Проверяемый текст
Джиоева, Наталья Николаевна. Многокомпонентная сетевая модель формирования алгоритмов распределенной обработки и управления в АСУ (Диссертация 2004)
[стр. 97]

Кроме того, если норматив не соответствует этим оценкам, то можно построить ряд критериев для проверки гипотез, позволяющих определить нормативы завершения процесса в будущем.
Интересно отметить, что GERTпроцедура является своеобразной альтернативой традиционным методам определения нормативных времен.
При использовании традиционных методов предполагается, что время выполнения каждой отдельной
операции процесса постоянно.
После суммирования этих времен в полученный результат вносится некоторая поправка с целью учесть случайные колебания или устранить неустойчивость
С другой стороны, разработанная GERT-процедура позволяет включать случайные отклонения и неопределенность, возникающие непосредственно во время выполнения каждой отдельной операции.
Следовательно, в полученный норматив уже включены все случайные колебания и нет необходимости вносить в него дополнительные.
Это дает возможность получить дисперсию нормативного времени, с помощью которой для него строятся доверительные интервалы.

В заключение отметим, что, для решения моделей GERT-анализа требуются сложные и трудоемкие вычисления, для организации которых следует использовать специально разработанные программные комплексы GERT-процедур в рамках интерактивной системы
планирования и управления производственными процессами.
Росту функциональных возможностей системы GERT способствует применение моделей в несколько сотен или более дуг (или узлов).
Однако при использовании топологического уравнения Мейсона канонического вида с увеличением размерности сети экспоненциально возрастает число петель
r-х порядков, г=1,...,п [36].
Для определения плотности распределения вероятностей GERT-сети используется модификация численного метода нахождения закона распределения выходной величины GERT-сети, рассматриваемого в
[34].
Для 97
[стр. 94]

3.
Модельные компоненты стохастической структуры алгоритмов распределенной обработки и управления 3.1.
Стохастическое представление моделей формирования Стохастическое представление моделей формирования распределенных алгоритмов обработки и управления в виде базовой GERTсети позволяет получить достаточное количество полезной информации о временных характеристиках реализации этих алгоритмов.
Используя неравенство Чебышева, можно показать пределы, в которых будет изменяться фактическое время реализации, а также получить более сильные утверждения.
Кроме того, если реальный показатель не соответствует этим оценкам, то можно построить ряд критериев для проверки гипотез, позволяющих определить перспективные характеристики времени реализации набора распределенных алгоритмов.
Отметим, что предлагаемая далее GERT-модель является своеобразной альтернативой традиционным методам определения директивных времен для реализации планов алгоритмов и процессов (в том числе, и параллельных).
При использовании традиционных методов предполагается, что время выполнения каждой отдельной
задачи в рамках алгоритма постоянно.
После суммирования этих времен в полученный результат вносится некоторая поправка с целью учесть случайные колебания или устранить неустойчивость
действительных времен (в частности, PERT-методика).
Система же GERT-моделей позволяет включать случайные отклонения и неопределенность, возникающие непосредственно во время выполнения каждой отдельной задачи алгоритма.
Следовательно, в полученный результат уже включены все случайные колебания и нет необходимости вносить в него дополнительные поправки, не считая тех, которые соответствуют аварийным ситуациям при завершении процессов обработки информации и управления.
В сущности, эти поправки характеризуют реальную ситуацию в рамках существующей технологии управления системой.
94

[стр.,120]

относительно начала координат могут быть получены путем дифференцирования по 5 функции We(s) и вычисления первой и второй производных при 5 = 0.
Поскольку /./] — это ожидаемая величина нормативного времени, а //2 (Pi)2 по определению есть дисперсия этого норматива, то требуемый результат нами будет получен.
Отметим, что данный результат дает много полезной информации о нормативе завершения процесса.
Используя неравенство Чебышева, можно показать интервал изменения времени реализации процесса.
В рассматриваемом примере могут быть получены более сильные утверждения.
Например, поскольку время выполнения каждой операции имеет нормальное распределение, то нормативное время также нормально распределено.
Это позволяет получить вероятностные оценки времени выполнения процесса.
Кроме того, если норматив не соответствует этим оценкам, то можно построить ряд критериев для проверки гипотез, позволяющих определить нормативы завершения процесса в будущем.
Интересно отметить, что GERTпроцедура является своеобразной альтернативой традиционным методам определения нормативных времен.
При использовании традиционных методов предполагается, что время выполнения каждой отдельной операции процесса постоянно.
После суммирования этих времен в полученный результат вносится некоторая поправка с целью учесть случайные колебания или устранить неустойчивость С другой стороны, разработанная GERT-процедура позволяет включать случайные отклонения и неопределенность, возникающие непосредственно во время выполнения каждой отдельной операции.
Следовательно, в полученный норматив уже включены все случайные колебания и нет необходимости вносить в него дополнительные.
Это дает возможность получить дисперсию нормативного времени, с помощью которой для него строятся доверительные интервалы.

120

[стр.,121]

В заключение отметим, что, для решения моделей GERT-анализа требуются сложные и трудоемкие вычисления, для организации которых следует использовать специально разработанные программные комплексы GERT-процедур в рамках интерактивной системы формирования алгоритмов распределенной обработки и управления в автоматизированных ОТС.
Росту функциональных возможностей системы GERT способствует применение моделей в несколько сотен или более дуг (или узлов).
Однако при использовании топологического уравнения Мейсона канонического вида с увеличением размерности сети экспоненциально возрастает число петель
г-х порядков, г=1,...,п [85].
Для определения плотности распределения вероятностей GERT-сети используется модификация численного метода нахождения закона распределения выходной величины GERT-сети, рассматриваемого в
[65].
Для данного метода трудоемкость решения задачи характеризуется полиномом второй степени относительно числа дуг GERTсети.
В рамках многокомпонентной модели GERT-сеть может использоваться не только для определения нормативных времен исполнения алгоритмов распределенной обработки и управления, но и как составная часть системы имитационного моделирования, выполняющая функции блоков, задающих временные задержки.
Таким образом, GERT-компоненты модели могут отображать вероятностное поведение готовых программноаппаратных частей алгоритмов автоматизированных организационнотехнологических и производственных систем или тех системных компонентов, которые еще не разработаны.
121

[Back]