Моделирование и оптимизация процессов изготовления и монтажа вентиляционного и сантехнического оборудования

Тип работы:
Курсовая
Предмет:
Производство и технологии


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Содержание

Введение

1. Технико-экономическое обоснование

1.1 Предварительный анализ процессов изготовления и монтажа оборудования

1.2 Формулировка целей работы

1.3 Математическая постановка задач

1.4 Разработка методики решения задач

2. Системотехническое проектирование

2.1 Краткая характеристика ППП, отобранных для моделирования и оптимизации

2.2 Разработка и отладка имитационных моделей в системе GPSS W

2.3 Описание выбранного системного программного обеспечения

2.4 Выбор технического обеспечения

2.5 Разработка технологического процесса изготовления и монтажа оборудования, включая моделирование, построение математической модели и оптимизацию

3. Конструкторско-технологическое проектирование

3.1 Разработка стратегического плана

3.2 Моделирование процессов изготовления и монтажа оборудования по стратегическому плану

3.3 Оценка достоверности результатов моделирования

3.4 Вычисление коэффициентов линейной корреляции

3.5 Построение математической модели в виде совокупности уравнений регрессии

3.6 Оценка степени влияния факторов на результативные показатели эффективности процессов изготовления и монтажа оборудования

3.7 Выработка управляющих решений на основе оптимизации

4. Безопасность жизнедеятельности

4.1 Производственная безопасность

4.2 Экологическая безопасность

4.3 Безопасность в ЧС

5. Экономический раздел

5.1 Расчет капитальных затрат на внедрение имитационной модели процесса изготовления и монтажа вентиляционного и сантехнического оборудования

5.2 Расчет эксплуатационных расходов

5.3 Расчет экономического эффекта

5.4 Расчет экономической эффективности работы

5.5 Расчет срока окупаемости капитальных вложений

5.6 Результат технико-экономического обоснования работы

Заключение

Список используемых источников

Приложение, А Листинг программы

Приложение В Отчет по программе

Приложение С Исходные статистические данные

Приложение D Корреляция факторов

Введение

В современном мире информационные системы и технологии пронизывают практически все сферы человеческой деятельности, начиная от образования, медицины и заканчивая промышленностью.

Наряду с использованием в производстве информационных технологий, значительную роль играют новые взгляды, методы и направления, которые оказывают большое влияние на повышение качества подготовки специалистов и эффективность управления производством.

Первоочередными задачами руководителя предприятия являются: лидирующие позиции на рынке, повышение эффективности работы персонала, создание оптимальной структуры управления. Формирование и разработка новых методов и направлений должно базироваться на строгой методологии системного подхода, в рамках которого особое место занимает моделирование. Возможности такого подхода крайне многообразны как по используемым формальным моделям, так и по способам реализации методов моделирования. Сложные по внутренним связям и большие по числу элементов, системы трудно поддаются аналитическим способам моделирования и зачастую для их построения, и исследования используют имитационное моделирование, то есть составление компьютерной программы, имитирующей процесс функционирования конкретной системы и проведение экспериментов на этой программе с целью получения статистических оценок характеристик моделируемой системы. Подобные системы включают в себя следующие элементы: входящий поток требований, очередь, обслуживающее устройство (обслуживающий аппарат, канал обслуживания), выходной поток требований.

В качестве объекта моделирования было выбрано предприятие ОАО «Энерговентиляция», желающее увеличить прибыль за счет оптимизации процесса изготовления и монтажа вентиляционного и сантехнического оборудования.

От качества и скорости выполнения работ зависит репутация предприятия и дальнейшее её участие в строительстве и обслуживании крупных объектов Поволжья. Однако, для выполнения в срок широкого спектра работ, необходимо достаточное количество квалифицированных специалистов. Неосторожное увеличение числа рабочих может привести не только к уменьшению штрафов за просрочку работ, но и к увеличению затрат на заработную плату и уменьшению степени загруженности работника. Поэтому целесообразно найти оптимальное количество рабочих (вентиляционщиков, сантехников, электромонтажников, пуско-наладчиков и контролеров), с целью увеличения прибыли фирмы и сохранения её репутации. Необходимо смоделировать процесс изготовления, монтажа и автоматизации систем вентиляции, отопления и кондиционирования воздуха.

Разрабатываемая система не выдвигает никаких специфических технических средств. В качестве основы для решения технических задач поставлены такие пакеты прикладных программ как: GPSS World и Statistica 8.0.

1. Технико-экономическое обоснование

1.1 Предварительный анализ процессов изготовления и монтажа вентиляционного и сантехнического оборудования

Открытое акционерное общество «Энерговентиляция» создано в г. Набережные Челны в январе 1985 года для обеспечения вентиляционным и другим специальным оборудованием Татарской и Башкирской атомных станций. Сегодня данная организация осуществляет проектирование, монтаж и пуск-наладку систем вентиляции, отопления и кондиционирования воздуха на таких крупнейших промышленных объектах и предприятиях, как ОАО «Татнефть», ОАО «Нижнекамскнефтехим», ОАО «Нижнекамскшина», ОАО «Татэнерго», ОАО «КамАЗ», ОАО «Танеко».

ОАО «Энерговентиляция» имеет в своем составе:

— заготовительные мастерские для изготовления вентиляционных и сантехнических систем, а также монтажные участки в Казане, Нижнекамске, Набережных Челнах, Альметьевске, Камских Полянах Республики Татарстан; в р.п. Агидель Республики Башкоторстан; в Самаре;

— офис в Нижнекамске, Набережных Челнах, р.п. Агидель, Самаре;

— складскую и заготовительную базу в Набережных Челнах, Камских Полянах;

— автотранспорт в количестве 50 единиц (в том числе автомобили «КамАЗ»);

— численность работников ОАО «Энерговентиляция» составляет более 200 человек, которые являются высококвалифицированными и профессиональными специалистами.

ОАО «Энерговентиляция» выполняет следующий комплекс работ:

— Проектирование систем вентиляции, кондиционирования и отопления.

— Изготовление воздуховодов, комплектующих изделий к ним, калориферов и многих других вентиляционных и сантехнических изделий и оборудований.

-Монтаж и автоматизация систем вентиляции, отопления и кондиционирования воздуха.

-Пуско-наладка, обязательным условием которой является испытание вентиляционных систем на эффективность с использованием автоматизации и всех систем сигнализации и оповещения в случае аварийной или чрезвычайной ситуации.

Монтаж и автоматизация систем вентиляции отопления и кондиционирования производится строго по проекту. Схема разработки и внедрения проекта представлена на рисунке 1.1.

Прежде чем попасть в производство, проект, с учетом назначения помещений объекта и пожелания заказчика, разрабатывается в проектном отделе ОАО «ЭВ» (ПО ОАО «ЭВ») и поступает на одобрение заказчику. Если проект удовлетворяет требованиям заказчика, то следующим этапом является производственно технический отдел ОАО «ЭВ» (ПТО ОАО «ЭВ»), где проект проходит проверку на точность расчетов по кратности обмена воздуха в соответствии с санитарно техническими нормами. В случае если проект не прошел проверку, организации, выпустившей проект, направляют замечания с просьбой устранения ошибки. Если же проект прошел проверку, одна из его копий передается в разработку эскизов, другая необходима для заказа материала и оборудования, а третья поступает в отдел главного инженера в качестве исполнительного технического документа.

Для моделирования процессов изготовления и монтажа вентиляционного и сантехнического оборудования, рассмотрим следующие виды работ:

— вентиляционные;

— сантехнические;

— электромонтажные;

— пуско-наладочные.

После всех операций, производится контроль, осуществляемый инженерно техническими работниками (ИТР). Замечания, выявленные в результате проверки, должны быть устранены до окончания срока договорных работ.

В зависимости от санитарно-технических условий и условий пожарной безопасности монтируются:

— приточная вентиляция (орошает воздух влагой и обогащает помещения свежим воздухом);

— вытяжная вентиляция (вытягивает воздух, неприятные запахи, вредные пары, газы);

— система дымоудаления (срабатывает в чрезвычайной ситуации);

— система кондиционирования (охлаждает воздух).

Первыми к работе на объекте приступают вентиляционщики. В их задачу входит изготовление и монтаж систем воздуховодов, установка вентиляционных агрегатов и сетевого вентиляционного оборудования.

Сантехники занимаются системой холода или теплоснабжения. Основная их работа состоит в том, что бы подвести трубы с теплофикационной водой к приточной установке (установке подачи воздуха).

После завершения работ по монтажу систем вентиляции и отопления к работе приступают электромонтажники (автоматчики). Они выполняют работу по подключению систем вентиляции, отопления и кондиционирования воздуха к системе автоматизации, пожаротушения и систем сигнализации.

Завершение работ по монтажу и автоматизации систем вентиляции отопления и кондиционирования происходит на стадии пуско-наладки. Наладчики выстраивают программное обеспечение, которое позволяет без участия человека определять температуру подаваемого в помещение воздуха, автоматически переходить на зимний или летний режим работы оборудования и в случае чрезвычайной ситуации автоматически переходить в аварийный режим. Например, в случае пожара приточная и вытяжная вентиляция автоматически отключаются, а система дымоудаления начинает работать.

1.2 Формулировка целей работы

Целью данного проекта является повышение эффективности процессов изготовления и монтажа вентиляционного и сантехнического оборудования за счет:

— сокращения стоимости выполнения работ;

— обеспечения выполнения работ в договорные сроки;

— повышения уровня занятости работников.

1.3 Математическая постановка задач

Ставится задача разработки математической модели процессов проектирования, изготовления и установки вентиляционного и сантехнического оборудования, состоящей из совокупности уравнений регрессии, функционально представляемых в следующем виде:

yj = fj (x1, x2, x3, x4, x5, x6, x7); j = 1, k, (1. 1)

где yj — j-й результативный показатель эффективности процесса установки комплекса вентиляционных систем;

xi — i-й фактор, влияющий на процесс установки;

k — количество результативных показателей эффективности.

По зависимостям (1. 1) можно произвести оценку степени влияния производственно-экономических факторов на результативные показатели эффективности процесса установки комплекса вентиляционных систем по их удельным весам и коэффициентам эластичности.

По математической модели (1. 1) ставится задача её оптимизации. Целевая максимизируемая функция (минимизируемая функция) выбирается из перечня результативных показателей эффективности.

1.4 Разработка методики решения задач

Для получения математических зависимостей (1. 1) в аналитическом виде и обеспечения корректности получаемых результатов предлагается методика, которая должна включать в себя следующие этапы:

— построение блок-схемы алгоритма имитационной модели;

— разработка и отладка программной модели в системе GPSSW;

— построение стратегического плана проведения экспериментов;

— проведение имитационных экспериментов по стратегическому плану и составление таблицы результатов;

— оценка достоверности результатов;

— построение математической модели информационной системы, состоящей из совокупности уравнений регрессии;

— нахождение оптимизируемых значений при помощи метода Ньютона.

монтаж оборудование вентиляция кондиционирование моделирование

2. Системотехническое проектирование

2.1 Краткая характеристика ППП, отобранных для моделирования и оптимизации

В прошлом множество дорогостоящих проектов потерпело неудачу из-за того, что конечный результат не был должным образом исследован. Всё, от максимальной производительности до эксплуатационных расходов, имеет существенное значение при получении достоверной информации о поведении проектируемой системы и должно быть определено так скоро, как это возможно. Хотя чисто математические модели являются чрезвычайно ценными и должны использоваться везде, где это возможно, сложность большинства систем реального мира для получения необходимых результатов требует использования компьютерного имитационного моделирования. В этом случае оказывается полезным язык моделирования GPSS World.

Данный специализированный язык разработан для оперативного получения достоверных результатов с наименьшими усилиями. Очень удобная и прозрачная программа, с проработанной визуализацией процесса моделирования, не оставила меня равнодушной еще при первом изучении в рамках учебного курса. Также достоинство этого языка в том, что есть бесплатная студенческая версия, на сайте — www. minutemansoftware. com.

В 2012 году GPSS исполнился 51 год. В 1961 году фирма IBM выпустила первую версию моделирующей системы под названием GPSS, разработанную Джеффри Гордоном (Geoffrey Gordon). С тех пор система активно развивалась и дорабатывалась. Первоначально программа называлась GPS, но потом была переименована в GPSS, что расшифровывается как «General Purpose Simulation System».В 1972 GPSS занял десятую позицию среди 13 наиболее важных языков программирования.

GPSS является одним из наиболее популярных языков моделирования, изучается в большинстве учебных курсов, достаточно полно представлен в литературе.

GPSS является процессно-ориентированным языком, поэтому моделирующая программа представляется в форме совокупности сегментов изолированных описаний параллельных процессов, задающих алгоритм функционирования моделируемого объекта. GPSS принадлежит семейству языков моделирования транзактного типа. Транзакт исполняет роль динамического объекта (сообщения), продвигающегося по блокам моделирующей программы и инициирующего действия, обусловленные смысловым содержанием блоков. В состав системы моделирования входит интерпретатор, обеспечивающий правильную временную последовательность выполнения действий, связанных с продвижением транзактов. В состав системы GPSS включены программные генераторы случайных величин, средства обработки статистики и создания отчетов.

Система предназначена для работы с DOS, требования к оперативной памяти и платформе весьма умеренные и соответствуют возможностям своего времени. Последние версии не ограничивают числа присутствующих в модели транзактов. Имеется пошаговый режим отладки программы, в том числе и с использованием простейшей анимации.

GPSS/World — это последняя разработка фирмы Minuteman Software, призванная расширить возможности GPSS/PC и повысить удобство работы с системой. GPSS/World предназначена для работы в ОС Windows. Требования к аппаратной части — процессор Pentium III, минимальный объем оперативной памяти — 32 Mb.

В GPSS/W имеется два специализированных языка:

— язык высокого уровня, предназначенный для описания объектов моделирования, это операторы GPSS/W;

— язык низкого уровня — это PLUS-операторы, ориентированные на вычисления и управление экспериментом.

Система моделирования GPSS World создана для прогнозирования поведения сложных систем реального мира.

GPSS World — это прямое развитие языка моделирования GPSS/РС, одной из первых реализаций GPSS для персональных компьютеров. После своего появления в 1984 году GPSS/РС и его последующие версии сохранили тысячам пользователей миллионы долларов. В настоящее время версия GPSS World для ОС Windows имеет расширенные возможности, включая пользовательскую среду с интегрированными функциями работы с Интернет.

GPSS World разработан для оперативного получения достоверных результатов с наименьшими усилиями. В соответствии с этими целями в GPSS World хорошо проработана визуализация процесса моделирования, а также встроены элементы статистической обработки данных. Это означает, что создание анимации не требует никаких дополнительных усилий, хотя она и не являются «фотореалистичной». Сильная сторона GPSS World — это его прозрачность для пользователя, а не фотореализм. Для создания красочной анимации на основе данных GPSS World в настоящее время доступны анимационные системы сторонних фирм-разработчиков.

Прозрачность для пользователя ценна по трем причинам. Во-первых, опасно полагаться на непрозрачное моделирование типа «Черный ящик», внутренние механизмы функционирования которого скрыты от пользователя. Мало того, что в этом случае нельзя быть уверенным, подходит ли оно для какого-либо конкретного случая, но и невозможно гарантировать, что оно работает как задумано. Во-вторых, удачные имитационные модели являются очень ценными и пригодны в течение длительного периода времени. Возможно, потребуется, чтобы новые сотрудники ознакомились с внутренними процессами модели, а это почти невозможная задача, если модель не имеет высокого уровня прозрачности. В-третьих, одним из наиболее эффективных, но наименее известных преимуществ компьютерного имитационного моделирования является возможность проникновения в самую суть поведения системы, когда опытный профессионал в области моделирования может видеть внутреннюю динамику в наиболее важные моменты времени процесса моделирования. GPSS World был разработан с целью решить все эти проблемы. Его возможности визуального представления информации позволяют наблюдать и фиксировать внутренние механизмы функционирования моделей. Его интерактивность позволяет одновременно исследовать и управлять процессами моделирования. С помощью встроенных средств анализа данных можно легко вычислить доверительные интервалы и провести дисперсионный анализ. Кроме того, теперь есть возможность автоматически создавать и выполнять сложные отсеивающие и оптимизирующие эксперименты.

Система моделирования GPSS/H выпущена фирмой Wolverine Software Corporation в 1996 году. От старых версий GPSS ее отличает множество новых положительных свойств и возможностей. Перечислим некоторые из них:

— Отсутствие собственной оболочки, что позволяет сократить время ознакомления с программой и упрощает работу во всех средах, в том числе и в среде Windows.

— Возможность кодирования модели в свободном формате с комментариями на русском языке.

— Разработка новых способов ввода и вывода данных с помощью внешних файлов.

— Наличие так называемого отладчика программ, или дебаггера, что позволяет сократить и сделать более эффективным этап отладки программ.

— Наличие фортраноподобных переменных (амперсант-переменных), которые могут значительно упростить многие операции и сделать модель более информативной для наблюдателя и удобной в работе.

— Возможность управления форматом и количеством информации в файле отчета, содержащем результаты моделирования.

Фактически, написанная программа является алгоритмом, записанным на специализированном языке. Каждому блоку ставится в соответствие один или несколько блоков языка GPSS. Листинг программы приведен в Приложении А. Для отладки программы составлена система тестов, которая позволяет оценить работоспособность модели в различных режимах работы. Результаты моделирования оценивались с помощью программы Statistica 8.0. Расчеты формул и составление таблиц проводилось в Excel 2010.

Statistica 8.0 — это универсальная интегрированная система, предназначенная для статистического анализа и визуализации данных, управления базами данных и разработки пользовательских приложений, содержащая широкий набор процедур статистического анализа для применения в научных исследованиях, технике, бизнесе, а также специальные методы обработки данных.

Пакет Statistica 8.0 представляет собой мощный аппарат статистического анализа. Пакет Excel 2010 имеет встроенный аппарат статистического анализа, но по сравнению с пакетом Statistica 8.0 он несколько проигрывает, но его достоинство в более широком круге пользователей и более удобном выводе результатов в графическом виде.

Статистический анализ данных в системе Statistica 8.0 разбивается на следующие основные этапы:

— ввод данных в электронную таблицу с исходными данными и их предварительное преобразование перед анализом (структурирование, построение необходимых выборок, ранжирование и т. д.);

— визуализация данных при помощи того или иного графиков;

— применение конкретной процедуры статистической обработки;

— вывод результатов анализа в виде электронных таблиц и графиков с численной и текстовой информацией.

2.2 Разработка и отладка имитационных моделей в системе GPSSW

Перед тем как приступить к разработке имитационной модели, представленной в приложении, А и в приложении В, были разработаны блок-схемы алгоритмов модели, представленные на рисунках 2. 1−2.6.

Характерной особенностью блок схемы, в соответствии с принципами структурного программирования, является то, что программа разделена на сравнительно малосвязанные между собой сегменты. Такими сегментами являются:

— сегмент задания исходных данных и определения памяти;

-сегмент генерации рисков вентиляционщиков, сантехников, электромонтажников, пуско-наладчиков, контролеров;

— сегмент определения сложности работ;

-сегмент работы вентиляционщиков, сантехников, электромонтажников;

— сегмент работы пуско-наладчиков и контролеров;

— сегмент останова.

Опишем подробнее каждый из сегментов.

Сегмент задания исходных данных и определения памяти

На данном этапе присваиваем переменным исходные значения и выделяем ячейки памяти для количества рабочих (вентиляционщиков, сантехников, электромонтажников, пуско-наладчиков и контролеров).

Данный сегмент изображен на рисунке 2.1.

Рисунок 2.1 Блок-схема сегмента задания исходных данных и определения памяти

Сегмент генерации рисков рабочих

Сегменты заболевания и выздоровления работников записаны по одному и тому же сценарию для всех бригад. В них имеются генераторы, которые генерируют количество транзактов равное количеству категории. Считается, что работники могут находиться в 2х состояниях, либо в работоспособном либо в стадии выздоровления. Для имитации времени работоспособного состояния принят равномерный закон, из расчета, что заболевания происходят в ограниченном диапазоне с левым и правым значением. Время выздоровления также распределено по равномерному закону в диапазоне от 5 до 7 дней, что характерно для наиболее часто встречающихся заболеваний ОРЗ и гриппа.

Произведем генерацию х1, х2, х3, х4, х5, по количеству рабочих в каждой бригаде. Далее, подсчитаем количество свободных рабочих. Им назначается порядковый номер p$nomer. Для каждой бригады он будет свой (p$zabv, p$zabs, p$zabe, p$zabp, p$zabk). Накладываем режим недоступности на заболевших рабочих. Когда происходит восстановление режима работоспособности, снимается режим недоступности. Данный сегмент изображен на рисунке 2.2 для бригады вентиляционщиков и сантехников. Блок-схема сегмента генерации рисков для электромонтажников, контроллеров и пуско-наладчиков будет выглядеть аналогично.

Рисунок 2.2 Блок-схема сегмента генерации рисков вентиляционщиков и сантехников

Сегмент определения сложности работ

Сегмент начинается с генерации заказов (транзактов) по экспоненциальному закону. Генерация транзактов зависит от параметра х6 — среднего времени между поступлением заказов. По равномерному закону задается сложность работ, которая определяется средним количеством операций по определенному виду работ. Таким образом, sl1 — сложность вентиляционных работ, sl2 — сложность работ сантехнических и sl3 — сложность электромонтажных работ.

Рисунок 2.3 Блок-схема сегмента определения сложности работ

Сегмент работы вентиляциощиков, сантехников, электромонтажников

Создаем копии транзактов при помощи блока split. Количество создаваемых копий зависит от сложности выполнения работ. Основной транзакт переходит к следующему блоку, а копии направляются к метке suda1. Предполагается, что один рабочий выполняет одну операцию. Занимаем очередь оrab1 и проверяем, свободна ли память вентиляционщиков rab1, занимаем её и присваиваем рабочему свой номер. Включаем логический ключ и проверяем рабочего на доступность (gate fv) и на занятость (gate nu). Если проверка не выполняется, переходим по метке mimo1 в блок loop, откуда по метке cik1 попадаем на повторную проверку. Ключ размыкается. Занимаем наименее занятого вентиляционщика и выходим из очереди ожидания работ. Происходит задержка по треугольному симметричному закону, вентилянционщик выполняет свою работу. Освобождаем рабочего и память. В блоке assemble все копии объединяются с основным транзактом. В остальных двух блок-схемах транзакты проходят тот же путь. Данный сегмент изображен на рисунке 2.4.

Рисунок 2.4 Блок-схема сегмент работы вентиляциощиков, сантехников, электромонтажников

Сегмент работы пуско-наладчиков и контроллеров.

Блок-схема сегмент работы пуско-наладчиков и контроллеров представлена на рисунке 2.5.

Рисунок 2.5 Блок-схема сегмент работы пуско-наладчиков и контроллеров

В блоке split создаем копии транзактов по количеству пуско-наладчиков (контролеров). Занимаем очередь на выполнение работы orab4 (orab5). Занимаем устройство с номером p$nom4 (p$nom5). Выбираем наименее занятого пуско-наладчика (контролера) и занимаем его память. Освобождаем очередь ожидания работ orab4 (orab5). Блок advance производит задержку треугольному симметричному закону на время выполнения работы. Освобождаем устройство и память. В блоке assemble все копии объединяются с основным транзактом. В блоках с метками dalee, final, neul, vropozd, мы формируем таблицу отчетности, куда будут заноситься значения у1-у7.

Сегмент останова

Последний сегмент предназначен для завершения моделирования вариантов по заданному времени. Этот же сегмент предназначен для предварительной обработки результатов моделирования и выдачи их для построения математической модели.

Сегмент останова изображен на рисунке 2. 6

Рисунок 2.6 Блок-схема сегмент останова

2.3 Описание выбранного системного программного обеспечения

Системное программное обеспечение. В качестве операционной системы рекомендуется использование Windows 2000, Windows XP или Windows 7. Данные операционные системы являются многозадачными и многопользовательскими. В качестве сетевой ОС, устанавливаемой на серверах сети предлагается использование Windows 2003 Server.

ОС выполняет управление внешними устройствами, вводом-выводом, файлами, оперативной памятью, процессами, взаимодействием прикладных программ, пользовательским интерфейсом, защиту и учет использования ресурсов.

Многозадачность — свойство операционной системы, при котором один процессор может обрабатывать несколько разных программ или разных частей одной программы одновременно. При этом все программы хранятся в оперативной памяти, и каждая выполняется за какой-то выделяемый ей период времени.

Многопользовательская система — система, позволяющая нескольким пользователям одновременно иметь доступ к одной ЭВМ со своего терминала (локального или удаленного).

Сетевая операционная система — программное обеспечение, реализующее сетевой режим работы. Сетевые операционные системы включают утилиты, позволяющие организовать связь в глобальных сетях.

2.4 Выбор технического обеспечения

Требования к техническому обеспечению определяются используемым программным обеспечением, объемом обрабатываемой информации и сложностью вычислений.

Разрабатываемая модель не выдвигает никаких специфических технических средств. В качестве основы для решения технических задач поставлены такие пакеты прикладных программ как: GPSS W, Statistica 8.0 и Excel 2010.

Все используемые прикладные программы работают в операционной системе WindowsXP. Разработчиками WindowsХР в качестве минимальных требований к аппаратуре рекомендуется процессор Pentium III 300 МГц и 128 Мбайт оперативной памяти (ОП). Минимальные требования достаточны лишь для того, чтобы установить систему и выполнять довольно простые операции. Для обработки больших объемов информации и выполнения сложных вычислительных операций, понадобится значительно более мощная аппаратура.

Спецификация технических средств рабочей станции для работы с математической моделью представлена в таблице 2.1.

Таблица 2.1 — Спецификация технических средств

Наименование

Характеристики

Процессор

AMD Phenom™ II N620 Dual-Core Processor 2. 80GHz

Модуль памяти (ОЗУ)

DDRIII 3. 00Gb

Видеоадаптер

ATI Mobility Radeon HD 5470 1661Mb

Жесткий диск

Hitachi HTS725025A9A364 SATA Disk Device 250Gb

Оптический привод

hp DVD RW AD-7701H SATA CdRom Device

Сетевой адаптер

Realtek RTL8102E/RTL8103E Family PCI-E Fast Ethernet NIC (NDIS 6. 20)

Монитор

15,6'', разрешение 1366×768 60Hz, цветовая палитра True Color-32бита

Клавиатура

Стандартная клавиатура PS/2

Мышь

оптическая A4TECH PS/2

Принтер

лазерный Samsung SCX-3200

Структурная схема персонального компьютера (ПК) представлена на рисунке 2. 7

Рисунок 2.7 Структурная схема ПК

В разрабатываемой автоматизированной системе, ориентированная для решения различных задач, может использоваться локальная сеть ЭВМ, состоящая из n — ПК, которые являются равноправными. Приведенная выше характеристика ПК будет достаточной для использования их в сети.

Пользовательский уровень. Имеется 14 станций.

Сетевой уровень. Архитектура нашей сети — Ethernet. Рассматриваемая сеть состоит из одной подсети, которая собственно является нашей сетью. Подсеть имеет топологию — звезда изображенную на рисунке 2.9.

Физический уровень. Для нашей сети выбрали в качестве среды передачи данных неэкранированную витую пару категории 5е (подключение абонентов было произведено не одновременно), со спецификацией 100Base-TX full-duplex.

В организации сети используется коммутатор 16-ти портовый Netgear GS108GE 16×10/100/1000 Ethernet Switch.

На сервере моделируется процесс изготовления и монтажа вентиляционного и сантехнического оборудования. Все клиенты через контроллер обращаются на сервер.

Ст1 — станция, на которой работает отдел кадров;

Ст2-Ст3 — станции, на которых работают 2 сотрудника из отдела комплектации;

Ст4-Ст5 — станции, на которых работают 2 сотрудника из отдела снабжения

Ст6-Ст10 — станции, на которых работают 4 сотрудника из бухгалтерии

Ст11 — станция, на которой работает главный инженер

Ст12-Ст14 — станции, на которых работают 3 контролера

Ст15 — станция, на которой следит за процессом директор фирмы.

2.5 Разработка технологического процесса изготовления и монтажа оборудования, включая моделирование, построение математической модели и оптимизацию

В соответствии с методикой решения задачи, приведенной в разделе 1, разработан технологический процесс обработки данных, представленный на рис. 2. 10.

Рис. 2. 10. Блок-схема технологического процесса обработки информации

3. Конструкторско-технологическое проектирование

3.1 Разработка стратегического плана моделирования

Любой численный метод имеет методическую ошибку. Цель планирования экспериментов — получение результатов с требуемой достоверностью при наименьших затратах. Планирование подразделяется на стратегическое и тактическое.

Для стратегического планирования будем использовать концепцию «черного ящика», суть которого — абстрагирование от физической сущности процессов, происходящих в моделируемой системе и выдаче заключений о ее функционировании только на основании входных и выходных переменных. Входные, независимые переменные называются факторами (х). Выходные — откликами (у), их величина зависит от значений факторов и параметров ОИ. Факторы и отклики, отобранные в данной работе, представлены в таблице С. 1 приложения С.

Структурная схема чёрного ящика представлена на рисунке 3.1. 1

Х1 Y1

Х2 Y2

Факторы Отклики

Хм YК

Рисунок 3.1.1 Структурная схема концепции чёрного ящика

При использовании концепции чёрного ящика должны выполняться следующие условия:

а) рандомизация — случайность. Только при наличии случайности возможно корректное использование математического аппарата теории вероятностей и статистики.

б) одновременное изменение всех факторов. Обеспечивает уменьшение стандартной ошибки при проведении экспериментов.

в) последовательность планирования. Проведение экспериментов подразделяется на ряд последовательных этапов, и планирование каждого последующего этапа производится с учётом результатов, полученных на предыдущих этапах.

г) кодирование. Не обязательно. Кодирование значительно упрощает расчёты и делает анализ результатов более наглядным, что весьма существенно при «ручной» обработке результатов. При применении ЭВМ кодирование также представляет некоторые преимущества в анализе результатов.

К факторам предъявляют следующие требования:

— легкая управляемость, что позволяет сравнительно несложно повторять проводимые эксперименты;

— факторы не должны являться функциями каких-то аргументов;

— факторы должны быть хотя бы линейно независимыми между собой, что позволяет упростить математическую модель, не вводя в неё произведения факторов между собой;

— любое сочетание факторов в стратегических планах не должно выводить объект из допустимого режима функционирования.

Планирование экспериментов зависит от вида математической зависимости, которую мы желаем получить по результатам обработки. Если вид математической зависимости заранее не известен, то рекомендуется использовать степенные полиномы, позволяющие при увеличении степени полинома получать результаты с заданной достоверностью. При представлении полинома в матричном виде вычисление его коэффициентов не вызывает затруднений. Расчётную формулу для вычисления коэффициентов полинома получим после сравнительно несложных преобразований.

(3.1. 1)

Рассмотрим пример представления математической зависимости результативного показателя эффективности от двух факторов, факторы в которой записаны в кодированном виде:

y=b0+b1x1+b2x2+b12x1x2 (3.1. 2)

Пусть первый фактор представляет собой среднее время обслуживания, а второй фактор среднее время между поступлением транзактов. В натурном виде они меняются в следующих диапазонах:

— х1 — меняется от 15 до 75 единиц времени;

— х2 — от 100 до 300 единиц времени.

Рекомендуется кодированное представление факторов, которое определяет изменение любого фактора от -1 до +1, невзирая на то, в каких единицах он измеряется, в натурном виде и какие диапазоны изменения он занимает.

В графическом виде план проведения эксперимента представляет собой вершины квадрата, как это изображено на рисунке 3.1.2.

Рисунок 3.1.2 Графическое представление плана эксперимента

Вершины квадрата — план полного факторного эксперимента (ПФЭ). Обычно к этим точкам добавляется центральная точка и пять проводимых экспериментов позволяют вычислить четыре коэффициента двухфакторной математической зависимости:

y = b0+b1x1+b2x2+b12x1x2.

Этот же план можно представить в виде таблицы 3.1.1. Для обеспечения вычислений по одному и тому же алгоритму для всех коэффициентов к свободному члену полинома добавляется так называемый фиктивный фактор х0, который всегда равен нулю.

Таблица 3.1.1 — ПФЭ

x0

x1

x2

x12

ЦТ

1

0

0

0

План

ПФЭ

1

1

1

1

-1

1

-1

1

-1

-1

1

1

1

-1

-1

1

План полного факторного эксперимента (ПФЭ) позволяет вычислить все коэффициенты степенного полинома, включая коэффициенты, как при самих факторах, так и при всех сочетаний факторов между собой в виде их произведений. Достоинства плана ПФЭ.

Симметричность. Каждая точка плана имеет симметричные себе точки относительно осей координат. В математическом плане симметричность сводится к тому, что построчная сумма элементов всех столбцов плана, кроме левого, равна нулю.

Нормированность, которая в математическом плане сводится к тому, что построчная сумма квадратов элементов всех столбцов плана, кроме левого, равна.

Ортогональность, которая заключается в независимости всех факторов друг от друга.

Кроме того следует отметить сравнительную простоту составления плана ПФЭ, который представляет собой полный перебор совокупностей всех факторов по двум уровням. Таким образом, количество точек плана ПФЭ n=. Отметим, что добавляемая к ним центральная точка не является точкой плана ПФЭ. Матрица планирования ПФЭ для двух факторов представляется в следующем виде:

(3.1. 3)

Для трёх факторов матрица планирования плана ПФЭ имеет следующий вид:

(3.1. 4)

Планы ПФЭ имеет существенный недостаток, проявляющийся при

сравнительно большом количестве факторов, так при k=3, n=8;

при k=7, n=128, а при k=10, n=1024, что является неприемлемым.

В некоторых случаях, если факторы независимы друг от друга, можно значительно уменьшить количество проводимых экспериментов, применяя план дробных факторных экспериментов (ДФЭ). В ДФЭ факторы разделяются на основные и дополнительные. Для основных факторов составляется план ПФЭ, а дополнительные меняются по законам изменения произведений основных факторов. Таким образом, например, если в эксперименте используется семь факторов, то по плану ПФЭ нам понадобилось бы провести 128 экспериментов. Если же они независимы друг от друга, то выделив из них три основных фактора и составив для них план ПФЭ, мы сможем ограничиться всего 9 экспериментами с учётом центральной точки. Планы ДФЭ сохраняют все вышеназванные достоинства планов ПФЭ.

Если зависимость результативного показателя эффективности функционирования ОИ является нелинейной для проведения экспериментов, применяют планы второго порядка. На практике чаще всего для этого используют композиционные планы, в качестве ядра которых берутся рассмотренные ранее планы первого порядка ПФЭ и ДФЭ. Для получения требуемой нелинейной зависимости к планам первого порядка добавляются так называемые звездные точки по две на каждый фактор. Например, для двухфакторной зависимости добавляется 4 звёздных точек. Составляется матрица планирования, а для вычисления всех коэффициентов по одному и тому же алгоритму к свободному члену b0 дописывается фиктивный фактор х0, который всегда равен 1.

y = b0х0+b1x1+b2x2+b12x1x2+b11x12+b22x22. (3.1. 5)

Для вычисления коэффициентов математической зависимости используется ортогональный центральный композиционный план (ОЦКП) и ротатабельный центральный композиционный план (РЦКП). Планы второго порядка теряют вышеназванные достоинства планов первого порядка ПФЭ и ДФЭ.

ОЦКП сохраняет свойство симметричности плана за счёт того, что на каждый фактор вводят по две симметричные звёздные точки. ОЦКП сравнительно несложно построить. ОЦКП в значительной мере упрощает вычисления, что особенно существенно для «ручных» вычислений. Свойство нормированности в ОЦКП сохранить не удаётся, но это и не так важно. Для обеспечения ортогональности столбцов матрицы планирования вводят некоторые сравнительно несложные преобразования. Расстояние звёздной точки от середины осей координат вычисляется по формуле:

(3.1. 6)

(3.1. 7)

Вычисляется вспомогательный коэффициент:

(3.1. 8)

Вычисляются новые значения элементов столбцов квадратов факторов:

(3.1. 9)

Матрица планирования для двух факторов по ОЦКП представлена в виде таблицы 3.1.2.

Таблица 3.1.2 — Матрица планирования двух факторов

x0

х1

х2

x12

x12

x22

ЦТ

1

0

0

0

-2/3

-2/3

План

ПФЭ

1

1

1

1

-1

1

-1

1

-1

-1

1

1

1

-1

-1

1

1/3

1/3

1/3

1/3

1/3

1/3

1/3

1/3

Звездные точки

1

1

1

1

-1

1

0

0

0

0

-1

1

0

0

0

0

1/3

1/3

-2/3

-2/3

-2/3

-2/3

1/3

1/3

РЦКП обеспечивает незначимую величину ошибки в точках, равноотстоящих от центра проведения экспериментов, поэтому они широко применяются в динамических методах поиска экстремальных значений. Расстояние звёздной точки от центра осей координат и количество проводимых экспериментов в центральной точке вычисляются по формулам:

(3.1. 10)

Составим матрицу планирования РЦКП для двух факторов:

(3.1. 11)

Композиционные планы ОЦКП и РЦКП имеют существенный недостаток, который начинает сказываться с увеличением количества факторов в проводимых экспериментах, чем больше факторов, тем больше расстояние звёздных точек от центра осей координат, которое всё больше и больше удаляется от заданных границ диапазонов изменения факторов, что является нежелательным. В D — оптимальных планах значения факторов не выходят за установленные границы диапазонов их изменения. Кроме того они обладают ещё одним существенным достоинством, обеспечивая минимальную ошибку во всём принятом диапазоне изменения факторов. На практике наиболее часто применяются планы Коно и планы Кифера.

Для многофакторных экспериментов в геометрической интерпретации диапазон изменения факторов представляется многомерным кубом, который далее будем называть просто куб. Для двух факторов этот куб вырождается в квадрат. Эксперименты по плану Коно проводятся в вершинах куба, серединах рёбер и центре куба. Характерной особенностью D — оптимальных планов является разница в количестве проводимых экспериментов для точек плана различного вида. Удельные веса видов точек для двухфакторных экспериментов в планах Коно приняты следующие:

— вершины куба — =0. 148;

— середины ребер — =0. 078;

— центр куба — =0. 096.

Расположение точек стратегического плана на квадрате и кубе представлено на рисунке 3.1.3.

Рисунок 3.1.3 Геометрическая интерпретация двухфакторного плана на квадрате и трёхфакторного — на кубе

В качестве ядра стратегического плана выберем план дробного факторного эксперимента (ДФЭ). В качестве основных факторов возьмем пять оптимизируемых факторов х15 и в качестве оптимизируемых два объективных фактора х6 и х7. Для построения плана полного факторного эксперимента (ПФЭ) для пяти основных факторов используем вершины пятимерного куба, количество которых равно 25= 32. Дополнительный фактор х6 будем менять по закону изменения произведения основных факторов

х6= х123, а дополнительный фактор х7= х345.

К вершинам куба добавляется центральная точка и 2*k = 14 звездных точек. Таким образом, общее количество вариантов будет:

n = 1+2K+2*k = 1+25+2*7 = 47 вариантов

План экспериментов в кодированном виде представлен в таблице 3.1.3.

Примечание: для ввода в машину используются в натуральном виде

(1 — максимальное значение, минус 1 — минимальное значение, 0 — среднее значение).

Таблица 3.1.3 — План экспериментов в кодированном виде

x0

x1

x2

x3

x4

x5

x6

x7

1

0

0

0

0

0

0

0

1

-1

-1

-1

-1

-1

-1

-1

1

1

-1

-1

-1

-1

1

-1

1

-1

1

-1

-1

-1

1

-1

1

1

1

-1

-1

-1

-1

-1

1

-1

-1

1

-1

-1

1

1

1

1

-1

1

-1

-1

-1

1

1

-1

1

1

-1

-1

-1

1

1

1

1

1

-1

-1

1

1

1

-1

-1

-1

1

-1

-1

1

1

1

-1

-1

1

-1

1

1

1

-1

1

-1

1

-1

1

1

1

1

1

-1

1

-1

-1

1

1

-1

-1

1

1

-1

1

-1

1

1

-1

1

1

-1

-1

-1

1

-1

1

1

1

-1

-1

-1

1

1

1

1

1

-1

1

-1

1

-1

-1

-1

-1

1

-1

1

1

1

-1

-1

-1

1

1

1

1

-1

1

-1

-1

1

1

1

1

1

1

-1

-1

1

-1

1

1

-1

-1

1

-1

1

1

-1

1

1

-1

1

-1

1

-1

-1

1

-1

1

1

-1

1

-1

-1

1

1

1

1

-1

1

1

-1

1

-1

-1

-1

1

1

-1

-1

1

1

-1

-1

1

1

1

-1

1

-1

1

-1

1

1

1

-1

1

1

1

-1

1

1

-1

-1

1

-1

-1

1

1

1

1

1

1

1

-1

1

1

1

-1

1

1

-1

1

1

1

1

-1

1

1

1

1

1

1

1

1

1

1

-1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

1

0

-1

0

0

0

0

0

1

0

1

0

0

0

0

0

1

0

0

-1

0

0

0

0

1

0

0

1

0

0

0

0

1

0

0

0

-1

0

0

0

1

0

0

0

1

0

0

0

1

0

0

0

0

-1

0

0

1

0

0

0

0

1

0

0

1

0

0

0

0

0

-1

0

1

0

0

0

0

0

1

0

1

0

0

0

0

0

0

-1

1

0

0

0

0

0

0

1

3. 2 Моделирование процессов изготовления и монтажа оборудования по стратегическому плану

Определим границы в пределах, которых будут изменяться значения наших факторов.

Таблица 3.2.1 — Границы значений параметров

Обозначение

Наименование

min значение параметра

max значение параметра

X1

Количество вентиляционщиков

5

8

X2

Количество сантехников

5

12

Х3

Количество электромонтажников

4

9

Х4

Количество пуско-наладчиков

2

5

Х5

Количество контролеров

1

3

Х6

Среднее время между поступлением заказов на проведение договорных работ

15

35

Х7

Плановое время выполнения работ по договору

60

80

Приведение кодированных значений к натуральным представлено в таблице 3.2. 2

Таблица 3.2.2 — Приведение кодированных значений к натуральным

Х1

Х2

Х3

Х4

Х5

Х6

Х34

-1

5

5

4

2

1

15

60

0

7

9

7

4

2

25

70

1

8

12

9

5

3

35

80

План эксперимента для семи факторов в натуральном виде представлен в таблицах 3.2.3 -3.2.5. Результаты имитационного моделирования приведены в таблицах 3.2. 6−3.2.7.

Таблица 3.2.3 Стратегический план проведения экспериментов

x0

x1

x2

x3

x4

x5

x6

x7

1

7

9

7

4

2

25

70

1

5

5

4

2

1

15

60

1

8

5

4

2

1

35

60

1

5

12

4

2

1

35

60

1

8

12

4

2

1

15

60

1

5

5

9

2

1

35

80

1

8

5

9

2

1

15

80

1

5

12

9

2

1

15

80

1

8

12

9

2

1

35

80

1

5

5

4

5

1

15

80

1

8

5

4

5

1

35

80

1

5

12

4

5

1

35

80

1

8

12

4

5

1

15

80

1

5

5

9

5

1

35

60

1

8

5

9

5

1

15

60

1

5

12

9

5

1

15

60

1

8

12

9

5

1

35

60

1

5

5

4

2

3

15

80

1

8

5

4

2

3

35

80

1

5

12

4

2

3

35

80

1

8

12

4

2

3

15

80

1

5

5

9

2

3

35

60

1

8

5

9

2

3

15

60

1

5

12

9

2

3

15

60

1

8

12

9

2

3

35

60

1

5

5

4

5

3

15

60

1

8

5

4

5

3

35

60

1

5

12

4

5

3

35

60

1

8

12

4

5

3

15

60

1

5

5

9

5

3

35

80

1

8

5

9

5

3

15

80

1

5

12

9

5

3

15

80

1

8

12

9

5

3

35

80

1

5

9

7

4

2

25

70

1

8

9

7

4

2

25

70

1

7

5

7

4

2

25

70

1

7

12

7

4

2

25

70

1

7

9

4

4

2

25

70

1

7

9

9

4

2

25

70

1

7

9

7

2

2

25

70

1

7

9

7

5

2

25

70

1

7

9

7

4

1

25

70

1

7

9

7

4

3

25

70

1

7

9

7

4

2

15

70

1

7

9

7

4

2

35

70

1

7

9

7

4

2

25

60

1

7

9

7

4

2

25

80

Таблица 3.2.4 Стратегический план проведения экспериментов

x1*x1

x2*x2

x3*x3

x4*x4

x5*x5

х6*х6

х7*х7

x1*x6

49

81

49

16

4

625

4900

175

25

25

16

4

1

225

3600

75

64

25

16

4

1

1225

3600

280

25

144

16

4

1

1225

3600

175

64

144

16

4

1

225

3600

120

25

25

81

4

1

1225

6400

175

64

25

81

4

1

225

6400

120

25

144

81

4

1

225

6400

75

64

144

81

4

1

1225

6400

280

25

25

16

25

1

225

6400

75

64

25

16

25

1

1225

6400

280

25

144

16

25

1

1225

6400

175

64

144

16

25

1

225

6400

120

25

25

81

25

1

1225

3600

175

64

25

81

25

1

225

3600

120

25

144

81

25

1

225

3600

75

64

144

81

25

1

1225

3600

280

25

25

16

4

9

225

6400

75

64

25

16

4

9

1225

6400

280

25

144

16

4

9

1225

6400

175

64

144

16

4

9

225

6400

120

25

25

81

4

9

1225

3600

175

64

25

81

4

9

225

3600

120

25

144

81

4

9

225

3600

75

64

144

81

4

9

1225

3600

280

25

25

16

25

9

225

3600

75

64

25

16

25

9

1225

3600

280

25

144

16

25

9

1225

3600

175

64

144

16

25

9

225

3600

120

25

25

81

25

9

1225

6400

175

64

25

81

25

9

225

6400

120

25

144

81

25

9

225

6400

75

64

144

81

25

9

1225

6400

280

25

81

49

16

4

625

4900

125

64

81

49

16

4

625

4900

200

49

25

49

16

4

625

4900

175

49

144

49

16

4

625

4900

175

49

81

16

16

4

625

4900

175

49

81

81

16

4

625

4900

175

49

81

49

4

4

625

4900

175

49

81

49

25

4

625

4900

175

49

81

49

16

1

625

4900

175

49

81

49

16

9

625

4900

175

49

81

49

16

4

225

4900

105

49

81

49

16

4

1225

4900

245

49

81

49

16

4

625

3600

175

49

81

49

16

4

625

6400

175

Таблица 3.2.5 Стратегический план проведения экспериментов

x1*x7

x2*x6

x2*x7

x3*x6

x3*x7

x4*x6

x4*x7

x5*x6

x5*x7

490

225

630

175

490

100

280

50

140

300

75

300

60

240

30

120

15

60

480

175

300

140

240

70

120

35

60

300

420

720

140

240

70

120

35

60

480

180

720

60

240

30

120

15

60

400

175

400

315

720

70

160

35

80

640

75

400

135

720

30

160

15

80

400

180

960

135

720

30

160

15

80

640

420

960

315

720

70

160

35

80

400

75

400

60

320

75

400

15

80

640

175

400

140

320

175

400

35

80

400

420

960

140

320

175

400

35

80

640

180

960

60

320

75

400

15

80

300

175

300

315

540

175

300

35

60

480

75

300

135

540

75

300

15

60

300

180

720

135

540

75

300

15

60

480

420

720

315

540

175

300

35

60

400

75

400

60

320

30

160

45

240

640

175

400

140

320

70

160

105

240

400

420

960

140

320

70

160

105

240

640

180

960

60

320

30

160

45

240

300

175

300

315

540

70

120

105

180

480

75

300

135

540

30

120

45

180

300

180

720

135

540

30

120

45

180

480

420

720

315

540

70

120

105

180

300

75

300

60

240

75

300

45

180

480

175

300

140

240

175

300

105

180

300

420

720

140

240

175

300

105

180

480

180

720

60

240

75

300

45

180

400

175

400

315

720

175

400

105

240

640

75

400

135

720

75

400

45

240

400

180

960

135

720

75

400

45

240

640

420

960

315

720

175

400

105

240

350

225

630

175

490

100

280

50

140

560

225

630

175

490

100

280

50

140

490

125

350

175

490

100

280

50

140

490

300

840

175

490

100

280

50

140

490

225

630

100

280

100

280

50

140

490

225

630

225

630

100

280

50

140

490

225

630

175

490

50

140

50

140

490

225

630

175

490

125

350

50

140

490

225

630

175

490

100

280

25

70

490

225

630

175

490

100

280

75

210

490

135

630

105

490

60

280

30

140

490

315

630

245

490

140

280

70

140

420

225

540

175

420

100

240

50

120

560

225

720

175

560

100

320

50

160

Таблица 3.2.6 Результаты имитационного моделирования

y1

y2

y3

y4

y5

y6

y7

47 484 000

31

62,141

0,742

10,282

496,357

403,282

77 130 000

43

196,879

0,047

143,675

962,497

948,317

33 790 000

22

66,546

0,409

13,756

276,014

478,704

28 476 000

20

55,553

0,8

14,517

392,894

186,786

98 666 000

56

59,133

0,589

11,851

650,115

521,877

35 330 000

23

65,997

0,783

5,043

432,795

503,571

67 430 000

40

155,624

0,175

94,786

632,109

914,947

62 306 000

38

62,513

0,868

14,482

745,802

381,69

38 736 000

27

50,975

1

0

384,137

253,201

75 422 000

43

131,111

0,093

57,833

964,329

967,288

38 142 000

25

69,617

0,8

10,043

322,175

546,998

30 768 000

22

62,947

0,909

6,298

429,988

204,474

111 048 000

63

67,192

0,81

9,879

799,78

614,891

31 482 000

22

70,382

0,227

14,887

510,818

528,146

67 632 000

41

211,362

0,024

155,188

797,865

976,343

64 348 000

40

101,568

0,3

63,279

822,791

377,611

36 938 000

27

56,059

0,741

16,785

342,513

242,218

71 700 000

41

303,945

0,024

229,708

997,141

959,368

42 340 000

27

86,234

0,481

25,004

345,191

626,242

41 026 000

27

63,14

0,815

13,382

516,447

258,312

89 356 000

52

61,773

0,808

4,678

674,184

487,366

17 830 000

15

64,747

0,267

8,561

314,778

339,953

69 950 000

42

121,693

0,119

71,029

716,808

938,534

76 536 000

46

98,881

0,174

48,177

973,632

453,325

31 296 000

24

45,395

1

0

294,435

218,566

65 992 000

39

135,95

0,026

78,126

880,688

875,391

30 582 000

22

73,322

0,227

19,143

305,023

495,356

29 298 000

22

57,761

0,773

14,158

438,262

216,371

65 638 000

41

55,529

0,78

11,897

533,882

383,63

46 092 000

30

76,674

0,6

10,364

607,827

670,891

70 182 000

43

208,418

0,047

135,734

720,803

978,93

76 808 000

47

140,448

0,191

79,585

962,573

453,526

25 568 000

22

47,627

1

0

262,409

200,5

46 554 000

30

65,773

0,7

14,583

625,359

404,181

50 984 000

33

55,646

0,879

4,957

433,153

410,95

51 112 000

32

72,674

0,438

16,473

470,008

737,027

48 208 000

32

54,94

0,813

6,8

472,05

311,17

34 840 000

24

58,131

0,917

14,48

381,84

317,209

44 610 000

30

62,063

0,7

6,683

436,751

371,549

46 686 000

30

53,27

0,9

3,443

435,012

375,653

30 928 000

23

62,132

0,739

14,713

325,099

284,671

54 204 000

34

63,09

0,765

15,811

466,799

435,237

34 834 000

25

55,513

0,96

23,787

391,019

331,342

89 424 000

52

64,664

0,731

9,836

720,278

638,153

23 534 000

19

54,31

0,842

3,992

300,324

240,95

47 404 000

31

62,141

0,484

13,089

496,357

403,282

47 534 000

31

62,141

0,903

11,652

496,357

403,282

Таблица 3.2.7 Результаты имитационного моделирования

y8

y9

y10

189,401

168,522

14,613

414,706

206,472

82,65

209,489

111,569

10,837

202,894

112,376

10,775

524,089

275,92

13,264

96,714

107,836

12,035

171,57

199,152

60,557

166,802

183,671

15,41

116,584

141,237

10,98

406,303

228,432

30,918

222,771

131,874

13,333

216,638

112,731

11,602

612,865

310,321

15,052

91,467

110,724

14,056

174,126

196,212

109,408

167,281

189,791

54,747

112,854

136,22

14,781

397,832

191,646

121,704

261,277

131,546

23,675

257,725

142,852

16,588

498,089

261,657

15,06

57,649

68,967

8,852

181,312

195,27

52,169

208,254

236,927

42,64

105,533

113,502

7,188

378,823

188,435

56,399

224,429

99,823

16,753

212,985

109,529

10,771

396,271

204,109

10,256

123,986

148,925

13,463

182,885

202,737

70,957

206,571

228,903

55,531

89,525

112,113

8,84

162,035

147,507

15,334

175,559

170,982

10,21

184,127

156,597

18,489

187,527

160,123

14,016

231,596

127,989

11,465

128,987

155,147

11,804

170,12

146,403

8,936

125,857

112,134

15,242

184,135

171,92

14,645

147,963

126,456

11,452

273,755

253,469

12,014

103,77

89,675

10,95

189,401

168,522

14,613

189,401

168,522

14,613

3.3 Оценка достоверности результатов моделирования

Центральная предельная теорема утверждает, что сумма достаточно большого количества случайных чисел, выработанных при достаточно общих условиях, подчинена нормальному закону вне зависимости от того какому закону подчинены сами случайные числа. При этом соблюдается следующее соотношение математического ожидания и среднего квадратического отклонения между введенным и исходным распределением:, а. Поэтому для оценок математических ожиданий, вычисляемых на основе суммирования случайных чисел, можно построить доверительный интервал по нормальному закону, так как это показано на рисунке 3.3.1.

ПоказатьСвернуть
Заполнить форму текущей работой