缓存平均的两种算法

引言        

线边库存物料的合理性问题是物流仿真中研究的重要问题之一，如果线边库存量过多，则会对生产现场的布局产生负面影响，增加成本，降低效益。

写在前面

        仿真分析后对线边Buffer的使用情况进行合理的评估就是一个非常重要的事情。比较关心的参数包括：缓存位最大值、缓存位最小值和缓存位平均值。极值都可以十分方便地通过统计数据进行查看，而均值的评估，没办法直接获得，需要我们再处理后才能获取，下面波哥给大家提供两种缓存平均的计算方法。       

Buffer的统计数据常用属性

1. Minimum contents:最小值
2. Maximum contents:最大值

通过上面的两个参数可以获得buffer的极值。

        接下来波哥给大家讲解常见的两种方式，供大家参考，两种方式有利有弊。第一种较为方便快捷，第二种精准，但较为繁琐。

正文

方法1：缓存的平均占用率计算

可以通过通过buffer的统计属性间接计算平均缓存值。

如下计算公式去计算缓存均值

/*
Approximate estimation the average buffer method
*/
buffer_average:= (EventController.SimTime - EventController.StartStat) * Buffer.StatRelativeOccupation * Buffer.capacity / (Buffer.StatNumOut + Buffer.NumMU)

buffer的属性StatRelativeOccupation，提供了buffer再仿真过程中的物料dwelling times的时间总和与仿真时间的占比。

可以看出这种方式并不是十分准确，比较粗糙。

方法2：使用timesequence记录

timesequence设置时，只需要在record记录buffer的nummu值即可。

最后，求取第二列均值，即可获知，仿真期间的平均缓存量。

buffer_average := buffer.meanValue({2, 1}..{2, *})

并且，在拿到详细数据后，可以更加方便地分析，各个阶段的缓存情况，波哥建议使用第二种情况进行分析。