Simulation - AnyLogic / NetLogo

本篇是接續上一篇 進階模型：醫療業-Emergency Department-Part 2-邏輯流程-註冊報到 。 ========== 流程簡述 病患已經完成報到註冊程序，且被移往等候室，等待檢傷分類作業。 檢傷作業由護士引領病患至檢傷室。 確認同時取得護士與檢傷室這兩種資源後，則將病患與護士一同送往檢查室。 進行檢傷作業。 完成檢傷後，離開檢傷室。 仍由護士將病患移往等候室。 現場佈置 waitingRoom: 完成報到手續者，將被移動到此區域，等待檢傷分類流程。完成檢傷分類的病患也會回到此區域，等待處置作業流程。使用 space markup-Rectangular Node[待補連結]。 rectangle3、rectangle4: 這兩個space markup-Rectangular Node[待補連結]，被用來定義檢查室(triageRoom: ResourcePool[待補連結])的HomeNode。這部份需要專門篇幅兩解講。簡單地說，可以利用節點空間來定義資源的數量。目前檢查室宣告了兩個空間(rectangle3、rectangle4)，就是表示檢查室有兩間的意思。 nurseHomeRoom: 與前項意義同。被用來定義護士的資源數量。只是，這邊不是用空間數量來定義，而是直接使用數字。區域中有箭號的圖示是指Attractor，他可以設定3D圖的前方的方向。當然，也可用Attractor的數量來決定資源的數量。 邏輯流程 流程詳述(整合現場佈置與邏輯流程) 病患已經完成報到註冊程序，且被移往(gotoWaitingRoom1:  MoveTo )等候室(waitingRoom: space markup-Rectangular Node[待補連結])等待檢傷分類作業。 檢傷作業需由護士(nurse: ResourcePool[待補連結])引領至檢傷室(triageRoom: ResourcePool[待補連結])。所以，必須先確認這兩項資源是否有空閒。 確認同時擁有(seizeTriageRoom: Seize )護士與檢傷室這兩種資源後，則將病患與護士一同送往檢傷室(triageRoom's HomeNode: space mark...

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...