Portofoliu practic pentru disciplina Modeling and Simulation

Laboratorul 1

1. Se va utiliza modelul din Figura 15, care este modelul din Figura 5, modificat pentru a afișa
numărul de entități deservite de blocul Single Server. Acest număr este chiar numărul de entități
intrate în blocul Entity Sink, afișat în Figura 5 la ieșirea #a. Intervalul între apariția a două entități în
model este 1s. Timpul de deservire al unei entități în server este 1s.

Modelul inițial

Intervalul între apariția a două entități

 a) Cazul în care timpul de deservire este de 1.2 secunde:

Rezultatele în urma simulării:

Numărul de entități intrate în coadă Numărul de entități deservite

b) Cazul în care timpul de deservire este de 0.8 secunde:

Rezultatele în urma simulării:

Numărul de entități intrate în coadă Numărul de entități deservite

c) Cazul în care intervalul dintre apariția a două entități este realizat cu o distribuție uniformă [0.8s,
1.2s].
Cazul în care deservirea este de 1 secundă

Rezultatele în urma simulării pe 10s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 100s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 1000s:

Numărul de entități intrate în coadă Numărul de entități deservite

  Cazul în care timpul de deservire este 0.8s.

Rezultatele în urma simulării pe 10s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 100s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 1000s:

Numărul de entități intrate în coadă Numărul de entități deservite

  Cazul în care timpul de deservire este 1.2s.

Rezultatele în urma simulării pe 10s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 100s:

Numărul de entități intrate în coadă Numărul de entități deservite

Rezultatele în urma simulării pe 1000s:

Numărul de entități intrate în coadă Numărul de entități deservite

2. Blocul Entity Generator poate conține cel mult o entitate. Dacă blocul ce trebuie să primească
această entitate, Queue, Server, etc., nu poate primi această entitate, ea așteaptă în blocul Entity
Generator nu există o altă entitate. Fie modelul din Figura 17. Modelul din partea de jos a fost creat
prin selectarea modelului inițial și utilizarea opțiunilor Copy și Paste ale meniului Edit. Blocul FIFO
Queue a fost șters prin selectare și opțiunea Delete a meniului Edit. Caseta blocurilor Entity
Generator este cea din Figura 9. Intervalul între apariția a două entități în model este 1s. Se vor rula
modelele pe o durată de 20s astfel:

Modelul din figura 17

Intervalul între apariția a două entități pentru blocurile Time-Based Entity Generator și Time-Based
Entity Generator1
a) Cazul în care timpul de deservire este de 1s la ambele servere.

Numărul de entități generate Numărul de entități intrate în coadă Numărul de entități deservite

Numărul de entități generate Numărul de entități deservite

Deoarece în ambele cazuri intervalul de apariție este același, rezultă faptul că va fi același număr de
entități generate din blocurile Time-Based Entity Generator și Time-Based Entity Generator1,iar
datorita faptului că în primul caz se regăsește o coadă, automat este influențat și timpul de deservire
al fiecărei entități.

b) Cazul în care timpul de deservire este de 1s la ambele servere.

Numărul de entități generate Numărul de entități generate

Numărul de entități deservite Numărul de entități deservite

Numărul de entități intrate în coadă

Deoarece, dacă analizăm graficul pentru cazul în care se regăsește o codadă cu cel pentru pentru
cazul în care nu se regăsește o coadă, asta determină ca numărul de entități generate de Time-Based
Entity Generator să fie mai mare decât entități generate de Time-Based Entity Generator1.
 Laboratorul 2

1. La o mașină unealtă sosesc loturi de piese pentru prelucrare. Loturile sosesc la intervale de 18 ±6
s cu distribuție uniformă. Prelucrarea unui lot durează 18s. Loturile generate așteaptă să fie
prelucrate într-o coadă. Să se simuleze modelul pe o scurtă durată de 500s și 2000s. Se vor afișa
numărul de loturi generate, numărul de loturi în coadă și numărul de loturi prelucrate.

Modelul problemei

După realizarea sistemului de mai sus,în Time-Based Entity Generator parametrilor Minimum și
Maximum li se vor introduce valorile 12, respectiv 24, iar pentru ca prelucrarea unui lot să dureze 18
secunde se va introduce valoarea respectivă în câmpul timpului de deservire ce ține de subsistemul
Single Server.

Rezultatele simularii pentru 500 de secunde si timp de deservire 18 secunde:

Numarul de loturi prelucrate Numarul de loturi in coada Numarul de loturi generate

Rezultatele simularii pentru 2000 de secunde si timp de deservire 18 secunde:

Numărul de loturi prelucrate Numărul de loturi în coadă Numărul de loturi generate

P2. Se va repeta simularea modelului pentru cazurile când prelucrarea unui lot durează 20 s.

Se va modifica timpul de deservire a Single-Server-ului de la modelul anterior la 20 de secunde:

Rezultatele simulării pentru 500 de secunde si timp de deservire 20 secunde:

Numărul de loturi prelucrate Numărul de loturi în coadă Numărul de loturi generate

Rezultatele simularii pentru 2000 de secunde si timp de deservire 20 secunde:

Numărul de loturi prelucrate Numărul de loturi in coadă Numărul de loturi generale

P3. La o mașină unealtă sosesc loturi de piese pentru prelucrare. Loturile sosesc la intervale de
17 ± 5 s cu distribuție uniformă. Loturile generate așteaptă să fie prelucrate la fiecare mașină în
cozi separate. Să se simuleze modelul pe o durată de 200s. Se vor afișa numărul de loturi generate,
numărul de loturi în fiecare coadă și numărul de loturi prelucrate.

Modelul curent

În Time-Based Entity Generator se va modifica doar parametrul Maximum la 22, iar în ceea ce
privește prelucrarea loturilor, serverele SingleServer și SingleServer1 vor avea timpul de deservire de
15 secunde, respectiv 3 secunde.
În urma simulării de 200 de secunde se vor obține următoarele rezultate : în Signal Scop 2 numărul
de locuri generate, în Signal Scope numărul de loturi în prima coadă , în Signal Scope 1 numărul de
loturi în a doua coadă , iar în Signal Scope 3 numărul de loturi prelucrate.

P4.Se va repeta simularea modelului pentru cazurile când prelucrarea unui lot durează 17s la prima
mașină și 15 secunde la a doua mașină. Se va observa că în coada la a doua mașină există o singură
entitate. De ce?

Se va modifica timpul de deservire la a doua masina din modelul anterior, care e reprezentată de
SingleServer1 la 15 secunde.
În urma simulării,după modificarea timpului de deservire a serverului SingleServer1 , se vor obține
următoarele rezultate:

Motivul pentru care este o singură entitate în a doua coadă se datorează atât diferenței
nesemnficitative dintre cei doi timpi de deserverire ale celor două mașini, cât și a intervalului de
distribuție uniformă.Acesți doi factori permit ca entitățile neprelucrate în întregime să nu se strângă
în a doua coadă, rămânând astfel cam câte o entitate în coadă la aproximativ fiecare 17 secunde.

P5. La o companie telefonică există un serviciu de informații cu cinci operatori. Orice operator poate
prelua orice cerere. Cererile apar la intervale cu distribuție exponențială cu valoarea medie 0.1
medie. Durata unei covorbiri este 0.2 minute. Se va utiliza un multiserver cu capacitatea cinci. Să se
modeleze sistemul pe o durată de o oră. Se vor afișa numărul de cereri, timpul de așteptare în
coadă, numărul de entități în server și numărul de cereri deservite.

În Time-Based Entity Generator se va folosi o distribuție exponențială cu valoarea medie 6 pentru ca

ca cererile sa apara la un interval de 0.1 minute. Pentru ca multiserver-ul sa aibă capacitatea de 5 și
durata unei convorbiri să fie de 0.2 minute , serverul N-Server va avea 5 servere și un timp de
deservire de 12 secunde.
În urma simulării de 200 de secunde se vor obține următoarele rezultate(jos de la stânga la
dreapta) : numărul de locuri generate, timpul de așteptare în coadă , numărul de loturi intrate în
server, numărul de cereri deservite.

P6. Se va repeat simularea modelului pentru cazul când durata unei convorbiri este 0.4 minute.

Se va folosi același model din problema anterioară , iar pentru ca durata unei convorbiri să dureze
0.2 minute, adică 24 de secunde , se va modifica valoarea timpului de deservire a N-Server-ului la 24.
Iar rezultatele în urma simulării sunt următoarele pentru aceleași cerințe precedente în aceași ordine
sunt:

P7. Fie modelul din Figura 17 în care blocul Time-Based Entity Generator generează entități cu
distribuție exponențială și valoarea medie 0.2s. Blocul N-Server are capacitatea cinci și deservește
entități cu timpul de deservire 1s. Să se simuleze modelul pe 100s.

Modelul problemei

În Time Based Entity Generator se va folosi o distribuție exponențială cu valoarea medie (Mean) de
0.2s, iar N-Server-ul va avea 5 servere și un timp de deservire(Service time) de 1 secundă.

Rezultatele simulării după 100 de secunde:

P8. În modelul din Figura 17 se va înlocui blocul N-Server cu un bloc Infinite Server. Se va simula
modelul pe 100s și se vor compara rezultatele cu cele anterioare.

Modelul curent după înlocuirea N-Server-ului cu un Infinite Server

Rezultatele simulării după 100 de secunde,după înlocuirea N-Server-ului cu un Infinite Server sunt:
 Laboratorul 3

P1. Modelarea unui sistem de calcul. La un sistem de calcul sosesc program la intervale de 2 ±1
minute cu distribuție uniformă. Ele sunt citite de pe disc cu timpul de citire 30 ±10 s cu distribuție
uniformă. Timpul de execuție este de 3 ±1 minute cu distribuție uniformă. Să se simuleze modelul
pe o durată de 2 ore. Unitatea de timp se alege secunda. Modelul va conține două blocuri Single
Server, unul pentru citirea programelor de pe disc și altul pentru execuția programelor și cozile
corespunzătoare. Se vor afișa numărul de programe intrate în model, timpul de citire de pe disc și
timpul de execuție.

Modelul realizat

Pentru realizarea acestui model s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator distribuția este uniformă , iar parametrii Minimum și

Maximum au valorile de 60 de secunde , respectiv 180 de secunde.
 În ceea ce privește citirea programelor , în Event-Based Random Number 1 distribuția
este uniformă , iar parametrii Minimum și Maximum sunt setați la valorile de 20 de
secunde , respectiv 40 de secunde.
 În ceea ce privește execuția programelor , în Event-Based Random Number parametrii
Minimum și Maximum vor avea valorile de 120 de secunde , respectiv 240 de secunde
Rezultatele în urma simulării de 2 ore sunt următoarele:

Numărul de programe intrate Timpul de citire de pe disc Timpul de execuție

în model

P2. La o companie telefonică există un serviciu de informații cu cinci operatori. Orice operator poate
prelua orice cerere. Cererile apar la intervale cu distribuție exponențială cu valoarea medie 0.2
minute. Durata unei convorbiri este 1 ±0.2 minute cu distribuție uniformă. Se va utiliza un
multiserver cu capacitatea cinci. Să se modeleze sistemul pe o durată de 8 ore. Se vor afișa timpul
mediu de așteptare în coadă și durata medie de utilizare a serverului.

Modelul realizat

Pentru rezolvarea acestei probleme s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția exponențială cu valoarea medie de

12 secunde ( 0.2 minute)
 În Event-Based Random Number se selectează distribuția uniformă , iar parametrii Minimum
și Maximum vor avea valorile 48 , respectiv 72.
 În blocurile Set Attribute și Get Attribute este creat atributul ReadTime care va permite
setarea duratei unei convorbiri
P3. La o mașină unealtă sosesc loturi de piese pentru prelucrare. Loturile sosesc la intervale de
18 ±6 minute cu distribuție uniformă. Prelucrarea unui lot durează 32 ± 4 minute cu distribuție
uniformă. Loturile sunt prelucrate la o stație cu capacitatea 2. Să se simuleze modelul pe o durată de
960 minute. Se vor afișa numărul de loturi generate și numărul de loturi prelucrate. Pentru stația de
prelucrare se va utiliza un multiserver cu capacitatea doi.
Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și

Maximum vor avea valorile de 720 s , repsectiv 1440 s .
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 1680 s, respectiv 2160 s.
 În blocurile Set Attribute și Get Attribute este creat atributul ExecutionTime . Aceste blocuri și
atributul lor comun vor permite multi-server-ului, unde are loc prelucrarea, să prelucreze
loturile la intervalul și distribuția pe care le are Events-Based Random Number.
 Se selectează 2 serve la multi-server.
Rezultatele în urma simulării după 960 de minte sunt:

Numărul de loturi generate Numărul de loturi prelucrate

P4. La o mașină unealtă sosesc două tipuri de loturi de piese pentru prelucrare. Loturile de primul tip
sosesc la intervale sosesc la interval de 35 ±10 minute cu distribuție uniformă. Prelucrarea unui lot
durează 18 ± 4 minute cu distribuție uniform. Loturile de al doilea tip sosesc la intervale de 45 ± 7
minute cu distribuție uniformă. Prelucrarea unui lot durează 18 ± 4 minute cu distribuție uniformă.
Loturile de ambele tipuri intră în aceeași coadă printr-un bloc Path Combiner. Să se simuleze
modelul pe o durată de 960 minute. Se vor afișa numărul de loturi generate și numărul de loturi
prelucrate de fiecare tip.
Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și

Maximum vor avea valorile 1500 s, respectiv 2700 s.
 În Time-Based Entity Generator1 se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 2280 s, respectiv 3120 s.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 840 s, respectiv 1320 s.
 În Path Combiner numărul de porturi de intrare va fi 2.
 În blocurile Set Attribute și Get Attribute este creat atributul ServiceTime . Aceste blocuri și
atributul lor comun vor permite Single-Server-ului, unde are loc prelucrarea, să prelucreze
loturile la intervalul și distribuția pe care le are Events-Based Random Number.
 Rezultatele simulării după 960 de minute:

P5. La o magazie pentru aprovizionarea cu materiale vin două tipuri de muncitori. Cei de
primul tip vin la intervale de 420 ± 360 s cu distribuție uniformă, iar timpul de deservire este
300 ± 90 s cu distribuție uniformă. Muncitorii de tipul doi la intervale de 360 ±240 s cu
distribuție uniformă, iar timpul de deservire este 100 ±30 s cu distribuție uniformă.
Muncitorii de ambele tipuri așteaptă în aceeași coadă să fie deserviți. Să se simuleze modelul
pe o durată de 28800 s. Se vor afișa numărul de muncitori de fiecare tip care vin pentru
aprovizionare, lungimea cozii și numărul de muncitori deserviți de fiecare tip.

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:
 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și
Maximum vor avea valorile 60 , respectiv 780 s.
 În Time-Based Entity Generator1 se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 120, respectiv 600 s.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 210, respectiv 390 s.
 În Event-Based Random Number1 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 70, respectiv 130 s.
 Prin intermediul blocurilor Set Attribute și Get Attribute se vor transmite setările
Rezultatele simulării:

Numărul de muncitori de primul tip Numărul de munctiori de al doilea tip

care sosesc care sosesc

Numărul de muncitori de primul tip Numărul de muncitori de al doilea tip deserviți

deserviți

Lungimea cozii
6. Se va rezolva problema de mai sus când muncitorii de tipul doi sunt deserviti cu prioritate față de
unu.

Față de problema anterioară, se va modifica Set Attribute și Set Attribute1 înlocuind atributul Type cu
atributul Priority, iar Sorting Direction-ul in coada cu prioritate va fi Ascending, pentru ca aceasta să
permită prioritatea muncitorilor de tip doi față de tipul unu.

În urma simulării se obțin următoarele rezultate:

Numărul de muncitori de primul tip Numărul de munctiori de al doilea tip care sosesc

care sosesc

Numărul de muncitori de primul tip deserviți Numărul de muncitori de al doilea tip deserviți

Lungimea cozii
 Laboratorul 4

1. La o mașină unealtă sosesc două tipuri de loturi de piese pentru prelucrare. Loturile de primul tip
sosesc la intervale de 35 ±10 s cu distribuție uniformă. Prelucrarea unui lot durează 18 ± 4 s cu
distribuție uniformă. Loturile de al doilea tip sosesc la intervale de 45 ± 7s cu distribuție uniformă și
se fac două prelucrări. Prima prelucrare a lotului durează 18 ± 4 s cu distribuție uniformă. A doua
prelucrare durează 10 ±2 s cu distribuție uniformă. Să se simuleze modelul pe o durată de 500s. Se
vor afișa numărul de loturi generate și numărul de loturi prelucrate pentru fiecare tip de piese.
Modelul va conține două blocuri de generare a entităților. Entitățile generate vor intra în aceeași
coadă și vor fi deservite de un server. Apoi entitățile de al doilea tip vor fi deservite de un al doilea
server.

Modelul realizat

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și

Maximum vor avea valorile 25 , respectiv 45 s.
 În Time-Based Entity Generator1 se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 38 , respectiv 52 s.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 14 , respectiv 22 s.
 În Event-Based Random Number2 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 8 , respectiv 10 s.
 În blocurile Set Attribute sunt create atributele ServTime și ServTime2. Atributul ServTime va
permite Single-Server-ului, unde are loc prima prelucrare pentru ambele loturi, să prelucreze
loturile la intervalul și distribuția care se regăsesc în Events-Based Random Number. Apoi în
Single-Server1 va avea loc a doua prelucrare pentru al doilea tip de lot prin intermediul
atributul ServTime2 care va prelua intervalul și distribuția din Events-Based Random
Number2.
Rezultatele în urma simulării:

Primul tip de loturi sosite Al doilea tip de loturi sosite

Primul tip de loturi deservite Al doilea tip de loturi deservite

2. La o uzină se prelucrează piese ce apar la intervale de 0.5s. Piesele se pot prelucra pe două mașini,
la o mașină prelucrarea unei piese durează 0.9s, la cealaltă mașină prelucrarea durează 1.1s. Piesele
intră într-o coadă și se alege pentru prelucrare prima mașină liberă. Să se studieze comportarea
sistemului pe o durată de zece minute. Se vor înregistra numărul de piese din coadă și numărul de
piese prelucrate de fiecare mașină.

Modelul realizat

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția constantă cu perioada de 0.5 s.

 În serverele Single Server și Single Server1 se vor introduce valorile 0.9, respectiv 1.1 s.
 Pentru ca să se aleagă prelucrarea pentru prima mașină liberă se va selecta First block that is
not blocked ca Switching criterion .
Rezultatele în urma simulări:

Numărul de piese prelucrate Numărul de piese prelucrate Numărul de piese în coadă

de prima mașină de a doua mașină

3. La o uzină se prelucrează piese ce apar la invervale de 2 ' ±1 ' cu distribuție uniformă. Ele sunt
încărcate pe mașini, iar timpul de încărcare este de 1 ' ±20 ' ' cu distribuție uniformă. Timpul de
prelucrare pe mașină este 3 ' ±1 ' cu distribuție uniformă. 30% din piese suportă încă o prelucrare cu
timpul de 2 ' ±50 ' ' cu distribuție uniformă. Să se studieze comportarea sistemului pe o durată de 4
ore. Se vor afișa numărul de piese ce apar în model, numărul de piese ce suportă o prelucrare și
numărul de piese ce suportă două prelucrări. Se va preciza unitatea de timp.

Modelul realizat

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii

Minimum și Maximum vor avea valorile 60 , respectiv 180 s.
 În Event-Based Random Number3 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 40 , respectiv 80 s.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 120 , respectiv 240 s.
 În Event-Based Random Number1 se selectează distribuția discretă arbitrară, în care se
regăsesc vectorul cu valori [1,2] și vectorul cu probabilități [0.7,0.3 ], prin intermediul
cărora se stabilește faptul că există 30 % din piese suportă încă o prelucrare.
 În Event-Based Random Number2 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 70 , respectiv 170 s.
 În serverul Single Server2 are loc încărcarea, timpul de încărcare fiind preluat din Event-
Based Random Number3.
 În serverul Single Server are loc prelucrarea pe mașină, timpul de prelucrare fiind preluat
din Event-Based Random Number.
 În blocul Set Attribute atributul Process poate preia fie valoarea 1 sau 2 din Event-Based
Random Number1.
 În serverul Single Server1 are loc încă o posibilă prelucrare, timpul fiind preluat din
Event-Based Random Number2.
Rezultatele în urma simulării:

Numărul de piese ce apar Numărul de piese ce suportă Numărul de piese ce suportă

prima prelucrare a doua prelucrare

4. Într-un port sosesc două tipuri de nave. La primul tip de nave intervalul între sosiri este de
130 ±30 ' cu distribuție uniformă. Timpii de intrare în port T i , descărcare T d și de ieșire din port T e
sunt cei din Tabelul 4. La al doilea tip de nave intervalul între sosiri este de 200 ±7 ' cu distribuție
uniformă. Timpii de intrare în port T i , descărcare T d și de ieșire din port T e sunt cei din Tabelul 4.

Tipul de nave Ti Td Te
I 20 ±7 ' 12 ±2 h 25 ±5 '
II 45 ± 12' 20 ± 4 h 30 ±5 '
Tabelul 4. Timpii de intrare în port, descărcare și ieșire din port

Portul are șase dane pentru navele de tipul unu și trei dane pentru navele de tipul doi. Există un
remorcher pentru intrarea în port și altul pentru ieșirea din port. Să se modeleze funcționarea
portului pe o lună. Se vor înregistra pentru fiecare tip de nave: numărul de nave ce intră în port,
timpii de intrare, de descărcare și de ieșire.

Modelul realizat
Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și

Maximum vor avea valorile 100 , respectiv 160 min.
 În Time-Based Entity Generator1 se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 193 , respectiv 207 min.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 13 , respectiv 27 min.
 În Event-Based Random Number1 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 600 , respectiv 840 min.
 În Event-Based Random Number2 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 20 , respectiv 30 min.
 În Event-Based Random Number3 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 33 , respectiv 57 min.
 În Event-Based Random Number4 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 960 , respectiv 1440 min.
 În Event-Based Random Number5 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 25 , respectiv 35 min.
 În blocul Set Attribute se regăsesc atributele Type , T i, T d, T e. Prin valoarea 1 a atributului
Type se evidențiază primul tip de nave, iar atributele T i, T d, T e reprezintă timpii de intrare
în port, descărcare, respectiv de ieșire corespunzători primului tip și preiau intervalele de
valori și tipul de distribuție din Event-Based Random Number, Event-Based Random
Number1, respectiv Event-Based Random Number2.
 În blocul Set Attribute1 se regăsesc atributele Type , T i, T d, T e. Prin valoarea 2 a atributului
Type se evidențiază al doilea tip de nave, iar atributele T i, T d, T e reprezintă timpii de intrare
în port, descărcare, respectiv de ieșire corespunzători celui de al doilea tip și preiau
intervalele de valori și tipul de distribuție din Event-Based Random Number3, Event-Based
Random Number4, respectiv Event-Based Random Number5.
 În multi-server-ul N-Server are loc descărcarea primului tip de nave la cele 6 dane.
 În multi-server-ul N-Server1 are loc descărcarea celui de al doilea tip de nave la cele 3 dane.
 În multi-server-ul N-Server2 are loc intrarea navelor de primul și de al doilea tip în port în
cele 9 dane.
 În multi-server-ul N-Server3 are loc ieșirea navelor de primul și de al doilea tip din port,
abandonând cele 9 dane.
Rezultatele în urma simulării:

Numărul de nave de primul tip ce intră în port Numărul de nave de al doilea tip ce intră în port

Timpul de descărcare pentru navele de tipul 1 Timpul de descărcare pentru navele de tipul 2
Timpul de intrare pentru nave în port Timpul de ieșire pentru nave din port

Laboratorul 5

1. Fie modelul din Figura 19 în care se compară un multiserver cu capacitatea doi cu două
servere cu capacitatea unu în paralel. Blocul Time-Based Entity Generator generează entități
cu intervalul de apariție cu distribuție exponențială cu valoarea medie 0.5s. Blocul Event-
Based Random Number generează numere aleatoare cu distribuție exponențială cu valoarea
medie 1s. Blocul Set Attribute creează atributul ServiceTime cu numărul generat de blocul
Event-Based Random Number. Blocul Replicate trimite entitățile generate în două cozi FIFO.
Blocul N-Server are capacitatea doi. Blocul Output Switch dirijează entitățile spre primul port
care nu este blocat.
 Figura 19. Model utilizat în exemplu

Modelul se va construi astfel:

 Se va crea un subsistem din blocurile FIFO Queue, N-Server, Entity Sink și Scope1
 Se va crea un subsistem din blocurile FIFO Queue1, Output Switch, Single Server, Single
Server1, Entity Sink1, Entity Sink2, Scope3 și Scope4
 Se va simula modelul pe 100s
 Se vor afișa numărul de entități deservite de cele trei servere din model. Se va compara
numărul de entități deservite de blocul N-Server cu suma entităților deservite de cele două
blocuri Single Server.
Modelul realizat după modificarea celui inițial

Conținutul subsistemlului Subsystem

Conținutul subsistemlului Subsystem1

Mai jos se regăsesc poze cu implementarea blocurilor conform cerințelor din problema:
Rezultatele în urma simulării de 100s :

Deservirea în N-Server Deservirea în Single-Server Deservirea în Single-Server1

2. Într-un port sosesc nave la intervale de 4 ±1 h cu distribuție uniformă. Timpul de descărcare este
12 ±5 h cu distribuție uniformă. Portul are 3 dane. Intrarea în port se face cu un remorcher în 1h.
Ieșirea din port se face cu alt remorcher în 0.5h. În port apar furtuni la intervale de 48 ± 4 h cu
distribuție uniformă, care durează 4 ±2 h cu distribuție uniformă. Intrarea și ieșirea din port se fac
dacă există o dană liberă, remorcherul este liber și nu este furtună. Să se simuleze modelul pe o
săptămână. Se vor afișa timpul mediu de utilizare a danelor și timpul mediu de așteptare pentru
intrarea și ieșirea din port.
Modelul realizat

Subsistemul ce ține de furtună

 Subsistemul ce ține de port

Mai jos se regăsesc poze cu implementarea blocurilor conform cerințelor din problema:
Rezultatele în urma simulării:

Timupl de așteptare pentru intrarea danelor timupl mediu de utilizare a danelor la intrare
Timupl de așteptare pentru intrarea danelor timupl mediu de utilizare a danelor la intrare

Laboratorul 6

1. Să se modeleze o linie de asamblare a automobilelor ce constau din următoarele subasamble:

șasiu, motor și transmisie. Fiecare subansamblu este o entitate generată de un bloc Entity Generator
la intervalele de timp tgen. După generare, subansamblele sunt testate în stații un interval de timp
ttest. Asamblarea subansamblelor durează tans = 0.3 h. Unitatea de timp a simulării este ora.

Subansamblu tgen[h] ttest[h]

Motor 0.8 0.6
Transmisie 0.6 0.4
Șasiu 0.4 0.4

Date pentru linia de asamblare

Se vor înregistra numărul de subansamble generate, șasiu, motor, transmisie și numărul de
automobile asamblate. Să se simuleze modelul pe durata de 200 ore. Numărul asociat șasiului se va
calcula cu formula: out ¿ =Motor+10∗Transmission+100∗Chassis;

În problemele următoare se va preciza unitatea de timp pentru simulare.

Modelul realizat:

În realizarea modelului s-a ținut cont de următoarele aspecte:

 În blocul Time Based Entity Generator , unde are loc generarea motoarelor , este setată o
distribuție constantă cu valoarea perioadei de 0.8 h.
 În blocul Time Based Entity Generator1 , unde are loc generarea transmisiilor, este setată o
distribuție constantă cu valoarea perioadei de 0.6 h.
 În blocul Time Based Entity Generator2 , unde are loc generarea șasiurilor, este setată o
distribuție constantă cu valoarea perioadei de 0.4 h.
 În blocul Single Server 3 are loc testarea motoarelor, iar timpul de deservire este setat la 0.6
h.
 În blocul Single Server 4 are loc testarea transimisiilor, iar timpul de deservire este setat la
0.4 h.
 În blocul Single Server 5 are loc testarea șasiurilor, iar timpul de deservire este setat la 0.4 h.
 În blocul Single Server 6 are loc asamblarea subansamblelor, iar timpul de deservire este
setat la 0.4 h.
 În blocul Attriubte function se va scrie sub formă de cod formula de mai sus.
În urma simulării , rezultatul numărului de asamblate este următorul:

2. La o companie telefonică există un serviciu de informații cu cinci operatori. Orice operator poate
prelua orice cerere. Cererile apar la invervale cu distribuție exponențială cu valoarea medie 0.2
minute. Durata unei convorbiri este 1 ±0.2 minute cu distribuție uniformă. Se va utiliza un
multiserver cu capacitatea cinci. Să se simuleze sistemul pe o durată de 8 ore. Se vor afișa timpul
mediu de așteptare în coadă, timpul mediu de deservire, gradul mediu de utilizare a serverului și
numărul de entități din server.

Modelul realizat:
Pentru realizarea acestui model s-a ținut cont de următoarele aspecte:
 În blocul Time-Based Entity Generator, unde apar cererile, se selectează distribuția
exponențială cu valoarea medie 0.2 .
 În blocul Event-Based Random Number, unde are loc durata unei convorbiri, se selectează
distribuția uniformă, în care parametrul Minimum va avea valoarea 1-0.2 minute, iar
parametrul Maximum 1+0.2 minute.
 În blocul N-Server se setează 5 servere, iar deservirea are loc prin intermediul portului t care
preia intervalul de distribuție uniformă din blocul Event-Based Random Number.
În urma simulării se observă următorul timp mediu de așteptare în coadă, timp mediu de deservire,
grad mediu de utilizare a serverului și număr de entități din server:

Timpul mediu de așteptare în coadă Timpul mediu de deservire Gradul mediu de

utilizare Numărul de entități din server

3. La o mașină unealtă sosesc loturi de piese pentru prelucrare. Loturile sosesc la interval de 18 ±6 s
cu distribuție uniformă. Prelucrarea unui lot durează 32 ± 4 s cu distribuție uniformă. Loturile sunt
prelucrate la o stație de cu capacitatea 2. Să se simuleze modelul pe o durată de o oră. Se vor afișa
numărul de loturi generate, timpul mediu de așteptare în coadă, timpul mediu de deservire, numărul
de entități în server și numărul de loturi prelucrate. Pentru stația de prelucrare se va utiliza un
multiserver cu capacitatea doi.
Pentru realizarea modelului de mai jos s-a ținut cont de următoarele aspecte:
 În blocul Time-Based Entity Generator, unde are loc sosirea loturilor, se selectează distribuția
uniformă, iar parametrii Minimum și Maximum vor avea valorile 18-6, respectiv 18+6.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 32-4, respectiv 32+4.
 În blocul N-Server se setează 2 servere, iar prelucrarea loturilor are loc prin intermediul
portului t care preia intervalul de distribuție uniformă din blocul Event-Based Random
Number.

Modelul realizat

Rezultatele în urma simulării:

Numărul de loturi generate Timpul mediu de așteptare în coadă Numărul de entități în server
Timpul mediu de deservire

Numărul de loturi prelucrate

4. La o magazie pentru aprovizionarea cu materiale vin două tipuri de muncitori. Cei de primul tip vin
la interval de 42 ± 3 s cu distribuție uniform, iar timpul de deservire este 30 ± 9 s cu distribuție
uniform. Muncitorii de tipul doi la interval de 50 ±10 s cu distribuție uniformă, iar tipul de deservire
este 12 ±3 s cu distribuție uniformă. Muncitorii de ambele tipuri așteaptă în aceeași coadă să fie
deserviți. Să se simuleze modelul pe o durată de o oră. Se vor afișa numărul de muncitori de fiecare
tip care vin pentru aprovizionare, lungimea cozii și numărul de muncitori deserviți de fiecare tip.

Modelul realizat
Pentru realizarea acestui model s-a ținut cont de următoarele aspecte:
 În Time-Based Entity Generator, unde sosesc muncitoii de primul tip, se selectează distribuția
uniformă, iar parametrii Minimum și Maximum vor avea valorile 42-3, respectiv 42+3.
 În Event-Based Random Number se selectează distribuția uniformă, iar parametrii Minimum
și Maximum vor avea valorile 30-9, respectiv 30+9.
 În blocurile Set Attribute și Get Attribute este creat atributul ServTime, iar atributul Tip doar
în Set Attribute. Aceste blocuri și atributul lor comun vor permite blocului Single-Server,
unde are loc deservirea primului tip de muncitori, să deservească la intervalul distribuției
uniforme pe care o are Events-Based Random Number prin intermediul portului t.
 În blocurile Set Attribute1 și Get Attribute2 este creat atributul ServTime, iar atributul Tip
doar în Set Attribute. Aceste blocuri și atributul lor comun vor permite Single-Server1, unde
are loc deservirea celui de al doilea tip de muncitori, să deservească la intervalul distribuției
uniforme pe care o are Events-Based Random Number1 prin intermediul portului t.
 În ceea ce priveste atributul comun Tip al blocurilor Set Attribute și Set Attribute1, acesta
permite ca criteriul de schimbare din blocul Output Switch să nu permită amestecarea celor
două tipuri de muncitori într-un singur Single Server, în cazul în care unul din ele este blocat.
 În Time-Based Entity Generator1, unde muncitorii de al doilea tip, se selectează distribuția
uniformă, iar parametrii Minimum și Maximum vor avea valorile 50-10, respectiv 50+10.
 În Event-Based Random Number1 se selectează distribuția uniformă, iar parametrii
Minimum și Maximum vor avea valorile 12-3, respectiv 12+3.
Rezultatele în urma simulării:

Numărul de muncitori de primul tip Numărul de muncitori de al doilea tip

Lungimea cozii

Numărul de muncitori de primul tip deserviți Numărul de muncitori de al doilea tip

deserviți
5. Se va rezolva problema de mai sus când muncitorii de tipul doi sunt deserviți cu prioritate față de
cei de tipul unu.

Modelul realizat

În această problemă s-a înlocuit coada (FIFO Queue) din problema anterioară cu o coadă de
prioritate (Priority Queue) și s-a înlocuit atributul comun Tip al blocurilor SetAttribute și
SetAttribute1 cu atributul Priority. Acesta va avea valorile 1 pentru blocul Set Attribute ce ține de
munctiorii de primul tip, respectiv 2 pentru blocul SetAttribute1 ce ține de muncitorii de al doilea tip.
Sortarea în coada de prioritate va fi descrescătoare, deoarece asta va permite ca al doilea tip de
muncitori să aibe prioritate față de cei de primul tip, criteriu care se va regăsi și în blocul Output
Switch care face selecția unui port de ieșire pe baza acestui criteriu.
Rezultatele în urma simulării:

Numărul de muncitori de primul tip generați Numărul de muncitori de al doilea tip generați
Lungimea cozii

Numărul de muncitori de primul tip deserviți Numărul de muncitori de al doilea tip

deserviți
 Laboratorul 7

1. Fie un sistem de operare de timp real care trebuie să planifice la execuție două tipuri de taskuri ce
vor fi executate la intervale egale. Taskurile de primul tip sunt generate la intervale de 2s, cele de
tipul doi la intervale de 5s. Taskurile vor fi generate de două blocuri Entity Generation. Durata de
deservire a taskurilor de primul tip este de 1s, a celor de tipul doi este 2.5s. Se va simula modelul în
următoarele cazuri:

 Ambele tipuri de taskuri au aceeași prioritate

 Taskurile de primul tip au prioritate mai mare
 Taskurile de tipul doi au prioritate mai mare

Modelul se va simula pe o durată de 50s. Unitatea de timp este secunda. Se va considera cazul când
entitatea preluată reintră în server cu timpul de deservire rezidual.

Entitățile vor avea următoarele atribute: prioritatea, timpul de deservire și tipul taskului. Se vor
înregistra: prioritatea entităților generate, lungimea cozii, timpul de deservire rezidual, numărul de
entități preluate și numărul de entități deservire pentru fiecare tip de task. Se vor explica rezultatele.

Modelul folosit pentru simulare

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:

 În Time-Based Entity Generator se selectează distribuția constantă cu perioada de 2 secunde.

 În Time-Based Entity Generator1 se selectează distribuția constantă cu perioada de 5
secunde.
 În blocul Set Attribute și Set Attribute1 se setează tipul taskurilor generate, prioritatea
taskurilor generate de un anumit tip , timpul de deservire al fiecarui tip de task și numărul de
entități preluate pentru fiecare tip de taskuri.
 În blocul Get Attribute preia prioritatea fiecărui tip de taskuri generate.
 În server-ul Single Server are loc deservirea fiecărui tip de task.
 În blocul Attribute Function se regăsește codul pentru incrementarea fiecărei entități
prelucrate.
 În blocul Priority Queue tipul de sortare este Ascending
Cazul în care primul tip de taskuri are prioritate față de al doilea
Rezultatele în urma simulării:

Prioritatea entităților generate Lungimea cozii

Timpul de deservire rezidual pentru taskurile de primul tip

Timpul de deservire rezidual pentru taskurile de al doilea tip

Numărul de entități preluate Numărul de entități de primul tip deservite

Numărul de entități de al doilea tip deservite

Cazul în care al doilea tip de taskuri are prioritate față de primul

Rezultatele în urma simulării:

Prioritatea entităților generate Lungimea cozii

Timpul de deservire rezidual pentru taskurile de primul tip

Timpul de deservire rezidual pentru taskurile de al doilea tip

Numărul de entități de primul tip deservite Numărul de entități de al doilea tip deservite

Cazul în care al doilea tip de taskuri are prioritate față de primul

Rezultatele în urma simulării:

Prioritatea entităților generate Lungimea cozii

Timpul de deservire rezidual pentru taskurile de primul tip

Timpul de deservire rezidual pentru taskurile de al doilea tip

Numărul de entități preluate

Numărul de entități deservite de primul tip Numărul de entități deservite de al doilea tip

Laboratorul 8

1. Să se modeleze un sistem ce are două resurse partajate, una cu capacitatea patru și alta cu
capacitate opt. Un bloc Time-Based Entity Generator generează entități ce vor utiliza aceste resurse,
cu intervalul între două entități cu distribuție uniformă cu valorile cuprinse între 0.01s și 0.2s.
Entitățile generate vor avea un parametru Type, cu valorile unu și doi cu probabilitățile 0.4 și 0.6.
Entitățile cu parametrul Type egal cu unu vor partaja resursa cu capacitate patru. Entitățile cu
parametrul Type egal cu doi vor partaja resursa cu capacitate opt. Atributul Type va primi valori într-
un bloc Set Attribute ce va avea o intrare Signal port t. Valorile atributului se vor genera cu un bloc
Event-Based Random Number cu distribuția Aribitrary discrete cu parametri: Value vector [1 2] și
Probability vector [0.4 0.6].
Se va simula sistemul pe 10s. Pentru fiecare resursă se va înregistra numărul de resurse disponibile.
Modelul se va simula pentru timpii de deservire ai celor două tipuri de entități din tabelul de mai jos.

Type=1 Type=2
0.5s 0.7s
1s 1.5s
2s 3s

Se vor compara resursele disponibile pentru fiecare caz.

Schema principala a modelului

 Schema subsistemului Pool

Schema subsistemului Pool1

Schema subsistemului Process

Schema subsistemului Process1

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:
 În Time-Based Entity Generator se selectează distribuția uniformă, iar parametrii Minimum și
Maximum vor avea valorile 0.01 , respectiv 0.2 s.
 În Event-Based Random Number se selectează distribuția arbitrară discretă cu parametrii
value vector și probability vector: [1 2], respectiv [0.4 0.6].
 Blocul Set Attribute conține atributul Type care este menit să preia una din valorile generate
de Event-Based Random Number pe baza cărora este identificat tipul de resursă.
 În Time-Based Function-Call Generator, atât din subsistemul Pool cât și din subsistemul
Pool1, se menține același număr de repetări de eveniment simultane pe perioadă precum
exercițiul anterior.
 În Event-Based Entity Generator, atât din subsistemul Pool cât și din subsistemul Pool1, se
marchează opțiunea Allow entity generation upon function call at simulation start time
pentru a putea permite generarea entităților la fiecare apelare a acestui bloc.
 Pentru ca entitățile cu parametru Type egal cu unu să partajeze resursa cu capacitatea patru,
se va trece valoarea 4 în capacitatea cozii FIFO Queue1 din subsistemul Pool.
 Pentru ca entitățile cu parametru Type egal cu doi să partajeze resursa cu capacitatea opt, se
va trece valoarea 8 în capacitatea cozii FIFO Queue1 din subsistemul Pool1.
Rezultatele în urma simulării:
 Pentru cazul când pentru primul tip de entități deservirea se face în 0.5s, iar pentru al
doilea 0.7s:

Numărul de resurse de tipul doi Numărul de resurse de tipul unu

 Pentru cazul când pentru primul tip de entități deservirea se face în 1s, iar pentru al
doilea 1.5s:

Numărul de resurse de tipul doi Numărul de resurse de tipul unu

 Pentru cazul când pentru primul tip de entități deservirea se face în 1s, iar pentru al
doilea 1.5s:

Numărul de resurse de tipul doi Numărul de resurse de tipul unu

2. Modelarea unui router. Un router conectează mai multe surse de pachete de date cu mai multe
destinații. Router-ul examinează adresa IP destinație a pachetului și îl trimite pe ieșirea
corespunzătoare. În problemă router-ul va avea trei surse de date și trei destinații. Fiecare pachet va
avea ca atribute adresa IP destinație și lungimea datelor:
 Destination – adresa IP destinație. Pentru simplificare, adresele IP au valorile 1, 2, 3
 Length – lungimea pachetului, va fi un număr întreg cuprins între șase și zece cu distribuție
uniformă.
Schema principală a modelului

Schema subsistemului Subsystem

Schema subsistemului Subsystem1

Schema subsistemului Subsystem2

Pentru realizarea modelului de mai sus s-a ținut cont de următoarele aspecte:
 Blocul Time-Based Entity Generator generează entități cu distribuție exponențială și
valoarea medie 8ms.
 Pentru ca lungimea pachetului să fie un număr cuprins între șase și zece cu distribuție
uniformă, în blocul Event-Based Random Number parametrii Minimum și Maximum vor
avea valorile 6, respectiv 10, numărul de valori 5, iar tipul de distribuție va fi uniformă
discretă, ultimele două specificații fiind marcate conform indicațiilor.
 Pentru ca adresele IP destinație să cuprindă valorile 1, 2, 3, în blocul Event-Based
Random Number1 parametrii Minimum și Maximum vor avea valorile 1, respectiv 3,
numărul de valori 3, iar tipul de distribuție va fi uniformă discretă, ultimele două
specificații fiind marcate conform indicațiilor.
 Pentru ca pachetele combinate prin intermediul Path Combiner-ului să fie deservite
timp de 1ms, se va trece valoarea 1 în server-ul Single-Server din schema modelului
principal, atașat între coada FIFO Queue și blocul Output Switch.
 Blocul Set Attribute conține două atribute Length și Destination, care preiau valorile
conform distribuției asignate din Event-Based Random Number și Event-Based Random
Number1 și le introduc în aceași coadă.
Rezultate în urma simulării:

adresa sursă a pachetului adresa destinație a pachetului

3. Sistem de fabricare a sculelor. În prima etapă un muncitor asamblează piesele ce constituie o

sculă. Etapa durează 30 ±5 ' cu distribuție uniformă. În a doua etapă același muncitor utilizează un
cuptor pentru tratarea termică a sculei. Etapa durează 8 ± 2' cu distribuție uniformă. După aceasta
scula este terminată și muncitorul începe procesul de fabricare a unei noi scule. Există patru
muncitori și un singur cuptor. Se va simula modelul pe 40 h. Se vor înregistra timpul mediu de
utilizare a cuptorului și gradul de utilizare, lungimea cozii și timpul mediu de așteptare în coadă.

Schema realizată a modelului

Pentru realizarea acestui model s-a ținut cont de următoarele aspecte:
 Etapa de asamblare va fi modelată cu un multiserver N-Server cu capacitatea de patru, iar
timpul pentru asamblare este preluat prin intermediul portului de semnal t din blocul Event-
Based Random number.
 Cuptorul, unde are loc tratarea termincă a sculei, este modelat prin server-ul Single Server ,
iar timpul de deservire 8 ± 2’ cu distribuție uniformă este preluat din blocul Event-Based
Random Number 1 prin intermediul portului de semnal t.
 Lanțul de blocuri Time-Based Function-Call Generator și Event-Based Entity Generator vor
genera patru entități la începutul simulării.

Rezultatele în urma simulării:

Lungimea medie a cozii Timpul mediu de așteptare în coadă

Timpul mediu de utilizare a cuptorului Gradul mediu de utilizare a cuptorului

 Laboratorul 9

În problemele următoarele se va utiliza modelul din Figura 14, modificat ca în Figura 18. În noul
model, un bloc Output Switch dirijează entitățile spre două blocuri Display după priorități.

Figura 18. Model cu divizare în timp

Se vor înregistra:

 numărul de entități în coadă și utilizarea serverului

 numărul de entități deservite pentru fiecare prioritate

Unitatea de timp a simulării este milisecunda. Se va simula modelul pe o durată de 100 ms.
Atributele entităților generate de blocurile Time Slice Generator și Entity Generator au valorile din
tabelul 5 (valorile sunt în milisecunde). În cazul blocului Entity Generator, timpul de intergenerare a
entităților are distribuție exponențială cu valoarea medie 0.2 ms.

Time Slice Generator Entity Generator

Problema Timpul de Timpul de Timpul de Timpul de
intergenerare deservire intergenerare deservire
1 0.1 0.01 0.2 0.2
2 0.1 0.01 0.2 0.18
3 0.05 0.01 0.2 0.18

1. Pentru o modelare mai aproape de realitate se va modifica timpul de deservire al entităților

generate de blocul Time Slice Generator la 0.01 ms. Se vor compara rezultatele cu cele ale modelului
din Figura 14.

În următoarele două probleme se va studia influența intervalului de timp între entitățile generate de
blocul Time Slice Generator. În problema 2, timpul de intergenerare a entităților generate de blocul
Time Slice Generator este 0.1 ms și în problema 3 el este de 0.05 ms.

Mai jos se regăsesc capturi de ecran cu propietățile fiecărui bloc după modificare și rezultatele
corespunzătoare:
 Time Slice Generator-ul Entity Generator-ul

Blocul Set Attribute ce ține de Time Slice Generator

Blocul Set Attribute1 ce ține de Entity Generator

Caracteristicile blocului Single Server
Rezultatele în urma simulării:

Numărul de entități intrate în coadă Utilizarea Single-Server-ului

Numărul de entități cu prioritate 1 generate de Time Slice Generator

Numărul de entități cu prioritate 2 generate de Entity Generator

2. Se va menține timpul de deservire al entităților generate de blocul Time Slice Generator la 0.01ms.
Se va modifica timpul de deservire a entităților în server la 0.18ms. Se vor compara rezultatele cu
cele de la punctul anterior.

Modificarea blocului Set Attribute1 ce ține de deservirea entităților:

Rezultatele în urma simulării după modificarea timpului de deservire:

Numărul de entități intrate în coadă Utilizarea Single-Server-ului

Numărul de entități cu prioritate 1 generate de Time Slice Generator

Numărul de entități cu prioritate 2 generate de Entity Generator

3. Se va modifica intervalul dintre apariția entităților generate de blocul Time Slice Generator la 0.05
ms. Se vor compara rezultatele cu cele de la punctul anterior. Se va explica de ce numărul de entități
cu prioritatea doi deservite în problema 2 este mai mare decât numărul de entități cu prioritatea doi
deservite în problema 3.

Modificarea blocului Time Slice Generator ce ține de timpul apariției entităților generate:
Rezultatele în urma simulării după modificarea timpului de apariție a entităților generate:

Numărul de entități intrate în coadă Utilizarea Single-Server-ului

Numărul de entități cu prioritate 1 generate de Time Slice Generator

Numărul de entități cu prioritate 2 generate de Entity Generator

4. Se va adăuga la model un subsistem ce conține blocurile Idle Task Generator și Set Attribute din
modelul din Figura 10, pentru a genera și un task Idle. Se va crea un subsistem din blocurile Time
Slice Generator și blocul Set Attribute. Se va modifica timpul de deservire a entităților generate la
0.15 ms. Se vor compara rezultatele cu cele de la punctul anterior.
Schema noului model principal

Schema subsistemului Idle

Schema subsistemlui Time Slice

Modificarea timpului de deservire a entităților generate la 0.15 ms

Rezultatele în urma simulării după modificarea timpului de deservire a entităților generate:

Numărul de entități intrate în coadă Utilizarea Single-Server-ului

Numărul de entități cu prioritate 1 generate de Time Slice Generator

Numărul de entități cu prioritate 2 generate de Entity Generator