Моделирование процесса функционирования системы обработки информации
Характеристика основных методов моделирования: аналитические, имитационные, комбинированные. Анализ этапов разработки концептуальной модели исследуемой системы обработки информации. Знакомство с законом распределения времени пребывания заявки в очереди.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 07.08.2013 |
| Размер файла | 656,1 K |
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.
Размещено на http://www.allbest.ru/
"Моделирование процесса функционирования системы обработки информации"
моделирование обработка информация
1. Постановка задачи
В системе передачи данных осуществляется обмен пакетами данных между пунктами. А и В по дуплексному каналу связи. Пакеты поступают в пункты системы от абонентов с интервалами времени между ними в среднем 10 мс (закон распределения экспоненциальный). Передача пакета занимает 10±2 мс. В пунктах имеются буферные регистры, которые могут хранить два пакета (включая передаваемый). В случае прихода пакета в момент занятости регистров пунктам системы предоставляется выход на спутниковую полудуплексную линию связи, которая осуществляет передачу пакетов данных. Скорость передачи данных по спутниковой линии связи распределена по нормальному закону распределения со средним 10 мс. и СКО=1 мс. При занятости спутниковой линии пакет получает отказ.
Смоделировать обмен информацией в системе передачи данных в течение 10 мин. Определить частоту вызовов спутниковой линии и вероятность ее загрузки, среднее время прохождения пакета через систему, количество пакетов, переданных за время моделирования системы, вероятность загрузки буферных регистров, вероятность отказа передачи пакета.
Цель моделирования:
Исследовать систему, оценить эффективность её функционирования в целом. Найти входные характеристики согласно заданию. Оценить их влияние на выходные характеристики.
2. Обзор методов и средств решения задачи
Аналитические методы моделирования. Аналитические методы позволяют получить характеристики системы как некоторые функции параметров ее функционирования. Таким образом, аналитическая модель представляет собой систему уравнений, при решении которой получают параметры, необходимые для оценки системы (время ответа, пропускную способность и т.д.). Использование аналитических методов дает достаточно точную оценку, которая, зачастую, хорошо соответствует действительности. Смена состояний реальной системы происходит под воздействием множества как внешних, так и внутренних факторов, подавляющее большинство из которых носят стохастический характер. Вследствие этого, а также большой сложности большинства реальных систем, основным недостатком аналитических методов является то, что при выводе формул, на которых они основываются и которые используются для расчета интересующих параметров, необходимо принять определенные допущения. Тем не менее, нередко оказывается, что эти допущения вполне оправданы.
Численные методы моделирования. Преобразование модели к уравнениям, решение которых возможно методами вычислительной математики. Класс задач значительно шире. Однако численные методы не дают точных решений, но позволяют задать точность решения.
Имитационные методы моделирования. Имитационное моделирование обеспечивает возможность испытания, оценки и проведения экспериментов с предлагаемой системой без каких-либо непосредственных воздействий на нее. При имитационном моделировании проводится эксперимент с программой, которая является моделью системы.
Суть ИМ заключается в имитации процесса функционирования системы во времени, соблюдением таких же соотношений длительности операций как в системе оригинале. При этом имитируются элементарные явления, составляющие процесс; сохраняется их логическая структура, последовательность протекания во времени. Результатом ИМ является получение оценок характеристик системы.
Комбинированные методы моделирования. Объединяют в себе имитационные и аналитические методы моделирования. Используются в том случае, когда все моделирование невозможно осуществить аналитическим методом и требуется часть системы смоделировать имитационно.
Для программного решения поставленной задачи воспользуемся программным продуктом GPSS т.к. он имеет преимущества перед другими средствами.
Т.к. данный программный продукт был создан именно для проведения имитационных экспериментов, в него были включены все необходимые средства для создания моделей достаточно сложных систем, а также средства для сбора статистики об их работе. Так без особых проблем можно смоделировать работу нескольких систем, собрать всё информацию о них и т.д. При этом программа займет всего несколько строк. Если попытаться реализовать тоже самое на языке высокого уровня, мы получаем достаточно сложную задачу, решение которой может занять достаточно много времени.
3. Разработка концептуальной модели исследуемой системы
3.1 Цели моделирования системы
1. Разработать модель, имитирующую процесс функционирования заданной системы, обеспечить при этом сбор статистической информации.
2. Определить скорость прохождения заявки через систему, вероятность отказа в обработке заявки, вероятность полной загрузки каждого из устройств, скорость работы системы.
3. По полученным данным оценить эффективность построенной системы, в частности её функциональность и надёжность, сделать выводы о целесообразности построения реальной системы.
4. Выявить наиболее уязвимые места системы, найти пути их локализации и устранения.
5. Определить наиболее значимые характеристики, влияющие на эффективность функционирования системы. Найти их оптимальные значения.
3.2 Входные, выходные переменные и параметры системы
Входные переменные:
§ интенсивность поступления заявок в систему.
§ время обработки заявок в системе
§ приоритет и трудоемкость заявок
Выходные переменные:
§ количество обработанных заявок.
§ время нахождения заявки в системе
§ количество отказов
§ вероятность занятости
Параметры системы:
§ количество передающих каналов
§ свойства каналов
§ количество регистров для хранения пакетов данных в каждом пункте (длина очереди на обработку).
Параметры системы и переменные с указанием символа обозначения, единицы измерения, возможного диапазона изменения, описать законы распределения всех переменных и определить значения параметров закона распределения сведены в таблице 1.
Таблица 1. Параметры системы и входные переменные.
|
Переменная системы, или параметр |
Диапазон изменения или значение параметра |
Закон распред. |
Обозначение |
||
|
интенсивность поступления сигналов в систему |
10 мс |
Экспоненц. |
I_Z |
||
|
время передачи пакета по каналу связи |
Обычный: 10±2 |
равномерный |
T1 |
||
|
Спутниковый: 10 мс, СКО = 1 мс |
нормальный |
T2 |
|||
|
колличество передающих каналлов |
Обычных: 1 |
дуплексный |
- |
chA / chB |
|
|
Спутниковых: 1 |
полудуплексный |
- |
SSL |
||
|
количество регистров для хранения пакетов данных в каждом пункте (длина очереди на обработку). |
2 |
- |
BR |
Значения выходных переменных не известно до начала моделирования, по этой причине в данном пункте они небыли описаны.
3.4 Критерии эффективности моделируемой системы
Равномерное распределение работы спутниковой линии связи между обоими пунктами системы. Т.е. вероятность получить доступ к спутниковой линии из пункта А должна быть равна вероятности получения доступа к ней из пункта B.
Количество отказов в передаче данных. Эта величина должна быть минимальной.
Оптимальное время передачи пакета по линии связи. Эта величина минимизируется.
Вероятность загрузки каналов связи, как спутникового так и обычного. Эта величина максимизируется.
4. Разработка структурной схемы имитационной модели системы и описание ее функционирования
4.1 Q-схема системы
Рис. 1 Q-схема моделируемой системы.
Пояснения: 1. Основной канал передачи данных из пункта А в пункт Б является дуплексным, т.е. позволяет одновременно передавать данные в двух направлениях. Для более ясного изображения, на схеме дуплексный канал представлен в виде двух простых каналов, каждый из которых позволяет передавать данные только в одном, строго определённом направлении.
2. Конечным пунктом, передаваемых данных в системе является приёмник, который ни как не влияет на работу системы, но при этом его внедрение даёт более ясное представление о процессе моделирования. По этой причине приемник был изображён на схеме.
Основные обозначения:
4.2 Структурная модель системы
Рис.2 Структурная схема системы
Пояснения: Каждый элемент системы изображён в виде прямоугольника с информативной надписью. Сложные элементы, состоящие из нескольких простых, изображены при помощи пунктирной линии, простые сплошной.
4.3 Блок-схема алгоритма имитации системы
Пояснения: Блок-схема, приведенная на рис. 3 описывает процесс работы системы, структурная схема которой находится на рис. 2. Поясним принцип работы этой системы. Мы имеем два пункта: пункт А и пункт Б, в которых находятся абоненты, генерирующие заявки. В соответствии с этим на блок-схеме имеется два входа - один для заявок пункта А, второй для заявок пункта Б. Процесс обработки заявок в обоих пунктах аналогичен, поэтому рассмотрим только одну ветвь схемы (например, А). После поступления, заявка сразу же отправляется на линию связи и, если она свободна, происходит передача данных. Если линия связи занята, происходит проверка буферного регистра (очереди) на «полноту», в случае переполнения очереди, заявка пересылается на спутниковую линию связи, если же в регистре есть свободное место, текущая заявка помещается в него и ожидает освобождения линии связи. При поступлении транзакта на спутниковую линию связи происходит проверка этого ресурса, если он свободен - пересылаем данные, иначе теряем заявку.
Рис 3. Блок-схема, алгоритма обработки сигнала в системе.
Рис. 4 Блок-схема обработки сигнала спутниковой линией связи.
5. Разработка программы имитации работы системы
Программа на языке GPSS:
NOR1 FUNCTION RN1,C25
0,-5/.00003,-4/.00135,-3/.00621,-2.5/.02275,-2
.06681,-1.5/.11507,-1.2/.15866,-1/.21186,-.8/.27425,-.6
.34458,-.4/.42074,-.2/.5,0/.57926,.2/.65542,.4
.72575,.6/.78814,.8/.84134,1/.88493,1.2/.93319,1.5
.97725,2/.99379,2.5/.99865,3/.99997,4/1,5
XP1 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
VNZS TABLE M1,0,50,10
GENERATE 10,FN$XP1
TEST L Q$BR_A,1,SSL
QUEUE BR_A
SEIZE chA
DEPART BR_A
ADVANCE 10,2
RELEASE chA
TABULATE VNZS,10
TERMINATE 0
GENERATE 10,FN$XP1
TEST L Q$BR_B,1,SSL
QUEUE BR_B
SEIZE chB
DEPART BR_B
ADVANCE 10,2
RELEASE chB
TABULATE VNZS,10
TERMINATE 0
SSL SAVEVALUE LNStaT+,1
GATE NU LINE,EX
SEIZE LINE
ADVANCE (1#FN$NOR1+10)
RELEASE LINE
TABULATE VNZS,10
TERMINATE 0
EX TERMINATE 0
GENERATE 600000
TERMINATE 1
START 1
Описание программы:
Данная программа, полностью моделирует систему передачи данных, описанную в задании к курсовому проекту. Для начала поясним общую структуру. Для этого воспользуемся блок-схемой представленной в предыдущем разделе. У нас имеется два входа т.е. заявки принимаются из двух источников, для этого в программу было добавлено два блока GENERATE с необходимыми аргументами. Опишем процесс обработки транзакта, созданного одним из этих блоков. После создания, сообщение приходит на вход линии связи , представленной в виде одноканального устройства. После чего происходит проверка доступности этого устройства. В случае занятости происходит проверка буферного регистра, представленного в данном случае очередью с максимальной длиной 1. Если регистр свободен, то происходит задержка сообщения до освобождения канала связи, в противном случае происходит переход к спутниковой линии связи, представленной также одноканальным устройством, если оно свободно, то происходит обработка текущего сообщения, если занято, то уничтожение без возможности восстановления. Процесс обработки сообщений, созданных вторым блоком GENERATE аналогичен. При этом следует отметить что спутниковая линия связи является общей, т.е. транзакты от обоих источников могут обрабатываться одной линией связи.
Сбор статистики для вычисления всех необходимых характеристик системы осуществляется с помощью блоков SAVEVALUE, а построение гистограмм - с помощью блоков TABLE и TABULATE.
6.Анализ и оценка результатов моделирования
6.1 Имитация работы системы в течении заданного времени
Смоделировать обмен информацией в системе передачи данных в течение 10 мин. Определить частоту вызовов спутниковой линии и вероятность ее загрузки, среднее время прохождения пакета через систему, количество пакетов, переданных за время моделирования системы, вероятность загрузки буферных регистров, вероятность отказа передачи пакета.
Отчет GPSS:
Статистика по линиям связи:
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
CHA 43705 0.728 9.997 1 0 0 0 0 0
CHB 43642 0.727 10.000 1 119254 0 0 0 1
LINE 17879 0.298 9.998 1 0 0 0 0 0
Статистика по буферным регистрам:
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
BR_A 1 0 43705 16245 0.269 3.699 5.888 0
BR_B 1 1 43643 16327 0.268 3.688 5.892 0
Количество вызовов спутниковой линии:
SAVEVALUE RETRY VALUE
LNSTAT 0 31906.000
Среднее время пребывания транзакта в системе
TABLE MEAN
VNZS 13.065
Для определения частоты вызовов спутниковой линии воспользуемся следующей формулой: - общее количество вызовов разделим на время моделирования системы. Получим: V=29,798 вызовов в секунду
Вероятность загрузки можно взять из отчёта GPSS (колонка UTIL для устройства LINE), эта величина равна 0,298
Среднее время прохождения также берём из отчета GPSS: 13.065мс.
Количество пакетов переданных через систему определяется суммой транзактов обработанных устройствами chA, chB и LINE: 43705+43642+17879= 105226
Рассчитаем вероятность загрузки буферных регистров по формуле , где N1 количество транзактов, получивших отказ при попытке помещения в регистр, N2 - общее количество транзактов:
Для регистра А: =0,267
Для регистра Б: =0,268
Величины N1 и N2 для обоих регистров были взяты из отчёта GPSS(см приложение).
Рассчитаем вероятность отказа в передаче пакета по формуле, где N1 количество транзактов, получивших отказ в передаче, N2 - общее количество транзактов: =0,267
Величины N1 и N2 были взяты из отчёта GPSS(см приложение).
6.2 Расчет основных статистических характеристик для любых двух характеристик системы
Исследуем следующие характеристики: время нахождения заявки в системе и время нахождения заявки в буерном регистре пункта А.
Для определения необходимых характеристик достаточно 1000 транзактов, поэтому уменьшим время моделирования до 6с., зависимости величин при этом не будут потеряны, а мы получим возможность снять данные с выборки приемлемого объёма.
Время нахождения заявки в системе:
Сбор статистики осуществляется с помощью операторов INITIAL и SAVEVALUE.
INITIAL X1,1
SAVEVALUE 1+,1
SAVEVALUE X1,M1
Данные отчета GPSS заносим в Statistica, и рассчитаем основные статистические характеристики (мат. ожидание, дисперсия, СКО).
Таблица 2. Основные характеристики времени обработки заявки в системе.
|
Количество транзактов |
Среднее |
Медиана |
Минимум |
Максимум |
Дисперсия |
C.К.О. |
||
|
Var1 |
1047 |
13.02040 |
11.63800 |
6.351000 |
23.51200 |
14.85004 |
3.853575 |
В таблице указаны все основные характеристики изменения времени нахождения заявки в системе, попытаемся определить закон распределения. Для начала построим график распределения нашей переменной(рис 5.). Сделаем предположение о том, что закон распределения нормальный. Проверим эту гипотезу с помощью статистического критерия согласия Пирсона при заданном уровне значимости б=0,005 и числе степеней свободы равном 7.
Вероятность подтверждения нашей гипотезы равна 0 (р=0,00000), что значительно меньше б, поэтому предположение о тм, что закон распределения нормальный отвергается. Проверив все остальные законы распределения при помощи программы Statistica получили тот же результат, отсюда можно сделать вывод о том, что время пребывания заявки в системе не подчиняется ни одному из стандартных законов распределения. Попытаемся выяснить причину этих расхождений.
Для начала определим от чего может зависеть наша переменная. В первую очередь существует зависимость от времени обработки сигнала одним из устройств(передача данных по одному из каналов). Два устройства обрабатывают заявки в течении времени равномерно распределённом в узком интервале, причём попадание заявки на обработку именно к этим каналам наиболее вероятно из-за того, что они являются основными средствами работы системы и проверяются в первую очередь. Еще одним устройством для обработки сигналов является спутниковая линия связи, скорость работы которой определяется нормальным законом. Также на время пребывания сигнала в системе влияет время задержки в буферном регистре (интервал времени между моментами помещения и извлечения сигналов из буферных регистров), анализ этой характеристики происходит в следующем пункте.
Рис 5. Закон распределения времени пребывания заявки в системе
Наконец последним фактором, влияющим на исследуемую переменную, является время поступления заявки в систему. Интервал времени между моментами поступления заявок в систему изменяется по экспоненциальному закону. Поясним, как это может повлиять на время обработки сигнала. С полной уверенностью можно сказать, что время обработки напрямую зависит от начальных условий, т.е. состояния системы в момент поступления нового транзакта. Утверждение о том, что закон распределения, по крайней мере, частично определяет состояние системы в момент поступления новой заявки, можно считать очевидным. Сопоставив два последних утверждения можно сделать вывод о том, что закон распределения входного потока в какой-то мере определяет время пребывания заявки в системе.
Сопоставив всё вышесказанное, сделаем вывод о том, что время обработки заявки в системе представляет собой наложение нескольких последовательностей, распределённых по стандартным законам. Изучение и исследования полученного распределения выходит за рамки данной работы т.к. представляет собой достаточно не тривиальную задачу, поэтому в исследовании времени пребывания транзакта в системе остановимся на достигнутом.
Время нахождения заявки в буферном регистре:
Для исследования этой характеристики возьмём один буферный регистр, находящийся в пункте А.
Для сбора статистики добавим в текст программы следующие строки:
INITIAL X1,1
SAVEVALUE 1+,1
SAVEVALUE X1,QT$BR_A
Таблица 3. Основные характеристики времени задержки сигнала в буферном регистре .
|
Количество транзактов |
Среднее |
Медиана |
Минимум |
Максимум |
Дисперсия |
C.К.О. |
||
|
Var1 |
451 |
3.769778 |
3.678000 |
3.518000 |
5.989000 |
0.148532 |
0.385399 |
Рис 6. Закон распределения времени пребывания заявки в очереди
В таблице указаны все основные характеристики изменения времени нахождения заявки в системе, попытаемся определить закон распределения. Для начала построим график распределения нашей переменной (рис 6.). Сделаем предположение о том, что закон распределения нормальный. Проверим эту гипотезу с помощью статистического критерия согласия Пирсона при заданном уровне значимости б=0,005 и числе степеней свободы равном 8. Вероятность подтверждения нашей гипотезы равна 0 (р=0,00000), что значительно меньше б, поэтому предположение о том, что закон распределения нормальный отвергается. Проверив все остальные законы распределения при помощи программы Statistica, получили тот же результат, отсюда можно сделать вывод о том, что время задержки заявки в буферном регистре, так же как и время пребывания заявки в системе, не подчиняется ни одному из стандартных законов распределения. Попытаемся выяснить причину этого.
Время пребывания транзакта в очереди является одним из этапов обработки заявки в целом. Определим факторы влияющие на него. Значение этой переменной определяется разницей между моментами поступления сигнала в буферный регистр и выходом его на вход линии связи. Возможность выхода заявки из очереди определяется занятостью линии связи, возможность добавления заявки в очередь - наличием свободных мест в ней. При этом время поступления заявок на вход очереди распределено по совершенно определённому экспоненциальному закону. Интервалы времени, в которых линия связи свободна т.е. существует возможность выхода из очереди, зависят в первую очередь от моментов поступления заявки на обработку, а также от длительности обработки.
Проанализировав всё сказанное выше, а также график распределения, полученный при помощи программы Statistica, сделаем вывод о том, что распределение времени пребывания заявки в очереди является результатом наложения экспоненциального закона и равномерного распределения (случайная величина распределена на небольшом интервале). Следует заметить, что это предположение и только, оно не может быть подтверждено в данной работе т.к. его доказательство (или опровержение) является достаточно сложной задачей и выходит за рамки данной работы.
6.3 Анализ работы системы
Оценив все характеристики системы, сделаем вывод о том, что система неэффективна. Эти выводы были сделаны из следующих соображений. Во-первых, мы имеем слишком «плохое» соотношение занятость устройств/отказ в обработке, так спутниковая линия связи практически на протяжении всего времени остаётся свободной и работает только в особых случаях, при этом мы имеем достаточно большой уровень потерь. Во-вторых, занятость буферных регистров слишком мала, эти ресурсы практически не используются. В-третьих, мы имеем слишком большой разброс времени обработки сигнала в системе.
«Узким» местом системы является большое время передачи сигнала по каналу связи. Плюс к этому, слишком специфичны конструктивные особенности системы и алгоритм обработки сигналов.
7. Проведение имитационного эксперимента с целью оптимизации процесса функционирования системы
7.1Характеристика системы, значение которой необходимо оптимизировать
В системе необходимо оптимизировать (в сторону минимизации) время нахождения заявки в системе т.е. время обработки принятого сигнала.
Таблица 4. Влияние входных переменных на выходную характеристику.
|
независимые переменные (факторы) |
зависимые переменные (реакция системы) |
|
|
1. интенсивность входного потока сигналов 2. время передачи сигнала по обычному каналу 3. время передачи сигнала по спутниковому каналу |
Среднее время нахождения заявки в системе |
7.2 Факторы, влияющие на характеристику
Факторы (переменные), влияющие на характеристику системы и интервалы их варьирования, выбранные с учетом критериев эффективности, сведены в таблице 5.
Таблица 5. Факторы, влияющие на характеристику системы
|
Факторы (обозначение) |
Содержательная интерпретация факторов |
Уровни факторов |
Интервалы варьирования |
|||
|
-1 |
0 |
1 |
||||
|
интенсивность входного потока сигналов |
5 |
10 |
15 |
5 |
||
|
время передачи сигнала по обычному каналу |
5 |
10 |
15 |
5 |
||
|
время передачи сигнала по спутниковому каналу |
5 |
10 |
15 |
5 |
7.3 Структурная модель зависимости выбранной характеристики системы от выделенных факторов
Задача структурной идентификации заключается в определении структуры математической модели. Обычно под структурой модели понимают вид оператора F, связывающего вектор входных воздействий X=c вектором выходных воздействий с точностью до его коэффициентов.
Y = a0 + a1x1 + a2x2 + a3x3 + a4x1x2 + a5x1x3 + a6x2x3
Проведем имитационный эксперимент с моделью системы в каждой точке факторного пространства, определим выходную характеристику системы при выбранных уровнях факторов и занесем данные в матрицу планирования (см. таблицу 6);
Таблица 6. Матрица планирования.
|
x1 |
x2 |
x3 |
x1*x2 |
x1*x3 |
x2*x3 |
y |
||
|
1 |
5 |
5 |
5 |
25 |
25 |
25 |
6,578 |
|
|
2 |
5 |
5 |
15 |
25 |
75 |
75 |
7,789 |
|
|
3 |
5 |
15 |
5 |
75 |
25 |
75 |
16,082 |
|
|
4 |
5 |
15 |
15 |
75 |
75 |
225 |
22,341 |
|
|
5 |
15 |
5 |
5 |
75 |
75 |
25 |
5,752 |
|
|
6 |
15 |
5 |
15 |
75 |
225 |
75 |
6,152 |
|
|
7 |
15 |
15 |
5 |
225 |
75 |
75 |
17,186 |
|
|
8 |
15 |
15 |
15 |
225 |
225 |
225 |
19,592 |
Выборочная корреляционная матрица, показывающая степень зависимости характеристики системы и выделенных факторов:
Таблица 7. Корреляционная матрица.
|
X1 |
X2 |
X3 |
X1*X2 |
X1*X3 |
X2*X3 |
Y |
||
|
X1 |
1.00 |
-0.00 |
0.00 |
0.67 |
0.67 |
0.00 |
0.95 |
|
|
X2 |
-0.00 |
1.00 |
0.00 |
0.67 |
0.00 |
0.67 |
0.27 |
|
|
X3 |
0.00 |
0.00 |
1.00 |
0.00 |
0.67 |
0.67 |
0.14 |
|
|
X1*X2 |
0.67 |
0.67 |
0.00 |
1.00 |
0.44 |
0.44 |
0.82 |
|
|
X1*X3 |
0.67 |
0.00 |
0.67 |
0.44 |
1.00 |
0.44 |
0.73 |
|
|
X2*X3 |
0.00 |
0.67 |
0.67 |
0.44 |
0.44 |
1.00 |
0.27 |
|
|
Y |
0.95 |
0.27 |
0.14 |
0.82 |
0.73 |
0.27 |
1.00 |
В таблице выделены факторы, имеющие наибольшее влияние на выходную переменную. Построим диаграммы рассеяния для исследования влияния этих параметров (рис. 7).
(а)
(б)
(в)
Рис. 7 Диаграммы рассеяния (корреляционные поля), отражающие статистическую взаимосвязь между реакцией системы и исследуемым фактором:(а) - зависимость времени обработки сигнала от интенсивности входного потока;
(б) - зависимость времени обработки сигнала от интенсивности входного потока и среднего времени передачи данных по обычному каналу; (в) - зависимость времени обработки сигнала от интенсивности входного потока и среднего времени передачи данных по спутниковому каналу;
Проанализируем полученные результаты. Из корреляционной матрицы видно, что наибольшее влияние на выходную характеристику (время задержки сигнала в системе) имеют три величины: интенсивность поступления сигналов в систему; взаимодействие среднего времени обработки сигналов обычной линией связи и интенсивности поступления заявок в систему; взаимодействие среднего времени обработки сигналов спутниковой линией связи и интенсивности поступления заявок в систему. Все факторы имеют положительное влияние на y, это значит, что при увеличении входных переменных увеличивается выходная характеристика. Все остальные факторы тоже положительно влияют на выходную характеристику, но это влияние не так значительно. Всё вышесказанное подтверждают диаграммы рассеяния.
7.5 Параметрическая идентификация структурной модели
Задача параметрической идентификации сводится к отысканию параметров оператора F на основе апостериорной информации.
В том случае, когда входные и выходные воздействия связаны оператором вида
, для оценки параметров модели применяют метод наименьших квадратов (МНК).
Итак, наша модель имеет вид:
y =103 + 0.46*x1 + 0.016*x1*x2
7.6 Оценка адекватности построенной модели
Multiple Regression Results
Dependent: NewVar Multiple R = ,99069747 F = 70,66666
R?= ,98148148 df = 3,4
No. of cases: 8 adjusted R?= ,96759259 p = ,000639
Standard error of estimate: ,707106781
Intercept: 103,00000000 Std.Error: ,5590170 t( 4) = 184,25 p = ,0000
Var1 beta=,626 Var4 beta=,327 Var5 beta=,163
1. оценим значимость («качество») построенного уравнения регрессии, используя критерий Фишера;
Критерий Фишера F = 70,66666, p = ,000639
Уровень значимости больше р = 0,000639, значит гипотеза о незначимости отвергается, т.е уравнение адекватно описывает функцию реакции.
2. оценим коэффициент детерминации;
R2= 0,98148148
Значит 98% дисперсии выходной переменной у объясняется набором факторных переменных.
Линия регрессии практически совпала с экспериментальными данными.
3. рассчитаем сумму квадратов отклонений прогнозных значений от наблюдаемых данных;
Standard error of estimate: 0,707106781
4. проверим гипотезу о значимости отличия от нуля параметров регрессионной модели;
Результаты регрессионного анализа сведены в таблице 8.
Таблица8.
|
Beta |
Std.Err. |
B |
Std.Err. |
t(4) |
p-level |
||
|
Intercept |
103.0000 |
0.559017 |
184.2520 |
0.000000 |
|||
|
X1 |
0.625981 |
0.109713 |
0.4600 |
0.080623 |
5.7056 |
0.004665 |
|
|
X1*X2 |
0.326599 |
0.091287 |
0.0160 |
0.004472 |
3.5777 |
0.023215 |
|
|
X1*X3 |
0.163299 |
0.091287 |
0.0080 |
0.004472 |
1.7889 |
0.148148 |
Т.к. р = 0,000000 меньше уровня значимости, значит гипотеза о незначимости отличия от нуля параметров регрессионной модели отвергается.
Параметры модели x1,x1* x2 являются значимыми, т.к. расчетные значимости (t(2)) этих параметров по модулю не меньше теоретической значимости = 2,353363 (распределение Стьюдента). Остальные параметры выводятся из модели.
7.7 Выводы, выбор окончательного варианта модели зависимости
Построенная модель является адекватной и все включенные в нее параметры являются статистически значимыми.
y =103 + 0.46*x1 + 0.016*x1*x2
Наибольшее влияние на реакцию системы оказывает фактор x1, наименьшее фактор x3.
Необходимо минимизировать y, а значит уменьшать все значимые переменные. Т.е.
необходимо уменьшить интенсивность входного потока, а также время передачи сигнала по обычной линии связи.
7.8 Выбор наилучшего варианта функционирования системы, оптимизация работы системы
Для выбора наилучшего варианта функционирования системы вспомним ещё раз все факторы оптимальности, а также параметры, имеющие наибольшее влияние на выходную переменную.
В первую очередь нам необходимо минимизировать время задержки переменной в системе, для этого необходимо минимизировать время передачи сигнала по обычной линии связи а также увеличить до предела интервал времени между поступлением заявок в систему, при этом следует учесть следующий фактор: вероятность загрузки каналов связи должна быть максимальна. В соответствии с этим среднее время поступления заявок должно быть соизмеримо с временем обработки текущего сообщения, для того чтобы исключить простой линии связи. Для того чтобы исключить отказ в обработке сообщения необходимо также увеличить скорость работы системы и уменьшить скорость поступления заявок в неё.
Последний фактор оптимальности системы, предполагающий равномерное распределение спутниковой линии связи между обоими пунктами, не может быть разрешён путём изменения входных переменных. На него влияет лишь алгоритм обработки принятого транзакта.
8. Выводы по результатам исследования и рекомендации по использованию модели
8.1 Расчет характеристик системы для оптимального варианта функционирования системы
Оптимальный вариант функционирования системы:
Уменьшение среднего времени передачи сигнала по обычной линии связи до 7мс, а по спутниковой до 5мс.
Проанализируем результаты работы полученной системы. Рассчитаем основные характеристики системы:
Статистика по линиям связи:
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
CHA 49717 0.580 7.004 1 0 0 0 0 0
CHB 50098 0.584 6.999 1 0 0 0 0 0
LINE 14575 0.121 4.988 1 0 0 0 0 0
Статистика по очередям:
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
BR_A 1 0 49717 24947 0.166 1.998 4.010 0
BR_B 1 0 50098 25059 0.167 1.997 3.996 0
Время пребывания заявки в системе:
TABLE MEAN STD.DEV.
VNZS 8.488 2.938
Для определения частоты вызовов спутниковой линии воспользуемся следующей формулой: - общее количество вызовов разделим на время моделирования системы. Получим: V= 24,292 вызовов в секунду
Вероятность загрузки можно взять из отчёта GPSS (колонка UTIL для устройства LINE), эта величина равна 0,121
Среднее время прохождения также берём из отчета GPSS: 8,488 мс.
Количество пакетов переданных через систему определяется суммой транзактов обработанных устройствами chA, chB и LINE: 49717 + 50098 + 14575= 114390
Рассчитаем вероятность загрузки буферных регистров по формуле , где N1 количество транзактов, получивших отказ при попытке помещения в регистр, N2 - общее количество транзактов:
Для регистра А: =0,1667
Для регистра Б: =0,1648
Величины N1 и N2 для обоих регистров были взяты из отчёта GPSS(см приложение). Рассчитаем вероятность отказа в передаче пакета по формуле, где N1 количество транзактов, получивших отказ в передаче, N2 - общее количество транзактов:
=0,043
Величины N1 и N2 были взяты из отчёта GPSS(см приложение).
8.2 Расчет основных статистических характеристик для оптимального варианта системы (п. 5.)
Исследуем две характеристики (возьмём те же характеристики, что и в шестом разделе, дальнейшего сравнения): Время нахождения заявки в системе.
Таблица 9. Основные характеристики времени обработки заявки в системе.
|
Количество транзактов |
Среднее |
Медиана |
Минимум |
Максимум |
Дисперсия |
C.К.О. |
||
|
1138 |
8.478832 |
7.948500 |
2.569000 |
17.76700 |
8.874611 |
2.979029 |
В таблице указаны все основные характеристики изменения времени нахождения заявки в системе, попытаемся определить закон распределения. Для начала построим график
Рис 8. Закон распределения времени пребывания заявки в системе
распределения нашей переменной. Сделаем предположение что закон распределения нормально-логарифмический. Проверим эту гипотезу с помощью статистического критерия согласия Пирсона при заданном уровне значимости б=0,005 и числе степеней свободы равном 6.
Вероятность подтверждения нашей гипотезы равна 0 (р=0,00000), что значительно меньше б, поэтому предположение о том, что закон распределения нормальный отвергается. Проверив все остальные законы распределения при помощи программы Statistica получили более худший результат, отсюда можно сделать вывод о том, что время пребывания заявки в системе не подчиняется ни одному из стандартных законов распределения. Рассуждения на эту тему были приведены в пункте 6, поэтому здесь ограничимся вышесказанным.
Время пребывания заявки в буферном регистре.
Таблица 10. Основные характеристики времени времени задержки сигнала в буферном регистре.
|
Количество транзактов |
Среднее |
Медиана |
Минимум |
Максимум |
Дисперсия |
C.К.О. |
||
|
455 |
2.006967 |
2.015000 |
0.989000 |
3.151000 |
0.027622 |
0.166200 |
В таблице указаны все основные характеристики изменения времени нахождения заявки в системе, попытаемся определить закон распределения. Для начала построим график
Рис 9. Закон распределения времени задержки сигнала в буферном регистре.
распределения нашей переменной(рис 6.). Сделаем предположение о том, что закон распределения нормальный. Проверим эту гипотезу с помощью статистического критерия согласия Пирсона при заданном уровне значимости б=0,005 и числе степеней свободы равном 2. Вероятность подтверждения нашей гипотезы равна 0 (р=0,00000), что значительно меньше б, поэтому предположение о том, что закон распределения нормальный отвергается. Проверив все остальные законы распределения при помощи программы Statistica получили тот же результат, отсюда можно сделать вывод о том, что время задержки заявки в буферном регистре, так же как и время пребывания заявки в системе, не подчиняется ни одному из стандартных законов распределения.
Сравнение результатов экспериментов с исходной и с оптимальной моделью.
Если проанализировать результаты первого и второго экспериментов, можно заметить разницу между значениями выходных переменных, таких, как время обслуживания заявки в системе, время задержки сигнала в буферном регистре, дисперсия этих величин, также вероятность отказа в обработке, а также вероятность загрузки устройств.
Сначала отметим положительные факторы полученной модели. Во-первых, мы получили достаточно маленькое время обработки сигнала в системе, а также уменьшили вероятность отказа в обработке, что является неоспоримым плюсом. Во-вторых, уменьшилась дисперсия выходных характеристик, что также является положительным фактором, особенно при синхронизации работы нескольких систем.
Отрицательным фактором, в нашем случае, является маленькая вероятность загрузки передающих устройств. Но, как уже отмечалось выше, этот показатель можно оптимизировать только путём конструктивных изменений системы.
8.3 Выводы по результатам проведенного исследования
В результате проведенного исследования, были получены основные характеристики модели, а также выявлены методы оптимизации её. Изменив входные переменные для улучшения выходных, мы получили систему, которую при некоторых условиях можно считать оптимальной. Так, скорость работы этой системы достаточно велика, но при этом, основные функциональные узлы системы имеют слишком маленькую вероятность загрузки. Можно предположить что увеличение интенсивности входного потока может решить эту проблему, но проведя несколько экспериментов, с целью изучения этого фактора, мы убедились в обратном. Увеличение вероятности загрузки все-таки есть, но оно слишком мало, по сравнению с возрастанием вероятности отказа в обработке сигнала. Данную проблему можно попытаться решить путём изменения последовательности обработки сигнала. Например, при занятости обычной линии связи можно в первую очередь пересылать данные на спутниковую линию связи, и только при её занятости помещать в очередь. На мой взгляд это изменение должно более равномерно распределить обработку заявок между спутниковой и обычной линией связи. И даже при увеличении входного потока вероятность отказа не должна значительно возрасти.
8.4 Рекомендации по использованию модели
Полученная модель может считаться оптимальной лишь в определённых условиях. Т.к. мы получаем достаточно большую производительность, при неполном использовании ресурсов, то наша система может быть использована, только при острой необходимости. Можно предположить, что неполная занятость ресурсов обусловлена малой интенсивностью входного потока. Проанализировав это предположение, путем проведения нескольких имитационных экспериментов, был получен ответ на этот вопрос. Вероятность занятости устройств действительно выросла, но при этом значительно увеличилась вероятность отказа в обработке. Этот факт говорить о том, что система не оптимальна и при таких значениях параметров
Полная оптимизация невозможна т.к. изменение одних параметров в сторону оптимизации, влечёт за собой изменение других в сторону ухудшения. Для того чтобы оптимизировать систему в целом необходимо в корне менять её структуру.
Список литературы
1.СИСТЕМА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ НА ЯЗЫКЕ GPSS (СПО GPSS/PC). Версия 2. Электронное пособие.
2.Е.С. Вентцель. Теория верностей: Учебник для ВУЗов. - М.: Высш. Шк.,2001. - 575с.
3.Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. - М.: «Финансы и статистика», 1983. - 471 с.
4.Моделирование систем. Практикум: Учеб. пособие для вузов/Б.Я. Советов, С.А. Яковлев. - 2-е изд., перераб. и доп. - М.: Высшая школа, 2003. - 295 с.
5.Советов Б.Я., Яковлев С.А. Моделирование систем (3-е изд.). - М.: Высшая школа, 2001. - 420с.
Приложение
Листинг программы имитации работы системы на языке моделирования GPSS с исходно заданными входными переменными и параметрами системы.
NOR1 FUNCTION RN1,C25
0,-5/.00003,-4/.00135,-3/.00621,-2.5/.02275,-2
.06681,-1.5/.11507,-1.2/.15866,-1/.21186,-.8/.27425,-.6
.34458,-.4/.42074,-.2/.5,0/.57926,.2/.65542,.4
.72575,.6/.78814,.8/.84134,1/.88493,1.2/.93319,1.5
.97725,2/.99379,2.5/.99865,3/.99997,4/1,5
XP1 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
VNZS TABLE M1,0,50,10
GENERATE 10,FN$XP1
TEST L Q$BR_A,1,SSL
QUEUE BR_A
SEIZE chA
DEPART BR_A
ADVANCE 10,2
RELEASE chA
TABULATE VNZS,10
TERMINATE 0
GENERATE 10,FN$XP1
TEST L Q$BR_B,1,SSL
QUEUE BR_B
SEIZE chB
DEPART BR_B
ADVANCE 10,2
RELEASE chB
TABULATE VNZS,10
TERMINATE 0
SSL SAVEVALUE LNStaT+,1
GATE NU LINE,EX
SEIZE LINE
ADVANCE (1#FN$NOR1+10)
RELEASE LINE
TABULATE VNZS,10
TERMINATE 0
EX TERMINATE 0
GENERATE 600000
TERMINATE 1
START 1
Отчет GPSS:
GPSS World Simulation Report - mymodel.28.1
Tuesday, December 13, 2005 15:04:08
START TIME END TIME BLOCKS FACILITIES STORAGES
0.000 600000.000 28 3 0
NAME VALUE
BR_A 10005.000
BR_B 10008.000
CHA 10007.000
CHB 10009.000
EX 26.000
LINE 10011.000
LNSTAT 10010.000
NOR1 10000.000
SSL 19.000
VNZS 10004.000
XP1 10002.000
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 59617 0 0
2 TEST 59617 0 0
3 QUEUE 43705 0 0
4 SEIZE 43705 0 0
5 DEPART 43705 0 0
6 ADVANCE 43705 0 0
7 RELEASE 43705 0 0
8 TABULATE 43705 0 0
9 TERMINATE 43705 0 0
10 GENERATE 59637 0 0
11 TEST 59637 0 0
12 QUEUE 43643 1 0
13 SEIZE 43642 0 0
14 DEPART 43642 0 0
15 ADVANCE 43642 1 0
16 RELEASE 43641 0 0
17 TABULATE 43641 0 0
18 TERMINATE 43641 0 0
SSL 19 SAVEVALUE 31906 0 0
20 GATE 31906 0 0
21 SEIZE 17879 0 0
22 ADVANCE 17879 0 0
23 RELEASE 17879 0 0
24 TABULATE 17879 0 0
25 TERMINATE 17879 0 0
EX 26 TERMINATE 14027 0 0
27 GENERATE 1 0 0
28 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
CHA 43705 0.728 9.997 1 0 0 0 0 0
CHB 43642 0.727 10.000 1 119254 0 0 0 1
LINE 17879 0.298 9.998 1 0 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
BR_A 1 0 43705 16245 0.269 3.699 5.888 0
BR_B 1 1 43643 16327 0.268 3.688 5.892 0
TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.%
VNZS 13.065 3.806 0
0.000 - 50.000 1052250 100.00
SAVEVALUE RETRY VALUE
LNSTAT 0 31906.000
FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE
119257 0 600004.000 119257 0 10
119254 0 600005.190 119254 15 16
119255 0 600013.277 119255 0 1
119258 0 1200000.000 119258 0 27
Листинг программы имитации работы оптимальной системы на языке моделирования GPSS
NOR1 FUNCTION RN1,C25
0,-5/.00003,-4/.00135,-3/.00621,-2.5/.02275,-2
.06681,-1.5/.11507,-1.2/.15866,-1/.21186,-.8/.27425,-.6
.34458,-.4/.42074,-.2/.5,0/.57926,.2/.65542,.4
.72575,.6/.78814,.8/.84134,1/.88493,1.2/.93319,1.5
.97725,2/.99379,2.5/.99865,3/.99997,4/1,5
XP1 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
VNZS TABLE M1,0,50,10
GENERATE 10,FN$XP1
TEST L Q$BR_A,1,SSL
QUEUE BR_A
SEIZE chA
DEPART BR_A
ADVANCE 7,2
RELEASE chA
TABULATE VNZS,10
TERMINATE 0
GENERATE 10,FN$XP1
TEST L Q$BR_B,1,SSL
QUEUE BR_B
SEIZE chB
DEPART BR_B
ADVANCE 7,2
RELEASE chB
TABULATE VNZS,10
TERMINATE 0
SSL SAVEVALUE LNStaT+,1
GATE NU LINE,EX
SEIZE LINE
ADVANCE (1#FN$NOR1+5)
RELEASE LINE
TABULATE VNZS,10
TERMINATE 0
EX TERMINATE 0
GENERATE 600000
TERMINATE 1
START 1
Отчет GPSS:
GPSS World Simulation Report - mymodel.27.1
Tuesday, December 13, 2005 12:12:53
START TIME END TIME BLOCKS FACILITIES STORAGES
0.000 600000.000 28 3 0
NAME VALUE
BR_A 10005.000
BR_B 10008.000
CHA 10007.000
CHB 10009.000
EX 26.000
LINE 10011.000
LNSTAT 10010.000
NOR1 10000.000
SSL 19.000
VNZS 10004.000
XP1 10002.000
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 59664 0 0
2 TEST 59664 0 0
3 QUEUE 49717 0 0
4 SEIZE 49717 0 0
5 DEPART 49717 0 0
6 ADVANCE 49717 0 0
7 RELEASE 49717 0 0
8 TABULATE 49717 0 0
9 TERMINATE 49717 0 0
10 GENERATE 59985 0 0
11 TEST 59985 0 0
12 QUEUE 50098 0 0
13 SEIZE 50098 0 0
14 DEPART 50098 0 0
15 ADVANCE 50098 0 0
16 RELEASE 50098 0 0
17 TABULATE 50098 0 0
18 TERMINATE 50098 0 0
SSL 19 SAVEVALUE 19834 0 0
20 GATE 19834 0 0
21 SEIZE 14575 0 0
22 ADVANCE 14575 0 0
23 RELEASE 14575 0 0
24 TABULATE 14575 0 0
25 TERMINATE 14575 0 0
EX 26 TERMINATE 5259 0 0
27 GENERATE 1 0 0
28 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
CHA 49717 0.580 7.004 1 0 0 0 0 0
CHB 50098 0.584 6.999 1 0 0 0 0 0
LINE 14575 0.121 4.988 1 0 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
BR_A 1 0 49717 24947 0.166 1.998 4.010 0
BR_B 1 0 50098 25059 0.167 1.997 3.996 0
TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.%
VNZS 8.488 2.938 0
0.000 - 50.000 1143900 100.00
SAVEVALUE RETRY VALUE
LNSTAT 0 19834.000
FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE
119652 0 600001.688 119652 0 1
119651 0 600033.550 119651 0 10
119653 0 1200000.000 119653 0 27
Размещено на Allbest.ru
...Подобные документы
Моделирование процессов обработки информации с использованием языка GРSS Wоrld. Создание системы массового обслуживания, обрабатывающей заявки. Укрупненная схема моделирующего алгоритма и ее описание. Описание возможных улучшений в работе системы.
курсовая работа [469,7 K], добавлен 26.06.2011Структура модели системы обработки информации. Особенности временной диаграммы и машинной программы решения задачи. Сравнение результатов имитационного моделирования и аналитического расчета характеристик. Описание возможных улучшений в работе системы.
курсовая работа [1,1 M], добавлен 26.06.2011Разработка концептуальной модели системы обработки информации для узла коммутации сообщений. Построение структурной и функциональной блок-схем системы. Программирование модели на языке GPSS/PC. Анализ экономической эффективности результатов моделирования.
курсовая работа [802,8 K], добавлен 04.03.2015Роль моделирования общественно-исторических процессов. Распределенный банк данных системы сбора информации. Концептуальная схема модели системы. Критерии оценки эффективности процесса функционирования СМО. Выдвижение гипотез и принятие предположений.
дипломная работа [140,1 K], добавлен 30.07.2009Cоздание и описание логической модели автоматизированной системы обработки информации. Проектирование структуры системы в виде диаграмм UML. Анализ программных средств разработки программного обеспечения и интерфейса. Осуществление тестирования программы.
дипломная работа [2,5 M], добавлен 25.01.2015Разработка структурной схемы и алгоритм функционирования исследуемой микропроцессорной системы (МПС). Модель исследуемой МПС в виде системы массового обслуживания. Листинг программы моделирования на языке GPSS, результаты имитационных экспериментов.
курсовая работа [193,3 K], добавлен 25.11.2013Построение модели системы массового обслуживания с помощью ЭВМ с использованием методов имитационного моделирования. Моделирование проводилось с помощью GPSS World Student version, позволяющего достоверно воссоздать систему массового обслуживания.
курсовая работа [555,7 K], добавлен 29.06.2011Программное средство системного моделирования. Структурная схема модели системы, временная диаграмма и ее описание. Сравнение результатов имитационного моделирования и аналитического расчета характеристик. Описание машинной программы решения задачи.
курсовая работа [146,5 K], добавлен 28.06.2011Теоретические основы моделирования систем в среде имитационного моделирования AnyLogic. Средства описания поведения объектов. Анимация поведения модели, пользовательский интерфейс. Модель системы обработки информации в среде компьютерного моделирования.
курсовая работа [1,5 M], добавлен 15.05.2014Особенности систем массового обслуживания и сущность имитационного моделирования с использованием GPSS. Структурная схема модели системы и временная диаграмма. Сравнение результатов имитационного моделирования и аналитического расчета характеристик.
курсовая работа [214,2 K], добавлен 23.06.2011Требования и структура систем обработки экономической информации. Технология обработки информации и обслуживание системы, защита информации. Процесс создания запросов, форм, отчетов, макросов и модулей. Средства организации баз данных и работы с ними.
курсовая работа [2,7 M], добавлен 25.04.2012Построение концептуальной модели системы и ее формализация. Алгоритмизация модели системы и ее машинная реализация. Построение логической схемы модели. Проверка достоверности модели системы. Получение и интерпретация результатов моделирования системы.
курсовая работа [67,9 K], добавлен 07.12.2009Характеристика автоматической системы управления технологическим процессом жидких и газообразных сред, необходимость и методика ее реконструкции. Техническое описание средств измерений АСУ ЖГС и системы обработки информации, их совершенствование.
дипломная работа [1,3 M], добавлен 11.03.2011Анализ существующих алгоритмов обработки информации человеком и современных моделей памяти. Разработка алгоритмов и математической модели ассоциативного мышления. Имитационная модель обработки информации. Компьютерный эксперимент по тестированию модели.
курсовая работа [2,3 M], добавлен 19.11.2014Построение модели вычислительного центра: постановка задачи, выбор метода моделирования и составление моделирующей программы на языке GPSS. Исследование трехфазной одноканальной системы и определение значений параметров и размеров буферных устройств.
курсовая работа [276,8 K], добавлен 25.06.2011Разработка программы, имитирующей работу системы массового обслуживания. Методы и средства решения задачи. Создание концептуальной и структурной моделей системы. Анализ и оценка результатов моделирования, определение достоинств и недостатков системы.
курсовая работа [469,5 K], добавлен 03.03.2015Разработка проекта автоматизированной системы обработки экономической информации для малого рекламного предприятия. Назначение и основные функции проектируемой системы, требования к ней. Технология обработки и защиты экономической информации предприятия.
контрольная работа [27,8 K], добавлен 10.07.2009Изучение существующих методов и программного обеспечения для извлечения числовых данных из графической информации. Программное обеспечение "graphtrace", его структура и методы обработки данных. Использование этой системы для данных различного типа.
дипломная работа [3,9 M], добавлен 06.03.2013Требования, предъявляемые к свойствам систем распределенной обработки информации. Логические слои прикладного программного обеспечения вычислительных систем. Механизмы реализации распределенной обработки информации. Технологии обмена сообщениями.
курсовая работа [506,8 K], добавлен 03.03.2011Информационный анализ и выявление основных сущностей предметной области. Определение взаимосвязей сущностей. Построение концептуальной модели. Логическое моделирование базы данных "Компьютерный мир". Технология сбора, передачи и обработки информации.
курсовая работа [1,9 M], добавлен 13.02.2014
