Введение
Управление в современном мире становится все более сложным, поскольку организационные структуры постоянно усложняются. Эта сложность объясняется характером взаимоотношений между различными элементами экономических систем и физическим системами, с которыми они взаимодействуют. Одним из наиболее важных и полезных инструментом анализа структуры сложных процессов и систем является имитационное моделирование [1, 2, 5, 6, 8]. На сегодняшний день имеется большое количество программных продуктов, направленных как на решение узкого круга задач, так и более универсальные, предназначенные для моделирования различных явлений и процессов [10, 12]. Все это предоставляет широкие возможности для эффективной работы специалистов различных профилей [17, 18].
При решении задач оптимизации управления, в том числе в сфере банковской деятельности, приходится иметь дело с системами массового обслуживания (СМО), предназначенными для выполнения некоторого потока требований, которые поступают на вход системы в случайные моменты времени. Обслуживание этих заявок в общем случае длится случайное время. Именно случайный характер потока заявок и времени их обслуживания приводит к неравномерной загруженности СМО. При формализации задач обслуживания вполне естественно стремление построить СМО таким образом, чтобы установить разумный компромисс между показателями, связанными с обслуживанием заявок и полнотой использования возможностей системы. В связи с этим необходимо выбрать такой показатель эффективности СМО, который учитывает одновременно требования и возможности и тех, кого обслуживает, и тех, кто обслуживает [4, 19, 22]. В работе [3] в качестве показателя экономической эффективности выбран минимум затрат, связанных с обращением системы (затраты, связанные с эксплуатацией СМО и простоем каналов обслуживания) и обслуживания заявок (потери, связанные с пребыванием заявок в очереди и с уходом не обслуженных заявок). В работе [14] представлена комплексная статистическая имитационная модель СМО торгового предприятия, оптимизация которой заключается в определении такого числа каналов обслуживания, при котором число обслуженных заявок обеспечивает максимум функции чистой прибыли, учитывающей налоговые отчисления, размер заработной платы кассиров и стимулирующие надбавки персоналу, величину наценки на товары различных категорий и недополученную прибыль от различных категорий товаров.
Реальные системы массового обслуживания, как правило, состоят из большого числа элементов и имеют сложные внутренние связи. Использование аналитических моделей в таких случаях не позволяет получить достоверных результатов и зачастую для построения и изучения СМО переходят к имитационным моделям [4, 7].
Для проведения имитационного эксперимента существует достаточно широкий перечень специальных программных продуктов, среди которых можно выделить MATLAB Simulink, GPSS World, AnyLogic, Arena, iThink, PowerSim и другие [15, 16, 20, 21, 23]. Однако далеко не всегда имеется возможность установить эти программы. Выходом из данной ситуации может оказаться проведение имитационного эксперимента с помощью табличного процессора MS Excel. Такой подход позволяет получить неплохие результаты при моделировании систем массового обслуживания.
Задачей данной работы является построение имитационной модели деятельности отделения банка по обслуживанию физических лиц на основе дискретно-событийного подхода с помощью табличного процессора MS Excel. Для оценки приемлемости полученных результатов моделирования проведем аналогичный эксперимент в среде MATLAB+Simulink. При этом отделение банка рассматривается как система массового обслуживания с s устройствами, каждое из которых может одновременно обслуживать только одно требование.
Постановка задачи моделирования
Программная модель системы массового обслуживания должна адекватно отражать поведение элементов системы в процессе ее функционирования, т.е. в их взаимодействии друг с другом и внешней средой, и в то же время не создавать трудностей при ее реализации.
В основе разработки программной реализации СМО используется принцип дискретно-событийного моделирования, который используется для построения моделей, отражающих развитие системы во времени, когда состояния переменных системы меняются мгновенно в конкретные моменты времени [13]. Состояние системы определяется как совокупность переменных, необходимых для ее описания на определенный момент времени в соответствии с задачей исследования. Например, при исследовании работы банка переменными состояния могут служить число занятых кассиров, число посетителей в банке, время прибытия каждого клиента в банк и др. В качестве критерия остановки прогона при имитационном моделировании могут выступать обработка определенного количества требований или достижение определенного времени моделирования. При моделировании СМО также следует учитывать влияние вида закона распределения входного потока заявок на статистические характеристики выходных параметров системы. Поэтому оптимизировать характеристики эффективности системы в целом невозможно без учета влияния вида закона распределения входного потока заявок [11].
Интервалы времени между поступлением требований являются независимыми случайными величинами со средним значением µA. Время обслуживания также является случайной некоррелированной с интервалами поступления требований величиной. Среднее значение времени обслуживания требований – µS. В качестве входных параметров системы выберем количество каналов обслуживания s, среднее время поступления заявок µA, среднее время обработки требований µS, длину очереди l. В качестве выходных параметров системы будем рассматривать следующие показатели: коэффициент использования системы, среднее время ожидания заявки в очереди, среднее время пребывания заявки в системе, среднее по времени число требований в очереди, среднее по времени число требований в системе, относительная пропускная способность системы. При оценке эффективности работы СМО необходимо сопоставить доходы от выполнения заявок с потерями от простоя каналов обслуживания (с одной стороны будем иметь высокую пропускную способность, а с другой стороны – значительный простой каналов обслуживания) и выбрать компромиссное решение.
Пример имитационной модели работы отделения банка по обслуживанию физических лиц с помощью MS Excel.
Рассмотрим работу отделения банка по обслуживанию физических лиц с дисциплиной обслуживания – FIFO (First-In, First-Out) – очередь: требования обслуживаются по принципу «первым пришел – первым обслужен». Для исследования интенсивности входного потока заявок собрана статистическая информация. В течение каждого дня недели время поступления клиентов изменяется от 9:00 до 20:00 часов. Время между приходом двух клиентов является случайной величиной с показательным законом распределения (µA = 5 мин), а время обслуживания подчиняется нормальному закону распределения с математическим ожиданием µS = 6.5 мин и средним квадратическим отклонением 2 мин. В том случае, если в момент прихода нового клиента оператор занят, то клиент встает в очередь. При этом имеются места ожидания, число которых равно 10. Для работы по обслуживанию клиентов привлечены 2 оператора-кассира. Реализация процесса имитационного эксперимента средствами MS Excel представлена на рисунке 1.
Рисунок 1. Моделирование работы отделения банка при наличии двух операторов-кассиров
По результатам проведения имитационного эксперимента работы отделения банка по обслуживанию физических лиц средствами MS Excel можно сделать следующие выводы:
– в течение одного рабочего дня в отделение приходит в среднем 127 клиентов, из которых обслуженными оказываются 126 человек, при этом на момент окончания моделирования 1 клиент находится на обслуживании, очереди нет. Таким образом, относительная пропускная способность рассматриваемой СМО составляет 99.2%;
– среднее время ожидания клиентом обслуживания составляет 2.67 минут;
– среднее число клиентов, находящихся в очереди составляет 0.54 человека;
– в течение рабочего дня оба оператора оказываются равномерно загруженными и обслуживают 62 и 64 клиента соответственно, при этом коэффициент использования системы составляет 62.05%.
Анализ показателей эффективности системы обслуживания клиентов свидетельствует о нормальной работе отделения банка по обслуживанию физических лиц при наличии двух операторов-кассиров.
Пример имитационной модели в среде MATLAB+Simulink
Для проведения имитационного эксперимента работы отделения банка в течение одного рабочего дня выбрана среда моделирования SimEvents пакета MATLAB+Simulink, имеющего большой набор различных блоков, которые обеспечивают различные воздействия с временными и функциональными зависимостями, а также блоки получателей информации [9].
При дискретно-событийном моделировании используется понятие сущностей (entities), которые могут перемещаться через сети очередей (queues), серверов (servers) и переключателей (switches), управляемых дискретными событиями, в процессе моделирования. Графические блоки SimEvents могут представлять компонент, который обрабатывает сущности, но сами сущности не имеют графического представления. Ключевые процессы моделирования состоят их следующих основных блоков: генерации сущностей (блок Time-BasedEntityGenerator), хранения сущностей в очереди (блок FIFO Queue), обслуживания сущностей (блок SingleServer) и отображения информации о ходе моделирования (блоки SignalScope или Display). Для каждого блока необходимо установить параметры, которые соответствуют требованиям моделируемой системы.
Установим время моделирования 660 мин., что соответствует времени работы отделения с 9:00 до 20:00. Схема полученной модели и результаты моделирования представлены на рисунке 2.
Рисунок 2. Схема модели и результаты моделирования работы отделения банка при наличии двух операторов-кассиров
Блок SignalScope характеризует процедуру прохождения требований через накопитель. Из графика, изображенного на рисунке 3, видно, что не все заявки сразу поступают на обслуживание, некоторые заявки формируют очередь.
Рисунок 3. Процедура прохождения заявок через накопитель
По результатам проведения имитационного моделирования работы отделения банка по обслуживанию физических лиц можно сделать следующие выводы:
– в течение одного рабочего дня в отделение приходит в среднем 128 клиентов, из которых в течение рабочего дня обслуженными оказываются 123 клиента, т.е. относительная пропускная способность составляет 96.1%;
– среднее время ожидания клиентом обслуживания составляет 2.81 минуты;
– среднее число клиентов, находящихся в очереди составляет 0.54 человека;
– на момент закрытия в очереди остается 3 требования и двое клиентов находятся на обслуживании операторами;
– в течение рабочего дня оба оператора оказываются примерно одинаково загруженными, при этом первый оператор обслуживает 55.3% поступивших на обслуживание требований. Коэффициент использования системы составляет 60.6%.
Очевидно, что относительная пропускная способность данной системы достаточно высокая, среднее время пребывания клиентов в очереди весьма непродолжительное. Анализ других характеристик эффективности обслуживания при наличии двух операторов-кассиров свидетельствует об отсутствии перегрузки в работе данного отделения.
Выводы
Созданная имитационная модель системы массового обслуживания средствами табличного процессора MS Excel вполне адекватно отражает работу отделения банка и может быть применена для моделирования аналогичных систем массового обслуживания наравне со специализированными программными продуктами.
Созданная имитационная модель СМО отделения банка позволяет проводить оптимизацию наиболее значимых параметров системы и может быть составной частью системы поддержки принятия решений для рационализации организационной структуры и оптимизации управления.
Результаты работы модели можно считать корректными при достоверных исходных данных. Проведенный эксперимент показал, что затраты компьютерного времени, которые считаются одним из основных недостатков имитационного моделирования, не являются критичными при реальных параметрах СМО. Полученные результаты подтверждают эффективность методов компьютерного имитационного моделирования для диагностики и оптимизации систем массового обслуживания.
архив: 2013 2012 2011 1999-2011 новости ИТ гость портала 2013 тема недели 2013 поздравления