|
РЕФЕРАТЫ КУРСОВЫЕ ДИПЛОМЫ СПРАВОЧНИКИ
|
|
|
| Разработка и исследование имитационной модели разветвленной СМО (системы массового обслуживания) в среде VB5 |
Она включает группу станков с числовым программным управлением для автоматической механической обработки, систему загрузки и разгрузки заготовок и конвейерную систему транспортирования заготовок от одной операции до следующей, электронно-вычислительную машину, систему программного обеспечения для руководства и управления всем объемом работ, составляющую математическое обеспечение автоматизированного комплекса. Если рассматривать структуру гибких производственных систем, то для них время обработки деталей будет существенно различаться, так как в гибких производственных системах появляется возможность обрабатывать разные детали и использовать различные маршруты обработки. ГПС, в отличие от поточных линий, необходимо рассматривать уже не как линейную и последовательную, а как сложную разветвленную структуру. Как в ГПС, так и в поточных линиях необходимо также предусмотреть возможность отбраковки обрабатываемых деталей на различных стадиях обработки. Данная программа дает возможность смоделировать как линейную, так и разветвленную структуру. Программа может использоваться для оптимизации процесса обслуживания. Смоделировав структуру автоматической линии, гибкой производственной системы или структуру системы обслуживания какого-либо предприятия (или производственного участка), пользователь может с помощью данной программы исследовать эту структуру. Проведя анализ, можно выявить «слабые» места в системе или осознать необходимость введения в нее каких-либо дополнительных элементов. Далее можно, меняя различные параметры в программе, достигать оптимального соотношения простоев и очередей. Оптимизация процесса обслуживания способна существенно повысить эффективность работы предприятия. Все вышеперечисленное подтверждает актуальность создания разрабатываемой программы. 1.2 Постановка задачи (обобщенное описание модели). На вход системы из станций поступает поток заявок с заданным законом распределения времени прихода (экспоненциальным или нормальным). Задаются параметры распределения, количество станций и связи между ними и число заявок. Также задаются закон распределения времени обслуживания заявок на станциях (экспоненциальный или нормальный), параметры распределения и вероятности отбраковки заявок по станциям. Предусмотрены два варианта расчета показателей — с помощью имитационной модели и по формулам. 1. При имитационном моделировании для каждой станции рассчитываются: 1.1 Среднее время ожидания обслуживания; 1.2 Среднее время простоя станции; 1.3 Максимальная длина очереди; 1.4 Число снятых заявок; 1.5 Коэффициент использования; 1.6 Среднее время нахождения заявки на станции; 1.7 Максимальное время нахождения заявки на станции. Также выводятся общие показатели системы: 1.8 Общее время прихода заявок; 1.9 Время выхода последней заявки; 1.10 Общий коэффициент использования системы по времени; 1.11 Общий коэффициент использования системы по числу заявок. 2. При расчете по формулам для каждой станции рассчитываются: 2.1 Среднее время ожидания обслуживания; 2.2 Среднее время простоя станции; 2.3 Средняя число заявок в очереди; 2.4 Среднее время нахождения заявки на станции; В некоторых случаях расчет по формулам не способен предоставить корректные результаты и интересующие показатели можно рассчитывать только с помощью имитационной модели. 1.3 Обоснование выбора среды программирования Visual Basic 5 Начиная изучать что-то новое, полезно посмотреть и в недалекое прошлое.
Что будет происходить с вероятностями состояний при ? ? ? Будут ли p1( ), p2( ),. стремиться к каким-то пределам? Если эти пределы существуют и не зависят от начального состояния системы, то они называются финальными вероятностями состояний. В теории случайных процессов доказывается, что если число состояний системы конечно и из каждого из них можно (за конечное число шагов) перейти в любое другое, то финальные вероятности существуют. Финальную вероятность состояния Si можно истолковать как среднее относительное время пребывания системы в этом состоянии. Граф состояний для схемы гибели и размножения имеет вид, показанный на рис. 1. Особенность этого графа в том, что все состояния системы можно вытянуть в цепочку, в которой каждое из средних состояний связано прямой и обратной стрелкой с каждым из соседних состояний — правым и левым, а крайние состояния — только с одним соседним состоянием. Термин «схема гибели и размножения» ведет начало от биологических задач, где подобной схемой описывается изменение численности популяции. Схема гибели и размножения ?01 ?12 ?23 ?k-1,k ?k,k 1 ? -1, S0 S1 S2. . ю Sk. . S -1 S ?10 ?21 ?32 ?k,k-1 ?k 1,k ? , -1 ? — интенсивность потока; p0, pk — финальные вероятности состояний Формулы Литтла Lсист — среднее число заявок в системе; Wсист — среднее время пребывания заявки в системе; WочL очLоч — среднее число заявок в очереди; Wоч — среднее время пребывания заявки в очереди ? — интенсивность потока обслуживаний; ? — интенсивность потока заявок ? /? = ?(приведенная интенсивность потока заявок) ? — среднее число заявок, приходящее за среднее время обслуживания одной заявки рис. 1 2.2 Классификация систем массового обслуживания При исследовании операций часто приходится сталкиваться с работой систем массового обслуживания. СМО могут быть одноканальными и многоканальными. Процесс работы СМО представляет собой случайный процесс с дискретными состояниями и непрерывным временем; состояние СМО меняется скачком в моменты появления каких-то событий (прихода новой заявки, окончания обслуживания, момента, когда заявка, которой «надоело ждать», покидает очередь). Предмет теории массового обслуживания — построение математических моделей, связывающих заданные условия работы СМО (число каналов, их производительность, правила работы, характер потока заявок) с интересующими нас характеристиками — показателями эффективности СМО, описывающими, с той или другой точки зрения, ее способность справляться с потоком заявок. В качестве таких показателей (в зависимости от обстановки и целей исследования) могут применяться разные величины, например: среднее число заявок, обслуживаемых СМО в единицу времени; среднее число занятых каналов; среднее число заявок в очереди и среднее время ожидания обслуживания; вероятность того, что число заявок в очереди превысит какое-то значение, простои, и т. д. Математический анализ работы СМО очень упрощается, если процесс этой работы — марковский. Для этого достаточно, чтобы все потоки событий, переводящие систему из состояния в состояние (потоки заявок, «потоки обслуживания»), были простейшими.
Корректность проверяется через суммарные коэффициенты перехода: суммарный коэффициент перехода в конце каждой строки должен равняться единице. Так как коэффициенты определены типом Si gle, то для избежания ошибок, которые могут возникнуть в результате погрешности вычислений, производимых с переменными этого типа, проверка на равенство 1 заменяется проверкой на принадлежность интервалу (0.9999; 1.0001). Далее, рассмотрим отдельно структуру каждой части. 3.3 Расчетно-формульная модель. При расчете показателей по формулам, после задания пользователем всех необходимых входных параметров, производится расчет выходных параметров. Вначале рассчитываются доля заявок (от исходного количества заявок, пришедшего на первую станцию), пришедшая на последующие станции — kz(k) и среднее время между заявками на входе каждой станции (величина, обратная интенсивности входного потока) — kf(k). Далее, происходит расчет показателей по формулам, соответствующим типам распределения входного потока и потоков обслуживания, и вывод результатов расчета (см. главу 2). 3.4 Имитационная модель При расчете показателей с помощью имитационного моделирования вначале создается двумерный массив переходов — a1(i, k), где k — номер станции, а i — номер заявки. При создании данного массива с использованием случайных чисел, имитируются процесс прохождения заявок по станциям (на основании заданных коэффициентов переходов) и процесс отбраковки заявок (на основании заданных вероятностей снятия заявок на выходе станций). Если заявка пришла на станцию, то массиву в этой позиции присваивается значение 1; если же заявка не пришла на станцию, то массиву в данной позиции присваивается нулевое значение. Одновременно с созданием массива переходов производится расчет количества снятых заявок по станциям — umRef(k). Далее, для каждой станции формируется входной массив (времен прихода заявок на станцию) — a2(i, k) и выходной массив (времен выхода заявок со станции) — a3(i, k), где k — номер станции, а i — номер заявки. Входной массив первой станции образуется с использованием вспомогательной функции Rexp( As Si gle) — для экспоненциального распределения (или функции R orm(M As Si gle, D As Si gle) — для нормального распределения). Выходной массив первой станции образуется из входного массива, с использованием тех же функций и функции Ge er( s As I eger). Входные массивы последующих станций образуются в соответствии с массивом переходов из выходных массивов предыдущих станций. В случае, когда заявки попадают на вход данной станции с нескольких станций (sor > 1), производится сортировка времен прихода заявок по возрастанию, с использованием вспомогательной функции Sor 1( s As I eger). После создания входного массива, на каждой последующей станции, создается выходной массив, с использованием входного массива и вспомогательных функций: Ge er( s As I eger), Rexp( As Si gle) и R orm(M As Si gle, D As Si gle). Функции R orm(M As Si gle, D As Si gle) и Rexp( As Si gle) преобразуют случайную величину X, равномерно распределенную на интервале (0;1) — R d, в случайную величину Y, распределенную, соответственно, по нормальному или экспоненциальному закону и предназначены для генерации нормального и экспоненциального распределения с заданными параметрами.
Журнал «Компьютерра» 2005 № 42 (614) 15 ноября 2005 года
КАФЕДРА ВАННАХА: Компьютерные науки и автомобиль Автомобиль - символ индивидуализма. Неотъемлемый атрибут жизни в свободных странах. Куда хочу - туда еду. Ни от кого не завишу. Так? Отнюдь! Автомобиль - всего лишь элемент системы массового обслуживания (СМО), чьей задачей является доставка пассажира в точку назначения. И, в современных крупных городах, отнюдь не самый критичный элемент. Для описания СМО существует теория массового обслуживания (ТМО) - математическая дисциплина, изучающая системы, предназначенные для обслуживания массового потока требований случайного характера (случайными могут быть как моменты появления требований, так и затраты времени на их обслуживание). Типичный пример объектов внимания ТМО - автоматические телефонные станции, куда случайным образом поступают «требования» - вызовы абонентов, а «обслуживание» состоит в соединении абонентов с другими абонентами, поддержании связи во время разговора и пр. Целью развиваемых в этой дисциплине методов является отыскание разумной организации обслуживания, обеспечивающей заданное его качество ... »Методика оптимизации структуры и параметров библиотечной автоматизированной системы обеспечения информационными услугами
СОДЕРЖАНИЕ Перечень условных обозначений Введение Раздел 1. Обзор математических методов, которые используются при построении ИМ экономико-организационных систем 1.1 Формирование возможных значений случайных величин с заданным законом распределения 1.2 Метод Неймана 1.3 Элементы теории массового обслуживания 1.3.1 Предмет теории массового обслуживания 1.3.2 Входящий поток. Простейший поток и его свойства 1.3.3 Время обслуживания 1.3.4 Основные типы систем массового обслуживания и показатели эффективности их функционирования 1.3.5 СМО с ожиданием 1.4 Метод статистических испытаний Раздел 2. ИМ библиотечной системы обслуживания 2.1 Описание системы обслуживания 2.2 Сбор и обработка статистических данных о характере обслуживания 2.3 Статистическая обработка результатов наблюдений 2.4 Структура ИМ 2.5 Описание алгоритма функционирования 2.6 Оптимизация параметров системы обслуживания Раздел 3. Гражданская оборона Раздел 4. Охрана труда и окружающей среды 4.1 Общие вопросы охраны труда 4.2 Промышленная санитария 4.3 Техника безопасности 4.4 Пожарная безопасность 4.5 Охрана окружающей среды 5.Экономическая часть 5.1 Введение 5.2 Обзор существующих методов решения задачи 5.3 Расчёт сметы затрат на НИР 5.4 Определение научно-технического эффекта НИР 5.5 Методика расчета экономического эффекта 5.6 Выводы Заключение Список источников информации ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ АИБС - автоматизированная информационно-библиотечная система ИМ - имитационная модель НИР – научно-исследовательская работа СМО - система массового обслуживания ХГЗВА - Харьковская государственная зооветеринарная академия Библиотечная система обслуживания – библиотечная автоматизированная система обеспечения информационными услугами ВВЕДЕНИЕ В настоящее время остро стоит вопрос об улучшении качества обслуживания населения. открыть »Журнал «Компьютерра» 2005 № 44 (616) 29 ноября 2005 года
OpenMP позволяет работать на нескольких уровнях - либо задавать низкоуровневые объекты вручную, либо указывать, какие переменные являются «общими» и требуют синхронизации, передоверяя собственно синхронизацию компилятору. Благодаря OpenMP программист может вручную определять в коде программы атомные операции. На мой взгляд, этих качеств более чем достаточно, чтобы OpenMP стал таким же стандартом для параллельного программирования, которым является C/C++ для программирования обычного. Недостатков у OpenMP два. Первый - только сейчас появляющаяся поддержка сообщества Open Source. Второй - относительно жесткая модель программирования, навязываемая программисту[К примеру, совсем не очевидно, как заставить OpenMP-программу работать в режиме «системы массового обслуживания», когда некий «главный» поток принимает поступающие извне задания (скажем, запрос к БД или обращение с веб-серверу) по отдельным потокам. А вручную подобная система делается элементарно]. OpenMP В их основу положена идея использования специальных компиляторов («знающих» про параллельное программирование), для которых в коде программы расставляются специальные пометки-примечания, указывающие, что и где следует делать параллельно, а что - последовательно ... »Модель бензоколонки
На практике это означает, что нужно перебрать несколько вариантов структуры модели при разных значениях входных параметров и установить, при каких условиях выбранный нами показатель эффективности будет достигать максимума. Для наглядности можно привести выражение для определения величины критерия эффективности. Оно будет иметь вид: Критерий эффект. = , Где u – порядковый номер варианта расчета, принадлежащий множеству U. Однако в самой алгоритмической модели эта формула использоваться не будет. Ею должен руководствоваться исследователь, производящий расчеты различных вариантов при переменных значениях входных параметров модели. 1. КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ Пусть имеется система массового обслуживания с переменным числом каналов K, которое может принимать любое значение в диапазоне от одного до трех. Входной поток заявок - простейший, следовательно, время между соседними заявками имеет показательное распределение с известным математическим ожиданием (средним значением) Тз.ср. Время обслуживания заявки в любом канале - величина случайная, имеющая показательное распределение с известным средним временем обслуживания Тобс.ср. Все заявки однородны и независимы. открыть »Авиация и космонавтика 2008 10
При этом существенное внимание уделяется еще с 80-х годов комплексному решению задач обеспечения устойчивости функционирования НАКУ в целом, предусматривающим его использование в сложных условиях обстановки. При этом командно-измерительные системы, в том числе подвижные командно-измерительные пункты и пункты управления, одновременно являются системообразующей наземной информационной и командной частью непосредственно сопряженной с низкоорбитальной ССС, что дает существенный эффект в связи с тем, что в этих условиях командно-измерительный пункт может использоваться в качестве унифицированной системы массового обслуживания. Наибольший вклад в обоснование и решение этих проблем внесли сотрудники 50-го ЦНИИ под руководством Э.В.Алексеева, В.С.Чаплинского, В.П.Коновалова, НАКащеева, С.В.Васильева, АА.Балана. Одновременно с разработкой новых средств НАКУ по повышению пропускной способности совмещенных каналов связи, осуществляется унификация информационно-телеметрических систем, способных функционировать в ретрансляционных режимах информационного обмена с КА, находящихся практически в любых точках земного шара ... »Имитационное моделирование системы массового обслуживания
Московский государственный технический университет имени Н.Э. Баумана (Калужский филиал) Кафедра высшей математикиКурсовая работа по курсу «Исследование операций» Имитационное моделирование системы массового обслуживанияКалуга 2009 ЗаданиеЗадание на работу: Составить имитационную модель и рассчитать показатели эффективности системы массового обслуживания (СМО) со следующими характеристиками: - число каналов обслуживания ; максимальная длина очереди т; - поток поступающих в систему заявок простейший со средней интенсивностью }} } открыть »Асимптотические методы исследования нестационарных режимов в сетях случайного доступа
После успешной передачи заявка покидает систему. Время обслуживания распределено по одному и тому же показательному закону с параметром , как для первичных, так и для повторных вызовов. Будем считать, что на вход системы поступает простейший поток заявок с параметром . Структура такой СМО имеет вид рис. 1.1. Состояние рассматриваемой системы определим вектором , изменение во времени которого образует однородный дискретный двумерный марковский процесс с бесконечным числом состояний. Рис. 1.1 – Модель системы массового обслуживания Математическая модель исследуемого протокола множественного доступа построена, проведем ее анализ, получим аналитические выражения, определяющие зависимости для основных ее характеристик. Для исследования процесса , вероятность того, что в момент времени прибор находится в состоянии k и в ИПВ находится i заявок. Рассмотрим вероятности переходов из состояния системы в произвольный момент времени в состояние . 1. Пусть система находится в состоянии , то есть в ИПВ находится i заявок и прибор свободен, за интервал времени состояние системы может измениться таким образом (рис. 1.2): а) с вероятностью из входящего потока требований поступит новая заявка, которая немедленно займет прибор и начнет обслуживание, тогда система в момент времени ; б) с вероятностью к прибору обратится одна из i заявок, находящихся в ИПВ и система перейдет в состояние состояние системы не изменится. 2. Пусть система в момент времени находится в состоянии , то есть прибор занят обслуживанием заявки и в ИПВ находится i требований, за интервал времени возможны следующие переходы (рис. 1.3): а) с вероятностью прибор успешно завершит обслуживание, и в момент времени ; б) с вероятностью в систему поступит новое требование из входящего потока и произойдет конфликт. открыть »Методы и алгоритмы построения элементов систем статистического моделирования
Содержание Введение 1. Метод статистического моделирования систем 2. Моделирование случайных величин и процессов 3. Основные понятия марковских процессов 4. Математический аппарат дискретных марковских цепей Введение В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Особенно это относится к сфере управления различными системами, где основными являются процессы принятия решений на основе получаемой информации. Метод моделирования широко применяют в таких областях, как автоматизация проектирования и организации в автоматизированных системах научных исследований, в системах исследования и проектирования, в системах массового обслуживания, анализ различных сторон деятельности человека, автоматизированное управление производственными и другими процессами. Важно подчеркнуть, что моделирование используется при проектировании, создании, внедрении, эксплуатации систем, а также на различных уровнях их изучения, начиная от анализа работы элементов и кончая исследованием системы в целом при их взаимодействии с окружающей средой. 1. Метод статистического моделирования систем На этапе исследования и проектирования систем при построении и реализации машинных моделей (аналитических и имитационных) широко используется метод статистического моделирования (Монте-Карло), который базируется на использовании случайных чисел, т.е. возможных значений некоторой случайной величины с заданным распределением вероятностей. открыть »Построение и использование имитационных моделей
Совокупность обслуживающей и обслуживаемой систем составляет систему массового обслуживания. Под системой массового обслуживания (СМО) понимают динамическую систему, предназначенную для эффективного облуживания случайного потока требований при ограниченных ресурсах системы. Модели системы массового обслуживания являются наиболее часто используемым классом моделей со случайными факторами, что определяется повсеместным распространением систем такого типа. К настоящему времени разработано много моделей систем массового обслуживания, имеющих аналитическое решение. Но они далеко не исчерпывают все способы функционирования реальных обслуживающих систем. Кроме того, на практике не всегда выполняются предпосылки, лежащие в основе имеющихся аналитических моделей. Основной задачей теории СМО является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания. Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого варианта системы, при котором будет обеспечен минимум суммарных затрат от ожидания обслуживания, потерь времени и ресурсов на обслуживание и простоев каналов обслуживания. открыть »Методика оптимизации библиотечной системы обслуживания
РЕФЕРАТ Отчет о ДР: 76 с., 12 рис., 10 табл., 30 источников В данной дипломной работе рассмотрены пути повышения эффективности работы библиотечной автоматизированной системы. Вначале потребовалось собрать и обработать статистическую информацию о характере обслуживания в библиотеке ХГЗВА. Следующим шагом было построение имитационной модели данной организационно-экономической системы. В имитационной модели были учтены структура и основные параметры системы. Результаты работы имитационной модели использованы для подсчета критерия эффективности функционирования библиотечной системы. Сочетая имитационное моделирование с методом Нелдера-Мида, были получены оптимальные параметры системы. Ключевые слова: имитационная модель, система массового обслуживания, критерий, эффективность. РЕФЕРАТЗвіт про ДР: 76 с., 12 мал., 10 табл., 30 джерел У даній дипломній роботі розглянуті шляхи підвищення ефективності роботи бібліотечної автоматизованої системи. Спочатку треба було зібрати й обробити статистичну інформацію про характер обслуговування в бібліотеці ХДЗВА. Наступним кроком була побудова імітаційної моделі даної організаційно-економічної системи. открыть »Моделирование системы массового обслуживания
В модель можно ввести реальные данные, такие как количество мест в стационаре, максимальное время обслуживания в отделении стационара и так далее. По результатам многократного моделирования с различным числом койко-мест, можно провести статистическое исследование, с целью выявления наиболее оптимальных параметров построения и функционирования стационара Моделирование предоставляет большие возможности для анализа и проигрывания различных ситуаций в системах массового обслуживания. открыть »Моделирование торгового центра
Лабораторная работа № 3 Моделирование торгового центра Цель работы Целью работы является: Освоение основных элементов систем массового обслуживания Изучение основных принципов моделирования систем массового обслуживания на ПЭВМ Получение практических навыков моделирования на примере исследования торгового центра II.Теоретические сведения 2.1 Основные элементы систем массового обслуживания Системой массового обслуживания (СМО) называется система, на которую в случайные моменты времени поступают заявки, нуждающиеся в том или ином виде обслуживания в течение некоторого случайного отрезка времени. Из- за случайного характера потока заявок в системе, в какие-то моменты времени могут возникнуть очереди, а в другие моменты система может работать с недогрузкой или вообще простаивать. Поэтому на практике возникают насущные задачи количественной оценки эффективности работы таких систем. СМО должна обеспечить минимизацию суммарных затрат, связанных с ожиданием и потерями от простоя средств обслуживания. Основными элементами систем массового обслуживания являются: Входной поток Очередь Прибор или канал обслуживания Выходной поток Общая функциональная схема системы имеет вид (Рис 1) М Рис 1. открыть »Создание модели системы массового обслуживания
При активации главной формы Form1 формируется текущее время, обнуляется время моделирования процесса, выставляются входные данные по умолчанию, определяется число каналов обслуживания и устанавливаются исходные параметры каналов (устанавливается состояние простоя,рабочее время равно нулю, число обслуженных заявок также равно нулю). По событию imer1 imer формируется время генерации с учетом текущего времени, время дозвона и время разговора, а также вероятность отказа обслуживания заявки. Так же здесь формируется поток заявок и принципы их обработки, с учетом возможности отказа их обслуживания, считается время работы каналов, а так же происходит накапливание значений потерянных и выполненных заявок, занятых и свободных каналов обслуживания. По событию imer2 imer формируется реальное время работы имитационной модели системы массового обслуживания. Процедура procedure Form1. 8Click(Se der: Objec ) выполняет сброс начальных входных параметров моделирования и регенерирует текущее время системы. По нажатии на кнопку oolBu o 3 формируется отчет общих статистических данных, образованных в результате моделирования, а также данных по каналам отдельно. Листинг данного модуля:SMO.pas, находится в приложении Б. открыть »Математическое моделирование и оптимизация системы массового обслуживания
Тогда прибыль за месяц будет оптимальной и равной примерно 1764 тыс. 17 рублей. Из графиков (рис.6, 7) и таблиц 4,5 видно, что имея возможность менять число инспекторов на посту и арендовать ускоряющую технику, нужно организовать работу так, чтобы на посту одновременно находилось 4 инспектора, и для каждого из них арендовать техники на 2000 рублей в день. Это позволит получить прибыль 1779337 рублей в месяц. Итак, создание имитационной модели системы массового обслуживания позволяет получить информацию, характеризующую приспособленность рассматриваемой системы для выполнения поставленных перед ней задач. Анализ численных значений критериев позволяет сделать выводы относительно реальной эффективности системы и выработать рекомендации по ее повышению. СПИСОК ЛИТЕРАТУРЫ Основная литература: 1. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. 2. Матвеев В.Ф., Ушаков В.Г. Системы массового обслуживания. М.: Изд-во МГУ, 1984. 3. Советов Б.А., Яковлев С.А. Моделирование систем, М: Высшая школа, 1985. открыть »Прогнозирование показателей социально-экономического развития Московской области
Основной исходной информацией для решения уравнений моделей служат динамические ряды из базы данных системы. Сложность прогнозирования территориального развития России обусловливается необходимостью комплексного анализа множества взаимосвязанных параметров, характеризующих социальное и экономическое развитие 89 субъектов РФ во временном интервале 3–15 лет. Успешное решение такой задачи во многом зависит от выбора рациональных методов моделирования этой экономической системы. Регион – сложная социально-экономическая геосистема, развитие которой в современных экономических условиях характеризуется стохастичностью и в значительной степени непредсказуемостью. Вот почему для разработки региональных моделей наиболее приемлемым из существующих методов моделирования сложных систем является имитационный метод, при котором паутинообразными связями симулируются различные сценарии поведения сложной системы при выборе определенных управляющих воздействий. Этот принцип моделирования и был выбран в качестве базового в региональном департаменте Минэкономики России при разработке комплексной имитационной модели социально-экономического развития Российской Федерации в региональном разрезе на основе программно-инструментального комплекса «Прогноз». открыть »Планирование машинного эксперимента с имитационной моделью системы массового обслуживания
Лабораторная работа №4 Планирование машинного эксперимента с имитационной моделью системы массового обслуживания 1. Цель работы Целью работы является: 1. Изучение методов планирования машинного эксперимента с моделью системы. 2. Приобретение практических навыков по оценке коэффициентов модели заданной функциональной зависимости 3. Проведение имитационного эксперимента в соответствии с построенным планом 2.Теоретические сведения 2.1 Планирование эксперимента Эффективность машинных экспериментов с имитационными моделями систем массового обслуживания существенно зависят от выбора плана эксперимента, так как план определяет объем и порядок проведения вычислений на ЭВМ, приемы накопления и статистической обработки результатов моделирования системы и в целом влияет на эффективность использования ЭВМ при моделировании. Планирование эксперимента – это средство построения математических моделей различных процессов, способ сокращения времени и средств, повышение производительности труда исследователя. Под планированием эксперимента понимается процедура выбора числа опытов и условий их проведения, необходимых для решения поставленной задачи с требуемой точностью. открыть »Автоматическая система управления процессом передвижения пассажирского лифта
С помощью правил создания и преобразования структурных схем, принятых в теории автоматического управления , представим систему уравнений в виде структурной схемы. На рис. представлена структурная схема, имитационной модели АД в системе координат с ориентацией по вектору потокосцепления ротора . Рисунок 13 - Структурная схема имитационной модели АД в системе координат с ориентацией по вектору потокосцепления ротора Модель АД, представленная на рис. удобна для реализации и расчёта в любом из прикладных программных продуктов, поддерживающих объектно-структурное моделирование систем (Simuli k-Ma lab, Wi dora и т.д.). Для исследования и проверки адекватности созданной модели АД удобно выполнить её реализацию в среде Simuli k-Ma lab. В данной системе симметричные трёхфазные напряжения, представленные в относительных единицах подвергаются преобразованию Кларка и поступают в виде компонентов пространственного вектора напряжений и на входы координатного преобразователя Парка-Горева. Формулы для координатного преобразования Парка-Горева, позволяющего реализовать переход от стационарной системы координат к вращающейся представлены ниже: Здесь , - составляющие пространственного вектора напряжения статора , представленные в стационарной системе координат; , - составляющие вектора напряжения статора , представленные во вращающейся системе координат; - угол поворота вращающейся координатной системы (угол ориентации). открыть »Разработка и исследование имитационной модели разветвленной СМО (системы массового обслуживания) в среде VB5
Однако аппарат простейшей, марковской теории массового обслуживания может пригодиться для приближенного описания работы СМО даже в тех ситуациях, когда потоки событий — не простейшие. Во многих случаях для принятия разумного решения по организации работы СМО вовсе и не требуется точного знания всех ее характеристик — зачастую достаточно и приближенного, ориентировочного. Системы массового обслуживания делятся на типы (или классы) по ряду признаков. Первое деление: СМО с отказами и СМО с очередью. В СМО с отказами заявка, поступившая в момент, когда все каналы заняты, получает отказ, покидает СМО и в дальнейшем процессе обслуживания не участвует. Примеры СМО с отказами встречаются в телефонии: заявка на разговор, пришедшая в момент, когда все каналы связи заняты, получает отказ и покидает СМО необслуженной. В СМО с очередью заявка, пришедшая в момент, когда все каналы заняты, не уходит, а становится в очередь и ожидает возможности быть обслуженной. На практике чаще встречаются (и имеют большее значение) СМО с очередью; недаром теория массового обслуживания имеет второе название: «теория очередей». открыть »
