Имитационное моделирование обслуживания автомобилей

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Введение

Моделирование, в широком смысле этого слова, один из самых мощных методов познания природы. Сущность этого метода состоит в выделении наиболее существенных в рассматриваемой ситуации сторон или свойств явления (объекта, системы) и последующем воспроизведении их тем или иным способом для получения необходимых характеристик (качественных или количественных) исследуемого явления.

Всякая модель тем или иным образом отражает, имитирует реальную или проектируемую систему. В этом смысле всякое моделирование является в той или иной мере - имитационным моделированием. Однако термин «имитационное моделирование» обычно употребляется в более узком смысле для обозначения одного из методов моделирования, получившего в последние годы бурное развитие в связи с появлением мощных ЭВМ, и связанного с представлением системы в виде программы, работа которой имитирует существенные в данном исследовании свойства системы. Имитационная модель любой системы массового обслуживания представляет собой алгоритм, отражающий поведение данной системы, то есть отражающий изменения состояния СМО во времени при заданных потоках заявок, поступающих на входы системы. Основной целью является построение модели, определение ее количественных и качественных характеристик, а также выбор наиболее оптимального и экономически выгодного варианта решения. Пакет GPSS (General Purpose Simulation System - система моделирования общего назначения) предназначен для имитационного моделирования дискретных систем и входит в число наиболее распространенных и используемых на практике средств автоматизации имитационного моделирования. В данном курсовом проекте язык GPSS использован для описания модели автосервиса, обслуживающего автомобили двух моделей с учетом их приоритета.



1. Теоретическая часть

1.1 Сущность имитационного моделирования

В случае, когда процессы в изучаемой системе столь сложны и многообразны, что аналитические модели становятся слишком грубым приближением к действительности, возможным выходом является имитационное моделирование.

Например, для исследования эффективности работы билетной кассы и определения необходимого количества кассиров возможно применение аналитических методов теории массового обслуживания. Но применение этих методов значительно осложняется для систем:

* обслуживающих заявки в несколько этапов;

* работающих в нестационарном режиме, с технологическими перерывами;

* обслуживающих заявки с различными приоритетами и закономерностями времени обслуживания (например, приобретение билета на международный рейс требует большего времени) и т. п.

Возможным подходом решения данной задачи является имитационное моделирование, при котором процесс функционирования билетной кассы воспроизводится на ЭВМ, причем элементарные явления, составляющие этот процесс, имитируются с сохранением логической структуры и последовательности протекания. В процессе имитации фиксируются определенные события и состояния, по которым вычисляются характеристики качества функционирования системы.

В частности, имитация процесса функционирования билетной кассы заключается:

* в имитации поступления в кассу посетителей через случайные промежутки времени (в соответствии с существующими вероятностными закономерностями);

* постановке посетителей на обслуживание или в очередь, в зависимости от свободности / занятости кассы в момент поступления требования;

* имитации обслуживания посетителей кассиром в течение случайных интервалов времени;

* удалении из кассы обслуженных посетителей и постановке на обслуживание посетителей, ожидающих в очереди;

* сборе статистики о времени пребывания посетителей в очереди и на обслуживании, длине очереди, времени загрузки кассира и других характеристиках функционирования кассы.

В более сложных случаях при имитации можно учитывать поступление нескольких групп посетителей, требующих различных приоритетов (ветераны, студенты) и длительности обслуживания (покупатели билетов на пригородные или международные рейсы), наступление технологических перерывов и прочих штатных ситуаций.

Многократно воспроизводя процесс функционирования билетной кассы, накапливают статистический материал, который позволяет судить об эффективности технологического процесса (количество поступивших и обслуженных покупателей, средняя длина очереди, среднее время ожидания, коэффициент загрузки кассира и прочее) и об его оптимизации (изменение количества кассиров, автоматизация их работы, изменение расписания технологических перерывов и т. п.).

1.2 Возможности имитационного моделирования на ЭВМ

Хотя имитацию процесса функционирования объектов моделирования теоретически можно выполнять «на бумаге», количество данных, которые должны сохраняться и обрабатываться при моделировании (время поступления, длительность ожидания и обслуживания каждой заявки), диктует необходимость применения ЭВМ. Для имитационного моделирования на ЭВМ необходима реализация следующих видов алгоритмов:

* имитации во времени процесса функционирования элементов исследуемого объекта;

* обеспечения взаимодействия элементов исследуемого объекта и объединения их в единый процесс;

* генерации случайных факторов с требуемыми вероятностными характеристиками;

* статистической обработки и графической презентации результатов имитационного эксперимента.

Развитие компьютерной техники решило проблемы с моделированием большого количества элементов систем и их взаимодействия, а также со сбором статистической информации о функционировании модели системы.

Поэтому в настоящее время имитационное моделирование позволяет рассматривать исследуемые системы, практически любой сложности, на любом уровне детализации. При этом в имитационной модели (ИМ) можно реализовать практически любой алгоритм управленческой деятельности или поведения системы.

Имитационное моделирование на ЭВМ позволяет получать наглядную картину поведения системы, рассматривать различные варианты модели, отвечающие различным сторонам функционирования системы и возможным структурным преобразованиям, получать значения необходимых количественных характеристик. Поэтому имитационное моделирование в настоящее время получает все большее распространение в исследовании сложных технических систем и технологических процессов. Целесообразность применения имитационного моделирования становится очевидной при наличии следующих условий:

* не существует законченной математической постановки задачи либо еще не разработаны аналитические методы решения сформулированной задачи;

* аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи;

* кроме оценки определенных параметров, требуется осуществить наблюдение за ходом процесса функционирования системы в течение некоторого времени. При этом имитационное моделирование дает возможность полностью контролировать время изучения системы, поскольку явление может быть замедлено или ускорено по желанию;

* необходимо использование ИМ в качестве тренажера при подготовке специалистов. При этом ИМ может применяться для приобретения новых навыков в управлении системой и освоения правил принятия решений.

Важными ограничениями имитационного моделирования является то, что:

* оно не предоставляет непосредственного решения математических задач, что характерно для аналитических методов. Оно служит в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором;

* разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует наличия квалифицированных специалистов и больших затрат времени;

* при использовании ИМ применяются многочисленные методы статистического анализа данных, что усложняет исследование.

Преодоление перечисленных выше ограничений лежит на пути создания программно-технологического инструментария, позволяющего автоматизировать этапы построения ИМ систем и тем самым ускорить сроки их исследования.



1.3 Модельное время. Способы изменения модельного времени

Существуют две особенности функционирования ЭВМ, которые приходится учитывать при разработке ИМ систем:

1 Исследуемые системы состоят из множества элементов. Все элементы системы функционируют одновременно. Однако в большинстве ЭВМ параллельное выполнение нескольких программ, имитирующих поведение отдельных элементов системы, невозможно.

2 Компьютеры, как цифровые устройства, способны имитировать поведение системы только в дискретном времени. То есть все события, возникающие в системе, должны иметь привязку к дискретной шкале времени с заданным минимальным делением (например, микросекунда, минута или сутки).

Чтобы обеспечить имитацию параллельных (одновременных) процессов функционирования элементов системы в ИМ используется специальная переменная tм, называемая модельным временем. С помощью переменной tм организуются синхронизация всех событий и процессов в ИМ системы, т. е. реализуется квазипараллельная работа компонентов ИМ. Приставка «квази» отражает последовательный характер обслуживания в ИМ компонентов и событий, одновременно возникающих в различных элементах реальной системы.

Модельное время tм следует отличать от других типов времени, используемых при моделировании систем, таких как: tp - реальное время системы, функционирование которой имитируется; tэ - машинное время имитации, ресурса времени ЭВМ на организацию имитационного моделирования. Так, на современной ЭВМ в течение одной минуты (tэ = 1 мин) можно промоделировать годовую работу (tp = 1 год) билетной кассы.

Возможны два способа изменения модельного времени: «шагом до следующего события» и «фиксированным шагом».

При использовании продвижения модельного времени «шагом до следующего события» модельное время в исходном состоянии устанавливается в 0. Определяется время возникновения будущих событий. После этого часы модельного времени переходят на время возникновения ближайшего события, и в этот момент обновляется состояние системы с учетом произошедшего события, а также сведения о времени возникновения будущих событий. Процесс продвижения tм от времени возникновения одного события до времени возникновения других событий продолжается до тех пор, пока не будет выполнено некоторое указанное заранее условие останова.

В дискретных моделях, где все изменения состояния (все события) происходят мгновенно (например, поступление посетителя в очередь, начало обслуживания), периоды бездействия системы просто пропускаются, и модельное время изменяется от момента возникновения одного события к моменту выполнения другого.

В непрерывных моделях (например, моделях гидравлических процессов, процессов механического износа деталей), где изменения состояний системы происходят плавно, продвижение модельного времени выполняют «фиксированным шагом», изменяя tм на константу ?tм малую по сравнению с длительностью изменения состояния системы. При этом динамика модели является дискретным приближением реальных процессов (вследствие необходимости представить непрерывный процесс в дискретной ЭВМ).

1.4 Обоснование выбора ПО

Среди возможных средств моделирования можно выделить GPSS, как наиболее специализированный язык для имитационного моделирования.

Рассмотрим систему GPSS по подробнее. Система GPSS (General Purpose System Simulator) предназначена для написания имитационных моделей систем с дискретными событиями. Наиболее удобно в системе GPSS описываются модели систем массового обслуживания, для которых характерны относительно простые правила функционирования составляющих их элементов.

В системе GPSS моделируемая система представляется с помощью набора абстрактных элементов, называемых объектами. Каждый объект принадлежит к одному из типов объектов.

Объект каждого типа характеризуется определенным способом поведения и набором атрибутов, определяемыми типом объекта. Например, если рассмотреть работу порта, выполняющего погрузку и разгрузку прибывающих судов, и работу кассира в кинотеатре, выдающего билеты посетителям, то можно заметить большое сходство в их функционировании. В обоих случаях имеются объекты, постоянно присутствующие в системе (порт и кассир), которые обрабатывают поступающие в систему объекты (корабли и посетители кинотеатра). В теории массового обслуживания эти объекты называются приборами и заявками. Когда обработка поступившего объекта заканчивается, он покидает систему. Если в момент поступления заявки прибор обслуживания занят, то заявка становится в очередь, где и ждет до тех пор, пока прибор не освободится. Очередь также можно представлять себе как объект, функционирование которого состоит в хранении других объектов.

Каждый объект может характеризоваться рядом атрибутов, отражающих его свойства. Например, прибор обслуживания имеет некоторую производительность, выражаемую числом заявок, обрабатываемых им в единицу времени. Сама заявка может иметь атрибуты, учитывающие время ее пребывания в системе, время ожидания в очереди и т.д. Характерным атрибутом очереди является ее текущая длина, наблюдая за которой в ходе работы системы (или ее имитационной модели), можно определить ее среднюю длину за время работы (или моделирования). В языке GPSS определены классы объектов, с помощью которых можно задавать приборы обслуживания, потоки заявок, очереди и т.д., а также задавать для них конкретные значения атрибутов.

1.5 Типы объектов в GPSS

1.5.1 Динамические объекты

Динамические объекты, называемые в GPSS транзактами, служат для задания заявок на обслуживание. Транзакты могут порождаться во время моделирования и уничтожаться (покидать систему).

Порождение и уничтожение транзактов выполняется специальными объектами (блоками) GENERATE и TERMINATE, работа которых будет рассмотрена ниже. Если обратиться к модели порта, как к системе массового обслуживания, то приходящие в порт корабли можно отобразить в модели с помощью транзактов: каждому кораблю, входящему в порт, соответствует в модели отдельный транзакт.

Каждый транзакт может иметь несколько (до 100) числовых параметров, значения которых можно изменить в процессе моделирования. Обращения к параметрам транзакта выполняется по их номеру. В процессе моделирования транзакты проходят через другие объекты модели, производя в них некоторые действия и, в свою очередь, испытывая на себе их влияние.

1.5.2 Объекты типа "оборудование"

С помощью объектов этого типа в моделях на языке GPSS представляются различные элементы систем, через которые проходят транзакты. Транзакт, поступивший на объект типа "оборудование" изменяет состояние этого объекта.

В системе GPSS имеются 3 типа объектов типа "оборудование": "устройство", "память", "логический ключ".

Устройства. используются для представления в модели приборов обслуживания, возможных "узких" мест и т.д. При моделировании порта, например, с помощью устройств можно представить пристани, портальные краны.

Устройство может находиться в свободном состоянии или может быть занято транзактом, причем только одним в каждый момент времени.

В системе GPSS с устройствами "работают" блоки SEIZE, RELEASE, PREEMPT, RETURN.

Объекты типа "память". (или "накопитель") служат для представления различного рода хранилищ, например, портовых складов, емкостей, автостоянок, памяти ЭВМ и т.д. Каждая память характеризуется конечным объемом, который может быть частично или полностью занят. Одна память может быть одновременно занята несколькими транзактами. Используются блоки STORAGE, ENTER, LEAVE.

Логические ключи. - это объекты, каждый из которых может находиться в одном из двух состояний - "включен" или "выключен". Транзакт, проходя через логический ключ, может в зависимости от его состояния изменять маршрут движения по модели, а также менять состояние самого логического ключа. Управляет состоянием ключей блок LOGIC.

1.5.3 Статистические объекты

Статистические объекты применяются для сбора и обработки данных, характеризующих работу моделируемой системы.

В системе GPSS имеются два типа статистических объектов: "очередь" и "таблица".

Каждый объект типа "очередь" (в дальнейшем просто "очередь") содержит список транзактов, задержанных в одном или нескольких пунктах системы, и ведет в процессе моделирования подсчет среднего числа задержанных транзактов, среднего времени задержки каждого транзакта и других статистических характеристик соответствующей очереди. Используются блоки QUEUE и DEPART.

Объекты типа "таблица" используются для получения гистограмм случайных величин, распределение которых интересует исследователя. Построение таблиц выполняется блоками TABULATE, TABLE, QTABLE.

1.5.4 Операционные объекты

К операционным объектам, называемым также блоками, относятся объекты нескольких типов, которые служат для задания логики работы системы путем определения маршрутов движения транзактов и изменений в состоянии системы, обусловленных прохождением транзактов через операционные объекты.

Правила функционирования операционных объектов составляют основную часть семантики GPSS.

1.6 Организация работы модели в системе GPSS

Для лучшего понимания работы объектов, определенных в GPSS, целесообразно рассмотреть несколько общих вопросов, касающихся работы системы моделирования GPSS.

На рисунке 1 изображена общая схема проведения имитационного моделирования в системе GPSS.

----------¬ ----------¬ ----------¬

¦Ассемблер¦ ----------¬ ¦Интерпре-¦ ¦Результат¦

---------¬ ¦GPSS ¦ ¦Программа¦ ¦ татор ¦ ¦моделиро-¦

¦ модель ¦=¦ ¦=¦ ввода ¦=¦ модели ¦=¦вания ¦

L--------- ¦ ¦ L---------- ¦ ¦ ¦ ¦

L---------- L---------- L----------

Рисунок 1 - Моделирование в системе GPSS



Модель, дополненная необходимыми управляющими предложениями операционной системы, вводится в ЭВМ и поступает на обработку ассемблером GPSS, который проводит синтаксический контроль модели и преобразует ее во внутреннюю форму, удобную для проведения моделирования. Модель во внутренней форме передается с помощью программы ввода интерпретатору модели, который выполняет моделирование. Во внутренней форме все объекты, описанные в модели, получают последовательные номера в порядке поступления. Последовательности номеров выстраиваются отдельно по типам объектов: среди устройств, накопителей, очередей и т.д. Эти номера могут быть напрямую указаны в модели программистом.

Рассмотрим более подробно функции интерпретатора модели, который является основной частью системы моделирования GPSS.

Главной функцией интерпретатора является создание транзактов и проводка их через блоки модели с одновременным выполнением действий, связанных с каждым блоком. Движение транзактов в модели соответствует движению отображаемых ими объектов в реальной системе.

Всякое изменение состояния модели, например, переход транзакта от одного блока к другому, можно рассматривать как некоторое событие, происходящее в определенный момент условного (системного) времени, задаваемого "часами" системы, работа которых организуется интерпретатором. Фактически, "часы" в интерпретаторе GPSS - это целая переменная, значение которой соответствует текущему моменту условного времени модели.

При построении модели пользователь должен задаться соотношением единицы системного времени, используемого в модели, к реальному времени, в котором происходит функционирование моделируемой системы.

Отметим, что системное время никак не связано с машинным временем, затрачиваемым на выполнение моделирования.

В процессе моделирования интерпретатор автоматически определяет правильную очередность наступления событий. В случае, если нужные действия в намеченный момент времени выполнены быть не могут (например, занято устройство, к которому обращается транзакт), интерпретатор временно прекращает обработку "застрявшего" транзакта, но продолжает следить за причиной, которая вызвала блокировку его обработки. Как только эта причина исчезает (например, освобождается занятое устройство), интерпретатор возвращается к обработке задержанного транзакта.

При продвижении транзактов через блоки могут происходить события следующих 4-х основных типов:

1 создание или уничтожение транзакта;

2 изменение значения атрибута объекта;

3 задержка транзакта на некоторый промежуток системного времени;

4 изменение маршрута движения транзакта по блокам модели.

Программа на GPSS представляет собой последовательность предложений, изображающих объекты того или иного типа, а ее работу нужно представить как движение транзактов через блоки модели. Таким образом, в отличие от традиционных языков программирования, в GPSS по программе идет не управление, а транзакты.



2. Практическая часть

2.1 Постановка задачи

1 Участок ремонта кузовов автомобилей состоит из двух рабочих мест.

После восстановления кузова автомобили поступают в окрасочную камеру.

2 Длины временных промежутков между поступлениями поврежденных автомобилей первой модели - случайные, равномерно распределенные величины на интервале [ф1, ф2], второй модели - случайные, равномерно распределенные величины на интервале [л1, л2]. Время пребывания автомобиля первой модели на кузовном ремонте - случайная равномерно распределенная величина на интервале [h1, h2], второй модели - случайная величина с экспоненциальным законом распределения со средним значением µ. Время окраски любого автомобиля - случайная величина, имеющая равномерное распределение на интервале [s1, s2].

3 Модели первого типа при обслуживании имеют более высокий приоритет.

4 В случае, если ремонтные места и покрасочная камера заняты, автомобили дожидаются обслуживания в очередях, длины которых не ограничены.

Цель. Разработать GPSS-модель функционирования ремонтных работ. Оценить отдельно для 1-й и 2-й моделей среднее время, которое тратится на ремонт автомобиля (от момента поступления на ремонт до завершения окраски), среднее время ожидания в очередях.

Исходные данные:

ф1 = 0 ч, ф2 = 6 ч, л1 = 0 ч, л2 = 2 ч, h1 = 1 ч, h2 = 3 ч, µ = 3 ч, s1 = 10 мин, s2 = 12 мин.



2.2 Описание концептуальной модели

имитационное моделирование автосервис

На основании содержательного описания исследуемой системы осуществляется переход к концептуальной модели. Концептуальная модель представляет собой упрощенное математическое или алгоритмическое описание исследуемой системы.

На этапе построения концептуальной модели проводится разбиение (декомпозиция) системы на элементы, допускающие удобное математическое или алгоритмическое описание, определяются связи между элементами.

В состав концептуальной модели входят:

* уточнённое содержательное описание объекта моделирования;

* список управляющих параметров и контролируемых переменных;

* критерии эффективности функционирования вариантов системы;

* список используемых методов обработки результатов имитации и перечисление способов представления результатов моделирования.

В данном проекте концептуальная модель представлена в виде Q-схемы.

Рисунок 2 - Q-схема работы автосервиса

Описание Q-схемы:

1) В систему поступают два входных потока автомобилей первой и второй модели

2) Поступающие автомобили встают в очереди параллельно

3) Из очередей автомобили поступают на ремонт в зависимости от приоритета. В данном случае приоритетными являются автомобили первой модели

4) После ремонта автомобили поступают на покраску

5) Обслуженные автомобили покидают систему

По данной концептуальной модели, согласно заданию составляется блок-диаграмма данной задачи, представленная на рисунке 3.

Рисунок 3 - блок-диаграмма модели

2.3 Описание алгоритма решения данной задачи в среде GPSS

1) генерация поступления поврежденных автомобилей 1 модели

2) назначение приоритета

3) очередь на ремонт кузова

4) начало ремонта автомобилей 1 модели

5) освобождение очереди

6) время ремонта

7) завершение ремонта автомобилей 1 модели

8) очередь на покраску

9) начало покраски

10) освобождение очереди

11) время покраски

12) завершение покраски

13) покинуть участок ремонта

14) генерация поступлений поврежденных автомобилей 2 модели

15) очередь на ремонт кузова

16) начало ремонта автомобилей 2 модели

17) освобождение очереди

18) время ремонта

19) завершение ремонта автомобилей 2 модели

20) очередь на покраску

21) начало покраски

22) освобождение очереди

23) время покраски

24) завершение покраски

25) покинуть участок ремонта

26) наблюдать работу участка в течение 7 дней

Данная задача решена с помощью имитационной модели, реализованной при поддержке языка моделирования GPSS/PC.

Для создания транзактов, входящих в модель, служит блок GENERATE (генерировать). Он является источником потока сообщений в модели. В данном блоке производится подготовка сообщений и запуск их в модель через интервалы времени, заданные пользователем, то есть определяется время через которое неисправные автомобили поступают на ремонтные места и в покрасочную камеру.

Блок QUEUE увеличивает длину очереди, что имеет смысл занятия неисправным автомобилем очереди на обработку, в ожидании свободного места.

При помощи блока TRANSFER неисправные автомобили посылаются в соответствующие устройства, в данном случае устройства это рабочие места и покрасочные камеры, и занимают их.

Блок SEIZE соответствует занятию устройства. Блок REALESE соответствует освобождению устройства.

Блок DEPART служит для уменьшения длины очереди, то есть уменьшается количество неисправных автомобилей.

Блок ADVANCE задерживает сообщение на заданный период времени.

Блок TERMINATE удаляет из модели входящие сообщения, что равносильно тому, что отремонтированный автомобиль покидает автосервис.

Алгоритм представлен в виде блок-диаграммы на рисунке 4.

Листинг программы представлен в приложениях А и Б.

Рисунок 4 - блок-диаграмма модели



2.4 Анализ результатов моделирования

По стандартным отчетам GPSS, представленным в приложениях В (для 1-го варианта исходных данных) и Г(2-го варианта исходных данных), проводится сравнительный анализ.

Анализ результатов моделирования для первого случая представлен в виде таблицы 1 и таблицы 2.

Таблица 1 - Статистика по очередям

Показатель	OCHRECOVERY1	OCHRECOVERY2	OCHPAINT1	OCHPAINT2	TIMEOBS1	TIMEOBS 2
Максимальная длина очереди(MAX)	3	62	1	1	3	62
Текущая длина очереди(CONT)	0	62	0	0	1	62
Общее количество поступивших транзакций (ENTRY)	27	83	26	21	27	83
Количество транзакций вошедших при отсутствии очереди(ENTRY 0)	0	1	26	21	0	0
Средняя длина очереди (AVE.CONT.)	0.695	32.745	0	0	1.215	33.269
Среднее время пребывания транзакции в очереди (AVE.TIME)	259.584	3976.698	0	0	453.719	4040.331
Среднее время пребывания в очереди без учета «нулевых» входов	259.584	4025.194	0	0	453.719	4040.331

Таблица 2 - Статистика по устройствам

Показатель	RECOVERY	PAINTING
Общее кол-во поступивших транзакций (ENTRIES)	48	47
Доступность устройства (AVL)	1	1
Среднее время обслуживания (AVE.TIME)	207.500	11.982
Коэффициент использования прибора (UTIL)	0.988	0.056

Анализ результатов моделирования для второго случая представлен в виде таблицы 3 и таблицы 4.

Таблица 3 - Статистика по очередям

Показатель	OCHRECOVERY1	OCHRECOVERY2	OCHPAINT1	OCHPAINT2	TIMEOBS1	TIMEOBS 2
Максимальная длина очереди(MAX)	16	33	1	1	16	33
Текущая длина очереди(CONT)	16	33	0	0	16	33
Общее количество поступивших транзакций (ENTRY)	55	33	39	33	55	33
Количество транзакций вошедших при отсутствии очереди(ENTRY 0)	1	0	39	33	0	0
Средняя длина очереди (AVE.CONT.)	6.804	16.304	0	0	7.836	16.304
Среднее время пребывания транзакции в очереди (AVE.TIME)	1247.076	4980.000	0	0	453.719	4040.331
Среднее время пребывания в очереди без учета «нулевых» входов	1270.170	4980.000	0	0	1436.159	4980.000

Таблица 4 - Статистика по устройствам

Показатель	RECOVERY	PAINTING
Общее кол-во поступивших транзакций (ENTRIES)	40	39
Доступность устройства (AVL)	1	1
Среднее время обслуживания (AVE.TIME)	247.500	12.809
Коэффициент использования прибора (UTIL)	0.982	0.050

Судя по полученным результатам можно сделать вывод, что максимальная очередь на ремонт автомобилей второй модели в первом случае намного больше, чем во втором. Также во втором случае количество поступивших автомобилей первой модели намного больше, чем в первом, а второй модели наоборот. То есть если в первом случае автомобилей второй модели поступило 83, то во втором 33.

Модели первого типа при обслуживании имеют более высокий приоритет и поэтому меньше стоят в очереди. То есть если моделей первого типа поступило 27, а обслужено 26, то второго типа, если поступило 83, обслужено - 21.

При этом во втором случае среднее время обслуживания на ремонт - 247.500, то есть больше, чем в первом случае и соответственно очередь на ремонт будет значительно больше.



Заключение

В данном курсовом проекте была рассмотрена модель работы автосервиса, обслуживающего автомобили двух типов в зависимости от их приоритета, разработка концептуальной модели, логической схемы и алгоритма модели в среде GPSS.

В качестве концептуальной модели было составлено словесное описание и Q-схема, представленная на рисунке 2. После чего была составлена логическая схема модели (рисунок 3), отражающая упрощенный алгоритм выполняемых в модели действий.

По концептуальной модели был составлен алгоритм работы программы GPSS. Были определены основные блоки программы, а также назначен приоритет моделей первого типа. На основе данного алгоритма была составлена блок-диаграмма модели GPSS, представленная на рисунке 4. Далее по этой диаграмме были написаны программы в GPSS для двух вариантов исходных данных, представленные в приложениях А и Б. Полученные отчеты позволяют обработать конечные данные и спланировать дальнейшие мероприятия, исходя из результатов моделирования.

По результатам анализа видно, что наиболее предпочтительнее модель со вторым вариантом исходных данных. Поскольку очередей обслуживания автомобилей в ней намного меньше, чем в первом случае. Наглядно видно, что очередь обслуживания на ремонт автомобилей второго типа в первом случае предельно высока. Данный факт позволит принять меры по устранению возникшей проблемы и принятию управленческих решений.

В данном курсовом проекте были получены навыки не только работы в среде GPSS и составления концептуальной модели, но и анализа различных моделей. Полученные навыки могут быть использованы, в дальнейшем, при рассмотрении и более сложных моделей.



Список использованных источников

1 Имитационное моделирование на GPSS: учеб.-метод. пособие для студентов технических специальностей / Д.Н. Шевченко, И.Н. Кравченя; М-во образования Респ. Беларусь, Белорус. гос. ун-т трансп. - Гомель: БелГУТ, 2007.

2 Советов Б.Я., Яковлев С.А. Моделирование систем. Учеб. для вузов. - М.: Высш. шк., 2001. - 343с.

3 Советов Б.Я., Яковлев С.А. Моделирование систем. Практикум: Учеб.пособие для вузов по спец. “Автоматизир. системы обработки информ. и упр.” - М.: Высш. шк., 1999. - 224с.



Приложение А

(Обязательное)

EXPdist FUNCTION RN1,C24

0,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915

.7,1.2/.75,1.38/.8,1.6/.84,1.85/.88,2.12/.9,2.3

.92,2.52/.94,2.81/.95,2.99/.96,3.2/.97,3.5/.98,3.9

.99,4.6/.995,5.3/.998,6.2/.999,7/.9998,8

GENERATE 360

QUEUE TIMEOBS1

PRIORITY 1

QUEUE ochRECOVERY1

SEIZE RECOVERY

DEPART ochRECOVERY1

ADVANCE 180,60

RELEASE RECOVERY

QUEUE ochPAINT1

SEIZE PAINTING

DEPART ochPAINT1

ADVANCE 12,10

RELEASE PAINTING

DEPART TIMEOBS1

TERMINATE

GENERATE 120

QUEUE TIMEOBS2

QUEUE ochRECOVERY2

SEIZE RECOVERY

DEPART ochRECOVERY2

ADVANCE 180,FN$EXPdist

RELEASE RECOVERY

QUEUE ochPAINT2

SEIZE PAINTING

DEPART ochPAINT2

ADVANCE 12,10

RELEASE PAINTING

DEPART TIMEOBS2

TERMINATE

GENERATE 10080

TERMINATE 1

START 1



Приложение Б

(Обязательное)

EXPdist FUNCTION RN1,C24

0,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915

.7,1.2/.75,1.38/.8,1.6/.84,1.85/.88,2.12/.9,2.3

.92,2.52/.94,2.81/.95,2.99/.96,3.2/.97,3.5/.98,3.9

.99,4.6/.995,5.3/.998,6.2/.999,7/.9998,8

GENERATE 180

QUEUE TIMEOBS1

PRIORITY 1

QUEUE ochRECOVERY

SEIZE RECOVERY

DEPART ochRECOVERY1

ADVANCE 240,120

RELEASE RECOVERY

QUEUE ochPAINT1

SEIZE PAINTING

DEPART ochPAINT1

ADVANCE 14,13

RELEASE PAINTING

DEPART TIMEOBS1

TERMINATE

GENERATE 300

QUEUE TIMEOBS2

QUEUE ochRECOVERY2

SEIZE RECOVERY

DEPART ochRECOVERY2

ADVANCE 240,FN$EXPdist

RELEASE RECOVERY

PAINT QUEUE ochPAINT2

SEIZE PAINTING

DEPART ochPAINT2

ADVANCE 14,13

RELEASE PAINTING

GENERATE 1008

TERMINATE 1

START 1



Приложение В

(Обязательное)

GPSS World Simulation Report - Untitled.60.1

Monday, December 10, 2012 19:15:01

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 10080.000 31 2 0

NAME VALUE

EXPDIST 10000.000

OCHPAINT1 10005.000

OCHPAINT2 10010.000

OCHRECOVERY1 10003.000

OCHRECOVERY2 10008.000

PAINT 23.000

PAINTING 10006.000

RECOVERY 10004.000

TIMEOBS1 10002.000

TIMEOBS2 10007.000

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

1 GENERATE 27 0 0

2 QUEUE 27 0 0

3 PRIORITY 27 0 0

4 QUEUE 27 0 0

5 SEIZE 27 0 0

6 DEPART 27 0 0

7 ADVANCE 27 1 0

8 RELEASE 26 0 0

9 QUEUE 26 0 0

10 SEIZE 26 0 0

11 DEPART 26 0 0

12 ADVANCE 26 0 0

13 RELEASE 26 0 0

14 DEPART 26 0 0

15 TERMINATE 26 0 0

16 GENERATE 83 0 0

17 QUEUE 83 0 0

18 QUEUE 83 62 0

19 SEIZE 21 0 0

20 DEPART 21 0 0

21 ADVANCE 21 0 0

22 RELEASE 21 0 0

PAINT 23 QUEUE 21 0 0

24 SEIZE 21 0 0

25 DEPART 21 0 0

26 ADVANCE 21 0 0

27 RELEASE 21 0 0

28 DEPART 21 0 0

29 TERMINATE 21 0 0

30 GENERATE 1 0 0

31 TERMINATE 1 0 0

FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY

RECOVERY 48 0.988 207.500 1 106 0 0 0 62

PAINTING 47 0.056 11.982 1 0 0 0 0 0

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY

TIMEOBS1 3 1 27 0 1.215 453.719 453.719 0

OCHRECOVERY1 3 0 27 0 0.695 259.584 259.584 0

OCHPAINT1 1 0 26 26 0.000 0.000 0.000 0

TIMEOBS2 62 62 83 0 33.269 4040.331 4040.331 0

OCHRECOVERY2 62 62 83 1 32.745 3976.698 4025.194 0

OCHPAINT2 1 0 21 21 0.000 0.000 0.000 0

CEC XN PRI M1 ASSEM CURRENT NEXT PARAMETER VALUE

110 0 10080.000 110 0 1

113 0 10080.000 113 0 16

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

106 1 10153.770 106 7 8

114 0 20160.000 114 0 30



Приложение Г

(Обязательное)

GPSS World Simulation Report - _Untitled.61.1

Monday, December 24, 2012 00:22:19

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 10080.000 31 2 0

NAME VALUE

EXPDIST 10000.000

OCHPAINT1 10005.000

OCHPAINT2 10010.000

OCHRECOVERY1 10003.000

OCHRECOVERY2 10008.000

PAINT 23.000

PAINTING 10006.000

RECOVERY 10004.000

TIMEOBS1 10002.000

TIMEOBS2 10007.000

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

1 GENERATE 55 0 0

2 QUEUE 55 0 0

3 PRIORITY 55 0 0

4 QUEUE 55 15 0

5 SEIZE 40 0 0

6 DEPART 40 0 0

7 ADVANCE 40 1 0

8 RELEASE 39 0 0

9 QUEUE 39 0 0

10 SEIZE 39 0 0

11 DEPART 39 0 0

12 ADVANCE 39 0 0

13 RELEASE 39 0 0

14 DEPART 39 0 0

15 TERMINATE 39 0 0

16 GENERATE 33 0 0

17 QUEUE 33 0 0

18 QUEUE 33 33 0

19 SEIZE 0 0 0

20 DEPART 0 0 0

21 ADVANCE 0 0 0

22 RELEASE 0 0 0

PAINT 23 QUEUE 0 0 0

24 SEIZE 0 0 0

25 DEPART 0 0 0

26 ADVANCE 0 0 0

27 RELEASE 0 0 0

28 DEPART 0 0 0

29 TERMINATE 0 0 0

30 GENERATE 1 0 0

31 TERMINATE 1 0 0

FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY

RECOVERY 40 0.982 247.500 1 65 0 0 0 48

PAINTING 39 0.050 12.809 1 0 0 0 0 0

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY

TIMEOBS1 16 16 55 0 7.836 1436.159 1436.159 0

OCHRECOVERY1 15 15 55 1 6.804 1247.076 1270.170 0

OCHPAINT1 1 0 39 39 0.000 0.000 0.000 0

TIMEOBS2 33 33 33 0 16.304 4980.000 4980.000 0

OCHRECOVERY2 33 33 33 0 16.304 4980.000 4980.000 0

CEC XN PRI M1 ASSEM CURRENT NEXT PARAMETER VALUE

90 0 10080.000 90 0 1

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

65 1 10142.340 65 7 8

91 0 10200.000 91 0 16

92 0 20160.000 92 0 30

Размещено на Allbest.ru