Общее описание

В мире, в котором мы живем, нас окружают различные объекты. Этих объектов великое множество. Одни из них имеют определенную форму и состоят из того или иного вещества (материала). Другие не имеют определенной формы. Одни – одушевленные, другие – неодушевленные. Объектом является также и то, что создается в результате умственной деятельности человека. Объектами наблюдения и изучения являются различные природные явления.

Понятие «объект» связано с практической и познавательной деятельностью человека. Все, что человек использует, производит, изучает, является объектом. Объект – это некоторая часть окружающего мира, рассматриваемая человеком как единое целое. Каждый объект обязательно как-то называется. Имя – это основная характеристика, которая позволяет отличить один объект от другого.

Если же имя объекта вам не знакомо, тогда понадобятся дополнительные характеристики, которые позволят отличить данный объект от других, например, форма, цвет, область использования, назначение и т.д. Чем более точно и подробно составлено описание объекта, тем легче его узнать.

Объект может характеризоваться некоторыми неизменными параметрами (например, дата рождения, длина, ширина и высота комнат в доме), а некоторые параметры могут меняться со временем (например, физические характеристики человека, скорость автомобиля, размер клубка шерсти).

В окружающем мире все объекты связаны друг с другом, они сосуществуют в тесном взаимодействии. При определенных обстоятельствах либо сами объекты, либо под воздействием других объектов могут выполнять какие-то действия. Путем перечисления действий можно довольно точно описать объект. Например, птиц характеризует то, что они могут летать. Однако если вы увидите птицу, которая парит в небе, а потом камнем падает вниз, то можно предположить, что это орел или сокол, поскольку именно для этих птиц свойственны такие действия.

Объекты окружающего нас мира, даже те, которые кажутся самыми простыми, на самом деле необычайно сложны. Чтобы понять, как действует тот или иной объект, иногда приходится вместо реальных объектов рассматривать их упрощенные представления – модели. При построении модели сам объект часто называют оригиналом или прототипом.

Модель – это аналог (заместитель) оригинала, отражающий некоторые его характеристики.

Все разнообразие моделей определяется разнообразием целей, поставленных при их создании.

От выбранной цели зависит, какие характеристики исследуемого объекта считать существенными, а какие отбросить. В соответствии с поставленной целью может быть подобран инструментарий, определены методы решения задачи, формы отображения результатов.

Возможные цели моделирования:

· познание окружающего мира;

· создание объектов с заданными свойствами;

· определение последствий воздействия на объект и принятие правильного решения;

· эффективность управления объектом или процессом.

Определение цели моделирования позволяет четко установить, какие данные являются исходными, какие – несущественны в процессе моделирования и что требуется получить на выходе.

Разрабатываются модели в следствии нескольких причин:

· оригинала может не существовать в настоящем;

· оригинал может иметь много свойств и взаимосвязей;

· на модели можно изучать только интересующие исследователя свойства;

· оригинал может быть очень больших или очень маленьких размеров.

Моделирование является одним из ключевых видов деятельности человека и всегда в той или иной форме предшествует другим ее видам. Прежде чем браться за любую работу, нужно четко представлять себе отправной и конечный пункты деятельности, а также ее примерные этапы. То же можно сказать о моделировании.

Построение модели позволяет обоснованно принимать решения по усовершенствованию имеющихся объектов и созданию новых, изменению процессов управления ими и, в конечном счете, изменению окружающего нас мира в лучшую сторону.

Моделирование – творческий процесс, и поэтому заключить его в формальные рамки очень трудно. Но все же выделяют несколько этапов процесса моделирования:

1. Постановка задачи (описание задачи, выделение цели моделирования, формализация задачи).

2. Разработка модели (построение информационной и компьютерной модели).

3. Компьютерный эксперимент (составление плана эксперимента и проведение исследования).

4. Анализ результатов моделирования.

Если результаты не соответствуют цели, то возможно возвращение ко всем этапам заново.

Каждый раз при решении конкретной задачи эта схема может подвергаться некоторым изменениям: какой-то блок может быть исключен или усовершенствован, какой-то – добавлен. Все этапы определяются поставленной задачей и целями моделирования.

Имитационное моделирование применяется для исследования и проектирования таких сложных систем и процессов, как предприятия, информационные сети, мировое развитие процессов в экономике или экологии и т.д. То есть, имитационное моделирование применяется для имитирования какой-либо реальности, процессов, происходящих в действительности с какими-либо системами.

Имитационная модель системы – это программа, в которой определяются все наиболее существенные элементы и связи в системе и задаются начальные значения параметров, соответствующие некоторому «нулевому» моменту времени, а все последующие изменения, происходящие в системе, вычисляются на ЭВМ автоматически при выполнении программы.

Для того чтобы построить имитационную модель какой-либо системы, необходимо написать программу. Для этого нужно задать начальные значения параметров системы на момент начала моделирования («нулевой» момент времени), а также описать все наиболее существенные элементы системы и связи между ними. В соответствии с этой программой компьютер сам вычислит все изменения параметров системы и выдаст результат.

Такой метод моделирования не требует составления уравнений и, тем более, не требует их решения. При этом он позволяет отображать и исследовать поведение системы с любой точностью. Причем все это делается автоматически программой.

Выполнение имитационной модели называется имитационным экспериментом.

В ходе имитационного эксперимента компьютер имитирует функционирование системы и вычисляет все необходимые характеристики свойств, проявляемых системой.

В отличие от натурного эксперимента (другими словами – настоящего, реального) имитационный эксперимент позволяет экспериментировать с системами, которых еще или уже нет, позволяет предсказывать поведение существующих систем в будущем, изучать их поведение в чрезвычайных условиях. Он дешевле и быстрее натурных экспериментов.

По характеру возможных изменений переменных величин модели подразделяются на непрерывные и дискретные.

В непрерывных моделях величины представляют собой непрерывные функции времени, а в дискретных моделях любые изменения происходят мгновенно, скачкообразно, и между моментами изменений состояний элементов остаются постоянными.

Реальные системы не бывают непрерывными или дискретными. Просто для одних систем удобнее применять непрерывные модели, для других – дискретные.

Представления о дискретности и непрерывности выработаны в рамках математики. Значит, когда мы говорим, что некоторая модель является дискретной, то тем самым уже имеем в виду не реальную систему, существующую в физическом мире, а некую математическую модель. Но в то же время любой физический объект или процесс мы можем описывать и моделировать как непрерывный или как дискретный. И какой вариант мы бы ни избрали, мы можем достичь любой точности описания

Например, речь человека можно описать в виде текста, то есть дискретной моделью. Можно записать речь как непрерывную звуковую волну, то есть как непрерывную функцию времени. Затем можно эту же звуковую волну оцифровать, то есть вновь представить дискретной моделью, и такая модель будет не менее точной, чем непрерывная.

Рассмотрим теперь, как соотносятся модели математические и компьютерные.

При моделировании реальных систем мы вначале составляем некоторое представление о реальной системе, достаточно точное. Это значит, что мы формируем математическую модель системы. Затем эту математическую модель мы превращаем в модель компьютерную. Следовательно, математические представления играют при моделировании роль своеобразного связующего звена между компьютерными моделями и реальными системами.

Но мы должны понимать, что объекты, реализованные в компьютерной программе, только лишь похожи на соответствующие математические объекты, но не идентичны им. Например, прямая линия на экране дисплея не есть то же самое, что прямая линия в математике. В математике прямая не имеет толщины. А на экране компьютера прямая не может не иметь определенную толщину, иначе она не была бы видна.

Это обычная компьютерная практика – моделировать математические объекты с известными свойствами посредством физических (компьютерных) объектов, которые сами этими свойствами не обладают. При этом, хотя точность моделирования математических объектов компьютерными может быть очень высокой, это все-таки не избавляет нас от необходимости понимания замаскированных различий между исходными математическими объектами и их компьютерными образами.

Язык (система) имитационного моделирования дискретных систем GPSS позволяет автоматизировать при моделировании систем процесс программирования моделей. В настоящее время он является одним из наиболее эффективных и распространенных программных средств моделирования сложных дискретных систем на ЭВМ и успешно используется для моделирования систем, формализуемых в виде схем массового обслуживания, с помощью которых описываются многие объекты.

Системы массового обслуживания – это многоканальные системы, занятые обслуживанием требований.

Пояснить это определение можно на примере парикмахерской.

Парикмахерская представляет собой систему массового обслуживания. Это многоканальная система, т.е. в ней существует несколько каналов; другими словами – несколько парикмахеров, у каждого из которых есть свое рабочее место (кресло + зеркало). Эта система занимается обслуживанием требований, то есть обслуживает клиентов, которые хотят сделать прическу.

С помощью языка имитационного моделирования GPSS очень удобно моделировать работу систем массового обслуживания (парикмахерская, заводской цех и др.).

Язык GPSS построен в предположении, что моделью сложной дискретной системы является описание ее элементов и логических правил их взаимодействия в процессе функционирования моделируемой системы. Если вернуться к примеру с парикмахерской, то для того, чтобы построить ее имитационную модель, необходимо описать ее элементы (парикмахеры, клиенты) и правила их взаимодействия в процессе работы парикмахерской. Но эти элементы и правила описываются не как клиенты, парикмахеры, отношения между ними, а как определенные объекты и операции языка GPSS.

Моделирование работы парикмахерской

Рассмотрим такую задачу: В парикмахерскую с одним парикмахером приходят клиенты через 20 ± 10 минут друг за другом. Время стрижки одного клиента составляет 19 ± 5 мин. Требуется определить среднюю длину очереди клиентов и среднее время ожидания клиентами начала обслуживания.

Эту задачу можно изобразить схематически следующим образом

В соответствии со схематическим изображением парикмахерской ее модель на языке GPSS может быть написана следующим образом:

10 GENERATE 20,10
20 SEIZE 1
30 ADVANCE 19,5
40 RELEASE 1
50 TERMINATE

Разберемся, что же это такое – в чем смысл этой программы.

Здесь левая колонка – это номера строк модели: произвольные положительные числа в порядке возрастания. Строки нумеруются не: 1, 2, 3 и т.д. Удобнее всего нумеровать их так, как показано: 10, 20, 30 и т.д. Это позволяет легко вставлять новую строку между любыми двумя уже введенными строками и присваивать ей номер, например 15, 25, 26 и т.п. В системе GPSS World можно не нумеровать строки.

Следующие две колонки – названия операторов и поле переменных. Рассмотрим, какие же операторы входят в модель, и для чего они предназначены.

Блок GENERATE порождает транзакты (клиентов) через каждые 20 ± 10 единиц времени (в данном примере считаем единицу времени минутой). Число 20 в первом операнде (в поле A) указывает интервал модельного времени, через который генерируются транзакты. В поле B записано число 10, которое задает временные границы интервала, т.е. время прихода очередного клиента получается как случайное число в промежутке от 20 – 10 = 10 до 20 + 10 = 30.

Таким образом, первый блок модели выдает через случайные интервалы времени транзакты, которые изображают приходящих в парикмахерскую клиентов.

Блок SEIZE 1, в который поступают транзакты из блока GENERATE, выполняет операцию занятия транзактами устройства номер 1.

В нашей модели устройство соответствует креслу парикмахера или самому парикмахеру. Транзакты, появляющиеся в блоке GENERATE в моменты, когда устройство занято, остаются в этом блоке в очереди к устройству.

Блок ADVANCE 19, 5 задерживает транзакт, который занял устройство, на 19 ± 5 единиц времени, моделируя тем самым задержку клиента на время его обслуживания.

По истечении этого времени транзакт переходит в блок RELEASE 1, в котором вы­полняется освобождение устройства номер 1, и далее поступает в блок TERMINATE, в котором транзакты уничтожаются. Конечно, это не означает, что кли­ен­ты после стрижки тоже уничтожаются, просто клиент уходит из системы, значит, тран­закт, моделирующий его, больше нам не нужен. Мы уничтожаем транзакт, чтобы не нужно было описывать его дальнейшее движение и чтобы освободить занимаемую им память компьютера.

В тот момент, когда один транзакт освобождает устройство, другой транзакт, сто­я­щий в очереди, занимает это устройство. Оба действия выполняются в один и тот же момент модельного времени. Когда один транзакт находится в блоке ADVANCE, дру­гие транзакты время от времени появляются в блоке GENERATE и становятся в оче­редь к устройству. Следовательно, в модели одновременно в разных ее местах дви­жутся несколько транзактов, выполняя те или иные операции, и могут влиять друг на друга и на другие объекты модели.

Здесь мы наблюдаем, параллельное выполнение нескольких процессов в одной программе, в которой и заключается существенное отличие языка GPSS от обычных ал­горитмических языков, языков программирования. Это отличие делает язык ими­та­ци­онного моделирования GPSS мощным средством описания реальных систем, так как в реальных системах разные процессы в разных частях системы развиваются одновременно и при этом взаимодействуют между собой.

Но нам нужно не просто составить программу, моделирующую работу парик­ма­херской. Необходимо еще, чтобы при выполнении модели GPSS собирал ста­тис­тику об очереди транзактов (клиентов). Для этого нужно включить в модель еще два блока – QUEUE (точка входа в очередь) и DEPART (точка выхода). Мы можем рас­став­лять эти точки в своих моделях в принципе произвольным образом. Это за­ви­сит от то­го, о каком участке системы нам нужна статистика по движению через него по­то­ка транзактов.

В данной модели парикмахерской эти точки следует выбирать так:

10 GENERATE 20,10
15 QUEUE 1 ;точка входа в очередь номер 1
20 SEIZE 1
25 DEPART 1 ;точка выхода из очереди номер 1
30 ADVANCE 19,5
40 RELEASE 1
50 TERMINATE

При такой расстановке блоков QUEUE и DEPART получается, что транзакт входит в очередь в момент появления его в системе, а выходит из очереди в момент, когда ему удалось занять устройство, то есть пройти блок SEIZE. Следовательно, очередь 1 будет собирать статистику именно об очереди клиентов к парикмахеру, как она изображена на нашей схеме. И в результате выполнения модели мы узнаем ответ на вопрос, поставленный в задаче: найти среднюю длину очереди клиентов и среднее время ожидания клиентами начала обслуживания.

Но можно расставить блоки QUEUE и DEPART иначе:

10 GENERATE 20,10
15 QUEUE 1 ;точка входа в очередь номер 1
20 SEIZE 1
30 ADVANCE 19,5
40 RELEASE 1
45 DEPART 1 ;точка выхода из очереди номер 1
50 TERMINATE

В этом случае статистика по очереди номер 1 будет соответствовать числу всех кли­ен­тов в парикмахерской вообще, включая клиента, обслуживаемого парик­ма­хе­ром. Таким образом, очереди, по которым мы можем собирать статистику, не обя­за­тель­но должны совпадать с теми очередями, которые создаются транзактами, ожидающими освобождения устройств и памятей.

Ввести модель необходимо следующим образом.

1. Запустить GPSS.

2. Ввести текст программы File ® New ® Model

10 GENERATE 20,10
15 QUEUE 1 ;точка входа в очередь номер 1
20 SEIZE 1
25 DEPART 1 ;точка выхода из очереди номер 1
30 ADVANCE 19,5
40 RELEASE 1
50 TERMINATE
100 GENERATE 480 ;один день – 480 минут
110 TERMINATE 1

3. Проверить программу на ошибки, создать симуляцию Command ® Create Simulation

4. Запустить программу, моделировать один раз Command ® Start

5. Проанализировать отчет.

START TIME END TIME BLOCKS FACILITIES STORAGES
0.000 480.000 9 1 0
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 25 0 0
2 QUEUE 25 3 0
3 SEIZE 22 0 0
4 DEPART 22 0 0
5 ADVANCE 22 1 0
6 RELEASE 21 0 0
7 TERMINATE 21 0 0
8 GENERATE 1 0 0
9 TERMINATE 1 0 0
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
1 22 0.894 19.505 1 23 0 0 0 3
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
1 3 3 25 6 0.505 9.694 12.755 0

В колонке CURRENT_COUNT (счетчик текущих) показано число транзактов, задержанных в каждом блоке в момент останова модели.

Статистика по очередям содержит таблицу, в которой по каждой очереди в модели приводятся следующие основные данные.

В колонке QUEUE (очередь) содержится номер или имя очереди.

В колонке MAX (максимум) – максимальная длина очереди, которая достигалась за все время моделирования. В нашей модели длина очереди максимальная длина равна 3.

В колонке CONT (содержимое) приводится текущая длина очереди в момент останова модели.

Колонка ENTRIES (входы) содержит число транзактов, вошедших в очередь. Видно, что это число совпадает с числом транзактов, вошедших в блок QUEUE, показанное в трассировке.

Колонка ENTRIES(0) содержит число транзактов, прошедших очередь без задержки (с нулевой задержкой). Таим образом, 6 клиентов в момент прихода в парикмахерскую заставали свободного парикмахера, в очереди не стояли. Получается, что таких «везучих» клиентов было 6/25=0,24 или 24%.

В колонке AVE.CONT (среднее содержимое) выводится средняя длина очереди.

Столбец с заголовком AVE.TIME содержит среднее время прохождения транзакта через очередь. Соседний столбец AVE.(-0) – такое же среднее время, но рассчитанное только для тех транзактов, которые прошли очередь за ненулевое время, то есть которые фактически задерживались в очереди.

Мы можем теперь ответить на вопрос, поставленный в задаче моделирования, следующим образом: при заданных параметрах парикмахерской средняя длина очереди клиентов к парикмахерам составляет 0,505 клиента, среднее время ожидания начала обслуживания равно 9,69 минуты.

Статистика по устройствам (FACILITY). Требует пояснения UTIL — коэффициент использования устройства. В нашем случае коэффициент использования равен 89,4% – высокий темп.

Модель парикмахерской с несколькими парикмахерами

Предположим, что клиенты появляются в парикмахерской чаще – через каждые 5 ± 5 минут, — и мы должны определить характеристики очереди клиентов при условии, что теперь их будут обслуживать четыре парикмахера.

Четыре кресла можно изобразить в модели памятью емкостью 4 единицы, в которой каждый транзакт будет занимать одну единицу. Модель принимает тогда следующий вид.

10 KRES STORAGE 4 ;память KRES имеет емкость 4 ед.
20 GENERATE 5,5
30 QUEUE 1 ;вход в очередь 1
40 ENTER KRES ;занять в памяти KRES одно место
50 DEPART 1 ;выход из очереди 1
60 ADVANCE 19,5
70 LEAVE KRES ;освободить место в памяти KRES
80 TERMINATE
90 GENERATE 480 ;моделировать 1 день работы
100 TERMINATE 1

Транзакты в этой модели ведут себя точно так же, как клиенты в моделируемой парикмахерской. Когда в памяти KRES заняты все четыре единицы, то приходящие из блока GENERATE транзакты не могут войти в блок ENTER, и ожидают освобождения памяти, как клиенты ожидают освобождения одного из четырех кресел парикмахеров.

Отчет по исследованию.

START TIME END TIME BLOCKS FACILITIES STORAGES
0.000 480.000 9 0 1
NAME VALUE
KRES 10000.000
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 90 0 0
2 QUEUE 90 1 0
3 ENTER 89 0 0
4 DEPART 89 0 0
5 ADVANCE 89 4 0
6 LEAVE 85 0 0
7 TERMINATE 85 0 0
8 GENERATE 1 0 0
9 TERMINATE 1 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
1 4 1 90 41 0.802 4.275 7.852 0
STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY
KRES 4 0 0 4 89 1 3.467 0.867 0 1

Содержимое статистики по памятям STORAGE можно понять из перевода заголовков столбцов таблицы, если при этом учитывать пояснения, приведенные выше для статистики по очередям. Заголовки основных столбцов переводятся так:

STORAGE - память

CAP. - емкость

MIN - минимум

MAX - максимум

ENTRIES - входы

AVE.C - среднее содержимое

UTIL - использование.

Отдельно требуется пояснить только заголовок UTIL. Под этим заголовком вы­водится коэффициент использования памяти. В отличие от коэффициента ис­поль­зо­вания устройства он представляет собой не долю времени, в течение которой па­мять была занята, а среднее содержимое памяти, деленное на емкость. Этот коэф­фициент также получается нормированным, то есть находится всегда в пределах от 0 до 1.

С математической точки зрения (с точки зрения теории массового обслу­жива­ния) это есть не что иное, как коэффициент загрузки многоканальной системы массового обслуживания, в которой число каналов равно емкости памяти. Если выражаться точнее, это даже не коэффициент загрузки, а статистическая оценка стационарного значения коэффициента загрузки.

Этот показатель имеет тот экономический смысл, что выражает, насколько полно используется ресурс памяти, или, — в нашей модели, — насколько полностью загружены парикмахеры. Коэффициент загрузки получился равным 0,867. Это значит, что любой из четырех парикмахеров в среднем 86,7% времени занят не­посред­ствен­ным обслуживанием клиента.

Модель обслуживания с отказами

Усовершенствуем немного последнюю модель парикмахерской, чтобы учесть в ней возможные отказы клиентов от обслуживания. Будем считать, что когда при­хо­дя­щий клиент видит в очереди более двух клиентов, он уходит из парик­ма­хер­ской, то есть отказывается от обслуживания.

Условное изображение системы массового обслуживания, соответствующее этому варианту модели, представлено на рисунке.

Линии изображают здесь возможные маршруты движения заявок (то есть клиентов), прямоугольники изображают очередь заявок, надпись над очередью означает, что ее длина Q1 не может превышать трех заявок. Кружками изображены каналы, то есть обслуживающие приборы (в данном случае – кресла парикмахеров).

В состав искомых данных наряду с характеристиками очереди клиентов включим вероятность отказа, то есть вероятность того, что пришедший клиент застанет в парикмахерской очередь из трех человек и покинет парикмахерскую.

Модель для такого варианта функционирования парикмахерской может написана на GPSS так, как показано ниже.

10 KRES STORAGE 4 ;память KRES имеет емкость 4 ед.
20 GENERATE 5,5
25 TEST L Q1,3,OTKAZ
30 QUEUE 1 ;вход в очередь 1
40 ENTER KRES ;занять в памяти KRES одно место
50 DEPART 1 ;выход из очереди 1
60 ADVANCE 19,5
70 LEAVE KRES ;освободить место в памяти KRES
80 TERMINATE
85 OTKAZ TERMINATE
90 GENERATE 480 ;моделировать 1 день работы
100 TERMINATE 1

Блок TEST выполняется следующим образом. При входе транзакта в этот блок проверяется условие, обозначенное после слова TEST буквой L, т.е. условие «меньше». Сравниваемые величины заданы в полях A и B блока TEST. Таким образом, проверяется условие Q1<3. Обозначение Q1 в GPSS стандартно соответствует текущей длине очереди номер 1.

Если проверяемое в момент входа транзакта в блок TEST условие выполняется (тест выполнен), то транзакт проходит дальше, к следующему блоку. В данной модели он входит в очередь 1. Если условие не выполняется, то транзакт переходит по альтернативной метке, записанной в поле C блока TEST. Значит, если длина очереди будет не меньше трех, т.е. если будет Q1=3 или Q1>3, то транзакт перейдет по метке OTKAZ – и уничтожится в строке 85 модели. Это соответствует уходу клиента, заставшего в очереди трех клиентов.

Отчет по исследованию.

START TIME END TIME BLOCKS FACILITIES STORAGES
0.000 480.000 11 0 1
NAME VALUE
KRES 10000.000
OTKAZ 9.000
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
1 GENERATE 97 0 0
2 TEST 97 0 0
3 QUEUE 95 2 0
4 ENTER 93 0 0
5 DEPART 93 0 0
6 ADVANCE 93 4 0
7 LEAVE 89 0 0
8 TERMINATE 89 0 0
OTKAZ 9 TERMINATE 2 0 0
10 GENERATE 1 0 0
11 TERMINATE 1 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY
1 3 2 95 31 0.768 3.881 5.761 0
STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY
KRES 4 0 0 4 93 1 3.662 0.916 0 2

В колонке ENTRY_COUNT (счетчик входов) показано число транзактов, прошедших за время моделирования через каждый блок модели. Так, из блока GENERATE вышло 97 транзактов, – столько клиентов приходили в парикмахерскую за год. В блоке OTKAZ уничтожено 2 транзакта. Столько клиентов отказались от обслуживания. Отсюда можно найти оценку вероятности отказа:

Pотк. = 2/97 = 0,02.