Основные этапы разработки имитационной модели (на примере модели банковского отделения)
Дипломная работа - Менеджмент
Другие дипломы по предмету Менеджмент
т Sink или Exit.
Задание параметров
ЭлементПараметрЗначениеОписаниеSource1interarrivalTimeexponential( 0.23 )Скорость генерации заявок (клиентов)Source2exponential( 0.35 )Source3exponential( 0.23 )Source4exponential( 0.35 )queue1,2capacity25Количество клиентов в очередиQueue350KAS1,2delayTimetriangular( 4, 6, 8 )Выражение, вычисляющее время задержки для текущей заявки. ATMtriangular( 1, 3, 5 )Все элементы с данным параметромStatsEnabletrueСбор статистики для анализа
Анимация
В анимации будут отображены очереди к обоим кассирам в первом случае и очередь к автомату во втором, а так же количество людей, прошедших через обе модели.
Далее мы можем проанализировать данные при различных параметрах интенсивности и задержки клиентов при обработке их заявок, количество прошедших заявок, и сделать вывод о том, стоит ли менять двух оператор на один автоматизированный аппарат и при каких параметрах это будет более выгодно.
.1 Результат исследования модели
В ходе данной курсовой работы были рассмотрены и сравнены две модели.
В первой клиентов обслуживали двое кассиров (объект Delay). Было введено время задержки в свойстве delay time: triangular(4, 6, 8). Обслуживание одного клиента занимает примерно 6 минут. Время обслуживания распределено по треугольному закону со средним значением, равным 6, минимальным - равным 4 и максимальным - 8 минутам.
Во второй модели для обслуживания клиентов двое кассиров были заменены одним автоматизированный аппаратом (ATM - объект Delay). Было введено время задержки в свойстве delay time: triangular(1, 3, 5). Обслуживание одного клиента занимает примерно 3 минут. Время обслуживания распределено по треугольному закону со средним значением, равным 3, минимальным - равным 1 и максимальным - 5 минутам.
Интенсивности входов для обеих моделей были одинаковы: exponential(0,35) для первого входа и exponential(0,23) для второго входа.
В ходе эксперимента было отмечено, что очередь к ATM сразу стала постепенно заполняться, в то время, как очереди к кассирам были пустыми. Первая очередь к кассиру1 начала заполняться только через 19 единиц модельного времени, а очередь к кассиру2 - через 29 единиц времени.
К этому же времени через ATM прошло 10 заявок, а через кассиров только 6. Через 150 единиц времени через ATM прошло 49 заявок, через кассиров - 47. Как видно эти значения стали почти равными. Но чрез 500 единиц времени через кассиров уже прошло больше заявок, чем через ATM: 165 и 163 соответственно. А через 100 единиц модельного времени через ATM прошло 33 заявки, а через кассиров 331 заявка. После проведения дальнейшего эксперимента было установлено небольшое колебание и незначительное опережение то одной модели, то другой. Это позволило сделать вывод, что при заданных задержках обработки заявки и интервалов поступления заявки два ATM выполняет такую же работу, что и два кассира, но средств на содержание его требуется меньше, что делает его использовании более предпочтительным.
Заключение
Основным недостатком аналитических моделей является то, что они неизбежно требуют каких-то допущений, в частности, о марковости процесса. Приемлемость этих допущений далеко не всегда может быть оценена без контрольных раiетов, а производятся они методом Монте-Карло. Образно говоря, метод Монте-Карло в задачах исследования операций играет роль своеобразного ОТК. Статистические модели не требуют серьезных допущений и упрощений. В принципе, в статистическую модель лезет что угодно - любые законы распределения, любая сложность системы, множественность ее состояний. Главный же недостаток статистических моделей - их громоздкость и трудоемкость. Огромное число реализации, необходимое для нахождения искомых параметров с приемлемой точностью, требует большого расхода машинного времени. Кроме того, результаты статистического моделирования гораздо труднее осмыслить, чем раiеты по аналитическим моделям, и соответственно труднее оптимизировать решение (его приходится нащупывать вслепую). Правильное сочетание аналитических и статистических методов в исследовании операций - дело искусства, чутья и опыта исследователя. Нередко аналитическими методами удается описать какие-то подсистемы, выделяемые в большой системе, а затем из таких моделей, как из кирпичиков, строить здание большой, сложной модели.
В ходе проделанного эксперимента мы выяснили, что при заданных изначально параметрах в первом случае с двумя операторами обе очереди заполнялись медленнее, чем очередь к автомату, а количество прошедших обработанных заявок за равный промежуток времени были приблизительно одинаковыми. Но так как затраты на автомат значительно ниже, чем предполагаемые выплаты операторам, то можно сделать вывод, что банку будет выгоднее заменить двух оператор одним автоматом.
Используемая литература
1.В.В. Емельянов, В.И. Майорова, Ю.В. Разумцова Принятие оптимальных решений в интеллектуальных имитационных системах: Учебное пособие по курсам . - М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.
2.Закгейм А.Ю. Введение в моделирование химико-технологических процессов. - М.: Химия, 1992. - 237 с.
.Дж. Мур, Л. Уздерфорд, Г. Эппен, Ф. Гулд, Ч. Шмидт Экономическое моделирование в Microsoft Excel шестое издание. - М., Спб., Киев.: Издательский дом Вильямс, 2004.
4.Вентцель Е.С. Исследование операций, Москва Советское радио 1972 г.
5.Соболь И.М. Метод Монте-Карло, Москва Наука,1985 г.
.Экономико-математич?/p>