Бережная_Матметоды моделирования эк cистем
.pdf6. Определяют показатели качества функционирования СМО путем обработки результатов моделирования методами математиче ской статистики.
Методику решения задачи рассмотрим на примере моделирова ния СМО с отказами.
Пусть система имеет два однотипных канала, работающих с от казами, причем моменты времени окончания обслуживания на пер вом канале обозначим через t^, на втором канале - через /2/- Закон распределения интервала времени между смежными поступающи ми требованиями задан плотностью распределения fi(tj). Продол жительность обслуживания также является случайной величиной с плотностью распределения/2(/о).
Процедура решения задачи будет выглядеть следующим об разом:
1. Вырабатывают равномерно распределенное случайное чис ло ^,..
2.Равномерно распределенное случайное число преобразуют в величины с заданным законом распределения, используя формулы табл. 4.1. Определяют реализацию случайного интервала времени (A/j^^) между поступлениями требований в систему.
3.Вычисляют момент поступления заявки на обслуживание:
4.Сравнивают моменты окончания обслуживания предшеству ющих заявок на первом ^i(/_i) и втором /(2/-i) каналах.
5.Сравнивают момент поступления заявки ti с минимальным моментом окончания обслуживания (допустим, что /i(/_i) < ^2(/-i))' а) если [// — ^1(/_1)] < О, то заявка получает отказ и вырабатыва
ют новый момент поступления заявки описанным способом;
б) если [ti - /i(/_i)] > О, то происходит обслуживание.
6.При выполнении условия 5 б) определяют время обслужива ния /-Й заявки на первом канале А/^/ путем преобразования случай ной величины ^/ в величину (время обслуживания /-й заявки) с за данным законом распределения.
7.Вычисляют момент окончания обслуживания /-й заявки на первом канале t^ = [^i(i-i) + A^i/]-
8.Устанавливают новый момент поступления заявки, и вычис лительная процедура повторяется в соответствии с изложенным.
9.В ходе моделирования СМО накапливаются статистические данные о процессе обслуживания.
10.Определяют показатели качества функционирования систе мы путем обработки накопленных результатов моделирования ме тодами математической статистики.
130
4.3. Моделирование потоков отказов элементов сложных технических систем
Под сложной технической системой будем понимать систему, состоящую из элементов (два и более). Отказ одного из элементов системы приводит к отказу системы в целом.
Рассмотрим последовательность замен некоторого определен ного элемента Z данного наименования. Эксплуатация каждого но вого элемента начинается с момента окончания срока службы предьщущего. Первый элемент отрабатывает время A^j, второй — А^2» третий - А/з и т. д.
Случайная ситуация, сложившаяся в к-м опыте (ситуации) для элемента Z, показана на рис. 4.3.
Рис. 4.3. Временная эпюра случайной ситуации при к-м опыте в случае мгновенного восстановления отказавшей системы путем замены элемента
На рис. 4.3 видно, что система начинает свою работу в момент времени / = О и, отработав случайное время A^i^, выходит из строя в момент tii^ = A^i^^.. В этот момент система мгновенно восстанавли вается' (элемент заменяется) и снова работает случайное время АГ2;^ По истечении некоторого времени система (элемент) вновь выхо дит из строя в момент tik = A^Dt + ^hk ~ hk "*" ^hk ^ вновь мгновен но восстанавливается.
Считают, что интервалы времени между отказами A/j^^, Mjb •••»
А/^^ представляют собой систему взаимно независимых случайных величин с плотностями распределения наработок между отказами ЛА^1),ЛА/2)ЛА/з), ...,ЛАд.
Моменты отказов или восстановлений образуют в каждом Л-м опыте (испытании) ряд чисел по следующему правилу:
hk = ^hk |
|
|
% = ^hk |
+ ^hk = hk + ^hk |
|
hk = ^hk |
+ ^t2k + A/3;t= t2k + AOjt |
(4.11) |
^pk = ^hk |
•+• ^hk ^ - + A/^A: = t^-\)k + |
^hk |
' Здесь можно считать, что восстановление происходит мгновенно.
131
или |
|
|
|
tpk-i^uj^^ihUj^^Mpj,: |
(4.12) |
где tif^ - |
время работы (наработка) элемента до /-го отказа в к-ы опыте, |
|
час, / = 1,/?, А: = 1,Л^; |
|
|
A^/jk — |
время работы (наработка) элемента между (/ — 1)-м и /-м отка |
|
зами в к'У[ реализации, час, / = !,/?,/:= 1,Л^. |
|
Числа /ц^, tiky ..., tpi^ образуют случайный поток, который назы вается процессом восстановления. Этот процесс является различным для различных элементов и продолжается до окончания срока служ бы системы. Изучением таких процессов занимается теория вос становления.
Из большого количества различных процессов восстановления для исследования надежности элементов технической системы (как перемонтируемых, так и ремонтируемых) используют три типа про цессов:
• простой, при котором все функции распределения наработок до первого и между последующими отказами /}(/) равны;
• общий, при котором вид функции распределения наработки до первого отказа элемента, установленного в системе заводомизготовителем, отличается от вида функций распределения нара боток элементов при последующих заменах, т. е. Fx(t) Ф F^(t),
/= 2, 3, 4, ...;
•сложный, при котором все функции распределения /)•(/) раз личны.
Основной характеристикой процесса восстановления является функция восстановления Q(t) и ее дифференциальная характерис тика — плотность восстановления со(0, определяемые по следую щим формулам:
Q(t)=lF,(t); |
(4.13) |
/7=1 |
|
со(/)=ЕЛ(/), |
(4.14) |
г/=1 |
|
mcf„(i) и F„{t) - соответственно плотность и функция распределения на работки до л-го отказа.
В случае независимости наработок между отказами функции распределения /),(/) наработок до л-го отказа находятся путем по следовательного применения правила свертки для суммы двух слу чайных величин:
132
Fn{t) = Fr,^x{tyF{^0 = \F^.^(t-^t)^dF{^t)^ |
(4.15) |
о
Flit) = до.
Анализ и классификация методов расчета параметра и ведущей функции потока отказов приведены в книге авторов'. Следует от метить, что сложность получения аналитических выражений для Q(0 и со(/) по формулам (4.13), (4.14) состоит в том, что свертка (4.15) лишь для некоторых законов распределения вычисляется в конечном виде. Использование аналитических методов расчета плотности со(/) и функции восстановления Q.{f) ограничено из-за сложности математической формализации применяемых стратегий восстановления работоспособности технических систем и необхо димости учета множества факторов, влияющих на замену элемента в системе. В этих условиях наиболее эффективным методом расче та Q(/) и со(/) является метод Монте-Карло.
Расчет ведущей функции и параметра потока отказов этим ме тодом в случае простого, общего или сложного процессов произво дится в следующем порядке.
По известным законам распределения наработок элементов с использованием формул преобразования (табл.4.1) моделируются
массивы случайных величин А//^ между (/ - |
1)-м и /-м отказами. |
Размерность каждого массива равна Ж |
|
Далее вычисляются значения наработок до /-го отказа t^^ по |
|
следующим формулам: |
|
tik = Hi-\)k'^ ^Ub |
(4.16) |
hk-^hb |
(4.17) |
где / — номер отказа, / = 1,/?;
к- номер реализации при моделировании, к = l,N;
р— максимальное число отказов элемента, получаемое в к-н реализа ции случайного процесса.
Затем полученные случайные величины наработок tj/^ фуппируются по интервалам времени.
Номера интервалов, в которые попадают моменты возникнове ния отказов /j^, t2/c, ..., tif^, ..., tp/^, определяются по формуле
* Бережной В. И., Бережная Е. В. Методы и модели управления матери альными потоками микрологистической системы автопредприятия. — Ставрополь: Интеллект-сервис, 1996.
133
|
'i = CELш |
(4.18) |
где СЕ1ц |
|
|
— наименьшее целое число, не меньшее,А0 |
|
|
At |
-- величина интервала времени. |
|
|
|
Параметр и ведущая функция потока отказов в у-м интервале времени определяются по следующим формулам:
coy(0=f"5 |
At-N' |
(4.19) |
,t\ /At-N |
|
|
h P |
|
(4.20) |
Sij{t)=J.^ny |
|
j=u=i
где Пу — число попаданий случайной наработки до /-го отказа tn^ в у-й ин тервал времени (/ = 1, Л) за Дереализации.
(4.21)
|
/=1 |
|
h р |
^2 =«1 +«2 |
(4.22) |
у=1М |
|
|
|
|
|
|
15/^ =«1 +«2 +--- + '^у +... + «/! |
|
где А - максимальное число интервалов времени. |
|
Методика расчета параметра со(/) и ведущей функции нестаци онарного потока отказов с использованием метода статистических испытаний подробно рассмотрена в книге авторов*.
Пример 4.7. Законы распределения наработок элемента сис темы до первого и второго отказов и соответствующие параметры этих законов приведены в табл. 4.2.
^Бережной В. И., Бережная Е. В. Методы и модели управления матери альными потоками микрологистической системы автопредприятия. — Ста врополь: Интеллект-сервис, 1996.
134
|
Законы распределения наработок |
Таблица 4.2 |
||
|
|
|||
№ отказа |
Закон распределения |
Параметры закона |
||
а(Х) |
b |
|||
|
|
|||
1 |
Вейбула |
1,4 |
45,8 |
|
2 |
Экспоненциальный |
0,30 |
|
Определите номера временных интервалов, на которых про изойдут первый и второй отказы в ходе первого опыта (испытания) (А/ = 1 час).
Решение
1. Выберем равномерно распределенное случайное число. До пустим ^1 = 0,725.
2. Вычислим случайные значения наработок на отказ элемента, используя формулы табл. 4.1.
Гц = А/ц = ~ 6 . (In^i)^/^ = -45,8 • (In 0,725)^/^'"^ = 20,37 час; hi = ^11 + ^hu
A / 2 i = ~ l n ^ l = - ^ l n 0 , 7 2 5 = l,07 час;
hi = ^11 + ^h\ = 20*37 + 1,07 = 21,44 час.
3. Определим номер временного интервала, на котором про
изойдут отказы |
|
|
|
y = CEIL\ |
|
|
|
первый отказ |
|
|
|
y^CEILl'hi) |
: c m [ ^ = 21; |
||
У At J |
|
|
|
второй отказ |
( 21,44 |
|
|
h\ |
|
||
y=^CEinУ At, |
= CEin |
1 |
= 22. |
|
|
|
В ходе первой реализации элемент системы первый раз откажет на 21-м временном интервале, а второй отказ произойдет на 22-м временном интервале.
135
Задачи
4.1. Периодичность поступления заявок на обслуживание под чинена показательному закону распределения_^Средний интервал между поступлениями заявок в систему равен / = 2 час.
Определите последовательность значений продолжительности интервалов между поступлениями заявок. Число реализаций рав но 10.
4.2. Время обслуживания работника предприятия кассой бух галтерии является случайной величиной, распределенной в соот ветствии с законом Вейбула. Среднее время обслуживания / = 3 мин., среднее квадратическое отклонение равно а = 2 мин.
Требуется смоделировать случайную величину, отвечающую этим условиям. Число реализаций принять равным 10.
4.3. При обработке экспериментальных данных было установ лено, что время, расходуемое на станции технического обслужива ния автомобилей для замены двигателя, распределено по нормаль ному закону, параметры которого х = 2,8 час. на один двигатель и (5^ = 0,6 час.
Требуется смоделировать для отмеченных условий случайную величину — время X, расходуемое для замены двигателя. Число ре ализаций принять равным 5.
4.4. Время проверки приемки квартального отчета инспектором налоговой службы (О величина случайная, распределенная в соот ветствии с законом Вейбула. Среднее время проверки и приемки равно / = 20 мин. Коэффициент вариации величины / равен Vt = 0,52.
Требуется смоделировать для заданных условий случайные чис ла t (число реализаций принять равным 10).
4.5.Среднее число исправных станков в токарном цехе на за воде равно л: = 6. Среднее квадратическое отклонение а^ = 2,2.
Требуется смоделировать число исправных станков в цехе (чис ло реализаций равно 5) при условии, что случайная величина X имеет гамма-распределение.
4.6.Вероятность замены неисправной детали на новую при ре монте автомобиля в каждом испытании р = 0,63.
Смоделировать пять испытаний и определить последователь ность замены детали на новую или восстановленную.
4.7. При испытании могут иметь место зависимые и совмест ные три события: работает только первый кассир по выдаче зара ботной платы, работает только второй кассир, работают оба касси ра. При этом известно, что вероятность работы первого кассира равна 0,6; вероятность работы второго кассира равна 0,7; вероят ность работы двух кассиров равна 0,4.
136
Смоделировать возможность реализации двух событий: работает только первый кассир; работает только второй кассир в трех испы таниях.
4.8. Известны законы распределения наработок элемента сис темы до первого и второго отказов. Средние значения и средние квадратические отклонения наработок приведены в следующей таб лице:
№ |
Закон |
Среднее значение |
Среднее |
квадратическое |
|||
отказа |
распределения |
наработки, час. |
отклонение |
|
|
|
наработки, час. |
1 |
Вейбула |
50 |
28 |
2 |
Гамма-распределение |
40 |
15 |
Определите параметр и ведущую функцию потока отказов эле мента по интервалам времени (А/ = 10 час). Число реализаций N= 10.
4.9.Используя условия задачи 4.8, определите номер интервала,
вкоторый попадет максимальное количество отказов.
4.10.Система имеет два элемента. Средняя периодичность пер вого элемента / i = 60 час, второго элемента — t 2 = ^^ час Пери одичности отказа первого и второго элементов - случайные вели чины, подчиненные экспоненциальному закону распределения.
Определите параметр и функцию распределения потока отка зов системы по интервалам времени А/ = 8 час. Число реализаций N= 10.
4.11.Используя условия задачи 4.10, определите номера интер валов, в которые попадут максимальные количества отказов перво го, второго элементов и в целом всей системы.
4.12.Пусть при испытании могут иметь место зависимые и сов местные события АиВ. Известно, что вероятности появления со бытий равны Р(А) = 0,6; P{D) ~ 0,3, а также вероятность совмест
ного появления событий А и D: P(AD) = 0,4.
Смоделируйте появление событий АиЪв пяти испытаниях. 4.13. Периодичность проверки предприятий налоговой инспек
ции — величина случайная (А/), подчиняющаяся закону гамма-рас пределения. Средний интервал проверки А^ = 2,5 мес Коэффици ент вариации величины А^ равен К= 0,38.
Требуется смоделировать для заданных условий возможные мо менты проверок предприятия налоговой инспекцией (число реали заций принять равным 10).
4.14. Используя условия задачи 4.13, определите количество про верок налоговой инспекцией за первый год работы предприятия.
137
4.15. Среднее число работающих машин на заводе х = 25. Ко эффициент вариации числа работающих F= 0,6.
Требуется смоделировать число работающих машин на заводе (число реализаций равно 10). Случайная величина А" имеет распре деление Вейбула.
4.16. После каждой проверки предприятия налоговой инспек цией вероятность появления необходимости аудиторской проверки данного предприятия Р = 0,72.
Смоделируйте шесть испытаний.
Определите последовательность проведения различных прове рок предприятия.
Глава 5 Методы и модели
корреляционно-регрессионного анализа
5.1. Общие сведения
Большинство явлений и процессов в экономике находятся в по стоянной взаимной и всеохватывающей объективной связи. Иссле дование зависимостей и взаимосвязей между объективно существу ющими явлениями и процессами ифает большую роль в экономике. Оно дает возможность глубже понять сложный механизм причинноследственных отношений между явлениями. Для исследования ин тенсивности, вида и формы зависимостей широко применяется кор- реляционно-рефессионный анализ, который является ме-тодичес- ким инструментарием при решении задач прогнозирования, плани рования и анализа хозяйственной деятельности предприятий.
Различают два вида зависимостей между экономическими яв лениями и процессами:
•функциональную;
•стохастическую (вероятностную, статистическую).
В случае функциональной зависимости имеется однозначное отображение множества А на множество В. Множество А называют областью определения функции, а множество В - множеством зна чений функции.
Функциональная зависимость встречается редко. В большинст ве случаев функция {Y) или аргумент (Л) — случайные величины. X и Y подвержены действию различных случайных факторов, среди которых могут быть факторы, общие для двух случайных величин.
Если на случайную величину Л" действуют факторы Zi, Z2, ..., Kj, К2, а на У— ZQ, Z2, F^, К3 ..., то наличие двух общих факторов
138
Zi и Kj позволит говорить о вероятностной или статистической за висимости между Хи Y,
Определение. Статистической называется зависимость между случайными величинами, при которой изменение одной из величин влечет за собой изменение закона распределения другой величины.
В частном случае статистическая зависимость проявляется в том, что при изменении одной из величин изменяется математиче ское ожидание другой. В этом случае говорят о корреляции или корреляционной зависимости.
Статистическая зависимость проявляется только в массовом процессе, при большом числе единиц совокупности.
При стохастической закономерности для заданных значений зависимой переменной можно указать ряд значений объясняющей переменной, случайно рассеянных в интервале. Каждому фиксиро ванному значению аргумента соответствует определенное статисти ческое распределение значений функции. Это обусловливается тем, что зависимая переменная, кроме выделенной переменной, под вержена влиянию ряда неконтролируемых или неучтенных факто ров. Поскольку значения зависимой переменной подвержены слу чайному разбросу, они не могут быть предсказаны с достаточной точностью, а только указаны с определенной вероятностью.
В экономике приходится иметь дело со многими явлениями, имеющими вероятностный характер. Например, к числу случайных величин можно отнести стоимость продукции, доходы предприя тия, межремонтный пробег автомобилей, время ремонта оборудо вания и т. д.
Односторонняя вероятностная зависимость между случайными величинами есть регрессия. Она устанавливает соответствие между этими величинами.
Односторонняя стохастическая зависимость выражается с по мощью функции, которая называется регрессией.
Виды регрессий.
1.Регрессия относительно числа переменных:
•простая регрессия — регрессия между двумя переменными;
•множественная регрессия — регрессия между зависимой пере менной у и несколькими объясняющими переменными х^, Xi, ..., Xff^, Множественная линейная регрессия имеет следующий вид:
где у |
>; = Ло + fliXj + Л2^2 ^ - + (^т^т^ |
(5.1) |
- функция рефессии; |
|
|
Xj, Х2, ..., Xfn — независимые перемен^^ош; |
|
|
^1, ^2, ..., dm "" коэффициенты регрессии; |
|
|
OQ |
— свободный член уравнения; |
|
т |
— число факторов, включаемых в модель. |
|
139