- •Компьютерное моделирование на языке gpss
- •Лабораторная работа № 1 моделирование случайных величин
- •1 Постановка задачи
- •2 Метод построения модели
- •3 Блок–схема модели
- •4.Особенности работы в среде gpss/pc
- •Лабораторная работа № 2 Исследование систем реального времени при бесприоритетных дисциплинах обслуживания заявок
- •1 Постановка задачи
- •2 Задание
- •3. Метод построения модели
- •Содержание отчета
- •Варианты заданий
- •Лабораторная работа № 3 Исследование систем реального времени при дисциплинах обслуживания заявок c приоритетами
- •1 Постановка задачи
- •2. Метод построения модели
- •Задание
- •Лабораторная работа № 4 Разработка имитационной модели специализированной вычислительной системы
- •1 Постановка задачи
- •Содержание отчета
- •Лабораторная работа № 5 Разработка имитационной модели системы телеобработки данных
- •1 Постановка задачи
- •Тестовая работа по выполнению курсовой работы
- •Постановка задачи
- •. Описание проблемной ситуации
- •Обсуждение исходной задачи
- •2. Практическая часть
- •2.1. Разработка и тестирование имитационной программы смо Эрланга
- •2.2. Машинный эксперимент
Тестовая работа по выполнению курсовой работы
«Исследование и оптимизация системы контроля»
Целью данной работы является развитие навыков составления программы имитации элементарной системы массового обслуживания (СМО), ее эксплуатации на примере некоторой системы контроля (СК).
Рекомендуемый порядок выполнения работы:
помощью имитационной модели найти характеристики одноканальной СК;
найти оптимальное число каналов СК, обеспечивающее требуемую вероятность обслуживания изделий;
найти операционные характеристики оптимальной многоканальной СК.
Постановка задачи
. Описание проблемной ситуации
Рассматривается следующий пример.
На выходе поточной линии готовые изделия проходят функциональный контроль на специальных однотипных стендах. Изделия сходят с конвейера в случайные интервалы времени, распределенные равномерно на интервале [a, b] мин.
Если все стенды к моменту поступления изделия на контроль оказываются занятыми, то изделие остается непроверенным и в таком виде может поступить потребителю. При наличии хотя бы одного свободного стенда изделие подвергается контролю. Каждый из стендов одновременно может контролировать только одно изделие. Время контроля на любом стенде случайное и распределено также равномерно на интервале [c, d] мин.
Требуется определить количество контрольных стендов, которые необходимо установить на выходе поточной линии, чтобы обеспечить контроль не менее Р % готовых изделий.
Обсуждение исходной задачи
Анализ любой задачи исследования технической системы целесообразно начинать с классификации данной системы и определения цели исследования.
Рассматриваемая система является дискретной, поскольку в ней события, происходят в некоторые случайные моменты времени. Действительно, изделия, поступающие с поточной линии на контроль, образуют случайный входной поток заявок, а контрольные стенды являются каналами обслуживания данных заявок. После обслуживания, изделия не поступают на какую-либо последующую обработку, а образуют случайный выходной поток проконтролированных (обслуженных) изделий. Это означает, что СК является разомкнутой и однофазной.
Тот факт, что в случае занятости всех каналов заявка получает отказ, позволяет говорить о СК как о системе обслуживания с отказами, т.е. без очереди (или без ожидания). Источник заявок (поточная линия) может считаться неограниченным.
Таким образом, мы классифицировали СК как однофазную, разомкнутую, N-канальную систему массового обслуживания (СМО) с отказами и дисциплиной обслуживания - FIFO.
Цель исследования в этой задаче указана явно: найти такое число каналов N*, ко-торое обеспечит контроль Р% всех изделий. Очевидно, что в терминах теории СМО это требование тождественно требованию обеспечения вероятности обслуживания заявок Робс=Р/100.
Метод решения задачи оптимизации
Рис. 1. Зависимость Робс (вероятность обслуживания)от числа каналов обслуживания N (число каналов)для разных значений коэффициента нагрузки
Такие зависимости называются нагрузочными кривыми. Ясно теперь, что, зная коэффициент загрузки pi и требуемую вероятность обслуживания Робс можно всегда определить искомое число каналов N*.
Очевидно, что вся проблема в задачах такого рода заключается в построении нагрузочных характеристик исследуемой СМО. Нагрузочные характеристики для различных СМО имеют разный характер. Они могут быть рассчитаны аналитически либо найдены с помощью имитационных моделей.
Поскольку входной поток рассматриваемой СК не экспоненциальный, то мы не можем использовать уравнения Эрланга, и поэтому единственным способом анализа системы является имитационное моделирование.
Вместо явного построения нагрузочных характеристик в данной работе предлагается программный метод оценки требуемого числа каналов N*.
Для нахождения требуемого числа каналов N* предлагается воспользоваться методом перебора. Это означает, что саму имитационную модель СК включают в опре-деленный внешний цикл программы. В этом цикле осуществляется моделирование и проверка условия обслуживания по вероятности Робс для последовательного чис-ла каналов N от 1,2, … до N*.
Блок – схема имитационной модели системы контроля
На первом этапе исследователю необходимо составить блок-схему имитационной модели.
Это сложный этап, от которого, как правило, зависит успех всего машинного эксперимента. Поэтому в учебных целях в этой работе представлена уже подробная готовая блок-схема алгоритма моделирования и оптимизации СК (рис.2).
Работа алгоритма не требует особых пояснений – она понятна из блок-схемы, а процесс поиска оптимального числа контрольных стендов, описанный выше, состоит в последовательном вычислении вероятности обслуживания для Nk=1, 2, 3, … и нахождении оптимального значения Nk*. Поэтому только перечислим используемые в алгоритме основные идентификаторы и их функциональное назначение:
Nko – начальное число контрольных стендов (обычно Nko=1);
Nk –текущее значение числа стендов;
Notk – число отказов в обслуживании вначале равно 0;
T(k), k=1, 2, …, Nk – время обслуживания на одном k-м стенде;
Time – текущее (модельное) время моделирования;
Nmod – объем источника контролируемых изделий (объем выборки);
i – счетчик требований;
Tau1=F1(Rnd) – случайный интервал времени между приходами изделий на контроль, генерируемый оператором F1 c помощью базовых случайных чисел Rnd;
Tau2=F2(Rnd) – случайное время контроля изделия стендом, генерируемый оператором F2 c помощью базовых случайных чисел Rnd;
Блок-схема представляет основную версию имитационной модели, и студент вправе не только вносить свои частные изменения, но и разработать собственный вариант блок-схемы.
Рис. 2. Блок-схема алгоритма имитационной модели системы контроля
Формализм имитационной модели системы контроля
Этот раздел поможет понять структуру имитационной модели, а также вспомнить теоретические аспекты машинного эксперимента, что необходимо при сдаче работы.
Данная имитационная модель СМО, по существу, заключается в моделировании случайных дискретных событий, которые последовательно возникают во время работы реально существующей поточной линии и контрольных стендов. Здесь случайное событие определяется как точка во времени, в которой происходят изменения состояния, а значит и характеристик системы. Обычно эти скачкообразные изменения имеют место в тех случаях, когда кончается один процесс (или несколько процессов) и начинаются другие.
Поэтому, мы используем принцип имитации дискретных событий, который заключается в том, что для получения требуемых результатов моделирования достаточно наблюдать систему в те моменты, когда в ней происходят случайные события.
Например, для СК такая операционная характеристика как вероятность отказа Pотк изменяет свое значение либо в момент поступления очередного требования, либо в момент окончания обслуживания. Действительно заявке может быть отказано в обслуживании, или она станет на обслуживание. Таким образом, модель функционирует как бы «прыгая» строго последовательно от одного события к другому. На рис. 3 показан типичный процесс работы дискретной имитационной модели. Каждое событие на шкале времени отмечено кружком.
Рис. 3. Процесс функционирования имитационной модели
В случае дискретного моделирования между реальным временем и временем работы модели нет ничего общего. Поскольку модель реализуется в виде переходов из одного состояния в другое, то промежутки между событиями фактически не моделируются, и поэтому работу системы, например, за целый месяц можно промоделировать за гораздо меньший промежуток времени.
При эксплуатации имитационной модели всегда нужно иметь ввиду, что, по существу, мы имеем дело с машинным экспериментом, результаты которого должны интерпретироваться на основе соответствующих статистических проверок.
Первая специфика таких экспериментов заключается в том, что результаты имитации достигают своих стационарных значений только после многократного (но неизвестного априори!) повторения эксперимента. Типичные статистические оценки имитационного моделирования одноканальной СМО Эрланга выглядят так, как на рис.4.
Обратите внимание, в частности, на то, что на рис. 4 мы оценивали вероятность отказа, что не принципиально для обсуждаемого вопроса, т.к. (1Робс) = Ротк.
Рис. 4. Разброс оценок вероятности отказа в обслуживании Ротк и их средние значения для 2-х прогонов модели Рассмотрим вначале какой-либо один из двух прогонов.
Мы видим, что в начале прогона (10-20 заявок) оценка Ротк колеблется весьма силь-но около точного значения (для СМО Эрланга существуют аналитические соотноше-ния). Затем, по мере увеличения длительности прогона оценка Ротк стабилизируется около точного значения. Это условие стабилизации оценки достигается обычно после повторения эксперимента достаточное количество раз. На такой характер изменения оценок нужно ориентироваться и в этой работе.
Таким образом, для качественного имитационного моделирования необходимо решать следующие вопросы:
какова должна быть продолжительность прогона для достижения стационарных условий?
каким образом получать статистически независимые наблюдения?
сколько наблюдений требуется для достижения необходимого значения доверительных интервалов?
Однако, главной проблемой для разработчика имитационной модели была и остается проблема тестирования модели. В связи с этим, студенту предлагается провести тестирование на основе разработки имитационной программы системы Эрланга, имеющей аналитическое описание.
Т.е. вначале нужно:
выбрать исходные данные в колонке «Тестовая СМО Эрланга»;
рассчитать характеристики СМО Эрланга по известным формулам;
разработать имитационную модель этой СМО и путем сравнения аналитических и имитационных характеристик протестировать и отладить модель.
в программу уже протестированной модели Эрланга внести необходимые изменения в части имитации равномерно распределенного входного потока и времени обслуживания, и тем самым реализовать нужный вариант системы контроля.
Теперь можно приступить к выполнению практической части работы.
Найдите свой вариант исходных данных системы контроля из таблицы и выполните все пункты нижеследующего раздела «2. Практическая часть».
Варианты исходных данных системы контроля
|
Тестовая СМО Эрланга |
Система контроля | ||
|
интенсивность вх потока λ (1/мин) |
Интенсивность обслуживания μ (1/мин) |
Параметры равномерного вх потока [a, b] (мин) |
Параметры равномерного времени обсл [c,d] (мин) |
Вариант | ||||
№ | ||||
1 |
0.95 |
1.0 |
[5, 15] |
[15, 25] |
2 |
0.05 |
0.06 |
[6, 16] |
[20, 30] |
3 |
0.025 |
0.025 |
[5, 15] |
[18, 34] |
4 |
0.025 |
0.02 |
[1, 19] |
[19, 35] |
5 |
2.0 |
1.0 |
[5, 15] |
[20, 30] |
6 |
0.2 |
0.1 |
[6, 20] |
[14, 34] |
7 |
3.0 |
2.0 |
[1, 19] |
[20, 30] |
8 |
4.0 |
3.0 |
[8, 18] |
[18, 28] |
9 |
1.0 |
0.1 |
[6, 20] |
[18, 28] |
10 |
1.5 |
0.25 |
[1, 19] |
[15, 25] |