Скачиваний:
2
Добавлен:
26.10.2025
Размер:
3.21 Mб
Скачать

Полезность методов исследования операций в повседневной научной работе

Методы

Относительная ценность

Теория вероятностей (и статистические оценки)

Экономический анализ (оценка эффективности затрат)

Имитационное моделирование

Линейное программирование

Управление запасами

Массовое обслуживание (теория очередей)

Сетевые модели (упорядочение операций)

Модели замены

Теория игр

Динамическое программирование

Методы поиска

Нелинейное программирование

0, 182

0, 150

0, 143

0, 120

0, 097

0, 085

0, 072

0, 042

0, 040

0, 031

0, 020

0, 018

1, 000

  1. «Задача сделать или купить», применяется для обоснованного решения целесообразности собственного производства нужных деталей, комплектующих изделий и т.п. или закупки их у известного производителя этих товаров. Эта же модель используется при решении дилемм: приобретения собственных транспортных средств или заключения договора с перевозчиком; постройки собственных складов или аренды складских помещений.

Приведем пример возможного использования оптимизационных моделей при решении логистических задач.

Пример. Четыре автохозяйства Аi ежедневно выпускают на линию 1 600 автомобилей марки ЗИЛ-150. Эти хозяйства должны ежедневно подавать подвижный состав пяти крупным грузоотправителям Вj и разовым клиентам P1. Расстояние между автохозяйствами и основными клиентами, а также потребность грузовладельцев в автомобилях и наличие их в автохозяйствах приводятся в табл. 11.

Найти оптимальный вариант закрепления автохозяйств за грузоотправителями, обеспечивающий минимальный порожний пробег автомобилей.

Таблица 11

Исходные данные для решения транспортной задачи

Автохозяйство

Расстояние между автохозяйствами

и грузоотправителями, км

Наличие

автомобилей

В1

В2

В3

В4

В5

Р1

А1

2

4

1

3

5

-

200

А2

7

3

9

4

1

-

600

А3

10

15

14

8

4

-

500

А4

9

13

12

11

7

-

300

Потребность в автомобилях

300

500

400

200

180

20

1 600

Р1 – разовые мелкие отправители (расстояние между ними и автохозяйствами неизвестно).

Очевидно, что заинтересованность в минимизации порожнего пробега, а тем самым и времени по доставке транспорта к грузовладельцам должен проявить трест, объединяющий все автохозяйства и формирующий логистическую систему доставки грузов от их владельцев к получателям. Очевидно и другое обстоятельство: сформированная задача будет касаться только самой незначительной доли использования транспорта – подготовительно-заключительного времени, а основная задача – это маршрутизация перевозок грузов.

Задачу можно решить с применением программного аппарата транспортной задачи, входящего в состав пакета прикладных программ линейного программирования для семейства персональных компьютеров. Для подготовки к решению необходимо сформулировать модель транспортной задачи закрытого типа (условием закрытости служит равенство суммарного наличия автомобилей 1 600 с их суммарной потребностью ).

Модель для данных условий можно описать следующим образом:

Обеспечить

при ограничениях

;

;

,

где – количество автомобилей i-го автохозяйства, подаваемое j-му грузовладельцу; – расстояние порожнего пробега от i-го автохозяйства к j-му грузовладельцу; – наличие автомобилей у i-го автохозяйства; – потребность в автомобилях j-го грузовладельца.

Из теории линейного программирования известно, что транспортную задачу можно решить по методу потенциалов за несколько итераций, при этом исходный опорный план формируется по правилу северо-западного угла (начиная с левого верхнего угла матрицы расстояний имеющиеся в автохозяйствах автомобили передаются самым ближним грузовладельцам). Для мелких отправителей принимаем условно, что расстояния до них максимальны. Тогда можно принять следующее исходное распределение автомобилей: х13 = 200; х21 = 100; х22 = 500; х31 = 200; х34 = 200; х35 = 100; х43 = 200; х45 = 80; х46 = 20. Проверяем условия удовлетворения потребностей: х21 + х31 = 100 + 200 = В1 = 300; х22 = 500 = В2 = 500; х13 + х43 = 200 + 200 = В3 = 400; х34 = 200 = В4 = 200; х35 + х45 = 100 + 800 = В5 = 180; х46 = 20 = Р1 = 20.

Следующими итерациями можно улучшить исходный опорный план, достигнув минимума целевой функции [87, с. 54 – 56].

Учитывая важность имитационного моделирования, рассмотрим его отдельно, хотя по существующей классификации оно также относится к методам ИСО.