Смекни!
smekni.com

Анализ состояния и перспективы развития транспортной системы (стр. 18 из 19)

Положительным моментом данного метода является то, что он позволяет учитывать не только нормативную деятельность обслуживания, но и случайные отклонения от фактических продолжительностей выполнения различных операций от нормативных, т.е. позволяет решать задачи как в детерминированной, так и в стохастической постановке.

В основу метода положено следующее правило: в тот момент, когда возникает потребность в обслуживающем средстве механизации (или бригаде), это требование должно быть удовлетворено с большой степенью вероятности.

Недостатки метода:

· Аналитические модели массового обслуживания имеют ограниченное применение, т.к. основываются, как правило, на предположении о пуассоновском входящем потоке требований и о простейшем механизме обслуживания (идентичность аппаратов, отсутствие перерывов в работе и т.д.);

· Анализ показал, что хотя аналитические модели исследования операций позволяют отыскать наиболее лучший (оптимальный) вариант решения поставленной задачи, соответствующие математические построения часто оказываются настолько сложными, что точное решение сформулированной задачи найти просто невозможно. Даже если такая возможность есть, то необходимые для этого вычисления могут оказаться громоздкими, а требуемые затраты времени – большими.

· Требует от исследователя достаточно высокого уровня математических знаний.

Вывод: Аналитический метод исследования операций при оперативном планировании и управления логистическими потоками без соответствующей доработки не может быть применен, т.к. он не в полной мере адекватно отражает процессы, связанные с транспортно-логистическим обеспечением и дает приближенные результаты.

Аналитический метод детерминированный

Детерминированное моделирование заключается в непосредственном моделировании процесса обслуживания потока требований. В данной модели системы наземного обеспечения предполагается, что моменты поступления требований и продолжительности обслуживания неслучайны и известны заранее, т.е. заранее должны быть известны продолжительности обслуживания ВС, т.к. это позволяет точно определить моменты окончания обслуживания самолетов. Следовательно, изложенный метод позволяет для любого детерминированного процесса обслуживания определить число аппаратов, при котором требованиям не придется ожидать начала обслуживания.

Решение таких задач может быть получено с помощью диаграмм, на которых отражаются моменты поступления заявок и длительность обслуживания.

Положительным моментом данного метода является его простота в использовании и наглядность, т.к. решение представляется в виде графиков (диаграмм) или в табличной форме.

Однако он имеет ряд недостатков для практического применения при оперативном планировании наземного логистического обеспечения:

· Не учитывает стохастический характер функционирования системы. В реальных условиях значительная доля процессов наземного обеспечения имеют отклонения от планового, а также они зависят от объекта обслуживания, объема работ и производственных характеристик обслуживающего органа. В детерминированном моделировании процессов обслуживания входные потоки (BQ) рассматриваются как начальные рейсы, либо транзитные, либо конечные, что непосредственно определяет характер работ, т.е. в данном случае модель не адекватно отражает реальные условия. Также не учитывается вероятностный характер входного потока, что непосредственно влияет на точность результатов и управляющих решений при оперативном планировании логистического обеспечения.

· Приведенный способ расчета является, как правило, графическим. Это создает известные неудобства, когда необходимо проследить за процессом обслуживания большого числа требований. Правда, в этом случае вместо графического можно применить эквивалентный ему табличный способ. Однако в данном случае теряется его наглядность, что было отмечено как положительный момент.

Вывод: Несмотря на перечисленные выше недостатки, детерминированное моделирование нашло применение. Однако для оперативного обеспеченияданный метод не может быть применен без доработки, т.к. он не позволяет достичь приемлемого уровня адекватности формализованного описания системы логистического обеспечения транспортной деятельности.

Статистическое моделирование

Статистическое, как и детерминированное моделирование заключается в непосредственном моделировании процесса обслуживания потока требований. Статистический анализ процессов обслуживания включает две задачи: анализ времени, необходимого для обслуживания одного требования, и анализ потока требований.

Существуют две группы методов анализа продолжительности обслуживания одного требования: технологические и статистические. Суть технологического метода состоит в детальном исследовании технологического процесса обслуживания: процесс разбивается на отдельные операции, изучается взаимосвязь этих работ, длительность их выполнения и влияния на общую продолжительность обслуживания и т.д. (к данному методу можно отнести метод сетевого планирования и управления). [] Статистические методы заключаются в анализе данных об общей продолжительности обслуживания.

Основными задачами, решаемыми статистическим методом, являются: определение распределения соответствующих случайных величин, которые принимаются в процессе моделирования за случайные величины; определение среднего значения и дисперсии длительности обслуживания; оценка вероятности выполнения обслуживания в заданный срок; установление с помощью регрессионного анализа влияния на среднюю длительность обслуживания различных факторов и т.п. [].

Исходными данными для статистического моделирования являются фактические данные о продолжительности обслуживания за прошедший период времени или датчики случайных чисел.

После имитации продолжительности обслуживания, приступают к моделированию потока требований. Для приближения модели к реальным условиям, поток требований рассматривают как стохастический и определяют отклонения фактического времени от планового. Процесс имитации потока требований аналогичен подходу, применяемому к имитации продолжительности обслуживания.

Положительным моментом данного метода является то, что он позволяет учитывать стохастический характер функционирования системы логистического обеспечения.

Однако он, как и ранее рассмотренные методы, имеет ряд недостатков, препятствующих широкому применению при оперативном планировании логистического обеспечения:

· Для моделирования процесса обеспечения необходимо иметь мощную базу данных, т.е. необходимо иметь источник случайных чисел;

· Статистические методы не могут применяться для целей предварительного анализа новой организации обслуживания или исследования длительности обслуживания;

· Данный метод является более формальным, по сравнению с методом имитационного моделирования, т.к. не вскрывает структуры (механизма) процесса обслуживания и фиксирует только конечный результат, т.е. позволяет сделать только параметры, подлежащие прямому наблюдению, измерению;

· Конечный результат может оказаться не точным, т.к. он будет зависеть от того, насколько удачно подобран закон распределения, а также от качества статистических данных;

· Для практического применения на производстве требует достаточно серьезной математической подготовки специалистов, занимающихся планированием и управлением авиатранспортным производством;

· Не обладает достаточной наглядностью;

· Применение данного метода требует проведения достаточно большого объема работ.

Вывод: Метод статистического моделирования процессов дает низкую адекватность результатов применения, т.к. не в полной мере отражает процессы логистического обеспечения. Без дополнительной доработки данный метод не может быть применен для оперативного планирования логистического обеспечения.

Имитационное моделирование

Имитационное моделирование представляет собой процедуру проведения имитационных экспериментов с моделью исследуемой системы, которая описывает закономерности функционирования моделируемого объекта (системы), которую по каким-либо причинам невозможно или нецелесообразно решать аналитически или нет возможности прямого измерения параметров. Имитационные модели не способны формировать собственное решение в том виде, в каком это имеет место в аналитических моделях, т.к. могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором. Результаты исследования имитационной модели, как правило, представляют собой оценки значений операционных (функциональных) характеристик той системы, поведение которой имитируется. Имитационное моделирование имеет ряд положительных моментов:

· Для построения имитационных моделей не требуется использования математических функций, которые бы явным образом связывали те или иные параметры (переменные). Эти модели позволяют имитировать поведения очень сложных систем, для которых построение математических моделей и получение решений невозможно;