
- •Вопросы к экзамену эмм 2014/2015
- •Предметная область курса. Что изучается в рамках дисциплины?
- •Роль и возможности моделирования в решении задач управления распределением в логистике.
- •1)Запасы задачи:
- •Роль и возможности эмм в принятии решений.
- •Роль и значение эмм в управлении логистической компанией.
- •Классификация методов прогнозирования.
- •Метод наименьших квадратов (мнк) в задачах прогнозирования.
- •1.Интерполяция – экстраполяция
- •2) Модель - Выбор модели
Роль и значение эмм в управлении логистической компанией.
Виды практических задач логистики, решаемых экономико-математическими методами.
Аналитические методы и технологии в управлении современной логистической компанией.
Задачи выбора в логистике: проблема, типы задач и методы их решения
Автоматизация решения задач принятия решений в логистике. Компьютерная математика: инструменты и технологии
Виды моделей и примеры их применения в логистике.
Общая (принципиальная) схема алгоритма математического моделирования.
Способы представления математических моделей и установление причинно-следственных связей.
Модель Парето в задачах о номенклатуре товаров.
АВС-алгоритм оценки прибыльности товаров.
Производственная функция (модель производственных ресурсов).
Логистическая модель роста.
Классификация методов прогнозирования.
Метод наименьших квадратов (мнк) в задачах прогнозирования.
Для прогнозирования необходимо выбрать модель и определить её параметры.
Для этого применяют разные методы АППРОКСИМАЦИИ результатов наблюдений
1.Интерполяция – экстраполяция
Интерполяция – способ построения полиномиальной модели
Экстраполяция – прогнозирование по полученной модели на заданный период упреждения ΔX
Модели интерполяции:
1) ЛИНЕЙНАЯ: узлы (точки наблюдения) соединяются прямыми линиями
2) НЕЛИНЕЙНАЯ: узлы соединяются полиномами
СПЛАЙН – аппроксимация удобна для моделирования и поиска оптимальных решений в области наблюдений (измерений) [X1…Xn]
Наибольшее распространение получили линейные интерполяционные модели
ИНТЕРПОЛЯЦИОННЫЙ МНОГОЧЛЕН НЬЮТОНА
Для построения полинома используются все точки наблюдения
Интерполяционные модели хорошо описывают процессы в интервале наблюдения [X1…Xn].
Однако они очень ненадежны при прогнозировании с большим упреждением.
Экстраполяция на ΔX > (Xn-Xn-1) очень опасна!
2) СГЛАЖИВАНИЕ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ (МНК)
СГЛАЖИВАНИЕ - выявление тенденции (тренда) с вычислением параметров модели, обеспечивающей исключение случайных флуктуаций (шумов, погрешностей измерений и наблюдений)
Результаты наблюдений отличаются от модельных значений по причине:
- ошибок измерений (погрешностей)
- наличия внешних случайных возмущений (шумов)
Назначение МНК: Для определения параметров математической модели по результатам наблюдений (измерений).
Модель - задается
Результат – эмпирическая модель
Суть МНК : Поиск параметров модели aj при которых достигается минимум суммы квадратов отклонений фактических значений функции yi от теоретических (модельных) (,)jyxa
ЗАДАЧА МНК решается в 4 этапа:
1)Данные - Подготовка исходных данных и построение графика по фактическим (эмпирическим) данным
2) Модель - Выбор модели
- модель выбирается на основании опыта, аналогий, физической сути процесса, либо по графику, построенному по фактическим данным
3) Параметры модели - Вычисление параметров модели
4) Адекватность модели - Проверка адекватности модели с помощью критериев адекватности
АЛГОРИТМ МНК : Алгоритм поиска параметров модели aj связан с решением задачи на экстремум без ограничений:
Для решения задачи нужно:
1) Вычислить частные производные от F по aj и приравнять их 0
0,1,jFjma∂==∂
2) Решить полученную систему линейных алгебраических уравнений относительно коэффициентов aj .
Модель (,)jyxaдолжна быть дифференцируемой!
Система уравнений решается аналитически методом Гаусса или Крамера.
Либо численно на ЭВМ
Нормальный закон распределения. Оценка параметров и примеры применения в логистике
Логистическая модель тренда спроса на товары.
Коэффициент корреляции: назначение, свойства и определение.
Корреляционное отношение: назначение, свойства и определение.
Назначение и методы сглаживания опытных данных
Метод скользящего среднего: назначение и алгоритм.
Метод экспоненциального сглаживания: назначение и алгоритм.
Интервальный прогноз: линейная модель тренда.
Адаптивные модели прогнозирования.
Математическое программирование в логистике: классификация задач и общее математическое представление задачи оптимизации.
Несбалансированная транспортная задача: постановка и алгоритм.
Модель хозяйственного риска в задаче об оптимальном запасе товаров.
Модель хозяйственного риска в задаче оптимизации времени доставки товара.
Задача о назначениях.
Задача о загрузке транспортного средства неделимыми грузами.
Задача коммивояжёра: постановка и общий алгоритм решения.
Задача о кратчайшем пути в сети поставок.
Модели и схемы транспортно-распределительных цепей и сетей.
Модель и алгоритм решения задачи о дислокации 1-го склада на плоскости.
Задачи о дислокации складов в распределительной сети.
Расчёт затрат в задачах дислокации складов.
Метод отношения предпочтений в задачах оценки коммерческой значимости товаров (решений).
Экспертные методы: метод парных сравнений.
Случайные величины и случайные события в логистических системах.
Законы и параметры распределения случайной величины.
Особенности и сущность моделирования методом статистических испытаний.
Генераторы случайных чисел. Метод Монте-Карло.
Имитационное моделирование времени доставки грузов «точно в срок» при международных перевозках.
Надёжность как комплексное свойство систем. Основное уравнение надёжности
Отказ и безотказность. Показатели безотказности систем
Структурная (схемная) надёжность. Методы резервирования цепей поставок
Вероятность безотказной работы системы, состоящей из параллельно соединённых элементов
Вероятность безотказной работы системы, состоящей из последовательно соединённых элементов