможные структурные изменения модели.
5.1 Поиск оптимальных значений входных переменных
Перечислим независимые переменные системы:
· интервал времени (интенсивность) прихода заявок на перевозку к диспетчеру;
· время обработки заявки грузовиками;
· размер накопителя;
· время, затрачиваемое на связь диспетчера с грузовиком;
Единственный параметр системы, на который можно воздействовать, не нарушая требований задачи - максимальный размер очереди у диспетчера. Интенсивность появления заявок не может быть отрегулирована системой, поскольку целиком зависит от внешних факторов, время обработки заявки грузовиком и задержка при связи зависят от технических параметров и также не могут быть изменены.
Таким образом, на этом этапе необходимо оценить влияние размера накопителя на эффективность модели и найти оптимальное значение данного параметра.
Проведем эксперимент «Анализ чувствительности» среды AnyLogic для оценки влияния размера накопителя на основные показатели эффективности. Размер накопителя варьируется от 4 до 6, для каждого значения параметра проводится 10 прогонов, результаты эксперимента сведены в таблицу 5.
Таблица 5. Результаты эксперимента
|
Размер накопителя |
Обработано |
Отказано |
Загрузка грузовика 1 |
Загрузка грузовика 2 |
|
|
4 |
92,5 |
20,2 |
0,92 |
0,92 |
|
|
5 |
91,3 |
19,5 |
0,92 |
0,92 |
|
|
6 |
90,7 |
22,4 |
0,91 |
0,92 |
Незначительные изменения показателей эффективности обусловлены случайными факторами, а не влиянием изменения параметра на состояние модели. Таким образом, будем считать исходный размер накопителя оптимальным.
Размещено на Allbest.ru
Подобные документы
Система автоматизации проектирования, состоящая из трех ЭВМ и терминалов. Моделирование работы системы в течение 6 часов. Определение вероятности простоя проектировщика из-за занятости ЭВМ. Функциональная и концептуальная схема моделирующего алгоритма.
курсовая работа [880,1 K], добавлен 09.05.2014Метод имитационного моделирования в разработке экономико-математических моделей для учета неопределенности статистики предприятий. Функционирование имитационной модели изготовления малогабаритного стула: время работы и коэффициенты загрузки оборудования.
курсовая работа [2,0 M], добавлен 16.11.2010Оптимизация производственной программы предприятия по деповскому ремонту грузовых вагонов. Оптимизация загрузки мощностей по производству запасных частей для предприятий железнодорожного транспорта. Экономико-математическая модель межотраслевого баланса.
методичка [657,0 K], добавлен 01.12.2010Понятие экономико-математического моделирования. Совершенствование и развитие экономических систем. Сущность, особенности и компоненты имитационной модели. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
курсовая работа [451,4 K], добавлен 23.04.2013Основные категории, используемые при статистическом анализе эффективности работы транспорта. Статистический анализ структуры и структурных сдвигов показателей работы транспорта. Многофакторное моделирование и прогнозирование работы транспорта в Оренбурге.
курсовая работа [153,8 K], добавлен 23.03.2014Имитационное моделирование как метод анализа экономических систем. Предпроектное обследование фирмы по оказанию полиграфических услуг. Исследование заданной системы с помощью модели типа "Марковский процесс". Расчет времени обслуживания одной заявки.
курсовая работа [42,0 K], добавлен 23.10.2010Изучение и отработка навыков математического моделирования стохастических процессов; исследование реальных моделей и систем с помощью двух типов моделей: аналитических и имитационных. Основные методы анализа: дисперсионный, корреляционный, регрессионный.
курсовая работа [701,2 K], добавлен 19.01.2016Расчет экономического эффекта работы банка. Имитационное моделирование на основании предварительно установленных зависимостей. Функция распределения экспоненциального закона. Корректировка времени обслуживания клиентов у касс и продвижения очереди.
контрольная работа [68,2 K], добавлен 03.10.2008Расчет экономического эффекта работы банка. Алгоритм имитационного моделирования работы кассового зала. Функция распределения экспоненциального закона. Корректировка времени обслуживания клиентов у касс и продвижения очереди. Листинг программы.
контрольная работа [57,5 K], добавлен 03.10.2008Понятие равномерно распределенной случайной величины. Мультипликативный конгруэнтный метод. Моделирование непрерывных случайных величин и дискретных распределений. Алгоритм имитационного моделирования экономических отношений между кредитором и заемщиком.
курсовая работа [164,7 K], добавлен 03.01.2011
