Методические основы совершенств. транспортных связей в предприя
.pdf121
стояния (весь годовой лесосечный фонд еще не освоен) в конечное (весь годо-
вой лесосечный фонд освоен), при этом целевая функция примет вид
n |
12 |
m |
|
F hkji lik min , |
(4.15) |
||
k 1 |
j 1 |
i 1 |
|
где lik – протяженность k-го участка пути при вывозке леса с i-й лесосеки
(k=1,n), (i=1, m);
hkji – вертикальная деформация пути k-го участка дороги при вывозке леса с i-й лесосеки в j-м месяце (j=1,…,12).
Таким образом, рассматриваемая задача заключается в поиске значений Qij
на каждом из 12 шагов, при которых целевая функция принимает минимальное значение при следующих ограничениях:
1. Суммарный объем леса, назначаемый в рубку в течение года, по каж-
дой лесосеке, не должен превышать запаса ликвидной древесины в ней:
12 |
|
X ij Qi , (i 1,..., m) |
(4.16) |
j 1
2.Объем леса, планируемый в рубку в любом j-м месяце, должен обеспе-
чить поставку леса в объеме заключенных контрактов:
m |
|
X ij Vj ,( j 1,...,12) |
(4.17) |
j 1
Описание предлагаемого алгоритма начнем в обратном направлении от конца года к началу. Для этого рассмотрим все возможные допустимые со-
стояния системы на предпоследнем шаге, когда не освоена лишь одна лесосека из общего их количества в годовом лесосечном фонде. Предположим вначале,
что это лесосека номер один, тогда у нас нет выбора (управление вынужден-
ное), надо планировать эту лесосеку в рубку, определяя для нее общую дефор-
мацию пути от вывозки заготовленного леса. Предполагая далее, что на пред-
последнем шаге осталась лишь лесосека номер два, мы также вынуждены на последнем шаге направить ее в рубку, определив при этом соответствующую целевую функцию. Далее процесс повторяется по всем остальным лесосекам
122
годового лесосечного фонда. Таким образом, мы получим управление на по-
следнем шаге и соответствующие значения целевой функции при любом до-
пустимом состоянии системы.
Далее приступаем к рассмотрению предпоследнего m-1 шага. Для этого рассмотрим всевозможные допустимые состояния системы на предыдущем m-2 шаге. Например, на последнем шаге в рубку могут быть запланированы лесосеки номер 2, 3, ..., m. В этом случае управление уже не вынужденное. Оп-
ределим целевую функцию при назначении в рубку каждой из этих лесосек и выберем лучшую, пока еще условно оптимальную. Это управление совместно с уже выбранным управлением на последнем шаге обеспечивает минимум де-
формации пути от вывозки леса в течение двух последних шагов (месяцев)
[34].
Последовательно осуществляя описанный выше итерационный процесс,
дойдем, наконец, до первого шага, когда не запланированной в рубку окажется лишь одна, последняя оставшаяся лесосека. В этом случае уже не требуется выбирать или делать предположений о допустимых состояниях системы.
Управление будет вынужденным, и последняя оставшаяся лесосека будет за-
планирована в рубку. В целом, последовательностей управлений будет столь-
ко, сколько лесосек в годовом лесосечном фонде ЛЗП, и остается только вы-
брать лучшую из них по критерию суммарной годовой деформации пути.
Теперь, чтобы выработать стратегию управления, т. е. определить искомое решение задачи, нужно пройти всю последовательность шагов лучшего из ус-
ловно-оптимальных решений, только на этот раз от начала к концу [61].
Для формирования комплекса моделей системы ВАДС (водитель – авто-
мобиль – дорога – среда) с точки зрения интенсивности транспортного потока предложена двухуровневая модель управления, подробно описанная в [119].
Режим движения характеризуется скоростью одиночных автомобилей и всего потока, интервалами между автомобилями в потоке (плотностью потока),
числом обгонов, перестроений и их траекториями, режимом разгонов и тормо-
123
жений. Режим движения – главная выходная характеристика функционирова-
ния всего потока, которая интегрально отражает его эффективность и качество.
Функция, характеризующая режим движения i-гo автомобиля
P i = f ( B i ; A j ; Д; С), где B i , A j , – параметры, характеризующие соответственно данный автомобиль и данного водителя; Д и С – параметры, характеризующие соответственно дорогу и среду.
Объединение элементов дорожной и транспортной составляющих в еди-
ный процесс позволяет анализировать роль каждого элемента в транспортном процесссе.
Необходимо определение следующих параметров и числовых характери-
стик: интенсивности поступления транспортных средств λ, интенсивности об-
служивания μ, дисперсии интенсивностей поступления и обслуживания Dλ и δμ2,
математического ожидания интервалов прибытия и времени обслуживания
M(X) и M(1/μ) дисперсии интервалов прибытия, коэффициента загрузки каналов обслуживания по времени α и др.
Необходимая величина объема выборки определяется на основе закона больших чисел и неравенства Чебышева, известных из теории вероятностей
[51], руководствуясь которыми, допускаемую погрешность (уступку) δ опреде-
ляем как
|
1 |
, |
(4.18) |
|
N |
||||
|
где N – количество испытаний или объем выборки.
Сбор статистических данных производился из первичных учетных доку-
ментов, имеющихся на лесных складах и бирках сырья, на погрузочно-
разгрузочных и штабелевочных производственных участках, где фиксируется количество единиц транспортных средств, время прибытия и отправления их,
время нахождения их под операциями разгрузки и погрузки в каналах обслужи-
вания, время ожидания в очереди на разгрузку и погрузку и т. д.
124
На основании собранных данных могут быть построены статистические кривые распределений. Для их построения необходимо сделать правильный выбор величины интервала вариационного ряда полученной выборки. Опти-
мальную величину интервала для полученного вариационного ряда определяем по формуле
h |
xmax xmin |
, |
(4.19) |
1 3,22lg N |
где h – величина интервала, xmax – максимальное значение случайной величины в исследуемой выборке; xmin – минимальное значение этой же случайной вели-
чины; N – число наблюдений.
Для предварительной, «грубой» оценки типа распределений входящих и выходящих транспортных потоков, интервалов прибытия их единиц и времени обслуживания необходимо последовательно проделать следующее:
1. Определить первый начальный момент или математическое ожидание исследуемой случайной непрерывной величины:
|
|
M (x) a1 x f (x)dx . |
(4.20) |
2.После определяется второй начальный момент, который для непре-
рывной случайной величины равен
n |
2 |
|
|
а2 |
ni xi |
. |
(4.21) |
|
|||
i 1 |
N |
|
3.Далее определяется статистическая дисперсия исследуемого распре-
деления
D(x) a2 x 2 . |
(4.22) |
4. Для более исчерпывающей характеристики распределения находится
коэффициент вариации из соотношения
V |
D(x) |
. |
(4.23) |
|
|||
|
x |
|
125
5.После этого определяется статистическая вероятность значений ис-
следуемого ряда распределения по формуле
f(x)=n/N. (4.24)
На основании полученных данных вычерчивается график статистического распределения исследуемой случайной величины, где по оси абсцисс отклады-
ваем значение величины х от 0 до х1, а по оси ординат – соответствующее им значение статистической вероятности [39].
4.5. Порядок обработки и использования результатов исследований
Сбор статистических данных производился из первичных учетных данных от арендаторов участков лесного фонда Теллермановского филиала КУ ВО
«Лесная охрана», где зафиксировано количество прибывших автопоездов КАMA3-43118+СФ-65С и УРаЛ-5557+СФ-65С с лесозаготовительных участ-
ков, а также на основании хронометражных наблюдений за каждый месяц рабо-
ты лесовозного автотранспорта в 2011-2012 году.
Данные проделанной работы – вывоза лесоматериалов – сведены в табл. 4.1, из которой видно, что ежедневный объем вывозки лесоматериалов,
т. е. поступления лесовозов на склады сырья из блоков лесосек, меняется в зна-
чительных пределах (от 2 до 35 лесовозов).
Такие хаотические отклонения ежедневного и месячного поступления от среднего планового объема вызваны воздействиями комплекса случайных при-
чин, которые даже не устраняются с вводом нового оборудования, технологии и организации производства. В связи с этим при изучении производственных процессов, а в дальнейшем и при их проектировании, необходимо иметь сведе-
ния не только о возможных отклонениях от среднего планового объема фак-
тической выполненной работы, но и об их частоте (вероятности). Подобного рода задачу, то есть определение частоты и вероятности колебаний полученно-
го ряда от среднего, решают на основе методов теории вероятностей или тео-
126
рии массового обслуживания и математической статистики [95]. В нее включа-
ются следующие этапы:
- предварительный анализ полученных рядов распределения с целью ис-
ключения влияния систематических факторов и очистки ряда от маловероятных данных;
-определение параметров эмпирических распределений и построение этих распределений, то есть определение параметров полученных статистических рядов указанными методами;
-сравнение предполагаемого (наиболее подходящего) теоретического рас-
пределения с данными, полученными на основе предварительных исследований
[72].
При определении числа лесовозных автопоездов, прибывших на нижний склад, из табл. 4.1 могут быть получены следующие значения: 16, 9, 14, 20, 22, 12, 5, 18, 18, 11,12, 19, 21, 17, 6, 1, 5, 12, 12, 17, 22, 22, 5, 23, 24, 5, 21, 23, 24, 15, 14, 21, 25, 24, 19, 18, 23, 30, 32, 31, 29, 18, 34, 27, 24, 5, 30, 5, 27, 19, 18, 26, 25, 20, 21, 20, 22, 27, 15, 18, 5, 21, 21, 21, 5, 29, 23, 5, 17, 5, 15, 5, 14, 18, 5, 24, 23, 14, 23, 5, 24, 20, 24, 12, 17, 16, 21, 5, 18, 5, 11, 18, 5, 9, 5, 3, 5, 29, 5, 19, 18, 21, 16, 12, 13, 16, 14, 19, 10, 13, 15, 11, 33, 19, 24, 25, 26, 10, 5, 20, 17, 19, 35, 26 , 23, 24, 20, 24, 28, 8, 25, 23, 23.5, 20 , 9, 5, 15 , 26 , 24, 21, 17, 17, 18, 19, 23, 18, 22, 24, 21, 22, 23, 12, 8, 18, 17, 15, 25, 10, 13, 22, 25, 11, 25, 5, 22, 18, 26, 5, 19, 24, 24, 18, 19, 24, 24, 20, 21, 24, 22, 20, 3, 20, 16, 13, 18, 12, 6, 15, 5, 17, 16, 22, 18, 18, 26, 15, 19, 21, 20, 26, 18, 32, 18, 24, 7, 24, 21, 19, 21, 21, 28, 27, 9, 12, 15, 15, 16, 14, 11, 15, 13, 20, 15, 18, 22, 21, 19, 11, 10, 16, 22, 19, 22, 6, 10, 18, 20, 21, 17, 21, 20, 23, 21, 17, 21, 27, 17, 32, 12, 17, 22, 15, 12, 13, 35, 6, 18, 11, 18, 19, 24, 8, 16, 5, 5, 9, 5, 5, 22,5, 3, 5, 10, 16, 17, 20, 19, 16, 22, 33, 6, 17, 16, которые характеризуется сле-
дующими данными: N=267; xmin=1.3; xmax=35; h=3. Распределение интервалов входящих транспортных потоков лесовозных автопоездов представлено в табл. 4.1.
127
Математическое ожидание M(x)=19,3. Интенсивность прибытия λ=0,05,
второй момент M(x)2=41. Дисперсия D(x)=41.5. Среднеквадратическое отклоне-
ние δ(x)=6,4. Коэффициент вариаций V= 0,33.
Таблица 4.1
Распределение интервалов входящих транспортных потоков
х |
n |
Р (x) |
F(x) |
|
|
|
|
0-3 |
2 |
0.007 |
0,007 |
|
|
|
|
3- 6 |
13 |
0,05 |
0,057 |
|
|
|
|
6- 9 |
8 |
0,03 |
0,087 |
|
|
|
|
9-12 |
27 |
0,10 |
0,187 |
|
|
|
|
12-13 |
23 |
0,10 |
0,287 |
|
|
|
|
13-18 |
50 |
0,19 |
0,477 |
|
|
|
|
18-21 |
55 |
0,21 |
0,687 |
|
|
|
|
21-24 |
47 |
0,18 |
0,867 |
|
|
|
|
24-27 |
21 |
0,08 |
0,947 |
|
|
|
|
27-30 |
7 |
0,03 |
0,977 |
|
|
|
|
30-33 |
7 |
0,03 |
0,99 |
|
|
|
|
33-36 |
2 |
0,007 |
1,00 |
|
|
|
|
Подсчитаем плотности вероятностей и функции распределения по месяцам и за год. На основании полученных результатов на графике вычерчиваются со-
ответствующие зависимости (прил. В). Далее произведем сравнение статисти-
ческого распределения с теоретическими: показательным, нормальным, Эрлан-
га и гамма-распределениями.
Таким образом, гипотеза о соответствии статистического распределения теоретическому гамма-распределению, по критерию Пирсона, принимается.
Вероятность по Пирсону р=0,01. Подсчитаем дополнительную функцию и ин-
тегральную энтропию и результаты занесем в табл. 4.2.
128
|
|
|
|
|
Таблица 4.2 |
|
|
Значения дополнительных функций и интегральной энтропии |
|||||
|
|
|
|
|
|
|
x |
|
n |
p(x) |
Ф(х) |
Ф(х)log2 Ф(х) |
|
15 |
|
2 |
0,077 |
0,993 |
0,0101 |
|
4,5 |
|
13 |
0,05 |
0,943 |
0,0798 |
|
|
|
|
|
|
|
|
7,5 |
|
8 |
0,03 |
0,913 |
0,1199 |
|
10,5 |
|
27 |
0,10 |
0,813 |
0,2428 |
|
13,5 |
|
28 |
0,10 |
0,713 |
0,3480 |
|
16,5 |
|
50 |
0,19 |
0,523 |
0, 4891 |
|
19,5 |
|
55 |
0,21 |
0,313 |
0,5245 |
|
22,5 |
|
47 |
0,18 |
0,133 |
0,3555 |
|
|
|
|
|
|
|
|
25,5 |
|
21 |
0,08 |
0,053 |
0,2246 |
|
28,5 |
|
7 |
0,03 |
0,023 |
0,1252 |
|
31,5 |
|
7 |
0,03 |
0,01 |
0,0664 |
|
|
|
|
|
|
|
|
34,5 |
|
2 |
0,007 |
0 |
0 |
|
Как видно из полученных данных, математическое ожидание
k |
|
|
||
Ф(х) х 6,09 3 18,27 . |
|
|||
o |
|
|
||
Погрешность с истинным математическим ожиданием составит |
|
|||
19,3 18,27 |
100 5% . |
|
||
|
19,3 |
|
|
|
|
|
|
||
Интегральная энтропия |
|
|
||
mx |
|
|
||
Ф(х) log 2 |
Ф(х) 1,814 ; |
(4.25) |
o
Hx= 1,814 х 3 = 5,442.
Степень стохастичности, отнесенная к математическому ожиданию
SH |
= |
Нх |
|
5,442 |
0,282 . |
(4.26) |
||
|
|
|||||||
|
|
|
х |
19,3 |
|
|
|
|
Исследуемое статистическое распределение находится между распределе- |
||||||||
нием Эрланга: |
|
|
|
|
|
|
|
|
при k=2 |
|
S=0,2950 |
|
|
||||
при k=4 |
|
S=0,2198 |
|
|
||||
k 2 |
|
0,2950 0,282 |
2,17 . |
|
||||
|
0,2950 0,2198 |
|
||||||
|
|
|
|
129
Следовательно, исследуемый статистический лесотранспортный поток со-
ответствует распределению Эрланга с параметром k = 2,17.
4.6. Определение входящих лесотранспортных потоков на лесные склады потребителей лесоматериалов
4.6.1. Сбор и обработка статистических данных. Цель исследования со-
стоит в том, чтобы определить фактические условия и состояние системы и вы-
работать рекомендации по улучшению ее работы в виде:
-сокращения издержек от простоя вагонов в очереди и простоя кранов в ожидании подхода транспортных средств;
-уменьшения эксплуатационных расходов и увеличения прибыли от вы-
полнения всего транспортного процесса.
Выборка статистических данных произведена из первичных учетных до-
кументов, где фиксировались поступившие вагоны. Исследования показали, что ежедневное количество поступающих под выгрузку вагонов меняется в незна-
чительных пределах. Такие хаотические отклонения ежесменного и месячного поступления вагонов вызваны, так же, как и в первом случае, воздействиями комплекса случайных причин.
С целью выявления математической закономерности прибытия вагонов необходимо проанализировать статистический ряд, который представлен в прил. В.
Максимальное значение xmax = 13 вагонов;
Минимальное значение xmin = 1 вагон;
Количество наблюдений N = 365.
h |
xmax xmin |
|
12 |
1,26 1 . |
(4.27) |
|
1 3,32lg N |
1 3,32 2,56 |
|||||
|
|
|
|
Принятая величина интервала h=1 не является малой, а полученную кри-
вую распределения легче аппроксимировать к теоретическому распределению.
130
Далее составляем статистическую вероятность прибытия вагонов к потребите-
лю и распределение числа вагонов в группе при длине интервала h=1.
По данным вычерчиваем график статистического распределения случай-
ной величины, где по оси абсцисс откладываем значение количества прибытия вагонов в группе от 0 до xi , а по оси ординат – соответствующие им значения статистической вероятности (прил. В).
4.6.2. Программная реализация алгоритмов решений задач совершен-
ствования транспортных потоков лесоматериалов. Разработанное про-
граммное обеспечение, алгоритмы, основанные на динамическом программи-
ровании, используют перекрытие подзадач следующим образом: каждая из под-
задач решается только один раз, и ответ заносится в специальную таблицу
(матрицу); когда эта же подзадача встречается снова, программа не тратит вре-
мя на ее решение, а берет готовый ответ из таблицы.
Программы для ЭВМ разработаны в виде отдельных модулей с использо-
ванием технологии С++builder, Microsoft Net Framework. Компьютерные про-
граммы позволяют вводить данные в формате XML или напрямую из интер-
фейса пользователя (прил. Г).
Программы могут быть использованы на компьютерах, работающих под управлением операционной системы MS Windows XP/2003/Vista/7 и с установ-
ленным Microsoft Net Framework 4.0.
Минимальные требования: CPU 300 MHz, 64 Mb, 8 Mb Video.
Рекомендуемые требования CPU 350 MHz, 64 Mb, 16 Mb Video.