Файл: Голенко Д.И. Статистические модели в управлении производством.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.04.2024
Просмотров: 171
Скачиваний: 0
ным событием, характеризуется временем tx или функ цией распределения f(tx). Среднее время испытаний до первого успеха, при котором свершение а-события озна чает окончание повторных циклов и переход к следую щим операциям, в случае, если tx и t2 детерминирован ные величины, определяется по следующей схеме:
для |
первого испытания |
M0{t} |
=ptx+ |
(1 — p)t2 |
> |
|
||||
для |
второго испытания |
Mx{t} = (1 — р) • [ptx+ |
(1 — |
p)t2], |
||||||
для (/г+1)-го испытания Mn{t) |
= (1 -p)n[ptx+ |
(1 |
—p)t2]. |
|||||||
Очевидно, суммарная |
длительность, |
отвечающая эк |
||||||||
вивалентной операции, будет |
|
|
|
|
|
|
||||
M{t}=ptx+(l-p)t2+(l~p)[ptx+(l-p)t2] |
|
|
|
|
+ .... |
|||||
|
|
.... + |
|
(l-p)n[ptl+(l-p)t2], |
|
|
||||
а в |
правой части |
геометрическая |
прогрессия |
сходится |
||||||
к — п р и |
п-*-оо. Математическое |
ожидание |
продолжи |
|||||||
тельности независимых испытаний запишется в виде |
||||||||||
|
|
M{t}=U |
= h+-j~U, |
|
q=l-p |
• |
(5.3.17) |
|||
Аналогично могут быть получены формулы для дис |
||||||||||
персии |
и среднего |
квадратического |
отклонения: |
|
||||||
|
|
Dt=-t\ |
, а = У < Г — |
• |
(5.3.18) |
|||||
|
|
|
Рг |
1 |
|
|
Р |
|
|
|
Чтобы осуществлять анализ и расчет стохастических сетей, содержащих контуры и петли типа приведенных на рис. 5.3.1,а в качестве своих элементов, достаточно воспользоваться полученными формулами. Для исследо вания расширенной стохастической модели указанного типа перспективным является также использование ме тода производящих функций моментов, позволяющего охарактеризовать информационные аспекты модели и получить обнадеживающие результаты в смысле трак товки стохастических сетей как сложных систем с об ратной связью.
Производящую функцию моментов определим сле дующим образом:
£ t ( s ) = M { e s < } = l(**f(t)dt; |
§f(t)dt=l, |
(5.3.19) |
t |
t |
|
где f(t)—функция |
плотности вероятностей, |
характери |
|
зующая продолжительность соответствующей |
операции; |
||
s — действительная |
или комплексная |
переменная. |
|
Введем (p(s)—функцию, связывающую вероятность |
|||
реализации операции со временем ее |
выполнения |
||
|
y{s)=p-Et(s). |
|
(5.3.20) |
Тогда на основе свойств производящих функций момен
тов для последовательного и параллельного |
выполнения |
|||
операций с соответствующими (jpi(s), фг(5) |
функциями |
|||
имеем: |
|
|
|
|
<p(s) |
=(pi(s)-(p2{s) |
—для |
последовательного |
соединения, |
(f(s) |
=фі(s) + ф г ( 5 ) — д л я |
параллельного соединения. |
При этом дуги, определяемые ф(в)-функциями, образу ют линейные сети, что позволяет применить к ним урав нение топологии для замкнутой линейной сети, которое согласно [5.21—5.23] имеет вид
H(s) = 1+ 2 2 ( - l ) m L j ( m , s) = 0 для всех s, (5.3.21)
тг
где Li(m,s) —t'-й контур порядка т. В контуре первого порядка каждая вершина может быть достигнута из любой другой вершины. Контур п-го порядка есть мно жество непересекающихся контуров первого порядка. Непересекающиеся контуры не имеют общих вершин
Li{m, s) = П І ь ( 1 , s), £ = l, . -- ,m, |
(5.3.22) |
к
где Li(m,s) есть ф-функция f-го контура, полученная исходя из последовательного соединения составляющих его дуг, для которого в соответствии со свойствами про изводящих функций имеет место соотношение:
Lt(l;s) |
= Ut<t}(s) |
• |
(5.3.23) |
Из теории потоков в сетях известно, что для того чтобы воспользоваться уравнением топологии (5.3.21), необходимо замкнуть сеть обратной связью, соединив конечную вершину с начальной. При этом стохастиче ская сеть может быть произвольной сложности. Соглас но определению эквивалентная сеть, состоящая из одной дуги (ссвых, схвх), характеризуется <pa{s), а моделируемая система, представленная таким образом, имеет ф-функ-
231
цию, равную произведению cpaCsbqKs), так как налицо контур, состоящий всего из двух дуг. Поэтому получаем:
|
tf(s)=l-<pa(s)-(p(s)=0, |
|
откуда |
<Pe(s) = |
(5.3.24) |
|
<p(s) |
Формула (5.3.24) отражает общий результат, смысл которого заключается во введении некоторой обобщен ной характеристики стохастической сетевой модели рас сматриваемого класса, представляющей аналог переда точной функции в системах автоматического регулиро вания.
Разработка |
сложной |
|
системы, |
представленная |
|
В биде |
стохастической |
|
|
сети |
|
|
ffs) |
|
|
Vfs) |
|
ft |
97 |
- о , |
|
fs |
|
Рис. 5.3.2. Использование <p (s)-функций.
Для иллюстрации изложенного метода рассмотрим пример для сети, изображенной на рис. 5.3.2. Сеть пред ставлена четырьмя контурами первого порядка, для ко
торых: L i ( l ) = < р г ф 2 ; |
£ 2 ( 1 ) = ф 8 - ф 4 ; ^з(1) = ф 5 - ф е ; |
Ь 4 (1) = |
= ф і ' Ф з - ф 5 - ф 7 - ф , и |
одним контуром второго |
порядка |
Li(2) = ф Г ф 2 - ф 5 * ф б . |
|
|
На |
основе уравнения |
топологии (5.3.21) |
имеем: |
# = 1 — |
ф Г ' ф г — ф З - ' ф 4 — ф 5 - ф б — Ф 7 ' ф 1 - ф 3 - ф 5 - ф + ф 1 - ф 2 - ф 5 ' |
||
• ф 6 = 0. |
С учетом формулы |
(5.3.24) получаем |
оконча |
тельное выражение в виде
ф!фзф5ф7
фе(«)
1—фіф2—фзф4 —ф5фв + фіфгф5фв
Равносильный эффект дает применение формулы Месона [5.21]:
|
|
|
2p 3 (s) [ 1 + 2 |
( - l ) ^ ( m , s ) ] |
|
|
||
|
Фэ (s) = |
|
^ |
|
, |
|
(5.3.25) |
|
|
v |
; |
|
|
H(s) |
|
v |
' |
в_ которой |
Pj(s) |
является |
ф(Х)-функцией |
/-го |
пути; |
|||
L (т, |
s) — результирующей |
ф-функцией |
контуров т-то |
|||||
порядка, не касающихся |
/-го пути, a |
H(s)—уравнени |
||||||
ем ТОПОЛОГИИ ПрИ |
ф ( 5 ) = 0 . |
|
|
|
|
|||
Из |
(5.3.20) вытекает, |
что /?э =фэ(0), |
а |
поскольку |
фэ (0) = 1, из (5.3.24) получаем:
Вкачестве производящих функций моментов удобно использовать экспоненциальные функции (например, характеристические) и соответствующие им семиинвари анты, на основе которых могут быть получены необхо димые числовые характеристики распределения вероят ностей для отдельных фрагментов и стохастической се ти в целом. Семиинварианты находятся по известной формуле
за<я
&э = - j — I n £ a ( s ) при s = 0.
С точки зрения практического использования пред ложенной математической схемы возникает вопрос о получении в качестве исходных данных для расчета и анализа только что рассмотренной модели вероятностей возможных исходов. В качестве оценок последних на этапах проведения испытаний и ввода в строй сложных комплексов могут быть приняты коэффициенты готов ности, выведенные в работе [5.46].
Определение вероятностей переходов в стохастиче ских сетевых моделях. Допустим, что при построении Стохастической сетевой модели программы создания
сложного комплекса мы не можем |
обеспечить |
выпол |
|||||||
нение процедур экспертного |
опроса, а |
следовательно, |
|||||||
достаточно |
обоснованное |
задание |
вероятностей |
реали |
|||||
зации различных частичных вариантов. В связи |
с этим |
||||||||
представляется |
полезным |
рассмотреть |
вопрос |
о |
том, |
||||
насколько |
возможны в рамках |
указанных стохастиче |
|||||||
ских моделей |
исключение |
или |
оценка |
степени |
неопре |
||||
деленности |
за |
счет введения |
разумных |
предположений |
|||||
и основанной |
на этих предположениях |
априорной |
ин |
формации. Очевидно, такого рода предпосылки не дол жны расходиться с общей тенденцией теории статисти ческих решений и должны подчиняться алгебре теории вероятностей. В теории вероятностей, теории игр и ста тистических решений и их приложениях [5.25—5.27] су ществует множество прикладных задач, которые укла дываются в рассматриваемую математическую схему альтернативных сетей, характеризующих процедуры последовательного выбора из множества альтернатив в ходе развития различных процессов действительности. Характерно, что для всех рассматриваемого типа про цессов стохастические сети служат моделями проблема тичных ситуаций, в которых обязательным повторяю щимся элементом в длинной цепи событий является выбор из множества исходов или альтернатив. В свою очередь, неотъемлемыми элементами процесса выбора и связанного с ним принятия решений являются поня тия состояния природы и неопределенности, которые с позиций теории решений трактуются следующим обра зом [5.27, 5.28].
Существует так называемая статистическая неопре деленность, которая происходит от элемента случайно сти в действительном мире. Этот тип неопределенности наиболее простой, так как определяется статистически ми закономерностями случайных событий, проявляющи мися в рассматриваемом частном случае. Разумные предположения относительно неизвестных закономерно стей и их использование могут существенно снизить степень статистической неопределенности. Именно тако го рода неопределенность сопутствует многим ситуаци ям принятия решений, описываемым с помощью стоха стических сетевых моделей.
Второй этап неопределенности возникает в том слу чае, когда имеется конечное число объективных уело-