А27. Банковское подразделение

Программа имитационной модели банковского подразделения состоит из нескольких классов :

  • Main – основной класс, содержащий все объекты программы
  • Заявки – класс, по которому создаются экземпляры заявок(транзакты), перемещающиеся в логической цепи модели
  • Сотрудник – класс-родитель классов Сотрудник1, Сотрудник2
  • Сотрудник1, Сотрудник2 – классы ресурсов в модели, выполняющих роль сотрудников 1-го и 2-го отделов.

В проект также входят два эксперимента:

  • Simulation — обычный – для моделирования в реальном и виртуальном режимах
  • Optimization -оптимизационный — для проведения большого числа прогонов модели и нахождения оптимальных значений параметров

Рис.1 структура проекта модели

1.КЛАСС MAIN

В этом классе сосредоточены интерфейс программы и логика моделируемого процесса.

Рис.2 Логическая цепь БП(банковского подразделения)

Рис.3 Интерфейс-анимация в программе

  1. Логическая цепь БР

Для построения данной подсистемы в модели использовалась библиотека моделирования процессов в палитре инструментов Anylogic.

Рис.4 Библиотека моделирования процессов

Заявки создаются в элементе , затем они продвигаются к , для фиксации момента времени, когда заявка поступила в систему. Здесь проверяется истинность условия:

(getHourOfDay() >= 8)&&(getHourOfDay() <= 19)

Если время дня соответствует интервалу с 8:00 до 20:00, то заявка следует дальше , иначе удаляется из системы

В блоках moveTo12 и заявка задерживается до тех пор, пока не переместиться в анимации на вот это расстояние . Далее в блоке производится проверка истинности условия:

(getHourOfDay() >= 9)&&(getHourOfDay() <= 12) – время моделирования должно попадать в интервал с 9:00 до 13:00

В случае истинности условия заявки отправляются в первый отдел на

В ином случае задерживаются в очереди на обработку до следующего дня.

После обработки заявка поступает в блок , в котором производиться проверка истинности условия:

getHourOfDay() >= 9 && getHourOfDay() <= 17 – текущий момент окончания обработки должен попадать в интервал времени с 9:00 до 18:00

Если это так, то заявка успешно покидает отдел №1 и отправляется в отдел № 2


В противном случае заявка становится в очередь на обработку в следующий день:

От отдела 1 к отделу 2 заявки перемещаются в анимации проходя расстояние

Перед отделом 2 установлен блок ,в котором проверяется истинность условия:

(getHourOfDay() >= 9)&&(getHourOfDay() <= 14)

Если оно истинно, то заявка поступает в текущую очередь на обслуживание в отделе2, иначе остаётся до следующего дня здесь

Все обработанные в отделе 2 заявки обязательно проходят блок следом за ним проверяется условие истинности в блоке

Если заявка успела обработаться в текущий рабочий день, то она следует по ветке с блоками

иначе через блок оказывается в очереди ожидания обработки в следующий день

1.2 Диаграмма состояний

Когда требуется выпустить заявки из очереди ожидания до следующего
дня определяется в диаграмме состояний

Рис.5 Диаграмма состояний

В первом состоянии «ХолдыЗакрыты» диаграмма находиться с 18:00 до 9:00, в состоянии «открытьХолды» заявки, находившиеся до этого в очереди, продвигаются на обработку в соответствующий отдел. В состоянии «state» диаграмма задерживается до окончания рабочего дня.

  1. Параметры и агенты

Рис.6 Параметры

Рис.7 Популяции агентов (сотрудников)

Таблица 1. Параметры и популяции агентов

Параметр/переменнаяНазначениеТипНачальное

значение

variable1=parametr1Интенсивность заявокdouble12.5
Variable2=parametr2Время обработки заявок(без перв.документов)double0.5
Variable3=parametr3Время обработки заявок(с перв.документами )double1
Variable4=parametr4Заявок с первичными документамиdouble33.33
Variable5=parametr5Время верификацииdouble0.5
N1Число сотрудников 1-го отделаint25
N2Число сотрудников 2-го отделаint19
сотрудОтдел1Популяция агентов сотрудников 1-го отдела(используется для подсчёта загрузки 1-го отдела)Сотрудник125 агентов
сотрудОтдел2Популяция агентов сотрудников 2-го отдела (используется для подсчёта загрузки 1-го отдела)Сотрудник219 агентов
использованВремяПараметр агента типов Сотрудник1 и Сотрудник2, содержит время занятости любого сотрудника из популяций сотрудОтдел1 и сотрудОтдел2double0
средВремИспСреднее арифметическое времён занятости (использованВремя)сотрудников 1-го отдела(берётся из параметра «использованВремя»)double0
    

2. Остальные классы в модели

2.1 КЛАСС «Заявки»

Рис.8

Содержит только картинку для отображения в анимации и два параметра:

  1. сотрудник – хранит ссылку на агент сотрудника, у которого обрабатывается заявка
  2. времяОбрОтдел1 – хранит время обработки заявки в первом отделе. Если заявка 1-го типа (логически содержит первичный документ), то время обработки будет равно 1 час, если второго типа (нет первичного докумета), то время обработки 30 минут.
    1. КЛАСС СОТРУДНИК

      Является классом-родителем двух классов СОТРУДНИК1 и СОТРУДНИК2. Содержит только два параметра

      Рис.9

      Первый — для суммирования всего времени, которое сотрудник находился в состоянии занятости, а второй предназначен для отметки времени перед каждым обслуживанием заявок.

      Классы «Сотрудник1» и «Сотрудник2» являются агентами двух популяций СотрудОтдел1 и СотрудОтдел2 соответственно.

  1. Эксперименты

3.1 Simulation

Запускает агент «Мain» в режиме реального или виртуального времени и содержит элементы управления для установки параметров модели

Рис.10 Интерфейс эксперимента «Simulation»

В свойствах эксперимента было задано время остановки моделирования через 168 часов

3.2 Optimization

Находит при каких параметрах N1 (число сотрудников отдела1)и N2 (число сотрудников отдела2) загрузка отделов будет максимальной и обработается весь поток входящих в систему заявок.

Рис.11 Интерфейс эксперимента

График показывает историю поиска наилучшего решения – значения целевой функции на всех прогонах.

Числовые данные делятся условно на два столбца. В первом отображаются результаты по текущему прогону модели, а в соседнем правом наилучшее решение за пройденные этапы поиска оптимального значения целевой функции. Целевая функция и параметры поиска задаются в свойствах эксперимента.

Рис.12 Целевая функция поиска

Рис.13. Параметры поиска

После каждого этапа поиска найденное решение проверяется на соответствие заданным требованиям. В нашем случае отношение числа поступивших заявок к числу обработанных должно быть не менее 85 %

Рис.14 Показатель оценки найденного решения

guest
0 комментариев
Межтекстовые Отзывы
Посмотреть все комментарии

СТАТЬИ БЛОГА ПО РУБРИКЕ И МЕТКАМ

img

Модель A12 Anylogic. Сеть пятого поколения 5g

К сети подключаются разные типы устройств:звонилки,смартфоны,авто,iOT. На первом уровне происходит соединение, как в обычной состовой сети, с базовыми станциями и коммуникаторами. Затем в зависимости от запроса, если нужно, на уровне виртуализации предоставляется доступ к нужной сети для получения требуемой услуги:мобильный интернет, интернет вещей, automotive. Далее создаётся трафик абонент/датацентр…

Требования к программе:

  1. моделируются все три слоя сети
  2. моделируются три потока – звонки, трафик, служебную информацию.
  3. учитывается спецификация сети 5-го поколения
  4. с одного слоя на другой переходят три точки, но разного цвета (три переменные)
  5. производится обмен разными данными между слоями
  6. моделируется регулятор нагрузки сети
  7. в вертикальном плане точки двигаются параллельно, например, выходить из cloud, а потом – подниматься на верхние уровни от базовых станций или о спутниковой тарелки
  8. виртуальных машины в облаке работают с сегментами сети.

Модель A12 Anylogic. Сеть пятого поколения 5g

К сети подключаются разные типы устройств:звонилки,смартфоны,авто,iOT. На первом уровне происходит соединение, как в обычной состовой сети, с базовыми станциями и коммуникаторами. Затем в зависимости от запроса, если нужно, на уровне виртуализации предоставляется доступ к нужной сети для получения требуемой услуги:мобильный интернет, интернет вещей, automotive. Далее создаётся трафик абонент/датацентр...
Требования к программе:
  1. моделируются все три слоя сети
  2. моделируются три потока – звонки, трафик, служебную информацию.
  3. учитывается спецификация сети 5-го поколения
  4. с одного слоя на другой переходят три точки, но разного цвета (три переменные)
  5. производится обмен разными данными между слоями
  6. моделируется регулятор нагрузки сети
  7. в вертикальном плане точки двигаются параллельно, например, выходить из cloud, а потом – подниматься на верхние уровни от базовых станций или о спутниковой тарелки
  8. виртуальных машины в облаке работают с сегментами сети.
img

А61. Транспортная логистика в туризме. Модель перевозок людей турфирмы.

Создать имитационную модель в среде Anylogic по заданию: есть расписание автобусных рейсов, где указывается дата отправки и город прибытия; в указанное время автобусы отправляются в путь; перед этим выбирается автобус, который поедет. Точка отправления г. Астрахань. Точки прибытия: Анапа, Лазаревское, Геленджик, Сочи, Сухум.

Согласно логистики пассажирских перевозок передвигаются автобусы по маршрутам:

Астрахань- Анапа- Астрахань,
Астрахань-Лазаревское- Астрахань,
Астрахань-Геленджик — Астрахань,
Астрахань-Сочи- Астрахань,
Астрахань-Сухум- Астрахань,

Цель моделирования: получить статистические графики логистического процесса по перевозке людей турфирмы.

А61. Транспортная логистика в туризме. Модель перевозок людей турфирмы.

Создать имитационную модель в среде Anylogic по заданию: есть расписание автобусных рейсов, где указывается дата отправки и город прибытия; в указанное время автобусы отправляются в путь; перед этим выбирается автобус, который поедет. Точка отправления г. Астрахань. Точки прибытия: Анапа, Лазаревское, Геленджик, Сочи, Сухум.

Согласно логистики пассажирских перевозок передвигаются автобусы по маршрутам:

Астрахань- Анапа- Астрахань,
Астрахань-Лазаревское- Астрахань,
Астрахань-Геленджик - Астрахань,
Астрахань-Сочи- Астрахань,
Астрахань-Сухум- Астрахань,

Цель моделирования: получить статистические графики логистического процесса по перевозке людей турфирмы.

img

А61 Выбросы загрязняющих веществ г.Луга Ленинградской области. Модель Anylogic

Модель позволяет осуществлять мониторинг за состоянием атмосферного воздуха в г. Луга. Разработана модель методом системной динамики.

Мониторинг осуществляется по следующим загрязняющим веществам:

Оксиды азота NO,оксид углерода CO, сажа C, фенол C5H6O, диоксид серы SO2, бенз(а)пирен, фторид водорода HF, углеводороды СН, формальдегид СН2О

А61 Выбросы загрязняющих веществ г.Луга Ленинградской области. Модель Anylogic

Модель позволяет осуществлять мониторинг за состоянием атмосферного воздуха в г. Луга. Разработана модель методом системной динамики.

Мониторинг осуществляется по следующим загрязняющим веществам:

Оксиды азота NO,оксид углерода CO, сажа C, фенол C5H6O, диоксид серы SO2, бенз(а)пирен, фторид водорода HF, углеводороды СН, формальдегид СН2О

0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x