Модель Перекрестка в Anylogic Скачать

Описание системы AnyLogic

AnyLogic – это программное обеспечение для мультиметодного имитационного моделирования, позволяющая обеспечить повышенную эффективность и меньший риск при решении рабочих задач в сложных предметных областях.

Программный продукт AnyLogic (рус. ЭниЛоджик) от разработчика The AnyLogic Company предназначено для моделирования, помогающее компаниям в области транспорта, производства, логистики, добывающей промышленности, цепочки поставок, здравоохранения и других отраслей тестировать и исследовать сценарии «что если» с при помощи имитационного 2D-и 3D-моделирования. Программа предоставляет встроенные библиотеки анимации, относящиеся к различным отраслям, позволяея охватить сложность практически любой системы на любом уровне детализации. Таким образом, модели AnyLogic позволяют аналитикам, инженерам и менеджерам получать более глубокое представление о взаимозависимых процессах внутри и вблизи организации и оптимизировать сложные системы и процессы в широком спектре отраслей.

Система AnyLogic позволяет аналитикам данных создавать имитационные модели с использованием различных методологий и языков моделирования, включая дискретно-событийное моделирование, агентную динамику, системную динамику, стохастическое моделирование, блок-схемы процессов, диаграммы состояний и диаграммы действий. Программный комплекс позволяет сотрудникам представлять визуальные модели с графическими объектами для визуализации транспортных средств, сотрудников, оборудования, зданий и других объектов в соответствии с бизнес-спецификациями. Встроенные ГИС-карты позволяют организациям искать и находить города, улицы, дороги, больницы, магазины и автобусные остановки для создания имитационных моделей. Платформа также предоставляет предварительно разработанные инструменты моделирования, такие как Монте-Карло, анализ чувствительности и эксперименты по изменению параметров.

Программный продукт предлагается в виде настольного приложения. Также возможен запуск моделей в облачной среде AnyLogic Cloud. Система поставляется с API, который позволяет организациям интегрировать систему с несколькими сторонними решениями.

Заключение

И в конце рекомендую добавить в модель еще больше непредсказуемости. Для чего во вкладке «Проекты» выбираете мышкой элемент «Simulation: Main» и во вкладке свойства устанавливаете параметр «Случайность» в положение «Случайное начальное число (уникальные прогоны)» — это позволит каждый запуск модели сделать уникальным (рис. 34).

Рис. 34 – Делаем случайными прогоны

Лабораторная «Построение дискретно-событийной модели в AnyLogic»,
Моделирование систем

Необходимо построить модель в AnyLogic. В вычислительном классе на обработку принимаются три класса заданий А, В, С. Исходя из наличия оперативной памяти ЭВМ задания классов А и В могут решаться одновременно, а задания класса С монополизируют ЭВМ. Задания класса А поступают через 20 ± 5 мин, класса В – через 20 ± 10 мин и класса С – через 30 ± 10 мин и требуют для выполнения: класс А – 20 ± 5 мин, класс В – 21 ± 3 мин и класс С – 28 ± 5 мин. Задачи класса С загружаются в ЭВМ, если она полностью свободна. Задачи класса А и В могут дозагружаться к решающей задаче. Смоделируйте процесс обслуживания в течение 80 ч. Определите загрузку ЭВМ. (Понятно, что три источника, три очереди. ЭВМ должна быть двухканальной, задачи класса С занимают оба канала.)

Оптимизация производства в AnyLogic

Производство — это сложная система из многих взаимосвязанных элементов. Сбои в работе или низкая эффективность хотя бы одного из них сведет на нет усилия по оптимизации всей системы. В экономически развитых странах для поиска «слабого звена» давно прибегают к имитационному моделированию процессов, в том числе используя российское решение — программу AnyLogic.

AnyLogic — мощный инструмент для анализа систем и поиска «узких мест», которые тормозят систему в целом. Рассмотрим демо-модель от специалистов компании NFP для демонстрации возможностей продукта.

Перед вами визуальный интерфейс модели (Рисунок 1). Прямоугольниками обозначены составные части конвейера, разноцветными кругами — заказы клиентов. Каждая производственная единица может обрабатывать ограниченное количество заготовок одновременно, однако время обработки заготовки, описанное в регламенте, часто не совпадает с реальным: на производстве случаются брак продукции, сбой оборудования, ошибки оператора. Также присутствует фактор временных задержек, например, перемещение детали по конвейеру. Поэтому в модели время обработки детали каждым элементом конвейера не фиксировано, а задано функцией треугольного распределения — случайное значение из трех возможных. Каждая машина обрабатывает заготовку в течение разного промежутка времени, при этом одна машина может обрабатывать несколько заготовок одновременно. В нашей модели Машина 1 может обрабатывать две заготовки одновременно, Машина 2 – три, Машина 3 – три, Машина 4 – четыре.

Приходящие от клиентов заказы не всегда возможно точно запланировать, поэтому в модели спрос задан стохастически при помощи функции равномерного распределения. Как и на реальном производстве, клиент обычно заказывает не одну единицу продукции, а сразу несколько (в нашей модели – от 3 до 7 за раз). При решении задач оптимизации на реальном производстве обычно производится калибровка модели по статистическим показателям из базы данных клиента.

Основная задача моделирования — протестировать конвейер под различными нагрузками, отследить ключевые показатели производства: выручку, затраты, прибыльность и утилизацию по каждой машине.

В работающей модели статистические показатели можно отслеживать динамически с течением времени. Также для удобства есть такой показатель, как совокупная стоимость заказов в очереди — упущенная выгода.

В этом случае мы тестируем производственную цепь с повышенной нагрузкой — в течение 100 дней приходит 100 заказов от клиентов (при этом 100 заказов — это не заказ на 100 единиц, суммарный объем заказов может быть от 300 до 700 единиц). Как видим, производство не справляется с большим потоком заказов. При этом загрузка машин неравномерна — Машина 1 перегружена, а утилизация остальных машин составляет не более 51% (см. Рисунок 2).

Следовательно, для повышения производительности всей системы следует модернизировать Машину 1.

Допустим, руководство компании успешно провело проект по модернизации Машины 1, добившись удвоения ее производительности. На Рисунке 3 мы видим, как поведет себя система после изменений.

После модернизации утилизация всех машин, кроме Машины 2, превысила 82%, а выручка от выполненных заказов выросла на 67% (взят один и тот же период, 100 модельных дней).
Эта модель — демонстрация лишь части возможностей имитационного моделирования в среде AnyLogic. Для ее построения использовался только один из трех методов имитационного моделирования — агентное моделирование. При построении коммерческих моделей обычно используется одновременно несколько подходов, а также создается 3D-интерфейс для конечного пользователя модели.

Кроме поддержки принятия решений, как описано в этой модели, имитационные модели используются для оптимизации бизнес-процессов, для решения задач бизнес-планирования, управления активами, проектирования логистических цепей, складов, а также для анализа рынков: как потребительского, так и финансового.

Проекты компании NFP моделированию на AnyLogic

Подборка практических кейсов по повышению операционной эффективности бизнеса с использованием этого инструмента — на странице продукта AnyLogic.

Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 (+ CD)

Описываются десятки законченных примеров имитационных моделей из самых различных областей. Для каждой модели приводится постановка проблемы, обсуждается ее структура, подробно разбирается реализация в среде Any Logic. Все модели, описываемые в книге, являются действующими, читатель может повторить каждый шаг процесса их разработки на своем компьютере, запустить любую модель на выполнение, провести ее анализ и модификацию.

К книге прилагается компакт-диск с системой имитационного моделирования AnyLogic 5 и примерами моделей.

Книга предназначена для тех, кто хочет освоить имитационное моделирование для оценки принимаемых решений как с точки зрения методологии, так и практически. Обо всём этом и не только в книге Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 (+ CD) (Ю. Г. Карпов)