Grundbeispiel M/M/1

• Grundaufbau:
  • Modell mm1A
  • wie gehabt, aber generische Grundbausteine
    • 
• Generator:
  • viele Parameter in mehreren Tabs
    • analog bei den meisten Blöcken
  • Entity Generation
    • Generation method: Time-based/Event-based
    • Time source: Dialog/Signal port/MATLAB action
  • exponentiell verteilte Zeiten über MATLAB action und Variable dt
    • lambda = 1;
      dt = -(1/lambda)*log(rand());
  • Entity type
    • Grundtypen: Anonymous/Structured/Bus object
    • Anonymous (≡ Message): enthält nur einfachen Zahlenwert
    • Structured: bekommt hier Attribute
  • Event actions: Generate, Exit
  • Statistics: wie gehabt
• Server:
  • exponentiell verteilte Zeiten wie beim Generator
    • mu = 1.2;
      dt = -(1/mu)*log(rand());
  • für komplexere Verteilungen Statistic Toolbox nötig!
• Statistikdaten:
  • sind vom Typ event-driven
  • können in einfachem Osci direkt angezeigt werden
  • werden von vielen Simulink-Blöckenautomatisch in time-driven umgewandelt
  • manchmal klappt das nicht, z.B. bei Anzeige in Viewer
    • Trick 1: Block Gain=1 dahinter → time-driven
    • Trick 2: verstecken in Block "E→T" (in eigener Library)
• Ergebnis:
• • Viewer
    • 
  • Ergebnis unplausibel
    • Queue zu kurz
    • Server zu oft ausgelastet
  • Ursache (Geheimwissen, steht nicht im Manual!)
    • rand() in Action verwendet nicht den Random-Standard-Stream 
    • jedes rand() hat seinen eigenen Stream, jeweils mit gleicher Seed (wegen Übersetzung nach C++)
    • → Generator und Server verwenden identische Zufallszahlen!
    • überprüfe mit fprintf in den beiden Actions!
• Verbessern:
  • Modell mm1B
  • Action im Generator
    • seed = 1;
      persistent isSeedSet;
      if isempty(isSeedSet)
        rng(seed);
        isSeedSet = true;
      end
      lambda = 1;
      dt = -(1/lambda)*log(rand());
  • analog im Server mit anderer seed
  • Ergebnis ok
    • 
• Was tun bei vielen Blöcken mit Zufallszahlen:
  • brauchen verschiedene Seeds
    • häufiger Trick: eine Seed vorgeben, andere Blöcke addieren Konstanten
    • bei vielen Blöcken unübersichtlich und fehleranfällig
  • bessere Lösung im Modell mm1C: verwendet Matlabs globalen rand-Stream
  • modell-globale Seed setzen per InitFcn()
    • seed = 1;
      rng(seed);
  • Coder anweisen, Matlabs rand-Funktion direkt zu nehmen
    • coder.extrinsic('rand');
      lambda = 1;
      dt = 1.0;  % tell coder type of result
      dt = -(1/lambda)*log(rand());
  • ist langsamer
  • braucht Info über Datentyp des Rückgabewerts
    • sonst Standardtyp mxArray → Fehler
  • alternative Möglichkeit
    • globale Simulink-Funktion (s.u.) als rand-Server verwenden