2. Аналитический обзор возможностей исследования проблемы оптимизации склада

Во – первых, мы выяснили, что задача заключается в создании алгоритмической модели процесса функционирования сложной системы с целью оптимизации ее параметров.

На основании заданных параметров системы нами были выбран метод имитационного моделирования. Он позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

В алгоритмическом моделировании критерии и (или) ограничения описываются математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса.

Если мы имеем дело со сложной системой, то зачастую гораздо легче построить ее модель в виде алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логических условий – разветвлений хода течения процесса. Математическое описание для элементов может быть очень простым, однако взаимодействие большого количества простых по математическому описанию элементов и делает эту систему сложной. Алгоритмически же можно описывать даже такие объекты, которые в силу их сложности или громоздкости в принципе не допускают аналитического описания.

В данном случае условием оптимальности будет условие минимизации затрат на содержание склада в течение определенного периода времени.

3. Обоснование выбранного подхода к моделированию

Процесс не содержит характерных признаков системы массового обслуживания. Здесь нет потока заявок, нет явного описания процесса обслуживания, отсутствуют и правила обслуживания.

Однако это должна быть имитационная статистическая модель, так как сре­ди входных переменных имеются случайные переменные. Одна из них – случайное число продаваемых ежедневно автомашин (ежедневный расход товара). Вторая – случайное число дней, зат­раченных на организацию поставки дополнительной партии то­вара. Для этих величин нужно подобрать подходящие по физи­ческому смыслу стандартные распределения. Все остальные входные переменные могут задаваться как постоянные величины или варьироваться для различных вариантов расчета.

Поскольку количество поку­пателей – это дискретная случайная величина, здесь больше все­го подошло бы так называемое биномиальное распределение, ко­торое при большом числе возможных значений (что мы и имеем в данном случае) может быть успешно заменено нормальным распределением.

Его характеризуют двумя параметрами: математическим ожи­данием и средним квадратическим отклонением числа покупате­лей. Единственное дополнительное условие заключается в том что полученное возможное значение случайной величины нужно округлить до целой величины.

Однако в данном случае диапазон возможных значений числа дней на поставку товара невелик, и поэтому такая аппрок­симация является менее точной, чем для количества покупате­лей. Характеристиками распределения являются математическое ожидание и среднее квадратическое отклонение времени достав­ки партии товара. Естественно, что и в этом случае возможное значение случайной величины должно быть округлено до целого числа.