Sunuyu indir
Sunum yükleniyor. Lütfen bekleyiniz
1
ENM 316 Arena Uygulama Dersi 3
16 Mayıs 2017
2
Tek bir replikasyon hiçbir zaman iyi bir seçim değildir.
En az 5 replikasyonla başlayın
3
Örnek
4
Örnek Statistic modülü içerisinde her bir giremeyen müşterinin maliyeti 10 TL olacak şekilde maliyet tanımlayalım, dat dosyasına yazdıralım
5
Güven Seviyesini Değiştirme
Arena çalışınca oluşan raporda yarı genişlikler %95 güven seviyesinde oluşturulmaktadır Daha farklı bir güven seviyesinde çalışmak istersek incelediğimiz istatistiği dat dosyasına yazdırıp Output analyzer yardımıyla güven seviyesini değiştirebiliriz Newoluşturduğumuz dat dosyası Confidence Interval’e tıklayıp çıkan pencereden hangi istatistik için güven aralığının hesaplanmasını istiyorsak onu seçip, güven seviyesini de bu ekrana girebilirsiniz
6
Güven Aralığı (AnalyzeConfidence Interval on Mean)
Bonferroni için buradan faydalanabilirler Arena raporda %95 güven düzeyinde oluşturulmuş güven aralıklarını bize veriyor, farklı bir güven seviyesinde güven aralığı oluşturmak istersek Output Analyzer’dan faydalanabiliriz.
7
Güven Aralığı t yerine z kullanabiliriz α Z değeri
0.10 (%90 güven düzeyi) 1.29 0.05 (%95 güven düzeyi) 1.65 0.01 (%99 güven düzeyi) 2.33
9
Alternatiflerin Karşılaştırılması
Base Case senaryosuna 1 çalışan daha ekleyerek Alternatif Senaryoyu oluşturalım Bu senaryo için de Statistic modülü içerisine Maliyet tanımlayalım ve dat dosyasına yazdıralım. Her iki senaryo için 10 replikasyon yapalım Output Analyzer New
10
Alternatiflerin Karşılaştırılması (Analyze Compare Means)
Alternatif sistem daha iyi (Base-Alternatif olarak hesapladı)
11
Bitişli Olmayan Benzetim için Kararlı Hal Simülasyonu
Akıllı Başlangıç Sistemi kararlı hale benzer şekilde çalışmaya başlatıyoruz Ara stoklar, WIP vs. belirli bir değerde başlatılır. Ama nasıl belirleriz? Veri analizi Kuyruk modelleri ile başlangıç koşulunu belirleyip o şekilde başlatma İki Aşamalı simülasyon Belirlediğimiz bir t anından sonraki istatistikleri tutarız- Isınma periyodu (0-t) arası
12
Arena’da Çıktı Analizi-Isınma Periyodu
Kararlı Hal simülasyonu için ısınma periyodu belirlenirken çıktı analizinden faydalanırız Arena Book Examples Model 7.2 için warm up periyodunu belirleyelim Output File’a yazdığımız dat dosyası yazdığımız isimle arena model dosyasının olduğu klasörde run yapıldıktan sonra otomatik oluşur
13
Output Analyzer
14
Isınma Periyodu-Model 6.3
GraphPlotAll Sistemin dengeye geldiği anı belirleyelim
15
Eğer güven aralığı yeterli değilse ya daha fazla replikasyon, ya da aynı sayıda ancak daha uzun replikasyonlar yapılmalı Eğer ısınma periyodu çok uzunsa az sayıda ama uzun replikasyonlar yapılmalı –Daha az veriyi çöpe atarız Isınma periyodu atıldıktan sonra geriye kalan veri, aralarındaki korelasyonun azaltılması için arena tarafından batchlenerek ve istatistikler hesaplanır Korelasyonlu çıktılar T1 anındaki durum, T2 anına başlangıç koşulu olacağı için T2 anında hesaplanan istatistiğin ortalama değeri T1 anına bağlı olur.
16
Common Random Number (CRN)
Ortak rastgele sayı kullanarak güven aralığını daraltabiliriz Aynı amaç için ortak rastgele sayı kullanarak senkronizasyonu sağlayabiliriz. Rastgele sayı üretmede arenanın rastgele sayı streamleri var Default olarak arena Stream 10’u kullanır Örnek için uygulayalım ve intervali output analyzerda karşılaştıralım EXPO(2)olan işlem süresi EXPO(2,2) stream 2’den rastgele sayı çekerek üretir Elle tek tek yazmak yerine Variable kullanabilirsiniz. Bu şekilde hata da yapmazsınız UNIF(0, 5, islemStream) islemStream, variable, 1
17
Ortak Rastgele Sayı Kullanımı
Varışlar arası süreler için Stream 1 kullanılsın İşlem süreleri için Stream 2 kullanılsın
18
CRN Öncesi CRN Sonrası
19
Not-Projede dikkat edin
Kuyrukta bekleme süresini raporda incelerken arena raporunda %95 güven seviyesinde belirlenen halfwidth ve ortalama değer dk Negatif bekleme süresi olamayacağı için ya az replikasyon yapmışsınızdır ya da rungth lengthin daha uzun olması gerekiyordur. Hesaplamalarınızı gözden geçirmelisiniz.
Benzer bir sunumlar
© 2024 SlidePlayer.biz.tr Inc.
All rights reserved.