книги из ГПНТБ / Шепелев, И. Г. Математические методы планирования и управления в строительстве конспект лекций
.pdfСпрос в данной задаче предполагается детерминированным. Потребность в строительных материалах определяется при пла нировании строительно-монтажных работ на каждый из плани руемых периодов, при чем количество потребных материалов не остается неизменным от периода к периоду. В этом и заключа ется нестационарность спроса. В связи с нестационарностью спроса метод дифференцирования для решения данной задачи неприменим. Для нахождения минимума функции (8.4.1) не обходимо использовать методику динамического программиро вания.
Пусть L* — минимум L, т. е.
L* = |
min L [ Yj (уо, q) • • • |
Y12 (у,„ |
q12)] |
(8.3.4) |
||
L* будет зависеть |
от |
(К = |
1,..., 12) |
переменных функции /, за |
||
висящих от г/к-ь qK |
(К = |
1,..., 1 2 ), |
поэтому |
прежде |
чем рас |
сматривать вопрос о минимизации L,. найдем У& т. е. среднеме сячные запасы по данному материалу.
Размеры производственных запасов определяются частотой поставок, объемом партий, а также интенсивностью потребле ния. При фиксированном спросе частота поставок обратно про порциональна величине партии, а запасы пропорциональны, т. е. чем больше размер партии, тем реже частота поставок, тем больше запасы. В качестве привязки поставок во времени бе рем плановый период поставок Т, который определяется как средневзвешенная величина.
Пусть t i ... tn — моменты поставок материала за базовый год в днях, a Q i... Qn соответствующие им объемы поставок. Тогда, если отсчет времени вести от начала года, интервал между дву мя очередными поставками Ati равен
Д t, = t2— ti_ i; 1 = 1,2, . . . , п. |
(8.3.5) |
|
Плановый период поставок Т равен |
|
|
s |
Qi At, |
|
Т = |
------- , |
(8.3.6) |
|
2Qi |
|
|
i-i |
|
а плановые моменты поставок Ti определяются отношением |
||
Т, = Т *i; |
i = 1, . . . , п. |
(8.3.7) |
Моменты времени, соответствующие концам месяцев, опре |
||
деляются соотношением |
|
|
Мк = 30 к; |
к = I , . . . , 2. |
(8.3.8) |
ПО
Зная моменты поставок, мы можем найти величину средне го остатка за k-й месяц. Здесь необходимо рассмотреть два слу чая, а именно, когда п ^ 1 2 и когда п > 1 2 .
При п*£ 12-суточный расход материала (интенсивность по требления) в k-ом месяце к определяем как
Sk_ ^к 30'
Рис. 21. Схема формирования среднего запаса (детермини рованный подход)
Тогда средний запас за k-й месяц Ук выразится следующим ин тегралом
|
|
Т‘ |
|
|
|
Yk = ' т. _ iyik |
j" |
4 |
— 4 ^ dt-{- |
|
|
|
1 k _ 1 |
«к-i |
|
|
|
|
мк |
|
|
|
|
-f-— |
— Г (Ук—1 + ^-Mk-i -j- q — Xkt) dt. |
• (8.3.9) |
|||
Мк — Т| ,) |
|
|
|
|
|
|
Тк |
|
|
|
|
Вычислив интеграл |
(8.3.9) и упростив выражение, получим сред |
||||
нее значение запаса |
|
|
|
|
|
Yk = 2yk_i + |
qk - Хк (Т, + 15 - Mk_i). |
(8.3.10) |
|||
Как видно из (8.3.10), Ук зависит от объема поставок, |
от остат |
ка на начало месяца и от интенсивности потребления.
Схема изменения уровня запаса за k-й месяц, соответствую щая п > 12, приведена на рис. 2 1 . Средний запас равен площа ди фигуры.
111
В общем случае, если число поставок за месяц равно т , то средний запас равен сумме интегралов
|
Y = |
Мк- |
(Ук- 1 |
+ |
Мк_! — Хк t) dt—j— |
||
|
|
"k-i |
|
|
|
|
|
|
га—1 |
Ti+j |
|
|
hi- |
|
|
|
|
|
|
|
|||
|
H-----— |
j |
(yk-i H ~ |
M k+1 |
+ |
qi — |
^k t)dt-j-■ |
|
j=1 |
Ti+j+ l |
|
|
i= 1 |
|
|
|
|
Mk |
|
|
|
ra |
|
+ |
—-----— -------г |
i" |
(Ук-i |
Mk_i + |
Q — Akt)dt. (8.3.11) |
||
|
Mk - Ti + m - 1 |
. J |
|
|
|
|
|
|
Месячный объем поставок qk |
определяем как сумму поста |
|||||
вок за k-й месяц |
|
П1 |
|
|
|
|
|
|
|
|
|
|
|
(8.3.12) |
|
|
|
|
qk = 2 Q i > |
|
|
||
|
|
|
i=i |
|
|
|
|
|
Минимизация |
функции L, |
определяемой |
соотношением |
(8.3.1), проводится методом динамического программирования. Поскольку начальный уровень запаса Уо и конечный у12 == у?а
заданы, то минимизацию можно проводить как в «прямом» вре мени, так и в обратном. Мы рассмотрим алгоритм решения за дачи в прямом времени. Представим задачу минимизации в ви
де 1 2 -шагового процесса. |
|
1,..., 12), определяе |
Разобьем диапазон изменения qk, (k = |
||
мый соотношением (8.3.3) |
на ряд значений с некоторым шагом |
|
Aq. На первом этапе всех |
допустимых значений q находим Уг, |
|
г/2 и 1Х. |
|
|
Li (Yj) = min (у0; qt) |
(8.3.13) |
|
|
д |
|
q
л
Lj — дает минимальные издержки за первый месяц, q, соответ ствующее этому значению, условно называется оптимальным значением. На втором этапе для каждого у\ и всех допустимых
значений q2 определяем У2; г/2; к (У). Находим
L2 (Y2) = |
min [l2 (yu q2) + L, (Yt)]. |
(8.3.14) |
||
Для нахождения |
оптимума за год применяем |
принцип |
||
Р. Веллмана (см. гл. V), |
решив к — 1 |
рекуррентных соотноше |
||
ний. |
|
|
|
|
Lk (Yk) = |
min [/k (yk_i, qk) + |
Lk_! (Yk_i)]. |
(8.3.15) |
112
Здесь Lk(yic) — минимально возможные издержки за первые к месяцев при условии, что в конце k-го месяца уровень запасов
равен |
На последнем шаге мы найдем L* = L12 (У12) |
и соот |
||
ветствующие этому значению |
у*р q*2, а |
следовательно |
найдем |
|
все оптимальные значения . |
q* . .. q* 2 |
и у*... y:j2, а также |
||
—* |
—* |
|
|
|
У1 • • • У12* |
значения |
поставок строительных |
||
Полученные оптимальные |
||||
материалов могут быть использованы при планировании |
мате |
риально-технического снабжения строек, а оптимальные значе ния запасов Ук для планирования загрузки оборотных фондов.
§ 8.4. Оптимальное планирование поставок строительных материалов
в стохастической постановке
Выше был рассмотрен метод решения задач по управлению запасами в детерминированной постановке. На практике усло вия, соответствующие такой постановке, встречаются редко, ча ще всего при управлении запасами наблюдаются неопределен ности, при учете которых задача становится стохастической. Природа этих неопределенностей обычно вызывается:
а) ошибками при определении потребности в строительных материалах;
б) неопределенностью поставок строительных материалов; в) источником неопределенности является и целевая функ
ция, как правило, корреляционная, например, формула (8.2.16), отражающая только средние значения, связанных формулой ве личин и имеющая ошибку аппроксимации, а, следовательно, и возможность ошибки расчета по этой формуле. Для решения задач с учетом этих неопределенностей необходимо применять методы стохастического программирования (см. гл. V).
В качестве метода решения задачи используется метод ди намического программирования, причем при подсчете среднего
запаса и в соотношении (8.3.2) |
величины qk и Sk |
рассматрива |
||
ются как случайные. Тогда |
|
|
|
|
f (Ук) |
= f (У к -0 |
+ f (qk) — f(S k), |
(8.4.1) |
|
где f (ук) — случайная |
величина остатка за k-ый период; |
|||
f (qk) — случайная |
поставка за k-ый период; |
|
||
f (Sk) — случайный спрос за k-ый период; |
|
|||
f (г/k-i) — случайный остаток за |
предыдущий период. |
|||
Меняется метод определения |
среднего запаса |
У, который |
5 И. Шепелев |
113 |
становится функцией |
случайных переменных |
f(t/k-i) и f(qk) |
при случайном спросе f (Sk): |
|
|
y k = |
F[f(yk_1); f (qk); f(Sk)].- |
(8.4.2) |
Минимизируемая функция L за k периодов выражается:
L* = minL{y1[f(y0); f(qi)5 f(SO] ...
•••yk[f(yk-i); f(qk); f(Sk)]}. |
(8.4.3) |
Если учесть, что функция Li, будучи корреляционной, имеет в своем составе случайную компоненту е, то затраты зависят не только от уровня запасов, но и сами являются случайными, то есть
Тогда |
L = |
I (У; |
е); |
( |
(8.4.4) |
|
|
|
|
|
|
L* = min L {... Ук [f (yk-0 ; |
f (qk); f (Sk)] ... *}• |
(8.4.5.) |
|||
Выражение (8.4.5) является общим видом целевой функции |
|||||
календарного |
планирования поставок |
материалов при полной |
|||
стохастической |
постановке |
задачи. Конкретные методы реше |
|||
ния этой задачи зависят от |
вида случайных функций |
f (yk-i); |
f (qk); f (Sk) и e.
Оптимизация должна производиться с применением принци па Р. Веллмана и реализацией задачи на каждом шаге метода ми стохастического программирования.
В работах [12, 13] приведен анализ поставок строительным трестам Южного Урала цемента, арматурной стали, кирпича. Статистический анализ . фактических поставок строительных материалов показал, что поставки могут быть аппроксимирова ны факторными моделями, цепями Маркова и другими случай ными законами.
В § 8.5 приведены основные положения и примеры аппрок симации поставок факторными моделями и цепями Маркова.
§ 8.5. Планирование поставок с аппроксимацией цепями Маркова
Рассмотрим постановку и метод решения задачи оператив ного оптимального календарного планировния поставок строи тельных материалов, при этом будем считать, что спрос (по требность) в строительных материалах является детерминиро ванным и нестационарным (определяется при календарном пла нировании строительно-монтажных работ), поставки имеют ве роятностный характер, причем, в качестве модели процесса принята простая неоднородная цепь Маркова.
114
Для построения модели, как и в § 8.3, введем следующие обозначения:
qn — поставка материала в течение n-ой недели; Ул — остаток материала на конец n-ой недели.
Требуется определить значения поставок и остатков для каждой недели планового периода, удовлетворяющие ограниче ниям
|
|
УN = |
Уопт» |
|
|
(8.5.1) |
|
Sn ' |
|
|
N |
|
|
(8.5.2) |
|
Уп-1 |
Q n |
2 |
^ |
Уп—1 |
Уопт> |
||
|
|
|
1= п |
|
|
|
|
|
|
|
п |
|
|
|
(8.5.3) |
|
О ^ У п " ^ 2 |
^ "1” Уопт» |
|
||||
|
|
|
1=п-Н |
|
|
|
|
при достижении минимума функции |
|
|
|
||||
|
|
N |
(Чп> Уп)> |
|
(8.5.4) |
||
|
|
2 |
|
||||
причем, |
|
П = |
1 |
|
|
|
|
Уп = Уп-1 “f* Qn |
Sn, |
|
(8.5.5) |
||||
|
|
||||||
где Sn — потребность за n-ю неделю; |
на |
конец месяца, |
|||||
Уолт— оптимальное |
значение |
остатка |
|||||
определенное в оптимальном годовом плане; |
|||||||
N — число недель в плановом периоде; |
|
||||||
/п (qn, Уп) — функция потерь для n-ой недели. |
|
|
|||||
Ограничение |
(8.5.1) |
обуславливается необходимостью при |
вести в соответствие оптимальный оперативный и оптимальный годовой планы.
В качестве критерия оптимальности принимается минимум функции потерь (см. § 8 .2 ).
Оптимизация плана осуществляется методом динамического программирования. Вычислительный процесс строится от конеч ного состояния к исходному, где под состоянием понимается ве личина остатка на начало недели. Тогда общее рекуррентное соотношение можно записать в следующем виде
Ln (Уп-i) = min [In (qn; yn)-f Ln_i (У„)], |
(8.5.6) |
Л |
|
q |
|
где Ln(«/n_ i) — минимальные потери для n оставшихся |
недель |
планового периода при условии, что остаток материала на нача ло п-ой недели равен уп-и
В процессе решения задачи для вычисления значений функ
5* |
115 |
ции потерь требуется определить величину среднего недельного
запаса, который |
является аргументом целевой функции. |
||
Из |
графика |
изменения |
уровня запаса в течение недели |
(рис. |
2 2 ) видно, |
что величина |
среднего запаса численно равня |
ется площади заштрихованной фигуры, деленной на число дней
Рис. 22. Схема формирования среднего запаса (стохастический подход)
в неделе. Тогда средний запас в n-ю неделю может быть опре делен по формуле:
Уп |
|
Sn (2) |
|
— -4-Чп f |
|
|
|
(8.5.7) |
( 1 ) ( 2 ) |
( 5 ) |
' |
qn; qn ■• • qn |
— поставки в течение первого, второго, ..., пя |
того дня недели;
m — число дней в неделе. .
Для определения объемов поставок используется простая не
однородная |
цепь Маркова, переходные вероятности которой, |
в |
||||
|
|
отличие от однородной цепи [13], меня |
||||
Т а б л и ц а 18 |
ются с течением времени. Под состоянием |
|||||
Состояние |
%выполнения |
системы |
здесь понимается процент вы |
|||
полнения |
недельного заказа на какой- |
|||||
системы |
недельного |
|||||
|
заказа |
либо день недели (табл. |
18). |
|
||
1 |
0 |
Математическая модель процесса пред |
||||
ставляет собой матрицы начальных и пе |
||||||
2 |
20 |
реходных |
вероятностей, |
полученные |
в |
|
3 |
40 |
результате обработки статистических дан |
||||
4 |
60 |
|||||
5 |
80 |
ных по фактическим поставкам материа |
||||
6 |
100 |
лов за два года. |
|
|
116
На рис. 23 представлены матрицы вероятностей для поста вок силикатного кирпича. Таблица содержит распределение на чальных вероятностей (левый столбец матрицу I) для первого дня недели и четыре матрицы переходных вероятностей для ос тальных четырех дней недели.
Для статистического моделирования процесса поставок ме тодом Монте-Карло (см. гл. VII), распределение начальных и переходных вероятностей необходимо представить в виде зако нов случайных величин, выраженных накопленными вероятно стями (рис. 24).
Результатом моделирования является набор состояний, опи сывающий процесс поставок в течение недели, определенный на множестве реализаций.
Зная моменты и объемы поставок и подставляя их в форму лу (8.5.7), можно определить величину среднего запаса, эта ве личина, в свою очередь, подставляется в формулу (8.5.4), кон кретная запись которой определяется видом материала.
Вычисление минимума функции и соответствующих ему зна чений переменных осуществляется в соответствии с рекуррент ными соотношениями (8.5.6).
Рассмотрим пример расчета оптимального графика поставок строительному тресту силикатного кирпича. Пусть для рассмат риваемого примера плановый период начинается с апреля, на
начало которого заданы: |
|
|
|
|
у^ = |
35 |
тыс. шт,; |
||||
1 ) |
фактический |
остаток кирпича в тресте |
|||||||||
- 2) |
календарная |
потребность в кирпиче (табл. |
19) |
на плано |
|||||||
вый период; |
|
|
|
|
Т а б л и ц а |
19 |
|
||||
|
|
|
|
|
|
|
|||||
|
Наименование |
Всего |
|
|
По неделям |
|
|
|
|
|
|
|
месяца |
за год |
|
1 |
2 |
3 |
4 |
|
5 |
|
|
|
|
|
|
|
|
« |
|
|
|
|
|
|
Апрель |
183,22 |
|
15,9 |
52,7 |
46,82 |
41,4 |
26,4 |
|
|
|
|
Май |
21,2 |
|
4,4 |
— |
9,2 |
7,6 |
|
— |
|
|
3) оптимальные остатки на конец каждого месяца планового |
|||||||||||
периода, определенного в годовом оптимальном плане |
|
|
|||||||||
|
|
У4 опт = |
40 |
тыс. шт. |
|
|
|
|
|
||
|
|
Уъопт = |
42,47 |
тыс. шт. |
|
|
|
|
|
||
Функция потерь для |
рассматриваемого |
материала |
имеет |
||||||||
вид; |
|
_ |
|
_ |
|
_ |
|
|
|
|
|
|
In (q„; Уп) ■■= 0,20 У - |
0,75 У“ ° '03 - |
7,61 У + 1853,16. |
(8.5.8) |
117
|
|
|
|
|
|
|
|
|
|
|
II |
|
|
|
Х аи. |
Зоото |
1 |
2 |
3 |
4 |
5 |
6 |
Соато |
|
2 |
3 |
4 |
5 |
6 |
вероят м и я . |
р я и л |
|
||||||||||||
0,556 |
1 |
0,420 |
0,120 |
0,320 |
0,04 |
0 |
0,100 |
1 |
0,409 |
0 |
0,182 |
0 ,045 |
0 |
0,364 |
0,200 |
2 |
0 |
0,333 |
0,333 |
0,334 |
0 |
0 |
2 |
0 |
0,160 |
0,166 |
0,668 |
0 |
0 |
0,111 |
3 |
0 |
0 |
0,300 |
0,500 |
0,200 |
0 |
3 |
0 |
0,040 |
0,240 |
0,480 |
0,080 |
0,160 |
0,044 |
4 |
0 |
0 |
0 |
0,250 |
0 |
0,750 |
4 |
0 |
0 |
0 |
0,500 |
0,357 |
0,143 |
0 |
5 |
0 |
0 |
0 |
0 |
0 |
0 |
5 |
0 |
0 |
0 |
0 |
0,334 |
0 ,6 6 6 |
0,088 |
6 |
0 |
0 |
0 |
0 |
0 |
/ |
6 |
0 |
0 |
0 |
0 |
0 |
1 |
|
|
|
|
III |
|
|
|
|
|
|
IV |
|
|
|
Состо- |
1 |
2 |
3 |
4 |
5 |
6 |
|
Ооото- |
1 |
2 |
3 |
4 |
5 |
6 |
Янгсл |
|
Ян и Л |
||||||||||||
1 |
0,444 |
0 |
0,111 |
0,111 |
0 |
0,334 |
|
1 |
0 |
0 |
0 |
0 |
0,250 |
0,750 |
2 |
0 |
0,333 |
0 |
0,334 |
0 |
0,333 |
|
2 |
0 |
0 |
0 |
1 |
0 |
0 |
3 |
0 |
0 |
0,214 |
0,357 |
0,143 |
0,286 |
|
3 |
0 |
0 |
0 |
0 |
0 |
1 |
4 |
0 |
0 |
0 |
0,231 |
0,269 |
0,500 |
|
4 |
0 |
0 |
0 |
0 |
0 |
1 |
5 |
0 |
0 |
0 |
0 |
0 |
0 |
|
5 |
0 |
0 |
0 |
0 |
0,083 |
0,017 |
6 |
0 |
0 |
0 |
0 |
0 |
0 |
|
6 |
0 |
0 |
0 |
0 |
0 |
1 |
Рис. 23. Матрицы вероятностей
1 |
Состо |
1 |
2 |
3 |
4 |
5 |
6 |
Слете |
|
2 |
3 |
4 |
5 |
6 |
йсрсяяцяния |
9кия |
|
||||||||||||
0,556 |
1 |
0,420 |
0,540 |
0,860 |
0,900 |
0,900 |
1 |
1 |
0,409 |
0,409 |
0,591 |
0,636 |
0,636 |
1 |
0,756 |
2 |
0 |
0,333 |
0,666 |
1 |
1 |
1 |
2 |
0 |
0,166 |
0,332 |
1 |
1 |
1 |
0,867 |
3 |
0 |
0 |
0,300 |
0,800 |
1 |
1 |
3 |
0\ |
0,040 |
0,280 |
0,760 |
0,640 |
1 |
0,911 |
4 |
0 |
0 |
0 |
0,250 |
0,250 |
1 |
4 |
0 |
0 |
0 |
0,500 |
0,857 |
1 |
0,911 |
5 |
0 |
0 |
0 |
0 |
0 |
0 |
5 |
0 |
0 |
0 |
0 |
0,334 |
1 |
У |
6 |
0 |
0 |
0 |
0 |
0 |
1 |
6 |
0 |
0 |
0 |
0 |
0, |
1 |
|
|
|
|
|
|
|
Свете |
|
|
к |
|
|
|
Состо |
1 |
2 |
3 |
4 |
5 |
6 |
|
2 |
3 |
4 |
5 |
6 |
|
яния |
якия |
|
|||||||||||
1 |
0,444 |
0,444 |
0,555 0,666 |
0,666 |
1 |
1 |
0 |
0 |
0 |
0 |
0,250 |
1 |
|
г |
0 |
0,333 |
0,333 |
0,667 |
0,667 |
1 |
2 |
0 |
0 |
0 |
1 |
1 |
1 |
3 |
0 |
0 |
0,214 |
0,571 |
0,714 |
1 |
3 |
0 |
0 |
0 |
0 |
0 |
1 |
4 |
0 |
0 |
0 |
0,231 |
0,500 |
1 |
4 |
0 |
0 |
0 |
0 |
0 |
1 |
5 |
0 |
0 |
0 |
0 |
0 |
1 |
5 |
0 |
0 |
0 |
0 |
0,083 |
1 |
6 |
0 |
в |
0 |
0 |
0 |
1 |
6 |
0 |
0 |
0 |
0 |
0 |
1 |
Рис. 24. Матрицы накопленных вероятностей