Microsoft Word - 781_Razmov_.doc

Препис

1 Механика IN Транспорт том, брой 3, 203 г. Комуникации статия 078 Научно списание АНАЛИЗ НА ТРАНСПОРТНИ СИСТЕМИ, ЧРЕЗ ДИСКРЕТНО- СЪБИТИЙНО МОДЕЛИРАНЕ Тодор Размов Висше транспортно училище Тодор Каблешков, ул. Гео Милев 58, София 574, БЪЛГАРИЯ Ключови думи: симулационно моделиране, дискретно-събитийно моделиране, транспортни системи Резюме: В статията се разглежда подхода за представяне на транспортните системи и техните елементи като системи за масово обслужване (СМО) и симулиране на тяхната работа чрез дискретно-събитийно моделиране. За прилагането на този тип моделиране може да бъде използван специализирания език за програмиране GP (General Purpose imulation ystem). В доклада е представен специално разработен сегмент на GP за получаване на вероятностите на състоянията на едноканални и многоканални системи за масово Това ще спомогне за адекватното изследване на транспортни системи, които могат да се представят като системи за масово обслужване с произволни закони за разпределение на интервалите на входящия поток и времето на обслужване, с по специфични дисциплини на обслужване и липса на крайни аналитични зависимости за определяне на операционните характеристики. ВЪВЕДЕНИЕ Много от транспортните системи се представят като системи за масово обслужване [], за да могат да бъдат изследвани, за да бъдат оразмерявани или за да се проверява ефективността на нови транспортни технологии. Не за всички системи за масово обслужване има аналитични формули за определяне на операционните им характеристики и вероятностите на състоянията им. Също така не винаги за входящият поток и времето за обслужване могат да се използват теоретични разпределения. За да се преодолеят тези трудности е подходящо да бъде използван метода на имитационното моделиране. От трите направления на имитационното моделиране: дискретносъбитийно моделиране, моделиране на динамични системи с обратна връзка (системна динамика) и агентно моделиране, най-подходящо в случая е дискретно-събитийното моделиране [2]. За прилагането на този тип моделиране може да бъде използван специализирания език за програмиране GP [3] (General Purpose imulation ystem). I-24

2 В доклада е представен специално разработен на GP сегмент за получаване на вероятностите на състоянията на едноканални и многоканални системи за масово обслужване [4]. Това ще спомогне за адекватното изследване на транспортни системи, които могат да се представят като системи за масово ПРЕДСТАВЯНЕ НА ТРАНСПОРТНИТЕ СИСТЕМИ И ТЕХНИТЕ ЕЛЕМЕНТИ КАТО СИСТЕМИ ЗА МАСОВО ОБСЛУЖВАНЕ. ДИСКРЕТНО-СЪБИТИЕН ПОДХОД ПРИ СИМУЛАЦИОННОТО МОДЕЛИРАНЕ Всяка транспортна система или неин елемент може да се представи като сложна динамична система с дискретни състояния. Системите за масово обслужване описват и анализират поведението именно на такива сложни динамични системи с дискретни състояния, но със специфични ограничения при прехода от едно дискретно състояние към друго. Прехода от едно състояние на системата към друго става или към съседното по-ниско или съседното по-високо състояние. В СМО се приема, че състоянията на системата се определя от броя заявки, които са в нея. При СМО с ординарен входящ поток системата променя своето състояние при пристигане на нова заявка за обслужване или напускане на обслужена заявка. Пристигането на нова заявка привежда състоянието на системата в съседно по-високо състояние, а напускането на обслужена заявка привежда системата в съседно по-ниско състояние. Промяната на състоянията на системата става мигновено или дискретно. Влизането или излизането на заявките от системата, от опашката или от обслужващото устройство става в дискретни моменти, като тези моменти представляват съответни събития. Поради това, много подходящ подход при моделирането е дискретно-събитийния. Езика за симулационно моделиране GP дава подходящ инструментариум за анализирането и изследването на сложни динамични системи с дискретни състояния посредством дискретно-събитийния подход Входящ поток Опашка Обслужващо устройство Обслужване на заявките ипрестойвопашка Заявки по време Вероятности на състоянията s4 s3 s2 s s0 s Фиг. Дискретно-събитиен подход при представяне на работата на система за масово обслужване I-25

3 На фиг. е представена транспортна система като система за масово обслужване, като са представени всички събития за определено време на моделиране [4]. Интерес представлява определяне на вероятностите на състоянията на системата. Те са важни за определяне на операционните характеристики при невъзможност да се получат аналитични формули за тях. ИЗПОЛЗВАНЕ НА GP ЗА ОПРЕДЕЛЯНЕ НА ВЕРОЯНОСТИТЕ НА СЪСТОЯНИЯТА НА СИСТЕМА ЗА МАСОВО ОБСЛУЖВАНЕ Въз основа на фиг. е разработен сегмента в среда на GP за определяне на вероятностите на състоянията на системата. Изхожда се от предпоставката, че системата може да бъде за определено време само в едно състояние определено от броя на заявките. Сегмента моделира един транзакт наблюдател, който следи за промяна на състоянието на системата и отчита времето за престой на системата в това състояние. Вероятностите на състоянията се получават като сумарното време, което е престояла системата в дадено състояние се раздели на общото моделно време. За да се анализират различни системи за масово обслужване с различни входящи потоци и времена за обслужване е моделиран съставен прибор. Този съставен прибор се използва за моделиране на ерлангови закони за разпределение, както за интервалите на входящия поток, така и за времената за На фиг.2 е представен моделът на GP, чрез който се моделира транспортна система или неин елемент като система за масово Предвидена е възможност за моделиране на ерлангови закони за разпределение чрез съставни прибори [5]. Etiket2 Etiket Сегмент Транспортна система GENERATE,,, BUFFER,v$RErl AIGN MARK ADVANCE v$ivhode,fn$xpdis LOOP PLIT AVEVALUE um+, BUFFER 4 (Etiket2) Генерира се входящ поток Отваряне на ключ. Отчита се началното състояние на системата и се активира трансзактанаблюдател в сегмента Вероятности на състоянията. Прегледнаверигатанатекущите събития. (Etiket) Моделиране на съставен прибор. Ерлангов закон за разпределение на интервалите на входящия поток. Отваряне на ключ. Отчита се промянатанасъстояниена системата и се активира трансзактанаблюдател в сегмента Вероятности на състоянията. Определя се състоянието на системата седнопо-високо. Преглед на веригата на текущите събития. В параметър 4 се маркира времето на влизане на заявката в системата. Etiket3 QUEUE EIZE MARK DEPART 2,v$RErl AIGN Etiket3 ADVANCE v$tobsle,fn$xpdis LOOP Etiket4 2 RELEAE AVEVALUE um-, BUFFER TABULATE TABULATE TERMINATE 3 Obsl Prest (Etiket3) Заявката влиза в опашка. Заявката заема прибор и започва В параметър 3 се маркира времето на влизане на заявката в прибора за Заявката излиза от опашка. Моделиране на съставен прибор. Ерлангов закон за разпределение на времето за Заявката освобождава прибора и завършва обслужването. Активира се заявката-наблюдател при смяната на състоянието на системата. Промяна на състоянието на системата седнопо-ниско. Преглед на веригата на текущите събития. Табулиране на времето за Табулиране на времето за престой на заявките в системата. Заявката напуска системата. Фиг.2 Модел на транспортна система (система за масово обслужване) на GP На фиг.3 е представен специално разработения сегмент на GP за определяне на вероятностите на състоянията на моделираната и изследвана система. I-26

4 P (Etiket4) P GENERATE,,, PRIORITY,x$um AIGN EIZE NE TET RELEAE GATE L,x$um AIGN EIZE NE TET RELEAE PLIT TERMINATE x$um R x$um (Etiket4) Генерира се транзакт наблюдател, който следи за промяна на състоянието на системата. Увеличаване на приоритета. v$var v$var v$var v$var Отчитаненавреметозапрестой на системата състояние без заявки от началото на моделирането до влизане в системата на първата заявка. Пропуск, пред който транзакта наблюдател чака промяна на логическия ключ. Ако състоянието На системата се промени, то вратата се отваря и транзакта преминава. След преминаване логическия ключ се затваря. Задава се съответното състояние на системата. Заемасеприбор, който отчита времето за престой на системата в даденото състояние и се определя вероятността за престой в това състояние. Престой на транзакта-наблюдател докато не се промени състоянието на системата. Освобождавасеприбор, който отчита времето за престой на системата в даденото състояние. Транзакта-наблюдател се връща да чака нова промяна в състоянието на системата. Транзакта клонинг напуска системата. Сегмент Вероятности на състоянията Входни данни на модела Функции XPDI експоненциално разпределение Променливи Var VARIABLE p+ променлива, която определя номера на прибора, който моделира определянето на вероятността на съответното състояние на системата; IVhod VARIABLE 2000 среден интервал между заявките влизащи в системата; TObsl VARIABLE 500 средно време за обслужване на една заявка; RErlI VARIABLE 3 ниво на ерланговия закон на входящия поток вслучая3-то ниво; RErlO VARIABLE 3 - ниво на ерланговия закон на времето за обслужване вслучая 3-то ниво; IVhodE FVARIABLE v$ivhod/v$rerli - определяне на средния интервал между заявките в съставния прибор, моделиращ входящия поток; TObslE FVARIABLE v$tobsl/v$rerlo определяне на средния интервал между заявките в съставния прибор, моделиращ времето за Съхраняеми величини Timer - моделно време в секунди; um - определя текущото състояние на системата. Прибори - изследвана транспортна система, вслучаяедноканалнасмо;, 2,.., n прибори с поредни номера, които моделират съответните състояния на системата. Относителната заетост на всеки прибори отговаря на вероятността на състоянието на съответното състояние на системата. Опашки Q опашка пред прибора Таблици Obsl TABLE Mp3,00,200,2 таблица за изследване на времето за обслужване Prest TABLE Mp4,00,250,2 таблица за изследване на времето за престой в системата. Сегмент Таймер GENERATE X$TIM TERMINATE Генерира се заявка - таймер Край на моделното време. Фиг.3 Сегмент на GP за определяне на състоянията на изследваната система РЕЗУЛТАТИ ОТ МОДЕЛИРАНЕ НА СИСТЕМАТА В резултат от моделирането са представени резултати за получените вероятности на състоянията на различни системи, като са използвани ерлангови закони на разпределение на интервалите на входящия поток на заявките и времето на Резултатите от моделирането са представени в табл. и на фиг.4. Таблица Състояние M/M/ Er/Er3/ Er/Er6/ Er/Er9/ Er/Er2/ Er3/Er3/ Er6/Er6/ Er9/Er9/ Er2/Er2/ 0 0, , , , , , , , , , ,2359 0, , , , , , , , ,7247 0, , ,8457 0, , ,3688 0, , , ,93 0, ,6733 0, , , , , , , , ,0723 0, ,0028 0, , , , , , , , , , , , , ,0267 0, , , , , , , , , , , ,043 0, , , , , , , , , , , , , , , , , ,008 0, , ,0005 0,00258 I-27

5 3 0, , , , , , , , , , , , , , , , , , Отн.заетост на прибора 0, , , , , , , , , Коефициенти на вариация на законите за разпределение M Експоненциален, Er3 Ерлангов 3-ти порядък 0, Er6 Ерлангов 6-ти порядък 0, Er9 Ерлангов 9-ти порядък 0, Er2 Ерлангов 2-ти порядък 0, Вероятност на състоянието на системата 0, , , , , , ,00000 Вероятноси на състоянията при различни видове СМО 0, Състояние на системата Система M/M/ Система Er/Er3/ Система Er/Er6/ Система Er/Er9/ Система Er/Er2/ Система Er3/Er3/ Система Er6/Er6/ Система Er9/Er9/ Система Er2/Er2/ ИЗВОДИ Фиг.4 Вероятности на състоянията на различни СМО получени след моделиране Резултатите от моделирането са напълно адекватни и могат да се използват за практическо приложение свързано с оценката на различни технологии на работа на транспортните системи или на техни елементи, с оразмеряването им или свързани с оценката на инвестиции с цел подобряване на параметрите на тяхната работа. От резултатите се вижда, че изследваните СМО имат краен брой вероятности на състоянията, които имат смисъл за практическо използване при моделиране на транспортните системи, т.е. имат стойности над 0,00. Колкото по-нисък е коефициентът на вариация на интервалите на входящия поток или на времето на I-28

6 обслужване или и на двете, то толкова по-малко е броя на вероятностите на състоянията, които са по-големи от 0,00. При СМО M/M/ броя на вероятностите на състоянията по-големи от 0,00 са 22, при СМО 22Еr2/Еr2/ те са само 4. Предлаганият модел може да се използва успешно за изследване и анализиране на транспортни системи като се прилага дискретно-събитийния подход. ЛИТЕРАТУРА: [] Качаунов Т. Тр., Моделиране и надеждност на превозния процес, София, ВТУ Тодор Каблешков, 997. [2] [3] Шрайбер Т. Дж., Моделирование на GP, М., Машиностроение, 980. [4] Качаунов Т. Тр., Карагьозов К. Ст., Купенов Д. П., Размов Т. Р., Имитационно моделиране на транспортните процеси, София, ВВТУ Тодор Каблешков, 998. [5] Клейнрок Л., Теория массового обслуживания, М., Машиностроение, 979. I-29

7 ANALYI OF THE TRANPORT YTEM THROUGH DICRETE- EVENT MODELING Todor Razmov Todor Kableshkov University of Transport, 58 Geo Milev treet, ofia, BULGARIA Key words: queuing systems, simulation modeling, discreet-event modeling, transport systems Abstract: The article examines the approach for representing the transport systems and their components as queuing systems as well as the simulation of their performance through discreet-event modeling. For the application of the latter type of modeling the specialized programming language can GP (General Purpose imulation ystem) can be used. The report presents a specially developed segment of GP aimed at obtaining the probabilities of the conditions of one channel and multi-channel queuing systems. This will contribute to the adequate examination of the transport systems, which can be represented as queuing systems with random rules for interval distribution of the incoming flow and the attendance time, with specific disciplines of attendance and with lack of final analytical dependencies for determination of the operational characteristics. I-30