Проверяемый текст
Златин, Павел Андреевич. Методология комплексного анализа и моделирования инновационных процессов автоматизации и управления пассажирскими автотранспортными предприятиями в условиях неопределенности (Диссертация 2004)
[стр. 66]

66 Можно считать, что опорный план дает минимум затратам при ограничении на время реализации.
В представленной модели позиция Р определяет моделирование времени задержки на реализацию производственного этапа и может начаться только после снятия всех блокировок на ресурсы.
Кадровый количественный состав определяет время выполнения этапа.
Техника и средства автоматизации погрузочно-разгрузочных работ также определяют время.
Необходимое минимальное количество кадров и техники блокирует процесс реализации этапа производственных работ.
Материалы и сырье также блокируют этап.
Техника и кадровый состав в модели выступают симметрично.
Решаются практические одинаковые задачи распределения.
2.2.3.
Вероятностное моделирование процессов сетевого планирования Поскольку прибыли и затраты являются ресурсами, то далее будем использовать обобщенное понятие ресурса (0.
Следующей задачей является оценка вероятностных характеристик процессов потребления ресурсов.
В данном случае каждая вершина графа G взвешена объемом ресурсов
Qi, что соответствует естественному процессу реализации проекта.
Одним из
вариантов распределения потребления ресурсов по этапу является равномерное распределение: Vt< 7й, v t> Л e,(t)=O, V Т1', Q,(t)= 6 .
(2.9) Т 2-Т 1 При фиксированном значении времени t в вероятностной модели для каждого этапа потребности ресурса 0(t) будут также определяться случайной величиной.
Характеристики этой величины рассчитывается на основании повторных реализаций сетевой модели.
[стр. 97]

Начальным этапом алгоритма расчета временных характеристик является установка начального модельного времени Т=0, установка неопределенных значений времен 7мj=, TKi=, поиск списка вершин IЬ={Щ: Vj Eji=0} и реализация операторов 1пЩ для ie lb (параметр оператора InW отсутствует, поскольку для этих начальных вершин список базовых этапов: пуст).
Далее работает рекуррентная схема, представляющая последовательное выполнение операторов инициализации и завершения этапов: InW 'd): II о (V/ 0) => (г", =т т\ =т+т) (2.3) OutW: I argmin{rKi : TKi Ф//} i T = T K, (2.4) {lnWt(l) V i: Elti = l} Оператор OutW повторяется для всех вершин с определенными временами завершения и для каждой вершины, может быть выполнен лишь один раз.
В результате создается список времен начала'и завершения этапа, которые сортируются в порядке возрастания и представляют упорядоченный список времен:.
ST= {T*i: (i,>i2=> Т*ц > Т*а) л (Vi 3j : Т*гТ*j v 7”i'i=7J(2;5) С каждым элементом списка ST связано либо начало, либо завершение некоторого этапа.
Приведенная рекуррентная схема полностью определяет расчет в случае детерминированного задания времен реализации этапов.
2.1.3.
Вероятностное моделирование сетевой модели Поскольку прибыли и затраты являются ресурсами, то далее будем использовать обобщенное понятие ресурса (Q).
Следующей задачей является оценка вероятностных характеристик процессов потребления ресурсов.
В данном случае каждая вершина графа G взвешена объемом ресурсов
Q„ что соответствует естественному процессу, реализации проекта.
Одним из


[стр.,98]

вариантов распределения потребления ресурсов по этапу является равномерное распределение: Vt< 7*\ v t> 7* Q it)=0, V f \ При фиксированном значении времени t в вероятностной модели для каждого этапа потребности ресурса Qi(t) будут также определяться случайной величиной.
Характеристики этой величины рассчитывается на основании повторных реализаций сетевой модели.

Выборочные функции процесса потребления ресурсов СО, г С0О © © соN Рис.
2.3.
На рисунке (О; определяет потребность ресурса в i-ой повторной реализации.
Таким образом, имея на каждый момент времени /Vвыборочных значений потребностей ресурсов, можно построить характеристики процесса Qi(t) во времени, при чем для каждого этапа отдельно.
Графики распределения ресурсов для отдельного этапа приведены на рис.2.4.
На рисунке приведены графики математического ожидания и доверительных интервалов для некоторого этапа.
Эксперименты для различных сетевых моделей показали, что математическое ожидание практически всегда является унимодальной функцией.

[Back]