Гл. 14. Имитационное моделирование. Таблица 14.21. Распределение интервалов случайных чисел для времени поставки заказа Время постав­ки




Таблица 14.21. Распределение интервалов случайных чисел для времени поставки заказа

Время постав­ки, не­дель Вероят­ность Кумуля­тивная вероят­ность Случай­ные числа
1 2 3 4 0,20 0,50 0,25 0,05 0,20 0,70 0,95 1,00 00-19 20-69 70-94 95-99

Небольшие отклонения ввиду ошибок округления


Таблица 14.22. Распределение

Интервалов случайных чисел

Для спроса за неделю

Спрос за неделю Вероятность Кумулятив­ная вероятность Случайные числа
  0,003 0,003 00-002
  0,009 0,012 003-011
  0,028 0,040 012-039
  0,066 0,106 040-105
  0,121 0,227 106-226
  0,175 0,402 227-401
  0,197 ' 0,599 402-598
  0,175 0,774 599-773
  0,121 0,895 774-894
  0,066 0,961 895-960
  0,028 0,989 961-988
  0,009 0,998 989-997
  * 0,003 1,000 998-999*

Теперь можно осуществить моделирование.

  Та блица 14.23. Моделирование управления запасами  
  Запас Спрос Запас Повтор- Время поставки  
Неделя на начало     на конец ный      
  недели Случай­ное число Объем недели заказ, Да/нет Случай­ное число Недели  
    034 480        
    743 505        
    738 505   Да 95 4  
    636 505        
    964 520        
    736 505        
    614 505        
    698 505        
    637 505   Да 73 3  
    162 490        
И   332 495        
    616 505        
    804 510        
    560 500   Да 10 1  
    111 490        
    410 500        
    959 515        
    774 510        
    246 495   Да 76 3  
    762 505        
    Итого Ю050        

1. 4. Моделирование в бизнесе

РЕЗЮМЕ

Имитационное моделирование является одним из методов, который применяется специалистами в случаях, когда использование математических моделей вызывает определенные трудности или когда лежащие в их основе предпосылки неадекватны реальным условиям. Метод имитационного моделирования можно применять в сложных ситуациях, не принимая никаких предпосылок об исходных данных.

Мы рассмотрели метод Монте-Карло, в котором всем переменным модели ставится в соответствие определенное множество дискретных значений. Данный метод позволяет на основе собранной исходной информации сгенерировать для каждой переменной соответствующее распределение вероятностей. Из этих рас­пределений с помощью случайных чисел получают значения переменных модели, ■которые используют затем в процессе моделирования. Построение каждой модели начинают с определения входящих в нее переменных и формулирования правил их функционирования. Результаты расчетов по имитационным моделям небольшой размерности обычно представляют в виде таблиц, легко поддающихся количест­венному анализу.

Существует возможность модификации имитационной модели, по которой вновь производятся расчеты, а затем проводится сравнительный анализ новых результатов с полученными ранее. Методы имитационного моделирования, хотя и не приводят к получению оптимальных решений, как, например, методы линейного программирования, однако, позволяют выработать направления политики, приво­дящей к лучшим результатам. Но прежде, чем внедрять какой-либо из результатов, полученных по имитационной модели, в практику, необходимо произвести оценку ее надежности и, осуществив расчеты на более длительный период, получить репрезентативные характеристики. Обычно расчеты по имитационным моделям проводятся с помощью пакетов прикладных программ.


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



double arrow
Сейчас читают про: