To illustrate, suppose that the act

To illustrate, suppose that the actual system is fed by a hybrid arrival process as outlined before (ships of 6,000 tons and up arrive stock-controlled and ships of less than 6,000 ton arrive equidis- tantly), but the modeler is not aware of this. He may then use a data fitting program on the collected historical arrival data to help select the distribution function for his model. The results are displayed in Figure 5. The figure was conceived as follows. Arrival data from a hybrid arrival process as generated by our own simulation model were fed to a data fitting program (Arena’s Input Analyzer (Arena, 2003)). Ac- cording to this data 13,708 ship arrivals occurred over a ten year period. The figure displays their in- terarrival times divided over 40 intervals. The distribution function that fits best based on criteria such as the square error is the beta distribution function -0.001 + 2010 * beta(0.957, 4.04), but the exponen- tial distribution function is still quite close (see (Law and Kelton, 2000) for both distribution func- tions). Based on these results the beta or even the exponential function appear suitable candidates for modeling the arrival process. However, as can be learned from Table 4 (shown and discussed in sec- tion 6) experiments show dramatic differences in simulation outcomes among the various arrival proc- esses considered. This suggests that a data fitting strategy should be preceded by a thorough arrival process analysis to eliminate the possibility of the process being controlled instead of truly random.

ผลลัพธ์ (ไทย) 1:

การแสดง สมมติว่า ระบบจริงจะเลี้ยงโดยกระบวนมาผสมตามคำแนะนำก่อน (เรือ 6000 ตัน และขึ้นมาควบคุม stock และเรือน้อยกว่า 6000 ตันมา equidis-tantly), แต่ modeler ที่ไม่ทราบนี้ แล้วเขาอาจใช้โปรแกรมกระชับข้อมูลในอดีตมารวบรวมข้อมูลเพื่อช่วยในการเลือกฟังก์ชันการกระจายในรูปแบบของเขา ผลลัพธ์จะแสดงในรูปที่ 5 รู้สึกตัวเลขดังนี้ ข้อมูลมาจากขั้นตอนมาผสมสร้างขึ้น โดยจำลองแบบของเราเองได้ติดตามโปรแกรมกระชับข้อมูล (ของเวทีเข้าวิเคราะห์ (เวที 2003)) Ac-cording ไปนี้ข้อมูล 13,708 จัดส่งขาเข้าเกิดขึ้นช่วงระยะเวลาสิบปี ตัวเลขแสดงเวลาใน terarrival ของพวกเขาแบ่งช่วง 40 ฟังก์ชันการกระจายที่เหมาะสมที่สุดตามเงื่อนไขเช่นตารางข้อผิดพลาด ฟังก์ชันการแจก beta-0.001 + 2010 * ยังคงเป็นเบต้า (0.957, 4.04), แต่ฟังก์ชั่นการกระจาย tial exponen - ค่อนข้างปิด (ดู (กฎหมายและ Kelton, 2000) ทั้งกระจาย func-tions) ขึ้นอยู่กับผลลัพธ์เหล่านี้เบต้าหรือแม้แต่ฟังก์ชันเอ็กซ์โพเนนเชียปรากฏ เหมาะสมสำหรับกระบวนการมาถึงการสร้างโมเดล อย่างไรก็ตาม เป็นสามารถเรียนรู้ได้จากตารางที่ 4 (แสดง และใน 6 วินาทีสเตรชัน) ทดลองแสดงความแตกต่างอย่างมากในการจำลองผลที่ได้จากต่าง ๆ มาถึงกระบวนการ-esses ถือว่า นี้แนะนำว่า ข้อมูลกลยุทธ์ที่เหมาะสมควรนำหน้า ด้วยการวิเคราะห์กระบวนการมาอย่างละเอียดเพื่อป้องกันไม่ให้ถูกควบคุมแทนกระบวนการสุ่มอย่างแท้จริง

ผลลัพธ์ (ไทย) 2:

เพื่อแสดงให้เห็นว่าระบบคิดที่เกิดขึ้นจริงจะถูกป้อนโดยกระบวนการไฮบริดมาถึงตามที่ระบุไว้ก่อน (เรือ 6,000 ตันขึ้นไปถึงหุ้นที่มีการควบคุมและเรือน้อยกว่า 6,000 ตันมาถึง equidis- tantly) แต่โมเดลที่ไม่ได้ตระหนักถึงเรื่องนี้ . จากนั้นเขาก็อาจจะใช้ข้อมูลโปรแกรมที่เหมาะสมกับข้อมูลที่เก็บรวบรวมมาถึงประวัติศาสตร์ที่จะช่วยให้เลือกฟังก์ชั่กระจายสำหรับรูปแบบของเขา ผลที่จะได้แสดงในรูปที่ 5 รูปที่คิดดังต่อไปนี้ ข้อมูลจากการมาถึงขั้นตอนการมาถึงไฮบริดที่สร้างขึ้นโดยเป็นแบบจำลองของเราเองที่จะได้รับการเลี้ยงดูข้อมูลโปรแกรมที่เหมาะสม (วิเคราะห์การป้อนข้อมูลของสนามกีฬา (สนามกีฬา, 2003)) แสงตามข้อมูลนี้ 13,708 เดินทางมาถึงเรือที่เกิดขึ้นในช่วงระยะเวลาสิบปี ตัวเลขแสดงเวลา terarrival in-ของพวกเขาแบ่งช่วงเวลากว่า 40 ฟังก์ชั่นการจัดจำหน่ายที่ดีที่สุดเหมาะกับตามเกณฑ์เช่นข้อผิดพลาดตารางที่มีฟังก์ชั่นการกระจายเบต้า -0.001 + 2010 เบต้า * (0.957, 4.04) แต่ฟังก์ชั่นการกระจาย TIAL exponen- ยังคงค่อนข้างใกล้เคียง (ดู (กฎหมายและ Kelton 2000 ) ทั้งฟังก์ชั่นการกระจาย tions) บนพื้นฐานของผลเหล่านี้เบต้าหรือฟังก์ชั่นที่ชี้แจงปรากฏผู้ที่เหมาะสมสำหรับการสร้างแบบจำลองกระบวนการการมาถึง อย่างไรก็ตามในขณะที่สามารถเรียนรู้จากตารางที่ 4 (แสดงและกล่าวถึงในการชั่ว 6) การทดลองแสดงให้เห็นความแตกต่างอย่างมากในผลการจำลองการมาถึงหมู่ต่างๆ proc- Esses พิจารณา นี้แสดงให้เห็นว่าข้อมูลกลยุทธ์ที่เหมาะสมควรจะนำหน้าด้วยการมาถึงขั้นตอนการวิเคราะห์อย่างละเอียดเพื่อขจัดความเป็นไปของกระบวนการที่ถูกควบคุมแทนการสุ่มอย่างแท้จริง

ผลลัพธ์ (ไทย) 3:

เพื่อแสดงให้เห็น สมมติว่าระบบที่แท้จริงจะถูกป้อนโดยกระบวนการมาถึงลูกผสมดังที่ระบุไว้ก่อน ( เรือของ 6 , 000 ตัน และขึ้นถึงหุ้นและการควบคุมเรือน้อยกว่า 6 , 000 ตัน มาถึง equidis - tantly ) แต่แบบไม่ได้ตระหนักถึงนี้ เขาอาจจะใช้ข้อมูลที่เหมาะสมเกี่ยวกับโปรแกรมการรวบรวมข้อมูลทางประวัติศาสตร์มาช่วยเลือกฟังก์ชันการแจกแจงแบบของเขาผลลัพธ์ที่แสดงในรูปที่ 5 รูปนี้ ดังนี้ รับข้อมูลจากกระบวนการมาถึงไฮบริดเป็นที่สร้างขึ้นโดยแบบจำลองของเราเองได้รับข้อมูลที่เหมาะสม โปรแกรมเพื่อวิเคราะห์ข้อมูล อารีน่า ( Arena , 2003 ) สายไฟ AC - ข้อมูลนี้ 13708 เรือขาเข้าที่เกิดขึ้นตลอดระยะเวลา 10 ปี รูปที่แสดงของพวกเขาใน - terarrival ครั้งแบ่งออกมากกว่า 40 ครั้งฟังก์ชันการแจกแจงที่เหมาะกับที่ดีที่สุดตามเกณฑ์เช่นข้อผิดพลาดตารางเบต้าฟังก์ชันการแจกแจง -0.001 2010 * เบต้า ( 0.957 4.04 , ) แต่ exponen - ฟังก์ชันการแจกแจง tial ยังค่อนข้างปิด ( ดู ( กฎหมายและเคลตัน , 2000 ) ทั้งการกระจาย func - ใช้งาน )ขึ้นอยู่กับผลลัพธ์เหล่านี้เบต้า หรือแม้แต่ฟังก์ชันเอกซ์โพเนนเชียลปรากฏผู้สมัครที่เหมาะสมสำหรับการจำลองกระบวนการมาถึง อย่างไรก็ตาม สามารถเรียนรู้ได้จากตารางที่ 4 ( แสดงและกล่าวถึงในวินาที , 6 ) ความแตกต่างในผลการทดลองแสดงละครจำลองของ proc - มาถึง esses ต่าง ๆพิจารณานี้แสดงให้เห็นว่าเป็นข้อมูลที่เหมาะสมกลยุทธ์ควรจะนำหน้าโดยการวิเคราะห์กระบวนการมาถึงอย่างละเอียดเพื่อขจัดความเป็นไปได้ของกระบวนการควบคุมแทนการสุ่มอย่างแท้จริง