元件詳解：離散事件 - 流程模型 - Source - Basic


Source

在離散事件中，Source元件是必要元件。(也就是說，其他代理人與系統動力學就不需要了)一個模型中，可有數個Source，並可建立彼此依賴關係。
小綠圈圈叫Port代表與其他元件的連接點，一個元件可能會有1到數個。Port就元件本身而言，有Inbound與Outbound兩種類型。Source只有一個Outbound Port，所有Entity由此而生。就程式的角度，他就是建構元。協助你產生模擬中所需要用到的Entity與你所預期的數量與各別時間點。

配對元件

Source必須與Sink配對。一個模型中，一定至少要有一組Source與Sink，才能讓Entity有生有死。

屬性

元件的屬性結構有點複雜，不容易講解。某些屬性是相依於其他屬性。有些屬性是下拉清單，因選擇不同，又會冒出不同的屬性需進一步填寫。這麼複雜的結構，還是可以讓你自訂屬性。從系統發展的角度，這是非常好的機制。
因為難講解，只能挑重點講，細節得看手冊。手冊非常重要，就算我研究他已經三年多，還是得常常去翻手冊。只是，手冊真的不容易閱讀，這部份也會有專篇來討論。下圖是Source的基本屬性。逐行解釋，若後續元件有重複的屬性，就不再說明。
  1. Name：元件的名稱。這個取名非常重要，因為程式會用到。你可以想像他就是宣告一個物件名稱(Source是類別，希望你有OOP的觀念)。一般為了辨識且容易在城市中呼叫，這個類別名稱(source)會保留，然後再輸入你的識別字。因為AnyLogic的城市編輯部分，有支援Code Completion。
  2. Show name或者Ignore。很單純的功能，就是在AnyLogic的模型編輯區中是否要顯示Name。因為，有些元件可能是過渡的，或者不是重點，你就可選擇Ignore，讓編輯區保持清爽。
  3. Arrivals defined by：這是source獨有，決定要用什麼方式來定義Entity的到達模式。其選項有[Rate], [Arrival table in Database],[Arrival schedule],[Calls of inject() function],[Rate schedule],[Arrival schedule]。不同選項，會衍生出不同的動態屬性。圖中是配合Rate的屬性。其他的希望能在Advance篇幅中說明。
  4. 因為選擇Arrival採Rate的方式，所以要定義Arrivate Rate。有兩個欄位需要填寫，一個是值(分子)，一個是單位(分母)。後者是時間單位；前者可以是數字，或者任何可以產生數字的隨機函數、自訂方法或函數。
  5. Source的目的是生成Entity。我們可以勾選這個，讓生成的Entity可以從某個資料表當參照，來給定Entity的初始值。點選後會問使用哪個資料表，當然，前提是有把資料表匯入AnyLogic中。
  6. 第4行只是定義，多久會發生事件，這邊定義每次發生時，要產生幾個Entity。預設值是1個。
  7. 這是用來限定你的模型最多只能生成出幾個Entity。
  8. 定義你要生成出什麼類別的Entity。預設是Agent。你可自行定義自己的Agent，也就是宣告一個類別。其實，這裡就已經與Agent-Based模型綁在一起了。
  9. 點選可以協助你產生一個新的Agent類別宣告。
  10. 這個是定義生成出來的Entity，一開始要放在布置圖的什麼地方。當然，你要先畫好模擬情境的設施佈置圖。進階版的AnyLogic可讓你直接匯入AutoCAD圖形。一般，產生客戶類的Entity當然是放在門外。若是要模擬不同汽車的車速，那可能會在你佈置區的主體外，選擇一個點，開始生成Entity，然後讓他們依個別的車速前進。模擬應用純乎一心。

事件

Source支援：
  • On before arrival [code]：生成Entity之前，可以寫程式。例如先讀取資料表，取得一個參數組，用來設定這個Entity。 
  • On at exit [code]：Entity在準備離開Source之前。這時候，你已經可以利用agent變數來呼叫這個Entity。Local variable: agent - the agent. 
  • On exit [code]：Entity離開Source的那瞬間。一般都是利用這個機會把一些時間點，寫入Entity身上。Local variable: agent - the agent.  
  • On discard [code]：若Entity無法順利離開Source，要被消滅時。例如寫入Log作紀錄。Local variable: agent - the agent. 很多方法在所有元件上都差不多，以後除非有新的，特用的，否則就不多解釋了。

方法

Source支援：
  • void inject(int n) - 在複雜的模型中，這個方法常被用到。他可以協助我們在需要的時候才生成Entity，並指定數量。前提是，這個Source的Arrival的型態定義必須是Calls of inject() function
  • long count() - 目前這個Source生成Entity的總數。
  • long countArrivals() - 目前這個Source生成Entity並且順利到達的總數。生成並不一定能到達。例如某屬性是用隨機變數，但系統卻規定，什麼樣條件下，這個Entity必須要放棄，不送出。



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 6 Poisson

圖片
Poisson分配在系統模擬中是非常重要的機率分配函數。因為，他確切與時間有關係。你要說他很難，還真難。有人喜歡把他跟 二項分配 ，或超幾何分配等有得沒有的作比較與轉換，這跟系統模擬無關，系統模擬要的是情境，要的是歷史資料。也就是說，情境符合命題，然後歷史資料看看顯不顯著，再經過「嚴謹」的適合度檢定，沒有什麼重大意外，就用吧。怎麼說呢？歷史資料不是母體，既然不是，就會有偏差。既然有偏差，你要怎麼知道這個偏差是哪兒發生。搞不好一開始你的抽樣就不對了，樣本根本無法代表母體。後面作一堆，都是作辛酸的。要不就是發表論文用，這兒不搞這。系統模擬最終成果也是資料，由自己產生的資料來驗證模型的正確性，所以，需要兩階段。這篇 發展模擬系統之五大循環  約略有提到這個概念。 先來看看命題，在單位時間內，發生成功事件的次數。滿足Poisson的條件有三個： 條件 (i)表示在時間 0 時，成功次數是 0。  條件(ii)說在互不相交的時段 (time intervals) 內的試行是相互獨立的。  條件(iii)說只要時段長度相同， 不同時段內成功次數有相同的機率分佈。 你可想像自己在坐在咖啡店內，透過櫥窗向外看。每五分鐘(單位時間)內，去算一下有幾台車經過。每五分鐘就要重新起算。若你每天早上同一個時段都來觀察收集資料，你會得到面前這條馬路的車流量，他會服從Poisson分配。而問題在ℷ是多少。好吧，簡單的說，如果你收集到的每五分鐘的車輛數，推估母體的平均數，這個ℷ就是平均數。想要有感覺，請參考 等候理論 這篇講到的到達率。 來看機率分配函數與累積分配函數之公式吧。 這公式不好懂(計算)了吧。唉～誰叫你有手算勒。在已知ℷ的前提下，要問單位時間內，車子通過x=0的機率是多少，通過x=1的機率是多少，通過....。 想一下，系統模擬要什麼。我要的是x呀。單位時間內，透過Poisson讓我取得來客數。到底會有幾個人，我不知道，隨機，一切隨機。(抱歉，又來了) 還是來看累積分配函數的圖，更有感覺。看資料的長相，勝過公式計算。 在系統模擬中，雖然設ℷ為3，但是取得2或4的結果，都不用太驚訝。若取得-1個，那才值得驚訝。因為，一切到0為止。到目前為止所講到的機率分配函數都是到0為止（繞口）。需要得到負數值的，就得使用其他機率分...
閱讀完整內容