فصل دوم

Download Report

Transcript فصل دوم

‫‪ .1‬ویژگیهای هر یک از ورودی های شبیه سازی را تعیین کنید‪.‬‬
‫‪ .2‬جدول شبیه سازی را ایجاد نمایید‬
‫‪ .3‬در نوبت ‪i‬ام تکرار‪ ،‬مقداری برای هر یک از ‪ p‬ورودی تولید و تابع محاسبه‬
‫کننده مقدار پاسخ را ارزیابی کنید‪.‬‬
‫فرض کنید ورود مشتریان دارای یک توزیع احتمالی به شرح زیر است‪:‬‬
‫‪‬‬
‫‪ %60‬مشتریان از نوع ‪ X‬هستند‪.‬‬
‫‪‬‬
‫‪ %40‬مشتریان از نوع ‪ Y‬هستند‪.‬‬
‫همچنین فرض کنید با جمعآوری اطالعات به این نتیجه رسیدهایم که زمان بین دو ورود بر حسب مشتریان دارای‬
‫‪y‬مشتری‬
‫‪x‬مشتری‬
‫توزیع فراوانی به قرار زیر است‪ .‬سیستم را مجدد شبیهسازی کنید‪.‬‬
‫با تکیه بر اصل مونت کارلو میتوان گفت که تابع توزیع تجمعی نوع مشتری و زمان بین دو ورود‬
‫دارای توزیع احتمالی یکنواخت است‪.‬‬
‫توزیع تجمعی‬
‫احتمال‬
‫زمان بین دو ورود‬
‫متوالی مشتری ‪y‬‬
‫توزیع تجمعی‬
‫احتمال‬
‫زمان بین دو ورود‬
‫متوالی مشتری ‪x‬‬
‫‪0.15‬‬
‫‪0.15‬‬
‫‪0-1‬‬
‫‪0.14‬‬
‫‪0.14‬‬
‫‪0-1‬‬
‫‪0.37‬‬
‫‪0.22‬‬
‫‪1-2‬‬
‫‪0.38‬‬
‫‪0.24‬‬
‫‪1-2‬‬
‫‪0.67‬‬
‫‪0.30‬‬
‫‪2-3‬‬
‫‪0.68‬‬
‫‪0.30‬‬
‫‪2-3‬‬
‫‪0.80‬‬
‫‪0.13‬‬
‫‪3-4‬‬
‫‪0.86‬‬
‫‪0.18‬‬
‫‪3-4‬‬
‫‪1‬‬
‫‪0.20‬‬
‫‪4-5‬‬
‫‪0.95‬‬
‫‪0.09‬‬
‫‪4-5‬‬
‫‪0.99‬‬
‫‪0.04‬‬
‫‪5-6‬‬
‫‪1‬‬
‫‪0.01‬‬
‫‪6-7‬‬
‫توزیع تجمعی‬
‫احتمال‬
‫نوع مشتری‬
‫‪0.6‬‬
‫‪0.6‬‬
‫‪X‬‬
‫‪1‬‬
‫‪0.4‬‬
‫‪Y‬‬
‫با توجه به احتماالت دو رقم اعشاری در جداول‪ ،‬و در نظر داشتن خصوصیت مونت‬
‫کارلو‪ ،‬میتوان ارقام تصادفی به شرح زیر برای رویدادهای مثال در نظر گرفت‪.‬‬
‫‪x‬مشتری‬
‫‪y‬مشتری‬
‫اعداد‬
‫تصادفی‬
‫توزیع‬
‫تجمعی‬
‫احتمال‬
‫زمان بین دو‬
‫ورود متوالی‬
‫اعداد‬
‫تصادفی‬
‫توزیع تجمعی‬
‫احتمال‬
‫زمان بین دو ورود‬
‫متوالی‬
‫‪00-14‬‬
‫‪0.15‬‬
‫‪0.15‬‬
‫‪0-1‬‬
‫‪00‬‬‫‪13‬‬
‫‪0.14‬‬
‫‪0.14‬‬
‫‪0-1‬‬
‫‪15-36‬‬
‫‪0.37‬‬
‫‪0.22‬‬
‫‪1-2‬‬
‫‪37-66‬‬
‫‪0.67‬‬
‫‪0.30‬‬
‫‪2-3‬‬
‫‪14‬‬‫‪37‬‬
‫‪0.38‬‬
‫‪0.24‬‬
‫‪1-2‬‬
‫‪67-79‬‬
‫‪0.80‬‬
‫‪0.13‬‬
‫‪3-4‬‬
‫‪80-99‬‬
‫‪1‬‬
‫‪0.20‬‬
‫‪4-5‬‬
‫اعداد تصادفی‬
‫توزیع‬
‫تجمعی‬
‫احتمال‬
‫نوع‬
‫مشتری‬
‫‪00-59‬‬
‫‪0.6‬‬
‫‪0.6‬‬
‫‪X‬‬
‫‪60-99‬‬
‫‪1‬‬
‫‪0.4‬‬
‫‪Y‬‬
‫‪38‬‬‫‪67‬‬
‫‪0.68‬‬
‫‪0.30‬‬
‫‪2-3‬‬
‫‪68‬‬‫‪85‬‬
‫‪0.86‬‬
‫‪0.18‬‬
‫‪3-4‬‬
‫‪86‬‬‫‪94‬‬
‫‪0.95‬‬
‫‪0.09‬‬
‫‪4-5‬‬
‫‪95‬‬‫‪98‬‬
‫‪0.99‬‬
‫‪0.04‬‬
‫‪5-6‬‬
‫‪99‬‬
‫‪1‬‬
‫‪0.01‬‬
‫‪6-7‬‬
‫فرض را بر این بگیرید که اعداد تصادفی یکنواخت با استفاده از رویههای مشخص ی قابل تولید شدن هستند‪ .‬به‬
‫عنوان مثال جدول زیر را به عنوان اعداد تصادفی یکنواخت در نظر بگیرید‪.‬‬
Customer
number
Fist random
number
Customer
type
Second random
number
Inter-arrival time
rang
Third random
number
Inter-arrival
time
1
41
X
27
1-2
43
1.43
2
44
X
24
1-2
28
1.28
3
39
X
31
1-2
43
1.43
4
90
Y
05
0-1
18
0.18
5
81
Y
15
1-2
66
1.66
6
22
X
43
2-3
86
2.86
7
56
Y
45
2-3
42
2.42
8
79
Y
23
1-2
91
1.91
9
25
X
62
2-3
55
2.55
10
24
X
03
0-1
48
0.48
‫یک فروشگاه مواد غذایی تنها یک باجه صندوق دارد‪ .‬مشتریها به طور تصادفی با فواصل زمانی ‪ 1‬تا ‪ 8‬دقیقه به صندوق مراجعه می کنند‪.‬هر‬
‫مقدار ممکن برای مدت ورود احتمالی یکسان و مطابق جدول زیر برای رخ دادن دارد‪ .‬همچنین مدت زمان خدمتدهی نیز بین ‪ 1‬تا ‪ 6‬دقیقه با‬
‫احتمالهای مشخص در جدول زیر است‪.‬‬
‫این مسئله را برای ‪ 20‬مشتری شبیه سازی کنید‪.‬‬
‫توزیع مدتهای بین دو ورود متوالی‬
‫مدت بین‬
‫ورود‬
‫احتمال‬
‫احتمال‬
‫تجمعی‬
‫تخصیص ارقام‬
‫تصادفی‬
‫‪1‬‬
‫‪0.125 0.125‬‬
‫‪001-125‬‬
‫‪2‬‬
‫‪0.250 0.125‬‬
‫‪126-250‬‬
‫‪3‬‬
‫‪0.375 0.125‬‬
‫‪251-375‬‬
‫‪4‬‬
‫‪0.500 0.125‬‬
‫‪376-500‬‬
‫‪5‬‬
‫‪0.625 0.125‬‬
‫‪501-625‬‬
‫‪6‬‬
‫‪0.750 0.125‬‬
‫‪626-750‬‬
‫‪7‬‬
‫‪0.875 0.125‬‬
‫‪751-875‬‬
‫‪8‬‬
‫‪1.000 0.125‬‬
‫‪876-000‬‬
‫توزیع مدتهای خدمتدهی‬
‫مدت‬
‫خدمتدهی‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪6‬‬
‫احتمال‬
‫احتمال تجمعی‬
‫تخصیص ارقام تصادفی‬
‫‪0.1‬‬
‫‪0.2‬‬
‫‪0.3‬‬
‫‪0.25‬‬
‫‪0.1‬‬
‫‪0.05‬‬
‫‪01‬‬
‫‪0.3‬‬
‫‪0.6‬‬
‫‪0.85‬‬
‫‪0.95‬‬
‫‪1‬‬
‫‪01-10‬‬
‫‪11-30‬‬
‫‪31-60‬‬
‫‪61-85‬‬
‫‪86-95‬‬
‫‪96-00‬‬
‫نتایج‬
‫‪  56  2 . 8‬متوسط مدت انتظار‬
‫‪20‬‬
‫‪13‬‬
‫‪ 0 . 65‬‬
‫‪‬‬
‫احتمال(انتظار)‬
‫‪‬‬
‫احتمال بیکاری خدمت دهنده‬
‫‪20‬‬
‫‪18‬‬
‫‪ 0 . 21‬‬
‫‪86‬‬
‫‪ 3 .4‬‬
‫‪68‬‬
‫‪ ‬متوسط مدت خدمت دهی‬
‫‪20‬‬
‫‪82‬‬
‫‪ 4 .3‬‬
‫‪ ‬متوسط مدت بین دو ورود‬
‫‪20 - 1‬‬
‫‪ 4 .5‬‬
‫‪8 1‬‬
‫‪‬‬
‫‪2‬‬
‫‪ 2 .8  3 .4  6 .2‬‬
‫‪124‬‬
‫‪20‬‬
‫‪‬‬
‫متوسط مدت ماندن مشتری در‬
‫سیستم‬
‫‪‬‬
‫اکثر مشتریان ناچار به انتظار در صف هستند‬
‫‪‬‬
‫مدت زمان بیکاری زیاد نیست‪.‬‬
‫یک رستوران را با دو تحویل دهنده غذا (هابیل و خباز) به مشتریان در نظر بگیرید‪ .‬هنگام ورود سفارش جدید به‬
‫رستوران هر خدمت دهنده که بیکار باشد کار را انجام میدهد و در زمانی که هر دو بیکارند هابیل به دلیل تجربه‬
‫بیشتر در این امر سفارش دهی به مشتریان را به عهده می گیرد‪ .‬مسئله این است که روش فعلی تا چه حد خوب‬
‫کار می کند؟ برای برآورد از شبیه سازی یک ساعته سیستم استفاده نمایید‪.‬‬
‫توزیع مدتهای بین سفارش مشتریان‬
‫مدت بین دو سفارش احتمال احتمال تجمعی‬
‫‪0.25‬‬
‫‪0.25‬‬
‫‪1‬‬
‫‪0.65‬‬
‫‪0.4‬‬
‫‪2‬‬
‫‪0.85‬‬
‫‪0.2‬‬
‫‪3‬‬
‫‪1‬‬
‫‪0.15‬‬
‫‪4‬‬
‫تخصیص ارقام تصادفی‬
‫‪01-25‬‬
‫‪26-65‬‬
‫‪66-85‬‬
‫‪86-00‬‬
‫توزیع خدمتدهی هابیل‬
‫مدت خدمتدهی‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫احتمال‬
‫‪0.3‬‬
‫‪0.28‬‬
‫‪0.25‬‬
‫‪0.17‬‬
‫احتمال تجمعی‬
‫‪0.3‬‬
‫‪0.58‬‬
‫‪0.83‬‬
‫‪1‬‬
‫تخصیص ارقام تصادفی‬
‫‪01-30‬‬
‫‪31-58‬‬
‫‪59-83‬‬
‫‪84-00‬‬
‫مدت خدمتدهی‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪6‬‬
‫توزیع خدمت دهی خباز‬
‫تخصیص ارقام تصادفی‬
‫احتمال احتمال تجمعی‬
‫‪01-35‬‬
‫‪0.35‬‬
‫‪0.35‬‬
‫‪36-60‬‬
‫‪0.6‬‬
‫‪0.25‬‬
‫‪61-80‬‬
‫‪0.8‬‬
‫‪0.2‬‬
‫‪81-00‬‬
‫‪1‬‬
‫‪0.2‬‬
‫توزیع مدتهای بین سفارش مشتریان‬
‫تخصیص ارقام‬
‫احتمال‬
‫مدت بین دو‬
‫احتمال‬
‫تصادفی‬
‫تجمعی‬
‫سفارش‬
‫‪01-25‬‬
‫‪0.25‬‬
‫‪0.2556‬‬
‫‪1‬‬
‫ل‬
‫هابی‬
‫مشغولیت‬
‫صد‬
‫د‬
‫ر‬
‫‪‬‬
‫‪‬‬
‫‪90‬‬
‫‪%‬‬
‫‪26-65‬‬
‫‪0.65‬‬
‫‪0.4‬‬
‫‪2‬‬
‫‪62‬‬
‫‪66-85‬‬
‫‪0.85‬‬
‫‪0.2‬‬
‫‪3‬‬
‫‪86-00‬‬
‫‪1‬‬
‫‪0.15‬‬
‫‪4‬‬
‫‪ 69 %‬‬
‫مشغولیت خباز‬
‫‪  43‬درصد‬
‫توزیع خدمتدهی هابیل‬
‫‪62‬‬
‫تخصیص ارقام‬
‫احتمال‬
‫مدت خدمتدهی احتمال‬
‫تصادفی‬
‫تجمعی‬
‫انتظار‬
‫اد‬
‫ر‬
‫اف‬
‫‪ 0.39  35 % 2‬درصد‬
‫‪01-30‬‬
‫‪0.3‬‬
‫‪31-58‬‬
‫‪0.58‬‬
‫‪3‬‬
‫‪ 0.2826‬کشیده‬
‫‪59-83‬‬
‫‪0.83‬‬
‫‪0.25‬‬
‫‪4‬‬
‫‪11‬‬
‫‪ 84‬تمام‬
‫متوسط زمان انتظار ب‪00‬ر‪-‬ای‬
‫‪1‬‬
‫‪0.17‬‬
‫‪5‬‬
‫‪‬‬
‫‪ 0 . 42 min  25 s‬‬
‫مشتریاندهی خباز‬
‫‪ 26‬توزیع خدمت‬
‫احتمال‬
‫تخصیص ارقام تصادفی‬
‫احتمال‬
‫مدت خدمتدهی‬
‫‪11‬‬
‫متوسط زمان انتظار‬
‫مدت‬
‫‪‬‬
‫‪‬‬
‫‪1‬‬
‫‪/‬‬
‫‪22‬‬
‫تجمعی‬
‫‪9‬‬
‫‪0.35‬در صف‬
‫‪ 0.35‬افراد‬
‫‪01-35‬‬
‫‪3‬‬
‫‪36-60‬‬
‫‪0.6‬‬
‫‪0.25‬‬
‫‪4‬‬
‫‪61-80‬‬
‫‪0.8‬‬
‫‪0.2‬‬
‫‪5‬‬
‫‪81-00‬‬
‫‪1‬‬
‫‪0.2‬‬
‫‪6‬‬
‫‪‬‬
‫این مسئله قابل تعمیم به بسیاری از مسائل واقعی در باب کاالهای فاسد شدنی‪ ،‬کاالهای مربوط به مد‪ ،‬کاالهای فصلی‬
‫و ‪ ...‬می باشد‪.‬‬
‫‪‬‬
‫روزنامه فروش ی هر نسخه روزنامه را به ‪ 13‬واحد پول می خرد و به ‪ 20‬واحد پول می فروشد‪ ،‬روزنامه های فروش نرفته‬
‫در پایان هر روز به عنوان باطله و هر نسخه به ‪ 2‬واحد پول فروخته می شود‪ .‬روزنامه در بسته های ‪ 10‬تایی قابل خریدن‬
‫است و روزنامه فروش تنها می تواند ‪ .... ، 60 ، 50‬روزنامه بخرد‪ .‬روزنامه از لحاظ نوع اخبار به سه روز خوب‪ ،‬متوسط و‬
‫بد تقسیم می شود که احتمال آنها مطابق جدول زیر است‪.‬‬
‫هدف مسئله تعیین تعداد بهینه روزنامه هایی است که روزنامه فروش روزانه باید بخرد‪ .‬با شبیه سازی تقاضا برای ‪ 20‬روز‬
‫و ثبت سود ناش ی از فروش روزانه این خواسته را تامین نمایید‪.‬‬
‫= سود‬
‫(هزینه خرید ‪ -‬درآمد فروش باطله ‪ +‬درآمد فروش معمولی)‬
‫نوع روز‬
‫خوب‬
‫متوسط‬
‫بد‬
‫احتمال‬
‫‪0.35‬‬
‫‪0.45‬‬
‫‪0.20‬‬
‫احتمال تجمعی‬
‫‪0.35‬‬
‫‪0.80‬‬
‫‪1‬‬
‫تخصیص ارقام تصادفی‬
‫‪01-35‬‬
‫‪36-80‬‬
‫‪81-00‬‬
‫(سود از دست رفته) ‪-‬‬
‫خالصه نتایج شبیهسازی مسأله روزنامه فروش‬
‫فرض میکنیم که شبیهسازی را برای خرید ‪ 70‬روزنامه طی یک دوره ‪ 20‬روزه انجام می دهیم‬
‫‪=)20*60( +)2*10(-)13*70(-0=310‬‬
‫سود‬
‫توزیع احتمال تقاضا‬
‫تقاضا‬
‫بد‬
‫خوب متوسط‬
‫‪0.44 0.10 0.03 40‬‬
‫‪0.22 0.18 0.05 50‬‬
‫‪0.16 0.40 0.15 60‬‬
‫‪0.12 0.20 0.20 70‬‬
‫‪0.06 0.08 0.35 80‬‬
‫‪0.00 0.04 0.15 90‬‬
‫‪0.00 0.00 0.07 100‬‬
‫توزیع روزنامههای مورد تقاضا‬
‫جدول فوق را برای تعداد خریدهای مختلف روزنامه در ابتدای روز اجرا می کنیم‪.‬‬
‫جدولی که متوسط سود بیشتری را توسط شبیه سازی نشان دهد‪ ،‬مشخص کنندۀ‬
‫سیاست بهینه تهیه روزنامه در ابتدای روزاست‪.‬‬
‫‪ M‬باالترین سطح موجودی و ‪ N‬دوره مورد بررس ی موجودی است‪.‬‬
‫فرض کنید در یک سیستم کنترل موجودی هر ‪ 5‬روز یک بار (‪)N=5‬موجودی بررس ی شده و در صورتی که مقدار‬
‫موجودی کمتر از ‪ )M=11( 11‬واحد باشد‪ ،‬سفارش صادر می گردد که موجودی به ‪ 11‬واحد برسد‪ .‬سطح موجودی‬
‫ابتدای دوره ‪ 3‬واحد و ورود یک سفارش ‪ 8‬واحدی در دو روز بعد دیده شده است‪ .‬تقاضای روزانه و مهلت تحویل برای‬
‫کاالهای انبار دارای توزیع احتمالی به شرح زیر است‪ .‬وضعیت این سیستم را به کمک شبیه سازی بررس ی نمایید‪(.‬براورد‬
‫متوسط واحدهای مانده در انبار در پایان روز و تعداد روزهایی که شرایط کمبود وجود داشته در ‪ 5‬دوره‪).‬‬
‫توزیع تعداد داده های مورد تقاضا‬
‫توزیع مهلت تحویل‬
‫مهلت تحویل احتمال احتمال تجمعی‬
‫تخصیص ارقام‬
‫تصادفی‬
‫‪1‬‬
‫‪0.6‬‬
‫‪0.6‬‬
‫‪1-6‬‬
‫‪2‬‬
‫‪0.3‬‬
‫‪0.9‬‬
‫‪7-9‬‬
‫‪3‬‬
‫‪0.1‬‬
‫‪1‬‬
‫‪0‬‬
‫تقاضا احتمال احتمال تجمعی‬
‫تخصیص ارقام‬
‫تصادفی‬
‫‪0‬‬
‫‪0.1‬‬
‫‪0.1‬‬
‫‪01-10‬‬
‫‪1‬‬
‫‪0.25‬‬
‫‪0.35‬‬
‫‪11-35‬‬
‫‪2‬‬
‫‪0.35‬‬
‫‪0.7‬‬
‫‪36-70‬‬
‫‪3‬‬
‫‪0.21‬‬
‫‪0.91‬‬
‫‪71-91‬‬
‫‪4‬‬
‫‪0.09‬‬
‫‪1‬‬
‫‪92-00‬‬
‫توزیع تعداد داده های مورد تقاضا‬
‫تقاضا احتمال احتمال تجمعی‬
‫تخصیص ارقام‬
‫تصادفی‬
‫‪0‬‬
‫‪0.1‬‬
‫‪0.1‬‬
‫‪01-10‬‬
‫‪1‬‬
‫‪0.25‬‬
‫‪0.35‬‬
‫‪11-35‬‬
‫‪2‬‬
‫‪0.35‬‬
‫‪0.7‬‬
‫‪36-70‬‬
‫‪3‬‬
‫‪0.21‬‬
‫‪0.91‬‬
‫‪71-91‬‬
‫‪4‬‬
‫‪0.09‬‬
‫‪1‬‬
‫‪92-00‬‬
‫توزیع مهلت تحویل‬
‫مهلت تحویل احتمال احتمال تجمعی‬
‫تخصیص ارقام‬
‫تصادفی‬
‫‪1‬‬
‫‪0.6‬‬
‫‪0.6‬‬
‫‪1-6‬‬
‫‪2‬‬
‫‪0.3‬‬
‫‪0.9‬‬
‫‪7-9‬‬
‫‪3‬‬
‫‪0.1‬‬
‫‪1‬‬
‫‪0‬‬
‫‪ 3 .5‬‬
‫‪87‬‬
‫‪ ‬متوسط موجودی در انتهای روز‬
‫‪25‬‬
‫‪ 0 . 08‬‬
‫‪2‬‬
‫‪25‬‬
‫‪ ‬احتمال رخدادکمبود‬
‫یک ماشین فرز بزرگ‪ ،‬سه برینگ مختلف دارد که در جریان کار دچار خرابی میشوند‪ ،‬با خرابی برینگ فرز از کار افتاده‬
‫و تعمیرکار برای نصب برینگ تازه احضار میشود‪ ،‬مدت عمر هر برینگ و مدت تأخیر تعمیرکار در ورود به محل برای تعمیر‬
‫برینگ ها متغیرهای تصادفی به شرح زیر می باشند‪:‬‬
‫توزیع عمر برینگ‬
‫عمر برینگ‬
‫احتمال‬
‫احتمال تجمعی‬
‫تخصیص ارقام تصادفی‬
‫‪1000‬‬
‫‪0.1‬‬
‫‪0.1‬‬
‫‪01-10‬‬
‫‪1100‬‬
‫‪0.13‬‬
‫‪0.23‬‬
‫‪11-23‬‬
‫‪1200‬‬
‫‪25.‬‬
‫‪0.48‬‬
‫‪24-48‬‬
‫‪1300‬‬
‫‪0.13‬‬
‫‪0.61‬‬
‫‪49-61‬‬
‫توزیع مدت تاخیر‬
‫احتمال تجمعی‬
‫تخصیص ارقام تصادفی‬
‫مدت تاخیر(دقیقه) احتمال‬
‫‪1400‬‬
‫‪0.09‬‬
‫‪0.7‬‬
‫‪62-70‬‬
‫‪5‬‬
‫‪0.6‬‬
‫‪0.6‬‬
‫‪1-6‬‬
‫‪1500‬‬
‫‪0.12‬‬
‫‪0.82‬‬
‫‪71-82‬‬
‫‪10‬‬
‫‪0.3‬‬
‫‪0.9‬‬
‫‪7-9‬‬
‫‪1600‬‬
‫‪0.02‬‬
‫‪0.84‬‬
‫‪83-84‬‬
‫‪15‬‬
‫‪0.1‬‬
‫‪1‬‬
‫‪0‬‬
‫‪1700‬‬
‫‪0.06‬‬
‫‪0.9‬‬
‫‪85-90‬‬
‫‪1800‬‬
‫‪0.05‬‬
‫‪0.95‬‬
‫‪91-95‬‬
‫‪1900‬‬
‫‪0.05‬‬
‫‪1‬‬
‫‪96-00‬‬
‫در حال حاضر هر برینگی که از کار می افتد‪ ،‬تعویض می گردد‪ .‬با توجه به هزینه های زیر چنین‬
‫وضعیتی را تحلیل کنید‪ .‬سیاست بهبود دهنده ای برای تغییر وضعیت این دستگاه پیشنهاد داده و‬
‫با استفاده از شبیه سازی آن را تحلیل کنید‪.‬‬
‫هزینه هر برینگ ‪ 16 :‬واحد پول‬
‫دستمزد تعمیرکار در ساعت ‪ 12 :‬واحد پول‬
‫هزینه مدت از کار ماندگی فرز در دقیقه ‪ 5 :‬واحد پول‬
‫زمان تعویض یک برینگ ‪20 :‬دقیقه‬
‫زمان تعویض دو برینگ ‪ 30 :‬دقیقه‬
‫زمان تعویض سه برینگ ‪ 40 :‬دقیقه‬
‫‪ = 46 * 16 = 736‬هزینه برینگ ها‬
‫‪ = )110+125+95( * 5 =1650‬هزینه مدت تأخیر‬
‫‪ =46 *20* 5 =4600‬هزینه مدت از کارافتادگی حین تعمیر‬
‫‪=46*20*)12/60(=184‬هزینه تعمیرکار‬
‫= هزینه کل ‪7170 =736+1650+4600+184‬‬
‫تعویض‬
‫هر سه‬
‫برینگ در‬
‫صورت‬
‫رخداد‬
‫یک‬
‫خرابی‬
‫مقایسه روش اولیه و روش پیشنهادی با توجه به نتایج شبیه سازی‬
‫‪ = 46 * 16 = 736‬هزینه برینگ ها‬
‫‪ = )110+125+95( * 5 =1650‬هزینه مدت تأخیر‬
‫‪ =54*16=864‬هزینه برینگها‬
‫‪ =125*5=625‬هزینه تأخیر‬
‫‪ =46 *20* 5 =4600‬هزینه مدت از کارافتادگی‬
‫‪ =18*40*5=3600‬هزینه مدت از کارافتادگی‬
‫‪=46*20*)12/60(=184‬هزینه تعمیرکار‬
‫‪ = 736+1650+4600+184=7170‬هزینه کل‬
‫‪ =18*40*)12/60(=144‬هزینه تعمیرکار‬
‫‪ = 864+625+3600+144=5233‬هزینه کل‬
‫‪ = 7170‬مجموع هزینه ها‬
‫‪ = 5233‬مجموع هزینه ها‬
‫تقاضا برای محصولی دارای توزیع احتمالی به شرح زیر است‪ .‬زمانی که تقاضایی به وجود می آید‬
‫دستور ساخت داده می شود‪ .‬زمان دریافت سفارش تا تحویل آن به مشتری به زمان تحویل شهرت‬
‫یافته است که آن هم دارای توزیع احتمالی به شرح زیر است‪ .‬با توجه به این اطالعات وضعیت این‬
‫سیستم را از لحاظ موجودی به کمک شبیه سازی مدل نمایید‪.‬‬
‫تقاضای روزانه‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪6‬‬
‫احتمال‬
‫‪0.2‬‬
‫‪0.35‬‬
‫‪0.3‬‬
‫‪0.15‬‬
‫مدت تحویل‬
‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫احتمال‬
‫‪0.36‬‬
‫‪0.42‬‬
‫‪0.22‬‬
‫دور‬
‫ارقام تصادفی‬
‫مهلت تحویل‬
‫مهلت تحویل‬
‫‪1‬‬
‫‪57‬‬
‫‪2‬‬
‫‪2‬‬
‫‪33‬‬
‫‪1‬‬
‫‪3‬‬
‫‪93‬‬
‫‪3‬‬
‫‪4‬‬
‫‪55‬‬
‫‪2‬‬
‫تقاضا در مهلت‬
‫ارقام تصادفی‬
‫تقاضا‬
‫تحویل‬
‫برای تقاضا‬
‫‪6‬‬
‫‪87‬‬
‫‪10‬‬
‫‪4‬‬
‫‪34‬‬
‫‪5‬‬
‫‪5‬‬
‫‪82‬‬
‫‪4‬‬
‫‪28‬‬
‫‪3‬‬
‫‪19‬‬
‫‪12‬‬
‫‪5‬‬
‫‪63‬‬
‫‪91‬‬
‫‪26‬‬
‫‪6‬‬
‫‪4‬‬
‫‪10‬‬
‫هر شبیهسازی گسسته پیشامد‪ ،‬مدلسازی طی زمان از سیستمی است که تمام‬
‫تغییر حالتهای آن در لحظههای گسسته زمان‪ ،‬یعنی در لحظههای وقوع‬
‫پیشامدها رخ میدهد‪ .‬در حقیقت شبیهسازی پیشامد با ایجاد توالیی از تصاویر‬
‫پیش میرود که معرف تکوین سیستم طی زمان است‪.‬‬
‫می توان زمان سفر از بارگیری تا‬
‫توزین را در نظر نگرفت‬
‫بارگیری ‪1‬‬
‫توزین‬
‫قرار است شش کامیون وظیفه حمل و نقل در این سیستم را به عهده‬
‫بگیرند‪.‬‬
‫بارگیری ‪2‬‬
‫در این مسیر سنگ معدن تحویل قطار می شود‬
‫مدت توزین احتمال احتمال تجمعی‬
‫‪7/0‬‬
‫‪7/0‬‬
‫‪12‬‬
‫‪1‬‬
‫‪3/0‬‬
‫‪16‬‬
‫تخصیص ارقام تصادفی‬
‫‪1-7‬‬
‫‪8-0‬‬
‫مدت سفر احتمال احتمال تجمعی‬
‫‪4/0‬‬
‫‪4/0‬‬
‫‪40‬‬
‫‪7/0‬‬
‫‪3/0‬‬
‫‪60‬‬
‫‪9/0‬‬
‫‪2/0‬‬
‫‪80‬‬
‫‪1‬‬
‫‪1/0‬‬
‫‪100‬‬
‫مدت‬
‫بارگیری‬
‫‪5‬‬
‫‪10‬‬
‫‪15‬‬
‫احتمال احتمال تجمعی‬
‫‪3/0‬‬
‫‪5/0‬‬
‫‪2/0‬‬
‫‪3/0‬‬
‫‪8/0‬‬
‫‪1‬‬
‫تخصیص ارقام تصادفی‬
‫‪1-3‬‬
‫‪4-8‬‬
‫‪9-0‬‬
‫تخصیص ارقام تصادفی‬
‫‪1-4‬‬
‫‪5-7‬‬
‫‪8-9‬‬
‫‪0‬‬
‫‪o‬‬
‫)‪ :L (t‬تعداد کامیون ها در صف بارگیری‪ 0 ،‬تا ‪4‬‬
‫‪o‬‬
‫)‪ :L(t‬تعداد کامیون ها در حال بارگیری‪0 ،‬و ‪ 1‬و ‪2‬‬
‫‪o‬‬
‫)‪ :WQ(t‬تعداد کامیون ها در صف توزین‪ 0 ،‬تا ‪5‬‬
‫‪o‬‬
‫)‪ :W(t‬تعداد کامیون ها در حال توزین‪0 ،‬و ‪1‬‬
‫‪Q‬‬
‫ورود کامیون ‪ i‬به صف بارگیری در زمان ‪t‬‬
‫]‪[ALQ(t), t, DTi‬‬
‫خروج کامیون ‪ i‬از بارگیری (ورود به صف توزین) در زمان ‪t‬‬
‫]‪[EL, t, DTi‬‬
‫خروج کامیون ‪ i‬از توزین‬
‫]‪[EW, t, DTi‬‬
‫‪.1‬‬
‫وضعیت سیستم در لحظه صفر‬
‫‪.2‬‬
‫جدول اعداد تصادفی‬
‫مدت بارگیری‬
‫مدت توزین‬
‫مدت سفر‬
‫توزین‬
‫بارگیری ‪1‬‬
‫‪10‬‬
‫‪5‬‬
‫‪5‬‬
‫‪10‬‬
‫‪15‬‬
‫‪10‬‬
‫‪12‬‬
‫‪12‬‬
‫‪12‬‬
‫‪16‬‬
‫‪12‬‬
‫‪16‬‬
‫‪60‬‬
‫‪100‬‬
‫‪40‬‬
‫‪40‬‬
‫بارگیری ‪2‬‬
‫‪80‬‬
‫‪‬‬
‫‪ :BS‬زمان تجمعی استفاده از دستگاه توزین‬
‫‪‬‬
‫‪ :BL‬زمان تجمعی استفاده از دستگاه های بارگیری‬
‫مدت بارگیری‬
‫‪10‬‬
‫‪5‬‬
‫‪5‬‬
‫‪10‬‬
‫‪15‬‬
‫‪10‬‬
‫مدت توزین‬
‫‪12‬‬
‫‪12‬‬
‫‪12‬‬
‫‪16‬‬
‫‪12‬‬
‫‪16‬‬
‫مدت سفر‬
‫‪60‬‬
‫‪100‬‬
‫‪40‬‬
‫‪40‬‬
‫‪80‬‬
‫بارگیری ‪1‬‬
‫توزین‬
‫بارگیری ‪2‬‬
‫ی‪111‬‬
‫بارگیر‬
‫بارگیر‬
‫بارگیریی‬
‫ی‪1‬‬
‫بارگیر‬
‫توزین‬
‫توزین‬
‫توزین‬
‫توزین‬
‫ی‪222‬‬
‫بارگیر‬
‫بارگیر‬
‫بارگیریی‬
‫ی‪2‬‬
‫بارگیر‬
‫نتایج شبیهسازی معدن‬
‫سنگ‬
‫‪‬‬
‫درصد زمان بهره برداری از هر دستگاه بارگیری‬
‫‪49/2=24.5‬‬
‫‪‬‬
‫‪24.5/ 76 * 100 = 32%‬‬
‫درصد زمان بهره برداری ازدستگاه توزین‪:‬‬
‫‪76/76 * 100 = 100%‬‬
‫یک اسکادران جنگی قصد بمباران یک زاغۀ مهمات به صورت شکل زیر را دارد‪ .‬با توجه به‬
‫مشخصات بمب افکن ها در صورت نشانه گیری مرکز زاغه توسط آن ها‪ ،‬بمب ها با توزیع‬
‫نرمال با انحراف معیار ‪ 300‬در جهت افق و ‪ 600‬در جهت عمودی به زمین اصابت می کنند‪.‬‬
‫احتمال نابودی زاغه توسط یک اسکادران با ‪ 10‬هواپیما را توسط شبیه سازی بیابید‪.‬‬
If X ~ N(  ,  )
 Z 
X 

X ~ N(0, 600 )  X i  300 Z i
Y ~ N(0, 300 )  Y i  600 Z i
~ N ( 0 ,1)  X    Z 