Имитационное моделирование

Размещено на http://www.allbest.ru/

Оглавление

Введение

1. Имитационное моделирование

1.1 Понятие, цели и область применения имитационного моделирования

1.2 Виды имитационного моделирования

1.3 Основные преимущества и недостатки имитационного моделирования

2. Описание предметной области

3. Формулирование проблемы: описание исследуемой проблемы и описание целей исследования

4. Разработка концептуальной модели

5. Описание программного продукта

5.1 История

5.2 Три подхода имитационного моделирования

5.3 Методы имитационного моделирования

5.4 Библиотеки AnyLogic

6. Моделирование

6.1 Общие параметры модели

6.2 Пункт прибытия

6.3 Пункт оформления документов

6.4 Деление на разные пункты погрузки

6.5 Погрузка на трех пунктах

6.6 Разгрузка

6.7 Проверка документов

6.8 Выезд

6.9 Полученная модель

6.10 Статистика

Заключение

Список литературы

Введение

В исследовании операций широко применяются как аналитические, так и статистические модели. Каждый из этих типов имеет свои преимущества и недостатки. Аналитические модели более грубы, учитывают меньшее число факторов, всегда требуют каких-то допущений и упрощений. Зато результаты расчета по ним легче обозримы, отчетливее отражают присущие явлению основные закономерности. А, главное, аналитические модели больше приспособлены для поиска оптимальных решений. Статистические модели, по сравнению, с аналитическими, более точны и подробны, не требуют столь грубых допущений, позволяют учесть большое число факторов. Но и у них - свои недостатки: громоздкость, плохая обозримость, большой расход машинного времени, а главное, крайняя трудность поиска оптимальных решений, которые приходятся искать "на ощупь", путем догадок и проб.

Наилучшие работы в области исследования операций основаны на совместном применении аналитических и статистических моделей. Аналитическая модель дает возможность в общих чертах разобраться в явлении, наметить как бы контур основных закономерностей. Любые уточнения могут быть получены с помощью статистических моделей.

Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться человеческая воля. Человек, руководящий операцией, может в зависимости от сложившейся обстановки, принимать те или другие решения,. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки в ответ на это решение и к каким последствиям оно приведет спустя некоторое время. Следующее "текущее решение" принимается уже с учетом реальной новой обстановки и т.д. В результате многократного повторения такой процедуры руководитель как бы "набирает опыт", учится на своих и чужих ошибках и постепенно выучивается принимать правильные решения - если не оптимальные, то почти оптимальные.

Целью данного курсового проекта является закрепление теоретических знаний в области методологии системного моделирования и практическое освоение технологии имитационного моделирования.

Задачами курсового проектирования являются:

- системный анализ и структуризация конкретной проблемной области с позиций системного подхода;

- применение технологии компьютерного моделирования для решения конкретной задачи.

1. Имитационное моделирование

1.1 Понятие, цели и область применения имитационного моделирования

Имитационное моделирование -- это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно "проиграть" во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование -- это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование - это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.

Имитационная модель - логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

К имитационному моделированию прибегают в случаях, когда:

- дорого или невозможно экспериментировать на реальном объекте;

- невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

- необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами -- разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

Области применения имитационного моделирования:

- бизнес процессы;

- боевые действия;

- динамика населения;

- дорожное движение;

- ИТ-инфраструктура;

- математическое моделирование исторических процессов;

- логистика;

- пешеходная динамика;

- производство;

- рынок и конкуренция;

- сервисные центры;

- цепочки поставок;

- уличное движение;

- управление проектами;

- экономика здравоохранения;

- экосистемы

1.2 Виды имитационного моделирования

Агентное моделирование - относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы.

Цель агентных моделей - получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент -- некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Дискретно-событийное моделирование - подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: "ожидание", "обработка заказа", "движение с грузом", "разгрузка" и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений - от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах.

Системная динамика - парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Форрестером в 1950 годах.

Популярные системы имитационного моделирования:

- AnyLogic;

- Arena;

- GPSS;

1.3 Основные преимущества и недостатки имитационного моделирования

Применение имитационных моделей дает множество преимуществ по сравнению с выполнением экспериментов над реальной системой и использованием других методов.

Стоимость. Допустим, компания уволила часть сотрудников, что в дальнейшем привело к снижению качества обслуживания и потери части клиентов. Принять обоснованное решение помогла бы имитационная модель, затраты на применение которой состоят лишь из цены программного обеспечения и стоимости консалтинговых услуг.

Время. В реальности оценить эффективность, например, новой сети распространения продукции или измененной структуры склада можно лишь через месяцы или даже годы. Имитационная модель позволяет определить оптимальность таких изменений за считанные минуты, необходимые для проведения эксперимента.

Повторяемость. Современная жизнь требует от организаций быстрой реакции на изменение ситуации на рынке. Например, прогноз объемов спроса продукции должен быть составлен в срок, и его изменения критичны. С помощью имитационной модели можно провести неограниченное количество экспериментов с разными параметрами, чтобы определить наилучший вариант.

Точность. Традиционные расчетные математические методы требуют применения высокой степени абстракции и не учитывают важные детали. Имитационное моделирование позволяет описать структуру системы и её процессы в естественном виде, не прибегая к использованию формул и строгих математических зависимостей.

Наглядность. Имитационная модель обладает возможностями визуализации процесса работы системы во времени, схематичного задания её структуры и выдачи результатов в графическом виде. Это позволяет наглядно представить полученное решение и донести заложенные в него идеи до клиента и коллег.

Универсальность. Имитационное моделирование позволяет решать задачи из любых областей: производства, логистики, финансов, здравоохранения и многих других. В каждом случае модель имитирует, воспроизводит, реальную жизнь и позволяет проводить широкий набор экспериментов без влияния на реальные объекты.

Однако имитационное моделирование наряду с достоинствами имеет и недостатки:

- разработка хорошей имитационной модели часто обходится дороже создания аналитической модели и требует больших временных затрат;

- может оказаться, что имитационная модель неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности;

- зачастую исследователи обращаются к имитационному моделированию, не представляя тех трудностей, с которыми они встретятся и совершают при этом ряд ошибок методологического характера.

И, тем не менее, имитационное моделирование является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных процессов и систем.

2. Описание предметной области

Компания "Деловые Линии" осуществляет автомобильные перевозки сборного груза (посылок) в любом направлении по территории России, а также выполняет погрузочно-разгрузочные работы.

Осуществляя внутрироссийские перевозки с 2001 года, компания "Деловые Линии" зарекомендовала себя в качестве надежного партнера для десятков тысяч заказчиков, что позволило ей стать одним из лидеров в сфере оказания транспортно-экспедиторских услуг.

Компания регулярно открывает новые отделения и расширяет зону охвата. Каждое подразделение компании "Деловые Линии" располагает логистическим терминалом с развитой инфраструктурой и всем необходимым техническим обеспечением. Грузовые терминалы, осуществляя круглосуточную охрану, предоставляют клиентам полный комплекс услуг по отправке грузов (посылок), а также по экспедированию и страхованию.

В работе с клиентами компанию отличает высокий профессионализм, быстрота выполнения заказов, предоставление исчерпывающей информации на любые запросы, поступающие по телефону или электронной почте, тщательная разработка, с учётом пожеланий клиента, логистической схемы перевозки, гибкая система ценообразования, конкурентоспособные цены.

Накопленный опыт работы на рынке грузоперевозок позволяет эффективно использовать отработанные технологии транспортировки различных грузов (посылок) и предоставлять клиентам услуги в соответствии с оптимальным соотношением цены и качества. Работая с более чем 1000 населенными пунктами России, компания обеспечивает бесперебойную доставку грузов как на собственные склады, так и на склады своих клиентов, что позволяет заказчику наиболее точно рассчитать свои финансово - временные затраты.

Всех этих результатов компания добиваемся, благодаря отлаженной системе обработки поступающей информации, четкой организации последующих работ, а также совершенствованию технологий в сфере транспортно-экспедиторских услуг. Одинаково высокие стандарты оказываемых услуг во всех подразделениях, быстрота обслуживания и предоставления информации - это то, что отличает "Деловые Линии" от других компаний. Приоритетом компании является постоянная забота об улучшении качества обслуживания при существенном снижении затрат клиентов. Такая политика привлекательна для клиента и побуждает его выбирать среди других - именно компанию "Деловые Линии", что позволяет руководителям компании быть уверенными в стабильном развитии компании не только в настоящее время, но и в будущем.

3. Формулирование проблемы: описание исследуемой проблемы и описание целей исследования

У компании Деловые линии отгрузка сборных грузов организована следующим способом. Грузовые автомобили начинают прибывать на терминал на погрузку в 7 утра 00 минут со средним интервалом времени, в среднем, 5 минут. Параллельно на терминал прибывают автомобили для рагрузки со средним интервалом времени, в среднем, 3 минуты.

Причем под погрузку прибывают автомобили различной грузоподъемности:

· 10% из них - крупнотоннажные автомобили (свыше 6.0 т);

время погрузки от 40 до 60 минут. Имеется 1 пункт погрузки с 2 грузчиками.

· 50%-- среднетоннажные автомобили (свыше 1,5 до 6,0 т):

время погрузки от 25 до 40 минут. Имеется 3 пункта погрузки с 6 грузчиками.

· 40% - малотоннажные автомобили (до 1,5 т);

время погрузки от 15 до 30 минут. Имеется 2 пункта погрузки с 4 грузчиками.

Каждый грузовой автомобиль проходит диспетчера (оформление документов), пост погрузки и при выезде проходит проверку документов на КПП.

Каждый автомобиль, прибывающий на погрузку, направляется диспетчером на участок погрузки, где он либо занимает свободный пункт и начинается погрузка, либо встает в очередь.

Требуется разработать имитационную модель грузового терминала. Планируемое время погрузки автомобилей с 7 часов 00 минут до 18 часов 00 минут.

Достаточно ли для эффективной работ терминала выделение под погрузку крупнотоннажных, среднетоннажных и малотоннажных грузовиков двух, шести и четырех грузчиков соответственно? Определить простой или перезагрузку грузчиков, если такие имеют место быть.

4. Разработка концептуальной модели

На рисунке 4.1 представлена схема процессов, происходящих на складе ООО "Деловые линии".

Рис. 1.4 - Схема процессов

5. Описание программного продукта

AnyLogic - программное обеспечение для имитационного моделирования бизнес-процессов, разработанное российской компанией "Экс Джей Текнолоджис" (англ. XJ Technologies). Инструмент обладает современным графическим интерфейсом и позволяет использовать язык Java для разработки моделей.

5.1 История

В начале 1990-х в компьютерной науке наблюдался большой интерес к построению математически трактуемого описания взаимодействия параллельных процессов. Что сказалось на подходах к анализу корректности параллельных и распределённых программ. Группа учёных из Санкт-Петербургского Политехнического университета разработала программное обеспечение для анализа корректности системы; новый инструмент назвали COVERS (Параллельная Верификация и Моделирование)[2]. Анализируемая система процессов задавалась графически, с помощью описания её структуры и поведения отдельных параллельных компонентов, которые могли взаимодействовать с окружением - с другими процессами и средой. Инструмент использовался в исследовательских проектах компании Хьюлетт-Паккард (англ. Hewlett-Packard).

В 1998 г. успех этого исследования вдохновил лабораторию организовать коммерческую компанию с миссией создания нового программного обеспечения для имитационного моделирования. Акцент при разработке ставился на прикладные методы: моделирование стохастических систем, оптимизацию и визуализацию модели. Новое программное обеспечение, выпущенное в 2000 г., было основано на последних преимуществах информационных технологий: объектно-ориентированный подход, элементы стандарта UML, языка программирования Java, современного GUI, и т. д.[3]

Рис. 5.1. Методы моделирования

5.2 Три подхода имитационного моделирования

Продукт получил название AnyLogic, потому что он поддерживал все три известных метода моделирования[4]:

· системная динамика;

· дискретно-событийное (процессное) моделирование;

· агентное моделирование.

А также любую комбинацию этих подходов в пределах одной модели. Первой версии был присвоен индекс 4 - Anylogic 4.0, так как нумерация продолжила историю версий предыдущей разработки - COVERS 3.0.

Огромный шаг вперёд был сделан в 2003 году, когда был выпущен AnyLogic 5, ориентированный на бизнес-моделирование. С помощью AnyLogic стало возможным разрабатывать модели в следующих областях[5]:

· производство;

· логистика[6] и цепочки поставок[7];

· рынок и конкуренция;

· бизнес-процессы и сфера обслуживания;

· здравоохранение и фармацевтика;

· управление активами и проектами;

· телекоммуникации и информационные системы;

· социальные и экологические системы;

· пешеходная динамика;

· оборона.

Последней версией программы является AnyLogic 6.7.0. AnyLogic 6 написан на языке программирования Java в популярной среде разработки Eclipse. Anylogic 6 является кросс-платформенным программным обеспечением, работает как под управлением операционной системы Windows, так и под Mac OS и Linux.

AnyLogic и Java

AnyLogic включает в себя графический язык моделирования, а также позволяет пользователю расширять созданные модели с помощью языка Java. Интеграция компилятора Java в AnyLogic предоставляет более широкие возможности при создании моделей, а также создание Java апплетов, которые могут быть открыты любым браузером. Эти апплеты позволяют легко размещать модели AnyLogic на веб-сайтах. В дополнение к Java-апплетам, AnyLogic Professional поддерживает создание Java-приложений, в этом случае пользователь может запустить модель без инсталляции AnyLogic[8].

5.3 Методы имитационного моделирования

Системная динамика и дискретно-событийное (процессное) моделирование, под которым мы понимаем любое развитие идей GPSS - это традиционные устоявшиеся подходы, агентное моделирование - относительно новый. Системная динамика оперирует в основном с непрерывными во времени процессами, тогда как дискретно-событийное и агентное моделирование - с дискретными.

Системная динамика и дискретно-событийное моделирование исторически преподаются совершенно разным группам студентов: менеджмент, инженеры по организации производства и инженеры-разработчики систем управления. В результате возникли три различных практически не пересекающихся сообщества, которые почти никак не общаются друг с другом.

Агентное моделирование до недавнего времени было строго академическим направлением. Однако, растущий спрос на глобальную оптимизацию со стороны бизнеса, заставил ведущих аналитиков обратить внимание именно на агентное моделирование и его объединение с традиционными подходами с целью получения более полной картины взаимодействия сложных процессов различной природы. Так родился спрос на программные платформы, позволяющие интегрировать различные подходы.

Системная динамика, заменяя индивидуальные объекты их агрегатами, предполагает наивысший уровень абстракции. Дискретно-событийное моделирование работает в низком и среднем диапазоне. Что же касается агентного моделирования, то оно может применяться практически на любом уровне и в любых масштабах. Агенты могут представлять пешеходов, автомобили или роботов в физическом пространстве, клиента или продавца на среднем уровне, или же конкурирующие компании на высоком.

При разработке моделей в AnyLogic можно использовать концепции и средства из нескольких методов моделирования, например, в агентной модели использовать методы системной динамики для представления изменений состояния среды или в непрерывной модели динамической системы учесть дискретные события. Например, управление цепочками поставок требует описания участников цепи поставок агентами: производители, продавцы, потребители, сеть складов. При этом производство описывается в рамках дискретно-событийного моделирования, где продукт или его части - это заявки, а автомобили, поезда, штабелёры - ресурсы. Сами поставки представляются дискретными событиями, но при этом спрос на товары может описываться непрерывной системно-динамической диаграммой. Возможность смешивать подходы позволяет описывать процессы реальной жизни, а не подгонять процесс под доступный математический аппарат.

5.4 Библиотеки AnyLogic

AnyLogic включает в себя набор следующих стандартных библиотек:

Enterprise Library разработана для поддержки дискретно-событийного моделирования в таких областях как Производство, Цепи поставок, Логистика и Здравоохранение. Используя Enterprise Library, Вы можете смоделировать системы реального мира с точки зрения заявок (англ. entity) (сделок, клиентов, продуктов, транспортных средств, и т. д.), процессов (последовательности операций, очередей, задержек), и ресурсов. Процессы определены в форме блочной диаграммы.

Pedestrian Library создана для моделирования пешеходных потоков в "физической" окружающей среде. Это позволяет Вам создавать модели с большим количеством пешеходного трафика (как станции метро, проверки безопасности, улицы и т. д.). Модели поддерживают учёт статистики плотности движения в различных областях. Это гарантирует приемлемую работу пунктов обслуживания с ограничениями по загруженности, оценивает длину простаивания в определённых областях, и обнаруживает потенциальные проблемы с внутренней геометрией - такие как эффект добавления слишком большого числа препятствий - и другими явлениями. В моделях, созданных с помощью Pedestrian Library, пешеходы двигаются непрерывно, реагируя на различные виды препятствий (стены, различные виды областей) так же как и обычные пешеходы. Пешеходы моделируются как взаимодействующие агенты со сложным поведением. Для быстрого описания потоков пешеходов Pedestrian Library обеспечивает высокоуровневый интерфейс в виде блочной диаграммы.

Rail Yard Library поддерживает моделирование, имитацию и визуализацию операций сортировочной станции любой сложности и масштаба. Модели сортировочной станции могут использовать комбинированные методы моделирования (дискретно-событийное и агентное моделирование), связанные с действиями при транспортировке: погрузками и разгрузками, распределением ресурсов, обслуживанием, различными бизнес-процессами.

6. Моделирование

6.1 Общие параметры модели

а) Зададим модельное время. Это необходимо, чтобы прогон остановился в конце рабочей смены.

Рис. 6.1.1 - Установка модельного времени

б) Зададим параметры презентации.

Рис. 6.1.2 - Установка параметров презентации

в) Зададим параметры строки состояния

Рис. 6.1.3 - Установка параметров строки состояния

6.2 Пункт прибытия

а) Погрузка

Время между прибытиями - exponental (5), кол-во заявок за 1 раз - 1 штука.

Рис. 6.2.1 - Установка времени между прибытиями заявок

б) Разгрузка

Время между прибытиями - exponental (3), кол-во заявок за 1 раз - 1 штука.

Рис. 6.2.2 - Установка времени между прибытиями заявок

6.3 Пункт оформления документов

а) В том случае, если до прихода следующей заявки предыдущая не покинет пост оформления документов, то потребуется очередь, в которой машина сможем подождать.

Задаем вместимость объекта - максимальную.

Рис.6.3.1 - Установка вместимости объекта

б) Время оформления документов

Задаем время задержки при оформлении документов - 5,6 или 7 минут.

Рис. 6.3.2 - Установка времени оформления документов

в) Ресурсы бухгалтера

На пункте оформления документов работают 2 бухгалтера.

Рис. 6.3.3 - Установка количества ресурсов

6.4 Деление на разные пункты погрузки

а) Крупнотоннажные машины прибывают на склад с вероятностью - 10%. Поэтому задаем вероятность отправки автомобиля на пункт погрузки крупнотоннажных машин 0,1. Средне- и малотоннажные машины отправятся по другому пути.

Рис. 6.4.1 - Установка вероятности прибытия.

б) следующий объект делит оставшиеся машины на средне-(55%) и малотоннажные (45%)



Рис. 6.4.1 - Установка вероятности прибытия

6.5 Погрузка на трех пунктах

а) Для крупнотоннажных задаем пункт погрузки

Рис. 6.5.1 - Установка вместимости объекта

Время обслуживания 40, 50 или 60 минут.



Рис. 6.5.2 - Установка времени погрузки 1.

Ресурсы - 2 человека.

Рис.6.5.3 - Установка количества ресурсов 1

б) Для среднетоннажных задаем пункт погрузки



Рис. 6.5.4 - Установка вместимости объекта 2

Время обслуживания 25, 30 или 40 минут

Рис. 6.5.5 - Установка времени погрузки 2

Ресурсы -- 6 человек



Рис.6.5.6 - Установка количества ресурсов 2

в) Для малотоннажных пункт погрузки

Рис. 6.5.7 - Установка вместимости объекта 3

Время обслуживания 15, 20 или 30 минут



Рис. 6.5.8 - Установка времени погрузки 3

Ресурсы -- 4 человека

Рис.6.5.9 - Установка количества ресурсов 3

6.6 Разгрузка



Рис. 6.6.1 - Установка вместимости объекта

б) Задаем время разгрузки

Рис. 6.6.2 - Установка времени разгрузки

в) Ресурсы -- 4 человека



Рис.6.6.3 - Установка количества ресурсов

6.7 Проверка документов

Рис. 6.7.1 - Установка вместимости объекта

б) Задаем время проверки



Рис. 6.7.2 - Установка времени разгрузки

в) Ресурсы -- 2 человека

Рис.6.7.3 - Установка количества ресурсов

6.8 Выезд

Данный элемент завершает процесс.

6.9 Полученная модель

Рис. 6.9.1 - Модель работы склада ООО "Деловые линии"

6.10 Статистика

Для того, чтобы решить поставленную задачу - "Достаточно ли для эффективной работ терминала выделение под погрузку крупнотоннажных, среднетоннажных и малотоннажных грузовиков двух, шести и четырех грузчиков соответственно? Определить простой или перезагрузку грузчиков, если такие имеют место быть", необходимо собрать статистику загруженности ресурсов.

Для этого в панели инструментов "статистика" выбираем столбиковую диаграмму.

После ее размещения, заполняем ее основные параметры:



Рис.6.10.1 - Установка основных параметров статистики

Во вкладке "Внешний вид" можно выбрать расположение легенды и многое другое:

Рис.6.10.2 - Настройка внешнего вида статистики

После всех настроек получаем диаграмму, которая наглядно покажет реальную загрузку ресурсов:

Рис. 6.10.3 - Диаграмма загрузки ресурсов до запуска модели

После прогона модели мы получили следующую статистику:

Рис. 6.10.4 - Диаграмма загрузки ресурсов после запуска модели

Выводы: Исходя из результатов, мы видим, что такие ресурсы, как:

Бухгалтера (2 чел),

Грузчики 1 - погрузка крупнотоннажных автомобилей (2 чел),

Грузчики 3 (4 чел) - погрузка малотоннажных автомобилей,

Грузчики 4 (4 чел) - разгрузка

Охранники (2 чел) - проверка документов

используются с полной загруженностью.

А вот Грузчики 3 (6 чел) - загружены лишь наполовину, что является неэффективным использованием.

Таким образом, проведенный эксперимент показывает, что нынешнее количество ресурсов является достаточным для эффективной работы грузового терминала при условии, что интенсивность прибытия автомобилей не увеличится. Но значения коэффициентов использования ресурсов достаточно велики. Поэтому при увеличении интенсивности поступления автомобилей велика вероятность снижения пропускной способности грузового терминала. имитационный модель разработка

Заключение

В ходе курсового проекта были закреплены основные теоретические знания в области методологии системного моделирования, а также освоены технологии имитационного моделирования.

В курсовом проекте детально описана проблемная область с позиций системного подхода, а затем была разработана имитационная модель в имитационной среде AnyLogic University. Все процессы модели очень наглядны и отражают реальные процессы организации.

В ходе эксперимента с моделью были определены недостатки и избытки ресурсов организации, что несомненно поможет сделать работу организации более эффективной и менее затратной.

Список литературы

1. Лычкина Н.Н. Методические указания к курсовому проектированию по дисциплине "Имитационные системы принятия экономических решений"

2. Шеннон Р. Имитационное моделирование систем - искусства и наука - М.: Мир, 1978;

3. Адлер Ю.П. и др. Планирование экспериментов при поиске оптимальных условий. - м.: Наука, 1971;

4. Клейнен Дж. Статистические методы в имитационном моделировании. т.1,2 - м.: Статистика, 1978;

5. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебное пособие. - М.: Финансы и статистика, 2005. -426 с.

6. Гинзбург А.И. Экономический анализ: Предмет и методы. Моделирование ситуаций. Оценка управленческих решений: учебное пособие. - СПб.: Питер, 2003. -622 с.

7. Синюк В.Г. Использование информационно-аналитических технологий при принятии управленческих решений: Учебное пособие. - М.: Экзамен, 2003. -237 с.

8. Холод Н.И. Экономико-математические методы и модели. - Мн.: БГЭУ, 2000. -318 с.

9. Шикин Е.В. Математические методы и модели в управлении. - М.: Финансы и статистика, 2002. -430 с.

Размещено на Allbest.ru