9.4. Оценка точности результатов моделирования
Оценка точности результатов моделирования связана cпостроением доверительных интервалов для выходных переменных (откликов) модели. Количество реализаций (прогонов модели) и время прогона для каждой реализации модели определяют точность результатов. Если модель детерминированная, то для получения точных результатов моделирования достаточно одного прогона. В общем случае данные одного прогона модели представляют единичную выборку или временной ряд.Временной ряд – это конечная реализация случайного процесса, т.е. в результате каждого прогона модели образуются временные ряды для каждого значения отклика модели исследуемых стохастических процессов. Для стохастических моделей рассматривают два режима работы: переходный и стационарный. Стационарный режим определяется стационарным процессом на выходе модели.
Если модель работает в переходном режиме, то необходимое количество прогонов модели можно рассчитать по тем же формулам, что и для метода статистических испытаний. Количество прогонов модели определяется в соответствии cформулами (3.23) и (3.26). Необходимую точность ε можно задать равной ± 5% от среднего значения величины, для которой строится доверительный интервал приα = 0,96. Если модель реализована на языкеGPSS, то необходимо после последнего прогона выполнить процедуруANOVA.
Если число прогонов небольшое (менее тридцати), то при построении доверительного интервала используют распределение Стьюдента (t-распределение). При большем числе прогонов можно использовагь функцию нормального распределения.
Если критерием оценки является стоимостная характеристика (доход, прибыль, затраты и т. п.), которая определяется для стационарного режима работы модели, то длина прогона может быть определена по результатам наблюдения за изменением величины, равной отношению оцениваемого показателя за весь период моделирования к продолжительности моделирования (например, затраты за единицу времени). Для этого в окне PLOT строят график изменения этой величины. Длина прогона должна соответствовать стационарному режиму функционирования модели (рис. 9.2). Статистические данные переходного периода работы модели не должны учитываться. Для этого используют командуRESET (см. параграф 4.27).
Рис. 9.2
Стационарность процесса cвыхода модели можно также проверить, наблюдая за егоавтоковариационной функцией. Если она имеет тенденцию к затуханию, то это свидетельствует в большинстве случаев о том, что в первом приближении процесс стационарный. Поскольку автоковариационная функция случайного процесса неизвестна, то ее можно только оценить. Учитывая то, что полученные из имитационной модели временные ряды достаточно длинные, оценивают автоковариационную функциюcovh noформуле [12]
где N — количество точек во временном ряду;h – сдвиг по ряду;Xi – i-значение измеряемой переменной (i-я точка).
Особое значение при имитационном моделировании имеют стационарные эргодические процессы, свойства которых могут быть оценены по результатам одного временного ряда.
Последовательность выборочных средних значений будетэргодической, если дисперсия величиныстремится к нулю при неограниченном увеличенииs:
Таким образом, выборочное среднее асимптотически стремится к математическому ожиданию, если дисперсия выборочного среднего стремится к нулю. В этом случае установившийся стационарный режим работы модели не будет зависеть от начальных условий моделирования.
Чтобы проверить на практике, является процесс эргодическим или нет, необходимо резко изменить начальные условия моделирования. Если модель сначала запускалась при условиях, что очереди были пустые, а устройства свободные, то второй прогон модели следует провести при наличии транзактов в очередях и устройствах. Если на выходе модели будут получены близкие результаты, то это обычно свидетельствует об эргодичности процесса.
В системе GPSSизменять условие моделирования можно, задав несколько блоковGENERATE и TRANSFER:
Здесь метка LABEL указывает на вход устройства, а N – на количество транзактов, которые посылаются в это устройство. Таким образом, в начальный момент в модели будут находиться ужеNтранзактов.
Для стационарных режимов работы системы, модель которой регенерирует (повторяется в вероятностном смысле), используют метод построения доверительных интервалов [15]. Пример 9.1 построения доверительного интервала для регенерирующих процессов приведен для CMOcодним устройством обслуживания в программеRegenerative method.
В языке GPSSстатистика о работе модели собирается автоматически или по желанию пользователя и выводится в файл результатов. Однако при этом не гарантируется надежность полученных оценок. Этим вопросом должен заниматься сам пользователь.
Для имитационных стохастических моделей, которые работают в переходном режиме, необходимо выполнить несколько прогонов модели, каждый из которых должен отличаться своей последовательностью псевдослучайных чисел. Для этого используется последовательность команд, аналогичная такой:
Команда RMULT разрешает устанавливать начальные значения множителей для генераторов случайных чисел. КомандаCLEAR осуществляет сброс собранной статистики в предыдущем прогоне модели и удаляет транзакты из модели, но не устанавливает множители генераторов случайных чисел в начальные значения.
При моделировании стохастических систем, работающих в стационарном режиме, может быть использован регенерирующий анализ, если эти системы регенерируют. Для CMOмоменты регенерации определяются номерами тех требований, которые будут, например, заставать устройство обслуживания свободным. Класс регенерирующих систем довольно большой. К нему относятся стохастические сетиCMO, система управления запасами и прочие системы. Поэтому приведем алгоритм построения 100(l-δ)% доверительного интервалаcиспользованием этого метода [15].
1. Провести n циклов регенерации.
2. Вычислить Yj иαjдля любогоj-гoцикла, гдеYj – сумма исходных значений переменной, полученной от имитационной модели наj-м цикле регенерации, иαj– длинаj-гoцикла (количество транзактов, которые попали вj-й цикл).
3. Вычислить выборочные статистики
где – среднее значение переменной, которая оценивается в имитационной модели;s11, s22, s12 – соответственно выборочные дисперсии значенийYj и αjи выборочный второй смешанный момент значений(Yj, αj).
4. Сформировать доверительный интервал
где ;Ф – функция стандартизированного нормального распределения. Значениеz*δ = 1,645 для δ = 0,9;z*δ= 1,96 для δ = 0,95.
Если начало первого цикла не совпадает cначалом моделирования, то данные, предшествующие первому циклу, необходимо отбросить.
Пример 9.1 [18]
Покажем, как можно использовать данный алгоритм в GPSS-программе. Ниже приводитсяGPSS-программа для моделированияCMOвидаM/M/1, для которой оценивается значение времени пребывания требования в системе и строится доверительный интервалc90-процентным уровнем доверия.
Программа:
Так как моделируется CMOвидаM/M/1, то согласно формуле (1.7) приC=1 теоретическое среднее время пребывания вCMOT= 1800, а результаты моделирования даютT= 1833,053±440,258 для 90% доверительной вероятности (MEIN±DELTA). Теоретический коэффициент загрузки равен 0,9, а по результатам моделирования 0,901. Как видно, полученные результаты близкие к теоретическим.
Приведенная программа может быть использована для лвзбой регенерирующей модели. Для этого между метками INPиOUTнужно вставить программу регенерирующей модели. Проверка циклов регенерации осуществляется по количеству транзактов, которые находятся между этими метками. Цикл регенерации начинается, если в модели между указанными метками нет ни одного транзакта.
При моделировании систем управления запасами цикл начинается, когда достигается минимальная величина запаса, поэтому для таких моделей необходимо изменить условие проверки начала цикла регенерации.
- Предисловие
- Введение
- Глава 1. Модели массового обслуживания
- 1.1. Системы массового обслуживания и их характеристики
- 1.2. Системыcодним устройством обслуживания
- 1.3. Основы дискретно-событийного моделированияCmo
- 1.4. Многоканальные системы массового обслуживания
- Переменная vаr1, экспоненциальное распределение
- Глава 2. Вероятностные сети систем массового обслуживания
- 2.1. Общие сведения о сетях
- 2.2. Операционный анализ вероятностных сетей
- 2.3. Операционные зависимости
- 2.4. Анализ узких мест в сети
- Глава 3. Вероятностное моделирование
- 3.1. Метод статистических испытаний
- 3.2. Моделирование дискретных случайных величин
- 3.3. Моделирование непрерывных случайных величин
- 3.4. Сбор статистических данных для получения оценок характеристик случайных величин
- 3.5. Определение количества реализаций при моделировании случайных величин
- Глава 4. Система моделированияgpss
- 4.1. Объекты
- 4.2. Часы модельного времени
- 4.3. Типы операторов
- 4.4. Внесение транзактов в модель. БлокGenerate
- 4.5. Удаление транзактов из модели. БлокTerminate
- 4.6. Элементы, отображающие одноканальные обслуживающие устройства
- 4.7. Реализация задержки во времени. БлокAdvance
- 4.8. Сбор статистики об ожидании. БлокиQueue,depart
- 4.9. Переход транзакта в блок, отличный от последующего. БлокTransfer
- 4.10. Моделирование многоканальных устройств
- 4.11. Примеры построенияGpss-моделей
- 4.12. Переменные
- 4.13. Определение функции вGpss
- 4.14. Стандартные числовые атрибуты, параметры транзактов. Блоки assign, mark, loop
- Примеры фрагментов gpss-моделейcиспользованием сча и параметров гранзактов
- 4.15. Изменение приоритета транзактов. БлокPriority
- 4.16. Организация обслуживанияcпрерыванием. Блоки preempt и return
- 4.17. Сохраняемые величины
- 4.18. Проверка числовых выражений. БлокTest
- 4.19. Определение и использование таблиц
- 4.20. Косвенная адресация
- 4.21. Обработка транзактов, принадлежащих одному семейству
- 4.22. Управление процессом моделирования в системеGpss
- 4.23. Списки пользователей
- 4.24. Блоки управления потоками транзактовLogic,gatelr,gatelSиGate
- 4.25. Организация вывода временных рядов изGpss-модели
- 4.26. Краткая характеристика языкаPlus
- 4.27. КомандыGpssWorId
- 4.28. Диалоговые возможностиGpssWorld
- 4.29. Отличия междуGpssWorldиGpss/pc
- Глава 5. Моделирование вычислительных и операционных систем
- 5.1. Операционные системы компьютеров
- 5.2. Сети и системы передачи данных
- 5.3. Проблемы моделирования компьютеров и сетей
- Глава 6. Основы моделирования процессов
- 6.1. Производственные процессы
- 6.2. Распределительные процессы
- 6.3. Процессы обслуживания клиентов
- 6.4. Процессы управления разработками проектов
- Глава 7. Задания для самостоятельной работы Задание 1. Моделирование разливной линии
- Задание 2 [10]. Моделирование контроля и настройки телевизоров
- Задание 3. Моделирование работы кафе
- Задание 4. Моделирование работы обрабатывающего цеха
- Задание 5. Моделирование работы обрабатывающего цеха
- Задание 6. Моделирование работы обрабатывающего цеха
- Задание 7. Моделирование работыCmo
- Задание 8. Моделирование функций
- Задание 9 [10]. Моделирование системы обслуживания
- Задание 10 [16]. Моделирование системы автоматизации проектирования
- Задание 11 [16]. Моделирование работы транспортного цеха
- Задание 12 [16]. Моделирование системы передачи разговора
- Задание 13 [16]. Моделирование системы передачи данных
- Задание 14 [16]. Моделирование узла коммутации сообщений
- Задание 15 [16]. Моделирование процесса сборки
- Задание 16 [16]. Моделирование работы цеха
- Задание 17 [16]. Моделирование системы управления производством
- Задание 18. Моделирование производственного процесса
- Задание 19. Моделирование работы заправочной станции
- Задание 20. Моделированиеработы станции технического обслуживания
- Задание 21. Моделирование работы станции скорой помощи
- Задание 22. Моделирование работы госпиталя
- Задание 23. Моделирование работы маршрутных такси
- Задание 24. Моделирование работы печатной системы
- Задание 25. Моделирование процесса сборки пк
- Глава8. Проектирование имитационных моделей c помощью интерактивной системы имитационного моделирования
- 8.1. Структура интерактивной системы имитационного моделирования
- 8.2. Построение концептуальной схемы модели
- 8.3. Параметрическая настройка модели
- 8.4. Генератор формул
- 8.5. Управление экспериментом
- 8.6. Запуск эксперимента и обработка результатов моделирования
- 8.7. Управление проектами и общей настройкой системы
- 8.8. Пример построения модели средствамиIss2000
- Глава 9. Технология имитационного моделирования
- 9.1. Имитационные проекты
- 9.2. Организация экспериментов
- 9.3. Проблемы организации имитационных экспериментов
- 9.4. Оценка точности результатов моделирования
- 9.5. Факторный план
- 9.6. Дисперсионный анализAnovAв планировании экспериментов
- 9.7. Библиотечная процедураAnova
- 9.8. Технология проведение дисперсионного анализа в системеGpssWorld
- 9.9. Особенности планирования экспериментов
- 9.10. Нахождение экстремальных значений на поверхности отклика
- 9.11. Организация экспериментов вGpssWorId
- 9.L2. Выбор наилучшего варианта структуры системы
- Глава 10. Примеры принятия решенийcпомощью имитационного моделирования
- 10.1. Моделирование производственного участка
- 10.2. Моделирование технологического процесса ремонта и замены оборудования
- Приложение Системные сча
- Сча транзактов
- Сча блоков:
- Сча одноканальных устройств:
- Сча очередей
- Сча таблиц
- Сча ячеек и матриц ячеек сохраняемых величин:
- Сча вычислительных объектов
- Список литературы
- Срдержание
- Глава 5. Моделирование вычислительных и операционных систем 132
- Глава 10. Примеры принятия решений c помощью имитационного моделирования 201