К. И. Сатпаева Кафедра «Логистика и оценка» Н. М. Кулжабай, Р. Т. Исмаилова, А. Ш. Оразымбетова Игровое имитационное моделирование логистических систем Методические указания
жүктеу/скачать 0.75 Mb.
|
- Бұл бет үшін навигация:
- Рисунок 5.5 – Результаты моделирования СМО с модифицированными неравномерными потоками
| Пример 5.2. Допустим, что необходимо использовать не базовые закономерности, а измененные. Например, для времени прихода клиентов среднее значение увеличится на 5, а среднеквадратическое отклонение вдвое. В свою очередь, среднее значение времени обслуживания увеличится на 10 мин., а среднеквадратическое отклонение – втрое. Записать это можно с использованием переменных. В модели будем использовать переменные целого типа (PKLIE и POBSL). Результаты моделирования за период 8 часов представлены на рисунке 5.5.
21 PKLIE VARIABLE 2#FN$KLIENT+5 22 POBSL VARIABLE 3#FN$OBSL+10 30 KASY STORAGE 2 100 GENERATE V$PKLIE 102 QUEUE QKASY 105 ENTER KASY 110 DEPART QKASY 120 ADVANCE V$POBSL 125 LEAVE KASY 141 TERMINATE Рисунок 5.5 – Результаты моделирования СМО с модифицированными неравномерными потокамиДостаточно часто потоки поступающих заявок и потоки обслуживания являются пуассоновскими. При этом выдерживаются условия стационарности (параметры потока не зависят от расположения рассматриваемого интервала на оси времени, а лишь от его величины), ординарности (вероятность поступления двух или более заявок в течение малого промежутка времени пренебрежимо мала) и отсутствия последствий (вероятность поступления требований в систему в любой момент времени не зависит от числа уже поступивших). Такие потоки называют простейшими. Интервалы времени между событиями в них имеют показательное (экспоненциальное) распределение с параметром, равным интенсивности соответствующего потока. Количественно они характеризуются интенсивностью потока заявок и интенсивностью потока обслуживания : , где и – средний интервал времени появления заявок и среднее время обслуживания соответственно. Иногда потоки могут описываться и другими закономерностями, например распределением Гаусса (нормальным). Для последнего, если он используется при моделировании задержки транзактов, необходимо обеспечить неотрицательность значений интервала времени, т.е. m ≥ 5 σ. Пример 5.3. Имеются 4 входящих потока заявок. Распределение времени для 1-го потока равномерное: 50±3 мин. Распределение для второго потока нормальное со средним значением m=25 мин. и среднеквадратичным отклонением σ=5. Третий поток является простейшим (экспоненциальное распределение) со средним временем появления 15 мин. Четвертый поток также простейший со средним временем появления 10 мин. Простейшим будем считать и поток обслуживания со средним временем 5 мин. Для экспоненциального распределения среднее значение равно среднеквадратичному отклонению 1/λ. В приведенной ниже модели даны примеры описания характеристик потоков через переменные и посредством указания в параметре B блоков GENERATE и ADVANCE (использовано для экспоненциального распределения). Результаты моделирования приведены на рисунке 5.6. 101 SNORM FUNCTION RN2,C25 0,-5/.00003,-4/.00135,-3/.00621,-2.5/.02275,-2/.0681,-1.5 .11507,-1.2/.15866,-1/.21186,-.8/.27425,-.6/.34458,-.4 .42074,-.2/.5,0/.57926,.2/.65542,.4/.72575,.6/.78814,.8 .84134,1/.88493,1.2/.93319,1.5/.97725,2/.99379,2.5/.99865,3 .99997,4/1,5 102 EXPS FUNCTION RN1,C24 0,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915 .7,1.2/.75,1.38/.8,1.6/.84,1.83/.88,2.12/.9,2.3 .922,2.52/.94,2.81/.95,2.99/.96,3.2/.97,3.5 .98,3.9/.99,4.6/.995,5.3/.998,6.2/.999,7/.9998,8 103 POTOK2 FVARIABLE 5#FN$SNORM+25 104 POTOK4 FVARIABLE 10#FN$EXPS 110 GENERATE 50,3 112 TRANSFER ,VXOD 114 GENERATE V$POTOK2 115 TRANSFER ,VXOD 116 GENERATE 15,FN$EXPS 117 TRANSFER ,VXOD 118 GENERATE V$POTOK4 120 VXOD QUEUE CHERGA 122 OBSL SEIZE PRIBOR 130 DEPART CHERGA 140 ADVANCE 5,FN$EXPS 150 RELEASE PRIBOR 160 TERMINATE жүктеу/скачать 0.75 Mb. Достарыңызбен бөлісу:
|