книги из ГПНТБ / Шепелев, И. Г. Математические методы планирования и управления в строительстве конспект лекций
.pdfМИНИСТЕРСТВО ВЫСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЯ СССР
ЧЕЛЯБИНСКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ имени ЛЕНИНСКОГО КОМСОМОЛА
И. Г. ШЕПЕЛЕВ
МАТЕМАТИЧЕСКИЕ МЕТОДЫ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ В СТРОИТЕЛЬСТВЕ
Конспект лекций
Одобрено методической комиссией инженерно-строительного факультета ЧПИ 20 июня 1974 г.
Челябинск
1974
УДК 330.115
Ш е п е л е в И. Г. Математические методы планирования и управления в строительстве (конспект лекций). Челябинск, Челябинский политехнический институт, 1974, с.
В конспекте лекций рассматриваются основные математиче ские методы, применяемые в планировании и управлении стро ительством. В главах I—'IV освещаются методы математической статистики, применяемые для разработки и оценки корре ляционных моделей. В главах V—VI излагаются методы мате матического программирования, особое значение придано ме тодам дискретного, динамического и стохастического програм мирования. В главе VII кратко описан метод статистических испытаний (метод Монте-Карло) и приведены примеры при менения этого метода. В главе VIII дано описание методов уп равления запасами в строительстве.
Конспект лекций предназначен для студентов, обучающихся специальности 1721 «Экономика и организация строительст ва», но может быть полезен научным работникам и инженернотехническим работникам, занимающимся внедрением матема тических методов и ЭВМ в практику управления строитель ством.
Табл. 21, рис. 34, библиография: 42 пазв.
Рецензенты: кандидат экономических наук Л, И. Авербах,
инженер И. П. Мешковой
©Челябинский политехнический институт им. Ленинского комсомола, 1974
ВВЕДЕНИЕ
В курсе «Математические методы планирования и управле ния в строительстве» излагаются методы количественной оцен ки влияния производственных факторов на результирующие по казатели деятельности строительных организаций и математи ческие методы и приемы, позволяющие найти наилучшие или близкие к наилучшим решения в управлении и организации строительства.
Интенсивное развитие математических методов и их внед рение в практику управления вызвано, в основном, двумя при чинами: 1) материальное производство в настоящее время до стигло такого уровня сложности, что управление обычными методами стало далеко не эффективным; 2) к настоящему време ни созданы мощные цифровые электронные машины, позволя ющие поставить технику вычислений в принципиально новые условия. Современные математические методы и ЭВМ позволя ют решать задачи, которые без них решать было бй невозмож но, позволяют проектировать, создавать и эксплуатировать ав томатизированные системы управления предприятиями, строй ками и отраслями.
Главными элементами АСУ являются экономико-математи ческие методы и электронно-вычислительная техника. Благодаря им, математические методы в настоящее время широко внедря ются в практику анализа и планирования производственно-хо зяйственной деятельности предприятий и строительных органи заций. .
Многим выпускникам специальности 1721 — «Экономика и организация строительства» приходится работать постановщи ками задач при разработке АСУ, а большинству из них пред стоит работать в строительных организациях, управляемых с помощью АСУ.
Этим вызвана необходимость включить курс «Математичес кие методы» в учебный план подготовки инженеров-экономис- тов. Предварительно студенты изучают высшую математику, те
I* |
3 |
орию вероятностей и математическую статистику, линейное про граммирование (этот курс в учебном плане называется «Матема тическое программирование») и программирование на ЭВМ. Кроме того, к этому времени они знакомы с общей и специаль ной статистикой, техническим нормированием в строительстве, основными вопросами организации и управления в строительст ве, основными вопросами организации и управления в строи тельстве и экономикой строительства. Это позволяет им при изучении курса «Математические методы» сознательно относить ся к примерам, лучше понимать их.смысл, давать экономичес кую трактовку.
Основное назначение курса — научить студентов технике математических методов, постановке, алгоритмизации и реше нию задач анализа и планирования с применением математиче ских методов. В курсе уделяется мало внимания доказательной стороне математических методов (доказательство теорем и т. д.), но показывается их прикладное значение. Помимо лекций по курсу, предусматриваются практические и лабораторные заня тия на настольных и цифровых электронных вычислительных машинах.
Весь курс можно разделить на три раздела: глава I—IV —
— математическое моделирование, глаза V—V II— принятие оп тимальных решений и глава VIII — математические методы уп равления запасами в строительстве, в которой показано, как при совершенствовании управления запасами можно использо вать большинство изучаемых методов. Для удобства использо вания конспекта в конце каждой 'главы или группы глав при ведена литература, необходимая для глубокого изучения мате риала.
В конспект включена часть результатов теоретических и практических научных исследований автора, в качестве приме ров использованы разработки Е. Р. Тюрина, Л. А. Алексеевой, Т. К- Пустоваловой.
В оформлении рукописи принимали участие ассистент Е. П. Цап, студентки А. П. Евсеева, О. Н. Сербина, ст. техник Л. Н. Денисова, лаборанты Л. В. Борисовская, И. Ю. Кухарчик.
Г Л А В А I
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
§ 1.1. Цели моделирования
Прежде чем использовать математические методы для целей планирования и других функций управления, необходимо иметь математическую модель объекта управления. Разработка таких моделей называется математическим моделированием. Матема тическое моделирование является особой разновидностью мо делирования вообще.
В процессе познания моделирование находит все более ши рокое применение. Процесс познания состоит из натурных наблюдений и абстрактного мышления. Часто натурные наблю дения нельзя проводить непосредственно на объекте, поэтому используют модели. Такие модели должны отвечать следующим требованиям:
1.Отображать характерные, существенные черты объекта;
2.Это отображение характерных черт объекта должно быть выражено в упрощенной форме;
3.Модель должна позволять менять некоторые свои пара метры с целью исследования;
4.Модель должна быть более удобной для экспериментов и более дешевой в изготовлении, чем объект.
Общепризнанно, что математическая модель наиболее полно отражает объект. В то же время математическая модель более динамична, на ней лучше найти оптимальные параметры объек та. Для моделирования экономических явлений другие модели, кроме экономико-математических, вообще использовать невоз можно. Для того, чтобы модель отражала сформулированные выше требования, необходимо четко определить понятие моде ли. Наиболее полно отражает эти требования следующая фор
мулировка [9]:
«Модель — это удобное, упрощенное представление сущест венно важных характеристик объекта или ситуации». А по нятие «-математическая модель» включить комплект математи ческих зависимостей, логических и знаковых выражений, ото бражающих существенно-важные характеристики объекта или
5
ситуации. Особенно важно использование математических мо делей в управлении производством.
Цели моделирования: 1) создание математических структур, позволяющих определить оптимальные параметры производст ва; 2) использование таких математических структур для тех нико-экономического прогнозирования при заданных, предлага емых или в какой-то мере неопределенных параметрах произ водства.
§ 1.2. Виды математических моделей
По своему отношению к отражению причинно-следственных связей математические модели можно подразделить на детер минированные и стохастические. Модели, в которых значения переменных величин предполагаются наперед заданными и до стоверными при жестких связях, принято называть детермини рованными. Есть два вида детерминированных моделей:
1.Сложная математическая структура, описывающая все или почти все причинные связи какой-то реальной системы и позволяющая точно прогнозировать поведение системы в зави симости от изменения переменных (или параметров);
2.Упрощенные задачи, при которых выбирается ряд основ ных существенных зависимостей, устанавливается и математи чески описывается связь между отдельными параметрами, со ответствующая причинно-следственным зависимостям; другие,
несущественные, связи просто отбрасываются (идеализирован ные модели).
Детерминированные модели первого вида, являясь наиболее точными и достоверными, из-за сложности не могут найти ши рокого применения в управлении производством.
В практике управления чаще всего применяются упрощен ные идеализированные модели второго вида. При этом счита ется, что имеются существенные и несущественные факторы; существенные принимаются в расчет, несущественные отбрасыва ются. Между принятыми в модель факторами и результирую щими показателями устанавливается жесткая детерминирован ная связь. Широкое распространение таких моделей вызвано их простотой и возможностью логического обоснования. При мерами таких моделей являются производственные функции, математические модели воспроизводства капитала, модели ли нейного программирования и т. д. Все эти виды моделей играли и играют весьма существенную роль во внедрении количествен ных методов управления производством. Однако при внедрении математических методов в управлении оказалось, что отбрасы
6
вание (без достаточных конпенсаций) так называемых несуще ственных факторов ведет к ошибкам в определении оптималь ных планов.
Наиболее часто при моделировании упускаются из виду со циальные факторы, структурные особенности, неустойчивость материально-технического снабжения и т. д. Включение всех этих факторов в модель часто невозможно, ибо если их вклю чить, модель получится громоздкой, сложной, трудноразрешимой даже на современных ЭВМ. Для придания моделям реаль ности производственный процесс или ситуацию считают случай ными и отражают в виде стохастических моделей. Стохастичес кие модели описывают случайные процессы или ситуации, при этом подразумевается, что случайность тех или иных явлений выражается в терминах вероятности. Процессы производства рассматриваются как случайные из-за того, что в качестве слу чайных величин или связей принимается влияние неучтенных факторов. Один и тот же процесс можно описать детерминиро ванными (с разной степенью точности) или стохастическими моделями.
В качестве примера рассмотрим фрагмент моделирования, заключающийся в моделировании часовой производительности одноковшового экскаватора. Производительность экскаватора определяется числом циклов его работы в час и емкостью ков ша. Детерминированная модель производительности имеет вид:
|
П = qn, |
(1.2.1) |
где |
Г1 — часовая производительность экскаватора, м3[час\ |
|
|
q — емкость ковша, м \ |
в свою очередь равно |
|
п — число циклов в час, которое |
|
п = |
— , где t — время цикла, час. |
|
Действительный процесс экскавации много сложнее изобра женного формулой (1.2.1). Прежде всего, время цикла t укрупненно можно подразделить на выполнение операции черпания ti, перемещения груза t2, время перемещения порожнего ковша 1'з и высыпания груза t4, тогда t = ti + t2 + t3 + t4. Время пере мещения ковша зависит от расстояния и скорости его движения. Расстояние движения во время черпания меняется в зависимо сти от меняющейся высоты уступа. Расстояние перемещения грунта меняется в зависимости от изменения конфигурации за боя и перемещения отвала или конфигурации транспортного сосуда. Время высыпания зависит от степени дробления грунта, объемного веса, степени заполнения ковша, влажности и лип кости грунта, исправности механизмов открывания ковша и т. д.
7
Скорость черпания зависит от усилия подачи ковша, которое в свою очередь зависит от характеристики грунта, напряжения питающего тока, мастерства и настроения оператора, исправно сти отдельных узлов машины. Скорость перемещения ковша за висит от фазовых характеристик тока в данный момент, исправ ности отдельных узлов экскаватора, метеорологических условий, опыта, физического состояния и настроения оператора.
Таким образом, при поверхностном рассмотрении экскава ции можно определить около 30 факторов, влияющих на часовую производительность экскаватора. Эти факторы связаны с про изводительностью и между собой отнюдь не простыми связями. Но самое главное заключается в том, что их количественное влияние не так просто установить ввиду того, что большинство из них трудно поддается измерениям. Поэтому при расчетах производительности большинством из перечисленных здесь фак торов пренебрегают. В качестве исключения очень приближенно учитывают характеристику грунта, вводя так называемый коэф фициент заполнения ковша. Однако эти три десятка факторов, несмотря на то, что их игнорируют, объективно существуют и влияют на производительность экскаватора. Их влияние часто настолько существенно, что фактические значения производи тельности резко отличаются от расчетных, определенных по формуле (1.2.1) даже с введением коэффициента заполнения ковша к.
Для того, чтобы приблизить модель к действительности мож но использовать небольшое количество поддающихся измере нию факторов, рассматривая их как случайные величины, тем самым превратив модель в стохастическую. Случайная величина отличается от детерминированной тем, что ее численное значе ние может меняться в зависимости от закона распределения вероятностей этой величины. В нашем примере в качестве таких факторов примем емкость ковша экскаватора f (q), время чер пания f (ti), время перемещения ковша с грузом f (t2), время перемещения порожнего ковша f (t3) и время высыпания грун та f( t4). В результате статических наблюдений можно устано вить, что все эти переменные действительно переменны и случайны и что каждая из них поддается некоторому закону рас пределения. В этом случае формула производительности экска ватора может быть записана в виде:
П = -------- -----------------------. |
(1.2.2) |
f(ti) + f(ta) + f(t3) + f(t4) |
|
Формула (1.2.2) является стохастической моделью, которую впредь будем называть стохастической моделью первого типа.
8
Итак, стохастическая модель первого типа — математическая зависимость, где все компоненты связаны жесткой функциональ ной связью, а часть переменных является случайными величина ми, изменяющимися по их законам распределения.
Существует другой тип стохастических моделей, в которых связи между факторами не являются жесткими, связи эти уста навливаются статистически и носят случайный характер. При мером таких моделей являются корреляционные формулы. Нежесткость связей в них характеризуется тем, что коэффициен ты регрессии рассматриваются как случайные величины (см. §3.3).
Стохастическими моделями второго типа будем называть математическую зависимость, выраженную корреляционными формулами. Сложная система может быть выражена комплек сом из детерминированных, стохастических первого н второго типов, логических и графоаналитических моделей.
В дальнейшем в главах II—IV рассматриваются стохасти ческие модели второго типа. Построение детерминированных моделей несложно. В качестве примеров построения в главе VI приведены задачи. Стохастические модели первого типа рас смотрены в VII (собственно, метод Монте-Карло и есть реали зация стохастических моделей первого рода) и VIII главах. В постановке и примерах решения задач VIII главы встречаются детерминированные и стохастические модели первого и второго типов.
Реальный производственный процесс протекает в сложной изменяющейся обстановке. Поэтому математические модели, адекватно отображающие действительность в определенный мо мент времени, могут не отображать изменившиеся условия про изводства в следующий момент. Особено этот недостаток присущ моделям, построенным на статистическом материале прошлых периодов. В условиях автоматизированных систем управления (а именно в этих условиях существует необходимость в приме нении математических моделей) имеется реальная возможность обновления моделей в автоматизированном режиме. Такое об новление называется адаптацией моделей, т. е. приспособлени ем моделей к изменившимся параметрам производства ([10]
и[4].
Всоставе АСУ необходимо иметь блок адаптации для аначТиза соответствия математических моделей условиям производ ства и их корректировки.
Особое место в моделировании занимают сетевые модели, нашедшие в настоящее время широкое применение в управлении строительством. Сетевые модели (графики) относятся к классу
9