最簡模型-ATM-Part4-資料收集-觀念說明

資料收集從技術角度來說，很容易。問題在於，收集什麼資料。這部份一定要與建構此模型之目的要緊密結合在一起，也就是說，要從策略出發。有時候，資料收集的對象很直觀，有時候卻是需要收集某些原始資料，然後進行處理，之後甚至要與其他資料結合後，才能發揮其真正目的。
回顧最簡模型-ATM-Part1-模型說明的內容，一開始我們建ATM模型之目的，是想要知道在現有來客數之下，一台ATM夠不夠，等候空間15人夠不夠。反過來說，我們也有可能想知道，在有資源設備下，能夠支撐最大的來客數是多少。這些都是沒有考慮到成本問題。一台不夠，再加一台，可是再加一台等候空間是否需要調整，成本效益又是如何？這些就會演變成最佳化的問題，收集資料方式與對象就有可能會轉變。總之，資料收集與分析是相依於策略規劃。

策略規劃與資料收集轉換

策略規劃是敘述性描述，需要轉換成「指標」。有指標才會有「公式」，有公式才知道「變數」，有變數才知道要從哪裡收集什麼樣的資料。
需不需要增添一台ATM，也就是一台ATM夠不夠。那你要先定義什麼叫做夠不夠。因為是設備，在正常運作下，他應該是24小時皆能使用。問題來了，有三點需要注意，(1) 人不會平均分散於24小時來。(2) 有人使用，ATM才叫有在工作。(3) 雖然是24小時運作，但是機器也有需要休息保養，甚至損壞等因素。
  1. 人不會分散24小時來，人可能會集中在某些時點來的人特別多。櫃台還有上下班時間，ATM是24小時營業，這點反而單純。還好，這些問題對AnyLogic來說，都可以輕易設定。只要使用Schedule(待補)元件，就可以搞定。也就是說，櫃台的資源可透過Schedule來設定上班(Avariable)還是下班(Unavariable)。Arrival Rate也可以依據Schdule設定，不同時段有不同的來客數。只是，本系列是「最簡模型」，所以這部份，就不予考量。
  2. 有人使用才叫做有使用。這部份，從管理角度搞了一大堆的「率」。這個「率」說穿了就是搞定「分母」與「分子」應該要放什麼變數。然後，得到的結果，再想辦法解釋(然後硬生成論文)。有設備使用率、產能利用率、稼動率等等。我這邊想解釋的是說，有些數據千萬不要相信。就以ATM為例，如果設備使用率之分母為24小時，分子是有人提款使用的時間，那這台ATM「平均」使用率一定很低。永遠不會有需要再增購一台的問題。然而，真的問題是在Peak Time。由於「最簡模型」沒有使用Schedule元件，所以，只能用24小時為分母的使用率。分子就是收集ATM(Delay)的一天Busy時間的累積。但是，由於模擬系統時間是連續的，所以，真正分母也不是24小時，而是從模擬開始累積時間，分子是模擬開始ATM處於Busy狀態的累積時間。
  3. 這是嫁動率的觀點，你不能用24小時當分母，還是要扣除一些必要的休息或停機時間。當然，就系統模擬來說，你可加入很多的隨機變數，例如停電的機率、故障的機率、補鈔的機率(這個很有趣，補鈔若是固定時點，且ATM一次補鈔是固定量，那停機時間，要基於提款人的提款數量，這當然是隨機，然後推知何時用完，那就可以去作補超時點或補鈔數量最佳化的問題)。由於是「最簡模型」，所以這些額外的變數就不與考量。

公式設定

這時候，也許你會感受到，為何我一開始就說這是「最簡模型」，因為，可運用於實務上的模型，真的很複雜，要考量的面向很多。還好，這些AnyLogic都可以支援。根據我的經驗，問題都是出在客戶端，根本無法提供相對應的數據資料與經驗。
回到最簡模型，那到底可以收集到什麼數據呢？
  1. ATM平均使用率。分母是模擬起始時間的累積，分子是ATM處於Busy狀態的累積時間。這邊還是要提醒一下單位時間。分子、分母的單位時間必須一樣。
  2. 等候線平均長度。設定取樣時間距，然後去抽樣目前等候線的人數。分母是模擬開始後的抽樣次數，分子是每次抽樣數之累加。
  3. 提款人平均等候時間。也就是說，提款人來到ATM準備提款開始排隊，到可以開始使用ATM的這段時間。分母是總提款人次，分子是個別提款人等候時間之累加。這部份需要一個小動作，因為要紀錄兩個時間點(入Queue，出Queue)，才能得到時間距。
從上面的說明，大約可以感受到，資料收集的方式與內容是有點不一樣的。很抱歉，這塊得展開一系列的文章才能夠講清楚。前兩項用內建的統計資料變數即可。請參考元件詳解：離散事件 - 流程模型 - Delay、元件詳解：離散事件 - 流程模型 - Queue。最後一項，作法兩兩種，一種時把進入Queue的時間點與離開Queue的時間點，寫入Entity中，在寫入資料收集元件(Histogram Data，待補連結)中，這塊需要寫點小程式。或者是安插流程模型元件TimeMeasureStart(待補連結)在Queue之前，TimeMeasureEnd(待補連結)在Queue之後，讓元件去收集資料。
因為使用PLE版本，元件數量有限制，所以採用第一種方式。

資料呈現

另一個大問題又出現了。辛苦收集來的資料，要如何呈現呢？不同的數據資料其呈現方式是不同的。很抱歉，這塊又是一系列的文章才能說明清楚。
本案例中，ATM平均使用率與等候現平均長度，會用到Bar Chart(待補連結)。平均等候時間則會使用Histogram(待補連結)。

==========
下一篇才來進行實際操作。

留言

張貼留言

這個網誌中的熱門文章

等候理論

圖片
等候理論( Queueing Theory )是非常實用且生活化的東西。生活周遭都有他的身影，舉凡你要排隊等著別人服務的事物都是，只是你沒有從作業研究或數學的角度來審視他而已。 這邊太學術的東西，我也談不起。只從系統模擬的角度切入，也先強調一下，等候理論只是系統模擬在離散事件或流程模擬中所需要的基礎。下圖是最基本的結構圖。 圈圈是代表提供服務的個體，注意，他並不一定是個人，像ATM也是一個提供服務者。 這個服務者就會衍生出一堆的問題，基本資料類，一次能服務多少人(還是要強調一下，接受服務的不一定非得要人)，每次服務要多久時間。資料分析類，他的產能是多少，要的效能是多少，他的稼動率是多少。 這邊再補充一下，一個提供服務者被佔用，但並不一定代表他都在認真工作中。所謂的被佔用的概念，就是這段期間內，他不能夠提供給其他人服務。這段期間內，他也有可能在等待被服務者所需要的一些前置作業等。總之，實務情況如何，就算是很複雜，模擬系統的模型都得想辦法實踐出來。 像是樓梯的圖形就稱之為等候線，或者是等候區。兩者是有差異，等候線是不抽號碼牌，先來先排隊，由被服務者端決定順序；而等候區是抽號碼牌的，服務順序是由提供服務者來決定。這個等候線/區也會衍生很多問題。基本資料類，例如他的容量是多少，也就是說能排幾個人，能排多長，能等多久；可否插單。資料分析類，平均要等多久才能被服務到，一條等候線上大概會有多少人。 等候線/區左方箭號的部分就是指被服務者進來的方向，而提供服務者右方的箭號代表被服務者離開的方向。 被服務者也會衍生出好多問題，基本資料類，多久會來一個，或者是說，間隔多久會有一個。「平均多久來幾個」有學問一點，這叫做Arrival rate；「平均間隔多久來一個」有學問一點，這叫做Interarrival time。這兩者是一般初學系統模擬者，常常會搞混的東西。從單位角度比較好理解。注意，既然說平均就不會是剛好。 「平均多久來幾個」白話一點就是說每分鐘平均來1個人，單位是1人/分鐘。 「平均間隔多久來一個」白話一點就是說平均一分鐘會來一個人，單位是1分鐘。 希望這張圖能有說幫助。 以上講的是指一個「單元」的概念，有「來源」、「等候」、「服務」、「離開」等四個元素所組成。 實務上就會有很多種單元組合與元素組合的變化，也就是等候理
閱讀完整內容

AnyLogic簡單介紹

圖片
AnyLogic是目前模擬軟體中，唯一同時支援系統動力學、流程導向模擬與代理人模擬之產品。也因為如此，他可以涵蓋的應用範圍就相當廣泛。工業工程、供應鏈管理、人力資源、市場調查、策略規劃等，都可以利用AnyLogic達到預期之目標。從AnyLogic官網的圖中(圖 1)，可以理解其應用範圍。 圖1：AnyLogic應用範圍(來源：AnyLogic官網) 另外，本產品還有一個特色是採用Java 程式語言開發，並利用Eclipse Java開發平台為基礎所建置。這也使得AnyLogic可以在Windows, Mac與Linux等不同平台中使用。也可以產生Java applets，然後在不同平台上的瀏覽器中執行。（註： Chrome不再支援NPAPI，使得無法執行applets） 在系統整合的部分，AnyLogic也有很好的表現。可銜接GIS地圖資料，也能夠匯入CAD圖檔當作底稿，作為布置圖用。也可匯入其他3D模型，變成模擬3D物件，可以美化或更貼近模擬需求的情境。也可與最佳化組件或與分配最適性工具整合。也可與大部分的資料庫系統整合，可處理文字檔或XML檔。其整合能力請參考圖 2。 圖2：系統整合能力 官網：https://www.anylogic.com/
閱讀完整內容

機率分配 - Part 5 Geometric

圖片
Geometirc又叫幾何分配。經過之前分配的說明，我的習慣就是先問這個分配的命題是什麼，然後想想是什麼模擬情境(也是真實情境)中，符合其命題。 首先定義，一次試行的成功機率為p，失敗就是(1-p)。開始試行，直到成功為止，也就是說，要作幾次(x)才會成功。第幾次(x)成功的機率是多少。也就是說，前x-1次都是失敗的。想想Binomial，那個n已經被x取代了，成功了，就停止試行了。 想想玩大富翁，只要骰子丟出一個3，就有大獎。那丟出3的機率是1/6。所以 第一次就成功 1/6。 第二次才成功，表示第一次失敗。5/6*1/6 第三次才成功，表示前兩次失敗。5/6*5/6*1/6 以此類推。 接著來看函數定義。稍微補充一下，下圖的x是代表失敗的次數，所以會從0開始，第一次成功，就表示0次失敗。用失敗，函數看起來比較乾淨。Anylogic定義的x是失敗次數，所以後面的圖形請注意一下。 現在看機率分配函數的部分，應該沒有問題了吧。成功就只會有一次，其他的都是失敗。他不會發生對稱，不會變成Normal，但是他會變成Exponential，當p的機率很低很低時。Geometric x不會是負數，Exponential可以。聽不懂，沒關係。多玩玩系統模擬，自然會上手。來看看直方圖了 先來個剛剛擲骰子的。p是0.167。 x=0時(第一次成功)時，其機率是0.167，隨著次數增加，自然成功機率變小。 p=0.5看看。當然不會對稱。 來看看p很小很小時，p=0.001。是不是很像Exponential，只是一切到0為止。 在模擬中怎麼用呢？根據歷史資料，我們知道這台設備，每平均生產1000個零件後，就會當機。所以，我們設定設備的MTBF( M ean  T ime  B etween  F ailures)，也就是平均故障間隔時間， 我們就會用這個機率分配函數。至於第幾次會掛，誰曉得。另外，掛點了，要修多久，又是另一個故事，另一個分配。 系統模擬的模型，就是由一對不知道結果的函數所組合起來，形成一個天知道的世界，才真正與實務情境相匹配。
閱讀完整內容