Оптимизация структуры отделения ОАО КБ "Пойдем" методом имитационного моделирования

Статические и динамические модели. Анализ имитационных систем моделирования. Система моделирования "AnyLogic". Основные виды имитационного моделирования. Непрерывные, дискретные и гибридные модели. Построение модели кредитного банка и ее анализ.

Рубрика Экономико-математическое моделирование
Вид дипломная работа
Язык русский
Дата добавления 24.06.2015
Размер файла 3,5 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Эквивалентен последовательности объектов Seize, Delay, Release (и сам реализован именно таким способом) и должен использоваться в тех случаях, когда все, что требуется - это задержать захваченные ресурсы на заданное время, а затем их отпустить. Большинство параметров этих вложенных объектов вынесены в интерфейс объекта Service.

Вместимость вложенного объекта delay установлена максимально допустимой (поскольку она фактически все равно будет ограничена количеством ресурсов заданного типа).

ResourcePool (см. рис. 9 )

Рисунок 9 -Блок ResourcePool

Задает набор ресурсов, которые могут захватываться и освобождаться заявками с помощью объектов Seize, Release и Service. Есть два способа моделирования ресурсов: они могут быть заданы в модели как индивидуальные объекты, а могут просто как их количество. Если ресурсы заданы в модели как индивидуальные объекты , то каждый такой ресурс может иметь отличные от других ресурсов свойства, отображаться на презентации, хранить статистику своего использования и т.д. Базовым классом для таких ресурсов является ResourceUnit, Вы можете создать свои собственные подклассы этого класса. Но если таких ресурсов будет достаточно много, и на моделирование каждого отдельного ресурса будет тратиться определенное время и память. И если все такие ресурсы будут идентичными, то имеет смысл не моделировать каждый такой ресурс отдельно, а рассматривать их в целом, то есть, захватывать и освобождать просто определенное количество такого агрегированного ресурса. Примером ресурсов такого типа могут быть деньги, компьютерная память, складская площадь и т.д.

Если запросы от объектов Seize и Service не могут быть удовлетворены в текущий момент времени, эти запросы помещаются в очередь объекта ResourcePool. Эта очередь может быть либо обычной очередью FIFO, либо учитывать приоритеты запросов.

При выборе ресурса (если ресурсы моделируются как индивидуальные объекты) по запросу заявки объект NetworkResourcePool выбирает тот свободный ресурс, который оставался свободным на протяжении наибольшего времени. Такой подход со временем приведет к равномерному использованию всех ресурсов.

Любой ресурс может быть либо свободен, либо занят. Объект может собирать статистику занятости ресурсов. Можете отображать на презентации занятые и свободные ресурсы различными фигурами.

Sink (см. рис. 10)

Рисунок 10 -Блок Sink

Уничтожает поступившие заявки. Обычно используется в качестве конечной точки потока заявок. Для того, чтобы заявки удалялись из модели и уничтожались, нужно соединить выходной порт последнего блока процессной диаграммы с портом объекта Sink или Exit.

Для успешного уничтожения заявки необходимо выполнение трех условий:

1.Если заявка находится в сети, то она должна быть удалена из этой сети с помощью объекта NetworkExit.

2.Заявка не должна обладать ни одним ресурсом или сетевым ресурсом.

3.Если заявка содержит другие заявки, то они тоже должны удовлетворять вышеуказанным условиям.

Если какое-то из этих условий не выполняется, объект Sink выдает ошибку.

Для того, чтобы приступить к разработке модели, для подробного понимания процесса производства, создадим диаграмму состояний (см. рис. 11), на которой будет видна детальная схема процесса обслуживания клиента.

Рисунок 11 - Диаграмма состояний

Модель отделения банка, построенная в AnyLogic см. рис. 12.

Рисунок 12- Модель отделения банка

Также мной создано меню подбора параметров для данной модели, позволяющая при запуске быстро найти наилучшее варианты работы отдела банка. (см. рис. 13)

Рисунок 13 - Меню выбора параметров

Подробное описание исходных данных и параметров, а также процесс оптимизации и результаты будут рассмотрены далее.

2.2 Введение исходных данных

Входе прохождения практики, мною были собранны различные данные для данной модели, в данной главе будет показано, как я совместил их с возможностями AnyLogic.

Исходя из данных, полученных мной в ходе практики, я выяснил, что интенсивность прихода клиентов в отделение банка ОАО КБ «Пойдем» зависит от времени суток и дня недели, основной поток клиентов приходится на выходные дни. Для того чтобы модель работала более удобно, в объекте Source я ввел параметр attivalRate (см. рис.14).

Рисунок 14- Параметры Source

С помощью данного параметра при запуске модели можно регулировать поток клиентов в час, это позволяет рассмотреть различные варианты результатов эксперимента. Интервал между приходом клиентов с 10 да 30 человек в час, такой разброс позволяет получить данные о будних днях, когда поток клиентов меньше и выходных, а так же возможность получения результата с учетом увеличения потока клиентов (см. рис. 15).

Рисунок 15 -Параметры Slider

В данной модели после прибытия клиента в зависимости от его целей может существовать несколько вариантов событий. Клиент может воспользоваться услугами банкомата , либо при более сложных операциях обратиться к менеджеру или кассиру.

Вероятность того что клиент воспользуется банкоматом примерно равна 20%. Оставшиеся 80% операций делятся примерно поровну между менеджерами и кассирами.

Далее будут поочередно рассмотрены все три варианта событий .

Для разработки модели очереди к банкомату я использовал объекты Queue (см. рис. 16) и Delay (см. рис. 17).

Рисунок 17 -Параметры Queue

Рисунок 18 - Параметры Delay

Исходя из моих наблюдений в среднем время затрачиваемое клиентами на банкомат составляет от 2 до 5 мин. Для того чтоб указать это я использовал параметр случайных чисел triangular.

Модель очереди к кассе состоит из объектов Queue (см. рис. 19) ,Service (см. рис. 21) , selectOutput(см. рис. 22) и ResourcePool (см. рис. 25) .

Рисунок 19- Queue1

В данном случае объект Queue1 будет имитировать очередь к кассе. Для удобства я поставил вместимость 200 человек, действия при выходе нужны, чтобы во время эксперимента можно было отслеживать этап обслуживания клиента. На данном этапе, если все кассы заняты в таблице будет отображено что клиент ожидает в очереди (см. рис. 20).

Рисунок 20- Этапы обслуживания

Рисунок 21- Service

После того как клиент дождется своей очереди к кассе его состояние в таблице изменится на - клиент начал обслуживаться (Рисунок №20). На данном этапе модели клиент выбирает тип услуги: погашение кредита, открытие счета, денежные переводы, обмен валюты. Для распределения услуг я использовал объект selectOutput (см. рис. 22)

Рисунок 22 - selectOutput9

Исходя из данных и наблюдений, полученных во время прохождения практики, в 40% случаев клиент пользуется услугами по погашению кредитов, 30% услуги по открытию счета, 17% обмен валюты, 12% денежные переводы и в 1% случаев клиент обращайся не по теме.

В дальнейшем клиент обслуживался по выбранному им сценарию (см. рис 23).

Рисунок 23 - Схема обслуживания на кассе

В модели все услуги сделаны почти одинаково и по этому рассматривать все не имеет смысла, далее будет рассмотрено только погашение кредита (см. рис 24).

Рисунок 24 - Погашение кредита

Время обслуживания клиента рассчитывается параметром triangular, а также с помощью слайдера при выборе параметров, для всех услуг стоят свои регуляторы времени .Также когда клиент проходит этот этап модели его статус меняется на клиент закончил обслуживание (см. рис. 10).

Количество персонала обслуживающие клиентов на кассе определяются объектом ResourcePool (см. рис. 25).

Рисунок 25 - ResourcePool

В объекте используется параметр resources1 , он позволяет при выборе параметров изменять количество рабочего персонала на кассе.

Модель очереди к менеджеру так же состоит из объектов Queue (см. рис. 27), Service (см. рис. 28), selectOutput и ResourcePool (см. рис.29) .

Главным отличием этой модели от предыдущих в том, что прежде чем клиенту одобрят кредит ,он должен пройти несколько стадий рассмотрения кредитоспособности и на каждой стадии есть вероятность отказа в кредите (см. рис. 26).

Рисунок 26 - Модель менеджера

За моделирование очереди к менеджеру отвечает объект Queue (см. рис. 27). Вместимость так же установлена на 200 человек, действия при выходе действуют аналогично, как и в очереди к кассе (см. рис. 20).

Рисунок 27 - Параметры Queue

Когда подойдет очередь клиента, он начинает проходить стадии проверки его кредитоспособности, исходя из полученных данных, на каждой стадии есть своя вероятность отказа в кредите. Анализ документов на полноту и достоверность 30%, анализ информации о заемщике 25%, Анализ финансово-хозяйственной деятельности 20%, анализ кредитуемой операции 15%, анализ кредитоспособности 10%, одобрение кредита 10%. Все стадии так же можно регулировать по времени затрачиваемого на их прохождение. Их модели построены на подобии друг друга поэтому все их рассматривать нет смысла, далее будет рассмотрена модель анализа документов полноту и достоверность (см. рис. 28).

Рисунок 28 - Параметры Service11

Время задержки регулируется с помощью параметра triangular и слайдера при выборе параметров, действия при выходе показывают, что клиент продолжает обслуживаться (см. рис.20).

Все стадии имеют общий ресурс (персонал), количество которого можно регулировать при выборе параметров (см. рис. 29).

Рисунок 29 - Рисунок 15 - ResourcePool

Модель имеет общий выход для всех рассматриваемых вариантов, клиент может закончить обслуживаться, ему могут отказать в кредите и закончить обслуживание или же он может сам покинуть отделение, за выход отвечает объект Sink (см. рис. 30).

Рисунок 30 - Объект Sink

Далее я рассмотрю некоторые места, которые не были видны в основной модели.

Для того чтобы регулировать время задержки в модели я ввел специальные параметры и переменные (см. рис. 31).

Рисунок 31 - Параметры и переменные модели

Параметр serviceTime использовался для регулировки времени задержки в модели (см. рис. 32).

Рисунок 32 -Применение параметра serviceTime

Параметры arrivalRate использовался для Регулировки интенсивности прибытия клиентов банка (см. рис. 33).

Рисунок 33 -Применение параметра arrivalRate

Параметр resources использовался для регулировки количества персонала (см. рис. 34)

Рисунок 34 -Применение параметра resources

Также мной были введены две диаграммы для сбора данных и статистики, основываясь на данных полученных из нее можно регулировать модель до получения наилучших результатов (см. рис.35).

Рисунок 35 - Диаграммы данных

2.3 Проведение эксперимента и анализ результатов

Для начала промоделируем нынешнюю ситуацию в отделении. Для этого отредактируем модель под исходные данные (см. рис. 36).

Рисунок 36 - Параметры исходной модели

После проведенной симуляции мною были получены данные схожие с нынешней ситуацией (см. рис. 37, 38,39).

Рисунок 37 - Модель отделения банка

Рисунок 38 - Гистограммы исходных данных

Рисунок 39 - Данные с гистограмм

Из полученных результатов видно, что очередь к менеджеру в среднем состоит из 4-5 человек, в большинстве случаев клиент отстаивает в очереди от 1 до 7 минут, часть клиентов в интервале от 7 до 15 мин. В очереди к кассе ситуация совсем иная очереди там почти нету, и клиент обычно ждет не больше 2 мин.

Исходя из этого можно сделать вывод что скорей всего число кассиров можно сократить, а освободившиеся активы направить на работу менеджеров.

После редактирования исходных данных и нескольких симуляций я составил модель банка так , чтобы обслуживание клиентов проводилось более удобно и быстрее (см. рис. 40).

Рисунок 40 -Параметры измененной модели

На рисунке видно, что я уменьшил число кассиров с 3 до 2, а количество менеджеров увеличил с 3 до 4, а также изменил нормы времени затрачиваемые на работу с клиентами.

В случае с менеджерами раньше при заключении договора на выдачи кредита уходило в среднем около 1 часа, то сейчас это время составляет примерно 55 минут. Это было сделано за счет того что мною было увеличено время прохождения стадии анализа документов на полноту и достоверность, а остальные были слегка урезанны во времени. Это обосновывается тем, что во время анализа документов менеджер получает основные знания о клиенте, которые имеют и предпосылки и к другим стадиям, что позволяет в дальнейшем работать быстрее.

В работе касс тоже произошли изменения, время на выполнение некоторых операций так же было снижено. Это было сделано из-за того что несмотря на урезание персонала кассы все равно не были перегружены и имелась возможность изменить нормы временя, для того чтоб обслужить большее число клиентов.

После проведения симуляции с этими данными мною были получены следующие результаты (см. рис.41, 42,43).

Рисунок 41 - Гистограммы после редактирования исходных данных

Рисунок 42 - Данные с гистограмм

Рисунок 43 - Измененная модель банка

Из полученных результатов видно, что очередь у менеджеров существенно сократилась, также сократилось и время ожидания в очереди теперь почти для всех случаев оно составляет не более 3 минут. Внешне ситуация на кассах почти не изменилась с учетом того что количество работников было уменьшено.

Так же одним весьма важным элементом является то что в связи с уменьшением нагрузки и уменьшение времени обслуживания, количество обслуженных клиентов банка увеличилось. На рисунке 39 видно что раньше банк успевал обслуживать в среднем 146 клиентов, так как сейчас это число возросло до 176 клиентов.

Мною также были проведены симуляции с учетом увеличения числа клиентов. Модель успешно справлялась при увеличении с 20 до 24 человек в час. В дальнейшем нагрузка увеличивалась, однако в нужды уменьшении временных норм работы я не вижу, так как из-за этого работе могут возникать ошибки, наилучший вариант это расширение персонала. Увеличение числа менеджеров лучше начинать, когда количество клиентов перевалит за 25 человек, а кассиров когда клиентов станет более 30 человек в час.

3. Обоснование экономической эффективности проекта

Для того чтобы начать расчет экономической эффективности, следует заметить, что модель разрабатывалась с целью повышения эффективности функционирования предприятия.

В дальнейшем будет рассчитаны затраты, которые возникнут в случае внедрения модели.

3.1 Бюджет проекта (затратная часть)

Создание проекта заняло 20 рабочих дней.

Высчитаем прибыль от реализации модели за 1 год.

а) Определение затрат на разработку модели

При создании модели будут включаться все затраты, планируемые на обслуживание клиентов.

Была составлена следующая смета:

- ЗПосн - основная заработная плата;

-ЗПдоп - дополнительная заработная плата;

-Материалы - стоимость используемых материалов;

-НДФЛ - подоходный налог;

-Аренда помещения - аренда помещения;

-Энергия - энергозатраты;

-Инт - расходы на интернет.

Издержки = Материалы + ЗПосн + ЗПдоп + ЕСН + Энергия + Инт

б) Основная заработная плата

В этой части учитывается заработная плата 1 программиста, связанного с разработкой модели, 4 менеджеров и 2 кассиров.

Таблица 2 -Заработная плата сотрудников.

Должность

Заработная плата в месяц, руб.

Стоимость одного рабочего дня, руб.

Менеджер

24 000

1200

Кассир

20 000

1000

Программист

20 000

1000

Сбор информации, проектирование, использование различных вариаций развития ситуаций и обобщение результатов ведется одним программистом, обслуживание клиентов ведется всеми менеджерами и кассирами. Работа ведется последовательно для разработчика проекта, и одновременно для сотрудников отделения.

Таблица 3 - Расчет основной заработной платы

Наименование этапа

Исполнитель

Трудоемкость, дней

Сумма, руб.

1

2

3

4

5

1

Сбор информации

Программист

2

1000,0

2

Проектирование

Программист

4

4000,0

3

Реализация

Программист

4

4000,0

4

Отладка и тестирование

Программист

5

5000,0

5

Оценка результатов и составление рекомендаций

Программист

5

5000,0

6

Составление документации

Программист

1

1000,0

Итого

20 000,0

7

Обслуживание клиентов

4 Менеджера

299

1 435 200,0

8

Обслуживание клиентов

2 Кассир

299

598 000,0

Итого

2 053 200,0

Следовательно, величина основной заработной платы за всю продолжительность проекта составит:

ЗПосн = 2 053 200 руб.

в) Дополнительная заработная плата

За величину дополнительной заработной платы примем 15% от величины основной заработной платы, получаем:

ЗПдоп = ЗПосн * 0,15 = 307 980 руб.

г) Подоходный налог

Отчисления составляют 13%

д) Стоимость материалов

Стоимость материалов не учитывается, т.к. в данном проекте нет расходов на дополнительные ресурсы

СТмат= 0

е) Аренда помещения

Стоимость аренды можно вычислить по формуле:

где П- продолжительность аренды помещения, равное продолжительности выполнения проекта;

- стоимость арендуемого помещения в месяц;

S - площадь арендуемого помещения.

Но т.к. помещение находится в полной собственности, то компания не платит аренду

А = 0 руб.

ж) Энергозатраты

Затраты на электроэнергию рассчитываются по форуле:

Э=W*T*S

где W - потребляемая мощность;

Т - количество часов работы оборудования;

S - стоимость киловатт-часа электроэнергии, S= 3.38 рублей

Для работы были задействованы 7 компьютеров, 1 сервер, 3 принтера, 2ККМ. Рабочий день составляет 11 часов, в среднем пользование принтером занимает 1 час в день и ККМ 10 часов в день. Исходя из этих данных, получаем:

Компьютер: Wк = 0,3кВт, Тк = 3588ч.

Сервер: Wc = 0,7кВт, Тс = 3588ч.

Принтер: Wп = 0,05кВт, Тп = 299ч.

ККМ: Wккм = 0,01кВт Тккм = 2990ч.

3638,232+8489,208+50,531+101,62= 12279руб.

з) Расходы на интернет

Расходы за использование сети интернет составляют 5000руб. в месс.

И = 12*5000 = 60000 руб.

Затраты на сведены в таблице 4.

Таблица 4 - Затраты

Список затрат

Сумма затрат, руб.

Основная заработная плата

2053200

Дополнительная заработная плата

307980

Материалы

0

НДФЛ

306953

Аренда

0

Затраты на интернет

60000

Итого

2728113

Исходя из проведенных расчетов видно, что при использовании модели затраты составят порядка 2728113 руб. в год.

3.2 Выгоды, получаемые от проекта

Внедрение модели дает сразу несколько преимуществ:

Во-первых: в модели была достигнута цель увеличения производительности в отделении банка. После отладки параметров очередь, которая постоянно скапливалась, была существенно уменьшена, а так же была выявлена необходимость изменении числа сотрудников.

Во-вторых: в модели ясно видно, что при использовании данных изменений увеличивается число клиентов которых банк успевает обслуживать. А это значит что доходы отделения должны вырасти.

В-третьих : существуют также и косвенные выгоды, которые могут быть даже более значимыми, чем прямой экономический эффект. Зачастую их сложно представить в строго формализованном виде и довольно трудно измерить. В общем случае к таким выгодам можно отнести:

- возможность контролировать все происходящие бизнес-процессы в режиме реального времени;

- наглядное иллюстрирование процесса обслуживания. Руководитель и сотрудники получают возможность видеть на экране компьютера все процессы, осуществляемые в отделении;

- возможность использования виртуального эксперимента без существенных финансовых потерь ;

- возможность определения оптимального количества персонала и оборудования для эффективного развития организации.

Заключение

В результате разработанного проекта была достигнута цель работы - построение и анализ модели, имитирующей процесс обслуживания клиентов в отделении ОАО КБ «Пойдем», а также были решены и раскрыты в полном объеме все поставленные задачи:

- анализ рынка систем моделирования;

- изучение системы имитационного моделирования;

- создание модели, имитирующий процесс обслуживания клиентов;

- оценка результатов.

Можно сделать выводы, что использование подобной методики позволяют руководителям любой фирмы заглянуть далеко в будущие в развитие их организации и скорректировать его в своих целях. Также позволяет проиграть различные сценарии, изменения, разные параметры модели, при этом, не затрачивая дополнительных: временных, денежных средств на оборудование и его установку, транспортировку, а также на дополнительную рабочую силу.

Подобные имитации различных бизнес-процессов существенно облегчает управление и их развитие.

Список используемой литературы

1. Гусева Е. Н. Имитационное моделирование экономических процессов в среде Arena; Флинта - Москва, 2011. - 132 c.

2. Девятков, В.В. Имитационное моделирование: Учебное пособие / Н.Б. Кобелев, В.А. Половников, В.В. Девятков. - М.: НИЦ ИНФРА-М, 2013. - 368 c.

3. Емельянова А. А. Компьютерная имитация экономических процессов; Маркет ДС - Москва, 2011. - 464 c.

4. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 (+ CD); БХВ-Петербург - Москва, 2012. - 400 c.

5. Круглов В. В., Осокин М. В. Локально-аппроксимационные модели социально-экономических систем и процессов; ФИЗМАТЛИТ, Наука - Москва, 2011. - 224 c.

6. Лычкина, Н.Н. Имитационное моделирование экономических процессов: Учебное пособие / Н.Н. Лычкина. - М.: НИЦ ИНФРА-М, 2012. - 254 c.

7. Лоу, Аверилл М.; Кельтон, В. Дэвид Имитационное моделирование. Классика CS; СПб: Питер - Москва, 2010. - 848 c.

8. Лычкина Н. Н. Имитационное моделирование экономических процессов; Инфра-М - , 2012. - 256 c.

9. Максимей И. В. Имитационное моделирование сложных систем. В 3 частях. Часть 1. Математические основы; БГУ - Москва, 2011. - 264 c.

10. Митюков Н. В. Имитационное моделирование в военной истории; ЛКИ - Москва, 2011. - 280 c.

11. Павловский Ю. Н., Белотелов Н. В., Бродский Ю. И. Имитационное моделирование; Академия - Москва, 2012. - 240 c.

12. Панюков А. В. Математическое моделирование экономических процессов; Либроком - Москва, 2010. - 192 c.

13. Шеннон Р. Имитационное моделирование систем - искусство и наука; Мир - Москва, 2013. - 418 c.

14. http://dic.academic.ru/dic.nsf/ruwiki/117535

15. http://refleader.ru/otrotrbewqas.html

16. http://xreferat.ru/33/327-1-imitacionnye-modeli.html

17. http://www.anylogic.ru/upload/Books_ru

18. http://www.anylogic.ru/anylogic/help

19. http://otherreferats.allbest.ru/emodel/00130483_0.html

20. http://simulation.su/uploads/files/default

21. http://dic.academic.ru/dic.nsf/ruwiki/117535

22. http://www.scienceforum.ru/2013/21/2365

23. http://e-sab.narod.ru/Student/msu/4-imitation.pdf

24. http://ru.vlab.wikia.com/wiki/Имитационное_моделирование

25. http://www.sbup.com/wiki/Имитационное_моделирование

26. http://bourabai.ru/cm/simulation.htm

27. http://www.interface.ru/home.asp?artId=1557

28. http://habrahabr.ru/post/246307/

29. http://www.twirpx.com/files/common/modelling/immitation/

30. http://villian2008.narod.ru/7.htm

Размещено на Allbest.ru


Подобные документы

  • Процедура проведения имитационных экспериментов с моделью исследуемой системы. Этапы имитационного моделирования. Построение концептуальной модели объекта. Верификация и адаптация имитационной модели. Метод Монте-Карло. Моделирование работы отдела банка.

    курсовая работа [549,5 K], добавлен 25.09.2011

  • Теоретические основы имитационного моделирования. Пакет моделирования AnyLogic TM, агентный подход моделирования. Разработка имитационной модели жизненного цикла товара ООО "Стимул", модели поведения потребителей на рынке и специфика покупателей.

    курсовая работа [2,0 M], добавлен 26.11.2010

  • Динамические, стохастические, дискретные модели имитационного моделирования. Предпосылки, технологические этапы машинного моделирования сложной системы. Разработка имитационной модели автоматизированного участка обработки деталей, ее верификация.

    дипломная работа [224,3 K], добавлен 05.09.2009

  • Метод имитационного моделирования, его виды, основные этапы и особенности: статическое и динамическое представление моделируемой системы. Исследование практики использования методов имитационного моделирования в анализе экономических процессов и задач.

    курсовая работа [54,3 K], добавлен 26.10.2014

  • Понятие имитационного моделирования, применение его в экономике. Этапы процесса построения математической модели сложной системы, критерии ее адекватности. Дискретно-событийное моделирование. Метод Монте-Карло - разновидность имитационного моделирования.

    контрольная работа [26,7 K], добавлен 23.12.2013

  • Сферы применения имитационного моделирования для выбора оптимальных стратегий. Оптимизация уровня запасов и построение модели управления. Построение имитационной модели и анализ при стратегии оптимального размера заказа и периодической проверки.

    контрольная работа [57,5 K], добавлен 23.11.2012

  • Решение системы дифференциальных уравнений методом Рунге-Кутта. Исследованы возможности применения имитационного моделирования для исследования систем массового обслуживания. Результаты моделирования базового варианта системы массового обслуживания.

    лабораторная работа [234,0 K], добавлен 21.07.2012

  • Исследование особенностей разработки и построения модели социально-экономической системы. Характеристика основных этапов процесса имитации. Экспериментирование с использованием имитационной модели. Организационные аспекты имитационного моделирования.

    реферат [192,1 K], добавлен 15.06.2015

  • Применение математического моделирования при решении прикладных инженерных задач. Оптимизация параметров технических систем. Использование программ LVMFlow для имитационного моделирования литейных процессов. Изготовление отливки, численное моделирование.

    курсовая работа [4,0 M], добавлен 22.11.2012

  • Обоснование критериев моделирования и проверка достоверности концептуальной модели. Построение логической схемы работы производственного подразделения. Выбор вычислительных средств моделирования. Оптимизация числа постов производственных зон участка.

    курсовая работа [265,5 K], добавлен 31.05.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.