데이터 직접 사용의 장점은 수집된 데이터가 과거에 발생된 것을 나타내는데 이것은 미래에 발생될 것에 대한 정확한 예측이 될 수도 있다 하지만 단점으로는 미래에 발생될 것 정확히 예측할 수 있는가라는 의문점을 남긴다. 이론적 분포의 장점은 연속분포는 어떤 실수 값이라도 다 제공할 수가 있다 경험적 분포의 장점은 데이터를 보다 더 잘 표현할 수 있다 하지만 이론분포와 경험분포와 같은 확률분포는 실제로 발생 불가능한 값을 생성시킬 수 있다는 단점이 있다.

지수분포와 감마분포와 같은 이론분포는 수학 공식에 기초하여 표본 값을 생성하는 특성을 가질 때 사용한다.

1. 데이터 값이 포함된 텍스트 파일을 만든다. 2. 입력 분석기에서 하나 또는 여러 가지의 분포를 데이터에 맞추어 본다. 3. 이 중에서 사용하기 좋은 분포를 선택한다. 4. 입력 분석기에서 생성된 수식을 ARENA 모델 내의 적절한 필드에 복사한다.

우선, 모델 내에서 데이터가 어떻게 사용될 것인지를 잘 파악하여 유한 정의역 분포 또는 무한 정의역 분포로 선택 범위를 국한시킬 필요가 있다.

실제값과 예측값의 차이를 제곱한 후 이들의 평균값을 구한다

관찰값을 기대값으로 뺀 후 제곱한 값을 기대값으로 나눈 후, 이 값들을 전체 합산한다

관찰된 누적 분포와 기대되는 누적 분포의 최대 차이를 구한다

1종 오류는 H0가 실제로는 참이어서 채택해야 함에도 불구하고 표본의 오차 때문에 이를 채택하지 않는 오류를 말한다. 2종 오류는 H0가 거짓이라서 채택하지 말아야 하는데 표본의 오차 때문에 이를 채택하는 오류를 말한다.

이런 경우에는 표준적인 이론분포에서 괜찮은 것을 찾기가 어렵다. 한 가지 대안은 경험분포를 사용하는 것인데 표본 크기가 아주 작지 않다면 십중팔구 가장 좋은 방법이다.

경험적 데이터가 없는 상황에서 분포를 선택할 때는 지수분포, 삼각분포, 정규분포, 일양분포를 우선 검토해보는 것이 좋다 이런 분포들의 모수들은 이해하기 쉽고 여러 종류의 모델링 적용에 다양한 특성을 갖고 있기 때문이다.

평균이 표준편차의 3배 또는 4배의 양수일 때도 음수값이 발생한다는 것을 알 수 있다.

도착전화를 생성한 creat 모듈 다음에 decide모듈을 두는 것이다 이 decide모듈은 현재 시뮬레이션 시각이 600분 미만인지를 체크할 것이다 다음 방법은 decide를 사용하지 않고 도착 전화를 차단하기 위하여 creat에 논리 개체를 생성하고, 추후에 제거하는 것이다

variables같은 경우에는 사용자 정의 global 변수 또는 array로 값을 저장하여 이름으로 참조를 하지만 expressions는 사용자 정의 수식, 값을 저장하지는 않고 계산만 해준다.

queue는 seize가 있으면 자동으로 표시가 되지만 storage는 따로 추가를 해야한다 storage를 지정하는 두 가지 방법에는 개체를 저장장치에 놓을 때와 애니메이션을 표현하고 싶을 때이다

basic process는 대부분 시스템의 최상위 모델들을 쉽고 빠르게 생성하는 것을 가능하게 하고 advanced process 패널은 추가적이고 보다 상세한 모델링을 제공함으로써 basic process 패널을 보충한다. blocks패널은 보다 하위 단계의 모델링 능력을 제공한다. 위의 두 가지 패널의 모듈들을 전부 모델링할 수 있다. blocks모듈에서는 새로운 속성에 대한 정의는 하지 않고 할당만 가능하다 elements 패널은 실험 프레임 모듈들을 찾을 수 있는 곳이다 이 패널에는 예를 들어 attributes 모듈이 존재한다.

종료형 시뮬레이션은 모델이 특정한 시작 조건과 종료 조건을 지정하는 시스템이지만 안정 상태 시뮬레이션은 오랜 시간에 걸쳐 추정하고자 하는 양이 정의되는 것이다 즉 이론적으로 무한대의 시간 프레임을 통해 추정한다는 차이가 있다 이 call center 예제는 시작할 때와 종료할 때 고객이 없고 자원은 유휴상태인 것처럼 보이기 때문에 종료형 시스템이라고 간주한다.

6시 이후에 전화를 거는 손님들은 받을 수가 없기 때문에 maxcalls라는 변수를 사용하였다.

전체 사용 중인 회선개수가 현재 사용 중인 회선개수보다 많다는 것을 의미한다.

공유 대기행렬은 이름이 의미하듯이 두 개 또는 여러 개의 seize 활동으로 공유될 수 있는 하나의 대기행렬이다. arena는 공유 대기행렬에 있는 개체가 자원에 할당되었을 때 모델 논리에 의해서 적절한 장소에 보내지는 것을 확인하기 위해 계속 추적해준다.

만일 process 모듈을 사용하면 대기행렬 이름은 모듈 이름에 queue 확장자가 붙는 형태를 취하며 사용자가 바꿀 수 없다.

Assign 으로 새로운 속성을 정의하고, queuedata 모듈에서 lowest attribute로 바꾼다

의미가 있다. 위에 있는 표시를 해석하자면, 시뮬레이션 시간이 최소 600분은 되어야 한다. 그리고 모든 전화의 처리를 끝내야 한다. TOTAL WIP 변수는 현재 시스템에 있는 전화의 개수를 추적하는데 사용되기 때문에 그 변수 값이 0인지만 체크하면 모든 전화가 처리되었는지 알 수 있게 된다. 참고로 &&는 그리고를 뜻한다.

안정형 포아송 프로세스는 고정된 평균을 갖는 지수 분포를 따르는 도착시간 간격을 가진다는 뜻이다. 비안정형 포아송 프로세스는 시간에 따라 변하는 도착 패턴을 나타내는데 매우 유용하다. 각 시간대별로 상이한 도착간격 시간을 사용하면 한 기간에서 다른 기간으로 가면서 도착률이 증가하거나 도착시간 간격이 감소하는 경우에 도착 횟수를 줄이는 잘못된 결과를 발생시킨다.

도착률의 함수를 추정 또는 규정하고 시뮬레이션에서 도착패턴을 생성한다.