Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

НАБЕРЕЖНОЧЕЛНИНСКИЙ ИНСТИТУТ (ФИЛИАЛ) ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«КАЗАНСКИЙ (ПРИВОЛЖСКИЙ) ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

Кафедра «Сервис транспортных систем»

КУРСОВОЙ ПРОЕКТ

по дисциплине «Моделирование процессов и систем»

на тему: «Моделирование работы станции техобслуживания»

Выполнил: студент группы 1122225

Мукатдаров Л.А.

Проверил: к.т.н., доцент каф. СТС

Маврин В.Г.

Набережные Челны 2015

Оглавление

Введение

1. Теория системного моделирования

1.1 Системы и системный анализ

1.2 Моделирование системы

1.2.1 Виды моделей

2. Имитационное моделирование

2.1 Применение имитационного моделирования

2.2 Виды имитационного моделирования

2.3 Области применения

3. Математическая модель решения задач

3.1 Теория систем массового обслуживания

4. Постановка задачи

5. Метод построения модели

6. Таблица определений

7. Блок-схема

8. Листинг

9. Выходные данные

10. Гистограмма времени обслуживания автомобилей

Заключение

Список использованных источников

системный моделирование имитационный гистограмма

Введение

Имитационное моделирование основано на прямом описании моделируемого объекта. Существенной характеристикой таких моделей является структурное подобие объекта и модели. Это значит, каждому существенному с точки зрения решаемой задачи элементу объекта ставится в соответствие элемент модели. При построении имитационной модели описываются законы функционирования каждого элемента объекта и связи между ними. Работа с имитационной моделью заключается в проведении имитационного эксперимента. Процесс, протекающий в модели в ходе эксперимента, подобен процессу в реальном объекте. Поэтому исследование объекта на его имитационной модели сводится к изучению характеристик процесса, протекающего в ходе эксперимента.

В теории систем массового обслуживания (в дальнейшем просто - CMО) обслуживаемый объект называют требованием. В общем случае под требованием обычно понимают запрос на удовлетворение некоторой потребности, например, обслуживание автомобиля на заправочной станции, разговор с абонентом, посадка самолета, покупка билета, получение материалов на складе и т д.

Теория массового обслуживания - область прикладной математики, занимающаяся анализом процессов в системах производства, обслуживания, управления, в которых однородные события повторяются многократно, например, на предприятиях бытового обслуживания; в системах приема, переработки и передачи информации; автоматических линиях производства. В теории СМО рассматриваются такие случаи, когда поступление требований происходит через случайные промежутки времени, а продолжительность обслуживания требований не является постоянной, т.е. носит случайный характер. В силу этих причин одним из основных методов математического описания СМО является аппарат теории случайных процессов. Основной задачей теории СМО является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания. Так, одной из характеристик обслуживающей системы является время пребывания требования в очереди. Очевидно, что это время можно сократить за счет увеличения количества обслуживающих устройств. Однако каждое дополнительное устройство требует определенных материальных затрат, при этом увеличивается время бездействия обслуживающего устройства из-за отсутствия требований на обслуживание, что также является негативным явлением. Следовательно, в теории СМО возникают задачи оптимизации: каким образом достичь определенного уровня обслуживания (максимального сокращения очереди или потерь требований) при минимальных затратах, связанных с простоем обслуживающих устройств.

В работе преследуются следующие цели: углубление знаний, полученных в результате изучения теоретического курса дисциплины; развитие практических навыков моделирования систем и использования полученных теоретических знаний. Итогом написания данной курсовой работы будет полностью законченная и протестированная модель системы, соответствующая варианту задачи.

1. Теория системного моделирования

1.1 Системы и системный анализ

Системный подход входит в состав четырнадцати научных подходов, которые рекомендуется применять при разработке управленческих решений.

Система -- это совокупность элементов, находящихся во взаимодействии.

Существуют открытые и закрытые системы.

Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы от среды, окружающей систему.

Открытая система характеризуется взаимодействием с внешней средой. Такая система не является самообеспечивающейся, она зависит от энергии, информации, материалов, которые поступают извне. Открытая система должна иметь способность приспосабливаться к изменениям во внешней среде, чтобы продолжать свое функционирование.

Системный подход -- комплексное изучение явления или процесса как единого целого с позиций системного анализа, т. е. уточнение сложной проблемы и её структуризация в серию задач, решаемых с помощью экономико-математических методов, нахождение критериев их решения, детализация целей, конструирование эффективной организации для достижения целей.

Системотехника -- прикладная наука, исследующая задачи реального создания сложных управляющих систем.

Системный подход позволяет устранить главный недостаток подходов различных школ управления, который заключается в том, что они сосредоточивают внимание на каком-то одном важном элементе. Системный подход означает анализ не в отдельности, а в системе, т.е. определенной связи элементов этой системы.

Методы системного анализа были впервые разработаны и применены в США для отбора и планирования систем вооружения, в связи с анализом военно-политических целей США. Позже эти методы применялись в государственных учреждениях и крупных фирмах США.

Системный анализ включает:

1. анализ и описание принципов построения и работы системы в целом;

2. анализ особенностей всех компонентов системы, их взаимозависимостей и внутреннего строения;

3. установление сходства и различия изучаемой системы и других систем;

4. перенос по определенным правилам свойств модели на свойства изучаемой системы.

1.2 Моделирование системы

Слово «модель» (от лат. modelium) означает «мера», «способ», «сходство с какой-то вещью».

Термин «модель» широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. Мы под «моделью» будем понимать некий материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале.

Модель - это объект или описание объекта, системы для замещения (при определенных условиях, предложениях, гипотезах) одной системы (т. е. оригинала) другой системой для лучшего изучения оригинала или воспроизведения каких-либо его свойств.

Модель - это результат отображения одной структуры (изученной) на другую (малоизученную). Любая модель строится и исследуется при определенных допущениях, гипотезах. Модель должна строиться так, чтобы она наиболее полно воспроизводила те качества объекта, которые необходимо изучить в соответствии с поставленной целью. Во всех отношениях модель должна быть проще объекта и удобнее его для изучения. Таким образом, для одного и того же объекта могут существовать различные модели, классы моделей, соответствующие различным целям его изучения. Необходимым условием моделирования является подобие объекта и его модели. В этом случае мы должны говорить об адекватности модели объекту-оригиналу.

Если результаты моделирования подтверждаются и могут служить основой для прогнозирования процессов, протекающих в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев.

Под адекватной моделью понимается модель, которая с определенной степенью приближения на уровне понимания моделируемой системы разработчиком модели отражает процесс ее функционирования во внешней среде. Под адекватностью (от лат. adaequatus - приравненный) будем понимать степень соответствия результатов, полученных по разработанной модели, данным эксперимента или тестовой задачи. Если система, для которой разрабатывается модель, существует, то сравнивают выходные данные модели и этой системы. В том случае, когда два набора данных оказываются подобными, модель существующей системы считается адекватной. Чем больше общего между существующей системой и ее моделью, тем больше уверенность в правильности модели системы.

Проверка адекватности модели необходима для того, чтобы убедиться в справедливости совокупности гипотез, сформулированных на первом этапе разработки модели, и точности полученных результатов; соответствует точности, требуемой техническим заданием.

Для моделей, предназначенных для приблизительных расчетов, удовлетворительной считается точность 10-15 %, а для моделей, предназначенных для использования в управляющих и контролирующих системах, - 1-2 %.

Любая модель обладает следующими свойствами:

? конечностью: модель отображает оригинал лишь в конечном числе его отношений;

? упрощенностью: модель отображает только существенные стороны объекта;

? приблизительностью: действительность отображается моделью грубо или приблизительно;

? адекватностью: модель успешно описывает моделируемую систему;

? информативностью: модель должна содержать достаточную информацию о системе в рамках гипотез, принятых при построении модели.

Процесс построения, изучения и применения моделей будем называть моделированием, т. е. можно сказать, что моделирование - это метод исследования объекта путем построения и исследования его модели, осуществляемое с определенной целью, и состоит в замене эксперимента с оригиналом экспериментом на модели.

Моделирование базируется на математической теории подобия, согласно которой абсолютное подобие может иметь место лишь при замене одного объекта другим, точно таким же. При моделировании большинства систем (за исключением, возможно, моделирования одних математических структур другими) абсолютное подобие невозможно, и основная цель моделирования - модель достаточно хорошо должна отображать функционирование моделируемой системы.

1.2.1 Виды моделей

Возможности моделирования, то есть перенос результатов, полученных в ходе построена исследования модели, на оригинал, основаны на том, что модель в определенном смысле отображает (воспроизводит, моделирует, описывает, имитирует) некоторые интересующие исследователя черты объекта. Моделирование как форма отражения действительности широко распространено, и достаточно полная классификация возможных видов моделирования крайне затруднительна, хотя бы в силу многозначности понятия «модель», широко используемого не только в науке и технике, но искусстве, и в повседневной жизни. Тем не менее, применительно к естественным и техническим наукам принято различать следующие виды моделирования:

- концептуальное моделирование, при котором совокупность уже известных фактов или представлений относительно исследуемого объекта или системы истолковывается с помощью некоторых специальных знаков, символов, операций над ними или помощью естественного или искусственного языков;

- физическое (натурное) моделирование, при котором модель и моделируемый объект представляют собой реальные объекты или процессы единой или различной физической природы, причем между процессами в объекте-оригинале и в модели выполняются некоторые соотношения подобия, вытекающие из схожести физических явлений;

- структурно-функциональное моделирование, при котором моделями являются схемы (блок-схемы), графики, чертежи, диаграммы, таблицы, рисунки, дополненные специальными правилами их объединения и преобразования;

- математическое (логико-математическое) моделирование, при котором моделирование, включая построение модели, осуществляется средствами математики и логики;

- имитационное (компьютерное) моделирование, при котором логико-математическая модель исследуемого объекта представляет собой алгоритм функционирования объекта, реализованный в виде программного комплекса для компьютера.

2. Имитационное моделирование

Имитационное моделирование -- метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

При моделировании в компьютере вырабатывается информация, описывающая элементарные явления исследуемых процессов с учетом их связей и взаимовлияний.

Особое значение имеет соответствие имитируемых процессов их физической сущности и эффективность хранения статистической информации.

2.1 Применение имитационного моделирования

Моделирование применяется в основном для решения двух групп задач: исследования и обучения. К первой относятся вопросы использования моделей для изучения физических законов, подготовки и рассмотрения действия новых разработок.

К имитационному моделированию прибегают, когда:

· дорого или невозможно экспериментировать на реальном объекте;

· невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

· необходимо сымитировать поведение системы во времени.

Задачи исследования, решаемые с помощью моделирования можно разделить на 4 вида:

· прямые задачи анализа, при решении которых исследуемая система задаётся параметрами своих элементов и параметрами исходного режима, структурой или уравнениями и требуется определить реакцию системы на действующие силы;

· обратные задачи анализа, которые по известной реакции системы требуют найти возмущения, заставившие рассматриваемую систему прийти к данному состоянию и данной реакции;

· задачи синтеза, требующие нахождения таких параметров, при которых процессы в системе будут иметь желательный по каким-либо соображениям характер;

· индуктивные задачи, решение которых имеет целью проверку гипотез, уточнение уравнений, описывающих процессы, происходящие в системе, выяснение свойств этих элементов, отладка программ (алгоритмов) для расчётов на компьютере.

Необходимость исследования системы, как совокупности множества элементов, позволяет разделить процесс моделирования на 2 части:

· составление математических или физических моделей элементов;

· разработка схемы связей или схемы сопряжения элементов.

2.2 Виды имитационного моделирования

Агентное моделирование - относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы.

Цель агентных моделей - получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент - некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Дискретно-событийное моделирование - подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений - от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах.

Системная динамика - парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Форрестером в 1950 годах.

2.3 Области применения

Области применения имитационного моделирования:

- бизнес процессы;

- боевые действия;

- динамика населения;

- дорожное движение;

- ИТ-инфраструктура;

- математическое моделирование исторических процессов;

- логистика;

- пешеходная динамика;

- производство;

- рынок и конкуренция;

- сервисные центры;

- цепочки поставок;

- уличное движение;

- управление проектами;

- экономика здравоохранения;

- экосистемы

3. Математическая модель решения задач

3.1 Теория систем массового обслуживания

Система массового обслуживания (СМО) - система, которая производит обслуживание поступающих в неё требований. Обслуживание требований в СМО производится обслуживающими приборами. Классическая СМО содержит от одного до бесконечного числа приборов.

Очереди возникают практически во всех системах массового обслуживания.

CМО и теория массового обслуживания (теория очередей) занимается оценкой функционирования системы при заданных параметрах и поиском параметров, оптимальных по некоторым критериям.

Эта теория представляет особый раздел теории случайных процессов и использует, в основном, аппарат теории вероятностей. Первые публикации в этой области относятся к 20-м гг. XX в. и принадлежат датчанину А. Эрлангу, занимавшемуся исследованиями функционирования телефонных станций - типичных СМО, где случайны моменты вызова, факт занятости абонента или всех каналов, продолжительность разговора. В дальнейшем теория очередей нашла развитие в работах К.Пальма, Ф.Поллачека, А.Я.Хинчина, Б.В.Гнеденко, А.Кофмана, Р.Крюона, Т. Cаати и других советских и зарубежных математиков.

В качестве основных элементов СМО следует выделить входной поток заявок, очередь на обслуживание, систему (механизм) обслуживания и выходящий поток заявок. В роли заявок (требований, вызовов) могут выступать покупатели в магазине, телефонные вызовы, поезда при подходе к железнодорожному узлу, вагоны под разгрузкой, автомашины на станции техобслуживания, самолеты в ожидании разрешения на взлет, штабель бревен при погрузке на автотранспорт. Роль обслуживающих приборов (каналов, линий) играют продавцы или кассиры в магазине, таможенники, пожарные машины, взлетно-посадочные полосы, экзаменаторы, ремонтные бригады.

В зависимости от характеристик этих элементов СМО классифицируются следующим образом.

По характеру поступления заявок. Если интенсивность входного потока (количество заявок в единицу времени) постоянна или является заданной функцией от времени, поток называют регулярным. Если параметры потока независимы от конкретного момента времени, поток называют стационарным.

По количеству одновременно поступающих заявок. Поток с вероятностью одновременного появления двух и более заявок равной нулю называется ординарным.

По связи между заявками. Если вероятность появления очередной заявки не зависит от количества предшествующих заявок, имеем дело с потоком без последействия.

По однородности заявок выделяют однородные и неоднородные потоки.

По ограниченности потока заявок различают замкнутые и разомкнутые системы (система с ограниченной клиентурой называется замкнутой). Так универсальный магазин является разомкнутой системой, тогда как оптовый магазин с постоянными клиентами - замкнутая система.

По поведению в очереди системы делятся на системы с отказами (заявка покидает систему, если нет мест в очереди), c ограниченным ожиданием и с ожиданием без ограничения времени.

По дисциплине выбора на обслуживание. Здесь можно выделить системы с обслуживанием в порядке поступления, в случайном порядке, в порядке, обратном поступлению (последний пришел - первым обслужен) или с учетом приоритетов.

По числу каналов обслуживания системы разделяют на одно- и многоканальные.

По времени обслуживания выделяют системы с детерминированным и случайным временем.

По количеству этапов обслуживания различают однофазные и многофазные системы.

4. Постановка задачи

На станцию технического обслуживания (СТО) согласно экспоненциальному закону со средним временем прибытия 13 мин. Прибывают автомобили для технического обслуживания (35% автомобилей) и ремонта(65% автомобилей). На СТО есть два бокса для технического обслуживания и три бокса для ремонта. Выполнение простого, средней сложности и сложного ремонта - равновероятно. Время и стоимость выполнения работ по техническому обслуживанию и ремонту зависит от категории выполняемых работ.

После технического обслуживания 12% автомобилей поступают для выполнения ремонта средней сложности.

Построить гистограмму времени обслуживания автомобилей. Оценить выручку СТО за пять дней работы.

5. Метод построения модели

Для моделирования на GPSS надо определить условия работы моделируемой системы, и какие элементы GPSS надо использовать для удовлетворения условий модели.

В данном случае есть 2 вида ограничивающих условий:

1. Имеется 2 категории работ;

2. Время обслуживания на СТО.

Естественно для моделирования СТО, которое имеет только один вид обслуживания, будем использовать блок SEIZE, если же несколько видов обслуживания, то ENTER. Автомобили, приезжающие на СТО, можно отождествить с транзактами. Тогда можно считать, что автомобили проходят через систему аналогично тому, как они обслуживаются, транзакты циркулируют в GPSS-модели системы.

В реальной системе, после того как автомобиль обслужен он уезжает из СТО. В модели, после того как транзакт завершает использование прибора или перестает занимать ячейку памяти, он уходит из модели через блок TERMINATE. Для того чтобы ограничить общее число транзактов, находящихся в модели, необходимо использовать блок GENERATE в сегменте таймера, задающий количество времени, которое модель будет работать.

Для того чтобы вычислить прибыль используем команду INITIAL, позволяющую инициализировать переменные и задавать им исходные значения и блок SAVEVALUE, который заносит в эту переменную данные из модели.

6. Таблица определений

Единица времени - 1 мин.

7. Блок-схема

PrSr

Prost

Fihish

Finish

2-й сегмент модели (сегмент таймера)

8. Листинг

*Моделирование работы С.Т.О

*Единица времени - минута

INITIAL x$V_To,0

INITIAL x$V_Pr,0

INITIAL x$V_Sr,0

INITIAL x$V_Sl,0

Sto STORAGE 5 ; пять боксов для технического обслуживания

Remo STORAGE 8 ; восемь боксов для ремонта

Vrem TABLE mp1,20,20,20

************************************

GENERATE (EXPONENTIAL(1,0,14)); прибытие автомобилей на СТО

ASSIGN 1,AC1 ; в параметре 1 храним текущее модельное время входа машины (для статистики)

TRANSFER.360,Rem,Tech

Tech QUEUE QTo ; Встать в очередь

ENTER STo ;Войти на обслуживание в бокс

DEPART QTo ;выйти из очереди

ADVANCE (EXPONENTIAL(2,0,32)); техобслуживание

LEAVE STo ; освобождение бокса

SAVEVALUE V_To+,(DUNIFORM(3,100,400)) ; прибыль за ТО

ASSIGN 2,2 ; во втором параметре машины храним то что она может пойти на средний ремонт

TRANSFER.120,Finish,Rem ; 12% авто требуют среднего ремонта, остальным на выход

Rem ASSIGN 2,(DUNIFORM(3,1,3)) ; в параметре 2 храним тип обслживания - равномерно 1 2 3 - легкий средний и тяжелый ремонт соответственно

QUEUE QRem ; - встать в очередь на ремонт

ENTER Remo ; войти в бокс на обслуживание если есть свободные места

DEPART QRem ; - выйти из очереди

; в зависимости от типа ремонта реализуется разное обслуживани и прибыль

TEST E P2,1,TES2 ; если параметр P2 = 1 - лёгкий ремонт, иначе к проверке TES2

ADVANCE (EXPONENTIAL(4,0,28)); -выполнение простого ремонта

SAVEVALUE V_Pr+,(DUNIFORM(2,50,450)); - выручка за простой ремонт

TRANSFER,Lev ; на завершение обслуживания

TES2 TEST E P2,2,TES3

ADVANCE (Normal(5,45,5)); -выполнение среднего ремонта, стандартное отклонение 5 (дисперсия 25)

SAVEVALUE V_Sr+,(DUNIFORM(7,100,1400)); - выручка за средний ремонт

TRANSFER,Lev

TES3 ADVANCE (Normal(6,115,15)); -выполнение сложного ремонта, стандартное отклонение 15 (дисперсия 225)

SAVEVALUE V_Sl+,(DUNIFORM(7,350,2250)); - выручка за сложный ремонт

Lev LEAVE Remo ; - освободить бокс обслуживания

Finish TABULATE Vrem; Запись в таблицу времени пребывания авто на СТО

TERMINATE

******************************

GENERATE 2400

TERMINATE 1

START 1

9. Выходные данные

GPSS World Simulation Report - kursovaya.33.1

Monday, February 15, 2015 10:48:41

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 2400.000 30 0 2

NAME VALUE

FINISH 27.000

LEV 26.000

QREM 10008.000

QTO 10007.000

REM 12.000

REMO 10005.000

STO 10004.000

TECH 4.000

TES2 20.000

TES3 24.000

VREM 10006.000

V_PR 10001.000

V_SL 10003.000

V_SR 10002.000

V_TO 10000.000

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

1 GENERATE 162 0 0

2 ASSIGN 162 0 0

3 TRANSFER 162 0 0

TECH 4 QUEUE 69 0 0

5 ENTER 69 0 0

6 DEPART 69 0 0

7 ADVANCE 69 0 0

8 LEAVE 69 0 0

9 SAVEVALUE 69 0 0

10 ASSIGN 69 0 0

11 TRANSFER 69 0 0

REM 12 ASSIGN 103 0 0

13 QUEUE 103 0 0

14 ENTER 103 0 0

15 DEPART 103 0 0

16 TEST 103 0 0

17 ADVANCE 42 0 0

18 SAVEVALUE 42 0 0

19 TRANSFER 42 0 0

TES2 20 TEST 61 0 0

21 ADVANCE 22 0 0

22 SAVEVALUE 22 0 0

23 TRANSFER 22 0 0

TES3 24 ADVANCE 39 1 0

25 SAVEVALUE 38 0 0

LEV 26 LEAVE 102 0 0

FINISH 27 TABULATE 161 0 0

28 TERMINATE 161 0 0

29 GENERATE 1 0 0

30 TERMINATE 1 0 0

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

QTO 1 0 69 69 0.000 0.000 0.000 0

QREM 1 0 103 103 0.000 0.000 0.000 0

STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY

STO 5 5 0 5 69 1 1.017 0.203 0 0

REMO 8 7 0 8 103 1 2.736 0.342 0 0

TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.%

VREM 55.829 46.204 0

_ - 20.000 47 29.19

20.000 - 40.000 29 47.20

40.000 - 60.000 30 65.84

60.000 - 80.000 7 70.19

80.000 - 100.000 8 75.16

100.000 - 120.000 20 87.58

120.000 - 140.000 13 95.65

140.000 - 160.000 5 98.76

160.000 - 180.000 1 99.38

180.000 - 200.000 0 99.38

200.000 - 220.000 1 100.00

SAVEVALUE RETRY VALUE

V_TO 0 16888.000

V_PR 0 9349.000

V_SR 0 18669.000

V_SL 0 52721.000

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

164 0 2405.923 164 0 1

163 0 2484.918 163 24 25 1 2379.243

2 3.000

165 0 4800.000 165 0 29

Увеличим GENERETE до 30

*Моделирование работы С.Т.О

*Единица времени - минута

INITIAL x$V_To,0

INITIAL x$V_Pr,0

INITIAL x$V_Sr,0

INITIAL x$V_Sl,0

Sto STORAGE 5 ; пять боксов для технического обслуживания

Remo STORAGE 8 ; восемь боксов для ремонта

Vrem TABLE mp1,20,20,20

************************************

GENERATE (EXPONENTIAL(1,0,30)); прибытие автомобилей на СТО

ASSIGN 1,AC1 ; в параметре 1 храним текущее модельное время входа машины (для статистики)

TRANSFER.360,Rem,Tech

Tech QUEUE QTo ; Встать в очередь

ENTER STo ;Войти на обслуживание в бокс

DEPART QTo ;выйти из очереди

ADVANCE (EXPONENTIAL(2,0,32)); техобслуживание

LEAVE STo ; освобождение бокса

SAVEVALUE V_To+,(DUNIFORM(3,100,400)) ; прибыль за ТО

ASSIGN 2,2 ; во втором параметре машины храним то что она может пойти на средний ремонт

TRANSFER.120,Finish,Rem ; 12% авто требуют среднего ремонта, остальный на выход

Rem ASSIGN 2,(DUNIFORM(3,1,3)) ; в параметре 2 храним тип обслживания - равномерно 1 2 3 - легкий средний и тяжелый ремонт соответственно

QUEUE QRem ; - встать в очередь на ремонт

ENTER Remo ; войти в бокс на обслуживание если есть свободные места

DEPART QRem ; - выйти из очереди

; в зависимости от типа ремонта реализуется разное обслуживани и прибыль

TEST E P2,1,TES2 ; если параметр P2 = 1 - лёгкий ремонт, иначе к проверке TES2

ADVANCE (EXPONENTIAL(4,0,28)); -выполнение простого ремонта

SAVEVALUE V_Pr+,(DUNIFORM(2,50,450)); - выручка за простой ремонт

TRANSFER,Lev ; на завершение обслуживания

TES2 TEST E P2,2,TES3

ADVANCE (Normal(5,45,5)); -выполнение среднего ремонта, стандартное отклонение 5 (дисперсия 25)

SAVEVALUE V_Sr+,(DUNIFORM(7,100,1400)); - выручка за средний ремонт

TRANSFER,Lev

TES3 ADVANCE (Normal(6,115,15)); -выполнение сложного ремонта, стандартное отклонение 15 (дисперсия 225)

SAVEVALUE V_Sl+,(DUNIFORM(7,350,2250)); - выручка за сложный ремонт

Lev LEAVE Remo ; - освободить бокс обслуживания

Finish TABULATE Vrem; Запись в таблицу времени пребывания авто на СТО

TERMINATE

******************************

GENERATE 2400

TERMINATE 1

START 1

GPSS World Simulation Report - kursovaya.39.1

Monday, February 15, 2015 11:19:31

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 2400.000 30 0 2

NAME VALUE

FINISH 27.000

LEV 26.000

QREM 10008.000

QTO 10007.000

REM 12.000

REMO 10005.000

STO 10004.000

TECH 4.000

TES2 20.000

TES3 24.000

VREM 10006.000

V_PR 10001.000

V_SL 10003.000

V_SR 10002.000

V_TO 10000.000

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

1 GENERATE 76 0 0

2 ASSIGN 76 0 0

3 TRANSFER 76 0 0

TECH 4 QUEUE 24 0 0

5 ENTER 24 0 0

6 DEPART 24 0 0

7 ADVANCE 24 0 0

8 LEAVE 24 0 0

9 SAVEVALUE 24 0 0

10 ASSIGN 24 0 0

11 TRANSFER 24 0 0

REM 12 ASSIGN 53 0 0

13 QUEUE 53 0 0

14 ENTER 53 0 0

15 DEPART 53 0 0

16 TEST 53 0 0

17 ADVANCE 21 0 0

18 SAVEVALUE 21 0 0

19 TRANSFER 21 0 0

TES2 20 TEST 32 0 0

21 ADVANCE 20 0 0

22 SAVEVALUE 20 0 0

23 TRANSFER 20 0 0

TES3 24 ADVANCE 12 0 0

25 SAVEVALUE 12 0 0

LEV 26 LEAVE 53 0 0

FINISH 27 TABULATE 76 0 0

28 TERMINATE 76 0 0

29 GENERATE 1 0 0

30 TERMINATE 1 0 0

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

QTO 1 0 24 24 0.000 0.000 0.000 0

QREM 1 0 53 53 0.000 0.000 0.000 0

STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY

STO 5 5 0 3 24 1 0.365 0.073 0 0

REMO 8 8 0 5 53 1 1.210 0.151 0 0

TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.%

VREM 49.747 47.363 0

_ - 20.000 23 30.26

20.000 - 40.000 14 48.68

40.000 - 60.000 20 75.00

60.000 - 80.000 1 76.32

80.000 - 100.000 6 84.21

100.000 - 120.000 6 92.11

120.000 - 140.000 3 96.05

140.000 - 160.000 2 98.68

160.000 - 180.000 0 98.68

180.000 - 200.000 0 98.68

200.000 - 220.000 0 98.68

220.000 - 240.000 0 98.68

240.000 - 260.000 0 98.68

260.000 - 280.000 1 100.00

SAVEVALUE RETRY VALUE

V_TO 0 6052.000

V_PR 0 4901.000

V_SR 0 17720.000

V_SL 0 16242.000

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

78 0 2421.073 78 0 1

79 0 4800.000 79 0 29

Уменьшим STORAGE до 4 в ТО и до 5 в ремонте.

*Моделирование работы С.Т.О

*Единица времени - минута

INITIAL x$V_To,0

INITIAL x$V_Pr,0

INITIAL x$V_Sr,0

INITIAL x$V_Sl,0

Sto STORAGE 4 ; пять боксов для технического обслуживания

Remo STORAGE 5 ; восемь боксов для ремонта

Vrem TABLE mp1,20,20,20

************************************

GENERATE (EXPONENTIAL(1,0,14)); прибытие автомобилей на СТО

ASSIGN 1,AC1 ; в параметре 1 храним текущее модельное время входа машины (для статистики)

TRANSFER.360,Rem,Tech

Tech QUEUE QTo ; Встать в очередь

ENTER STo ;Войти на обслуживание в бокс

DEPART QTo ;выйти из очереди

ADVANCE (EXPONENTIAL(2,0,32)); техобслуживание

LEAVE STo ; освобождение бокса

SAVEVALUE V_To+,(DUNIFORM(3,100,400)) ; прибыль за ТО

ASSIGN 2,2 ; во втором параметре машины храним то что она может пойти на средний ремонт

TRANSFER.120,Finish,Rem ; 12% авто требуют среднего ремонта, остальный на выход

Rem ASSIGN 2,(DUNIFORM(3,1,3)) ; в параметре 2 храним тип обслживания - равномерно 1 2 3 - легкий средний и тяжелый ремонт соответственно

QUEUE QRem ; - встать в очередь на ремонт

ENTER Remo ; войти в бокс на обслуживание если есть свободные места

DEPART QRem ; - выйти из очереди

; в зависимости от типа ремонта реализуется разное обслуживани и прибыль

TEST E P2,1,TES2 ; если параметр P2 = 1 - лёгкий ремонт, иначе к проверке TES2

ADVANCE (EXPONENTIAL(4,0,28)); -выполнение простого ремонта

SAVEVALUE V_Pr+,(DUNIFORM(2,50,450)); - выручка за простой ремонт

TRANSFER,Lev ; на завершение обслуживания

TES2 TEST E P2,2,TES3

ADVANCE (Normal(5,45,5)); -выполнение среднего ремонта, стандартное отклонение 5 (дисперсия 25)

SAVEVALUE V_Sr+,(DUNIFORM(7,100,1400)); - выручка за средний ремонт

TRANSFER,Lev

TES3 ADVANCE (Normal(6,115,15)); -выполнение сложного ремонта, стандартное отклонение 15 (дисперсия 225)

SAVEVALUE V_Sl+,(DUNIFORM(7,350,2250)); - выручка за сложный ремонт

Lev LEAVE Remo ; - освободить бокс обслуживания

Finish TABULATE Vrem; Запись в таблицу времени пребывания авто на СТО

TERMINATE

******************************

GENERATE 2400

TERMINATE 1

START 1

GPSS World Simulation Report - kursovaya.36.1

Monday, February 15, 2015 11:15:49

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 2400.000 30 0 2

NAME VALUE

FINISH 27.000

LEV 26.000

QREM 10008.000

QTO 10007.000

REM 12.000

REMO 10005.000

STO 10004.000

TECH 4.000

TES2 20.000

TES3 24.000

VREM 10006.000

V_PR 10001.000

V_SL 10003.000

V_SR 10002.000

V_TO 10000.000

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

1 GENERATE 189 0 0

2 ASSIGN 189 0 0

3 TRANSFER 189 0 0

TECH 4 QUEUE 75 0 0

5 ENTER 75 0 0

6 DEPART 75 0 0

7 ADVANCE 75 1 0

8 LEAVE 74 0 0

9 SAVEVALUE 74 0 0

10 ASSIGN 74 0 0

11 TRANSFER 74 0 0

REM 12 ASSIGN 118 0 0

13 QUEUE 118 0 0

14 ENTER 118 0 0

15 DEPART 118 0 0

16 TEST 118 0 0

17 ADVANCE 46 0 0

18 SAVEVALUE 46 0 0

19 TRANSFER 46 0 0

TES2 20 TEST 72 0 0

21 ADVANCE 35 1 0

22 SAVEVALUE 34 0 0

23 TRANSFER 34 0 0

TES3 24 ADVANCE 37 1 0

25 SAVEVALUE 36 0 0

LEV 26 LEAVE 116 0 0

FINISH 27 TABULATE 186 0 0

28 TERMINATE 186 0 0

29 GENERATE 1 0 0

30 TERMINATE 1 0 0

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

QTO 1 0 75 73 0.011 0.364 13.650 0

QREM 3 0 118 90 0.261 5.306 22.359 0

STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY

STO 4 3 0 4 75 1 1.101 0.275 0 0

REMO 5 3 0 5 118 1 2.911 0.582 0 0

TABLE MEAN STD.DEV. RANGE RETRY FREQUENCY CUM.%

VREM 54.609 42.744 0

_ - 20.000 50 26.88

20.000 - 40.000 33 44.62

40.000 - 60.000 37 64.52

60.000 - 80.000 16 73.12

80.000 - 100.000 9 77.96

100.000 - 120.000 21 89.25

120.000 - 140.000 14 96.77

140.000 - 160.000 6 100.00

SAVEVALUE RETRY VALUE

V_TO 0 18423.000

V_PR 0 10729.000

V_SR 0 26179.000

V_SL 0 50793.000

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

188 0 2400.034 188 21 22 1 2353.647

2 2.000

191 0 2405.252 191 0 1

190 0 2440.015 190 7 8 1 2386.230

187 0 2442.885 187 24 25 1 2337.211

2 3.000

192 0 4800.000 192 0 29

10. Гистограмма времени обслуживания автомобилей

Выводы

Для решения индивидуального задания было изменено количество боксов, чтобы очереди не стало( в блоке STORAGE). STORAGE =5 в ТО и STORAGE=8 в ремонте, очередь отсутствует.

Заключение

Одной из наиболее крупных отраслей развития технологий с применением ЭВМ, является математическое моделирование, которое достаточно просто (в отличие от аналогового моделирования) может быть реализовано на ЭВМ разных модификаций и возможностей. Математическое моделирование тесно связано с имитационным моделированием. Одним из разделов математического моделирования являются модели систем массового обслуживания и их изучение.

В данном курсовом проекте была построена имитационная модель процесса работы станции техобслуживания с использованием программы GPSS.

Программа является рабочей. Выдает на экран вероятностные и статистические характеристики работы процесса обслуживания клиентов в СТО в соответствии с постановкой задачи.

На основании проделанной работы, можно сделать следующие выводы:

1. Математическая модель системы массового обслуживания, созданная нами, адекватна реальному объекту;

2. Проведенные исследования показали эффективность нашей модели и способов “приведения её в действие” при определении необходимых нам параметров по сравнению с ручным способом моделирования и расчетов параметров;

3. Созданная модель имеет достаточную, для таких моделей, степень универсальности, т.к. диапазон входных параметров системы можно легко и быстро изменить.

Список использованных источников

1 Вентцель Е.С. Теория вероятности. 3-е изд., перераб./ Е.С. Вентцель. М.: Инфра-М, 2004. 328 стр.

2 Мильнер Б.З. ТЕОРИЯ ОРГАНИЗАЦИИ. Издание второе, переработанное и дополненное/ Б.З. Мильнер. М.: Инфра-М, 2000. 288 стр.

3 Бусленко Н.П. Моделирование сложных систем. / Н.П. Бусленко. М.: Наука 2001. 258 стр.

4 Максимей И. В. Имитационное моделирование на ЭВМ./ И.В. Максимей. М.: Радио и связь, 2006.

5 Шебеко Ю. А. Имитационное моделирование и ситуационный анализ бизнес-процессов принятия управленческих решений (учебное и практическое пособие). M.: Диаграмма, 2001.

6 Бахвалов Л.А. Компьютерное моделирование: долгий путь к сияющим вершинам [Электронный ресурс]. URL: http://www.gpss-forum.narod.ru/GPSSmodeling.html. Дата обращения: 22.12.14.

7 Спицнадель В.Н. Основы системного анализа: Учеб. Пособие/ В.Н. Спицнадель. СПб.: «Изд. дом «Бизнесс-пресса», 2000 г. 326 с.

8 Строгалев В.П., Толкачева И.О. Имитационное моделирование/ В.П. Строгалев, И.О. Толкачева. МГТУ им. Баумана, 2008. С. 697-737.

9 Петров А.В. Моделирование систем. Учебное пособие/ А.В. Петров. Иркутск: Изд-во Иркутского госуд. Техн. Ун-та, 2000. 268 с., ил.

10 Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебное пособие/ Е.В. Бережная, В.И Бережной - М.: Финансы и статистика, 2005. 426 с.

11 Эддоус М., Стэнсфилд Р. Методы принятия решений/ М. Эддоус Р. Стэнсфилд. М.: ЮНИТИ, 2003. 425 с.

12 Бочаров П.П., Печинкин А.В. Теория массового обслуживания/ П.П. Бочаров, А.В. Печенкин. М.: РУДН, 1999. 530 с.

Размещено на Allbest.ru