Предпроектное обследование склада нефтепродуктов Якутской нефтебазы

Сбор статистики для очередей осуществляется с помощью блоков QUEUE и DEPART. Распределение случайных величин – параметров блоков модели TABLE, QTABLE

Виды статистики в GPSS:

1. Статистика для устройств:

количество транзактов, прошедших  через устройство;

среднее время занятия устройства одним транзактом;

загрузка устройства (или доля использования) в течение всего времени моделирования;

доля (процент) доступности устройства в процессе моделирования;

количество транзактов, занявших устройство блоком SEIZE;

количество транзактов, захвативших устройство блоком PREEMPT.

2. Статистика для накопителей:

- объем накопителя, определенный  в модели;

- среднее значение содержимого  накопителя за время моделирования;

- количество транзактов, прошедших  через накопитель;

- среднее значение времени использования единицы памяти;

- среднее значение загрузки  накопителя в течение моделирования;

- процент доступности накопителя  за время моделирования;

- текущее содержимое накопителя  на момент завершения моделирования.

- максимальное содержимое накопителя за время моделирования.

3. Статистика для очередей

- максимальное значение длины  очереди при моделировании;

- среднее значение длины очереди;

- общее количество транзактов, прошедших через очередь;

- количество "нулей"- транзактов, прошедших через очередь без задержки;

- процент "нулей"- доля транзактов, прошедших через очередь с  нулевой задержкой;

- среднее значение времени задержки  транзакта в очереди с учетом "нулевых" транзактов;

- среднее значение времени задержки  транзакта в очереди без учета "нулевых" транзактов (всегда больше или равно предыдущего значения, поскольку учитываются только те, которые были в очереди с ненулевым временем).

Общая оценка (преимущества и недостатки) GPSS PC и GPSS World:

Положительные стороны: GPSS/W является весьма мощным инструментом имитационного моделирования (три ключевых момента),

- свободным от ограничений аналитических  и численных методов, 

- достаточно «прозрачным» (структура  модели не является черным  ящиком), допускающим нестандартную  обработку данных

- и инструментом, снимающим с  программиста множество нетривиальных  проблем программирования и отладки  моделей. 

Тем не менее, приходится отметить наличие  у нее ряда серьезных недостатков (из них для лабораторных работ  можно выделить):

- громоздкость системы и явная перегруженность встроенными возможностями (многообразие примитивов);

• непомерное разнообразие графических обозначений блоков, не поддерживаемое даже новейшими версиями «чертежной» системы Visio;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глава 3. Предпроектное обследование склада нефтепродуктов Якутской нефтебазы.

1. Склад нефтепродуктов Якутской нефтебазы ОАО «Саханефтегазсбыт»

 

Открытое Акционерное Общество "Саханефтегазсбыт" основано в 2000 году. После реорганизации ГП "Якутнефтепродукт".

ОАО "Саханефтегазсбыт" - крупное самостоятельно хозяйствующее предприятие учрежденное Министерством имущественных отношений. Со стопроцентной долей государства в уставном капитале.

Основной вид деятельности: оптово-розничная  реализация нефтепродуктов.

Услуги: по приему, складским операциям  и хранению нефтепродуктов.

Задачи - доставка, хранение и реализация качественных нефтепродуктов.

Цели - обеспечение всей республики нефтепродуктами для государственных  нужд и коммерческим топливом.

На рынке нефтепродуктов  предприятие  работает более 60 лет.

 Компания имеет постоянных корпоративных клиентов.

В организационную структуру компании входят 25 филиалов - нефтебаз, расположенных  на всей территории республики Саха(Якутия) [6].

 

3.2. Разработка имитационной модели  на языке GPSS

 

Постановка задачи

Склад нефтепродуктов распределяет 3 категории топлива: а) домашнее печное топливо; б) промышленное легкое дистилляционное  топливо; в) дизельное топливо для  машин. Для каждой категории топлива  имеется один насос, спрос на каждую категорию топлива одинаковый. Заказы на топливо распределены равномерно в диапазоне от 3000 до 5000 галлонов с шагом в 10 галлонов. Время, необходимое для заполнения автоцистерны для горючего, определяется следующими условиями: 

1. Производительность насосов (6, 5 и 7 минут на 1000 галлонов соответственно). 

2. Размер заказа.

3. Количество автоцистерн на нефтехранилище (дополнительно 30 секунд на каждый автомобиль).

4. Время установки (2 минуты).

Нефтехранилище вмещает максимум 12 грузовиков. Среднее время между  прибытием грузовик составляет 18 минут и изменяется по следующей функции (Таблица 1):

Таблица 1

Время между прибытием грузовиков

Частота	.20	.40	.25	.15
Коэффициент среднего	.45	.60	1.5	2.0

 

Необходимо:

1. Смоделировать работу нефтехранилища в течение 5 дней.

2. Найти распределение транзитного времени грузовиков.

3. Определить количество продаваемого каждый день топлива.

 

3. Расчетная работа

 

Для построения нашей модели используем блоки SEIZE, RELEASE – для эмуляции занятия  и освобождения устройств; QUEUE, DEPART – для входа в очередь и выхода из нее; а так же блок ADVANCE – для осуществления задержки транзакта на обработку и пару GENERATE, TERMINATE – которые имитируют приход новых заявок в систему и выход обработанных из нее [14, 15]. Текст программы исходной модели приведен в Приложении 1.

Модель состоит из нескольких сегментов. После определения функций, переменных и памятей следуют еще два  сегмента модели. Транзакты в верхнем  сегменте представляют грузовики, запрашивающие  топливо. Транзакты в нижнем сегменте табулируют суточные продажи и уменьшается счетчик завершения процесса моделирования.

Для выбора типа топлива и его  количества для каждого грузовика, которая затем ожидает освобождение насоса, соответствует конкретной категории  топлива, используются случайные функции. Время закачки определяется переменной Pump.

Количество доступного для ежедневной продажи топлива считается достаточным. В модель может быть легко добавлен контроль поступления топлива на базу.

Получение и интерпретация результатов исследования происходит по составленной и отлаженной программе. Результаты этих расчётов позволяют провести анализ и сформулировать выводы о характеристиках процесса функционирования моделируемой системы. При реализации моделирующих алгоритмов на ПЭВМ вырабатывается информация о состояниях процесса функционирования исследуемой системы, которая является исходным материалом для приближённой оценки искомых характеристик, получаемых в результате имитационного эксперимента с моделью.

Из результатов отчета приведенных  в Приложении 2 следует:

Первый блок содержит общие сведения о модели и ее прогоне.

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 480.000 18 3 1

Из него можно узнать следующее:

Модельное время начала (START_TIME) – 0;

Модельное время окончания (END_TIME) прогона – 480;

 Количество блоков в модели (BLOCKS) – 18;

 Количество устройств (FACILITIES) – 3;

 Количество накопителей (STORAGES) – 1;

Из второго блока можно получить сведения об устройствах модели.

FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY

1 11 0.535 23.358 1 28 0 0 0 0

2 6 0.274 21.925 1 0 0 0 0 0

3 10 0.633 30.403 1 27 0 0 0 0

По данному отчету можно сказать  следующее:

В исследуемой системе использовано три устройства (насосы) с именами (FACILITIES) 1, 2, 3.

ENTRIES -Устройства были заняты n раз для удобства приведены в таблице 2:

 

 

Таблица 2

ENTRIES -Устройства были заняты

Насосы	Использование (сколько раз)
1 устройство	11 раз
2 устройство	6 раз
3 устройство	10 раз

 

Коэффициенты использования устройств (UTIL.) приведены в таблице 3:

Таблица 3

Коэффициенты использования устройств

Использование устройств	Коэффициент использования
1 устройство	0.535
2 устройство	0.274
3 устройство	0.633

 

Среднее время занятости устройства за один подход (AVE. TIME) приведена в  таблице 4:

Таблица 4

Среднее время занятости устройства

Устройства	Время (мин)
1 устройство	23.358
2 устройство	21.925
3 устройство	30.403

 

Третий блок содержит сведения о  всех очередях, используемых в системе.

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY

QUE1 - 1 0 11 8 0 0.053 2.305 8.453 0

QUE2 - 1 0 6 5 0 0.014 1.125 6.750 0

QUE3 - 1 0 10 9 0 0.035 1.678 16.780 0

Четвертый блок содержит сведения обо  всех накопителях, используемых в системе.

STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY

NN1 12 10 0 3 27 1 1.545 0.129 0 0

По представленным сведениям видно, что:

Моделируемая система содержит один накопитель (STORAGES);

Емкость устройства (CAP.) памяти равна 12;

Количество свободных каналов  в момент завершения моделирования (REMAIN.) - 10;

1. Наименьшее (MIN) количество занятых каналов в процессе моделирования – 0;
2. Наибольшее (MAX) количество занятых каналов в процессе моделирования – 3;
3. Количество входов многоканальное устройство (МКУ) (ENTRIES) – 27;
4. Среднее количество занятых каналов в процессе (AVE. C.) 1.545
5. Коэффициент использования (UTIL.) составил 0.129

 

3.4. Анализ и краткие выводы  по результатам работы

 

Так как нами разрабатывается имитационная модель работы нефтехранилища в течение 5 дней создается процесс моделирования на это заданное время. Процесс моделирования закончится, после того как 5 транзактов войдут в блок TERMINATE 1. Это представляет 5 дней работы по 8 часов в день.

Отчет результатов работы склада нефтепродуктов за 5 рабочих дней представлена в  Приложении 3.

Из стандартных отчетов данных можно узнать следующее:

Модельное время начала (START_TIME) – 0;

Модельное время окончания (END_TIME) прогона  – 2400;

 Количество блоков в модели (BLOCKS) – 18;

 Количество устройств (FACILITIES) – 3;

 Количество накопителей (STORAGES) – 1;

В таблице Transit (Приложение 4) приводится распределение времени ожидания грузовиков на базе. Среднее время  составило 33,448 минуты.

В таблице QTY (Приложение 5) приводится распределение суточных объемов  продаж топлива. Среднее значение составило 106982 галлонов.

Если исследовать конечное состояние процесса моделирования, сгенерировавшего стандартный отчет  мы увидим:

1. Использование команды Show с помощью функциональной клавиши F8 увидим, каким образом на основе переменной GPSS Type, определенной в программе, последовательно поступающим грузовикам случайно задавался тип топлива. (Приложение 6).
2. Теперь давайте посмотрим коэффициент использования нефтехранилища (в долях от тысячи). Хранилище вмещает максимум 12 грузовиков. Коэффициент использования равен 17%. Коэффициент использования представлен в долях от тысячи, то есть база не является «узким» местом модели.
3. Теперь посмотрим, что происходит с насосами. Каждый насос представлен одним устройством. В отчете обращаем внимание на коэффициент использования устройства, которая выше, чем коэффициент использования памяти. Коэффициент использования памяти представляет количество вмещаемых базой грузовиков. (Приложение 7). Окно памяти отображает состояние памяти с именем Depot (Приложение 8), а также ее относительно низкий коэффициент использования. Очевидно, что любые задержки в распределении топлива приведут к росту очередей у насосов. Однако, в данном процессе моделирования подобные «узкие» места не были обнаружены. Возможно, при другой структуре входящего потока грузовиков будут другие выводы.