При продвижении транзактов через блоки могут происходить события следующих 4-х основных типов:

1) создание, преобразование или уничтожение транзактов;

2) изменение значения атрибута объекта;

3) задержка транзактов на некоторый промежуток системного времени;

4) изменение маршрута движения транзактов по блокам модели.

Большая часть статистики собирается в GPSS автоматически и не требует, поэтому дополнительных усилий разработчика модели.

Сбор статистики для очередей осуществляется с помощью блоков QUEUE и DEPART. Распределение случайных величин - параметров блоков модели TABLE, QTABLE

Виды статистики в GPSS:

1. Статистика для устройств:

количество транзактов, прошедших через устройство;

среднее время занятия устройства одним транзактом;

загрузка устройства (или доля использования) в течение всего времени моделирования;

доля (процент) доступности устройства в процессе моделирования;

количество транзактов, занявших устройство блоком SEIZE;

количество транзактов, захвативших устройство блоком PREEMPT.

2. Статистика для накопителей:

- объем накопителя, определенный в модели;

- среднее значение содержимого накопителя за время моделирования;

- количество транзактов, прошедших через накопитель;

- среднее значение времени использования единицы памяти;

- среднее значение загрузки накопителя в течение моделирования;

- процент доступности накопителя за время моделирования;

- текущее содержимое накопителя на момент завершения моделирования.

- максимальное содержимое накопителя за время моделирования.

3. Статистика для очередей

- максимальное значение длины очереди при моделировании;

- среднее значение длины очереди;

- общее количество транзактов, прошедших через очередь;

- количество "нулей"- транзактов, прошедших через очередь без задержки;

- процент "нулей"- доля транзактов, прошедших через очередь с нулевой задержкой;

- среднее значение времени задержки транзакта в очереди с учетом "нулевых" транзактов;

- среднее значение времени задержки транзакта в очереди без учета "нулевых" транзактов (всегда больше или равно предыдущего значения, поскольку учитываются только те, которые были в очереди с ненулевым временем).

Общая оценка (преимущества и недостатки) GPSSPC и GPSSWorld:

Положительные стороны: GPSS/W является весьма мощным инструментом имитационного моделирования (три ключевых момента),

- свободным от ограничений аналитических и численных методов,

- достаточно «прозрачным» (структура модели не является черным ящиком), допускающим нестандартную обработку данных

- и инструментом, снимающим с программиста множество нетривиальных проблем программирования и отладки моделей.

Тем не менее, приходится отметить наличие у нее ряда серьезных недостатков (из них для лабораторных работ можно выделить):

- громоздкость системы и явная перегруженность встроенными возможностями (многообразие примитивов);

- непомерное разнообразие графических обозначений блоков, не поддерживаемое даже новейшими версиями «чертежной» системы Visio;



Глава 2. Нефтеперерабатывающие предприятия как объекты логистики

2.1 Обзор работ в области разработки систем поддержки принятия решений

Предприятия химической промышленности и нефтепереработки являются объектами логистики специального класса и требуют комплексной оптимизации операций разработки, производства, продажи и использования химической продукции, оптимального управления запасами сырья, полупродуктов и ТЭР, предотвращения образования в технологических процессах производства источников оказывающих вредное воздействие на окружающую среду отходов и выбросов, обеспечения надежности и безопасности химико-технологических процессов с целью предотвращения аварий и снижения уровня химического риска. Управление химическим предприятием требует применения принципов ресурсосбережения на всех стадиях производства и переработки [1].

Логистическая цепь предприятий химической и нефтеперерабатывающей промышленности, как правило, имеют большую длину, а структура производственных связей предприятий является стационарной и негибкой.

Поэтому готовые решения по организации и управлению логистической цепи, используемые другими отраслями, неприменимы в химической отрасли, нефтепереработке и нефтехимии непосредственно.

Для оптимального управления промышленными предприятиями в отечественной и зарубежной литературе описано большое число систем поддержки принятия решений (СППР) для оптимизации отдельных видов производственно-хозяйственной деятельности промышленных предприятий -- например, планирования, составления расписаний, управления товарно-материальными запасами, отбора предложений и формирования портфеля заказов.

Системы поддержки принятия решений по оптимальному управлению хозяйственной деятельностью нефтеперерабатывающих предприятий на основе математического моделирования и программирования

Управление нефтеперерабатывающими предприятиями требует решения таких задач, как организация снабжения сырой нефтью, составление расписаний поставок, составление расписаний работы нефтехранилищ и ректификационных установок. Принятие решения при этом обычно основано на применении математических методов, к которым относятся, например, методы линейного программирования, и определяется установленными руководством предприятия статичными предпринимательскими стратегиями и предписаниями. Работы в этой области направлены на решение двух основных классов задач: задач оптимизации производственных операций (первичной переработки, крекинга, смешивания) и задач планирования и составления производственных расписаний. Некоторые исследования совмещают оба этих направления.

Li и Riggs (2000) предложили нелинейную модель для оптимизации деятельности в масштабах всего предприятия для нефтеперерабатывающего завода (НПЗ). Они разработали нелинейные математические модели для 4-х основных установок переработки нефти (ректификационной установки, установки каталитического крекинга, установки реформинга, установки производства бензиновой смеси) и применили упрощенные линейные модели для остальных видов оборудования. Однако эта модель не включает организацию закупок, транспортирования и хранения сырья, т.е. не учитывает функционирование цепи поставок НПЗ в целом.

2.2 Проблемы группирования продуктов и смешивания различных типов сырья

Несколько исследований было посвящено проблемам группирования продуктов и смешивания различных типов сырья. Rigby, Ladson&Warren (1995) провели анализ системы смешивания бензинов компании Texaco и ее развитие с использованием СППР, которая в настоящее время применяется на всех нефтеперерабатывающих заводах этой компании. Исследователи подчеркивают важность применения таких систем, приводя данные об нефтеперерабатывающих заводах, свидетельствующие об экономии свыше 30 млн. долларов в год. Adhya, Tawarmalani и Sahinidis (1999) применили для решения задачи о группировании продуктов метод неопределенных множителей Лагранжа. Amos, Ronnqvist и Gill (1997) решают эту задачу с использованием упрощенной нелинейной модели. Sullivan (1990) подчеркивает важность объединения производственных функций и операций с управлением процессами смешивания и стратегиями оптимизации для достижения оптимального результата в масштабах всего предприятия, т.е. для поиска глобального оптимума.

Еще одним важным классом задач организации и управления производственной деятельностью нефтеперерабатывающего завода являются задачи планирования выпуска и составления производственных расписаний. К этому классу задач относятся задачи составления расписания поставок сырой нефти [Shah, 1996] распределения партий сырья по ректификационным установкам [Kim, Choi, Kim и Lee, 1999], составления расписаний переключения трубопроводов [Sasikumar, Prakash, Patil и Ramani, 1997] и т.д. В работе [Pinto, Joly и Moro, 2000] приведен обзор методов планирования и составления производственных расписаний на НПЗ. Они также обсуждают методы составления расписаний поставок сырой нефти, производства и распределения, производства топливных смесей и сжиженного нефтяного газа.

В последнее время, особенное внимание уделяется интеграции процессов нефтепереработки с целью обеспечения ресурсо- и энергосбережения на нефтеперерабатывающих заводах. Zhang, Zhu и Towler (2001) предложили модель для одновременной оптимизации системы материальных потоков нефти, потоков водорода, пара и энергоресурсов в структуре НПЗ. Их исследования показали, что параллельное решение задач оптимизации, в отличие от последовательного, обеспечивает большую прибыль. Al-Sharrah, Alatiqi, Elkamel и Alper (2001) анализируют интегрированное планирование в рамках промышленной группы нефтеперерабатывающих предприятий с точки зрения воздействия на окружающую природную среду. Показана эффективность этой модели для определения экологически безопасных, или экологически дружественных нефтепродуктов, которые в качестве полупродуктов могут выпускаться нефтехимической промышленностью Кувейта. Beamon (1998) опубликовал специализированный обзор литературы по моделированию процессов в ЛЦ производственных предприятий. Модели, включенные в этот обзор, подразделяются на детерминированные [Cohen и Moon, 1990; Williams, 1983], стохастические [Cohen и Lee, 1998; Lee и Billington, 1993; Svoronos и Zipkin, 1991] и имитационные [Towill, 1991; Towill, Naim и Wikner, 1992; Wikner, Towill и Naim, 1991]. Большинство этих работ посвящено отдельным областям управления ЛЦ, -- например, управлению запасами, организации систем физического распределения, прогнозированию спроса, планирования, составления расписаний и т.д. Разработка формализованных моделей для системы масштаба ЛЦ связана с существенными принципиальными и вычислительными трудностями, поэтому математическое моделирование находит ограниченное применение для анализа полной структуры ЛЦ с учетом всех необходимых знаний и информации.

Кроме того, формальная модель является специфичной для конкретного предприятия, поэтому ее адаптация для принятия решений на другом предприятии, или даже для использования другим управляющим на том же самом предприятии, является сложной задачей.

Для моделирования и оптимизации цепи поставок, обладающей многоэлементной структурой со сложными взаимосвязями и процессами взаимодействия между элементами применяется имитационное моделирование, которое позволяет сократить сложность модели и требуемый объем вычислений. Имитационные модели передают лишь основные свойства элементов ЛЦ; поиск оптимального решения на основе исследования поведения модели выполняет аналитик, ответственный за принятие решения. Еще одним подходом к моделированию ЛЦ является объединение в рамках одной СППР математического и имитационного моделирования [Padmos, Hubbard, Duczmal&Saidi, 1999]. Такой подход применялся во многих отраслях промышленности, включая микроэлектронную промышленность [Jain, Lim, Gan&Low, 1996; Jain, Gan, Lim, Low, 2000], пищевую [Archibald, Karabakal&Karlsson, 1999] и др.

2.3 Филиал Якутской нефтебазы ОАО «Саханефтегазсбыт»

ОАО "Саханефтегазсбыт" - крупнейший поставщик и продавец на рынке нефтепродуктов Республики Саха (Якутия). Компания занимается оптовой и розничной реализацией нефтепродуктов, а также предоставляет услуги по приему, складским операциям и хранению нефтепродуктов.

Сегодня «Саханефтегазсбыт» -- ведущее предприятие по обеспечению республики горюче-смазочными материалами (в розничной реализации порядка 70% рынка). При этом компания обладает крупнейшей сетью автозаправок в регионе, реализуя в общем объеме республиканских продаж около 20% энергоносителей, имея в складском хранении долю порядка 90%. Является уполномоченным покупателем нефтепродуктов для государственных нужд Республики Саха (Якутия).

ОАО «Саханефтегазсбыт» -- компания, которая поддерживает и преследует интересы государства и в первую очередь заинтересована в том, чтобы во всех труднодоступных населенных пунктах была бесперебойная поставка нефтепродуктов.



Глава 3. Предпроектное обследование склада нефтепродуктов Якутской нефтебазы

3.1 Склад нефтепродуктов Якутской нефтебазы ОАО «Саханефтегазсбыт»

Тема, поднимаемая в данной дипломной работе, является актуальной, так как в настоящее время, традиции и современные методы управления позволяют назвать ОАО "Саханефтегазсбыт" - лидером по реализации качественных нефтепродуктов в республике. Строятся новые, современные АЗС. Производятся модернизации АЗС г.Якутска, в частности АЗС-2 по ул. Труда, 4 и АЗС-3 по адресу Вилюйский тракт 3 км, где установлены современные высокоточные бензоколонки производства совместного российско-японского предприятия Tatsuno-S-Bench. В аккредитованной в Госстандарте России лаборатории (на Якутской нефтебазе п. Жатай) осуществляется постоянный, жесткий контроль качества нефтепродуктов, поступающую в сеть АЗС.

Открытое Акционерное Общество "Саханефтегазсбыт" основано в 2000 году. После реорганизации ГП "Якутнефтепродукт".

ОАО "Саханефтегазсбыт" - крупное самостоятельно хозяйствующее предприятие учрежденное Министерством имущественных отношений. Со стопроцентной долей государства в уставном капитале.

Основной вид деятельности: оптово-розничная реализация нефтепродуктов.

Услуги: по приему, складским операциям и хранению нефтепродуктов.

Задачи - доставка, хранение и реализация качественных нефтепродуктов.

Цели - обеспечение всей республики нефтепродуктами для государственных нужд и коммерческим топливом.

На рынке нефтепродуктов предприятие работает более 60 лет.

Компания имеет постоянных корпоративных клиентов.

В организационную структуру компании входят 25 филиалов - нефтебаз, расположенных на всей территории республики Саха (Якутия).

3.2 Разработка имитационной модели на языке GPSS

Постановка задачи

Склад нефтепродуктов распределяет 3 категории топлива: а) Дизельное топливо; б) Аи-95; в) Аи-92. Для каждой категории топлива имеется по три насоса, спрос на каждую категорию топлива одинаковый. Бензовоз примерно тратит 3 минуты на то, чтобы подъехать к насосу.

1. Производительность насосов (6, 5 и 7 минут на 3700 литров соответственно).

2. Размер заказа.

3. Количество автоцистерн на нефтехранилище (дополнительно 30 секунд на каждый автомобиль).

4. Время установки (2 минуты).

Нефтехранилище вмещает максимум 9 бензовозов. Среднее время между прибытием бензовозов составляет 30 минут и изменяется по следующей функции (Таблица 1):

Таблица 1

Время между прибытием грузовиков

Частота	.20	.40	.25	.15
Коэффициент среднего	.45	.60	1.5	2.0

Необходимо:

1. Смоделировать работу нефтехранилища;

2. Определить коэффициент загруженности всех насосов;

3. Коэффициент простоя всех насосов;

4. Максимальное число входов

5. Среднее время занятости устройства одним транзактом.

6. Определить количество продаваемого каждый день топлива.

3.3 Расчетная работа

Для построения нашей модели используем блоки SEIZE, RELEASE - для эмуляции занятия и освобождения устройств; QUEUE, DEPART - для входа в очередь и выхода из нее; а так же блок ADVANCE - для осуществления задержки транзакта на обработку и пару GENERATE, TERMINATE - которые имитируют приход новых заявок в систему и выход обработанных из нее. Текст программы исходной модели приведен в Приложении.

Модель состоит из нескольких сегментов. После определения функций, переменных и памятей следуют еще два сегмента модели. Транзакты в верхнем сегменте представляют грузовики, запрашивающие топливо. Транзакты в нижнем сегменте табулируют суточные продажи и уменьшается счетчик завершения процесса моделирования.

Для выбора типа топлива и его количества для каждого грузовика, которая затем ожидает освобождение насоса, соответствует конкретной категории топлива, используются случайные функции. Время закачки определяется переменной Pump.

Количество доступного для ежедневной продажи топлива считается достаточным. В модель может быть легко добавлен контроль поступления топлива на базу.

Получение и интерпретация результатов исследования происходит по составленной и отлаженной программе. Результаты этих расчётов позволяют провести анализ и сформулировать выводы о характеристиках процесса функционирования моделируемой системы. При реализации моделирующих алгоритмов на ПЭВМ вырабатывается информация о состояниях процесса функционирования исследуемой системы, которая является исходным материалом для приближённой оценки искомых характеристик, получаемых в результате имитационного эксперимента с моделью.

Из результатов работы приведенных в Приложении 2 следует:

NASOSSTORAGE 3 ;1 Количество насосов с ? топливом

GENERATE30,20 ;2 Частота прибытия бензовоза в минутах

ADVANCE (Exponential(1,0,3)),, ;3 Подход бензовоза к насосу в минутах

ENTERNASOS;4 Бензовоз занимает насос

TRANSFERALL,NAS1,NAS3,3 ;5 Событие обрабатывается для всех бензовозов, начиная с метки NAS1 движется с шагом в 3 блока пока не доберется до метки NAS3

NAS1 SEIZENA1 ;6Проверка занятости первого насоса

ASSIGN 1,NA1 ;7 Бензовоз встает у первого насоса, если насос свободен

TRANSFER,COME ;8 В случае если первый насос был свободен, бензовоз переходит на указанную метку

SEIZENA2 ;9 Проверка занятости второго насоса

ASSIGN 1,NA2 ;10 Бензовоз встает у второго насоса, если насос свободен

TRANSFER,COME ;11 В случае если второй насос был свободен, бензовоз переходит на указанную метку

NAS3 SEIZENA3 ;12 Проверка занятости третьего насоса

ASSIGN 1,NA3 ;13 Бензовоз встает у третьего насоса, если насос свободен

COMELEAVENASOS;14 Бензовоз освобождает насос

ADVANCE30,20 ;15 Время пополнения бензовоза топливом

RELEASEP1 ;16 Освобождение насоса после обслуживания бензовоза

TERMINATE;17 Насос полностью освободился

GENERATE30,15 ;18 Частота поступления бензовозов

QUEUETHEWAIT;19Присоединение к очереди

ENTERNASOS;20 Бензовоз занимает насос

DEPARTTHEWAIT;21Выход из очереди

ADVANCE30,20;22 Время затраченное на обслуживание бензовоза

LEAVENASOS;23Освобождение насоса

TERMINATE;24Бензовоз покидает систему очереди

GENERATE 560;25 Время рабочего дня

TERMINATE 1 ;26 Вычитание из каждого счетчика итераций единицу

START 1 ;27Запуск процесса моделирования на день

Первый блок содержит общие сведения о модели и ее прогоне.

START TIME END TIME BLOCKS FACILITIES STORAGES

0.000 480.000 18 3 1

Из него можно узнать следующее:

Модельное время начала (START_TIME) - 0;

Модельное время окончания (END_TIME) прогона - 480;

Количество блоков в модели (BLOCKS) - 18;

Количество устройств (FACILITIES) - 3;

Количество накопителей (STORAGES) - 1;

Из второго блока можно получить сведения об устройствах модели.

FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY

1 11 0.535 23.358 1 28 0 0 0 0

2 6 0.274 21.925 1 0 0 0 0 0

3 10 0.633 30.403 1 27 0 0 0 0

По данному отчету можно сказать следующее:

В исследуемой системе использовано три устройства (насосы) с именами (FACILITIES) 1, 2, 3.

ENTRIES -Устройства были заняты n раз для удобства приведены в таблице 2:



Таблица 2

Устройства были заняты n раз

Насосы	Использование (сколько раз)
1 устройство	11 раз
2 устройство	6 раз
3 устройство	10 раз

Коэффициенты использования устройств (UTIL.) приведены в таблице 3:

Таблица 3

Коэффициенты использования устройств (UTIL.)

Использование устройств	Коэффициент использования
1 устройство	0.535
2 устройство	0.274
3 устройство	0.633

Среднее время занятости устройства за один подход (AVE.TIME) приведена в таблице 4:

Таблица 4

Среднее время занятости устройства за один подход

Устройства	Время (мин)
1 устройство	23.358
2 устройство	21.925
3 устройство	30.403

Третий блок содержит сведения о всех очередях, используемых в системе.

QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY

QUE1 - 1 0 11 8 0 0.053 2.305 8.453 0

QUE2 - 1 0 6 5 0 0.014 1.125 6.750 0

QUE3 - 1 0 10 9 0 0.035 1.678 16.780 0

Четвертый блок содержит сведения обо всех накопителях, используемых в системе.

STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRYDELAY

NN1 12 10 0 3 27 1 1.545 0.129 0 0

По представленным сведениям видно, что:

Моделируемая система содержит один накопитель (STORAGES);

Емкость устройства (CAP.) памяти равна 12;

Количество свободных каналов в момент завершения моделирования (REMAIN.) - 10; имитационный моделирование нефтепродукт gpss

1. Наименьшее (MIN) количество занятых каналов в процессе моделирования - 0;

2. Наибольшее (MAX) количество занятых каналов в процессе моделирования - 3;

3. Количество входов многоканальное устройство (МКУ) (ENTRIES) - 27;

4. Среднее количество занятых каналов в процессе (AVE.C.) 1.545

5. Коэффициент использования (UTIL.) составил 0.129

3.4 Анализ и краткие выводы по результатам работы

Так как нами разрабатывается имитационная модель работы нефтехранилища создается процесс моделирования на это заданное время. Процесс моделирования закончится, после того как 5 транзактов войдут в блок TERMINATE 1. Это представляет 5 дней работы по 8 часов в день.

Отчет результатов работы склада нефтепродуктов представлена в Приложении 3.

Из стандартных отчетов данных можно узнать следующее:

Модельное время начала (START_TIME) - 0;

Модельное время окончания (END_TIME) прогона - 2400;

Количество блоков в модели (BLOCKS) - 18;

Количество устройств (FACILITIES) - 3;

Количество накопителей (STORAGES) - 1;

В таблице Transit (Приложение 4) приводится распределение времени ожидания грузовиков на базе. Среднее время составило 33, минуты.

В таблице QTY (Приложение 5) приводится распределение суточных объемов продаж топлива. Среднее значение составило 106982 галлонов.

Если исследовать конечное состояние процесса моделирования, сгенерировавшего стандартный отчет мы увидим:

1) Использование команды Show с помощью функциональной клавиши F8 увидим, каким образом на основе переменной GPSS Type, определенной в программе, последовательно поступающим грузовикам случайно задавался тип топлива. (Приложение 6).

2) Теперь давайте посмотрим коэффициент использования нефтехранилища (в долях от тысячи). Хранилище вмещает максимум 9 грузовиков. Коэффициент использования равен 17%. Коэффициент использования представлен в долях от тысячи, то есть база не является «узким» местом модели.

3) Теперь посмотрим, что происходит с насосами. Каждый насос представлен одним устройством. В отчете обращаем внимание на коэффициент использования устройства, которая выше, чем коэффициент использования памяти. Коэффициент использования памяти представляет количество вмещаемых базой грузовиков. (Приложение 7). Окно памяти отображает состояние памяти с именем Depot (Приложение 8), а также ее относительно низкий коэффициент использования. Очевидно, что любые задержки в распределении топлива приведут к росту очередей у насосов. Однако, в данном процессе моделирования подобные «узкие» места не были обнаружены. Возможно, при другой структуре входящего потока грузовиков будут другие выводы.



Заключение

Широкое внедрение электронно-вычислительной техники во все сферы нашей жизни в последнее время, вызвало бурный рост технологий, связанных с применением в них средств вычислительной техники.

Одной из наиболее крупных отраслей развития технологий с применением ЭВМ, является математическое моделирование, которое достаточно просто (в отличие от аналогового моделирования) может быть реализовано на ЭВМ разных модификаций и возможностей. Связано это с тем, что при математическом моделировании модель представляет собой определенную последовательность математических зависимостей и динамика такой модели представляет собой изменение параметров зависимостей в результате выполнения расчетов. Математическое моделирование тесно связано с имитационным моделированием.

В данной дипломной работе на основании исходных данных и известных математических зависимостей была построена имитационная модель склада нефтепродуктов с использованием программы GPSS World.

Нами получены следующие основные теоретические и практические результаты:

Склад нефтепродуктов Якутской нефтебазы помещает одновременно до 9 бензовозов. Коэффициент использования, которой равен 17%. Коэффициент использования представлен в долях от тысячи, то есть база не является «узким» местом модели.

1. Разработана имитационная модель работы нефтехранилища на 5 дней с восьми часовым рабочим днем, то есть общее время моделирования составила - 2400 минут;

2. Определили общее количество продаваемого каждый день топлива;

3. Количество проданных литров;

4. Любая задержка в распределении топлива приведут к росту очередей у насосов.

Однако, в данном процессе моделирования подобные «узкие» места не были обнаружены. Возможно, при другой структуре входящего потока грузовиков будут другие выводы.



Список использованных источников

1. Топольский Н.Г. Основы автоматизированных систем пожаро-взрывобезопасности объектов. -М.: МИПБ МВД России, 1997 -164 с.

2. Поппер К. Логика и рост научного знания. -М.: Прогресс, 1983187 с.

3. Пуанкаре Ж. А. Наука и метод. Будущее математики. М., 1983.

4. Заде JI.A. Основы нового подхода к анализу сложных систем и процессов принятия решений.// Математика сегодня" -М.: Знание, 1974.

5. Томас JI. Саати. Принятие решений. Метод анализа иерархий. -М.: Радио и связь. 1993. -315 с.

6. Абдурагимов И.М., Однолько A.A., Нечаев Д.Ю., Автоматизированные системы в деятельности ПАСС на территориях с повышенным радиоактивным загрязнением. // Информатизация систем безопасности. -М.: Академия МВД РФ. 1992.

7. Бусленко Н.П. Моделирование сложных систем. -М.: Наука. 1968.-355 с.

8. Бидюк П.И. Построение и методы обучения байесовских сетей / П.И. Бидюк, А.Н. Терентьев, A.C. Гасанов // Кибернетика и системный анализ. -- М., 2005. № 4. - С.133-147.

9. Блюмберг В.А. Метод расстановки приоритетов / В.А. Блюмберг, В.Ф. Глущенко. JL: Лениздат, 1982. - 127 с.

10. Емельянов А.А. «Имитационное моделирование экономических процессов» 2002г

11. Советов В.Я., Яковлев С.А. «Моделирование системы» 2001г.

12. Соболь И.М. «Метод Монте-Карло» 1968г.

13. Шеннон Р. «Имитационное моделирование систем - искусства и науки» 1978г.

14. «Машинные имитационные эксперименты с моделями экономических систем» под редакцией Нейлера.

15. Кеольтон В., Лод А. «Имитационное моделирование. Классика CS» издание 3-е, 2004г.

16. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений / Г. Буч, М.У. Энгл, P.A. Максимчук М.: Вильяме, 2008. - 720 с.

17. Томашевский B.H., Жданова Е.Г. Имитационное моделирование средствами системы GPSS/PC: Учеб.пособие. - K.: I3MH, НТТУ КПИ, 1998.-123c.

18. Томашевский B.H., Жданова Е.Г., Жолдаков А.А. Решение практических задач методами компьютерного моделирования: Учеб. Пособие - K.: Изд-во "НАУ", 2001. - 268 c.

19. Beasley J. E. and Whitchurch G. О. R. education - a survey ofyoungО. R. workers. // Journal of the Operational Research Society. - 1984. - № 35. -P.281-288.

20. Методы построения имитационных систем / B.B. Литвинов, Т.П. Марянович - K.: Наук, думка, 1991. - 120 c.

21. Томашевский B.H., Павлишин B.A. Формальный метод проектирования программного генератора имитационных моделей / Труды первой международной конференции c программирования "УкрПРОГ 98" - K.: Кибернетический центр HAH Москвы, 1998.- C. 563-571. 215

22. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем. М.: Финансы и статистика. 2001.

23. . Косоруков О.А., Мищенко А.В. Исследование операций. М.: "Экзамен", 2003.

24. . Кремер Н.Ш. Исследование операций в экономике. М.: ЮНИТИ, 2000.

25. . Анализ систем массового обслуживания с использованием программного комплекса "Теория Массового Обслуживания". Методические указания. Издательство ИГЭА. 2001.

26. . О.В. Серая. Анализ немарковской системы обслуживания с отказами. Национальный технический университет "ХПИ", Харьков.

27. . Газета "Успехи математических наук", ноябрь-декабрь 1968, m. XXIII, вып. 6 (144). Критика и библиография. В.Я. Розенберг, А.И. Прохоров. "Что такое теория массового обслуживания". Рецензия Шехтера Б. А.

28. . Александрова Е.А. Теория массового обслуживания в задачах оптимизации. Статья. Вольное экономическое общество России. 2009.

29. . Вентцель Е.С. Исследование операций. Задачи, принципы, методология.

30. . Экономико-математические методы и прикладные модели. Под ред. Федосеева В.В. М.: ЮНИТИ, 1999.

31. . Вагнер Г. Основы исследования операций. Том 3. Перевод с англ. Вавилова Б.Т. Издательство "МИР". 1973.

32. . http://www.allmath.ru/appliedmath/mathmet/mathmet8/mathmet. htm // <http://www.allmath.ru/appliedmath/mathmet/mathmet8/mathmet.htm //> Математическое моделирование // гл.10. Язык программирования GPSS.

33. . <http://itteach.ru/gpss/programmirovanie-v-gpss //> Программирование в GPSS.

34. . <http://itteach.ru/gpss/obschee-opisanie //> Система GPSS.

35. . Т.Я. Лазарева, И.В. Диденко. Системы массового обслуживания: методические разработки. Тамбов: Тамбовский государственный технический университет. 2001.

36. . http://www.dtdm. tomsk.ru/~isador/index.html <http://www.dtdm.tomsk.ru/~isador/index.html> // Исследование операций.

37. . Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе. Москва: ЮНИТИ. 2001.

Размещено на Allbest.ru

...