мод сис / V.Boev-GPSSvsAnyLogic

Рис. 1.56. Окно установки свойств элемента Гистограмма

Рис. 1.57. Фрагмент работы модели с элементом управления и гистограммой

Однако в модели, реализованной средствами GPSS World (п. 1.1), время обработки поступающих запросов зависит от произ-

водительности сервера Q 6 105 оп/с и вычислительной сложности запросов, распределенной по нормальному закону с математи-

72

ческим ожиданием S1 6 107 оп и среднеквадратическим отклонением S2 2 105 оп:

VrObr VARIABLE (Normal(2,(S1_#Koef),(S2_#Koef)))/Q

Кроме того, в этой модели определяется среднее количество запросов, обработанных за время моделирования 3600 с.

Внесите в модель изменения для аналогичного расчѐта времени обработки запросов.

1.Удалите элемент Параметр с именем time_mean.

2.Из палитры Основная перетащите три элемента Параметр на диаграмму класса Main (рис. 1.58).

3.В поле Имя каждого из элементов введите S1_, S2_ и Q_ соответственно.

4.Выберите Тип double.

5.В поле Значение по умолчанию каждого из элементов

введите 60000000,200000 и 600000 соответственно.

6.Перетащите элемент Простая переменная.

7.В поле Имя укажите KolZap.

8.Выделите объект delay.

9.В поле Время задержки вместо exponential(1/time_mean)

введите:(normal(S2_,S1_))/Q_

10. Выделите объект sink. В поле Действие при входе к имеющемуся там коду добавьте код:

KolZap=sink.count()/9604.0;

В GPSS-модели количество прогонов равнялось 9604. Увеличим время моделирования в AnyLogic-модели в 9604 раз. А так как статистические данные о количестве обработанных запросов собираются за всѐ время моделирования, увеличенное в 9604 раз, то для получения среднего значения это количество нужно разделить на 9604, что и предусмотрено в коде.

11.Показатели моделируемой системы нужно определить в течение 3600 с, поэтому время моделирования в AnyLogic составит 34574400 единиц.

12.В панели Проект выделите Simulation. На странице Мо-

дельное время в поле Установить выберите В заданное время.

13.В поле Конечное время установите 34574400.

14.Запустите модель и дождитесь окончания моделирования. Результаты моделирования приведены на рис. 1.59.

73

Рис. 1.58. Элементы AnyLogic-модели, соответствующие постановке GPSS-модели

Рис. 1.59. Результаты моделирования обработки данных сервером

74

1.3. Результаты решения прямой задачи

Результаты решения прямой задачи в GPSS World и AnyLogic приведены в табл. 1.2. Из их сравнения следует, что они отличаются незначительно.

Разница между количеством обработанных сервером запросов

75

ГЛАВА 2. МОДЕЛЬ ПРОЦЕССА ИЗГОТОВЛЕНИЯ

ВЦЕХЕ ДЕТАЛЕЙ

2.1.Модель в GPSS World

2.1.1. Решение прямой задачи

2.1.1.1. Постановка задачи

Изготовление в цехе детали начинается через случайное время Tп . Выполнению операций предшествует подготовка. Длительность подготовки зависит от качества заготовки, из которой будет сделана деталь. Всего различных видов заготовок n1 . Время подго-

товки подчинено экспоненциальному закону. Частота появления различных заготовок и средние значения времени их подготовки заданы табл. 2.1 дискретного распределения:

Для изготовления детали последовательно выполняются n операций со средними временами T1 , T2 , ..., Tn соответственно. После

каждой операции в течение времени Tк1 , Tк 2 , ..., Tкn следует контроль. Время выполнения операций и контроля — случайное. Контроль не проходят q1 , q2 , ..., qn % деталей соответственно.

Забракованные детали поступают на пункт окончательного контроля и проходят на нем проверку в течение времени, распределѐнного по экспоненциальному закону со средним значением

Tк . В результате из общего количества не прошедших контроль деталей qn 1 % идут в брак, а оставшиеся 1 qn 1 % деталей под-

лежат повторному выполнению операций, после которых они не прошли контроль. Если деталь во второй раз не проходит контроль, она окончательно бракуется.

2.1.1.2. Исходные данные

76

2.1.1.3. Задание на исследование

Разработать имитационную модель для определения оценки математического ожидания количества деталей, изготовленных цехом в течение 8 часов.

Модель должна также позволять определять относительное количество готовых и забракованных деталей, среднее время изготовления одной детали.

Результаты моделирования необходимо получить с точностью ε = 0,01 и доверительной вероятностью α = 0,99.

2.1.1.4. Уяснение задачи на исследование

Процесс изготовления в цехе деталей представляет собой процесс, протекающий в многофазной разомкнутой системе массового обслуживания с ожиданием (рис. 2.1). Есть также признаки замкнутой системы — потоки брака для повторной обработки.

Рис. 2.1. Цех как система массового обслуживания

77

Представим, что подготовка заготовки и операции 1, 2 и 3 производятся на станках — одноканальных устройствах (ОКУ) 1, 2, 3 и 4 соответственно. Пункт окончательного контроля можно также представить ОКУ. Необходимые для их имитации средства GPSS приведены на рис. 2.1.

Время подготовки заготовки и время выполнения операций даны в мин. Возьмѐм 1 ед. мод. вр. = 1мин.

Рассчитаем количество прогонов, которые нужно выполнить в каждом наблюдении. При этом примем относительное количество готовых деталей как ожидаемую вероятность. Поскольку она заранее не известна, то расчѐт проведѐм для худшего случая:

Программа модели прямой задачи приведена ниже.

2.1.1.5. Программа модели

;Модель процесса изготовления деталей. Прямая задача

;Задание исходных данных

TimeModEQU 480; Время моделирования, 1 ед. мод. вр. = 1 мин

;Среднее время

;Описание функции времени подготовки заготовок

Pod FUNCTION RN10,D6

.05,10/.18,14/.34,21/.56,22/.85,28/1,25

;Сегмент имитации изготовления деталей

GENERATE (Exponential(23,0,Tn_)) ; Источник заготовок

;Подготовка заготовок для деталей

78

;Имитация выполнения 1-й операции

;Имитация выполнения 2-й операции

;Имитация выполнения 3-й операции

79

GENERATE TimeMod; Время моделирования

TEST L X$Prog,TG1,Met11 ; Если условие выпол-

няется, то

SAVEVALUE Prog,TG1 ; X$Prog=TG1 содержимому счетчика завершений

Met11 TEST E TG1,1,Met12 ; Если содержимое счетчика

бракованных деталей (целое), шт.

SAVEVALUE SDet,((AC1-X$AC2)/N$EndOper1) ; Сред-

нее время изготовления одной детали, мин

SAVEVALUE AC2,AC1

Замечание. В программе при обращении несколько раз к встроенному генератору экспоненциально распределѐнных случайных чисел взято одно и тоже начальное число 23, хотя рекомендуется брать различные начальные числа. Сделано это для чистоты эксперимента — сравнения в последующем результатов моделирова-

ния GPSS World с результатами AnyLogic.

80