|
Crow indian
Регистрация: 21.02.2009
Возраст: 43
Сообщений: 29,761
Поблагодарил: 397 раз(а)
Поблагодарили 5954 раз(а)
Загрузки: 710
Закачек: 275
Репутация: 126089
|
Тема: Математические модели и модели экспертизы вагоноремонтного производства
Математические модели и модели экспертизы вагоноремонтного производства
Пособие
Скачать
Цитата:
Классификация математических моделей
Математические модели позволяют заменить реальные объекты с некоторой степенью приближения и дают возможность проводить всесторонний анализ объектов.
Правильный выбор математической модели зависит от понимания задачи, цели действий и критерия эффективности. Руководитель, использующий результаты исследований, должен знать и понимать, какая была применена математическая модель, какие факторы ею учтены, какие факторы остались вне расчетов, и следовательно подлежат качественной оценке.
Применяемые для исследования производственных процессов математические модели можно классифицировать по трем признакам [1;3]:
1. Целевому назначению (экономико-математические, модели операций);
2. Методу решения (аналитические, численные, статистические, комбинированные, математического программирования);
3. Характеру исследуемых величин (детерминированные, стохастические).
Экономико-математические модели связывают факторы, часть которых имеют экономический смысл (модель себестоимости, модель приведенных затрат и др.). Модели операций описывают процессы функционирования системы при реализации каких-либо ее функций: надежности, динамики, производительности, устойчивости и др.
Аналитические модели представляют собой алгебраические уравнения в виде известных функций. Они могут учитывать небольшое число факторов, требуют допущений и упрощений. Но зато они наглядны и отчетливее отражают присущие объекту закономерности. Они наиболее приспособлены для поиска оптимальных решений.
Численные модели сводятся к арифметическим и логическим действиям над числами при наличии ограничений. Численные модели, по сравнению с аналитическими, более точны и подробны, не требуют грубых допущений, позволяют учесть большее число факторов, ближе к действительности. Но они громоздки, требуют значительного расхода машинного времени, имеют плохую обозримость полученных результатов, требуют применения вычислительных методов и ЭВМ.
Комбинированные или аналитико-численные модели позволяют по аналитическим зависимостям устанавливать общие закономерности протекания процесса, а по численной – уточнять результаты.
Статистические модели предназначены для обработки статистических данных, полученных в результате наблюдений или численных экспериментов.
Модели линейного математического программирования решают задачи оптимизации производственных или транспортных систем.
Статистические модели и модели линейного математического программирования наиболее широко применяются для исследования производственных процессов и систем.
При построении статистических моделей применяют методы корреляционного и регрессионного анализа, метод Монте-Карло (метод статистического моделирования). Метод Монте-Карло – построение искусственного случайного процесса, обладающего всеми нужными свойствами и реализуемого с помощью обычных вычислительных средств. Метод Монте-Карло для приближенного нахождения численных значений какой-либо величины заключается в кратной выборке значений случайной величины в серии независимых испытаний и вычислении среднего значения .
Тогда по закону больших чисел при достаточно большом значении с вероятностью, достаточно близкой к единице,
.
С помощью этого метода можно установить частоту появления неисправностей, фактические размеры дефектов и решить многие другие задачи.
К моделям линейного математического программирования относят математические модели, в которых единственная целевая функция и ограничения заданы аналитически. Целевая функция должна представлять собой линейную зависимость от переменных, а ограничения могут представлять собой систему равенств и неравенств.
Основная задача линейного программирования состоит в выборе из всех неотрицательных решений заданной системы линейных алгебраических уравнений такого решения, при котором целевая функция принимает наименьшее или наибольшее значение. Для сведения прикладных задач к основной задаче линейного программирования необходимо:
• Определить целевую функцию;
• Сформулировать ограничения;
• Выбрать метод решения системы уравнений.
Литература:
1. М.М. Болотин. Автоматизированные рабочие места и экспертные системы вагоноремонтного производства. Учебное пособие (в двух книгах). МИИТ. 1996. – 109 с.
2. М.М. Болотин. Методические указания к лабораторным работам по дисциплине «Автоматизированные рабочие места и экспертные системы вагоноремонтного производства». МИИТ. 1997. – 38 с.
3. М.М. Болотин. Методические указания к курсовой работе по дисциплине «Автоматизированные рабочие места и экспертные системы вагоноремонтного производства». МИИТ. 1998. – 16 с.
4. П.А. Устич и др. Под ред. П.А.Устича. Вагонное хозяйство. Учебник для вузов ж.-д. транспорта. – М.: Маршрут. 2003. - 560 с.
5. Гигиенические требования к персональным электронно-вычислительным машинам и организации работы. Санитарно-эпидемиологические правила и нормативы СанПиН 2.2.2/2.4.1340-03. Российская газета №120 от 21 июня 2003 г.
6. Компьютеры и оргтехника. Справочный журнал по ценам на все для компьютеров и оргтехники.
7. Джойс Нильсен. Microsoft Excel 97: справочник. –СПб: Питер Ком, 1999.-320 с.
8. Леонтьев Ю. Microsoft Office 2000: краткий курс. – СПб: Питер, 2001. – 288 с.
9. Уокенбах, Джон. Подробное руководство по созданию формул в Excel 2002.: Пер. с англ.- М.: Издательский дом «Вильямс», 2002.-624 с.
10. Гюнтер Штайнер. Visual Basic 6.0 для приложений – М.: Лаборатория Базовых Знаний, 2000. – 832 с. (Справочник).
11. Нельсон, Стивен, Л. Анализ данных в Microsoft Excel для “чайников”.: Пер. с англ. – М.: Издательский дом “Вильямс”, 2002. – 320 с.
12. Болотин М.М. Методы и алгоритмы расчета производственной мощности предприятий вагонного хозяйства. Методические указания к курсовому и дипломному проектированию. М.: МИИТ, 1992. – 50 с.
13. Инструкция по сварке и наплавке при ремонте грузовых вагонов. ЦВ 201-98. Транспорт. 1999.
14. Грузовые вагоны железных дорог колеи 1520 мм. Руководство по деповскому ремонту. ЦВ/4859.
15. Теория прогнозирования и принятия решений. Учеб. пособие. Под ред. С.А. Саркисяна. М., Высшая школа. 1977. – 351 с.
16. М. Кендэл. Ранговые корреляции. Перевод с англ., научное редактирование и предисловие Е.М. Четыркина и Р.М. Энтова. «Статистика». М. 1975.
17. В.Е. Гурман. Руководство к решению задач по теории вероятностей и математической статистике: Учеб. Пособие для студентов вузов. – 3-е изд., перераб. и доп. – М.: Высш. школа. 1979. – 400 с.
18. Очков В.Ф. MathCAD Plus 6.0 для студентов и инженеров. – М.: ТОО фирма «Компьютер Пресс», 1996. – 238 с.
19. Рыбников Е.К., Володин С.В. Применение математического пакета программ MathCAD для инженерных расчетов. М.: МИИТ, 1999.- 32 с.
20. Болотин М.М. Системы автоматизации производства и ремонта вагонов. Методические указания по выполнению лабораторных работ в среде электронных таблиц Excel. М.: МИИТ, 2001.-60 с.
21. Железнодорожная транспортная система. Эффективность, надежность, безопасность. А.М. Призмазонов, В.И. Сбитнев, А.В. Сбитнев, Э.С. Спиридонов, М.М. Болотин. Под ред. А.М. Призмазонова. – М.: Желдориздат, 2002. – 428 с.
22. Болотин М.М. Системы автоматизации производства и ремонта вагонов. Учебное пособие для вузов ж.-д. трансп./М.: МИИТ, 2002. – 132 с.
|
|
03.05.2011, 07:05
Телеграм-канал ЖЕЛЕЗНОДОРОЖНИК
Похожие темы
Справочник
Почта
