- •Оглавление
- •1) Исследователь вносит гипотезу о структуре ящика
- •2) Определение неизвестных коэффициентов a0 и a1 модели
- •3) Проверка
- •Линейная множественная модель
- •Звено первого порядка
- •Звено второго порядка (колебательное звено)
- •1. Линейный коэффициент корреляции
- •3. Коэффициент корреляции двух динамических рядов
- •4. Корреляция внутри динамического ряда
- •5. Поиск периодичности ряда
- •7. Связь двух признаков
- •Аналитический способ решения задачи 1
- •Численный способ решения задачи 1
- •Формально-математический способ
- •Методы Рунге-Кутты третьего и четвертого порядков
- •Метод Эйлера с итерациями
- •Метод Милна
- •Уравнение диффузии
- •Уравнение тепломассопереноса
- •Задача анализа (прямая задача)
- •Задача синтеза (обратная задача)
- •Тренажеры
- •Метод Монте-Карло
- •Моделирование случайного события
- •Моделирование полной группы несовместных событий
- •Метод ступенчатой аппроксимации
- •Метод усечения
- •Метод взятия обратной функции
- •Свойства нормального распределения
- •Табличный метод генерации нормально распределенных чисел
- •Метод генерации нормально распределенных чисел, использующий центральную предельную теорему
- •Метод Мюллера
- •Биномиальное распределение
- •Нормальное распределение
- •Распределение Пуассона
- •Пуассоновский поток
- •Моделирование неординарных потоков событий
- •Моделирование нестационарных потоков событий
- •Анализ временной диаграммы
- •Синтез смо
- •Принцип Δt
- •Особенности реализации принципа Δt
- •Принцип особых состояний
- •Принцип последовательной проводки заявок
- •Объектный принцип моделирования
- •Марковский процесс с дискретным временем
- •Марковские случайные процессы с непрерывным временем
- •Вычисление средних
- •Вычисление геометрии распределения
- •Оценка (по Колмогорову) совпадения эмпирического закона распределения с теоретическим
- •Оценка точности статических характеристик
- •Голосование
- •Ранжирование
- •Точность и доверие к результатам экспертизы. Оценка экспертов
- •Практика № 01. Регрессионные модели
- •1Решение задачи регрессионного анализа
Моделирование неординарных потоков событий
Если известно, что поток не является ординарным, то необходимо моделировать кроме момента возникновения события еще и число событий, которое могло появиться в этот момент. Например, вагоны на железнодорожную станцию прибывают в составе поезда в случайные моменты времени (ординарный поток поездов). Но при этом в составе поезда может быть разное (случайное) количество вагонов. В этом случае о потоке вагонов говорят как о потоке неординарных событий.
Допустим, что Mk = 10, σ = 4 (то есть, в среднем в 68 случаях из 100 приходит от 6 до 14 вагонов в составе поезда) и их число распределено по нормальному закону. В место, отмеченное (*) в предыдущем алгоритме (см. рис. 28.6), нужно вставить фрагмент, показанный на рис. 28.8.
|
||
Рис. 28.8. Фрагмент алгоритма, реализующий неординарный поток случайных событий |
Пример 2. Очень полезным в производстве является решение следующей задачи. Каково среднее время суточного простоя оборудования технологического узла, если узел обрабатывает каждое изделие случайное время, заданное интенсивностью потока случайных событий λ2? При этом экспериментально установлено, что привозят изделия на обработку тоже в случайные моменты времени, заданные потоком λ1 партиями по 8 штук, причем размер партии колеблется случайно по нормальному закону с m = 8, σ = 2 (см. лекцию 25). До начала моделирования T = 0 на складе изделий не было. Необходимо промоделировать этот процесс в течение Tн = 100 часов.
На рис. 28.9 представлен алгоритм, генерирующий случайным образом поток прихода партий изделий на обработку и поток случайных событий — выхода партий изделий с обработки.
|
||
Рис. 28.9. Алгоритм имитации обработки партий изделий с учетом случайности происходящих событий |
На рис. 28.10 показан результат работы алгоритма — моменты времени, когда детали приходили на операцию, и моменты времени, когда детали покидали операцию. На третьей линии видно, сколько деталей стояло в очереди на обработку (лежало на складе узла) в разные моменты времени.
|
||
Рис. 28.10. Диаграмма, иллюстрирующая движение изделий через узел обработки |
Отмечая для обрабатывающего узла времена, когда он простаивал в ожидании очередной детали (см. на рис. 28.10 участки времени, выделенные красной штриховкой), мы можем посчитать суммарное время простоев узла за все время наблюдения, а затем рассчитать среднее время простоя в течение суток. Для данной реализации это время вычисляется так:
Tпр.ср. = 24 · (t1пр. + t2пр. + t3пр. + t4пр. + … + tNпр.)/Tн.
Задание 1. Меняя величину σ, установите зависимость Tпр.ср.(σ). Задавая стоимость за простой узла 100 евро/час, установите годовые потери предприятия от нерегулярности в работе поставщиков. Предложите формулировку пункта договора предприятия с поставщиками «Величина штрафа за задержку поставки изделий».
Задание 2. Меняя величину начального заполнения склада, установите, как изменятся годовые потери предприятия от нерегулярности в работе поставщиков в зависимости от принятой на предприятии величины запасов.