Размещено на http://www.allbest.ru/

Аннотация

Система массового обслуживания - математическая модель, разработанная для описания класса многочисленных и широко распространенных сложных систем, назначением которых является широко понимаемое массовое обслуживание.

Целью выполнения курсового проекта является построения имитационной модели работы терапевтического отделения - многоканальной системы массового обслуживания.

Тема курсового проекта является актуальной, так как позволяет смоделировать оптимальный процесс работы данного отделения. Для достижения цели необходимо выполнить следующие задачи:

- анализ предметной области моделирования;

- выбор и обоснование средств и методов моделирования;

- разработка имитационной модели;

- испытание и исследование имитационной модели.

Abstract

Queuing system - mathematical model developed to describe the class of abundant and widespread of complex systems, the purpose of which is broadly understood mass service.

To fulfill the course project is a simulation model of the therapeutic department - multichannel queuing systems.

The theme of the course project is vitally relevant, as it allows to simulate the optimal process operation of this office. To achieve the goal of the following tasks:

? Domain analysis modeling;

? Selection and justification of modeling tools and techniques;

? Development of a simulation model;

? Test and study simulation model.

имитационный алгоритм математический

Содержание

• Введение
• 1. Теоретические аспекты моделирования работы терапевтического отделения
• 1.1 Теория имитационного моделирования и систем массового обслуживания
• 1.2 Описание системы моделирования « Терапевтическое отделение»
• 1.3 Выбор и обоснование средств и методов моделирования
• 2. Создание имитационной модели в среде AnyLogic
• 2.1 Схемы модели системы и моделирующего алгоритма
• 2.2 Описание создания имитационной модели « Терапевтическое отделение»
• 3. Испытание и исследование имитационной модели
• 3.1 План организации вычислительного эксперимента
• 3.2 Результаты вычислительного эксперимента и их анализ
• Заключение
• Список использованных источников
• Приложение А Фрагмент программы
• Введение

Имитационные модели систем массового обслуживания имеют большое практическое применение, как для больших систем, так и систем частного характера. Такие системы окружают нас повсюду, примерами систем массового обслуживания могут служить телефонные станции, билетные кассы, магазины, парикмахерские, поликлиники. Каждая из этих систем состоит из определенного числа обслуживающих единиц или аппаратов обслуживания. Такими аппаратами могут быть кассы, продавцы, врачи и другие. Любая подобная система предназначена для обслуживания некоторого количества заявок, поступающих в какие-то случайные моменты времени. Обслуживание заявки продолжается некоторое время, после чего канал освобождается и становиться готовым к приему следующей заявки.

Целью курсового проекта является разработка имитационной модели системы массового обслуживания "Терапевтическое отделение", которая позволяет оптимизировать работу регистратуры и врачей.

Разработка имитационной модели терапевтического отделения является актуальной на сегодняшний день, так как она позволяет автоматизировать работу по расчету эффективности системы массового обслуживания и предоставляет пользователю понятный и дружественный интерфейс. Программа позволяет пользователю вводить свои параметры, менять настройки, производить анализ работы системы.

Таким образом, моделируя реальные процессы, которые могут происходить в жизни, можно прогнозировать качество работы системы. Изменяя параметры системы, пользователь может проследить, как изменяется эффективность работы.

Для достижения поставленной цели необходимо выполнить следующие задачи:

- изучить специфику работы терапевтического отделения;

- выполнить обзор и выбор средств моделирования;

- разработать схему моделирующего алгоритма и его описать;

- разработать имитационную модель «Терапевтическое отделение»;

- описать работу имитационной модели «Терапевтическое отделение»;

- провести вычислительный эксперимент и анализировать полученные результаты.

1. Теоретические аспекты моделирования работы терапевтического отделения

1.1 Теория имитационного моделирования и систем массового обслуживания

В данном курсовом проекте рассмотрено моделирование работы терапевтического отделения, проведено исследование данной системы массового обслуживания с помощью метода имитационного моделирования.

Теория массового обслуживания - область прикладной математики, занимающаяся анализом процессов в системах производства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и передачи информации; автоматических линиях производства.

Предметом теории массового обслуживания является установление зависимостей между характером потока заявок, числом каналов обслуживания, производительностью отдельного канала и эффективным обслуживанием с целью нахождения наилучших путей управления этими процессами.

Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого варианта системы, при котором будет обеспечен минимум суммарных затрат от ожидания обслуживания, потерь времени и ресурсов на обслуживание и простоев каналов обслуживания [1].

Метод имитационного моделирования в общем виде как экспериментальный метод исследования реальной системы по ее имитационной модели сочетает особенности экспериментального подхода и специфические условия использования вычислительной техники. Данный метод позволяет решать задачи высокой сложности, обеспечивает имитацию сложных и многообразных процессов, с большим количеством элементов. Отдельные функциональные зависимости в таких моделях могут описываться громоздкими математическими соотношениями. Поэтому имитационное моделирование эффективно используется в задачах исследования систем со сложной структурой с целью решения конкретных проблем.

Имитационное моделирование является важным фактором в системах поддержки принятия решений, так как позволяет исследовать большое число альтернатив (вариантов решений), проигрывать различные сценарии при любых входных данных. Имитационное моделирование позволяет прогнозировать, когда речь идет о проектируемой системе или исследуются процессы развития.

Имитационная модель - это программная реализация моделирующего алгоритма. Ключевым моментом в имитационном моделировании является выделение и описание состояний системы. Система характеризуется набором переменных состояний, каждая комбинация которых описывает конкретное состояние. Следовательно, путем изменения значений этих переменных можно имитировать переход системы из одного состояния в другое. Таким образом, имитационное моделирование - это представление динамического поведения системы посредством продвижения ее от одного состояния к другому в соответствии с определенными правилами. Эти изменения состояний могут происходить либо непрерывно, либо в дискретные моменты времени. Имитационное моделирование есть динамическое отражение изменений состояния системы с течением времени [2].

Задача моделирования работы терапевтического отделения является важной и необходимой, поскольку выводы, полученные при моделировании системы, отражат основные особенности функционирования и позволят качественно и количественно оценить её поведение.

1.2 Описание системы моделирования «Терапевтическое отделение»

Медицинское учреждение - это такая организация, в которой требуется грамотное управление, так как от эффективности работы этой организации зависит то, насколько квалифицировано и своевременно будут обслужены клиенты. Поэтому была поставлена задача создания наиболее совершенной системы моделирования для получения более точных результатов работы.

Цель моделирования работы терапевтического отделения состоит в оптимизации работы регистратуры и врачей, оптимального подбора количества врачей, при котором будет обеспечено невозрастание очереди и загрузка врачей будет оптимальной для осмотра каждого пришедшего больного.

Необходимо смоделировать работу терапевтического отделения в течение 8 часов. Работа системы обслуживания больных построена следующим образом: больные приходят в поликлинику в среднем каждые 12 мин и обращаются в регистратуру за талоном к врачу или за медицинской карточкой. Регистратор обслуживает посетителя в среднем в течение 3 мин. Врачу выделяется на каждого больного в среднем по 12 мин.

Таким образом, проблема возникновения очереди происходит в момент прохождения больным регистратуры и в большей степени в момент прохождения врача. После обслуживания больной уходит из поликлиники.

По результатам моделирования можно будет произвести анализ о необходимом количестве врачей, которые обслуживают клиентов, и об эффективности их работы.

В интерфейсе программы необходимо предусмотреть возможность ввода следующих параметров:

- время моделирования;

- число потоков заявок и параметры каждого потока;

- число каналов обслуживания;

- число очередей и время пребывания заявки в очереди;

- время обслуживания одной заявки.

В результате своей работы имитационная модель должна отображать:

- модельное время;

- статистику по поступившим, находящимся в системе на обслуживании и обработанным заявкам;

- статистику по потокам заявок, очередям и каналам обслуживания.

1.3 Выбор и обоснование средств и методов моделирования

Программная реализация моделирующего алгоритма возможна с помощью применения различных средств автоматизации моделирования. Одними из наиболее распространенных сред являются «Arena», «Extend», «AnyLogic», «Promodel».

Среда имитационного моделирования «AnyLogic» обладает рядом преимуществ среди выше перечисленных и применяется в самых различных областях: производственных, социально - экономических, транспортных и других.

«AnyLogic» - инструмент имитационного моделирования нового поколения, основанный не результатах, полученных в теории моделирования и в информационных технологиях за последнее десятилетие.

Основными строительными блоками модели «AnyLogic» являются активные объекты, которые позволяют моделировать любые объекты реального мира. Активный объект является экземпляром класса активного объекта. Чтобы создать модель «AnyLogic», необходимо создать классы активных объектов (или использовать объекты библиотек «AnyLogic») и задать их взаимосвязи. «AnyLogic» интерпретирует создаваемые графически классы активных объектов в классы «Java». Поэтому можно пользоваться всеми преимуществами объектно-ориентированного моделирования: наследованием, полиморфизмом и другие, что позволяет значительно упростить процесс разработки моделей. Активные объекты могут содержать вложенные объекты, причем уровень вложенности неограничен. Это позволяет производить декомпозицию модели на любое количество уровней детализации. С помощью инкапсуляции объектов мы также можем прятать объекты детали разработки моделируемого объекта. Активные объекты имеют четко определенные интерфейсы взаимодействия - они взаимодействуют со своим окружением только посредством своих интерфейсных элементов. Это разделение внутреннего устройства активного объекта и любой информации об окружении объекта облегчает создание систем со сложной структурой. Создав класс активного объекта, можно создать любое количество объектов-экземпляров этого класса.

Графическая среда моделирования поддерживает проектирование, разработку, документирование модели, выполнение компьютерных экспериментов, оптимизацию параметров относительно некоторого критерия. При разработке модели можно использовать элементы визуальной графики: диаграммы состояний (стейтчарты), сигналы, события (таймеры), порты; синхронное и асинхронное планирование событий; библиотеки активных объектов.

Удобный интерфейс и многочисленные средства поддержки разработки моделей в «AnyLogic» делают не только использование, но и создание компьютерных имитационных моделей в этой среде моделирования доступным даже для начинающих. При разработке модели на «AnyLogic» можно использовать концепции и средства из нескольких классических областей имитационного моделирования: динамических систем, дискретно-событийного моделирования, системной динамики, агентного моделирования. Кроме того, «AnyLogic» позволяет интегрировать различные подходы с целью получить более полную картину взаимодействия сложных процессов различной природы [3].

2. Создание имитационной модели в среде «AnyLogic»

2.1 Схемы модели системы и моделирующего алгоритма

Моделируемая система представлена в виде модели системы массового обслуживания, структурная схема которой показана на рисунке 2.1

Рисунок 2.1 - Структурная схема работы терапевтического отделения

Анализ условия задачи и структурной схемы позволяет сказать, что в процессе взаимодействия больных с поликлиникой возможны следующие ситуации:

? режим нормального обслуживания, когда все больные, которые зарегистрировались в регистратуре, будут обслужены врачом;

? режим, при котором в очереди останутся больные, не прошедшие осмотр врача.

Следующий этап является переходом от содержательного к формальному описанию системы исследования. Из анализа содержательного описания следует, что наилучшим способом формального описания является применение непрерывно-стохастического подхода, с использованием систем массового обслуживания. По своей сути описанные процессы являются процессами обслуживания потоков партий и комплектов деталей, поэтому для формализации задачи используем аппарат Q-схем.

В соответствии с построенной концептуальной моделью структурную схему данной системы массового обслуживания можно представить в виде, изображенном на рисунке 2.2

Рисунок 2.2 - Структурная схема работы терапевтического отделения в символике Q-схем

При этом источник (И) имитирует поступление больных в поликлинику. Далее, они поступают в канал (К1), имитирующем работу регистратуры. Больные, после обслуживания в канале (К1), поступают в накопитель (Н1), имитирующего очередь. По мере пребывания в очереди (в накопителе Н1), больные поступают на обслуживание в каналы (К2, К3, К4), имитирующих работу первого, второго, третьего врачей соответственно.

Следующим этапом формализации модели является построение моделирующего алгоритма. При разработке алгоритма использован «принцип t» .

Обобщенная схема моделирующего алгоритма изображенном на рисунке 2.3

В первом блоке осуществляется пуск на выполнение эмуляции работы системы исследования. Во втором блоке осуществляет ввод параметров системы. По условию задания на исследование изменяющимся параметром является время обслуживания больного врачом, и необходимо определить коэффициент загрузки врачей. В третьем блоке выполняется проверка условия: “выполнено ли заданное время моделируемого процесса”. Если да, то управление предается четырнадцатому блоку на обработку результатов. Четвертый блок имитирует обслуживание больного в регистратуре. Пятый блок служит для создания очереди. Шестой блок выполняет проверку на заполненность очереди к врачу. Седьмой блок определяет свободен ли первый врач. Если очередь пуста, то происходит обслуживание больного, что подразумевает восьмой блок. Если если же первый врач занят, то проверяется свободен ли второй врач.

Рисунок 2.3 - Обобщенная схема моделирующего алгоритма

В положительном случае больной обслуживается у него, если же второй врач тоже занят, то проверяется свободен ли третий врач. В положительном случае больной обслуживается уже у третьего врача, если же он тоже занят,то больной ожидает своей очереди в пятом блоке. Девятый и одиннадцатый блоки аналогичны седьмому блоку. Десятый блок подразумевает обслуживание больного вторым врачом. Двенадцатый блок подразумевает обслуживание больного третьим врачом. Тринадцатый блок завершает работу процесса моделирования на заданный период времени (8ч). Пятнадцатый блок осуществляет остановку эмуляции работы системы.

При моделировании процесса функционирования работы терапевтического отделения были обозначены следующие переменные:

? Т - общее время моделирования;

? N₀ - количество больных, прошедших за время моделирования Т;

? N₁ - число пользователей, получивших отказ;

Для построения математической модели было использовано следующее уравнение:

(1.1)

Основным показателем системы является вероятность отказа в обслуживании (Р отк). Для оптимизации работы поликлиники необходимо определить вероятность отказа в обслуживании, при котором все поступившие больные должны быть обслужены врачом. Основное соотношение заключается в том, что при определенном количестве врачей вероятность отказа в обслуживании будет наименьшей. Поэтому необходимо увеличивать количество врачей и при этом измерять коэффициент отказа.

2.2 Описание создания имитационной модели «Терапевтическое отделение»

Для создания новой модели следует нажать на кнопку «Создать проект». Появится диалоговое окно, в котором дается имя файлу создаваемой модели и выбирается каталог, где он будет храниться.

В центре рабочей области «AnyLogic» открывается графический редактор диаграммы класса активного объекта «Main», в котором создается блок-схема модели работы терапевтического отделения, путем перетаскивания в окно структуры и соединения элементов библиотеки «Pedestrian library».

Построенная с помощью элементов библиотеки «Pedestrian library» модель простой системы массового обслуживания - модель терапевтического отделения представлена на рисунке 2.4

Рисунок 2.4 - Схема модели терапевтического отделения в «AnyLogic»

Элемент «pedSource» представляет собой источник заявок, используется в качестве начальной точки потока заявок. В создаваемой модели заявками будут больные, а элемент «pedSource» будет моделировать их приход в терапевтическое отделение. Свойства элемента отображены на рисунке 2.5



Рисунок 2.5 - Свойства элемента «pedSource»

Элементы «pedService» и «pedService1» служат для создания очереди в регистратуре и очереди приема к врачам соответственно. Свойства элементов «pedService» и «pedService1» изображены на рисунке 2.6 и рисунке 2.7 соответственно.

Рисунок 2.6 - Свойства элемента «pedService»



Рисунок 2.7 - Свойства элемента «pedService1»

Элемент «pedToGo» нужен для указания направления движения пассажиров. В свойстве данного элемента определяется конечная точка движения пассажиров. Элемент «pedSink» уничтожает поступившие заявки и используется в качестве обозначения конечной точки блок-схемы.

С помощью элемента «Стена» была создана имитация здания терапевтического отделения. Элемент «Сервис с очередью» указывает места, где будут располагаться очередь и места обслуживания. Элементом «Целевая линия» обозначается место появления и исчезновения пациентов. Модель выполняется в соответствии с набором конфигурационных установок, называемым экспериментом.

Запускать и отлаживать модель можно с помощью меню «Модель» и панели инструментов, представленной на рисунке 2.7



Рисунок 2.8 - Панель инструментов

При исполнении модели запустится компилятор, который построит исполняемый код модели в языке «Java», скомпилирует его и затем запустит модель на исполнение.

Для запуска модели необходимо нажать кнопку «Выполнить». После этого откроется окно презентации, изображенное на рисунке 2.8

Рисунок 2.9 - Окно презентации

Чтобы запустить модель и перейти на презентацию для запущенного эксперимента необходимо нажать на кнопку «Запустить». В окне моделирования появится анимированная диаграмма модели, окна инспекта элементов модели, диаграмма состояний, изображенные на рисунке 2.9

Рисунок 2.10 - Окно моделирования

3. Испытание и исследование имитационной модели

3.1 План организации вычислительного эксперимента

Вычислительный эксперимент - это эксперимент над математической моделью объекта на ЭВМ, который состоит в том, что по одним параметрам модели вычисляются другие её параметры и на этой основе делаются выводы о свойствах явления, описываемого математической моделью.

Планирование эксперимента необходимо во всех случаях, когда еще перед началом исследования предварительные знания можно представить математической моделью, таким образом задать гипотезу. Вычислительный эксперимент играет ту же роль, что и обыкновенный эксперимент при исследованиях новых гипотез. Современная гипотеза почти всегда имеет математическое описание, над которым можно выполнять эксперименты.

Планирование эксперимента начинается с выбора варьируемых факторов и установления основных и второстепенных, влияющих на исследуемый процесс. Вначале анализируются расчетные (теоретические) схемы процесса. На основе этого классифицируются все факторы и из них составляется убывающий по важности ряд для данного эксперимента.

Использование вычислительного эксперимента как средства решения сложных прикладных проблем имеет в случае каждой конкретной задачи свои специфические особенности, но тем не менее всегда чётко просматриваются общие характерные основные черты, позволяющие говорить о единой структуре этого процесса.

В настоящее время технологический цикл вычислительного эксперимента принято подразделять на ряд технологических этапов. И хотя такое деление в значительной степени условно, тем не менее оно позволяет лучше понять существо этого метода проведения теоретических исследований.

Все этапы технологического цикла вычислительного эксперимента тесно связаны между собой и служат единой цели - получению с заданной точностью за короткое время адекватного количественного описания поведения изучаемого реального объекта в тех или иных условиях.

Этапы вычислительного эксперимента можно представить в виде следующей последовательности технологических операций (они реализованы в соответствующих блоках программного комплекса):

? построение математической модели;

? преобразование математической модели;

? планирование вычислительного эксперимента;

? построение программной реализации математической модели;

? отладка и тестирование программной реализации;

? проведение вычислительного эксперимента;

? документирование эксперимента.

Построенная программная реализация математической модели используется для изучения законов поведения объектов, испытаний различных режимов работы, построения управляющих воздействий, поиска оптимальных характеристик. На основании изучения поведения модели либо делается вывод о возможности ее применения на практике, либо принимается решение о проведении дополнительной серии экспериментов и корректировки модели, и тогда весь цикл исследований необходимо повторять с начала[4].

С помощью имитационной модели работы терапевтического отделения планируется провести девять экспериментов с различными начальными значениями интенсивности появления пациентов, интенсивности обслуживания пациентов в регистратуре, интенсивности обслуживания пациентов врачами. Так как интенсивность появления пациентов и их обслуживания не может быть одной и той же во время эксперимента, то она задается с помощью случайного распределения вероятностей из заданного диапазона значений. Из этого следует, что проводя серии эксперементов необходимо изменять диапазоны значений.

В первой серии из трех эксперементов исследуется поведение системы при различных диапазонах значений интенсивности появления пациентов, представленых в таблице 3.1

Таблица 3.1 - Исходные диапазоны значений для первой серии экспериментов

№ эксперимента	Значения
1	10
2	12
3	14

Во второй серии экспериментов проводится исследование модели работы терапевтического отделения. При этом изменяются исходные диапазоны значений времени обслуживания пациентов в регистратуре, которые приведены в таблице 3.2.

Таблица 3.2 - Исходные диапазоны значений для второй серии экспериментов

№ эксперимента	Значения
3	2 - 3
4	3 - 4
5	2 - 4

В третьей серии эксперементов для корректировки модели проводятся имитации с различными диапазонами значений времени обслуживания пациентов врачами, которые содержатся в таблице 3.3

Таблица 3.3 - Исходные диапазоны значений для третьей серии экспериментов

№ эксперимента	Значения
1	10 - 12
2	12 - 15
3	11 - 13

Результаты экспериментов сводятся в удобные формы записи -- рисунки, графики, таблицы, позволяющие быстро сопоставить полученные результаты.

3.2 Результаты вычислительного эксперимента и их анализ

• В данном курсовом проекте были проведены статистические исследования, чтобы проверить, как работает имитационная модель терапевтического отделения при разных настройках.
• Для определения оптимальной работы терапевтического отделения необходимо провести анализ полученных результатов проведенных экспериментов.
• Результаты работы системы при проведении первого, второго и третьего экспериментов, относящиеся к первой серии изображены на рисунках 3.1 - 3.3
• Рисунок 3.1 - Результаты 1 эксперимента
• По результатам первой серии экспериментов можно сделать вывод о том, что для дальнейшего испытания имитационной модели необходимо оставить диапазон значений интенсивности появления пациентов равный четырнадцати, потому что количество пришедших пациентов должно быть как можно больше, так как от их числа зависит число и обслуженных клиентов.
• Рисунок 3.2 - Результаты 2 эксперимента
• Рисунок 3.3 - Результаты 3 эксперимента
• Для меньшего же количества отказов в обслуживании необходима корректировка диапазона значений времени обслуживания в регистратуре и диапазона значений времени обслуживания врачами.
• При проведении второй серии экспериментов, состоящей из четвертого, пятого и шестого экспериментов, была исследована работа системы при измененных диапозанах значений времени обслуживания в регистратуре. Результаты паказаны на рисунках 3.4 - 3.6
• Рисунок 3.4 - Результаты 4 эксперимента
• Рисунок 3.5 - Результаты 5 эксперимента

• Рисунок 3.6 - Результаты 6 эксперимента
• Из результатов второй серии экспериментов следует, что для дальнейшего испытания имитационной модели следует установить диапазон значений времени обслуживания пациентов в регистратуре равный от трёх до четырёх, так как в этом случае количество пришедших и обслуженных пациентов максимальное и число отказов невысокое и допустимое для следующих экспериментов.
• При проведении третьей серии экспериментов, включающей седьмой, восьмой и девятый эксперименты, был изменен диапозан значений времени обслуживания врачами.
• Результаты последней серии экспериментов представлены на рисунках 3.7-3.9
• Так как цель курсового проекта смоделировать оптимальный процесс работы терапевтического отделения и основным показателем работы системы является вероятность отказа в обслуживании, при котором все поступившие больные должны быть обслужены врачом, то необходимо рассчитать данный показатель для каждого эксперимента последней серии.

Результаты моделирования работы терапевтического отделения и расчётов приведены в таблице 3.4.



• Рисунок 3.7 - Результаты 7 эксперимента
• Рисунок 3.8 - Результаты 8 эксперимента
• Рисунок 3.9 - Результаты 9 эксперимента

Таблица 3.4 - Результаты третьей серии экспериментов

№ эксперимента	Число пришедших пациентов	Число обслуженных пациентов	Число необслуженных пациентов	Вероятность отказа
1	111	101	10	0,090
2	120	103	17	0,141
3	120	112	8	0,067

Из серии экспериментов лучшим результатом по эффективности работы был третий эксперимент с диапазоном значений времени обслуживания врачами равным от одиннадцати до тринадцати минут.

По полученным данным можно сказать, что оптимальным процессом работы терапевтического отделения можно считать именно тот, у которого диапазоны значений времени обслуживания в регистратуре и врачами равны соответственно от трёх до четырёх и от одиннадцати до тринадцати минут. Интенсивность появления пациентов при этом равна четырнадцати, а количество врачей равно трем. Увеличение числа врачей не требуется, так как общая эффективность работы системы возрастет, но производительность работы и время занятости каждого из них при этом снизится и возможны простои времени обслуживания врачами.

Заключение

В данном курсовом проекте на основе полученного задания была разработана имитационная модель работы терапевтического отделения в среде AnyLogic.

В процессе выполнения курсового проекта были поставлены и решены следующие задачи:

- изучена специфика работы терапевтического отделения;

- выполнен обзор и выбор средств моделирования;

- разработана схема моделирующего алгоритма и его описание;

- разработана имитационная модель «Терапевтическое отделение»;

- описана работа имитационной модели «Терапевтическое отделение»;

- проведен вычислительный эксперимент и анализированы полученные результаты.

Результаты, полученные при моделировании системы массового обслуживания «Терапевтическое отделение», отражают основные особенности её функционирования, позволяют произвести анализ о необходимом количестве врачей, которые обслуживают клиентов, и об эффективности их работы.

Разработанная в ходе выполнения курсового проекта имитационная модель системы массового обслуживания "Терапевтическое отделение" является актуальной на сегодняшний день, так как предоставляет большие возможности для анализа работы системы и принятия решений в различных ситуациях на практике.

Моделируя реальные процессы работы терапевтического отделения было отмечено, как изменяется эффективность работы системы при разных настройках. Затем, был сделан вывод о том, что оптимальным процессом работы терапевтического отделения можно считать именно тот, у которого диапазоны значений времени обслуживания в регистратуре и врачами равны соответственно от трёх до четырёх и от одиннадцати до тринадцати минут. Интенсивность появления пациентов при этом равна четырнадцати, а количество врачей равно трем. Увеличение числа врачей не требуется, так как общая эффективность работы системы возрастет, но производительность работы и время занятости каждого из них при этом снизится и возможны простои времени обслуживания врачами.

Данное решение оптимально и актуально только для данных интервалов времени и определенных условий.

При воздействии внешней среды изменятся воздействующие параметры, которые скажутся на моделировании процесса работы терапевтического отделения, поэтому для других параметров следует разрабатывать процесс моделирования более тщательно, с учетом большего количества параметром.

В ходе разработки данного проекта были приобретены практические навыки системного исследования реальной динамической сложной системы на основе построения имитационной модели.

Список использованных источников

1 Советов Б.Я., Яковлев С.А. Моделирование систем. - М.: Высш. шк.,1995.

2 Советов Б.Я., Яковлев С.А. Моделирование систем. Практикум. - М.: Высш. шк.,1999.

3 Доросинский Л.Г., Имитационное моделирование систем в среде AnyLogic. - У.М.:2009.

4 Волков И.К., Загоруйко Е.А., Исследование операций.- М.: Учебник для вузов.,2002.

Приложение А

Фрагмент программы

public class Main extends Agent

{

// Параметры

public

int КоличествоОтказов;

/**

* Возвращает значение по умолчанию параметра <code>КоличествоОтказов</code>.

* <i>Пользователь не должен вызывать этот метод</i>

*/

@AnyLogicInternalCodegenAPI

public int _КоличествоОтказов_DefaultValue_xjal() {

final Main self = this;

return 0;

}

public void set_КоличествоОтказов( int КоличествоОтказов ) {

if (КоличествоОтказов == this.КоличествоОтказов) {

return;

}

int _oldValue_xjal = this.КоличествоОтказов;

this.КоличествоОтказов = КоличествоОтказов;

onChange_КоличествоОтказов_xjal( _oldValue_xjal );

onChange();

}

/**

* Calls "On change" action for parameter КоличествоОтказов.<br>

* Note that 'oldValue' in that action will be unavailable if this method is called by user

* (current parameter value will be passed as 'oldValue').<br>

* Please call <code>set_КоличествоОтказов()</code> method instead.

*/

void onChange_КоличествоОтказов() {

onChange_КоличествоОтказов_xjal( КоличествоОтказов );

}

@AnyLogicInternalCodegenAPI

void onChange_КоличествоОтказов_xjal( int oldValue ) {

}

@Override

public void setParametersToDefaultValues() {

super.setParametersToDefaultValues();

КоличествоОтказов = _КоличествоОтказов_DefaultValue_xjal();

}

@Override

public boolean setParameter(String _name_xjal, Object _value_xjal, boolean _callOnChange_xjal) {

if ("КоличествоОтказов".equals( _name_xjal )) {

if ( _callOnChange_xjal ) {

set_КоличествоОтказов( ((Number) _value_xjal).intValue() );

} else {

КоличествоОтказов = ((Number) _value_xjal).intValue();

}

return true;

}

return super.setParameter( _name_xjal, _value_xjal, _callOnChange_xjal );

}

// Простые переменные

public

int

КоличествоОбслуженныхКлиентов;

public

int

КоличествоПришедшихКлиентов;

// События

@AnyLogicInternalCodegenAPI

public EventTimeout _plot_autoUpdateEvent_xjal = new EventTimeout(this);

@Override

@AnyLogicInternalCodegenAPI

public String getNameOf( EventTimeout _e ) {

if ( _e == _plot_autoUpdateEvent_xjal ) return "plot auto update event";

return super.getNameOf( _e );

}

@Override

@AnyLogicInternalCodegenAPI

public EventTimeout.Mode getModeOf( EventTimeout _e ) {

if ( _e == _plot_autoUpdateEvent_xjal ) return EVENT_TIMEOUT_MODE_CYCLIC;

return super.getModeOf( _e );

}

@Override

@AnyLogicInternalCodegenAPI

public double getFirstOccurrenceTime( EventTimeout _e ) {

if (

_e == _plot_autoUpdateEvent_xjal

) return getEngine().getStartTime();

return super.getFirstOccurrenceTime( _e );

}

@Override

@AnyLogicInternalCodegenAPI

public double evaluateTimeoutOf( EventTimeout _e ) {

if ( _e == _plot_autoUpdateEvent_xjal ) return

1

;

return super.evaluateTimeoutOf( _e );

}

@Override

@AnyLogicInternalCodegenAPI

public void executeActionOf( EventTimeout _e ) {

if ( _e == _plot_autoUpdateEvent_xjal ) {

plot.updateData();

return;

}

super.executeActionOf( _e );

}

/** Internal constant, shouldn't be accessed by user */

@AnyLogicInternalCodegenAPI

protected static final short _STATECHART_ELEMENT_NEXT_ID_xjal = 0;

// Вложенные объекты

public com.xj.anylogic.libraries.pedestrian.PedSource<

Agent > pedSource;

public com.xj.anylogic.libraries.pedestrian.PedService<

Agent > pedService;

public com.xj.anylogic.libraries.pedestrian.PedService<

Agent > pedService1;

public com.xj.anylogic.libraries.pedestrian.PedGoTo<

Agent > pedGoTo;

public com.xj.anylogic.libraries.pedestrian.PedSink<

Agent > pedSink;

public String getNameOf( Agent ao ) {

if ( ao == pedSource ) return "pedSource";

if ( ao == pedService ) return "pedService";

if ( ao == pedService1 ) return "pedService1";

if ( ao == pedGoTo ) return "pedGoTo";

if ( ao == pedSink ) return "pedSink";

return super.getNameOf( ao );

}

public String getNameOf( AgentList<?> aolist ) {

return super.getNameOf( aolist );

}

/**

* Создает экземпляр вложенного объекта<br>

* <i>Пользователь не должен вызывать этот метод</i>

*/

protected com.xj.anylogic.libraries.pedestrian.PedSource<Agent> instantiate_pedSource_xjal() {

com.xj.anylogic.libraries.pedestrian.PedSource<Agent> _result_xjal = new com.xj.anylogic.libraries.pedestrian.PedSource<Agent>( getEngine(), this, null ) {

@Override

public TargetLine locationLine( Agent ped ) {

return _pedSource_locationLine_xjal( this, ped );

}

@Override

public void onExit( Agent ped ) {

_pedSource_onExit_xjal( this, ped );

}

/**

* Это число используется при сохранении состояния модели. Пользователь не должен изменять его значение.

*/

@AnyLogicInternalCodegenAPI

private static final long serialVersionUID = -6727635195441418414L;

};

return _result_xjal;

}

Размещено на Allbest.ru