обробки вступників завдань має великий потенціал і можна збільшити їх інтенсивність і частоту в кілька разів, і в цілому система може працювати і при більшому навантаженні.
7. Аналіз та оцінка результатів моделювання
7.1 Оптимізація функціонування системи
Оптимізуємо існуючу систему. Як параметр для оптимізації виберемо - середній час перебування деталей у накопичувачі
Рівні факторів будуть змінюватися згідно з даними, наведеними в таблиці 4.
У табл. 5 наведена матриця планування для проведення повного факторного експерименту. Повний факторій експеримент дає можливість визначити коефіцієнти регресії, що відповідають не тільки лінійним ефектам, але і всім ефектам взаємодій. При проведенні експерименту використовують або вихідні значення чинників, або стандартизовані значення (для зручності). Для переходу до стандартизованим значенням застосовують перетворення:
Таблиця 4
Фактори (позначення) Змістовна інтерпретація факторовУровні факторовІнтервал варіювання, одиниці виміру - 10 + 1 Середній час виконання завдань верстатом перший тіпа20304010 Середній час виконання завдань верстатом другий тіпа2025305 Середній час виконання завдань верстатом третій тіпа2530355
Таблиця 5
№x1x2x3x1*x2x1*x3x2*x3x1*x2*х3y12020254005005001000039,702220203540070070014006025.02232030256005007501500045.04042030356007001050210005957.603540202580010005002000047.87764020358001400700280005963.8507403025120010007503000052.0758403035120014001050420006193.367
Малюнок 5. Діаграма розсіювання для лінійної моделі (Y (X1)
Малюнок 6. Діаграма розсіювання для лінійної моделі (Y (X2)
Малюнок 7. Діаграма розсіювання для лінійної моделі (Y (X3)
Малюнок 8. Діаграма розсіювання для лінійної моделі (Y (X12)
Малюнок 9. Діаграма розсіювання для лінійної моделі (Y (X13)
Малюнок 10. Діаграма розсіювання для лінійної моделі (Y (X23)
Малюнок 11. Діаграма розсіювання для лінійної моделі (Y (Х123)
Малюнок 12. Вибіркова кореляційна матриця
Малюнок 13. Множинна регресія від х3, x1 * x3, x2 * x3
Параметрична ідентифікація структурної моделі залежності на основі методу найменших квадратів (МНК) засобами Statistica.
Оскільки p-значення вільного члена і х3 менше рівня значущості?=0,05, отже, коефіцієнти при цих факторах не рівні нулю і враховуються при розрахунку остаточного варіанта функціонування. Так як р- значення х13 і х23 більше рівня значущості?=0,05, то коефіцієнт при цьому факторі дорівнює нулю і статистично не враховується.
Рівняння кореляції:
L=- 14921,9 + 595,3Х3 min
25? Х3? 35
Оптимальне рішення Lmin=39,4
Оптимальні характеристики, розраховані аналітично, збігаються з оптимальними характеристиками, отриманими імітаційним методом.
Результат роботи програми в оптимальних умовах
) Характеристика «Середній час перебування заявки в системі»
Малюнок 14. Гістограма розподілу часу перебування заявки в системі
Побудувавши гістограму за результатами імітаційного експерименту з використанням програмних засобів Statistica, висуваємо гіпотезу про те, що час перебування заявки в системі розподіляється по нормальному закону. Припускаємо, що емпіричний закон узгоджується з теоретичним розподілом. Перевіримо цю гіпотезу за допомогою статистичного критерію згоди Пірсона при заданому рівні значимості?=0,05. p=0,304 gt; ?=0.05= gt; гіпотеза про згоду теоретичного та експериментального розподілу спростовується при рівні значущості 0,05.
2) Характеристика «Середній час обробки запиту верстатом третього типу»
Малюнок 15. Гістограма розподілу часу обробки заявки верстатом третій типу
Ставиться гіпотеза експоненціальному законі розподілу. Перевіримо цю гіпотезу за допомогою статистичного критерію згоди Пірсона при заданому рівні значимості?=0,05.=0,14577 gt; ?=0.05= gt; гіпотеза про згоду теоретичного та експериментального розподілу спростовується при рівні значущості 0,05.
Висновки
У результаті проведеної роботи було досліджено поведінку система масового обслуговування, що працює в реальному часі. Провівши аналіз вихідних даних, були...
