На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Работа № 89445


Наименование:


Лабораторка Имитационное моделирование ХНЭУ все лабы с исходниками

Информация:

Тип работы: Лабораторка. Предмет: Экономика, Аудит. Добавлен: 01.06.2015. Сдан: 2013. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Оглавление

9 лабораторных работ по имитационному моделированию d Vensim
Введение
Диаграмма потоков модели
Для начала откроем Vensim. Следующим шагом будет создание новой модели в которой:
Временные рамки = 0
Начальное время = 0
Конечное время = 52 (недели в году) = 1 год
Шаг = 1
На каждом шагеимитаций будемсохранять значения
Еденицы времени - неделя
Результат отображен на Рис. 1


Рис. 1 Подготовка к моделированию

Наоткрытой области добавим:
1. 2 BOX –а:
o стоимость товарного запаса
o обьем денежных ресурсов
2. 4 Rate:
o Прирост товарніх запасов
o Уменьшение товарных запасов
o Прирост денежных ресурсов
o Уменьшение денежных ресурсов
3. 4 Переменных:
o Стоимость реализованных товаров
o Доля продаж
o Издержки производства
o Доля издержек
4. И самое главное связи:
o Интенсивность реализации товаров зависит от стоимости товарных запасов и части реализации товаров
o Затраты производства зависят от объема денежных средств и части денег, которые идут на покрытие затрат
o Прирост товарных запасов и уменьшение денежных средств зависят от затрат производства
o Уменьшение товарных запасов и прирост денежных средств зависят от интенсивности реализации товара

Полученная модель отображена на Рис. 2

Рис. 2 Диаграма потоков

Построение базовой детерминированной модели
Необходимо записать уравнения для элементов модели
Для этого подсветим себе все незаполненные элементы модели с помощью .
После чего начнем заполнять наши переменные:
Впишем необходимую формулу расчетов, поставим необходимый тип и единицы измерения
• Для Стоимости реализованных товаров аналогично с разницей в формулах заполняются Издержки производства, Прирост товарных запасов, Уменьшение товарных запасов, прирост денежных ресурсов, уменьшение денежных ресурсов(пример Рис 3).

Рис. 3 Изменение независимых переменных, темпов
• Для Доли продаж и доли издержек место формулы вписываем число и ставим тип константа(Пример Рис. 4)

Рис. 4 Изменение констант

• Для Стоимости товарного запаса и Объема денежных ресурсов вписываем начальное значение (пример Рис. 5)

Рис. 5 Изменение уровней

Верификация и прогонка имитационной модели
Пред прогоном проверяем модель на ошибки Crlt+U, Crlt+Т в моем случае все ОК.
Можно приступать к базовому прогону и верификации( результаты отображены на Рис 6-8 )

Рис 6. Графики Объема денежных ресурсов и связанных с ним переменных

Рис 7 Модель с исходными константами и отображением графиков

Рис 8. Модель с измененными константами и отображением графиков

В Табл. 1 Приведены результаты прогонки.



"Stoimost tovarnogo zapasa" Runs: baserun
Time (Week) 0 1 2 3 4 Stoimost tovarnogo zapasa 400 324.149 296.242 285.975 282.198

5 6 7 8 9 10 11
280.809 280.297 280.11 280.04 280.015 280.005 280.002

12 13 14 15 16 17 18 19 20 21 22
280.001 280 280 280 280 280 280 280 280 280 280

23 24 25 26 27 28 29 30 31 32 33 34
280 280 280 280 280 280 280 280 280 280 280 280

35 36 37 38 39 40 41 42 43 44 45 46
280 280 280 280 280 280 280 280 280 280 280 280

47 48 49 50 51 52
280 280 280 280 280 280

Табл. 1 Результат прогонки


Задание.
Поставки сырья
• заданы массивом значений на неделю, дальше повторяются (10, 15, 15, 20, 10, 10, 5).
Поставки на оптовый склад
• дополняются до нормативного уровня запаса оптового звена (норматив ОЗ = 20 ед);
Поставки в розничное звено:
• дополняются до нормативного уровня запаса розничного звена (норматив = 25 ед.);
Спрос в розничном звене:
• постоянный с заданной интенсивностью (35 ед. / день)
Первоначальный уровень запасов каждого звена 10 од.



1. Составляющие модели:
Эндогенные Экзогенные Не включенные
Время
Объемы поставок сырья
Спрос Запасы на производстве
Запасы на складе
Запасы в розничном звене
Объемы поставок на оптовую базу
Объемы поставок на розничную базу Учет изменений спроса
Учет изменений поставок

2. Исходя из этой модели можно сделать вывод, что чем больше спрос тем больше объем поставок сырья, а соответственно тем большими будут запасы на всех складах. Все это отображено на Рис.9.


Рис.9 Диаграмма причинно следственных связей.

3. Представим данную в виде потоковой модели. Результат представлен на рис.10.


Рис. 10 Потоковая схема производственно –сбытовой модели.

4. Зададим в данной модели все необходимые значения и формулы согласно заданию варианта. Далее предоставлен список всех формул и значений, которые использовались нами в модели.
(01) "Opt zap."= INTEG (
post opt-Post pozn,
10)
Units: **undefined**

(02) post opt=
MAX( 30-"Opt zap." , 0 )
Units: Dmnl

(03) Post pozn=
MAX( 25-"Rozn. zap" , 0 )
Units: Dmnl

(04) "Rozn. zap"=
INTEG (Post pozn-Spros,10)
Units: **undefined**

(05) Schetchik=
MODULO(Time, 7 )
Units: **undefined**

(06) Spros=
35
Units: **undefined**

(7) Sure=
Table(Schetchik)
Units: Dmnl

(8) Table(
[(0,0)-(10,20)],(0,5),(1,10),(2,15),(3,15),(4,20),(5,10),(6,10))
Units: **undefined**

(9) "Zavod zap."=
INTEG (Sure-post opt,10)
Units: **undefined**
5. Проведем эксперимент и получим результаты работы данной модели.

Рис. 11. Результаты работы модели.


Как мы видим из выше приведенных результатов, данная модель работает абсолютно не эффективно так как на всех складах отрицательное значение запасов, что в общем то невозможно. Это связано с тем, что объем спроса значительно больше даже максимального размера поставки сырья и максимально возможных объемов запасов, которые могут размещаться на складах. То есть данная модель не удовлетворяет полностью спрос и является неэффективной.

6. Если в данную модель ввести еще одну розничную точку, с таким же спросом, то показатели модели станут еще хуже, так как данная модель не может обеспечить спрос даже в одной розничной точке. Для того, чтобы ввести такую точку и модель работала нормально, необходимо увеличить объем производства и размеры складов.
7.Изменение модели.
Для того, чтобы данная модель работала более эффективно необходимо:
§ Увеличить поставки сырья (30; 40; 50; 40; 30; 30; 40)
§ Увеличить норму запасов на обоих складах до 40.
После проведенных изменений получаем следующие результаты модели.


Рис. 12. Результаты новой модели

К 1-2 лабораторной
С помощью пакета AnyLogic было создано агентного модель на 1000 агентов. Сеть на 1000 агентов мала сетью. В данной работе был выбран именно ее, потому что чем сеть меньше, тем больше доверие к агентам и тем более наглядным влияние каких-либо показателей.
Поведение агента обычно описывается в классе этого агента (в модели - это класс Person) с помощью диаграммы состояний (стейтчарт). Стейтчарт состоит из двух состояний: потенциальный клиент (человек, который еще не купила продукт компании) и существующий клиент. Между этими состояниями существует переход. Этот переход будет моделировать покупку продукта.
Элементарная модель предполагает, что человек навсегда остается потребителем продукта, если хотя бы однажды приобрела его. Есть перехода из состояния Client до состояния PotentialClient нет (рис.13).

Рис.13 Стейтчарт элементарной модели влияния на лояльность клиента

Построенную модель по 7 единиц модельного времени, в жизни может быть интерпретировано как неделю, приведена на рис. 14. На ней видно, как число потенциальных клиентов (синих) переходит в разряд реальных (красных).

Рис.14 Моделирование перехода клиентов из состояния потенциальных до состояния реальных
Главной задачей модели распространения продукта является изучение того , как быстро люди покупают новый продукт. Для этого необходимо подсчитать количество клиентов и потенциальных клиентов. В AnyLogic это можно сделать с помощью функций сбора статистики.
Для подсчета потенциальных клиентов была создана функция сбора статистики potentialClients с условием:

item.statechart.isStateActive ( item.PotentialClient )

Эта функция будет вести подсчет количества агентов , для которых выполняется заданное условие, то есть тех агентов, которые находятся в текущий момент времени в состоянии PotentialClients. Здесь item - это агент ( элемент реплицировать объекта people ) .
Также было создано еще одну функцию сбора статистики clients с условием:

item.statechart.isStateActive ( item.Client )

Эта функция будет вести подсчет количества агентов, которые находятся в состоянии Client (т.е. уже приобрели продукт).
Также для визуализации результатов был добавлен временной график, отражающий динамику изменения численности потребителей и потенциальных потребителей продукта.
На рис.15 показан результат динамики процесса, моделируется . 78

Рис . 15 Результат динамики процесса влияния социальных сетей на лояльность клиентов в сети на 1000 агентов
Вывод по модели: Такую модель можно строить на любое количество агентов и результат будет идентичным - количество потенциальных клиентов уменьшается, в то время как количество реальных - увеличивается и в результате все агенты модели станут реальными клиентами. Это является недостатком данной модели, поэтому она не может быть применена в таком виде в реальной жизни постоянно, так как учитывает только один фактор «степень влияния рекламы», время действия которого ограничен. Также эта модель не учитывает того факта, что реальный клиент снова может стать потенциальным.
Вариант №8
Цель: овладение студентами навыков построения имитационной модели в среде Vensim PLE с учётом стохастических процессов и реальных условий функционирования исследуемой системы.
Задача:
1. Исправить недостатки модели производственно-сбытовой системы в связи с которыми она демонстрирует аномальное поведение
2. Адаптировать модель к заданным условиям формирования спроса на поставки продукции на производственный участок (равномерное распределение с параметрами [15, 45])
3. Провести имитационный эксперимент
4. Определить общие затраты на сбережение запасов во всех участках на протяжение рассматриваемого периода, если стоимость хранения определяется как 0,08грн/ед.*день
5. Построить свою политику для заданных условий для обеспечения минимума затрат

Решение.
Общий вид модели:

Спрос подчиняется равномерному распределению с параметрами [15, 45]

Поставка запасов на производственный участок происходит с задержкой в 3 дня

Все запасы принимают только положительное значение (была использована функция пополнения до нормативов, так как спрос не будет превышать 45 единиц в день)


Затраты на хранение каждой единицы учитывается на протяжение всей имитации

Результаты имитации:



Вывод:
Построенная модель позволяет проанализировать необходимый уровень доставки и запасов, вычислить стоимость их хранения при заданных условиях и колебаниях спроса по равномерному распределению от 15 до 45.




Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы

* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.