Условия моделирования.
Входные данные: количество изделий (гитар), среднее время изготовления грифа, корпуса гитары (в минутах), среднее время сборки гитары (в минутах) и среднее время упаковки гитары (в минутах).
Выходные данные: время выполнения производственного плана.
План моделирования:
1. После запуска модели автоматически задается необходимое количество гитар.
Данный коэффициент генерируются по нормальному закону распределения (в AnyLogic данный вид распределения задаётся функцией normal):
| Плотность | 
|
| Мат. ожидание | 
|
| Дисперсия | 
|
| Мода |
|
Нормальное распределение - это неограниченное непрерывное распределение. Иногда его называют Гауссовым распределением или колоколообразной кривой. Поскольку оно способно описать возрастающую сумму малых независимых ошибок, нормальное распределение используется во множестве статистических расчетов.
(int)Math.round((drob=Math.round(normal(15,300))))
2. Cреднее время изготовления грифа, корпуса гитары (в минутах), среднее время сборки гитары (в минутах) и среднее время упаковки гитары (в минутах) задаются параметрами: «TimeAssembly», «TimePack» и «TimeProdVultBody».
3. Время изготовления грифа и корпуса гитары варьируется вокруг среднего значения с помощью непрерывного равномерного закона распределения (в AnyLogic данный вид распределения задаётся функцией uniform):
Равномерное распределение является непрерывным распределением, ограниченным с обеих сторон, т.е. значение лежит в интервале [min,max).Плотность вероятности не зависит от значения x. Часто называется прямоугольным распределением.
Равномерное распределение используется для задания случайной переменной, которая может принимать любое значение в интервале между min и max с равной вероятностью. При этом вероятность максимального значения =0.
uniform(TimeProdVultBody*60 - 300,TimeProdVultBody*60 + 300);
4. Время сборки и упаковки гитары варьируется вокруг среднего значения с помощью треугольного закона распределения (в AnyLogic данный вид распределения задаётся функцией triangular):
| Имя | Тип | Описание |
| min | double | минимальное значение x |
| max | double | максимальное значение x |
| mode | double | наиболее вероятное значение x |
Треугольное распределение - это непрерывное распределение, ограниченное с обеих сторон.
Данное распределение проверяет, принадлежит ли наиболее вероятное значение x (mode) определенному интервалу (min, max). При превышении указанного максимального значения функция рассматривает его как максимальное, и наоборот: max рассматривается как mode, то есть обращение к функции triangular (1, 5, 10) эквивалентно triangular (1, 10, 5): при этом генерируется вариант треугольного распределения с минимальным значением 1, максимальным значением 10 и наиболее вероятным значением 5.
triangular(TimeAssembly*60 - 300,TimeAssembly*60 + 300,TimeAssembly*60);
triangular(TimePack*60 -300, TimePack*60 + 300, TimePack*60)
5. Графики работают с помощью библиотеки сбора статистики. AnyLogic предоставляет пользователю удобные средства для сбора статистики по работе блоков диаграммы процесса. Объекты Основной библиотеки самостоятельно производят сбор основной статистики. Все, что Вам нужно сделать - это включить сбор статистики для объекта.
Диаграммы показывают статистику занятости отделов во времени.
Обработка результатов.
Проведем несколько запусков модели (30) и запишем полученные данные в таблицу.
| № | Количество гитар | Время производства (в часах) |
| 30,184 | ||
| 31,793 | ||
| 32,318 | ||
| 33,461 | ||
| 31,271 | ||
| 34,924 | ||
| 32,486 | ||
| 34,274 | ||
| 34,627 | ||
| 33,012 | ||
| 33,467 | ||
| 31,892 | ||
| 32,333 | ||
| 35,579 | ||
| 33,548 | ||
| 32,411 | ||
| 30,980 | ||
| 32,942 | ||
| 31,752 | ||
| 32,799 | ||
| 32,309 | ||
| 32,307 | ||
| 33,372 | ||
| 32,217 | ||
| 34,567 | ||
| 29,726 | ||
| 32,525 | ||
| 35,059 | ||
| 32,751 | ||
| 32,872 | ||
| 32,792 | ||
| Средннее число гитар | Среднее время |
После проведенного эксперимента можно сделать вывод, что производилось в среднем 301 гитара, среднее время производства составляло 32,8 часа.
Вывод.
В данной работе было проведено имитационное моделирование производственной системы и ее тестирование с выводом результатов. Данная модель позволяет рассчитать время производства практически для любой производственной модели.
Все коэффициенты заданы в параметрах, а некоторые генерируются случайно по непрерывному равномерному закону распределения (указывается минимальное и максимальное значение), по треугольному и нормальному законам распределения, что позволяет изучать и настраивать модель, а также наглядно демонстрировать её работу. Имеющиеся возможности AnyLogic позволяют использовать при исследовании и другие законы распределения.
Графическое представление производственной модели позволяет наглядно посмотреть работу всего цикла производства.
Таким образом, с использованием имитационного моделирования можно произвести неограниченное количество экспериментов. С помощью построенной модели можно исследовать системы случайных процессов, используя на входе переменные, задаваемые известными законами распределения, можно реализовать вероятностные развития ситуаций, описать случайные процессы, проводить вероятностное оценивание характеристик модели на выходе.
В результате построения модели «Производство гитар» в рамках изучения дисциплины «Имитационное моделирование экономических процессов» были получены практические навыки проведения работ, выполняемых на каждом из этапов имитационного моделирования, разработана имитационная модель производственного предприятия с расчетом необходимых показателей. Данная модель позволила нам определить необходимое время, за которое будет произведена нужная партия товара.
В заключение следует сказать, что имитационная модель в целом позволяет снизить затраты, связанные с проектированием, что, безусловно, сказывается на расчётной стоимости капитальных затрат и в последствии эксплуатационных затрат и, как следствие, на конечной стоимости предоставляемых услуг.