Разработка имитационной модели грузоперевозок
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
START TIME (начальное время) 0,000
END TIME (время окончания) 720,000
BLOCKS (число блоков) 22
FACILITIES (число каналов обслуживания) 4
STORAGES (число накопителей) 0
Далее указываются результаты моделирования каналов обслуживания под определенным пользователем именами POST (1,2,3,4).
ENTRIES - число входов
UTIL. - коэффициент использования
AVE. TIME - среднее время обслуживания
AVAIL. - доступность (состояние готовности)
OWNER - возможное число входов (номер последнего транзакта занявшего устройство)
PEND - количество прерванных в устройстве транзактов
INTER - количество прерывающих устройство транзактов
Рис. 3.1 - Окно REPORT c результатами моделирования
RETRY - количество транзактов, ожидающих специальных условий (повтор)
DELAY - отказано
MAX - максимальная длина очереди
CONT. - текущая длина очереди
ENTRY - число входов
ENTRY (0) - число нулевых входов
AVE. CONT. - средняя длина очереди
AVE.TIME - среднее время пребывания транзактов в очереди
AVE. (-0) - среднее время пребывания транзактов в очереди без учета нулевых входов
RETRY - количество транзактов, ожидающих специальных условий (повтор)
Проанализируем статистику очереди POST(1,2,3,4): из общего числа входов транзактов в очередь, равного 22, количество нулевых входов равно 2. Максимальная длина очереди за все время моделирования не превосходила 2.
Перегрузка библиотекарей не наблюдается. В окне REPORT представленном на рисунке 3.1 видно, что в основном все водители загружены практически равномерно.
Промоделируем систему массового обслуживания при другом количестве заявок. Увеличим их время поступления от 10 до 20 минут.
GENERATE 15,5; поступление заявки диспетчеру
TRANSFER ALL,POST_1,POST_4,4_1 SEIZE POST1; диспетчер отправляет машину100,30; заявка обслуживается POST1; заявка считается выполненной
TERMINATE; заявка выходит из очереди
SEIZE POST2100,30POST2POST3100,30POST3
POST_4 QUEUE POST4POST4POST4
ADVANCE 100,30POST4720; время моделирования 12 часов 1; завершение моделирования
START 1
Рис. 3.2 - Окно REPORT
Чтобы проанализировать результаты моделирования построим график с помощью GPSS. Это позволит в наглядном виде более подробно изучить изменение числа заявок и отследить очередь (Рис 3.3).
Рис. 3.3
Проанализировав систему с двумя каналами POST (4) можно сказать следующее: Из общего числа входов транзактов в очередь, равного 31, количество нулевых входов равно 1, таким образом создаётся очередь. Следовательно, вероятность того, что клиенту придется дожидаться в очереди приблизительно равна = 0,967 Среднее время пребывания в очереди клиентов без учета нулевых входов равна 248, что является достаточно приемлемым с практической точки зрения.
В целом результаты моделирования показывают, что при заданных интенсивности потока и продолжительности обслуживания рассматриваемая система массового обслуживания работает стабильно, но требует корректировки в меньшей степени, чем в первом случае.
Заключение
В данной работе была исследована работы грузоперевозок, проведено моделирование входных данных, произведено моделирование системы. На основе анализа собранной информации можно сделать следующие выводы:
Имитационное моделирование является экспериментальной и прикладной методологией, которая позволяет описать поведение системы; построить гипотезы и теории, которые могут объяснить наблюдаемое поведение исследуемой системы; использовать эти теории для предсказания будущего поведения системы. Оно может быть применено в различных сферах деятельности, где исследуемый объект представляется в виде сложной системы.
Для прогнозирования объемов услуг была построена имитационная модель грузоперевозок, которая отражает возможный уровень повышения или необходимость снижения предоставления услуг. Предварительно проведено моделирование входных данных.
Поскольку при задании параметров систем проблем не возникает, то важнейшей задачей являлось моделирование входных данных для имитационных моделей. Формирование входных сигналов из внешней среды для данной имитационной модели среды можно осуществлять, если известны законы их формирования.
В общем случае входные сигналы из внешней среды представляются в виде динамических рядов, фиксирующих значение какого-то показателя в определенные моменты времени, или какого-либо потока событий, появляющихся в заранее неизвестные моменты времени.
Конечной целью этапа проведения исследования является получение достаточной статистической информации для принятия решений по результатам моделирования. На этом этапе требуется осуществлять многократные прогоны имитационной модели при различных комбинациях значений управляемых параметров модели в соответствии с планом эксперимента. При этом необходимо протоколировать результаты каждого прогона модели для их последующего анализа и выработки практических рекомендаций.
Теоретически для создания имитационных моделей можно использовать самые разнообразные программные средства от универсальных языков программирования и табличного процессора Excel до специализированных систем имитационного моделирования, таких как Arena и GPSS World. Мы использовали в процессе исследования системы программный продукт GPSS World.
Для имитационных моделей практически отсутствуют ограничения на область их применения по типу моделируемой системы, и речь может идти только о целесообразности использования имитационной модели в конкретной области и о