|
В ходе данной курсовой работы были рассмотрены и сравнены две модели.
В первой клиентов обслуживали двое кассиров (объект Delay). Было введено время задержки в свойстве delay time: triangular(4, 6, 8). Обслуживание одного клиента занимает примерно 6 минут. Время обслуживания распределено по треугольному закону со средним значением, равным 6, минимальным - равным 4 и максимальным - 8 минутам.
Во второй модели для обслуживания клиентов двое кассиров были заменены одним автоматизированный аппаратом (ATM - объект Delay). Было введено время задержки в свойстве delay time: triangular(1, 3, 5). Обслуживание одного клиента занимает примерно 3 минут. Время обслуживания распределено по треугольному закону со средним значением, равным 3, минимальным - равным 1 и максимальным - 5 минутам.
Интенсивности входов для обеих моделей были одинаковы: exponential(0,35) для первого входа и exponential(0,23) для второго входа.
В ходе эксперимента было отмечено, что очередь к ATM сразу стала постепенно заполняться, в то время, как очереди к кассирам были пустыми. Первая очередь к кассиру1 начала заполняться только через 19 единиц модельного времени, а очередь к кассиру2 - через 29 единиц времени.
К этому же времени через ATM прошло 10 заявок, а через кассиров только 6. Через 150 единиц времени через ATM прошло 49 заявок, через кассиров - 47. Как видно эти значения стали почти равными. Но чрез 500 единиц времени через кассиров уже прошло больше заявок, чем через ATM: 165 и 163 соответственно. А через 100 единиц модельного времени через ATM прошло 33 заявки, а через кассиров 331 заявка. После проведения дальнейшего эксперимента было установлено небольшое колебание и незначительное опережение то одной модели, то другой. Это позволило сделать вывод, что при заданных задержках обработки заявки и интервалов поступления заявки два ATM выполняет такую же работу, что и два кассира, но средств на содержание его требуется меньше, что делает его использовании более предпочтительным.
Заключение
Основным недостатком аналитических моделей является то, что они неизбежно требуют каких-то допущений, в частности, о «марковости» процесса. Приемлемость этих допущений далеко не всегда может быть оценена без контрольных расчетов, а производятся они методом Монте-Карло. Образно говоря, метод Монте-Карло в задачах исследования операций играет роль своеобразного ОТК. Статистические модели не требуют серьезных допущений и упрощений. В принципе, в статистическую модель «лезет» что угодно - любые законы распределения, любая сложность системы, множественность ее состояний. Главный же недостаток статистических моделей - их громоздкость и трудоемкость. Огромное число реализации, необходимое для нахождения искомых параметров с приемлемой точностью, требует большого расхода машинного времени. Кроме того, результаты статистического моделирования гораздо труднее осмыслить, чем расчеты по аналитическим моделям, и соответственно труднее оптимизировать решение (его приходится «нащупывать» вслепую). Правильное сочетание аналитических и статистических методов в исследовании операций - дело искусства, чутья и опыта исследователя. Нередко аналитическими методами удается описать какие-то «подсистемы», выделяемые в большой системе, а затем из таких моделей, как из «кирпичиков», строить здание большой, сложной модели.
|
