Оценка чувствительности модели

Чувствительность имитационной модели означает степень изменения выходных параметров модели (Y), или откликов, в зави­симости от входящих характеристик (X). Под входящими характе­ристиками понимаются, например, такие как интенсивность по­ступления транзактов, временной диапазон обслуживания одного транзакта и др. В зависимости от диапазона изменения откликов Y определяется стратегия планирования экспериментов на имитаци­онной модели. Если при значительном изменении X отклик Y ме­няется незначительно, значит, данный фактор несущественно влияет на результаты работы системы, имитируемой моделью.

Оценку чувствительности модели к изменению конкретного входящего параметра и отсечение не влияющих на результат фак­торов в GPSS World проводят с помощью встроенной процедуры, называемой отсеивающий эксперимент, процедура которого по­зволяет отсекать факторы, несущественно влияющие на результат. Иногда перед проведением эксперимента (хотя он занимает не так много времени) проводят предварительный расчет, позво­ляющий заранее отсечь факторы, слабо влияющие на результат. Это делают следующим образом. Вектор какого-либо параметра X имеет два крайних значения, определяемых априорно и устанавли­ваемых исследователем в виде границ (X _min, X _max). Далее вычисля­ется величина относительного среднего приращения параметра X (D Х):

. (6)

Проводят пару модельных экспериментов при значениях X = X _min и X = Х _max и средних фиксированных значениях остальных параметров, определяются значения откликов:

и .

Далее вычисляется относительное приращение отклика (D Y):

В результате для данного k -то параметра модели получают пару значений (D Х, D Y), характеризующую чувствительность мо­дели по этому параметру.

Результаты, полученные в данном анализе, можно использо­вать, например, при планировании экспериментов, когда основное внимание уделяется факторам, к которым отклик модели оказыва­ется более чувствительным:

В GPSS Word анализ чувствительности можно проводить сразу по нескольким факторам, и результаты будут автоматически оценивать с помощью статистических алгоритмов. При этом фак­торы, оказывающие несущественное влияние на результат, будут отсекаться. Это делается при помощи встроенной процедуры «от­сеивающий эксперимент».

В качестве одного из факторов, влияющих на показатель «средняя длина очереди» возьмем скорость заправки на второй колонке, которая по условиям задачи колеблется от 9 до 13 мин. При X _min=9 мин и при средних значениях всех других парамет­ров прогон модели дал среднюю длину в очереди 0 машин:

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-O) RETRY

ZAPRAVKA 1 0 95 95 0.000 0.000 0.000 0

При X _min = 13 мин средняя длина очереди составила 5,308 машин:

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-O) RETRY

ZAPRAVKA 12 11 96 25 5.308 26.542 35.887 0

Тогда = =200%

= =36%

Таким образом, скорость заправки на второй колонке суще­ственно влияет на результативный показатель - средняя длина очереди.

Date: 2015-07-27; view: 899; Нарушение авторских прав