- •2.3 Выбор вычислительных средств для моделирования 16
 - •3.1 Результаты вычислительного эксперимента 17
 - •1 Построение концептуальной модели
 - •1.1 Постановка задачи моделирования
 - •1.2 Анализ задачи моделирования
 - •1.3 Исходная информация, характеризующая поведение системы
 - •1.4 Определение параметров и переменных моделей
 - •1.5 Установления основного содержания модели
 - •2 Алгоритмизация модели и системы
 - •2.1 Построение логической схемы работы зоны умр
 - •2.2 Получение математических соотношений для описания функционирования системы
 - •2.3 Выбор вычислительных средств для моделирования
 - •3 Регрессионный анализ работы системы
 - •3.1 Результаты вычислительного эксперимента
 - •3.2 Оценка значимости коэффициентов уравнения регрессии
 - •3.3 Оценка адекватности математической модели
 - •4 Оптимизации производственного процесса зоны умр
 - •Заключение
 
2 Алгоритмизация модели и системы
2.1 Построение логической схемы работы зоны умр
Целесообразно построить модель по блочному принципу, где каждый блок описывает некоторые достаточно простые процессы: занятие очереди, ожидание обслуживания, занятие поста, моделирование обслуживания на каком-либо посту и т.д. Причем очередность расположения блоков должна увязываться с технологическим процессом. На этом этапе целесообразно задать принятые математические соотношения в явном виде: формулы, связи, коэффициенты, параметры и т.д.
 
Рисунок 2.1 - Схема алгоритма моделирования работы зоны УМР
2.2 Получение математических соотношений для описания функционирования системы
Из анализа уравнения Эрланго для систем массового обслуживания с ожиданием при установившемся режиме работы, вероятности нахождения системы в состоянии:
,
		при а ≤ к ≤ n
(2.1)
          
	при
1 ≤ s
≤ m
-
новая переменная.
Уравнения (2.2) получают путём анализа уравнения Эрландо, при котором определяется закономерность поведения вероятностей.
Вероятность отказа в обслуживании наступит при занятии всех постов и всех мест в очереди.
		(2.2)
Вероятность обслуживания будет равна:
				(2.3)
Относительная пропускная способность будет равна:
                                            (2.4)
2.3 Выбор вычислительных средств для моделирования
Решение поставленной задачи обеспечивает персональный компьютер, оснащённый процессором AMD Athlon(tm) ǁ X3 445 Processor c установленной памятью 8,00 ГБ, 64-разрядной операционной системой, операционной системой Windows 7, монитором VGA.
В связи с использованием процессора с высокой тактовой частотой используем модулятор DOSbox.
Вводим команды:
mount с: с:\sim
с:
simsim
После чего модулятор DOSbox запускает программу simsim и проводим серию экспериментов.
3 Регрессионный анализ работы системы
3.1 Результаты вычислительного эксперимента
Регрессионный анализ необходим для получения математических соотношений между используемыми м модели параметрами или факторами и показателями эффективности работы системы. Необходимое число опытов N для полно-факторного эксперимента
					(3.1)
где V – число уровней варьирования, V = 2;
n – число значимых факторов, n = 2
Составленная матрица спектра плана приведена в таблице 3.1.
Таблица 3.1 – План эксперимента
N  | 
			X0  | 
			X1(λ)  | 
			X2(μ)  | 
		
1  | 
			+  | 
			-  | 
			-  | 
		
2  | 
			+  | 
			+  | 
			-  | 
		
3  | 
			+  | 
			-  | 
			+  | 
		
4  | 
			+  | 
			+  | 
			+  | 
		
Построим
матрицу спектра плана. Для получения 
и 
изменим суточную программу соответственно
.
Для
получения значений 
и 
изменим число рабочих, одновременно
работающих на посту (соответственно 1
и 3 человека).
Результаты расчёта сведём в таблицу 3.2.
Таблица 3.2 – Переменные модели
  | 
			-1  | 
			0  | 
			+1  | 
		
λ  | 
			0,396739  | 
			0,521739  | 
			0,646739  | 
		
μ  | 
			0,328947  | 
			0,649351  | 
			0,961538  | 
		
				 
				  | 
			0,079348  | 
			0,104348  | 
			0,129348  | 
		
				 
				  | 
			0,065789  | 
			0,12987  | 
			0,192308  | 
		
В соответствии с матрицей спектра плана проводим эксперимент с использованием программы «simsim.exe». Накопители, используемые в модели, не ограничиваем по ёмкости и времени ожидания. В качестве основных критериев эффективности, принимаем среднее время нахождения в системе, среднее число занятых каналов, среднее время ожидания в очереди.
При этом время моделирования Тм рассчитывалось по формуле:
		
                     
 (3.2)
Tм
= 
= 407 ч
В результате проведения опыта получили некоторые значения функции отклика. Представим их в таблице 3.3.
Таблица 3.3 – Матрица спектра плана и функции отклика для каждого опыта
N  | 
			X0  | 
			X1(λ)  | 
			X2(μ)  | 
			X3(λ ∙μ)  | 
			q  | 
			Xз  | 
		
1  | 
			1  | 
			0,396739  | 
			0,328947  | 
			0,130506  | 
			0,879  | 
			0,928  | 
		
2  | 
			1  | 
			0,646739  | 
			0,328947  | 
			0,212743  | 
			0,529  | 
			0,937  | 
		
3  | 
			1  | 
			0,396739  | 
			0,961538  | 
			0,38148  | 
			1  | 
			0,332  | 
		
4  | 
			1  | 
			0,646739  | 
			0,961538  | 
			0,621865  | 
			0,998  | 
			0,592  | 
		
Результаты эксперимента представим в таблице 3.4.
Таблица 3.4 - Результаты эксперимента
Критерии моделирования  | 
		Обозначение  | 
		Единицы измерения  | 
		1  | 
		2  | 
		3  | 
		4  | 
	
Абсолютная пропускная способность  | 
		А  | 
		авт/ч  | 
		0,678  | 
		0,631  | 
		0,764  | 
		1,275  | 
	
Относительная пропускная способность,  | 
		q  | 
		авт/ч  | 
		0,879  | 
		0,529  | 
		1  | 
		0,998  | 
	
Вероятность обслуживания  | 
		Робсл  | 
		---  | 
		0,879  | 
		0,529  | 
		1  | 
		0,998  | 
	
Число обслуженных автомобилей  | 
		Nобс  | 
		авт.  | 
		276  | 
		257  | 
		311  | 
		519  | 
	
Среднее время пребывания в системе  | 
		tср  | 
		ч  | 
		39,383  | 
		93,763  | 
		0,632  | 
		0,925  | 
	
Среднее время ожидания в очереди  | 
		tож  | 
		ч  | 
		38,093  | 
		92,925  | 
		0,097  | 
		0,362  | 
	
Среднее число занятых каналов  | 
		Xз  | 
		---  | 
		0,928  | 
		0,937  | 
		0,332  | 
		0,592  | 
	
Среднее число заявок в очереди  | 
		Xо  | 
		---  | 
		29,321  | 
		110,899  | 
		0,057  | 
		0,393  | 
	
Среднее число заявок в системе  | 
		Xс  | 
		---  | 
		30,249  | 
		11,836  | 
		0,390  | 
		0,985  | 
	
