2015-08-21
390
Теоретичні основи дисперсійного аналізу наведені у розділі 9.2. Вбудовані автоматичні технологій проведення дисперсійного аналізу описуються у розділі 9.3.
Нагадаємо основні аспекти реалізації дисперсійного аналізу у GPSS World. Для цього вибираємо Edit ► Insert Experiment ► Screening… (Правка ► Вставити експеримент ► Відсіюючий...). Відкриється діалогове вікно Screening Experiment Generator (Генератор відсіюючого експерименту), яке потрібно заповнити необхідною інформацією.
У поля Experiment Name (Назва експерименту) і Run Procedure Name (Назва процедури запуску) введіть назву експерименту і процедури запуску відповідно.
У поля Factors (Фактори) заносяться змінні, вплив яких необхідно дослідити за допомогою реалізації дисперсійного аналізу у GPSS World.
Наступною іде група Fraction (Частина дробового експерименту), у якій обирається потрібний експеримент.
У полі Expression (Вираз) групи Result (Результат) введіть вираз за яким обчислюється досліджувана змінна, або назва комірки, в якій зберігається результат спостереження.
|
|
|
Після групи Result (Результат) розміщені два прапорці для вибору додаткових опцій.
При виборі опцій Generate Run Procedure GPSS World створює разом із експериментом стандартну процедуру запуску. Вибір опції Load F11 with CONDUCT Command закріплює відповідну команду CONDUCT за функціональною клавішою F11.
Тепер необхідно створити Plus-оператори і вставити їх у нижню частину розглянутої вище моделі. У лівій нижній частині діалогового вікна Screening Experiment Generator активізуємо кнопку Insert Experiment (Вставити експеримент).
Оскільки була обрана опція Generate Run Procedure, то буде створена стандартна процедура запуску. З’явиться діалогове вікно, яке дає можливість користувачу змінити її відповідно до своїх вимог.
Для проведення експерименту призначена команда CONDUCT, яка раніше була закріплена за функціональною клавішею F11.
У таблиці кожний фактор і взаємодія факторів представлені окремим рядком. У кожному рядку для даного ефекту (Effect) є результати основних обчислень і F-статистика. Ефект, а відповідно, і фактор, вважається вагомим, якщо перевищує критичне значення (Critical Value of F (p=.05)), яке також обчислюється GPSS World.
Завдання для виконання роботи
Відповідно до заданого варіанту необхідно виконати наступні дії:
· розробити блок-діаграми та програмний код GPSS World для реалізації моделі;
· провести процес моделювання у GPSS World;
· проаналізувати та вибрати фактори, які впливають на функцію відгуку;
· створити необхідні PLUS-процедури;
· провести дисперсійний аналіз.
Індивідуальні завдання для проведення дисперсійного аналізу
для дослідження вагомості впливу змінних користувача на об’єкт моделі
|
|
|
На складальну ділянку цеху через експоненціально розподілені інтервали часу з середнім значенням Т 1 хвилин поступають партії деталей, кожна з яких складається з n одиниць. Рівноймовірно деталі проходять одну операцію попереднього оброблення (ПО):
· ПО1 впродовж експоненціального розподіленого інтервалу часу з середнім значенням Т 2 хвилин;
· П02 впродовж Т 3 хвилин з рівномірним розподілом інтервалу часу.
У результаті оброблення можлива поява k відсотків бракованих деталей, які не поступають на лінію подальшого збирання, а знову прямують на відповідну попередню обробку. На процес збирання поступає одна деталь, яка пройшла ПО1, і одна деталь, яка пройшла ПО2. Процес збирання займає Т 4 хвилин. У кожен момент часу може відбуватися збирання тільки одного виробу (що складається з двох деталей). Потім зібраний виріб поступає на регулювання, яке триває T 5хвилин. У кожен момент часу може проводитися регулювання тільки одного виробу.
Прибуток від виробництва одного виробу складає S 1 одиниць вартості. Якщо деталь виробу, яка пройшла ПО1, знаходилася в цеху більш за Т хвилин, вартість виробу зменшується удвічі.
Зменшення рівня браку до значення (k – r)вимагає вкладення r×S 2 одиниць вартості на кожну деталь (r ≤ k). Зменшення середньої тривалості операцій збирання і регулювання на m хвилин вимагає додаткового вкладення m×S 3 одиниць вартості на один виріб. Тривалість цих операцій може змінюватися незалежно, зокрема мінімальна можлива тривалість операцій збирання ірегулювання складає 3 хвилини.
Визначити, при яких рівнях зниження браку r і тривалості операцій збірки і регулювання досягається максимальна економічна ефективність.
Розробити імітаційну модель з метою дослідження залежності частки прибутку в загальній кількості витрат від рівня зниження браку r, тривалості операцій збірки та регулювання протягом 10000 хвилин функціонування системи. Провести дисперсійний аналіз результатів моделювання.
Індивідуальні вхідні дані для моделювання наведено у табл. 10.11.
Таблиця 10.11
| № варіанту | n | T 1 | T 2 | T 3 | Т 4 | Т 5 | k | S 1 | S 2 | S 3 | T |
| 7±2 | 6±1 | 5±1 | |||||||||
| 6±1 | 5±1 | 4±1 | |||||||||
| 8±2 | 7±2 | 6±2 | |||||||||
| 7±1 | 4±1 | 3±1 | |||||||||
| 8±2 | 6±2 | 5±2 | |||||||||
| 6±1 | 7±2 | 3±1 | |||||||||
| 7±2 | 5±1 | 6±2 | |||||||||
| 5±1 | 5±2 | 4±1 | |||||||||
| 8±2 | 4±1 | 3±1 |
Продовження табл. 10.11
| 9±2 | 6±2 | 5±2 | |||||||||
| 6±1 | 7±2 | 6±2 | |||||||||
| 9±2 | 5±1 | 3±1 | |||||||||
| 5±1 | 4±1 | 6±2 | |||||||||
| 7±2 | 6±2 | 4±1 | |||||||||
| 8±2 | 7±2 | 5±2 |
