Презентация на тему Имитационное моделирование

разновидность аналогового моделирования, реализуемого с помощью набора математических средств,

специальных компьютерных программ-симуляторов и особых IT, позволяющих создавать в памяти компьютера процессы-аналоги, с помощью которых можно провести целенаправленное исследование структуры и функций реальной системы в режиме ее «имитации», осуществить оптимизацию некоторых ее параметров.

отражать логику и закономерности поведения моделируемого объекта во времени

(временная динамика) и пространстве (пространственная динамика).
Имитационная модель создается:
для управления сложными бизнес-процессами, чтобы определить их характерные особенности;
при проведении экспериментов над объектами в экстренных ситуациях, связанных с рисками, в случаях, когда натуральное моделирование нежелательно или невозможно.

услуги;
Управление процессом реализации инвестиционного проекта на различных этапах его

жизненного цикла с учетом возможных рисков;
Прогнозирование финансовых результатов деятельности предприятия;
Моделирование процессов логистики для определения временных и стоимостных параметров;

автотранспортных предприятий;
Моделирование обслуживания клиентов предприятиями сферы услуг;
Модели работы информационных

систем и сложных вычислительных систем (аналоги с устройствами обслуживания клиентов);
И т.д.

и отслеживание в общем модельном времени различных потоков (материальных,

информационных, денежных и пр.);
Возможность уточнения параметров и ведения экстремального эксперимента.

часто используют для проведения расчетов имитационной модели;
Система GPSS (General

Purpose Simulation System) (1967 г) используется в основном для моделирования систем массового обслуживания;
Специальные современные имитационные пакеты, реализующие разные подходы к моделированию и имеющие средства визуализации (например, Any Logic).

и исследования задач массового обслуживания (задачи об очередях).
Цель исследования

очередей – оптимизация издержек:
Что выгоднее, принять на работу несколько сотрудников, чтобы уменьшить время ожидания клиентов в очереди, либо сэкономить на заработной плате сотрудников, уменьшив их количество.

проходит несколько этапов:
1) появление заявки на входе в систему;
2)

ожидание в очереди;
3) процесс обслуживания, после которого заявка покидает систему.

Первый и третий этап характеризуются случайными величинами.

(например, два клиента в час или четыре грузовика в

минуту). В этом случае для его характеристики используют дискретное распределение Пуассона:


где р (х) — вероятность поступления х заявок в единицу времени;
х — число заявок в единицу времени;
λ — среднее число заявок в единицу времени (темп по­ступления заявок);

(например, FIFO, или очередь с приоритетами);
В более сложных случаях,

можно моделировать извлечение заявки из очереди без обслуживания, когда время ожидания превысило определенный уровень.

или многофазная система обслуживания;
Случайное или детерминированное время обслуживания.
Если время

обслуживания является случайной величиной, часто оно подчиняется экспоненциальному закону распределения:
F(t) = p(τ< t) =1 – е–tμ, где р (τ < t) — вероятность того, что фактическое время τ обслу­живания заявки не превысит заданной величи­ны t;
μ — среднее число заявок, обслуживаемых в единицу времени.

массового обслуживания с пуассоновским входным потоком заявок и экспоненциальным

временем обслуживания.
Модель В — многоканальная система обслуживания. В многоканальной системе для обслуживания открыты два ка­нала или более. Предполагается, что клиенты ожидают в общей очереди и обращаются в первый освободившийся канал обслужи­вания;
Модель С — модель с постоянным временем обслуживания;
Модель D — модель с ограниченной популяцией;
Модель Е — модель с ограниченной очередью. Модель от­личается от предыдущих тем, что число мест в очереди ограни­чено. В этом случае заявка, прибывшая в систему, когда все ка­налы и места в очереди заняты, покидает систему необслуженной, т.е. получает отказ.

массового обслуживания.
Имеется обслуживающее устройство – парикмахер;
Имеется механизм формирования очереди

– комната ожидания;
Имеется генератор заявок – клиенты, которые приходят в парикмахерскую.

модели, определяются случайными характеристиками:
Время прихода следующего клиента;
Время обслуживания клиента

парикмахером.

Основные показатели эффективности модели:
Количество клиентов в очереди;
Среднее время и отклонение ожидания клиента в очереди;
Среднее время и отклонение простоя обслуживающего устройства (парикмахера);
Количество обслуженных клиентов за день;
и т.д.

По всем узлам модели ищется объект с

нулевым временем и осуществляется ее продвижение на следующие узлы модели до одного из случаев:
Объект попадает во времяемкий процесс – его время меняется исходя из задержки процесса (например, обслуживание клиента);
Объект попал в очередь – очередь не пуста, или очередь пуста, но обслуживающий узел недоступен.
После продвижения очередного объекта, ищется следующий объект с нулевым временем.