Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
на тему «Решение задачи имитационного моделирования с
использованием GPSS World»
СОДЕРЖАНИЕ
[0.1] БАЗОВАЯ МОДЕЛЬ И РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ [0.2] МОДИФИЦИРОВАННАЯ МОДЕЛЬ И РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ |
ВВЕДЕНИЕ: ПРОБЛЕМАТИКА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
Для современного этапа развития экономики характерно динамичное, ускоренное изменение социально-экономических условий. В связи с этим особую роль приобретает способность органов управления (государственных, региональных, корпоративных) своевременно принимать соответствующие эффективные меры. Обеспечить информационную поддержку их выработки и обоснования призваны системы поддержки принятия решения. Среди разнообразных инструментов, входящих в состав последних, важное место занимает имитационное моделирование как основа многовариантного прогнозирования и анализа систем высокой степени сложности.
Сущность метода имитационного моделирования в математическом описании динамических процессов, воспроизводящего функционирование изучаемой системы.
Данный метод позволяет анализировать сложные динамические системы (предприятия, банки, отрасли экономики, регионы и т.д.). Его применение предполагает два этапа построение комплекса динамических имитационных моделей и выполнение аналитических и прогнозных расчетов.
Важное место здесь занимает сценарный подход, позволяющий проводить многовариантный ситуационный анализ моделируемой системы. Сценарий является некоторой оценкой возможного развития.
Каждый сценарий связывает изменение внешних условий с результирующими переменными.
Применение имитационного моделирования и сценарного подхода позволяет строить эффективные СППР, предназначенные для решения следующего круга задач в различных отраслях и для различных объектов (регионов, корпораций, макроэкономических систем):
Наиболее результативно имитационное моделирование в СППР, поддерживающих концепции хранилищ данных и оперативного многомерного анализа данных.
Для реализации таких СППР целесообразно использование следующей схемы разработки:
Имитационное моделирование основано на воспроизведении с помощью ЭВМ развернутого во времени процесса функционирования системы с учетом взаимодействия с внешней средой. Основой всякой имитационной модели (ИМ) является:
Условно имитационную модель можно представить в виде действующих, программно (или аппаратно) реализованных блоков.
Целью имитационного моделирования является конструирование ИМ объекта и проведение ИЭ над ней для изучения закона функционирования и поведения с учетом заданных ограничений и целевых функций в условиях имитации и взаимодействия с внешней средой.
К достоинствам метода имитационного моделирования могут быть отнесены:
проведение ИЭ над ММ системы, для которой натурный эксперимент не осуществим по этическим соображениям или эксперимент связан с опасностью для жизни, или он дорог, или из-за того, что эксперимент нельзя провести с прошлым;
решение задач, аналитические методы для которых неприменимы, например, в случае непрерывно- дискретных факторов, случайных воздействий, нелинейных характеристик элементов системы и т.п.;
возможность анализа общесистемных ситуаций и принятия решения с помощью ЭВМ, в том числе для таких сложных систем, выбор критерия сравнения стратегий поведения которых на уровне проектирования не осуществим;
сокращение сроков и поиск проектных решений, которые являются оптимальными по некоторым критериям оценка эффективности;
проведение анализа вариантов структуры больших систем, различных алгоритмов управления изучения влияния изменений параметров системы на ее характеристики и т.д.
Основными методами имитационного моделирования являются: аналитический метод, метод статического моделирования и комбинированный метод (аналитико-статистический) метод.
Аналитический метод применяется для имитации процессов в основном для малых и простых систем, где отсутствует фактор случайности. Например, когда процесс их функционирования описан дифференциальными или интегро-дифференциальными уравнениями. Метод назван условно, так как он объединяет возможности имитации процесса, модель которого получена в виде аналитически замкнутого решения, или решения полученного методами вычислительной математики.
Метод статистического моделирования первоначально развивался как метод статистических испытаний (Монте-Карло). Это численный метод, состоящий в получении оценок вероятностных характеристик, совпадающих с решением аналитических задач (например, с решением уравнений и вычислением определенного интеграла). В последствии этот метод стал применяться для имитации процессов, происходящих в системах, внутри которых есть источник случайности или которые подвержены случайным воздействиям. Он получил название метода статистического моделирования. В параграфах 2-5 данного раздела излагается суть этого метода.
Комбинированный метод (аналитико-статистический) позволяет объединить достоинства аналитического и статистического методов моделирования. Он применяется в случае разработки модели, состоящей из различных модулей, представляющих набор как статистических так и аналитических моделей, которые взаимодействуют как единое целое. Причем в набор модулей могут входить не только модули соответствующие динамическим моделям, но и модули соответствующие статическим математическим моделям.
На сегодняшний день на рынке существует множество пакетов компьютерных программ предназначенных для компьютерного моделирования систем. В связи с этим перед человеком, предполагающим использовать компьютерное моделирование в качестве инструмента исследования, неминуемо встаёт проблема выбора. AnyLogic, Arena, AutoMod, Dymola, Extend, eM-Plant, EASY5, Gpss/H-Prof, iThink, Matlab, Modelica, ModelVision, MBTY, ProModel, PowerSim, Quest, Stella, Simfactory, Simplle++, Taylor, Vensim, VisSim, Witness, Automod, Extend, Mast, Deneb, Proquest - вот далеко не полный список продуктов, каждый из которых претендует на лидерство.
1 СИСТЕМНОЕ ОПИСАНИЕ ОБЪЕКТА МОДЕЛИРОВАНИЯ И ПОСТАНОВКА ЗАДАЧИ
На обрабатывающий участок цеха поступают детали. Интервал между моментами поступления деталей составляет в среднем 10 мин (экспоненциальная случайная величина). Через каждые два часа поступление деталей прерывается ровно на 15 мин; обработка деталей, уже поступивших на участок, в это время не прекращается.
Первая операция по обработке деталей выполняется на одном из двух станков: СТ1 или СТ2. Время обработки деталей гауссовская случайная величина. Обработка детали на станке СТ1 занимает в среднем 4 мин, на СТ2 6 мин (среднеквадратическое отклонение 1 мин). На станке СТ1 брак допускается при обработке 4% деталей, на СТ2 при обработке 8%. Все детали, при обработке которых допущен брак, возвращаются для устранения брака на станок СТ1. Операция по устранению брака занимает от 3 до 5 мин; брак удается устранить в 95% случаев.
Вторая операция по обработке деталей выполняется на станке СТ3 или СТ4 (станки однотипные); станок СТ4 подключается только в случаях, когда в накопителе перед станком СТ3 оказывается более трех деталей. Длительность второй операции гауссовская случайная величина; в среднем операция занимает 10 мин (среднеквадратическое отклонение 1 мин).
Затраты, связанные с одной минутой работы станков, следующие: СТ1 50 центов, СТ2 40 центов, СТ3 и СТ4 60 центов. Затраты, связанные с одной минутой простоя каждого из станков, составляют 30 центов. Материал для изготовления одной детали стоит 8 долл. Детали продаются по цене 25 долл.
Разработать имитационную программу для анализа процесса работы участка за 8 часов.
Схема данной модели показана на рисунке 1.1.
Рисунок 1.1 Схема обрабатывающего участка цеха
2 ПОСТРОЕНИЕ БАЗОВОЙ ИМИТАЦИОННОЙ МОДЕЛИ
На обрабатывающий участок цеха поступают детали. Интервал между моментами поступления деталей составляет в среднем 10 мин. (экспоненциальная случайная величина). Первая операция по обработке деталей выполняется на одном из двух станков: СТ1 или СТ2. Следующая функция имитирует поступление деталей на станки СТ1 и СТ2.
NSTANOK FUNCTION RN1,D2
0.5,1/1,2
ASSIGN 1,FN$NSTANOK
Первому параметру транзакта присваивается значение функции FN$NSTANOK для отправки детали на первый либо на второй станок.
Для имитации рабочего времени (т.е. восьмичасовых интервалов, когда детали поступают на обработку) используется логический переключатель RABOTA. Пусть рабочее время имитируется установленным состоянием этого переключателя, а нерабочее сброшенным состоянием. Состояние переключателя проверяется в операторе GATE LS RABOTA,NERAB.
Если переключатель установлен, то транзакт пропускается дальше; таким образом имитируется поступление детали в станок. Если переключатель сброшен, то транзакт передается на метку NERAB.
Для распределения деталей между первым и вторым станками в зависимости от значения первого параметра используются операторы
TEST E P1,1,STAN2
TRANSFER ,STAN1
Если значение первого параметра транзакта равно 1, то он отправляется на первый станок, если 2 на второй.
BRAK ASSIGN 2,1
Данная команда присваивает второму параметру транзакта значение 1. Такие изделия будут считаться бракованными.
STAN1 QUEUE OCHST1
SEIZE STA1
DEPART OCHST1
TEST E P2,0,BRAKREP
ADVANCE (NORMAL(2,4,1))
TRANSFER ,LEAVEST1
BRAKREP ADVANCE 4,1
TRANSFER 050,,COUNT_BRAK
LEAVEST1 RELEASE STA1
TEST E P2,0,STAN3
TRANSFER 040,STAN3,BRAK ;
Данная последовательность команд имитирует работу станка СТ1. Обработка детали на данном станке занимает в среднем 4 минуты(среднеквадратическое отклонение 1 мин). На станке СТ1 брак допускается при обработке 4% деталей. Все детали, при обработке которых допущен брак, возвращаются для устранения брака на станок СТ1. Операция по устранению брака занимает от 3 до 5 мин; брак удается устранить в 95% случаев.
Обработка деталей на станке СТ2:
STAN2 QUEUE OCHST2
SEIZE STA2
DEPART OCHST2
ADVANCE (NORMAL(3,6,1))
RELEASE STA2
TRANSFER 080,,BRAK
Следующая группа команд отвечает за обработку деталей на станке СТ3. В первой строке оператором Test проверяется длина очереди перед СТ3, и если она превышает 3, то деталь отправляется на станок СТ4.
STAN3 TEST L Q$OCHST3,3,STAN4
QUEUE OCHST3
SEIZE STA3
DEPART OCHST3
ADVANCE (NORMAL(4,10,1))
RELEASE STA3
TRANSFER ,COUNT_TOTAL
Реализация работы станка СТ4:
STAN4 QUEUE OCHST4
SEIZE STA4
DEPART OCHST4
ADVANCE (NORMAL(4,10,1))
RELEASE STA4
TRANSFER ,COUNT_TOTAL
Подсчет бракованных и готовых изделий и завершение моделирования:
COUNT_BRAK SAVEVALUE TOTAL_BRAK+,1
TRANSFER ,NERAB
COUNT_TOTAL SAVEVALUE TOTAL_COUNT+,1
NERAB TERMINATE
Данный блок отвечает за прерывание работы всей модели на 15 минут каждые 2 часа. Оператор GENERATE 480 имитирует поступление транзакта по истечении 8 часов. Через 8 часов имитации происходит переход транзакта на оператор TERMINATE 1, т.е. удаляется из модели, при этом из счетчика завершений вычитается 1. Т.к. при запуске модели счетчик завершений был задан равным 1 (запуск модели осуществлялся командой START 1), он становится равным нулю. Также в этом блоке производится подсчет затрат и прибыли предприятия.
GENERATE ,,,1
NACHALO LOGIC S RABOTA
ADVANCE 120
LOGIC R RABOTA
ADVANCE 15
TRANSFER ,NACHALO
GENERATE 480
SAVEVALUE ZATRAT+,(FR$STA1#480#0.5/999)
SAVEVALUE ZATRAT+,(FR$STA2#480#0.4/999)
SAVEVALUE ZATRAT+,(FR$STA3#480#0.6/999)
SAVEVALUE ZATRAT+,(FR$STA4#480#0.6/999)
SAVEVALUE ZATRAT+,((999-FR$STA1)#480#0.3/999)
SAVEVALUE ZATRAT+,((999-FR$STA2)#480#0.3/999)
SAVEVALUE ZATRAT+,((999-FR$STA3)#480#0.3/999)
SAVEVALUE ZATRAT+,((999-FR$STA4)#480#0.3/999)
SAVEVALUE ZATRAT+,(X$TOTAL_COUNT#8)
SAVEVALUE ZATRAT+,(X$TOTAL_BRAK#8)
SAVEVALUE PRIB,(X$TOTAL_COUNT#25-X$ZATRAT)
TERMINATE 1
START 1
3 АНАЛИЗ РЕЗУЛЬТАТОВ БАЗОВОЙ ИМИТАЦИОННОЙ МОДЕЛИ
Базовая модель и результаты имитации находятся в приложении А. Основные результаты имитации приведены в таблицах 3.1-3.3
Таблица 3.1
СТ1 |
СТ2 |
СТ3 |
СТ4 |
|
Количество обработанных деталей |
24 |
29 |
44 |
7 |
Коэффициент загрузки устройства,% |
19,4 |
35,7 |
91,8 |
14,4 |
Таблица 3.2
Очередь к СТ1 |
Очередь к СТ2 |
Очередь к СТ3 |
Очередь к СТ4 |
|
Максимальная длина очереди |
2 |
2 |
3 |
3 |
Среднее время пребывания деталей в очереди, мин |
0,8 |
1,5 |
12,3 |
8,9 |
В результате восьмичасовой работы участка было выпущено 50 деталей и получена прибыль в размере 85,1 долл.
По результатам анализа выходных данных модели можно указать на следующие недостатки обрабатывающего участка цеха.
невысокая загрузка станков СТ1,СТ2 и СТ4 (тогда как оптимальный коэффициент загрузки находится в пределах 75-85%);
высокая загрузка станка СТ3 (91,8%);
невысокая прибыль.
4 ПОСТРОЕНИЕ МОДИФИЦИРОВАННОЙ ИМИТАЦИОННОЙ МОДЕЛИ
Устраним недостатки, описанные в базовой модели. В процессе модификации проводились опыты по изменению дисциплины обслуживания, которая отвечает за распределения деталей между станками СТ3 и СТ4 и изменению длины очереди перед первым станком. Также проводились опыты по сокращению интервалов времени простоя цеха. Однако наилучшие результаты достигнуты при исключении из модели станка СТ4.
В модифицированной модели уберем с участка станок СТ4. Такой способ позволит снизить затраты, получаемые при работе станка СТ4.
5 АНАЛИЗ РЕЗУЛЬТАТОВ МОДИФИЦИРОВАННОЙ ИМИТАЦИОННОЙ МОДЕЛИ
Основные результаты, полученные на модифицированной имитационной модели, приведены в приложении Б.
Основные характеристики исследованных вариантов системы передачи данных приведены в таблице 5.1.
Таблица 5.1
Характеристика модели |
Базовая модель |
Модифицированная модель |
Коэффициент загрузки СТ1,% |
19,4 |
22,2 |
Коэффициент загрузки СТ2,% |
35,7 |
35,3 |
Коэффициент загрузки СТ3,% |
91,8 |
94,3 |
Коэффициент загрузки СТ4,% |
14,4 |
|
Количество выпущенных деталей |
50 |
45 |
Прибыль, долл. |
85,1 |
158,8 |
Таким образом, изменения улучшили большинство показателей обрабатывающего участка цеха. Основные результаты, достигаемые за счет предлагаемых изменений, следующие:
коэффициенты загрузки СТ1 и СТ2 увеличились до 22,2% и 35,3% соответственно;
коэффициент загрузки СТ3 повысилась до 94,3;
прибыль возросла до 158,8 долл.
6 ПРОВЕРКА АДЕКВАТНОСТИ ИМИТАЦИОННОЙ МОДЕЛИ
Модель признается адекватной, если выполняются следующие условия:
Непротиворечивость: результаты моделирования не должны противоречить логике. В данных моделях это условие выполняется: количество поступивших запросов соответствует количеству обработанных, находящиеся в очереди и обрабатываемых; средние времена обработки запросов соответствуют указанным в постановке задачи.
Чувствительность: выходные данные модели изменяются при внесении изменений. При переходе к модифицированной модели изменяются коэффициенты загрузки станков, длины очередей и число обработанных деталей.
Точность: выходные данные модели находятся в пределах допустимых значений. Характеристики базовой модели, полученные по результатам имитации, близки к результатам аналитического расчёта.
Реалистичность: выходные данные модели соответствуют фактическим данным. Проверка по этому критерию невозможна в отсутствии данных о работе реального объекта.
Работоспособность: модель дает полезную информацию об исследуемом объекте. Т.е. о загрузке системы, среднем времени обработки детали, среднем времени ожидания в очереди, количестве исправных и бракованных деталей.
ЗАКЛЮЧЕНИЕ
Таким образом, в результате моделирования была построена базовая модель обрабатывающего участка цеха, состоящей из четырех станков. При этом были получены следующие результаты:
а) коэффициенты загрузки станков СТ1, СТ2, СТ3, СТ4 19,4%, 35,7%, 91,8%, 14,4% соответственно;
б) количество обработанных деталей 50;
в) прибыль. 85,1 долл.
Выявленные недостатки: невысокая загрузка станков СТ1, СТ2, неравномерное распределение нагрузки между станками СТ3 и СТ4, невысокая прибыль и небольшое число обработанных деталей.
Для устранения выявленных недостатков предлагается исключить из модели станок СТ4.
После построения модифицированной модели были получены следующие результаты:
коэффициенты загрузки станков СТ1, СТ2, СТ3 22,2%, 35,3%, 94,3%, соответственно;
количество обработанных деталей 45;
прибыль. 158,8 долл.
Как следует из результатов, модифицированная модель превосходит базовую, поэтому для более стабильной работы желательно внести изменения в базовую модель для улучшения показателей.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Смородинский С.С., Батин Н.В. Оптимизация решений на основе методов и моделей. Учебно-методическое пособие. Минск: БГУИР, 2003.
2. http://www.gpss.ru/
ПРИЛОЖЕНИЕ А
(обязательное)
NSTANOK FUNCTION RN1,D2
0.5,1/1,2
GENERATE (EXPONENTIAL(1,0,10))
ASSIGN 1,FN$NSTANOK
ASSIGN 2,0
GATE LS RABOTA,NERAB
TEST E P1,1,STAN2
TRANSFER ,STAN1
BRAK ASSIGN 2,1
STAN1 QUEUE OCHST1
SEIZE STA1
DEPART OCHST1
TEST E P2,0,BRAKREP
ADVANCE (NORMAL(2,4,1))
TRANSFER ,LEAVEST1
BRAKREP ADVANCE 4,1
RELEASE STA1
TEST E P2,0,STAN3
TRANSFER 040,STAN3,BRAK
STAN2 QUEUE OCHST2
SEIZE STA2
DEPART OCHST2
ADVANCE (NORMAL(3,6,1))
RELEASE STA2
TRANSFER 080,,BRAK
STAN3 TEST L Q$OCHST3,3,STAN4
QUEUE OCHST3
SEIZE STA3
ADVANCE (NORMAL(4,10,1))
RELEASE STA3
TRANSFER ,COUNT_TOTAL
STAN4 QUEUE OCHST4
SEIZE STA4
DEPART OCHST4
ADVANCE (NORMAL(4,10,1))
RELEASE STA4
TRANSFER ,COUNT_TOTAL
NERAB TERMINATE
GENERATE ,,,1
NACHALO LOGIC S RABOTA
ADVANCE 120
LOGIC R RABOTA
ADVANCE 15
TRANSFER ,NACHALO
GENERATE 480
TERMINATE 1
START 1
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 54 0 0
2 ASSIGN 54 0 0
3 ASSIGN 54 0 0
4 GATE 54 0 0
5 TEST 52 0 0
6 TRANSFER 24 0 0
BRAK 7 ASSIGN 1 0 0
STAN1 8 QUEUE 25 0 0
9 SEIZE 25 0 0
10 DEPART 25 0 0
11 TEST 25 0 0
12 ADVANCE 24 0 0
13 TRANSFER 24 0 0
BRAKREP 14 ADVANCE 1 0 0
15 TRANSFER 1 0 0
LEAVEST1 16 RELEASE 25 0 0
17 TEST 25 0 0
18 TRANSFER 24 0 0
STAN2 19 QUEUE 28 0 0
20 SEIZE 28 0 0
21 DEPART 28 0 0
22 ADVANCE 28 0 0
23 RELEASE 28 0 0
24 TRANSFER 28 0 0
STAN3 25 TEST 52 0 0
26 QUEUE 44 1 0
27 SEIZE 43 0 0
28 DEPART 43 0 0
29 ADVANCE 43 1 0
30 RELEASE 42 0 0
31 TRANSFER 42 0 0
STAN4 32 QUEUE 8 0 0
33 SEIZE 8 0 0
34 DEPART 8 0 0
35 ADVANCE 8 0 0
36 RELEASE 8 0 0
37 TRANSFER 8 0 0
COUNT_BRAK 38 SAVEVALUE 0 0 0
39 TRANSFER 0 0 0
COUNT_TOTAL 40 SAVEVALUE 50 0 0
NERAB 41 TERMINATE 52 0 0
42 GENERATE 1 0 0
NACHALO 43 LOGIC 4 0 0
44 ADVANCE 4 1 0
45 LOGIC 3 0 0
46 ADVANCE 3 0 0
47 TRANSFER 3 0 0
48 GENERATE 1 0 0
49 SAVEVALUE 1 0 0
50 SAVEVALUE 1 0 0
51 SAVEVALUE 1 0 0
52 SAVEVALUE 1 0 0
53 SAVEVALUE 1 0 0
54 SAVEVALUE 1 0 0
55 SAVEVALUE 1 0 0
56 SAVEVALUE 1 0 0
57 SAVEVALUE 1 0 0
58 SAVEVALUE 1 0 0
59 SAVEVALUE 1 0 0
60 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
STA2 28 0.367 6.292 1 0 0 0 0 0
STA3 43 0.892 9.960 1 56 0 0 0 1
STA1 25 0.194 3.717 1 0 0 0 0 0
STA4 8 0.165 9.898 1 0 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
OCHST2 2 0 29 18 0.092 1.518 4.003 0
OCHST3 3 1 45 7 1.155 12.315 14.584 0
OCHST1 2 0 24 19 0.041 0.813 3.905 0
OCHST4 3 0 7 3 0.131 8.988 15.730 0
LOGICSWITCH VALUE RETRY
RABOTA 1 0
SAVEVALUE RETRY VALUE
TOTAL_COUNT 0 50.000
ZATRAT 0 1164.627
TOTAL_BRAK 0 0
PRIB 0 85.373
ПРИЛОЖЕНИЕ Б
(обязательное)
NSTANOK FUNCTION RN1,D2
0.5,1/1,2
GENERATE (EXPONENTIAL(1,0,10))
ASSIGN 1,FN$NSTANOK
ASSIGN 2,0
GATE LS RABOTA,NERAB
TEST E P1,1,STAN2
TRANSFER ,STAN1
BRAK ASSIGN 2,1
STAN1 QUEUE OCHST1
SEIZE STA1
DEPART OCHST1
TEST E P2,0,BRAKREP
ADVANCE (NORMAL(2,4,1))
TRANSFER ,LEAVEST1
BRAKREP ADVANCE 4,1
TRANSFER 050,,COUNT_BRAK
LEAVEST1 RELEASE STA1
TEST E P2,0,STAN3
TRANSFER 040,STAN3,BRAK
STAN2 QUEUE OCHST2
SEIZE STA2
DEPART OCHST2
ADVANCE (NORMAL(3,6,1))
RELEASE STA2
TRANSFER 080,,BRAK
STAN3 QUEUE OCHST3
SEIZE STA3
DEPART OCHST3
ADVANCE (NORMAL(4,10,1))
RELEASE STA3
TRANSFER ,COUNT_TOTAL
COUNT_BRAK SAVEVALUE TOTAL_BRAK+,1
TRANSFER ,NERAB
COUNT_TOTAL SAVEVALUE TOTAL_COUNT+,1
NERAB TERMINATE
GENERATE ,,,1
NACHALO LOGIC S RABOTA
ADVANCE 120
LOGIC R RABOTA
ADVANCE 15
TRANSFER ,NACHALO
GENERATE 480
SAVEVALUE ZATRAT+,(FR$STA1#480#0.5/999)
SAVEVALUE ZATRAT+,(FR$STA2#480#0.4/999)
SAVEVALUE ZATRAT+,(FR$STA3#480#0.6/999)
SAVEVALUE ZATRAT+,((999-FR$STA1)#480#0.3/999)
SAVEVALUE ZATRAT+,((999-FR$STA2)#480#0.3/999)
SAVEVALUE ZATRAT+,((999-FR$STA3)#480#0.3/999)
SAVEVALUE ZATRAT+,(X$TOTAL_COUNT#8)
SAVEVALUE ZATRAT+,(X$TOTAL_BRAK#8)
SAVEVALUE PRIB,(X$TOTAL_COUNT#25-X$ZATRAT)
TERMINATE 1
START 1
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 58 0 0
2 ASSIGN 58 0 0
3 ASSIGN 58 0 0
4 GATE 58 0 0
5 TEST 54 0 0
6 TRANSFER 26 0 0
BRAK 7 ASSIGN 1 0 0
STAN1 8 QUEUE 27 0 0
9 SEIZE 27 0 0
10 DEPART 27 0 0
11 TEST 27 0 0
12 ADVANCE 26 0 0
13 TRANSFER 26 0 0
BRAKREP 14 ADVANCE 1 0 0
15 TRANSFER 1 0 0
LEAVEST1 16 RELEASE 27 0 0
17 TEST 27 0 0
18 TRANSFER 26 0 0
STAN2 19 QUEUE 28 0 0
20 SEIZE 28 0 0
21 DEPART 28 0 0
22 ADVANCE 28 1 0
23 RELEASE 27 0 0
24 TRANSFER 27 0 0
STAN3 25 QUEUE 53 7 0
26 SEIZE 46 0 0
27 DEPART 46 0 0
28 ADVANCE 46 1 0
29 RELEASE 45 0 0
30 TRANSFER 45 0 0
COUNT_BRAK 31 SAVEVALUE 0 0 0
32 TRANSFER 0 0 0
COUNT_TOTAL 33 SAVEVALUE 45 0 0
NERAB 34 TERMINATE 49 0 0
35 GENERATE 1 0 0
NACHALO 36 LOGIC 4 0 0
37 ADVANCE 4 1 0
38 LOGIC 3 0 0
39 ADVANCE 3 0 0
40 TRANSFER 3 0 0
41 GENERATE 1 0 0
42 SAVEVALUE 1 0 0
43 SAVEVALUE 1 0 0
44 SAVEVALUE 1 0 0
45 SAVEVALUE 1 0 0
46 SAVEVALUE 1 0 0
47 SAVEVALUE 1 0 0
48 SAVEVALUE 1 0 0
49 SAVEVALUE 1 0 0
50 SAVEVALUE 1 0 0
51 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
STA2 28 0.353 6.046 1 60 0 0 0 0
STA3 46 0.943 9.835 1 52 0 0 0 7
STA1 27 0.222 3.950 1 0 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
OCHST2 2 0 28 17 0.099 1.692 4.307 0
OCHST3 8 7 53 5 2.738 24.801 27.385 0
OCHST1 1 0 27 20 0.030 0.530 2.045 0
LOGICSWITCH VALUE RETRY
RABOTA 1 0
SAVEVALUE RETRY VALUE
TOTAL_COUNT 0 45.000
ZATRAT 0 966.156
TOTAL_BRAK 0 0
PRIB 0 158.844