Имитационное моделирование станции технического обслуживания
Содержание
Теоретическая часть
Задание на имитационное
моделирование
1. Построение модели
1.1 Определение комплекса
работ модели
1.2 Оценка параметров
работ
1.3 Определение связей
между работами
1.4 Дополнительные
переменные.
Запуск модели
Оценка результатов модели
Библиографический список
Теоретическая часть
Имитационное
моделирование в задачах поиска управленческих решений
Одним из
основных направлений, определяющих методологию, концептуальные и реализационные
основы информационной технологии поддержки принятия управленческих решений,
является имитационное моделирование. Методология имитационного моделирования
основана на воспроизведении реальных или гипотетических бизнес-процессов в
специальной компьютерной среде, образующей виртуальный мир предприятия,
организации, производства и любого другого объекта управления.
Эта
технология появилась в 60-х г. XX в.,
и на протяжении многих лет она не только остается одной из основных в исследовании
операций, но и бурно развивается в области реинжиниринга бизнес-процессов и
новых направлений искусственного интеллекта (онтология предприятий, клеточные
автоматы, мультиагентные системы и др.).
Основу
этой технологии составляет компьютерный имитационный эксперимент, связанный с
воспроизведением динамических процессов функционирования исследуемой системы. В
процессе такого воспроизведения осуществляется наблюдение за функционированием
модели и выявление «узких мест» в организации деятельности. Основными
достоинствами этого метода являются:
•
возможность
воспроизведения реальной системы с практически любым уровнем детальности;
•
повторяемость
эксперимента;
•
возможность
произвольной фрагментации и структуризации системы.
Технология
имитационного моделирования излагается на основе использования системы Micro Saint, одной из наиболее простых и адекватных задачам
исследования систем операционного и производственного менеджмента. Micro Saint представлена на сайтах www.adeptscience.co.uk, www.maad.com, www.maad.com, используемая версия (студенческий вариант) взята на
сайте www.radata.demon.co.uk (в настоящее время отсутствует).
Система не русифицирована. Отличительными особенностями ее являются
концептуальная завершенность, целостность и простота использования даже для
исследования весьма сложных систем. На взгляд автора, система является прекрасным
инструментом для изучения концепций и технологии имитационного моделирования
систем управления в различных областях производственного и операционного менеджмента.
Задание на
имитационное моделирование
На
небольшой СТО производят техосмотр и связанный с ним ремонт транспортных
средств, который выполняет один механик. Рабочий день механика составляет 8
часов. Число автомобилей, прибывающих ежедневно на СТО, распределено равномерно
от двух до четырех. Время, необходимое для обслуживания первой машины,
распределено равномерно от 1,5 до 2,5 часов. Машины, которые не удалось
обслужить в течение рабочего дня, остаются на СТО, а работа по их ремонту продолжается
на следующий день.
Полицейские
машины могут прибыть на СТО в любое время суток. В среднем они приезжают раз в
48 часов, и обслуживаются механиком вне очереди. Более того, при появлении
полицейской машины механик прекращает обслуживание обычных машин и начинает
заниматься обслуживанием прибывшей полицейской машины. После завершения такого
обслуживания он возвращается к прерванным работам по ремонту. Если СТО закрыта
в момент приезда полицейской машины, ее оставляют на станции до 8 ч утра (время
начала работы). Время обслуживания полицейских машин экспоненциально со средним
2,5 часа.
Постройте
имитационную модель СТО и оцените распределение числа полицейских машин,
находящихся в ремонте. Выполнить прогон модели для 25 рабочих дней,
предполагая, что механик работает без перерывов.
Построение имитационной
модели включает в себя следующие этапы:
1.
Определение
комплекса работ модели;
2.
Оценка параметров
работ;
3.
Определение
связей между работами.
4.
Вводимые
переменные.
Анализируя работу станции
технического обслуживания, можно выделить следующие работы:
·
прибытие машины;
·
прибытие
полицейской машины;
·
обслуживание
машины;
·
обслуживание
полицейской машины;
·
ожидание;
Для построения адекватной
модели необходимо также включить следующие фиктивные работы:
·
начало рабочего
дня;
·
прибытие на СТО;
·
убытие с СТО;
Исходя из условий
задания, обозначим основные параметры для каждой работы:
Название
|
Тип распределения
|
Мат. ожидание
|
СКО
|
Начало рабочего дня
|
нормальное
|
3
|
1
|
Прибытие на СТО
|
нормальное
|
3
|
1
|
Убытие с СТО
|
нормальное
|
|
|
Прибытие машины
|
равномерное
|
3
|
1
|
Прибытие полицейской машины
|
экспоненциальное
|
48
|
|
Обслуживание машины
|
нормальное
|
2
|
0,5
|
Обслуживание полицейской машины
|
экспоненциальное
|
2,5
|
|
Ожидание
|
нормальное
|
|
|
После начала рабочего дня
на СТО начинают прибывать машины. Полицейские машины могут прибывать на СТО в
любое время суток. При появлении полицейской машины механик прекращает
обслуживание обычных машин и начинает заниматься обслуживанием прибывшей
полицейской машины. После завершения такого обслуживания он возвращается к прерванным
работам по ремонту
Сетевая диаграмма модели
изображена на рисунке 1.
Рис. 1. Сетевая диаграмма
модели
1.4 Дополнительные переменные
Для удобства
программирования и дальнейшей оценки результатов дополнительно к системным
введем следующие переменные:
Наименование
|
Семантика
|
a
|
Принимает значение 1, если на станции присутствует машина
|
b
|
Принимает значение 1, если на станции присутствует
полицейская машина
|
c
|
Принимает значение 1, если механик занят
|
Served
|
Общее количество обслуженных машин
|
В качестве параметров
будет рассматривать время обслуживания и время простаивания в очереди.
Рис. 2. Определение
параметров прогона для работы «Прибытие машины»
Запуск модели
При
непосредственном прогоне модели мы можем видеть окно выполняемой сетевой
диаграммы (рис. 3), окно динамики переменных (рис. 4), окно ActionView (рис. 5).
Рис. 3
Рис. 4
Рис. 5.
Итоговое количество
обслуженных машин – 106.
Для оценки распределения
прибытия и обслуживания полицейских машин выгрузим в файл необходимые данные.
Рис. 6. Задание
параметров прогона
После прогона модели
получаем файл PCarArrival.res. Откроем его в среде Micro Saint и построим по его данным гистограмму.
Рис. 7. Гистограмма
распределения прибытия полицейских машин
1.
Аронович А. Б.,
Афанасьев М. Ю., Суворов Б. П. Сборник задач по исследованию операций. М.:
Изд-во МГУ, 1997.
2.
Городецкий В. И.
Многоагентные системы: современное состояние исследований и перспективы
применения. // Новости искусственного интеллекта. 1996. №1. С. 44–59.
3.
Евдокимов В. В. и
др. Экономическая информатика: Учебник для вузов. СПб.: Питер, 1997.
4.
Карлберг Конрад.
Бизнес-анализ с помощью Excel.
Пер. с англ.К.: Диалектика, 1997.
5.
Кораблин М. А.
Реинжиниринг бизнес-процессов.– новое направление современного менеджмента //
Рыночная экономика: состояние, проблемы, перспективы. Вып. 2. Самара: ИПО СГАУ,
1998. С. 50-54.
6.
Кораблин М. А.,
Зайцев Я. В. Технология имитационного моделирования в процессе обучения
менеджеров // Информационные технологии. № 4. 1999. С. 42–47.
7.
Кораблин М. А.,
Поручиков А. Н. Информационные технологии менеджмента Сборник задач. Самара:
СГАУ, 1999.