Состояние модели может быть записано на языке предикатов и хранится в базе данных.

Основными задачами моделирования являются:

выбор количества ТС, необходимых для бесперебойной работы транспортных средств;

проверка алгоритмов маршрутизации и диспетчирования и другие.

Для анализа качества функционирования транспортной системы используются следующие показатели:

загрузка каждого ТС;

количество заявок на транспортировку, находящихся в системе;

длительность обслуживания заявок (время от появления запроса на транспортировку до окончания перевозки груза);

отклонения от требуемого срока доставки;

опоздания грузов (только для тех, которые доставлены после срока);

пройденный каждым ТС путь;

количество перевезенных каждым ТС грузов;

среднее расстояние, пройденное при перевозке одного груза.

Схема маршрутов движения транспортных средств

Заявки описываются следующими параметрами. Параметр Состояние имеет три значения — «ожидает» (запрос на перевозку груза поступил, но перевозка не выполняется), «перевозится» (ТС направляется к месту подбора этого груза или везет его) и «обслужена» (перевозка завершена). Два параметра Место_откуда и Место_куда хранят номера пунктов, где находится груз и куда его необходимо доставить. Параметры Срок и Время_поступления хранят время, до которого груз должен быть перевезен и время появления запроса на перевозку.

на планировке обозначены прямоугольниками и пронумерованы от 1 до 5); номером пункта назначения, равномерно распределенным на интервале [aп, bп] (назначения на планировке обозначены квадратами и пронумерованы от 6 до 25); временем прибытия, равным текущему модельному времени и сроком доставки, равным времени прибытия плюс нормально распределенное случайное число с заданным средним m1 и дисперсией d1.

приведены результаты моделирования по оценке загрузки транспортных средств (Z1 и Z2), а также отклонений от сроков поставки (Ot) в зависимости от среднего времени поступления заявок на транспортировку.

Загрузка транспортных средств

????????????L

????????????????L

???????L?ж

(), которая имеет явно выраженный сезонный характер. Проведенный анализ автокорреляций позволяет дать оценку времени моделирования для получения оценки показателей, а именно, загрузка ТС, опоздания и др., перечисленных выше, с заданной статистической точностью.

Предположим, что проводится анализ некоторой переменной случайного отклика w и получено n независимых реализаций w1, w2, ... wn. Прежде всего, полезно представить получаемые результаты графически в виде гистограмм, распределений по выборке. При этом сразу обнаруживаются экспериментальные выбросы или неожиданные сгущения; в частности, они могут объясняться ошибками в программе. Затем можно применить обычные статистические методы для того, чтобы получить: а) точную оценку E[w], например через w; точечную оценку Var [w], например через S2, и т.д.; б) оценки доверительных интервалов для E [w], например, используя t - распределение Стьюдента. Доверительные интервалы для других, более сложных оценок также можно получить с помощью метода отсечения, который необходим для сложных имитационных моделей, когда переходный период весьма значителен.

Автокорреляционная функция местоположения

В качестве параметра используется дисперсия среднего времени ожидания первых k заявок в транспортной системе. Если имеется n независимых реализаций, то можно вычислить:

Оценка S2 является несмещенной оценкой параметра (2, который нас интересует. Далее выполняются следующие шаги:

а). вычисляем ((S2), где ( - преобразование, в результате которого выборочные распределения S2 становятся симметричными;

б). вычисляем (-i(S2) - оценки, в которых отброшено i-е наблюдение wi:

таких величин будет n;

в). вычисляем псевдослучайные величины:

г). вычисляем средние значения и дисперсии для псевдослучайных величин:

) в качестве почти несмещенной оценки (2;

е). считая псевдослучайные величины независимыми, рассматриваем распределение:

как t - распределение Стьюдента с (n-1) степенями свободы. При этом выражение:

для распределения Стьюдента с (n-1) степенями свободы.

В третье главе диссертации разработаны модель и алгоритм управления складированием. Эта модель может быть адаптирована к конкретному применению для конкретных условий выполнения операций межоперационного складирования и вспомогательных работ.

При создании структуры склада включающего в себя большое количество складских помещений стоит задача построения рациональной структуры склада, так как суммарный объем комплектов поставок с учетом последующего комплексирования может превышать суммарный выделенный объем.

Задача оптимального разбиения комплектов каждой зоны склада решается методами целочисленного программирования. Так, после этапа разбиения комплектов на уровни получим:

L - число уровней:

Kl - число комплектов на l-ом уровне.