Файл: Голенко Д.И. Статистические модели в управлении производством.pdf

р— заданная надежность снабжения сборки готовыми деталями;

(факторов) и различные «веса» этих параметров в пра­ вилах предпочтения, учитывающих один и тот же набор параметрбв."^аТїд6мизированньіе правила разбиты на две группы. К первой группе относятся правила, постро­ енные на случайном выборе правила лр_едпочтедия ,с за­ данными вероятностями из множества элементарных пра­ вил и назначении на обработку детали, по которой до­ стигается наибольшая величина приоритета, подсчитан­ ная по выбранному правилу. Ко второй группе относятся правила, требующие вычисления в зависимости от вели­ чины приоритета вероятности с которыми деталь назна­ чается на обработку.

К простейшим правилам [3.3, 3.4] принадлежат, на­ пример, следующие:

на обработку назначается партия деталей с наимень­

на обработку назначается партия деталей с макси­ мальной величиной длительности завершения обработки (правило LRT)

Эти правила хорошо зарекомендовали себя в моделях мелкосерийного и единичного производства. Ниже мы рассмотрим правила, учитывающие специфику крупно­ серийного производства.

Так как точка заказа очередной партии деталей U (т. е. момент запуска очередной партии в производство) связана с уровнем готовых деталей перед сборкой, то срочность обработки детали, естественно, выражается величиной отрезка времени, прошедшего с момента на­

в среднем выделяет из множества деталей, стоящих в очереди, наиболее 'запаздывающие. Если исключить из

T — U время обработки деталей на выполненных опера­ циях, то мы получим правило

Чтобы учесть возможность простоя деталей на после­ дующих операциях, необходимо при прочих равных ус­ ловиях отдавать предпочтение деталям, которым пред­ стоит пройти большее количество операций до заверше­ ния обработки. Другими 'словами, правило предпочтения должно прогнозировать будущие простои деталей и с уче­

Прогноз, основанный на учете отношения общего ко­ личества операций k к количеству выполненных операций &в, является грубым, так как он игнорирует коэффициен­ ты загрузки Г)І соответствующих групп оборудования. Так, например, если деталь по технологии должна обра­ батываться на пяти операциях и при этом коэффициенты загрузки оборудования, на котором выполняются первые четыре операции, не превышают 0,5, а коэффициент за­ грузки оборудования на последней операции составляет 0,95, то средний простой детали на последней операции превысит средний суммарный простой на предшествую­ щих операциях. Этот эффект может быть учтен правила­ ми предпочтения типа

В процессе экспериментальной проверки на имитаци­ онной модели может оказаться, что, например, правило (3.6.6) хуже, чем (3.6.4); в этом случае целесообразно сразу отбросить правило (3.6.18) и ограничиться испы­ танием правила (3.6.15). Если же лучшим окажется (3.6.6), то априори следует отдать предпочтение прави­ лу (3.6.18) перед (3.6.15). Если же правило (3.6.15) окажется значительно лучше, чем (3.6.4), то наряду с (3.6.15) целесообразно проверить вариант ф = ( Г — ^ 3 ) х X (1— р2)~1 и т. п. Короче говоря, если введение того или иного параметра оказалось полезным, то целесообразно уточнить «вес» этого параметра и при последующем раз­ витии вариантов удерживать этот «вес» на определенном

фект, то целесообразно испытать рандомизацию, заклю­ чающуюся в случайном выборе с вероятностью 7з одного из этих правил при каждой конфликтной ситуации. Если рандомизация осуществляется наоснове конкретного правила, то это правило по возможности должно быть

Формально это осуществляется следующим образом. Все