Разработка имитационной модели системы скорой медицинской помощи на уровне муниципального района

Анализ предметной области "Работа скорой медицинской помощи". Анализ работы медицинских учреждений Сокольского муниципального района. Возможности использования имитационного моделирования. Реализация модели в AnyLogic Personal Learning Edition.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 14.12.2019
Размер файла 2,0 M

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.

shapeBody.setFillColor(red); - меняет цвет картинки, которая отображается при запуске модели, на красный цвет.

Вызов вызов = new Вызов ( this ); - создаём новый вызов с указание того из какого населённого пункта произошёл вызов.

send( вызов, main.отделениеСМП ); - отправляем вызов.

После того как обслуживание вызова завершилось, агент «НаселённыйПункт» должен вернуться в первоначальное состояние. Для этого нарисуем переход из состояния «ОжиданиеСМП» в состояние «ВсеЗдоровы». Этот переход будет происходить при получении сообщения «Завершен». Подразумевается возвращение бригады скорой помощи в отделение. Для того чтобы при переходе в исходное состояние агент менял цвет напишем в свойствах состояния «ВсеЗдоровы», в пункте действие при входе напишем следующий код: shapeBody.setFillColor(lime); - меняет цвет картинки, которая отображается при запуске модели, на зеленый цвет. Диаграмма состояний агента «НаселённыйПунтк» представлена на рисунке 2.6.

Рисунок 2.6 Диаграмма состояний агента «НаселённыйПункт»

Для того, чтобы реализовать в модели выезд бригады скорой помощи на вызов используем дискретно событийную диаграмму. Для этого откроем окно редактирования агента «ОтделениеСМП» через окно «Проекты». В нем у нас уже создан ресурс «МашиныСкорой». Будем использовать библиотеку палитру «Библиотека моделирования процессов». Началом диаграммы будет блок «Enter» в него мы будем помещать заказы. Этот блок вставляет уже существующих агентов в диаграмму процесса, следующую за данным блоком. Как только вызов поступает, он встает в очередь на захват ресурсов, которыми в модели являются машины скорой помощи. Захват ресурсов происходит с помощью блока «Seize», он захватывает для агента «НаселенныйПункт» заданное количество ресурсов из указанного блока, после захвата ресурса агент сразу же покидает этот блок. Для того чтобы указать блок из которого будут захватываться ресурсы в свойствах этого блока «Seize» переименуем его в «вызов» и в графе набор ресурсов, с помощью кнопки выделенной на рисунке 2.7, укажем добавленный ранее блок ресурсов «МашныСкорой» в качестве источника ресурсов.

Рисунок 2.7 Кнопка для указания источников ресурсов

Также отметим правило захвата «Захватывать ресурсы один за другим» и напротив «Максимальная вместимость» поставим галочку. Это означает что на все поступившие вызовы будет совершен выезд бригады скорой помощи.

Дальше необходимо смоделировать процесс передачи вызова от диспетчера бригаде и отправить агента «МашинаСкорой» к месту вызова. Для этого создадим подпроцесс для захваченного ресурса. Начинается подпроцесс с блока «Resource Task Start». В свойствах этого блока выберем тип ресурса «МашинаСкорой». Следующий блок «Delay» задерживает агентов за заданный период времени. Этот блок будет моделировать время затраченное на разговор с диспетчером и передачу вызова свободной бригаде. В свойствах этого в графе «Время задержки» зададим функцию равномерного распределения с помощью строки кода Java: uniform(4,10) - этот код с равной вероятностью выдает числа от четырех до девяти. Измеряться этот параметр будет в минутах. Так же поставим галочку напротив «Максимальная вместимость». Это означает, что одновременно может выполняться неограниченное количество вызовов. С помощью блока «Move To» мы запустим процесс движения агента «МашинаСкорой» к месту вызова. Для этого в свойствах блока переименуем блок в «ЕдемКПациенту», далее выберем место назначения в выпадающем списке «Агент/ресурс» и в пункте «Агент» напишем следующий код: agent.пациент - в параметре пациент хранится информация о том какой населённый пункт вызвал скорую. Так же в разделе «Специфические» укажем тип агента «МашинаСкорой». При захвате ресурса нам необходимо передать информацию о том, какой населённый пункт вызывает скорую в захватываемый ресурс. Открываем щелчком левой кнопкой мыши по блоку свойства блока «Вызов». В разделе «Действия» в поле «При захвате ресурса» пишем следующий код: ((МашинаСкорой) unit). пациент = agent. Вызывающий; с помощью этого кода мы передаём параметру «пациент» машины скорой помощи значение параметра «Вызывающий» в котором хранится идентификатор населённого пункта от которого поступил вызов. После этого соединяем выход блока «ЕдемКпациенту» с нижним входом блока «Вызов».

Для реализации в модели процесса обслуживания вызова присоединим к блоку «Вызов» еще один блок «Delay». В свойствах переименуем его в «ОказаниеМП». Законом не регулируется время, которое бригада скорой помощи должна тратить на обслуживание вызов. Оно, в большей степени, зависит от причины вызова. Поэтому для задания задержки в блоке «ОказаниеМП» времени задержки нужно задавать случайным образом.

В отчетах о деятельности бригад скорой помощи есть данные о распределении числа выезда бригад по времени затраченному на выезд. По этим данным построим гистограмму, с помощью которой определим закон распределения для времени обслуживания вызова.

В таблицах 2.2 и 2.3 представлены данные за 2016 и 2017 годы по Сокольскому району.

Таблица 2.2

Число выездов по времени затраченному на один выезд в 2016 году

Время

Число выездов бригад скорой медицинской помощи по времени:

затраченному на один выезд

на вызов

на дорожно-транспортное происшествие

1

2

3

- до 20 минут

2826

7

- от 41 до 60 минут

3424

24

- более 60 минут

2567

43

Таблица 2.3

Число выездов по времени затраченному на один выезд в 2017 году

Время

Число выездов бригад скорой медицинской помощи по времени:

затраченному на один выезд

на вызов

на дорожно-транспортное происшествие

1

2

3

- до 20 минут

3406

18

- от 41 до 60 минут

2604

12

- более 60 минут

1456

24

Складываем количество выездов по времени за два года и строим гистограмму по полученным данным. Она представлена на рисунке 2.8.

Рисунок 2.8 Распределение количества выездов по времени затраченному на один выезд

На гистограмме видно, что большая часть выездов занимала от двадцати одной до сорока минут. А меньше всего вызовов обслуживалось более часа.

Для отображения этих данных в модели мы используем встроенную функцию выбора распределения вероятностей. Выбираем распределение triangular (треугольный). Оно генерирует выборку треугольного распределения. Треугольное распределение-это непрерывное распределение, ограниченное с обеих сторон.

Треугольное распределение часто используется, когда нет или мало данных; это редко точное представление набора данных. Однако он используется в качестве функциональной формы областей для нечеткой логики из-за его простоты использования.

Треугольное распределение может принимать очень асимметричные формы, включая отрицательную асимметрию. В исключительных случаях, когда режим равен min или max, треугольное распределение становится прямоугольным треугольником.

Параметры: min - минимальное значение, min - максимальное значение, mode - наиболее вероятное значение.

Для модели зададим следующие параметры: минимальное значение равно десяти минутам, максимальное значение - ста двадцати минутам и наиболее вероятное значение равно тридцати минутам.

Для того чтобы задать треугольное распределение воспользуемся встроенное функцией AnyLogic, которая называется «Выберете распределение вероятностей…». Для этого щелкнем в поле «Время задержки» и нажмём соответствующую кнопу. Её расположение и вид окна для выбора распределения представлен на рисунке 2.9

Рисунок 2.9 Вид окна для выбора типа распределения

После нажатия на кнопку «Ок» в поле «Время задержки» появится следующий код: triangular(10, 120, 30). Так же поставим галочку у пункта «Максимальная вместимость». Так же при выходе из этого блока должно отправляться сообщение о завершении обслуживания вызова. Для этого в разделе «Действие» в поле «При выходе» напишем следующий код: send("Завершено", agent.Вызывающий);. Это обеспечит переход агента «НаселённыйПункт» Из состояния «ОжиданиеСМР» в состояние «ВсеЗдоровы».

После того как обслуживание вызова завершено мы освобождаем ресурс - машину скорой помощи. Для оттого присоеденим к блоку «ОказаниеМП» блок «Release». Переименуем этот блок в «ЗавершениеОбслуживания». К правому выхода мы присоединим блок «Sink» - он уничтожает агентов на выходе из диаграммы. А к нижнему выходу блока «Завершение обслуживания» мы присоединим еще один блок «Move To», и в свойствах укажем место назначения «Агент/ресурс» с помощью строчки main. отделениеСМП. Этот подпроцесс должен завершиться освобождением ресурса «МашинаСкророй». Для этого добавим блок «ResourceTaskEnd» который освобождает ресурс для дальнейшего использования.

На этом создание диаграммы для обработки вызовов завершено. Её вид представлен на рисунке 2.10.

Рисунок 2.10 Диаграмма процесса обслуживания вызова скорой помощи

У нас создана диаграмма состояний для агента «НаселённыйПункт» которая при переходе в состояние «ОжиданиеСМП» отправляет вызов в «ОтделениеСМП». Теперь нужно запустить полученные вызовы в созданный нами процесс обработки. В окне редактирования агента «ОтделениеСМП» если элемент с названием «connections». Этот элемент получает вызовы от агента «Населённый пункт». Чтобы он передавал эти вызовы в процесс обработки вызовов в свойствах данного элемента в разделе «Взаимодействие» выберем тип сообщения «Вызов» и в поле «Действие при получении сообщения» напишем следующий код: enter.take( msg );. С помощью этого кода мы помещаем полученный вызов в диаграмму процесса через блок «Enter» с помощью метода «take».

На этом создание модели «работа скорой медицинской помощи в муниципальном образовании» завершено. Вид окна выполнения модели представлено на рисунке 2.11.

Рисунок 2.11 Вид окна выполнения модели

2.5 Анализ результатов

Посмотрим, насколько в среднем загружен наш основной ресурс «МашиныСкорой». Для этого запустим модель и дважды щелкнем по изображению агента «ОтделениеСМП». Откроется диаграмма процесса обслуживания вызовов. Рядом с каждым блоком, справа и слева, есть меняющиеся цифры, они показывают сколько вошло в блок агентов и сколько вышло.

Посмотрим на блок «МашиныСкорой». Максимально ускорим модель чтобы увидеть среднее значение загрузки ресурсов. Результат представлен на рисунке 2.12.

Рисунок 2.12 Средняя загрузка ресурса «МашиныСкорой»

Значение изменяется в пределах от 24 до 30 процентов. Это значит, что ресурс «МашиныСкорой» используется не оптимально. Для того чтобы определить оптимально количество автомобилей скорой помощи. Для этого создадим оптимизационный эксперимент.

Оптимизация модели AnyLogic заключается в последовательном выполнении нескольких прогонов модели с различными значениями параметров и нахождении оптимальных для данной задачи значений параметров.

В AnyLogic встроен оптимизатор OptQuest - лучший из предлагаемых сегодня оптимизаторов. Оптимизатор OptQuest автоматически находит лучшие значения параметров модели с учетом заданных ограничений. AnyLogic предоставляет удобный графический интерфейс для конфигурирования и отслеживания хода оптимизации.

Оптимизация состоит из нескольких последовательных прогонов модели с различными значениями параметров. Комбинируя эвристики, нейронные сети и математическую оптимизацию, OptQuest позволяет находить значения параметров модели, соответствующие максимуму или минимуму целевой функции, как в условиях неопределенности, так и при наличии ограничений.

Процесс оптимизации представляет собой итеративный процесс, который состоит в том, что:

Оптимизатор OptQuest выбирает допустимые значения оптимизационных параметров и запускает модель с этими значениями.

Завершив "прогон" модели, OptQuest вычисляет значение целевой функции на момент завершения.

Оптимизатор анализирует полученное значение, изменяет значения оптимизационных параметров в соответствии с алгоритмом оптимизации и процесс повторяется заново.

Чтобы оптимизировать модель:

1) в панели Проекты, щелкните правой кнопкой мыши по элементу модели и выберите «Создать >Эксперимент» из контекстного меню. Появится диалоговое окно Новый эксперимент;

2) вберите Оптимизация из списка Тип эксперимента;

3) введите имя эксперимента в поле Имя;

4) выберите тип агента для этого эксперимента из выпадающего списка Агент верхнего уровня;

5) если вы хотите применить к создаваемому эксперименту временные установки другого эксперимента, оставьте установленным флажок «Копировать» установки модельного времени из и выберите эксперимент из расположенного справа выпадающего списка;

6) щелкните по кнопке «Готово»;

7) задайте целевой функционал (функцию, которую нужно минимизировать или максимизировать);

8) задайте оптимизационные параметры (параметры, значения которых будут меняться);

9) задайте ограничения, которые будут наложены на значения параметров и переменных (опционально);

10) задайте условия остановки прогона;

11) задайте условия остановки оптимизации;

12) запустите оптимизационный эксперимент.

Созданный эксперимент оптимизации назовем «ОптимизацияМашинСкорой». В качестве целевой функции используем среднюю загрузку всех грузовиков, для этого напишем следующий код: root.отделениеСМП.МашиныСМП.utilization(). Где root - это обращение к корневому агенту, а utilization - стандартная функция которая возвращает среднюю загрузку. Значение целевой функции должно быть максимальным, поэотму отметим пункт «максимизировать».

Открываем раздел «Параметры». В таблице уже записан параметр «КоличествоМашинСМП», который размещен в корневом агенте «Main». Изменим тип на «Дискретный». Укажем минимальное значение равное четырем, потому что ранее мы рассчитали что на все население Сокольского района необходимо не меньше пяти бригад скорой помощи. А максимальное - двадцати. Шаг равен единице. В разделе «Модельное время» укажем остановить в заданное время и укажем конечное время 300. Это означат, что для каждого значения параметра «КоличествоМашинСкорой» эксперимент будет выполняться в течении трехсот дней.

Нажмём кнопку «Создать интерфейс» и запустим эксперимент оптимизации. Результаты представлены на рисунке 2.13.

Рисунок 2.13 Результаты эксперимента оптимизации

В таблице сверху видим, что максимальное значение средней загрузки ресурсов «МашиныСкорой» было при использовании одной машины скорой помощи.

Надо отметить, что данный эксперимент демонстрирует, сколько одновременно работающих бригад скорой помощи оптимально справятся с нагрузкой в течение дня, а не сколько всего необходимо бригад скорой помощи для обслуживания района.

Добавим в эксперимент требования. Это позволит учесть время, затраченное на ремонт и отдых бригад скорой помощи. В разделе свойств эксперимента «Требования» в столбце «Выражение» напишем тот же код что и для целевой функции. «Тип» - меньше или равно, а значение столбца «Граница» равно 0,85. Запустим эксперимент оптимизации. Результаты представлены на рисунке 2.14

Рисунок 2.14 Результаты второго эксперимента оптимизации

Теперь максимально возможное значение средней нагрузки было при использовании одновременно семи бригад скорой помощи. Средняя загруженность при этом была равна 77%.

Введем полученное значение в параметр «КоличествоМашинСкорой», запустим модель и посмотрим на работу модели. Результат представлен на рисунке 2.15.

Рисунок 2.15 Результат работы модели после оптимизации

Понаблюдав за работой модели, мы видим, что значение средней загрузки ресурсов изменяется от 70 до 90 процентов.

Заключение

В результате разработки мы получили модель с помощью, которой можно определить оптимально количество одновременно работающих бригад скорой помощи. В модели учитывается время, которое тратится на опрос позвонившего и передачу вызова свободной бригаде скорой помощи. С высокой точностью учитывается время, затраченное на путь до места вызова, благодаря интеграции AnyLogic с ГИС-картами. Так же учитывается время, которое обслуживания вызова. Благодаря тому, что бригада отправляется на следующий вызов только после возвращения в отделение скорой помощи - учитывается время, затраченное на госпитализацию, если есть такая необходимость. Основываясь на этом, можно утверждать, что модель достоверно отражает реально существующую структуру.

При создании модели, я пришла к выводу, что в модели лучше отделить работу скорой помощи в сельской местности от работы скорой помощи в городе. Это требуется, потому что, во-первых, интенсивность вызовов скорой помощи в Сокольском районе в городе почти в пятнадцать раз выше, чем в сельской местности. Во вторых автомобильное движение в городе и сельской местности сильно различается и имеет массу особенностей, которые следует учитывать в модели.

Созданная модель, не смотря на достоверность, моделирует работу скорой помощи на высоком уровне абстракции. Для получения более достоверных и полезных результатов её следует продолжать развивать.

Во-первых, нужно разделить поступающие вызовы на экстренные и неотложные вызовы. Для этого нужно рассчитать интенсивность поступления каждого вида вызовов. Реализовать данную функцию можно диаграмму состояний. Так же нужно создать систему приоритетов для поступающих вызовов.

Во вторых нужно реализовать возможность отправлять на вызов ближайшую к месту вызова скорую помощь. На данный момент бригада сначала возвращается в отделение скорой помощи и только после этого отправляется на новый вызов.

При реализации это функции нужно будет учитывать, что бригаде скорой помощи необходимо отдыхать и так же учитывать затраты ресурсов каждой бригады. То есть лекарств и прочего содержимого машины скорой помощи. Например, топлива.

В-третьих, нужно более конкретно прописать возможность госпитализации. При этом нужно учитывать количество стационарных больниц в районе, наличие свободных мест в больнице и состояние больного.

По возможности, в модель следует включить не только работу бригад скорой помощи, но и работу стационарного отделения скорой медицинской помощи.

Список использованных источников

1. Об утверждении порядка оказания скорой, в том числе скорой специализированной, медицинской помощи [Электронный ресурс]: приказ министерства здравоохранения РФ от 20 июня 2013 г. № 388н (в ред. Приказов Минздрава РФ от 22.01.2016 № 33н, от 05.05.2016 № 283н) // Норматив - правовая база / СКБ Контур.

2. Бюджетное учреждение здравоохранения Вологодской области. Сокольская центральная районная больница [Электронный ресурс]: офиц. сайт. - Режим доступа: http://sokolmed.ru/structure.

3. Википедия. Сокольский район [Электронный ресурс]: свободная энциклопедия. Режим доступа: https:// ru.wikipedia.org/ wiki/ Сокольский_район_(Вологодская_область).

4. StudFiles [Электронный ресурс]: файловый архив студентов. Режим доступа: https://studfiles.net/preview/1106060/page:3/

5. Григорьев, И. AnyLogic за 3 дня: практическое пособие по имитационному моделированию/ И. Григорьев. Москва, 2014. 273 с.

6. Емельянов А. А., Емельянова Н. 3. Имитационное моделирование и компьютерный анализ экономических процессов: учеб, пособие. Смоленск: Универсум, 2013.

7. Подкорытов Д. И. Агентно-ориентированная среда моделирования сетевых системAGNES // Ползуновский вестник. 2012. № 2/1. С. 94--99.

8. Боев В. Д., КирикД. И., Сыпченко Р. П. Компьютерное моделирование: пособие для курсового и дипломного проектирования. СПб.: Военная академия связи, 2011.

9. Щербаков С. М. Имитационное моделирование экономических процессов в системеArena: учеб, пособие. Ростов и/Д: Ростовский государственный экономический университет, 2012.

10. Акопов А. С. Имитационное моделирование: учебник и практикум для академическогобакалавриата. М.: Юрайт, 2015.

11. AnyLogic - официальный сайт продукта [Электронный ресурс]: anylogic сайт. Режим доступа: https://www.anylogic.ru.

12. Требования к имитационным моделям [Электронный ресурс]: finances сайт. Режим доступа: https://finances.social/biznes_760_762/trebovaniya-imitatsionnyim-modelyam-27105.html

13. Основы моделирования. Виды моделей. [Электронный ресурс]: matmetod-popova сайт. Режим доступа: http://matmetod-popova.narod.ru/theme11.htm

14. Понятие модели. Материальные и информационные модели. Формализация как замена реального объекта его информационной моделью.. [Электронный ресурс]: klyaksa сайт. Режим доступа: http://www.klyaksa.net/htm/exam/answers/a11.htm.

15. Форум разработчиков программного обеспечения CyberForum [Электронный ресурс]. Режим доступа: http://www.cyberforum.ru/.

Размещено на Allbest.ru

...

Подобные документы

  • Анализ работы станции скорой помощи: прием вызовов, обслуживание пациентов, движение автомобилей. Формализация имитационной модели, ее программирование с помощью системы моделирования AnyLogic. Использование программы для расчета времени оказания помощи.

    контрольная работа [1004,2 K], добавлен 25.07.2013

  • Автоматизация процесса учета документооборота для муниципального учреждения здравоохранения города Астрахани "Станция скорой медицинской помощи" с возможностью удаленной работы. Общее описание и требования к информационной системе, ее структура.

    отчет по практике [1,9 M], добавлен 10.06.2014

  • Основы технологии моделирования Arena. Построение простой имитационной модели. Моделирование работы системы обслуживания покупателей на кассе супермаркета. Построение модели IDEF3. Анализ результатов имитационного моделирования и аналитического решения.

    курсовая работа [659,1 K], добавлен 24.03.2012

  • Специфика работы терапевтического отделения. Разработка имитационной модели в среде AnyLogic. Выбор средств моделирования. Описание схемы моделирующего алгоритма. Организация вычислительного эксперимента над математической моделью, анализ его результатов.

    курсовая работа [1,2 M], добавлен 10.06.2015

  • Создание систем имитационного моделирования AnyLogic, Arena, SimuLab, Simbigraph и Forio. Серверная и клиентская часть. Разработка модели работы отдела банка, участка цеха, движения автобуса по маршруту и социальной сети. Описание web-приложения.

    дипломная работа [3,4 M], добавлен 25.05.2015

  • Разработка имитационной модели "Перекресток" для анализа бизнес-процессов предприятия и принятия решения в сложных условиях. Алгоритм построения имитационной модели на основе CASE-средств. Обзор программного обеспечения для имитационного моделирования.

    дипломная работа [2,6 M], добавлен 22.11.2015

  • Оптимальное время для обслуживания пользователей как основная цель работы компьютерного зала библиотеки. Построение модели деятельности подписного отдела с помощью средства имитационного моделирования AnyLogic. Описание процессов и построение сценария.

    курсовая работа [1,9 M], добавлен 19.06.2015

  • Характеристика практической разработки имитационной модели при помощи инструментального прикладного программного продукта (ППП) Visual Imitak. Анализ этапов деятельности складского хозяйства с использованием основных блоков моделирования и функции quant.

    отчет по практике [1,2 M], добавлен 29.05.2014

  • Определение основных параметров грузоперевозок, их организационная структура. Виды и функции имитационного моделирования. Разработка концептуальной модели перевозки грузов, ее представление в виде системы массового обслуживания и программная реализация.

    курсовая работа [761,6 K], добавлен 22.01.2012

  • Разработка имитационной модели функционирования кладовой на промышленном предприятии с использованием имитационного метода в среде GPSS World. Экспериментальное исследование результатов моделирования. Выработка предложений по оптимизации работы системы.

    курсовая работа [183,1 K], добавлен 27.08.2012

  • Обзор средств компьютерного имитационного моделирования по созданию веб-приложения для визуализации имитационных моделей. Система имитационного моделирования AnyLogic, Arena, SimuLab. Серверная, клиентская часть. Модель работы отдела банка и участка цеха.

    дипломная работа [3,3 M], добавлен 25.05.2015

  • Терминологическая база для построения модели, имитирующей работу маршрутных микроавтобусов. Обоснование выбора программного средства. Алгоритм работы имитационной модели, особенности ее функционирования. Анализ результатов работы имитационной модели.

    курсовая работа [1,1 M], добавлен 29.04.2014

  • Теоретические 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 15.05.2014

  • GPSS как один из эффективных и распространенных языков моделирования сложных дискретных систем. Возможности языка GPSS. Построение имитационной модели "Моделирование мини-АТС". Разработка программы работы диспетчерского пункта в торговом предприятии.

    курсовая работа [118,8 K], добавлен 19.01.2016

  • Характеристика функций имитационного моделирования. Знакомство с особенностями имитационного моделирования агрегированной системы массового обслуживания. Анализ программы GPSSWorld: рассмотрение возможностей, способы составления имитационной модели.

    курсовая работа [1,6 M], добавлен 27.05.2013

  • Анализ руководящих документов по антитеррору и проведению специальных операций. Анализ современных методов 3D-моделирования, его функциональные возможности и методы повышения оптимизации. Разработка имитационной 3D-модели, и базы данных филиала.

    дипломная работа [5,0 M], добавлен 03.06.2013

  • Процесс моделирования имитационной модели функционирования класса персональных компьютеров на языке GPSS World. Поиск линейной зависимости и оценка полученного уравнения. Отчет по результатам работы имитационной модели. Листинг разработанной программы.

    курсовая работа [49,2 K], добавлен 07.09.2012

  • Понятие компьютерной модели и преимущества компьютерного моделирования. Процесс построения имитационной модели. История создания системы GPSS World. Анализ задачи по прохождению турникета на стадион посредством языка имитационного моделирования GPSS.

    курсовая работа [291,3 K], добавлен 11.01.2012

  • Описание модели предметной области, построение функциональной модели. Проектирование структуры базы данных, реализация спроектированной базы данных при помощи СУБД Visual FoxPro. Создание форм при помощи мастера форм, построение исполняемого файла.

    лекция [4,0 M], добавлен 04.11.2009

  • Построение концептуальной модели и метод имитационного моделирования. Определение переменных уравнений математической модели и построение моделирующего алгоритма. Описание возможных улучшений системы и окончательный вариант модели с результатами.

    курсовая работа [79,2 K], добавлен 25.06.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.