
- •Содержание
- •1 Разработка концептуальной модели системы
- •1.4 Определение параметров и переменных модели системы.
- •2 Алгоритмизация модели системы
- •2.1 Построение логической схемы работы производственного подразделения.
- •3 Регрессионный анализ работы системы
- •4. Оптимизация производственного процесса зоны то-1
- •Заключение
- •Список литературы
2 Алгоритмизация модели системы
2.1 Построение логической схемы работы производственного подразделения.
Рисунок 2.1- Логическая схема работы моделируемой зоны ТО-1
Продолжение рисунка 2.1
Окончание рисунка 2.1
Из анализа уравнения Эрланга для систем массового обслуживания с ожиданием при установившемся режиме работы, вероятности нахождения системы в состоянии описываются:
при
а ≤ к ≤ n (2.1)
при
1 ≤ s
≤ m (2.2)
-
новая переменная.
Уравнения (2.1) получается путём анализа уравнения Эрланга, при котором определяется закономерность поведения вероятностей.
Вероятность отказа в обслуживании наступит при занятии всех постов и всех мест в очереди:
.
(2.3)
Вероятность обслуживания будет равна:
.
(2.4)
Относительная пропускная способность будет равна:
.
(2.5)
(2.6)
2.2 Выбор вычислительных средств для моделирования. Минимальными требованиями для решения поставленной задачи являются: компьютер PC 386 , который оснащен процессором IBM PC 386 , тактовая частота процессора 33 МГц, монитором VGA , оперативной памятью 4 МБ.
Для успешного и более быстрого проведения был использован ноутбук который оснащен процессором Intel CORE i3, оперативной памятью 4,0 Гбайт, жестким диском 620 Гбайт, DVD±R/RW дисководом, и операционной системой Windows 7.
В связи с использованием процессора с высокой тактовой частотой целесообразно использовать модулятор имитации систем массового обслуживания SIM.
3 Регрессионный анализ работы системы
3.1 Результаты вычислительного эксперимента. Регрессионный анализ необходим для получения математических соотношений между используемыми модели параметрами или факторами и показателями эффективности работы системы. Необходимое число опытов N для полнофакторного эксперимента:
=22
= 4,
(3.1)
где V – число уровней варьирования (принимается равным 2);
n – число учитываемых факторов.
Составим матрицу спектра плана.
Таблица 3.1 – Матрица спектра плана
-
N
X0
1
+
-
-
2
+
+
-
3
+
-
+
4
+
+
+
Целесообразно представить матрицу спектра плана полнофакторного эксперимента в явном виде в виде таблицы 3.2.
Таблица 3.2 - Матрица спектра плана в явном виде
-
N
X0
1
1
0,896
0,448
0,401
2
1
1,146
0,448
0,513
3
1
0,896
1,31
1,174
4
1
1,146
1,31
1,501
В соответствии с матрицей спектра плана проводим вычислительный эксперимент с использованием программы simsim.exe. Накопители, используемые в модели, не ограничиваем по ёмкости и времени ожидания. В качестве критериев эффективности принимаем относительную пропускную способность и среднее число занятых каналов. Время моделирования принимаем 1 месяц:
,
(3.2)
где Др – число принятых дней работы.
Подставив значения в (3.2) получим:
часов.
Шаг моделирования принимаем 0,1.
Результаты эксперимента представим в таблице 3.2.
Таблица 3.2 – Результаты вычислительного эксперимента
Показатели (критерии моделирования) |
Номер опыта |
|||
1 |
2 |
3 |
4 |
|
1 |
2 |
3 |
4 |
5 |
1. Поступило заявок |
174 |
217 |
177 |
214 |
2. Обслужено заявок |
54
|
57 |
111 |
117 |
3. Число отказов |
32 |
29 |
64 |
94 |
4. Абсолютная пропускная способность |
0,266 |
0,280 |
0,546 |
0,576 |
5. Относительная пропускная способность |
0,31 |
0,263 |
0,627 |
0,547 |
6. Вероятность обслуживания |
0,31 |
0,263 |
0,627 |
0,547 |
7. Вероятность отказа |
0,184 |
0,134 |
0,362 |
0,439 |
8. Среднее число занятых каналов |
2,245 |
2,276 |
1,5 |
1,7 |
9. Среднее число заявок в очереди |
41,997 |
63,345 |
0,067 |
0,766 |
10. Среднее число заявок в системе |
44,242 |
65,622 |
1,567 |
2,466 |
11. Среднее время ожидания в очереди |
49,120 |
59,387 |
0,108 |
0,8 |
12. Среднее время пребывания в системе |
51,861 |
61,617 |
2,063 |
2,638 |
3.2 Оценка значимости коэффициентов уравнения регрессии. В качестве основных критериев эффективности наиболее целесообразно принять абсолютную пропускную способность ТА и число обслуженных заявок NОБ
Общий вид уравнений регрессии для данных показателей будет иметь вид:
,
(3.3)
.
(3.4)
где а0, а1, а2,а12;b0, b1, b2,b12 - коэффициенты линейного уравнения регрессии.
Определение коэффициентов уравнения регрессии осуществляется по матричному уравнению:
,
(3.5)
где Х матрица спектра плана, состоящая из варьируемых факторов;
ХТ транспонированная матрица спектра плана;
Y матрица результатов эксперимента (включает в себя 2 столбца-результата каждого из критериев).
Для расчета коэффициентов уравнения регрессии целесообразно использовать программное приложение Excel. Вначале записывается матрица спектра плана Х:
.
Далее необходимо из нее получить транспонированную матрицу посредством функции ТРАНСП:
.
На следующем этапе
вычислений необходимо получить
матрицу-произведение
посредством функции МУМНОЖ:
.
Далее необходимо
получить матрицу, обратную произведению
посредством
функции МОБР:
Далее необходимо
найти матрицу-произведение
посредством команды МУМНОЖ:
Необходимо составить на основании таблицы 3.2 матрицу-результат:
.
Путем последовательного перемножения матриц при помощи функции МУМНОЖ, можно получить матрицу B, представляющую собой матрицу коэффициентов уравнения регрессии:
.
В полученной матрице В первый столбец представляет собой коэффициенты уравнения регрессии для критерия NОБ, а второй столбец соответствует коэффициентам уравнения регрессии для критерия ТА
Таким образом, для числа обслуженных заявок NОБ коэффициенты уравнения регрессии равны:
Для абсолютной пропускной способности ТА:
Для определения
значимости коэффициентов уравнения
регрессии необходимо их сравнить с
половиной доверительного интервала δ.
Коэффициенты уравнения регрессии
значимы, если половина доверительного
интервала разброса коэффициентов
.
Если это условие не выполняется, то
коэффициент незначим. Стоящий при нём
фактор не оказывает влияния на критерий
эффективности и его можно исключить из
уравнения регрессии.
,
(3.6)
где
–
среднеквадратическое отклонение
коэффициента;
-
критерий Стьюдента;
- уровень
значимости, α = 0,05;
k2 – число степеней свободы, k2 = 2;
.
,
(3.7)
где Sост. - остаточная дисперсия
,
(3.8)
где yiр- рассчитанное по уравнению регрессии значение критерия эффективности в i-ой точке спектра плана.
Необходимо найти расчётные значения для числа обслуженных заявок:
(3.9)
Расчётные значения для абсолютной пропускной способности:
(3.10)
Далее необходимо определить остаточную дисперсию для числа обслуженных заявок:
Для абсолютной пропускной способности остаточная дисперсия будет равна:
Необходимо определить квадраты среднеквадратических отклонений коэффициентов:
- для числа обслуженных заявок NОБ равно:
,
- для абсолютной пропускной способности ТА равно:
Далее необходимо определить половину доверительного интервала.
для числа обслуженных заявок:
;
(3.11)
- для абсолютной пропускной способности:
(3.12)
Далее необходимо сравнить коэффициенты уравнения регрессии для числа обслуженных заявок с половиной ширины доверительного интервала:
Условие значимости выполняется, следовательно, все коэффициенты являются значимыми, то есть уравнение регрессии для числа обслуженных заявок имеет вид:
.
(3.13)
Необходимо сравнить коэффициенты уравнения регрессии для абсолютной пропускной способности с половиной ширины доверительного интервала:
В уравнении регрессии для абсолютной пропускной способности также выполняются условия значимости для всех коэффициентов, следовательно, оно примет вид:
.
(3.14)
3.3 Оценка адекватности математической модели. Уравнение регрессии должно адекватно описывать поведение реальной системы. Степень адекватности и, соответственно, точность регрессионной модели оценивается с помощью критерия Фишера. Если опытный критерий Fоп больше или равен табличному Fт , то модель адекватна и наоборот.
,
(3.15)
где S2y дисперсия среднего (воспроизводимости), рассчитываемая по формуле:
,
(3.16)
где
среднее значение критерия эффективности,
рассчитываемое по формуле:
(3.17)
По формуле (3.17) определяется среднее значение функции отклика (критерия эффективности):
- для числа обслуженных заявок:
- для абсолютной пропускной способности:
Далее по формуле (3.16) определяется дисперсия воспроизводимости:
- для числа обслуженных заявок:
- для абсолютной пропускной способности:
.
По формуле (3.15) необходимо определить опытное значение критерия Фишера:
- для числа обслуженных заявок:
;
- для абсолютной пропускной способности:
.
Табличное значение
критерия Фишера
берётся с учетом уровня значимости α
(α=0,05) и числа степеней свободы:
(3.16)
Необходимо сравнить опытное и табличное значение критерия Фишера соответственно для числа обслуженных заявок и абсолютной пропускной способности:
(3.17)
Из соответствия критериям адекватности критериев эффективности, следует, что математическая модель регрессионного анализа адекватна.
3.4 Оптимизация регрессионной модели вектор-градиентным методом. Вектор-градиентный метод поиска экстремума позволяет получить экстремум функции и значения факторов, при которых он достигается.
Для функции трех переменных вектор-градиент записывается в виде:
,
(3.18)
где
- составляющие вектор-градиента;
- единичные векторы
(орты), направленные по координатным
осям.
Вектор-градиент всегда направлен перпендикулярно к линиям уровня , в сторону возрастания функции. Подразумевается, что функция отклика непрерывная, дифференцируемая, однозначная и не имеет особых точек. При движении по вектор-градиенту используется шаговый метод. Если одного шага недостаточно, то необходимо производить второй шаг, третий и так до момента, когда выявится область экстремума.
Для определения областей экстремума для регрессионных уравнений (среднего числа занятых каналов и среднего времени ожидания в очереди соответственно), также необходимо использовать шаговый метод.
Схему проведения расчета удобнее привести в таблице 3.2. Расчет производится на ЭВМ с помощью программы SIMSIM.
Таблица 3.2- результаты расчета оптимизации вектор-градиентным методом для числа обслуженных заявок
Показатели |
|
µ |
|
|
1 |
2 |
3 |
4 |
5 |
Основной уровень факторов (точка А1) |
1,02 |
0,885 |
0,903 |
142 |
Интервалы
варьирования факторов
|
0,124 |
0,437 |
- |
- |
Величина шага
изменения факторов
|
0,031 |
0,109 |
- |
- |
Значения факторов на первом шаге (точка А2) |
1,051 |
0,994 |
1,045 |
153 |
Значения факторов на втором шаге (точка А3) |
1,082 |
1,103 |
1,193 |
168 |
Значения факторов на третьем шаге (точка А4) |
1,113 |
1,212 |
1,349 |
178 |
Значения факторов на четвёртом шаге (точка А5) |
1,144 |
1,321 |
1,511 |
166 |
Для числа обслуженных заявок значение функции-отклика оптимально при своем наибольшем возможном значении (экстремуме) в данной модели. Методом вектор-градиента экстремум определился на третьем шаге при следующих значениях факторов:
Таблица 3.3- результаты расчета вектор-градиентным методом для абсолютной пропускной способности
Показатели |
|
µ |
|
|
1 |
2 |
3 |
4 |
5 |
Основной уровень факторов (точка А1) |
1,02 |
0,885 |
0,903 |
0,698 |
Интервалы варьирования факторов |
0,124 |
0,437 |
- |
- |
Значения коэффициентов |
0,023 |
0,258 |
- |
- |
Произведение
коэффициента на интервал варьирования
|
0,0029 |
0,113 |
- |
- |
Величина шага
изменения факторов
|
0,0007 |
0,028 |
- |
- |
Значения факторов на первом шаге (точка А2) |
1,0207 |
0,913 |
0,932 |
0,713 |
Значения факторов на втором шаге (точка А3) |
1,0214 |
0,941 |
0,961 |
0,738 |
Значения факторов на третьем шаге (точка А4) |
1,0221 |
0,969 |
0,99 |
0,743 |
Значения факторов на четвёртом шаге (точка А5) |
1,0228 |
0,997 |
1,019 |
0,772 |
Значения факторов на пятом шаге (точка А6) |
1,0235 |
1,025 |
1,049 |
0,767 |
Для абсолютной пропускной способности значение функции-отклика оптимально при своем наибольшем возможном значении (экстремуме) в данной модели. Методом вектор-градиента экстремум определился на втором шаге при следующих значениях факторов: